作为一个计算机系的金融研究者，这里发几篇读过的高频交易相关论文，大家可以参详一下其中的算法。首先我必须说，前面有一个回答者说关键是模型，得到了0赞同，对这个现象我表示非常欣慰，哈哈。
reinforcement learning for optimizied trade execution
试图解决在一个给定的时间间隔内以较小的花费买入给定量的某股票的问题。用的是经典的reinforcement learning的方法。这篇文章最大的贡献是如何将交易的问题转化成一个reinforcement learning可以解决的形式，以及如何构建特征。
2. censored exploration and the dark pool problem
我觉得这篇文章非常好。现在有很多交易都是在暗池（dark pool）中进行的。向某个暗池提交v股的交易量，如果实际成交量小于v，我们知道其容量；而如果实际交易量就是v，则只能知道其实际容量是大于v的。假使在某时刻，我们需要在K个暗池中交易V手股票，我们就需要根据历史数据推断哪些暗池的容量大，在这些暗池里我们就多投入。
第二篇文章尤其值得注意，因为它所涉及的问题，其实跟赞同数最多的回答中提到的冰山算法的问题形式几乎相同，也就是说这个两个问题是共通的。坦率地说，这是一个水论文的好机会。
