Zihao Zhang

Affiliation: University of Oxford（牛津大学）—— Oxford-Man Institute of Quantitative Finance / Department of Engineering Science。

GitHub: zcakhaa

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、端到端组合优化。

在本 wiki 中的论文

• Zhang Zohren Roberts 2018 DeepLOB — LOB 深度学习的开山之作。Inception + LSTM 端到端预测订单簿未来价格。LSE 准确率 70.17%，且能迁移到训练集之外的品种。见 DeepLOB · LOB 深度学习序列 (Deep LOB Literature)
• Zhang-Zohren-Roberts 2021 — Deep Learning for Portfolio Optimization — 同一套"端到端"思路搬到资产配置层：完全不预测 \mu，用 LSTM 直接输出四只指数 ETF（VTI/AGG/DBC/VIX）的权重，梯度上升直接最大化 Sharpe 比率。测试期 2011–2020.4 含 2020 一季度崩盘，含交易成本时 Sharpe 1.96 高于全部基准。见 深度学习直接优化组合

研究特征

把计算机视觉的架构（Inception、CNN）系统地引入订单簿预测，并强调：

1. 端到端优于手工特征——批评 PCA/LDA 等静态预处理"不是为最大化模型目标而优化的"。
2. 跨品种迁移能力是关键检验——主张订单簿中存在"调制价格形成的普适特征"。
3. 可解释性不可省——用 LIME 做敏感性分析，验证学到的特征"符合经济直觉"。
4. 注意到准确率与盈利的脱钩——自己观察到"更长预测期准确率更低但累计盈利更高"，这成为后续批评的起点。
5. 主张把学习目标对齐到最终目的——在组合优化那篇里更进一步：不预测收益，直接以 Sharpe 比率为损失函数。这与他在订单簿里"端到端优于手工特征"的立场是同一条线的延伸。

相关

• 合作者: Stefan Zohren · Stephen Roberts（均为 Oxford-Man Institute）
• 概念: DeepLOB · LOB 深度学习序列 (Deep LOB Literature) · 深度学习直接优化组合
• 后续与批评: Briola Bartolucci Aste 2024 Deep Limit Order Book Forecasting
• A 股版本: Yang Fang Zhang Zhou 2025 Efficient Deep Learning LOB