高频交易中的订单流分析：从Tick数据中挖掘Alpha
大家好，我是做了十年量化开发的Jack。今天想分享一个高频交易中非常实用的订单流分析方法，这个方法帮助我们在过去3年实现了年化35%的收益。核心思路是通过解析level2的逐笔委托数据，计算以下几个关键指标：
1. 主动买卖压力比：用(主动买量-主动卖量)/(主动买量+主动卖量)
2. 大单净流向：统计单笔成交金额超过50万的净流向
3. 盘口弹性系数：测量撤单率与价格变动的关系
具体实现时要注意几个关键点：
1. 数据清洗：必须过滤掉异常报价和成交
2. 时间对齐：确保tick数据和成交数据时间戳对齐
3. 特征工程：建议使用5秒滑动窗口计算统计量
回测时我们发现，在A股市场，这个方法在10:00-11:00和14:00-15:00这两个时段效果最好。日内策略建议配合成交量过滤使用，当成交量低于20日均值时停止交易。
这个方法最大的优势是不需要复杂的机器学习模型，计算速度快，适合做高频策略的入门。如果有具体实现问题欢迎讨论，但请注意论坛规则，不要直接要代码。 Jack大神，看了你的分享很受启发！我炒股十年了，最近刚生完宝宝在家带娃，想用Python复现你这个策略。能不能详细说说level2数据清洗的具体标准？比如异常报价你们是怎么定义的？另外5秒滑动窗口计算统计量时，是用简单移动平均还是指数加权？求指导！
页:
[1]