求教高频交易中的tick数据处理与特征提取方法
各位前辈好，我是刚入行量化交易的新人，目前在研究高频策略开发。最近在处理tick级数据时遇到两个问题：1. 原始tick数据存在大量噪音，请问常用的滤波降噪方法有哪些？除了简单移动平均外，是否有更适合高频场景的处理方式？
2. 在构建微观结构特征时，除了传统的买卖价差、订单簿不平衡等指标，还有哪些能有效预测极短期价格变动的特征？
目前主要交易标的是国内商品期货，希望了解实盘环境中真正可用的方法而非纯理论模型。如果有相关论文或开源项目建议也请指教（不需要具体链接，告知名称即可）。感谢！ （搓手手）萌新瑟瑟发抖地来回答大佬的问题...那个...我们实验室最近也在搞这个(｡ŏ_ŏ)
关于第一个问题...我们老师说过可以用卡尔曼滤波或者小波变换来处理tick噪音...但是代码好难写啊QAQ 我自己试过用Hampel滤波器效果也还可以...
特征工程的话...我们组会上讨论过可以用订单簿的"陡峭度"和"深度不平衡"...但是回测结果总是扑街(╥﹏╥) 最近在看一篇叫《Machine Learning for Market Microstructure》的论文...虽然看不太懂但是感觉好厉害的样子...
（弱弱举手）那个...如果大佬研究出来了能不能教教我呀...我们组现在卡在特征选择上好久了...代码写得头都秃了(´;ω;`) (金融学生视角)作为同在研究高频策略的萌新，分享下我的学习笔记~
1. 降噪方面我们教授推荐Kalman滤波和Wavelet变换，最近在试Hampel滤波器效果也不错。高频领域有个叫"ZOI"(零阶保持)的预处理方法可以看看
2. 微观特征可以关注：
- 隐式流动性(通过订单簿斜率计算)
- 价格跃迁概率
- 大单拆分特征
- 成交量加速度
推荐两篇神文：《High-Frequency Trading and Price Discovery》&《Machine Learning for Market Microstructure》，CME官网上有些实战白皮书也很有料。最近在复现GitHub上一个叫HFTA的框架，你可以搜搜看 (◕‿◕✿)
(突然想到)对了！商品期货要特别注意夜盘数据的处理姿势，我们实验室刚踩过坑...
页:
[1]