XiaoMi-AI文件搜索系统
World File Search Systemarbitrage
基于分布式强化学习的不平衡解决机制中的能源套利策略
可再生能源渗透率的增长使供应变得更加不确定，并导致系统不平衡加剧。这种趋势与单一不平衡定价相结合，为平衡责任方 (BRP) 在不平衡解决机制中进行能源套利提供了机会。为此，我们提出了一种基于分布式强化学习的电池控制框架。我们提出的控制框架采取了风险敏感的视角，允许 BRP 调整其风险偏好：我们的目标是优化套利利润和风险度量（本研究中的风险价值）的加权和，同时限制电池的每日循环次数。我们使用 2022 年比利时的不平衡价格评估我们提出的控制框架的性能，并比较两种最先进的 RL 方法，即深度 Q 学习和软演员-评论家 (SAC)。结果表明，分布式软演员-评论家方法优于其他方法。此外，我们注意到，只有当代理对价格更确定时，我们的完全规避风险的代理才会适当地学会通过对电池进行（放电）充电来对冲与未知不平衡价格相关的风险。
在权益回报的条件因素模型下进行统计套利。
我们考虑了分析统计套利交易策略的概述中美国股票多元投资组合的条件因素模型。一个状态空间框架是因素模型的基础，该因素模型被认为是对因子值和潜在因子风险溢价的线性组合的嘈杂观察。以在线方式检索风险溢价的过滤和状态预测估计。此类估计值诱导了可以与测量观测值进行比较的过滤资产回报，其中较大的偏差代表了候选平均归还交易。此外，由于风险溢价是建模为时变数量的，因此事实捕获了非平稳性回报。我们研究了尊重交易成本的经验交易策略，并在长期历史上证明了线性和非线性状态空间模型的绩效。我们的结果表明，该模型相对于其他方法的结果具有竞争力，包括文献中发布的简单基准和其他尖端方法。同样值得注意的是，尽管战略绩效降级是随着时间的推移而引起的，尤其是在近年来，该战略继续提供令人信服的经济学，并具有进一步的进步。
交易还是不交易：同时优化电池存储以实现套利和辅助服务
重复使用本文根据 Creative Commons 署名-非商业-禁止演绎 (CC BY-NC-ND) 许可条款发布。此许可仅允许您下载此作品并在注明作者的情况下与他人共享，但您不得以任何方式更改本文或将其用于商业用途。更多信息和许可条款的完整内容请参见：https://creativecommons.org/licenses/
由可解释人工智能驱动的统计套利
机器学习技术最近已成为检测金融市场模式的常态。但是，仅依靠机器学习算法进行决策可能会产生负面影响，尤其是在金融等关键领域。另一方面，众所周知，将数据转化为可操作的见解即使对于经验丰富的从业者来说也是一项挑战，尤其是在金融界。鉴于这些令人信服的理由，这项工作提出了一种由可解释的人工智能技术驱动的机器学习方法，该方法集成到统计套利交易管道中。具体来说，我们提出了三种方法来丢弃与预测任务无关的特征。我们对标准普尔 500 指数成分股的历史数据评估了这些方法，旨在不仅提高股票层面的预测性能，而且提高股票集层面的整体预测性能。我们的分析表明，包含此类特征选择方法的交易策略通过提供预测信号来改善投资组合的表现，这些预测信号的信息内容足够，并且比嵌入整个特征集中的信号噪音更小。通过进行深入的风险回报分析，我们表明，由可解释的人工智能驱动的拟议交易策略优于被视为基线的高度竞争交易策略。
套利与快速频率响应之间的协同作用......
4 包络线是电力系统调节中使用的一个概念，表示为电池充电状态管理提供灵活性的领域。EFR 定义了“宽”和“窄”包络线，每个包络线都与一个单独的产品相关，该产品由 a) 死区和 b) 允许的 9% 的电池标称容量进行充电或放电操作定义。
电池储能系统的能源套利与快速频率响应之间的协同作用 E. Pusceddu 1、Behnam Zakeri 2,3,4、G. Castagneto
储能系统可通过提供各种能源系统服务，为未来平衡低碳能源系统做出重要贡献，随着创新成本下降，电池有望得到广泛部署。本文评估了如果使用电池储能系统 (BESS) 提供这两种服务，其中最重要的两项服务，快速响应或所谓的增强频率响应 (EFR) 和能源套利之间是否存在协同作用。开发了一个技术经济模型来模拟 600 个可能的增强频率响应可用性窗口。结果表明，两种存储服务之间存在两种不同的协同作用。第一个协同作用考虑了在死区之外对储能系统充电以提供增强频率响应的可能性。我们提出了一种创新的充电状态管理策略来利用这种协同作用。第二个协同作用是由于套利收入高度集中在高峰时段，这可以使电池储能系统捕获大部分套利收入，而不会过度减少存储系统在增强频率响应中提供容量的收入。这两种协同效应的结合意味着，通过交替提供套利和频率响应，电池储能系统可以提高 25% 的运营利润。历史数据显示，这一结果在统计上是可靠的。满功率下放电时间为 1.5-2 小时的电池尺寸可能是利用这些协同效应的最佳选择。
股息套利交易计划行动计划（“Cum-Ex ...”
3. EBA 向根据国家法律指定负责 EBA 职权范围内的金融机构反洗钱监管的机构提交了一项调查。该调查旨在了解股息套利交易计划（例如 cum-ex 和 cum-cum 计划）是否被视为税务犯罪，以及处理此类计划的收益是否构成洗钱，符合指令 (EU) 2015/849 (AMLD4)。它还试图确定监管机构如何评估与这些计划相关的 ML/TF 风险，并获取有关监管机构为应对这些风险而采取的行动的信息。EBA 向审慎监管机构进行了第二项调查，以了解金融机构参与此类计划如何遵守审慎框架，特别是指令 2013/36/EU (CRDIV) 中有关机构治理安排的规定。
电池储能系统 (BESS) 设计用于减少峰值需求、能源套利和电网辅助服务 Wan Syakirah Wan Abdullah 1，M
可再生能源 (RE) 渗透是电力系统中的新现象。随着可再生能源在系统中的高渗透率，必须解决几个问题，尤其是当它涉及电力系统的稳定性和灵活性时。电池储能系统 (BESS) 因其能够储存能量并用于解决各种电力系统问题的多种用途而广受欢迎。此外，可以将多个 BESS 组合起来作为虚拟发电厂 (VPP) 运行。本研究将涉及为示范项目设计和实施五个潜在客户站点的 BESS，并可能将其集成到一个 VPP 系统中。该研究有望展示由于峰值需求减少和能源套利节省，使用 BESS 为客户节省账单。
使用量子退火器寻找最佳套利机会
我们提出了两种公式来寻找最佳套利机会，将其作为二次无约束二元优化问题，可以使用量子退火器解决。这些公式基于在图中寻找最有利可图的循环，其中节点是资产，边权重是转换率。基于边的公式更简单，而基于节点的公式允许识别特定的最佳套利策略，同时可能需要更少的变量。此外，还提出了一种替代形式，允许根据交易者的风险规避程度找到最佳平衡利润和风险的套利机会。我们讨论了在实践中使用的注意事项。特别是，我们建议将其应用于非流动性资产并给出一个说明性示例。关键词：套利、量子退火、优化