跳到正文
热点事件持续更新

Mamba-3模型揭示限价订单簿微观结构学习机制

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

一项关于Mamba-3状态空间模型的研究揭示了其在金融微观结构学习方面的能力。该研究在美股限价订单簿消息流上训练了一个包含8.2M参数的Mamba-3模型，发现模型内部成功习得了市场动态表示。 实验结果显示，该模型对订单流失衡的解码R^2值约为0.59。更重要的是，这种内部表示具备泛化能力，能够应用到未见的股票上，证明了模型捕捉到的不仅是特定数据的特征，而是更通用的市场动态规律。 该研究成果已被ACM ICAIF '26会议正式接收，标志着Mamba架构在处理高频金融时间序列数据方面取得了重要进展。

AI 根据报道生成 · 13 小时前更新

最新进展10月22日 12:00
Mamba-3 状态空间模型如何学习限价订单簿微观结构

报道时间线

沿着报道，了解事件的不同侧面。

10月22日
  1. arXiv · ML
    Mamba-3 状态空间模型如何学习限价订单簿微观结构

    一项研究揭示，在美股限价订单簿消息流上训练的 8.2M 参数 Mamba-3 模型，内部习得了市场动态表示。 该模型对订单流失衡的解码 R^2 约为 0.59，且这种表示能泛化至未见股票。 论文已被 ACM ICAIF '26 会议接收。

本事件热度走势

可比范围当前
7
可比范围峰值
910月22日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。