Stefan Zohren
牛津大学工程学系（Oxford-Man Institute 关联）研究员，机器学习与金融交叉方向。
在本 wiki 的论文
- Zhang-Cucuringu-Shestopalo-Zohren 2026 — ClusterLOB — 用无监督聚类把 MBO 委托流分成「方向型 / 机会型 / 做市型」三簇，对每簇单独算订单流不平衡，样本外 Sharpe 1.34 vs 不聚类基准 0.60
- Zhang-Zohren-Roberts 2018 — DeepLOB — 订单簿深度学习的开山之作（卷积捕捉空间结构 + LSTM 捕捉时间依赖）
- Zhang-Zohren-Roberts 2021 — Deep Learning for Portfolio Optimization — 把“端到端”思路从订单簿搬到资产配置：跳过收益预测，LSTM 直接输出四只指数 ETF 的权重，梯度上升直接最大化 Sharpe 比率。见 深度学习直接优化组合
方法论取向
三条线都走「用深度/机器学习处理金融数据」，但范式不同：
| 论文 | 范式 | 目标 |
|---|---|---|
| DeepLOB (2018) | 监督学习 | 预测未来价格分布 |
| ClusterLOB (2026) | 无监督聚类 | 解释参与者行为，再从行为构造信号 |
| Deep Learning for Portfolio Optimization (2021) | 端到端决策优化 | 不预测收益，直接以 Sharpe 比率为损失函数输出组合权重 |
相关
第三篇的取向值得单独记：他主张训练目标必须与最终目的对齐——预测误差最小化不等于组合表现最好。这与 Predict-then-Optimize 谱系里的决策聚焦学习 (DFL) 是同一问题在资产配置层的答案。