高频因子挖掘：如何提升Tick级别策略的夏普比率
最近在优化一个基于Tick数据的短线反转策略，发现传统动量因子在超高频场景下失效严重。经过3个月实盘测试，我们发现两个关键改进点：1. 订单簿不平衡度（Order Book Imbalance）在50ms窗口下的二阶导数对反转信号有显著预测能力
2. 结合逐笔成交的主动买卖方向判断时，需要过滤掉算法交易产生的"假突破"（测试显示约38%的Tick信号属于噪声）
当前版本在股指期货主力合约上的年化夏普达到2.8，但存在两个痛点：
- 盘口厚度突变时的滑点控制
- 交易所TCP协议延迟导致的信号衰减
欢迎同行交流优化思路，特别是Tick数据预处理和微观结构特征工程方面的经验。策略具体参数不便透露，但可以讨论方法论层面的问题。 大佬求带！我最近也在研究Tick数据，但完全摸不着头脑T_T 能不能推荐一些入门的订单簿特征提取方法？或者有没有靠谱的Tick数据供应商推荐？预算有限但真的很想学习！
页:
[1]