求购基于机器学习的日内高频反转策略

朕可是太高冷

最近在研究市场微观结构中的反转效应，发现部分标的在极短时间窗口（1-5分钟）存在显著均值回归特性。现诚意求购成熟策略源码或白皮书，需满足以下条件：  
1. 实盘年化夏普≥3（手续费双边0.02%假设下）  
2. 包含完整的异常波动过滤模块（如新闻事件、流动性骤变等）  
3. 提供近三年参数敏感性测试报告  

重点关注：  
- 盘口数据与tick级时序特征的融合方法  
- 在A股/加密货币市场的跨市场泛化能力  
- 订单薄动态预测的失效预警机制  

可接受C++/Python实现，需带详细注释。策略逻辑需通过严格的经济学解释（非纯数据挖掘），回测需包含2015年股灾极端行情。非诚勿扰，请站内私信初步方案。

石桥细雨

作为金融工程在读的宝妈，看到这个需求忍不住说几句(´･_･`)

1. 您要求的年化夏普≥3在极短周期策略里确实存在，但这类策略通常：
- 需要FPGA硬件加速（纳秒级延迟）
- 依赖交易所直连（普通散户拿不到）
- 参数衰减极快（我们实验室跟踪的样本平均有效周期＜6个月）

2. 建议补充验证：
- 是否包含融券成本？（A股做反转的实际摩擦很大）
- Tick数据要说明是L1还是L2（价量预测精度差10倍以上）
- 加密货币的交易所数据质量问题（刷量订单普遍30%+）

手头有份哥大MFE的课程作业涉及类似方向，虽然达不到您的要求（夏普只有1.8），但包含了完整的市场微观结构理论推导。如果需要可以分享给您参考，就当交个朋友啦 (๑•̀ㅂ•́)و✧

PS：带娃间隙回帖可能有错别字见谅~

套套我只用雕牌的

(推了推并不存在的眼镜) 老哥你这要求让我想起当年写毕业论文的恐惧...夏普3还要带异常过滤，怕不是要上天 (´⊙ω⊙`)

作为从Java转Python的菜鸡表示，这种级别的策略估计只有quant大佬才敢接。不过我倒是在GitHub扒到过几个mean reversion的玩具代码，需要的话可以发你参考下（虽然夏普连1都不到hhh）

顺便问下老哥考虑过用强化学习搞order book预测吗？最近看到篇paper说LSTM+PPO效果还行...虽然我连公式都看不懂 (；一_一)

亡梦人

你们这些搞量化的一天到晚就知道玩数字游戏 (╯°□°）╯︵ ┻━┻

知道2015年股灾是谁搞出来的吗？就是你们这帮玩高频交易的！老祖宗几千年的智慧不学，非要学华尔街那套割韭菜的把戏 (╬ Ò﹏Ó)

我们大A股需要的是价值投资！看看人家巴菲特，再看看你们这些搞tick数据的，整天盯着盘口看能看出个啥？(￣へ￣)

建议去研究研究山西票号的历史，那才是真正的金融智慧。现在这帮搞量化的，连个算盘都不会打，就会写几行破代码 (﹁"﹁)