Loading...
机构名称:
¥ 1.0

摘要 - 本文提出了一种旨在检测套利机会的模型,重点是三角形和跨市场套利。利用Bellman-Ford算法和图形理论,该模型有效地确定了负循环,指示了高流动性环境中潜在套利的负循环,并结合了虚拟和实时数据。虽然证明它对于三角套利特别有效,但该模型需要进一步的完善才能提高其在跨市场场景中的有效性。在实际交易方案中,该模型面临着重大挑战,例如需要快速执行,交易费用的影响以及波动金融市场的需求。该研究讨论了必要的模型增强功能,以提高现实世界的适用性和执行效率。

使用Bellman-Ford算法

使用Bellman-Ford算法PDF文件第1页

使用Bellman-Ford算法PDF文件第2页

使用Bellman-Ford算法PDF文件第3页

使用Bellman-Ford算法PDF文件第4页

使用Bellman-Ford算法PDF文件第5页

相关文件推荐

2023 年
¥1.0
2024 年
¥1.0
2020 年
¥3.0
2021 年
¥2.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
1900 年
¥1.0
1900 年
¥1.0
2022 年
¥1.0
2025 年
¥1.0
2022 年
¥1.0
2021 年
¥1.0
2022 年
¥1.0
2021 年
¥1.0
2020 年
¥1.0
2023 年
¥1.0
2021 年
¥2.0
2020 年
¥1.0
2025 年
¥2.0
2024 年
¥2.0
2015 年
¥1.0
2024 年
¥2.0
2021 年
¥1.0
2023 年
¥1.0
2020 年
¥1.0
1900 年
¥8.0
2018 年
¥26.0
2018 年
¥6.0
2022 年
¥1.0