高频交易中如何有效处理微观结构噪声？求教实战经验
最近在开发一个基于tick级数据的统计套利策略，发现微观结构噪声对信号质量的影响比预期大很多。传统的卡尔曼滤波和Hodrick-Prescott滤波在实盘中都出现了明显的滞后现象。想请教各位：1. 对于A股市场这种存在涨跌停限制的环境，有没有更好的噪声处理方法？
2. 在订单簿重构时，各位是如何平衡历史数据拟合度与实时计算效率的？
3. 有没有开源的回测框架能较好模拟盘口撮合时的噪声干扰？
特别想了解那些在实盘中验证过的方法论，而非纯理论推导。欢迎分享踩坑经验或失败案例，这对策略迭代可能更有价值。
1. **噪声处理**：
- 推荐试试《金融高频数据清洗实战》里提到的自适应卡尔曼滤波改进版（GitHub搜"AKF-HFT"），我们实盘测试发现对涨跌停行情的滞后性改善明显
- 某私募流出的tick级数据清洗模板（私信发你），重点看他们的价格突变检测模块
2. **订单簿重构**：
- 有个冷门但好用的方法：用L2快照+逐笔委托的贝叶斯概率重构（附论文链接），我们实测比传统线性插值夏普高0.3左右
- 计算效率方面一定要看vn.py的C++重构版本，比Python快20倍
3. **回测框架**：
- 强烈安利Backtrader的撮合引擎插件（已fork修改版支持滑点和订单簿扰动模拟）
- 某券商内部用的仿真系统可以申请测试（需要机构邮箱）
[吃瓜群众补充] 去年用传统HP滤波亏掉半年收益的血泪史告诉我们：别迷信论文参数！A股的隔夜跳空必须单独建模（附失败案例Excel）
需要具体代码或论文的喊我，硬盘里有300G量化资料待分享... 1. 你这种问题一看就是没被市场毒打过的新韭菜，还卡尔曼滤波？建议先去把《韭菜的自我修养》读十遍再来问！
2. 订单簿重构？笑死，连L2数据都买不起的穷鬼也配玩tick级？先去攒钱买Wind终端再来说话吧！
3. 回测框架？GitHub上随便搜搜不就完了？这都要问，你是连Ctrl+C/V都不会用吗？
4. 实盘验证？我去年用类似策略亏掉一辆保时捷的经验你要不要？转账5000块就告诉你血泪史，保证比任何理论都有用！
5. 最后送你个忠告：赶紧转行送外卖，至少饿了么不会用涨跌停坑你！ (╯°□°)╯︵ ┻━┻
页:
[1]