本报告基于沪深市场Level2逐笔订单簿数据,构建80维高频量价因子,利用结合CNN与LSTM的深度学习模型DeepLOB进行短期收益率三分类预测。通过对股票及可转债的回测,结果显示连续信号触发的阈值N大于15时,股票单次交易平均收益率超过0.8%,可转债甚至达5.55%,证明模型具备较强的泛化及预测能力,且高频因子的加入有效提升了模型表现。
数据来源及特点
高频订单簿数据频率分布分析
限价订单簿数据重构与高频因子构建
收益率标签定义及分布
DeepLOB模型架构与改进
训练策略及样本标的
| 股票代码 | 股票简称 |
|---|---|
| 300088 | 长信科技 |
| 002603 | 以岭药业 |
| 600466 | 蓝光发展 |
| 000778 | 新兴铸管 |
| 000723 | 美锦能源 |
| 600956 | 新天绿能 |
| 300418 | 昆仑万维 |
| 600158 | 中体产业 |
| 300182 | 捷成股份 |
| 000970 | 中科三环 |
训练过程表现及准确率趋势
量化策略及收益表现
交易滞后效应分析
| N | 滞后TICK | 手续费 | 累计收益率 |
|---|---|---|---|
| 6 | 1 | 0.1% | 7.79% |
| 6 | 5 | 0.1% | 5.68% |
| 6 | 10 | 0.1% | -5.44% |
| 15 | 1 | 0.1% | 12.47% |
| 15 | 5 | 0.1% | 11.95% |
| 15 | 10 | 0.1% | 11.87% |
模型在可转债市场的应用与表现
风险提示
报告基于米筐提供的高频Level-2限价订单簿数据,重构订单簿结构,通过构造多维量价高频因子,应用深度学习模型DeepLOB(卷积神经网络+长短时记忆网络CNN+LSTM)来捕获订单簿的空间与时间特征,预测短期收益率,实现基于连续信号触发的高频交易策略。实证显示:
风险提示明确指出,模型结果基于历史数据,不保证未来有效性。整体报告聚焦于深度学习与高频定量交易的结合创新,强调多维数据挖掘与模型结构设计对交易策略提升的重要性。,1]
报告详细介绍了中国沪深市场订单驱动市场的Level-2数据特性。Level-2相较于Level-1行情,包含更丰富的市场细节,如每个档位的申报笔数和逐笔数据,这使得Level-2能够较完整还原市场实时状态。数据包括三个主要文件:
数据体量大(单日约10GB),覆盖股票、ETF、LOF及可转债,且存储采用高效压缩(HDF5+blosc),适合高频深度学习模型输入。
核心技术是对逐笔订单簿的变动信息通过一阶差分逆运算进行还原,形成“结构化”的限价订单簿快照数据。结构化数据即为固定格式的十档买挂价格及委托量,便于深度学习提取空间特征。
订单簿快照举例显示了各档买卖挂单数量随着时间演进的变动,直观体现订单簿动态。这一步骤为后续因子构建及模型输入奠定基础。,2,3,4]
原始因子: 基于价格和委托量的40个原始量价因子,反映基本盘口信息。
截面因子 (20个): 反映盘口委托强弱,计算买卖方委托量及价格分布占比。示例公式:
[ \sum_{i=1}^{10}\frac{P_{b t}^i}{P_{a t}^i + P_{b t}^i}, \quad \sum_{i=1}^{10}\frac{V_{b t}^i}{V_{a t}^i + V_{b t}^i} ]
时间序列因子(20个): 量价变化率,如价格和委托量的一阶、二阶导数,资金流等动态特征,长度设为100个tick,捕获时间演变信息。
价格因子进行标准化处理,采用“当前价格/昨日收盘价”,委托量因子采用z-score标准化,参数基于历史数据统计,最终因子值截断在(-1,1)区间,提高模型稳定性和泛化能力。
采用中间价(买一价卖一价均值)作为基准价格,通过计算未来101个tick的收益率,用绝对收益阈值5e-4进行三分类赋标签:
该分类方式克服了样本中收益为0的较高占比问题,更符合日内交易关注绝对收益特性。样本类比比较均衡,分别占比约25.6%、49%、25.4%,5,6]
DeepLOB模型融合CNN与LSTM的长短期记忆结构:
训练数据集: 2022年1月4日至10日5天的高频数据,涵盖投标范围500成分中换手率排名最高的10只股票,总样本约1792万条,日均每只约35万条。
采样间隔: 为控制数据相关性,每隔10个tick采样一次,减少样本冗余。
训练参数:
训练过程表现:
通过对模型输出连续N次相同信号触发时交易:
结论: 选择合适的信号连续触发阈值N极为关键,需要在交易频率与收益质量之间权衡。,11,12,13]
实证图表清晰体现了模型在两个不同市场的收益差异和交易频率权衡,为实际应用提供了重要的参数调优指引。,14,15]
| 图表编号 | 内容描述 | 数据趋势及解读 | 论证支持及重要性 |
|---|---|---|---|
| 图表1-3(第1-2页) | 逐笔委托、成交、订单簿数据样本示例 | 直观展示了订单簿的交易细节结构,验证数据来源的完整性和复杂度 | 充分体现了模型输入的高维、细粒度数据基础 |
| 图表4-5(第3页) | 股票订单及交易数据频率分布 | 订单变动频率中位数0.34s/笔,交易频率中位数1.11s/笔,0.5s内订单占64% | 说明高频交易环境的活跃度和数据处理的实时性需求 |
| 图表6(第4页) | 限价订单簿变动示意图 | 形象展示买卖档位价格及委托量随时间的动态演变逻辑 | 揭示订单簿重构过程的原理,确保还原数据准确性 |
| 图表7(第4页) | 限价订单簿结构范例 | 示例快照数据,包含买卖十档价格、量及笔数 | 说明模型因子构建所依据的基础格式 |
| 图表8(第5页) | 高频因子集合 | 包含基本因子、截面因子、时间序列因子描述详尽 | 为模型提供多维度深度特征,提升预测能力 |
| 图表9(第6页) | 样本内收益率分布 | 收益率对称,20%的收益为0,阈值设定体现实际成本考量 | 说明分类标签设置合理性 |
| 图表10-13(第7-8页) | DeepLOB模型及改进结构示意 | 模型结构体现空间和时间特征提取层次、网络加深方案优劣比较 | 支撑采用加“深”方案的建模决策,有效提升模型性能 |
| 图表15-16(第9页) | 训练、验证误差曲线 | 训练误差下降,验证误差波动,体现训练过程状况 | 说明训练稳定性和模型拟合情况 |
| 图表17-18(第10页) | 准确率变化 | 训练集准确率递增,验证集较波动 | 指示模型泛化风险,提醒后续需调整 |
| 图表19-22(第11-12页) | 股票交易次数与收益率、累计收益 | 随信号N增益单笔收益较好,累计收益依手续费波动 | 验证模型策略盈利潜力及交易频率影响 |
| 图表23(第13页) | 交易滞后对累计收益影响 | 交易速度滞后显著降低高频策略收益 | 强调执行时效对高频策略的重要性 |
| 图表24-27(第14-15页) | 可转债策略收益分析 | 可转债单笔收益显著高于股票,累计收益稳定 | 体现模型泛化能力及市场方面的投资价值 |
这些图表从数据源到因子设计、模型结构、训练过程及实证效益多维度呈现,全面支撑报告核心观点。使用多种可视化,辅以表格数据确保信息透明、可信。
报告风险提示简明但重要:
报告没有详细列出风险缓释措施,表明模型尚处研究阶段,实际应用时需结合更复杂风险管理体系。,13,16]
客观指出几个重要细节与潜在不足:
总的来看,尽管模型设计与数据利用先进,且实证数据表现亮眼,但仍需考虑上述因素以评估实际投入运营的稳健性和风险。,9,10,13,14]
本报告系统介绍了基于沪深市场level2限价订单簿高频数据,采用CNN+LSTM深度学习框架DeepLOB进行短期价格走势预测的完整流程。报告亮点包括:
但需注意模型训练验证集表现波动及样本多样性限制,执行滑点成本等实际交易障碍,以及潜在过拟合风险,提示实盘应用前应进行更严格测试和风险管控。
总体上,报告呈现了高频限价订单簿数据结合深度学习在量化短期走势预测与高频交易中具备明显潜力的最新进展。其严谨的数据构建、模型设计与实证结果为相关量化交易策略研究提供了重要参考及实践示范。
股票订单薄数据频率分布图(第3页)
DeepLOB模型结构(第7页)
股票平均收益率与交易次数(第11页)
可转债平均收益率与交易次数(第14页)
综上,报告构建了基于深度学习的高频LOB预测框架,并验证了其在量化高频交易策略中的实际应用价值,体现了深度学习技术在金融微观结构交易中的前沿应用,提供了高价值的研究和操作思路。
深度专题115:基于限价订单簿数据的 DEEPLOB 模型.pdf