Jun Zhou
Affiliation: 中国科学院声学研究所(Institute of Acoustics, Chinese Academy of Sciences),北京 100190;中国科学院大学。
Email: zhoujun@hccl.ioa.ac.cn(通讯作者)
研究领域: 深度学习在金融市场微观结构中的应用、限价订单簿预测、A 股高频数据建模。
在本 wiki 中的论文
- Yang Fang Zhang Zhou 2025 Efficient Deep Learning LOB — A 股 LOB 深度学习。OFI 特征显著优于原始 LOB(149 个测试集复现了 Nasdaq 的结论);提出利用买卖两侧对称性的孪生架构;发现 A 股架构与 Nasdaq 不同。见 LOB 深度学习序列 (Deep LOB Literature)
研究特征
在 A 股上做 LOB 深度学习的少数公开研究之一,且贡献了三条与其他市场不同的发现:
- A 股 LOB 每 3 秒更新(Nasdaq 毫秒级)→ 组合架构(CNN-LSTM / MLP-LSTM)的预处理步骤不再带来收益,反而变差。
- Transformer 在 A 股失败——数据量不足 + LOB 的连续动态特性不适合离散化输入。
- OFI 特征在 A 股同样优于原始 LOB——与 Nasdaq 结论一致。
相关
- 合作者: Jiahao Yang · Ran Fang · Ming Zhang(同为中科院声学研究所)
- 概念: LOB 深度学习序列 (Deep LOB Literature) · DeepLOB
- 被其比较的对象: Zhang Zohren Roberts 2018 DeepLOB(Nasdaq)· Briola Bartolucci Aste 2024 Deep Limit Order Book Forecasting
- 指标: concepts/microstructure/Order Flow Imbalance (OFI)
- 数据前提: concepts/data-features/Level-2 档位与委托队列 (L2 Depth and Order Queue)