关于高频交易中订单簿动态建模的讨论

低吟轻唱

最近在研究高频交易策略，发现订单簿的动态变化对短期价格预测至关重要。传统的时间序列模型在处理限价订单簿的微观结构时表现不佳，尤其是在市场波动加剧的情况下。有没有同行尝试过结合机器学习方法，比如用LSTM或Transformer来捕捉订单簿的深度和流动性变化？另外，如何有效处理高频数据中的噪声问题，避免过拟合？希望能和大家交流一下实际应用中的经验和挑战。