deep-learninglimit-order-bookpredictiondeep-tradingevaluationchinaequity

LOB 深度学习序列 (Deep LOB Literature)

大白话：用深度学习从订单簿预测价格，这个方向开头很漂亮，但作者自己在 6 年后泼了冷水。读这个方向必须把开山之作和它的自我批评一起读。

本页作用：把 #17–19 三篇串成一条线索，并指出每个节点解决了上一步的什么问题。

三篇的主线

flowchart LR
    A["#17 DeepLOB (2018)<br/>Inception + LSTM<br/>准确率 70-75%"] --> B["#18 LOBFrame (2024)<br/>高预测力 ≠ 可交易信号<br/>改用成交事件概率评估"]
    B --> C["#19 A 股 LOB+OFI (2025)<br/>孪生网络 + OFI 特征<br/>A 股专属验证"]
    A --> C
篇 解决的问题 核心贡献 关键局限
#17 Zhang Zohren Roberts 2018 DeepLOB 能不能从原始订单簿直接预测价格？ 能。Inception + LSTM 端到端，FI-2010 F1 ≈ 75、LSE 准确率 70.17%，且能迁移到训练集之外的品种 高准确率 ≠ 可交易；LSE 数据 0.192 秒级，A 股只有 3 秒级
#18 Briola Bartolucci Aste 2024 Deep Limit Order Book Forecasting 怎么判断这类模型是否真的有用？ 换评价标准——提出 p_T（正确预测完整成交的概率）；发现 tick size 决定深度学习是否奏效（大 tick MCC 0.29 vs 小 tick ≈0.11）；开源 LOBFrame p_T 只衡量信号可用性，不衡量正期望，仍需扣成本 PnL 检验
#19 Yang Fang Zhang Zhou 2025 Efficient Deep Learning LOB 在 A 股上是否成立？ OFI 特征显著优于原始 LOB（149 个测试集复现了 Nasdaq 的结论）；孪生网络利用买卖两侧对称性；A 股架构与 Nasdaq 不同 仅 14 只军工股、4 个月；未报可交易性评估

三个必须一起理解的核心判断

1. 高预测力 ≠ 可交易信号（#18 的核心批评）

问题：LOB 深度学习文献普遍用准确率 / F1 / MCC 评价模型。但预测"中间价下一期是涨是跌"与预测"我能成交并获利"是两件事。

#18 提出的替代指标 p_T：

p_T = \frac{|PT \cap TT|}{|PT|}

PT = 依据模型预测开/平仓的位置集合；TT = 实际最优开/平仓点集合。

评价哲学的根本转变——论文原话：

我们感兴趣的是预测错误的时间位置，而不是错误发生的数量。当 (i) 每个价格变动至少有一个正确预测、(ii) 对已有持仓没有过早平仓信号这两个条件满足时，其他性质与数量的错误都是可以容忍的。

最关键的实证：p_T 与 MCC 方向相反

指标 提高置信度阈值时
p_T 下降
MCC 上升

提高阈值会打断信号连续性——让准确率更好看，但让交易无法执行。

这正是 #17 自己观察到"准确率更低但盈利更高"的指标层解释：准确率与可用性是两个独立的轴。

#18 的另一发现：tick size 决定深度学习是否奏效（见下）。

2. 评价指标选错会误导（#18）

LOB 预测若用二元分类的准确率，会奖励那些"总是预测不动"的保守模型。#18 改用"能否正确预测出完整的成交事件"的概率，并指出传统指标不足以评估 LOB 预测质量。

3. tick size 决定深度学习是否奏效（#18 的另一发现）

#18 按 tick size 把 15 只 NASDAQ 股票分为小/中/大三组，MCC（H10，无阈值）：

组 MCC 标准差
小 tick ≈ 0.11 —
中 tick 0.13 0.03
大 tick 0.29 0.017（最稳）

混淆矩阵的诊断：小 tick 股票上真实 class 1 的 29% 被误判为 -1、真实 -1 的 27% 被误判为 1（模型在涨/跌间摇摆）；大 tick 股票上错误主要集中为误判为 0（"不动"）。

这与 Ait-Sahalia Fan Xue Zhou 2022 High-Frequency Predictability 的结论方向一致——"低流动性、低波动、低相关的股票更可预测"。两者都指向"结构特殊"的股票更可预测。

tick size 是判别变量的第三条独立证据：

来源 路径
Toth et al 2011 Anomalous Price Impact 流动性曲线 → 小 tick \delta{=}0.5 / 大 tick \delta{=}0.6
Trend Demise (趋势跟踪 PnL 退化的微观结构解释) CTA PnL 截面 → 唯一判别变量
#18 深度学习效果 → 大 tick MCC 显著更高更稳

三篇路径完全不同，是本 wiki 记录的最强一条跨领域共识。

A 股的三个关键差异

维度 LSE / FI-2010（#17） A 股
快照频率 事件级，平均 0.192 秒 约 3 秒一帧（沪市，见 concepts/data-features/Level-2 档位与委托队列 (L2 Depth and Order Queue)）
成交方向 TAQ 无主动方信息，需 Lee-Ready 推断 逐笔成交自带双向委托号，可直接判定（见 concepts/data-features/逐笔成交的双向委托引用 (Bid-Offer Order Reference)）
成交质量 LSE 数据完整 沪市实测 14.2% 配对缺失

推论：

  1. LOB 侧（订单簿）分辨率显著更低——3 秒 vs 0.192 秒。
  2. 成交侧（OFI 等）质量反而更高——直接判主动方，无需推断。
  3. 因此在 A 股，手工特征（OFI）的相对优势可能更大，端到端的优势可能缩小。

#19 恰好是检验这个问题的直接实验——它把原始 LOB 与 OFI 特征分别作输入做对比。

A 股的三条独立结论（#19）

1. "OFI 优于原始 LOB"在 A 股复现成功

本文在 149 个测试集（14 只军工股 × 多测试期 × 多预测期）上发现：除 MLP 外，OFI 特征在各种预测期与测试集上都显著优于原始 LOB 数据。

这与 Kolm 等在 115 只 Nasdaq 股票上的结论一致。结合 #9（美股 TAQ 预测中成交侧更优）与早前的 Shen 2023（A 股 TI 强于 OFI），四条结论方向一致——成交侧信息确实比订单簿侧更有用于预测。

2. 数据频率决定架构选择（#19 独有）

架构 Nasdaq A 股
LSTM（纯） 基线 优于组合架构
MLP-LSTM 有改进 不如 LSTM，用 OFI 时恶化
CNN-LSTM 最强基线（Kolm 等） 不如 LSTM

论文的解释：A 股 LOB 每 3 秒更新（Nasdaq 毫秒级），因此喂入 LSTM 前做特征处理不再带来收益。

结论：不要把 Nasdaq 的最佳架构直接搬到 A 股。

3. Transformer 在 A 股失败

论文尝试了因果与非因果 Transformer，两者都表现很差。两条原因：

  1. 数据量不足——4 个月 14 只股票无法支撑 Transformer 训练；
  2. Transformer 通常要求输入离散化（NLP tokenization / CV patchify），不适合 LOB 的连续动态特性。

一个可操作的判断（尚未验证）

数据质量决定方法选择：

数据质量 更可能奏效的方法
高（事件级 LOB + 完整成交） 端到端深度学习（#17 的结论）
中（快照级 LOB + 成交方向可靠） 混合：深度学习 + 手工特征（#19 的方向）
低（快照稀疏 + 成交配对缺失） 手工特征优先（OFI 等，见 concepts/microstructure/Order Flow Imbalance (OFI)）

这是本 wiki 基于三篇文献的推断，尚未有直接实证支撑，已记入 Open Questions。

待验证

  1. #17 的 70.17% 在 A 股（3 秒快照）能否复现？ 最直接的未知数。
  2. #18 提出的"成交事件概率"评价在 A 股是否也必要？ A 股的成本结构（印花税、佣金）不同，可能使评价标准还需调整。
  3. A 股上端到端 vs OFI 手工特征的对比结果？ #19 正在回答。
  4. "数据质量决定方法选择"这个判断 需要一个系统的实证（同一批 A 股数据、多种数据质量、多种方法）。

Cross-ref