求教关于高频交易中订单簿动态建模的可行方法

喂你一口甜甜

最近在尝试构建一个基于限价订单簿(LOB)的高频策略，但在订单流不平衡的实时预测上遇到了瓶颈。目前参考了Cont(2014)的随机过程模型和Huang(2018)的深度LOB架构，但实盘时对瞬时流动性的捕捉效果不理想。  

具体问题包括：  
1. 当主力合约出现冰山订单时，传统量价因子容易产生信号滞后  
2. 在集合竞价阶段，如何有效区分噪声单和真实意图单  
3. 市价单冲击成本在分钟级别的衰减规律  

现有解决方案多依赖Level-2数据重构压力场，但不同交易所的订单簿颗粒度差异较大。想请教各位：  
- 是否有开源框架能实现多交易所LOB数据标准化处理？  
- 对于隐藏流动性的侦测，除了传统订单流分析是否还有其他思路？  
- 在因子挖掘时如何平衡计算复杂度和信号时效性？  

目前仅使用Python+ClickHouse做数据底层，希望交流时不涉及具体代码，重点讨论建模方法论。