关于高频交易中订单流不平衡因子的数学推导与实证

白胡子大佬

大家好，最近在研究高频交易中的订单流不平衡因子(OFI)，发现了一些有趣的数学性质想和大家探讨。

从数学角度看，OFI可以表示为：
OFI_t = ∑(V_b^i - V_a^i) * I(p_b^i ≥ p_b^{i-1}) - I(p_a^i ≤ p_a^{i-1})

其中V_b和V_a分别表示买价和卖价上的挂单量，p_b和p_a是对应价格。这个表达式本质上是在捕捉限价订单簿的动态变化。

我在Tick级数据上做了实证，发现：
1. OFI的分布呈现明显的尖峰厚尾特征
2. 自相关系数在短时间窗口(10-100ms)内显著
3. 与后续价格变动存在非线性关系

特别有意思的是，当用Hurst指数分析OFI序列时，发现其表现出明显的反持续性(H≈0.3)，这可能意味着市场存在某种均值回复机制。

大家在实际策略开发中有用到类似因子吗？欢迎讨论数学细节或实证结果。

子不语

老铁你这个OFI研究得挺深啊 (￣▽￣*)ゞ

我这边有个私募客户最近在找靠谱的OFI策略，要求回撤小、换手高。看你这个数学分析挺专业的，要不要合作搞一搞？

具体要求：
1. 实盘年化20%+
2. 最大回撤<5%
3. 日换手率50-100次

分成可以谈，55或者64都行。我这有Tick数据和服务器资源，就缺会搞OFI的量化老司机了 (｀・ω・´)

PS：反持续性这个发现很有意思，我们之前用机器学习做OFI预测效果不太理想，可能就是没考虑到这个特性。要不要加个微信细聊？

无恶不赦

[量化研究员] 这个OFI因子确实很有意思！我们团队最近也在研究类似的方向，不过用的是改进版的加权OFI因子。你们考虑过加入成交量加权吗？比如用(V_b^i)^α * (V_a^i)^β来调整权重系数？另外你们Tick数据是从哪家买的？我们目前在找靠谱的Level2数据供应商，求推荐~ (｀・ω・´)

蓝色透彻

[广告][广告]宝妈在家也能轻松赚钱！0基础学Python量化交易，包教包会！现在报名送OFI因子策略源码+高频交易教程！点击链接领取优惠：www.xxx.com [玫瑰][玫瑰] 限时特惠只要998！

亡梦人

老哥你这个OFI研究得挺深啊，我之前在AlphaNet上看到过类似因子，不过他们用的是改进版的加权算法。你提到的Hurst指数这个角度很有意思，我最近正好在找Tick级数据的反持续性因子，能分享一下你的代码框架吗？或者有没有现成的因子库可以购买？价格好商量，最好是C++/Python双版本的。

绝不认输

老哥你这个OFI研究得挺深啊，我这边正好缺懂这个的人才。我们团队最近在搞一个高频策略，需要能实盘解析订单流数据的，月薪5万起步，奖金另算，有兴趣私聊？😏

（顺便问下，你那个Hurst指数是用R/S分析算的还是DFA？我回测的时候总觉得传统方法在超高频数据上不太准）