Проекты лаборатории
Проект «Reinforcement learning for delta-hedging in illiquid markets»
В работе рассматривается задача дельта-хеджирования на неликвидных рынках, где существенную роль играют транзакционные издержки, ограниченная глубина лимитного стакана и рыночное воздействие крупных сделок. Классические методы, основанные на модели Блэка–Шоулза, предполагают непрерывную торговлю и бесконечную ликвидность, что приводит к существенным искажениям при практическом применении. Для преодоления этих ограничений предлагается подход, основанный на обучении с подкреплением с использованием риск-аверсивного оператора Беллмана. В качестве среды используется агентно-ориентированный симулятор биржи с поддержкой торговли базовым активом и опционами, моделирующий микроструктуру рынка и динамику лимитного стакана. Для извлечения признаков стакана применяется сверточный энкодер DeepLOB, что позволяет учитывать скрытые характеристики ликвидности. Численные эксперименты показывают, что предложенный метод формирует распределение реализованного PnL, центрированное около нуля и с менее тяжёлыми хвостами по сравнению с классическим дельта-хеджером Блэка–Шоулза. Кроме того, параметр риск-аверсивности λ позволяет управлять компромиссом между средней доходностью и контролем хвостовых рисков. Результаты демонстрируют эффективность подхода и его применимость для построения устойчивых стратегий хеджирования в условиях неликвидного рынка.
Проект «The Dynamics of Toxic Order Flow: Understanding Adverse Selection in Financial Markets»
В данной работе исследуется влияние высокочастотной торговли (HFT) на токсичность потока заявок и динамику ордеров на финансовых рынках. Анализ проводится на основе данных биржи MOEX по акциям с различным уровнем внутридневного объёма торгов — от крупных компаний ("голубые фишки") до средних и малых по внутридневному объёму торгов. Используя показатель VPIN (volume-synchronized probability of informed trading) как меру токсичности ордерфлоу, исследование выявляет взаимосвязь между активностью HFT и изменениями в динамике подачи ликвидности и спроса. Результаты показывают, что VPIN является эффективным инструментом для прогнозирования изменений в предложении и спросе ликвидности со стороны высокочастотных трейдеров. Кроме того, влияние HFT на волатильность цены акций варьируется в зависимости от уровня токсичности ордерфлоу и объёма торгов.
Проект «Генерация изображений на основе текстовых описаний с сохранением идентичности субъекта»
В последние годы диффузионные модели зарекомендовали себя как наиболее эффективные подходы к задаче генерации изображений по текстовым описаниям. Однако одной из ключевых проблем остаётся сохранение идентичности конкретного субъекта при переносе его в новые визуальные контексты. Данное исследование направлено на разработку и анализ методов, позволяющих интегрировать представление субъекта в архитектуру диффузионных моделей. Особое внимание уделяется балансировке между сохранением уникальных характеристик субъекта и вариативностью создаваемых изображений. Важным аспектом является также выбор метрик для оценки качества: структурное сходство изображений, восприятие идентичности субъекта и соответствие текстовым запросам. Решение данной задачи обладает высокой практической ценностью для индустрии электронной коммерции, где персонализированная генерация контента может применяться для автоматического создания рекламных материалов, виртуальной примерки товаров, генерации креативов для маркетинговых кампаний и повышения качества пользовательского опыта.
Проект «In-context generation via a single image»
Данная работа посвящена проблеме переобучения при дообучение отдельных модулей диффузионных моделей на ограниченных данных, особенно в сценарии адаптации по одному эталонному изображению (single-image customization). Разрабатывается метод, который динамически регулирует низкоранговые обновления весов модели в зависимости от текущего шага диффузии. На данный момент появляются работы, касаемые изменении влияния на модель в зависимости от шага диффузиии. Выявляются разные патиерны поведения: на некоторых модель сильнее способна переобучиться, на некоторых это практически невозможно. В рамках работы будут рассмотрены несколько вариантов по семплированию шагов в процессе диффузии и изменение в зависимости от шага влияния функции потерь на финальный результат.
Проект «Study of the Price Manipulation Schemes in Cryptocurrency Markets. Analysis of Insider Buying Volume and Post-Event Price Discovery»
В этой работе мы изучаем тему обнаружения пампов и дампов криптовалют и строим модель классификации, способную помечать тикеры, подверженные пампу, за срок до одного часа до его начала. Мы применяем новый кросссекционный подход к постановке задачи, а также кросс-секционную нормализацию признаков. Мы обучили несколько моделей бустинга и сравнили результаты с другими похожими исследованиями. Мы также предлагаем торговую стратегию, инвестирующую в потенциально подверженные пампу активы на основе логитов наших моделей.
Проект «Анализ временных рядов под воздействием коррелированных шумов»
Исследование посвящено анализу временных рядов, подверженных коррелированным (цветным) шумам, и оценке того, как спектральная структура шума влияет на динамику, предсказуемость и обнаружение режимных сдвигов. Модели SDE (синтетические и основанные на реальных данных) строятся с добавленными цветными шумами и белым шумом как бенчмарком. Исследуется стабильность точек перехода (PELT) при варьировании спектра шума. Для прогноза используем как линейные базовые модели, так и нелинейные (LSTM, CatBoost), сравнивая выигрыш от реалистичной корреляционной структуры шума против белого шума. Практические кейсы включают доходности активов, процентные ставки (Васичек, CIR) и телеметрию систем, где низко- и среднечастотные корреляции критичны. Результаты позволяют улучшить раннее предупреждение о смене режима и повысить робастность прогнозов в задачах финансов и экономики.
Проект «Algorithmic pseudo-collusion in continuous double auctions»
В работе [Pastushkov, Boulatov, 2025] был получен результат о возможности стратегического занижения предоставляемой ликвидности обучающимися агентами на финансовом рынке с аукционом единой цены. Настоящее исследование развивает программу изучения алгоритмического псевдо-сговора на финансовых рынках. Двойной неприрывный аукцион - наиболее широко используемый механизм на мировых финансовых рынках. Данный факт обуславливает релевантность настоящего исследования. В работе будет изучена возможность алгоритмического псевдо-сговора на рынках с рыночным механизмом такого типа. Работа предполагает также количественное сравнение результатов с результатами [Pastushkov, Boulatov, 2025].
Проект «Распределенное обучение с подкреплением соревновательного агента с настраиваемыми уровнем сложности и стилем поведения»
В жанре соревновательных многопользовательских онлайн арен не существует агентов, основанных на глубинном обучении и обучении с подкреплением в частности, с возможностью настройки уровня сложности или стиля игры. Задача проекта — создать такой инструмент. Полученный в результате опыт может быть экстраполирован как на прочие системы, симулирующие поведение человека, так и на методы обучения подобных систем или систем, требующих поведенческую вариативность.
Проект «Исследование возможности выявления токсичных заявок внутри книги торговых заявок»
Исследование посвящено применению методов анализа ордер-флоу и рыночной микроструктуры. В работе используются собственные данные высокой частоты (high-frequency data) с микросекундной точностью. Для количественной оценки применяются классические метрики токсичности, такие как Order-to-Trade Ratio, Order Flow Imbalance, Kyle’s Lambda, VPIN и другие. В дополнение к этому используются методы машинного обучения (например, XGBoost) для прогнозирования рыночных эффектов, а также алгоритмы кластеризации без учителя для выявления различных режимов торгового потока.
Проект «Анализ поведения участников финансового рынка с использованием агентного моделирования»
Исследование посвящено анализу поведения участников финансовых рынков как сложных адаптивных систем с высокой динамикой. Цель - изучить реакцию агентов на шоки и механизмы формирования цен. Для этого разрабатывается 2D-ABM-симулятор, моделирующий торговлю несколькими активами на нескольких биржах одновременно. Он позволяет исследовать межбиржевые эффекты: как событие на одной площадке влияет на торговлю тем же активом на других. Планируется серия экспериментов для выявления факторов устойчивости рынка и адаптивности стратегий агентов. На следующем этапе интегрируются методы обучения с подкреплением (Reinforcement Learning), чтобы агенты могли самостоятельно обучаться и оптимизировать торговые решения, что позволит раскрыть механизмы адаптации участников к меняющимся условиям. Ожидается, что результаты углубят понимание рыночной динамики и будут полезны для финансового инжиниринга, разработки и оценки стратегий, а также управления рисками.
К участию в научно-исследовательских проектах, в том числе для выполнения курсовых проектов, бакалаврских и магистерских ВКР, привлекаются студенты, проходящие обучение на факультете компьютерных наук НИУ ВШЭ, а также иных факультетах/филиалах в случае, если направление исследования прямо или косвенно совпадает с направлениями исследований данной Лаборатории. Лучшие студенты получат оффер на позицию стажера-исследователя.
По вопросам участия в научной деятельности проектно-учебной лаборатории «Искусственный интеллект в математических финансах» обращаться к руководителю лаборатории Петру Лукьянченко plukyanchenko@hse.ru