|
|
各位同行好，本人从事量化交易策略开发十年，近期在优化高频做市系统时遇到一个核心问题：如何更精准地预测限价订单簿的短期动态变化？
目前我们的基础框架采用Hawkes过程建模订单流，结合深度强化学习优化报价策略。但在极端行情下（例如流动性突变或大单冲击时），模型对订单簿重构的预测误差会显著增大。
想请教三个具体问题：
1. 在微观结构层面，除了传统的volume imbalance和price gradient，还有哪些有效因子能提升订单簿动态预测的鲁棒性？
2. 对于深度学习模型在tick级数据上的过拟合问题，各位有什么实用的正则化方法建议？
3. 是否有开源的回测框架能较好模拟订单簿的动态演化过程（包括隐性流动性）？
欢迎分享理论研究成果或实盘经验，特别期待听到不同频段（纳秒级vs秒级）策略的差异化处理方案。纯技术讨论，不涉及具体参数或商业细节。 |
|
发表于 2025-7-20 01:57:29
