- 文献综述（或调研报告）：
在早期对于指令驱动市场研究的文献中，学者们更多关注指令簿的统计特征。之后则有越来越多的学者开始研究指令簿的动态过程。
一方面，学者们通过静态的订单数据，来获得指令簿的统计特征。如，Bouchaud et al. (2002), Farmer et al. (2004).等学者对指令簿的统计特征做了一系列的实证研究，但难以在单一模型中对这些统计特征进行解释。Tolga Cenesizoglu, GunnarGrass（2018） 等利用指令簿上价格数据的结构特征分析流动性的决定因素、共性、与定价，并利用指令簿的数据构建买卖双方的流动性指标。王春峰等（2007）也构建了订单流不平衡的指标，并通过实证分析了指令簿结构不平衡的统计特征以及对股票价格的影响。
一些学者希望寻找订单数据与资产价格之间的关系。Paraskevi Nousia（2018）等利用指令簿的数据进行机器学习的训练，以预测中间价格移动的方向。但由于机器学习算法本身的封闭性，因此难以解释资产价格演变的内在机理。赵景东（2018）年等通过向量自回归模型将订单的动态变化与产生的的价格变化进行关联，并选取了不同市值大小的股票以及在日内不同交易时段订单提交行为和产生的价格冲击进行分析，数据分析结果表明订单的提交、执行、及撤销行为均会对资产价格产生一定的冲击。
还有一些学者旨在通过特定模型来刻画指令簿的动态演变过程。如Ioanid Rosu（2009）提出限价订单的均衡模型，他认为交易者之所以在限价订单的不同价格水平提交订单，是为了平衡交易价格和等待成本。该模型为指令簿上的各级价格形成的过程提供了有趣的见解，但包含一些如交易商偏好（等待系数）等不可观测的参数，因而难以在实际中应用。Roma Cont(2010)等利用马尔科夫过程构建了限价指令簿的动态模型，且采用了laplace转换的方法计算特定事件的条件概率。然而，Xiaofei Lu and Fr ed eric Abergely（2018）等却认为仅仅使用纯马尔科夫模型来对指令簿建模不能忠实反映市场参与者的行为特征，因此他们主张在指令簿的建模中加入非马尔科夫特征。王旭君(2016)提出使用物理统计中的伊辛模型来反映动态指令簿的运行机制，其主要关注市场上各参与者的相互作用对彼此交易行为和交易策略的影响。
[1] Bouchaud, J.-P., D. Farmer, F. Lillo. 2008. How markets slowly digest changes in supply and demand. T. Hens, K. Schenk-Hoppe, eds.
[2] Bouchaud, J.-P., M. Meacute;zard, M. Potters. 2002. Statistical properties of stock order books: Empirical results and models. Quant. Finance 2251–256.
[3] Bovier, A., J. C˘ ernyacute;, O. Hryniv. 2006. The opinion game: Stock price evolution from microscopic market modelling. Internat. J. Theoret.Appl. Finance 9 91–111.
[4] Farmer, J. D., L. Gillemot, F. Lillo, S. Mike, A. Sen. 2004. What really causes large price changes? Quant. Finance 4 383–397.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
