Algorithmic Trading Hierarchical Planning Financial LLM
摘要

父订单执行是算法交易的核心问题,旨在拆分大订单以降低成本。现有方法依赖预设市场假设或特定任务训练,适应性受限。本文首次系统研究大语言模型(LLM)在父订单执行中的应用,提出 PACE 框架。该分层架构将执行分解为长程规划与短程执行,无需显式市场假设或特定训练。深交所数据显示,PACE 优于 TWAP 等基线。行为分析表明,LLM 决策不同于人类:高置信度预示更好表现,且倾向于提前交易而非拖延。

AI 推荐理由

论文提出分层框架,核心在于将大单执行分解为长程规划与短程执行,聚焦任务规划能力。

研究机构
Independent Researcher HKUST(GZ) ZJU SYSU
论文信息
作者 Zane Shen, Xinli Xu, Guangyi Zhang, Jialong Chen, Jinsong Zhou et al.
发布日期 2026-07-30
arXiv ID 2607.28410
相关性评分 9/10 (高度相关)