宏观数据公布后，价格常在一瞬间跳动，随后交易又像回声一样彼此推动。难点是：怎样分清新闻的直接影响与市场自身的连锁反应，并确认模型拟合不是只找到一个“看起来不错”的答案？这篇论文把成交、下单和价格跳动视为时间点过程——专门描述事件何时发生的模型——再用相位型状态把等待时间拆成若干连续阶段，使似然与预测都能精确计算。
最值得注意的是对市场反应速度的重新测量。作者研究了2022至2026年间、六个市场围绕约670次预定宏观发布的事件流，并在似然中加入安慰剂检验。模型显示，CPI、非农就业、PPI和FOMC声明带来的直接反应约一秒便被吸收；但Hawkes式“自激”——一次交易暂时提高后续交易发生率——会把一半反应拖到16至137秒，九成反应要5至11分钟才完成。
这里的“认证”针对计算可靠性：模型给出对偶间隙，明确限定当前解与全局最优值的距离，并不等于认证某笔交易确由新闻引起。上述市场结论与预测表现均来自作者报告。