安装和数据准备o安装java 1.8或更高版本。o从[23]纳斯达克ITCH数据文件S092012-v41下载。txt。gz和Cashflow and LiquidityDeficit建筑博物馆。压缩源代码。o解压缩并重新编译程序：解压缩MuseofCashflowandLiquidityDeficit。zipjavac-g com/polytechnik/*/*javao从纳斯达克ITCH数据文件中提取三元组（时间、执行价格、交易股票）：java com/polytechnik/ITCH/DumpData2Trader\\s09012-v41。txt。gz AAPL>AAPL。CSVEExecution数据和限额订单簿边缘现在保存到ta b–分离的FILEAAPL。15列和634205行的csv。感兴趣的列有：–currenttime自午夜以来的时间（以纳秒为单位）–exe\\U价格\\u最新价格–exe\\U股票交易运行命令测试程序java com/polytechnik/algorithms/callamuseofcashflow and liquiditydeficit \\--musein\\u cols=15:1:4:5 \\--musein\\u file=aapl。csv \\--museout\\u文件=museout。dat \\--n=7 \\--tau=128 \\--measure=impactqvmmuselegendreshifted程序参数为：---musein\\u file=aapl。csv：输入选项卡–与（时间、执行价格、交易股份）tr iples timeserie分开的文件--musein\\u cols=15:1:4:5：共15列aapl。csv文件，将第#1列作为时间（午夜后的纳秒数），#4（执行价格）和#5（交易股票），列索引以0为基数--museout\\u file=museout。dat：输出文件名设置为museout。日期：--n=7：基础尺寸。典型值为：2（用于测试概念），或关于[4…12]的某个值，用于更高级的使用--tau=128：所用度量的指数时间（秒）--测量=影响qvmmuselegendreshift测量值。值ImpactQVMMuseLaguerre、ImpactQVMMuseLegendreShifted、ImpactQVMMuse\\u pi分别对应于度量值（7）、（14）、（19）。

ImpactQVMMuseMonomials（使用Qk（x）=xk）的结果应与ImpactQVMMuseLaguerre（使用Qk（x）=Lk）的结果相同(-x） ，因为度量是相同的，所有计算都是qk（x）–基不变的（但对于ImpactQVMMuseMonomials，数值稳定性较差）。o结果保存在输出文件museout中。日期：有一个简短的“捆绑”数据文件dataexamples/aapl\\u old。csv。gz，共9列和28492行，仅包含执行（无限制订单簿事件）。它可用于aapl的insead测试。csv从S092012-v41获得。txt。gz:java com/polytechnik/algorithms/CallAMuseOfCashFlowAndLiquidityDeficit \\--musein\\u cols=9:1:2:3 \\--musein\\u file=dataexamples/aapl\\u old。csv。gz—museout\\u file=museout。dat \\--n=7 \\--tau=128 \\--测量=影响qvmmuselegendreshifted2。CallamuseofCashflowandLiquidityDeficit.javaOutput文件是一个以制表符分隔的文件，其中的列与本文的计算相对应。大多数输出数据保存在IMPACTQVMMUSE创建的偏度类型（偏度和广义偏度）和EVXData类型（广义特征值问题| I |ψI=λ|ψI）的对象中。字段编号（和名称）打印在输出文件的第一行，因此可以通过任何通用绘图软件（如gnuplot或matlab）进行处理。以下是最值得注意的领域的描述：o从午夜开始以纳秒为单位的时间（从输入中复制）。o交易股份（从输入中复制）。oP\\u上次执行价格（从输入中复制）。o一、 *对应于| I |ψI=λ|ψI特征值解，给定值为n=。泰伊。过去样本的Gamma0 isfΓ（95）。I.sL、I.sH和I.s0对应于最小/最大特征值和hψ| I |ψI。I.wL和I.wH在输出中是平方的P、 *对应于给定n=。价格的本征问题只是为了完整性而提出的SK\\U P\\U IH。*第IX B节中最大I状态的偏斜度，dI=0。

SK\\U P\\U IH。Xa等于P【IH】（61）。opnlss。*字段对应于n=2（无论给定的值是多少，使用Laguerrebasis使pk和tkbasis在没有调整的情况下具有类似的行为），第十节的计算。给出了i和P的常规价格偏度（66）以及广义偏度（92）。正则指数移动平均值pτ=hqpi/hQIi等于任何PNLS。{SK\\U P\\U平均值，gSK\\U P\\U平均值}。xa和p{1,2}节点（64）是PNLSS。SK\\U P\\U平均值。{x1，x2}。opnldidsk。*根据PnLdIDSk类计算的字段，最值得注意的是：PnLdIDSk。SK\\U spur\\U nodI第九节E密度矩阵状态的偏度，pnldidsk。SK\\U spur\\U nodI。xa ispspurτ=杂散（kpIk）/杂散（kIk），移动平均，通过运算符杂散计算得出（对角线元素之和）。pnldidsk。Pf\\u from\\u pt\\u true\\u pi为（60）。opnlfutureSk。*与第X C节计算相对应。现金流和流动性的当前CallAMuseOfCashFlowAndLiquidityDeficit。java输出77个字段。可以修改代码以调整输出。您还可以使用com/polytechnik/scripts/plot\\u图表。pl要仅选择特定领域，还可以运行com/polytechnik/trading/GenerateTrainingData。java在输出中生成更多数据。代码结构代码库很大。大部分代码都是我过去的错误，我试图找到一个市场动力学方程。一旦一个想法被判定为错误，所有相关的代码都会被转移到单元测试中，从而增加代码库。要同时运行所有单元测试，请执行以下命令：java com/polytechnik/trading/qvm完成所有单元测试可能需要一段时间（大约需要2天的时间才能运行，这些单元测试的最佳方法是捕获java HotSpot JIT编译器错误··). 但对于本文的理论来说，计算速度非常快，实际上兴趣类别非常少。

其中最值得注意的是如下所述。com/polytechnik/trading/QVMDataL。javacom/polytechnik/trading/QVMDataP。javacom/polytechnik/trading/QVMData。javathis使用Lag-uerre、移位Legendre或Qk（x）的单项式基础，从一系列交易中计算力矩hfQki。计算经过优化，以增量更新已计算的力矩，这使得计算速度非常快，因此适用于实际的实时HFT交易。要访问计算的分布力矩，请使用类实现数据接口力矩：com/polytechnik/trading/QVMDataLDirectAccess。javacom/polytechnik/trading/QVMDataPDirectAccess。javacom/polytechnik/trading/QVMDataDirectAccess。JAVA为了反映[6]中API的变化，本节对早期版本进行了调整。使用Qn（ax+b）=Pnk=0d（n）kQk（x）展开式，即牛顿二项式（1+x）n=Pnk=0cknxkmonomial基推广。有关数值实现，请参见setNewtonBinomialLikeCoefs方法扩展com/polytechnik/utils/BasisPolynomials。java类，使用基多项式Qk（x）的三项递推实现扩展，参见参考文献附录A“非单项式ls多项式基”。

[1].为了操纵在各种Qk（x）基中获得的分布矩，很少有类（它们都扩展了正交多项式基础，并使用对基本多项式的引用来操纵多项式）：com/polytechnik/utils/OrthogonalPolynomialLegendreshiftedBasis。javacom/polytechnik/utils/OrthogonalPolynomialLegendrebasis。javacom/polytechnik/utils/OrthogonalPolynomialsLaguerreBasis。javacom/polytechnik/utils/OrthogonalPolynomialsChebyshevBasis。javacom/polytechnik/utils/OrthogonalPolynomialsHermiteEBasis。javacom/polytechnik/utils/OrthogonalPolynomialsMonomialsBasis。JAVA一旦从一系列交易中计算出力矩hfQki，则可将其分类为：com/polytechnik/trading/MomentsData。javacom/polytechnik/trading/SMomentsData。javacalculate and store the matrix:hQj | Qki，hQj | I | Qki，hQj | pI | Qki，hQj | dp/dt | Qki（and others，class is different in attributes selection）from the moments data using basisfunctions multiplication operator cjkl:Qj（x）Qk（x）=j+kXl=0cjklQl（x）（G1）cjkl系数可用于分析所有实际有趣的基础，参见参考文献[1]的附录A和其中的参考文献（笑声），这些计算是在上述类别中实现的，这些类别扩展了正交多项式ABASIS和基本多项式。类：com/polytechnik/utils/EVXData。java给定两个矩阵hQj | Qki和hQj | I | Qki解广义特征值问题I |ψ[I]IE=λ[I]Iψ[i]即，找到特征值和特征向量，计算ψψ[i]i投影，i=hψ| i |ψi。分类：com/polytechnik/trading/PnLSimpleSkewness。JAVA执行第IX A、X A和X B节的简单计算（F r n=2，所有矩阵均为2×2）。

该类计算：价格规则偏态（计算偏态、正交节点和权重）、广义偏态（eΓ偏态、fΓ偏态、λ[{0,1}和权重），以及出于好奇，附录C中的概率相关性eρ（p，I）。该类：com/polytechnik/trading/PnLdIDSk。JAVA对第七节D a LONG进行了简单的动态影响计算，第九节B和E中考虑了一些其他偏斜相关计算。classcom/polytechnik/trading/PnLFutureSk。JAVA执行第X C节的计算。它以MomentsData为例，并执行以下操作：o解决广义特征值问题（33），找到dI as（45）和P[IH]as（61）。o构建kIfk操作符（51）。o解决广义特征值问题（52）。o查找I的过去和未来。o查找Pfas（98）。本课程演示了本文理论的参考实现：com/polytechnik/algorithms/CallamuseofCashflow和LiquidityDeficit。javaIt逐行读取选项卡–三个时间序列（时间、执行价格、共享时间）的分离时间序列，以更新执行的交易序列。对于每个新交易（新行读取），itcallscom/polytechnik/ImpactQVMMuse以增量方式（速度优化）计算力矩，用hQj | Qki、hQj | I | Qki、hQj | pI | Qkimatrices获得力矩数据，执行计算并创建ImpactQVMMuse对象，然后，最终输出ImpactQVMMuse中所述的数据。[1] Vladislav Gennadievich Malyshkin和Ray Bakhramov，“实时股票交易的数学基础。流动性缺陷和市场动态。

自动交易机器。”ArXiv电子印刷（2015），http://arxiv.org/abs/1510.05510，arXiv:1510.05510【q-fin.CP】。请参阅文件com/polytechnik/ImpactQVMMuse。java，即在交易序列之外创建动量数据，进行计算，并将结果保存到（类型：name）obje c ts:PnLSimpleSkewness:pnlss，Skewness:SK\\u IH，PnLdIDSk:PnLdIDSk，PnLFutureSk:PnLFutureSk，以及（用于演示）从（61）和w[IL]I，w[IH]I投影（42），（43）（使用EVXData:I）的并行计算。[2] Vladislav Gennadievich Malyshkin，“市场动态.供需概念”，ArXiv电子印刷（2016），http://arxiv.org/abs/1602.04423，arXiv:1602.04423。[3] Vladislav Gennadievich Malyshkin和Ray Bakhramov，“市场动态与统计：限额订单簿示例”，ArXiv电子印刷（2016），ArXiv:1603.05313【q-fin.TR】。[4] 尼古拉斯·豪奇（Nikolaus Hautsch）和黄瑞红（Ruihong Huang），“限制订单流量、市场影响和最佳订单规模：来自纳斯达克totalview itch数据的证据”（2011年）。[5] Wik ipedia，《市场影响》（2016年）。[6] 弗拉迪斯拉夫·根纳迪耶维奇（Vladislav Gennadievich M alyshkin），“市场动态：来自（时间、执行价格、交易股票）交易序列的方向信息。”ArXiv电子印刷（2019），ArXiv:1903.11530【q-fin.TR】。[7] 安德烈·米哈伊洛维奇·博伊科（AndreiMikhailovich Boiko）和弗拉迪斯拉夫·根纳迪耶维奇·马利什金（Vladislav Gennadievich Malyshkin），《泽列诺戈尔斯克国际半导体物理冬季学校》（International WinterSchool on Physics of Semiconductors，Zelenogorsk），《个人通信》（2009年2月27日），我们就。SciFimodels对任何时间距离的物理时间旅行都是一个白日梦，假设你有一台实时机器（动态方程类型），它不允许物理时间旅行，但允许向前看几秒钟（甚至几秒钟），然后报告未来的信息。

如何证明这样的时间机器真的能工作？我们找到的最佳答案是：将这台时间机器连接到交易所，并显示损益表！如果你垄断了市场，它就会奏效。时间机器存在的另一个有趣影响是大规模使用时金融市场的不稳定。任何套利类型的交易策略在开始由多个市场参与者应用时都会停止工作（古德哈特定律的一种特殊情况【38】任何观察到的统计规律性都会趋于崩溃，一旦出于控制目的对其施加压力）。相比之下，部署时间机器的交易策略在被多个市场参与者应用时不会停止工作：实时机器会根据新市场参与者的调查来调整预测。该策略现在不是由未来预测的质量决定的，而是由不能执行某项行动决定的，例如不能“现在”执行交易。（如果这种无力是由流动性不足造成的，那么预计将出现严重的价格波动）。完全无法执行交易（无论出于何种原因）意味着市场消失。重要的是，具有动力学方程的其他已知系统（如牛顿力学、麦克斯韦电动力学、量子力学中的薛定谔方程）虽然能够准确预测未来，但当动力学方程的预测改变了市场参与者的行为，从而改变了未来并导致稳定时，却没有描述的金融市场反馈回路。同样的结论也可以从对宗教体系的“宗教解释”中得到。对于当今颇受欢迎的“金钱宗教”的行家来说，交易系统（任何系统，不一定是自动交易机器）的损益表是唯一的标准，可以区分真假先知。

此外，当其他市场参与者开始采用相同的策略时，由True Prophet运营的交易系统产生的损益不应消失。当“金钱宗教”的真正先知来到地球时，市场会发生什么？同样的事情，就好像动态方程存在并且可以解决一样：现在的市场不是由套利策略的衰退来决定的，而是由流动性缺陷来决定的，即由JeffHawkins和SandraBlakeslee，On i Intelligence（麦克米兰，2007）。[9] Dirk P Laurie和Laurette Rolfes，“从修正矩计算高斯求积规则”，《计算与应用数学杂志》5235–243（1979）。[10] Bernhard Beckermann，关于多项式基的数值条件：Vandermonde、Krylov和Hankel矩阵条件数的估计，博士论文，Habilitationsschrift，Universit–at Hannover（1996）。[11] Vladislav Gennadievich Malyshkin，“Radon–Nikodym近似在图像分析中的应用”ArXiv电子印刷（2015），http://arxiv.org/abs/1511.01887，arXiv:1511.01887[简历]。[12] 维基百科，“Bra–ket符号”（2016）。[13] Dirk Laurie（2015年11月14日），私人通信。[14] Vladislav Gennadievich Malyshkin，“关于Lebesgue积分求积”，ArXiv e-prints（2018），ArXiv:1807.06007[数学，NA]。[15] Paul G Nevai，“G'eza Freud，正交多项式。Christo ffel函数。案例研究”，近似理论杂志48，3–167（1986）。[16] Gennadii Stepanovich Malyshkin，《水声信号处理的优化和自适应方法》。第1卷。最佳方法。(Оптимальные и адаптивные методы обработки гидроакустических сигналов. Т. 1.

（Elektropribor出版社（2009年）ISBN:978-5900780-90-0。[17] Aleks andr Vasilievich Bobyl、Andrei Georgievich Zabrodskii、Mikhail Evgenievich Kompan、Vladislav Gennadievich Malyshkin、Olga Valentinovna Novikova、Ekaterina Evgenievna Terukova和Dmitry Valentinovich Agafonov，“广义氡-尼古丁谱方法。在弛豫动力学研究中的应用。”ArXiv电子印刷（2016），https://arxiv.org/abs/1611.07386，arXiv:1611.07386[数学NA]。[18] Barry Simon，《Szeg"o定理及其后代》（普林斯顿大学出版社，2011年）。[19] Vladislav Gennadievich Malyshkin，“机器学习的无标准Radon-Nikodym方法”，ArXiv e-prints（2015），http://arxiv.org/abs/1512.03219，arXiv:1512.03219[立方英尺]。[20] E.Moro、J.Vicente、L.G.Moyano、A.Gerig、J.D.Farmer、G.Vaglica、F.Lillo、andR。N、 Mantegna，“股市中隐藏订单的市场影响和交易利润”，Phys。修订版。E 80066102（2009），arXiv:0908.0202【q-fin.TR】。[21]Jim Gatherel和Alexander Schied，“市场影响的动态模型和订单执行的算法”，《系统风险手册》，Jean-Pierre Fouque，Joseph A.Langsam编辑，579–599（2013）。【22】J.Donier、J.Bonart、I.Mastromatteo和J.-P.Bouchaud，“非线性市场影响的完全一致、最小模型”，ArXiv e-prints（2014），ArXiv:1412.0141【q-fin.TR】。【23】Vladislav Gennadievich Malyshkin（2014），《多项式计算规范》，http://www.ioffe.ru/LNEPS/malyshkin/code.html.[24]Aleks andr Vasilievich Bobyl、Andrei Georgievich Zabrodskii、Vladislav GennadievichMalyshkin、Olga Valentinovna Novikova、Evgeny Ivanovich Terukov和Dmitry Valentinovich Agafonov，“直接估算降解率分布的广义Radon-Nikodym方法。”。

Применениеобобщенного подхода Радона–Никодима к оценке распределения скоростей деградации.),”Izversiya跑了。Energetika公司。(Известия РАН. Энергетика) , 46–58 (2018).【25】维基百科，“跨越”（2016）。【26】维基百科，“亚当·斯密”（2017）。【27】维基百科，“货币流通速度”（2017年）。【28】亚当·斯密，《对国家财富的性质和原因的调查》，25202年（由T·Nelson和P·Brown大学出版社出版，1827年）。【29】维基百科，“电力市场”，（2017年）。[30]Thomas G Dieterich、Richard H Lathrop和Tom'as Lozano-P'erez，“用轴平行矩形解决多瞬变问题”，Arti-ficial intelligence 89，31–71（1997）。[31]周志华，“多实例学习：一项调查”，南京大学计算机科学与技术系，技术代表（2004）。【32】Vladislav Gennadievich Malyshkin，“多实例学习：分布回归问题的Christo ffel函数方法”，ArXiv e-prints（2015），ArXiv:1511.07085【cs.LG】。【33】Vladislav Gennadievich Malyshkin，“多实例学习：分布回归问题的Radon-Nikodym方法”，A rX iv e-prints（2015），arXiv:1511.09058【cs.LG】。【34】Nassim Nicholas Taleb、R Read、Raphael Douady、Joseph Norman和Y BarYam，“预防原则：政策行动中的脆弱性和黑天鹅”，极端风险倡议纽约大学工程学院工作文件系列（2014年）。[35]Vilmos Totik，“正交多项式”，近似理论调查1，70–125（2005年11月11日）。【36】维基百科，“分位数回归”，（2016年）。【37】Vladislav G.M alyshkin、Arthur R.McGurn和Alexei A.Maradudin，“体无序介质散射光的散斑相关性特征”，《物理评论》B 59，6167–6176（1999）。【38】维基百科，“古德哈特定律”（2016）。