Zotikov & Antonov (2019) — CME 冰山委托的识别与预测
作者: Dmitry Zotikov（Devexperts LLC）、Anton Antonov（dxFeed Solutions DE GmbH）。
发表: 预印本，版本日期 2019-08-29。无期刊、无卷期、无 DOI。
数据: CME（芝加哥商品交易所）2019 年 9 月到期的 E-mini S&P 500 期货合约（代码 ESU19），全深度（FOD）逐笔簿日志 + 交易汇总消息（含被动方订单 ID 与实际成交量），即 market-by-order 层面的动作流。样本期 2019-06-14 11:00 至 2019-06-21 16:00（CDT），接近一周。选这段是因为临近换月，前月未平仓量大量转移到 ESU19，对隐藏流动性工具的需求上升。
一句话总结
交易所管理的冰山（native）可以靠交易所自己披露的信息可靠识别；软件商代管的合成冰山（synthetic）只能靠启发式。两者都能用生存分析（Kaplan–Meier）预测"这个冰山最终会有多大"——但精度有限，且超过一半的合成冰山在被完全执行前就被取消。
两类冰山
| 原生（native） | 合成（synthetic） | |
|---|---|---|
| 谁管理 | 交易所 | 独立软件供应商（ISV） |
| 各峰如何提交 | 全部以修改方式提交，订单 ID 全程不变 | 每峰作为独立限价单提交 |
| 能否与普通限价单区分 | 能（交易汇总里的成交量有时大于当前挂单量） | 不能，只能启发式 |
| 识别依据 | 成交量 > 当前挂单量；或订单全成后又被改为非零挂单量 | 成交后短于 dt（取 0.3 秒）内同价位同数量补单 |
原生识别把动作流解析为有限状态机（新挂 L / 更新 M / 成交 T / 受影响成交 TA / 删单 D），peak 规模由 V_L = V_{\text{peak}} - V_T \bmod V_{\text{peak}} 迭代确定。
合成识别只能识别 peak 恒定的冰山；高活跃度下同价位同数量的订单会同时出现，产生"分 tranche 树"——每条从叶到根的链都是一条可能的冰山。
主要定量结果
冰山占比
| 指标 | 值 |
|---|---|
| 原生冰山占全部成交量 | 4% |
| 原生冰山占订单数 | 0.06% |
| 合成冰山占成交量 | 3.3% – 14.3%（随"最少峰数"参数 3/4/5 变化） |
| 合成冰山在被完全执行前被取消的比例 | 超过一半 |
| 原生冰山总成交量中位数 | 6（合约单位/手） |
| 合成冰山总成交量中位数 | 6（同上） |
| 合成冰山零到达时差占比 | 4.71% |
| 原生冰山零到达时差占比 | 38.94%（可能部分来自毫秒级时间戳精度不足） |
"按笔数看极小、按成交量看可观"——这与 Fleming, Mizrach & Nguyen (2018) 关于"通常没有隐藏深度，但一旦有就很可观"的观察一致。
合成冰山预测评估（表 4）
| 指标 | 所有链平均 | 最长链 |
|---|---|---|
| 准确率 | 68.95% | 67.54% |
| 精确率 | 52.66% | 49.95% |
| 召回率 | 41.47% | 83.67% |
| F1 | 46.40% | 62.56% |
| MAE | 1.78（22.55%） | 2.15（24.94%） |
| RMSE | 3.94（49.85%） | 4.52（52.37%） |
混淆矩阵（最长链）：实际完成/预测完成 7305（27.12%）；实际完成/预测未完成 7318（27.17%）；实际未完成/预测完成 1426（5.29%）；实际未完成/预测未完成 10889（40.42%）。
约 70% 的准确率主要由真负例贡献——即"没预测到冰山"的多数情况是"确实没有冰山"。
原生冰山预测评估（表 6）
| 预测方式 | 准确率 | 精确率 | 召回率 | F1 | MAE | RMSE |
|---|---|---|---|---|---|---|
| Mode(1) | 72.55% | 26% | 35.86% | 30.14% | 99.66 | 239.22 |
| Mode(3) | 90.21% | 83.91% | 50.34% | 62.93% | 61.79 | 190.43 |
| 均值预测 | 82.69% | 33.33% | 4.83% | 8.43% | 94.60 | 217.08 |
| 中位数预测 | 58.31% | 19.22% | 47.59% | 27.38% | 89.40 | 234.45 |
"前 k 个最高条件概率"（k best mode）明显优于均值/中位数——均值预测召回率只有 4.83%，因为少数规模极大的冰山把均值拉走了。
方法要点：为什么用生存分析
冰山常在部分成交后被取消，直接用完全成交的样本估分布会系统性低估。论文用 Kaplan–Meier 估计量处理右删失：累计冰山量扮演"生存时间"，对每个 peak 值 p 估右删失下的总成交量分布 S_p(v)。合成冰山因一棵 tranche 树中总成交量不唯一，用加权 Kaplan–Meier（给每条唯一长度链分配均匀权重）。
论文自陈的局限
- 合成冰山识别假设"下一峰比其他同价位同数量限价单到得更早"，即每个节点只能有一个子节点。
- 无法识别 peak 规模变化或价位变化的合成冰山；若冰山总量不是显示量的整数倍，最后一峰会小于前面各峰。
- Kaplan–Meier 估计"过于简单"；参数（dt、最少峰数、训练区间）都是经验取值，未做交叉验证优化。
- 结果的稳健性（跨品种、跨时间区间）未做。
- 训练数据仅约一个交易日。
- 文本不一致：图 5 标题写的是 "ESM19" 而正文与数据节写 ESU19。
对本 wiki 的位置
- 入口概念: concepts/microstructure/冰山委托与隐藏流动性 (Iceberg Orders and Hidden Liquidity)
- 相关: concepts/microstructure/Q-Reactive 队列反应模型（订单簿模拟器）· concepts/data-features/Level-2 档位与委托队列 (L2 Depth and Order Queue)
- 同批论文: Frey Sandas 2009 Iceberg Orders（Xetra，用显式标记校验算法）· Bloomfield OHara Saar 2012 Hidden Liquidity（实验室对照）
- 作者: Dmitry Zotikov · Anton Antonov
关键引用
Zotikov, D., & Antonov, A. (2019). CME Iceberg Order Detection and Prediction. Preprint, 2019-08-29.