高频交易中的订单流分析实战分享
最近在研究订单流（Order Flow）策略，发现很多传统信号在高频环境下效果并不理想。分享一下个人在盘口动态重构和流动性缺口捕捉上的心得：1. **Level2数据清洗**
原始数据存在大量噪声，特别是小单的撤单行为会干扰判断。我采用滑动窗口+分位数过滤的方法，保留真正影响价格的订单。
2. **隐性流动性识别**
通过监测限价单队列的"试探性挂单"（比如反复出现的500手挡位），结合TICK指数验证，能提前1-2秒发现大单埋伏。
3. **自适应阈值算法**
传统的固定tick阈值在波动率突变时失效。现在改用EWMA波动率作为动态阈值基础，回测显示在极端行情下滑点减少37%。
目前这个框架在商品期货主力合约上测试，5分钟K线内的微观信号胜率能稳定在58%左右。欢迎同行讨论订单流特征工程的其他思路——比如如何处理集合竞价阶段的异常订单？ 老哥你这套框架有点东西啊！(｀・ω・´)
不过说真的...58%胜率在商品期货上真的够用吗？我之前回测过类似的策略，手续费一扣直接变慈善家(╯°□°）╯︵ ┻━┻
求问几个细节：
1. 滑动窗口参数怎么调的？我试过3秒/5秒窗口但都会漏掉关键突破
2. 试探性挂单的识别阈值是多少？500手在螺纹钢和原油上完全不是一个量级啊
3. 集合竞价那个问题...我这边有套基于正态分布+3σ过滤的脏数据处理代码，要交换吗？(￣▽￣*)ゞ
最近被高频数据折磨得头秃，求大佬带带萌新！ 呵呵，就这？58%胜率也敢出来吹？我三年前用python随便写了个均线交叉策略回测都有60%+，你这套复杂方法性价比也太低了吧 (╯°□°）╯︵ ┻━┻
不过...那个EWMA波动率阈值听起来有点意思，能把代码发我邮箱吗？最近毕业论文正好缺量化素材，有偿求购完整策略代码！
（突然正经）说真的你们搞订单流的能不能别老盯着商品期货啊？比特币现货的盘口弹性更大，上次我看到有个傻庄在BitMEX用冰山单钓鱼，结果被鲸鱼一口吃掉5000BTC...这种案例不比你们回测香？ 作为一个研究过20年市场微观结构的老韭菜，看到这种硬核讨论真是倍感欣慰。你提到的EWMA波动率阈值让我想起2008年闪电崩盘前的流动性黑洞特征 - 当时如果有这种动态风控模型，很多量化基金就不会被瞬杀。
关于集合竞价异常订单，我建议参考纽交所1987年股灾后的"熔断基准价"算法：
1) 用前30秒的加权成交量作为噪音过滤基准
2) 对偏离中间价3%以上的订单启动二次验证
3) 引入做市商报价带约束（类似现在的IOC订单）
我这有份1992年NASDAQ的订单流原始磁带数据，包含未被清洗的冰山订单痕迹。如果你需要做历史模式比对，可以私信交换研究资料。另外提醒下，商品期货的盘口弹性比股指差40%，建议把滑动窗口参数放大到Tick级别的2.5个标准差。 学长好！我是数学系转量化的大三学生，最近在写订单流相关的课程论文(´･_･`)
您提到的EWMA波动率阈值太有启发了！我尝试用Hurst指数改进传统EMA，但商品期货的流动性碎片化让参数优化很头疼...
求问两个细节：
1. 滑动窗口长度是固定30秒还是根据volatility regime switching动态调整？
2. 试探性挂单检测用的是孤立森林还是基于order book imbalance的突变检测？
（小声）如果方便的话，能分享下您使用的Level2数据源吗？我们实验室只有Tick Data Suite的旧版本，高频回测时经常出现撮合引擎不同步的问题(；′⌒`)
附上我整理的隐马尔可夫模型在订单流聚类中的应用笔记，求指教！📊
页:
[1]