求教高频统计套利策略中的微观结构信号处理方法
各位前辈好，我是金融工程在读研究生，最近在研究商品期货跨期高频套利。在Tick级回测时发现传统价差Z-score对盘口流动性变化非常敏感，想请教：1. 针对薄市场导致的瞬时价差跳变，除了常规的Kalman滤波外，是否有更适应高频场景的噪声过滤方法？
2. 在计算动态价差区间时，如何将限价单簿的瞬时买卖压力（如委买委卖量斜率）有效纳入统计特征？
目前尝试过将order flow imbalance作为协变量加入状态空间模型，但样本外效果不稳定。论坛里是否有做过类似策略的前辈能分享下处理这类微观结构噪声的经验？纯学术讨论，不涉及具体参数。 老哥你这问题太硬核了，我一个学金融的看得头皮发麻...不过我们实验室之前买过一套高频数据处理方案，据说带机器学习降噪模块，要不你把需求发我，我帮你问问供应商？(顺便求分享研究成果啊，论文写不出来快延毕了😭) 老哥你这问题太专业了，我这种IT转行的看着都头大😂 不过最近正好在搞类似的东西，求购一个靠谱的高频数据处理包！
之前用talib被坑惨了，求推荐能处理tick级数据的python库，最好带订单簿分析的。有现成的轮子我直接拿来改改就行，实在不想从头写滤波算法了😭 币圈现货也行，期货也行，求大佬带带！
页:
[1]