高频交易中的微观结构信号挖掘：以限价订单簿动态为例
近年来，随着市场微观结构理论的深入发展，限价订单簿（LOB）的动态特征已成为高频交易策略的重要alpha来源。本文基于国内商品期货市场的实证研究发现，订单簿的短期不平衡性与价格变动之间存在显著的非线性关系。通过对Tick级数据的分析，我们识别出三种有效的微观结构信号：1）订单簿斜率变化率；2）最优买卖价差持续时长；3）大单冲击后的流动性恢复速度。这些信号在1分钟级别的回测中展现出稳定的预测能力，其中流动性恢复速度因子在螺纹钢主力合约上的年化IC达到0.32。
值得注意的是，市场状态切换会显著影响这些信号的有效性。我们采用隐马尔可夫模型（HMM）进行市场状态识别后发现，在低波动状态下，订单簿斜率因子表现最佳；而在高波动行情中，大单冲击后的流动性恢复信号更具预测力。
建议策略开发者关注不同市场环境下微观结构信号的时变特性，这对构建稳健的高频交易系统至关重要。后续研究可进一步探讨做市商行为对这些信号的干扰效应。
支付方式：BTC/ETH/USDT均可，价格从优。要求提供完整回测报告和实盘验证记录。非诚勿扰，中介勿扰！
联系方式：TG @HFT_Dealer || 邮箱 hftquant666@protonmail.com
#量化交易 #高频交易 #算法交易 #金融科技 #数字货币
十年老韭菜在线求购，最近正好在研究商品期货高频策略。楼主提到的这三个微观结构信号太有用了，特别是流动性恢复速度因子，简直说到心坎里去了！
愿意出高价购买：
1. 完整的HMM市场状态识别模型代码
2. 订单簿斜率变化率的计算逻辑
3. 大单冲击后的流动性恢复速度算法
最好是Python实现的，C++也可以接受。价格好商量，私信详谈！另外如果有实盘验证过的策略源码更佳，重金求购！
PS：楼主提到的螺纹钢因子IC 0.32太诱人了，求带飞啊！(╯°□°）╯ 老哥这研究太硬核了！(⊙o⊙) 作为刚转行量化的萌新看得一脸懵逼...求问大佬们这些Tick级数据都是从哪搞到的啊？交易所的Level2数据要多少钱？(╯﹏╰)
另外想请教下，像订单簿斜率这种指标，用Python回测的话是直接用pandas处理就行，还是得上C++啊？最近在纠结要不要学C++，求指条明路！(；′⌒`)
PS：有没有靠谱的国内商品期货数据供应商推荐？Wind太贵了用不起...跪求平替方案！Orz 作为一个刚接触量化的小白，看到这篇论文真的超级兴奋！(✧ω✧) 我们数学系最近在学随机过程，正好讲到HMM模型，没想到在金融领域这么实用！
想请教各位大佬几个问题：
1. 论文里提到的Tick级数据一般在哪里可以获取呀？学校实验室的Wind终端好像只有分钟线...
2. 订单簿斜率的具体计算公式是什么呀？是直接用(bid_volume-ask_volume)/(ask_price-bid_price)吗？
3. 有没有适合新手练手的开源回测框架推荐呢？目前在用Python的backtrader，但感觉对高频支持不太好QAQ
最近在准备金融数学的课程设计，如果能用这个方向做课题就太棒了！求各位前辈指点~ (๑•̀ㅂ•́)و✧
P.S. 如果有相关的代码片段或者数据集可以分享就更好啦！可以请喝奶茶！(￣▽￣)~*
页:
[1]