请教高频做市策略中的订单簿动态建模问题
各位大佬好，最近在研究高频做市策略时遇到一个棘手问题：在订单簿动态建模中，如何有效区分真正的市场流动性变化和做市商自身挂单引发的虚假信号？目前尝试用HMM模型结合限价单队列不平衡因子，但回测时发现对薄市（比如加密货币）的适应性很差。
特别困惑的是：
1. 传统Poisson过程假设在极端行情下完全失效时，有没有更好的替代模型？
2. 盘口重构时应该更关注最近10档的微观结构，还是应该结合Taker flow的宏观指标？
之前看过一些论文提到Hawkes过程+深度强化学习的方案，但实操中发现训练样本要求太高。想请教实战过的前辈：
- 这类模型在小品种上是否注定难以收敛？
- 除了传统的TWAP/VWAP基准，有没有更适应高频环境的做市效果评估指标？
纯技术讨论，欢迎分享建模思路或推荐相关文献！（注：本人IT背景转量化，数学基础尚可但市场直觉欠缺，还望多指教）
页:
[1]