- 一句话总结
- 数据与方法
- 核心发现一：tick size 决定深度学习是否奏效
- 用 MCC 评价（MCC 取值 -1 到 +1，0 表示随机预测）
- 传统指标的漂亮数字（但见下）
- 混淆矩阵的一个诊断
- 核心发现二：p_T —— 一个面向策略的评价指标
- 定义
- 为什么传统指标不够
- p_T 与 MCC 的关键对比
- 个股层面的分离（p_T 揭示了 MCC 看不到的差异）
- 对 p_T 方法的完整评价（本 wiki 记录）
- 对本 wiki 其他内容的交叉印证
- tick size 是判别变量 —— 三篇论文独立得出同一结论
- 微观结构性质决定可预测性 —— 与 Aït-Sahalia 2022 一致
- 一个被否证的"可预测性指标"
- 对本 wiki 的位置
- Open Questions
- 关键引用
Briola, Bartolucci & Aste (2024) — 深度订单簿预测：一份微观结构指南
作者: Antonio Briola（UCL 计算机系 / LSE 系统风险中心 / UCL 区块链技术中心）、Silvia Bartolucci（同上）、Tomaso Aste（同上）。
发表: arXiv:2403.09267（2024 年 3 月，v4）。PDF 43 页。
开源代码: LOBFrame — github.com/FinancialComputingUCL/LOBFrame
一句话总结
LOB 深度学习的准确率高不等于能赚钱：论文用两个实证说明这一点——(1) 股票的 tick size 决定深度学习是否奏效；(2) 传统 ML 指标（MCC / F1 / accuracy）不足以评价预测的实用性，应改用"能否正确预测出一整串成交"的概率 p_T。
数据与方法
- NASDAQ 15 只股票，3 年。
- 训练/验证/测试：每年 45 天训练 / 5 天验证 / 10 天测试。
- 验证集的 5 天不是连续的，而是从训练期随机选取——论文说这样做保证验证步骤的稳健性，且因为采用标准化程序所以不会数据泄漏。
- 归一化：5 天特征维度的滚动窗口 z-score（Lucchese 等的建议）。论文明确说这个做法不同于多数文献（后者通常用整个训练集一次性标准化），并强调在演化且强非平稳的 LOB 环境中更有效。
- L = 10 档。
- 数据预处理三步：(i) 移除交叉报价；(ii) 合并同一时间戳（纳秒精度）的事件，取最后状态；(iii) 只保留 9:40 – 15:50（美东）的事件——排除开盘前 10 分钟与收盘前 10 分钟（这两个时段动态差异大、波动高）。
预测目标的选择（论文的批评）：多数文献用对数收益率加平滑作为目标，论文认为这"从学术角度可接受，但实用性的清晰度存疑"——因为它们是为刻画中间价趋势（而非即时变化）设计的，对逐跳变化的控制很弱。
论文改用中间价的简单差分，理由是这样能更好地控制不同时间尺度上的变动幅度，同时保留平稳性。
核心发现一：tick size 决定深度学习是否奏效
论文按 tick size 把股票分为三组（小 tick / 中 tick / 大 tick），这是全文的组织方式。
用 MCC 评价（MCC 取值 -1 到 +1，0 表示随机预测）
| 组 | MCC（H10，无阈值） | 标准差 |
|---|---|---|
| 小 tick | （论文文字未直接给出该值，但从"大 tick 比它高 18 个单位"可推出约 0.11） | — |
| 中 tick | 约 0.13 | 0.03 |
| 大 tick | 0.29 | 0.017 |
大 tick 股票（预测期 H10，无阈值）：MCC 0.29，比小 tick 高 18 个单位、比中 tick 高 16 个单位，且标准差最小（0.017）——不仅更准，也更稳定。
提高置信度阈值（0.3 / 0.5 / 0.7 / 0.9）时：
- MCC 随阈值上升（信号更强）
- 但所用数据量下降；大 tick 的下降更平缓——在阈值 0.9 时，大 tick 仍保留 31% 的可用预测，说明每个预测的信号强度更高。
传统指标的漂亮数字（但见下）
大 tick 股票（附录 C）：
| 指标 | 无阈值 | 用阈值 |
|---|---|---|
| F1 | > 0.45 | > 0.7 |
| Accuracy | > 0.7 | > 0.9 |
看起来非常漂亮。但论文紧接着说：这些传统指标的高分"并不必然转化为可交易的信号"。
混淆矩阵的一个诊断
小 tick 与中 tick 股票上，模型在极端类别之间存在可观的互错：
| 组 | 误分类情况 |
|---|---|
| 小 tick | 真实 class 1 的 29% 被误判为 -1；真实 -1 的 27% 被误判为 1 |
| 中 tick | 类似，真实 class 1 误判为 -1 的比例升至 36% |
| 大 tick | 明显不同——极端类别分类能力强得多，错误主要集中为误判为 0（"不动"） |
即：小 tick 股票上模型在"涨/跌"之间来回摇摆；大 tick 股票上它倾向于说"不动"。 这个差异直接影响策略——前者会频繁反向开平仓，后者更接近"不交易"。
核心发现二：p_T —— 一个面向策略的评价指标
定义
论文提出用"正确预测出完整成交的概率" p_T 替代传统指标。
三个集合：
| 集合 | 含义 |
|---|---|
| PT（Prediction Trade set） | 依据模型的预测而开仓或平仓的位置集合 |
| TT（True Trade set） | 实际最优开/平仓点构成的集合 |
| CT（Correct Trade set） | PT ∩ TT——预测的位置与真实最优点重合的那些 |
p_T = \frac{|CT|}{|PT|} = \frac{|PT \cap TT|}{|PT|}
论文对其"无假设"性质的说明：
当我们说"开仓/平仓"和"执行成交"时，指的是模型准确识别发起或结束一笔交易的最优进场点的能力（可以分别是两个动作，也可以合并）。
为什么传统指标不够
论文构造了两个极端例子（CT = 0），说明传统指标给出的数值与 p_T 相距甚远——这正是"学术上可接受的结果"与"实际可行"之间的距离。
论文的核心洞察（值得单独记下）：
在这个应用领域，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。具体说，我们关心的是： (i) 每一个"Down"或"Up"变动至少有一个正确的预测与之对应； (ii) 对已有的持仓没有任何过早的平仓信号。
当这两个条件满足时，其他性质与数量的错误都是可以容忍的。
这是一个与"准确率"完全不同的评价哲学——它关心的是信号的时序完整性，不是分类的总体正确率。
p_T 与 MCC 的关键对比
| 指标 | 提高置信度阈值时 |
|---|---|
| p_T | 下降 |
| MCC | 上升 |
两者方向相反。 论文的解释：
提高阈值会打断信号的连续性。即使经典 ML 指标因为信号强度提升而改善，我们却无法正确管理仓位。
这是本文最重要的一句话：提高置信度阈值能让准确率更好看，但会让交易变得无法执行。
另一个跨组差异：p_T 从大 tick 股票向小 tick 股票递减；MCC 则相反。
结论：大 tick 股票更有可能真正以全自动方式交易（不只是模型准，而是信号可用）。
个股层面的分离（p_T 揭示了 MCC 看不到的差异）
小 tick 组、H10，平均 PT = 1.63 \times 10^5，无阈值：
| 股票 | 平均 p_T |
|---|---|
| CHTR、GOOG、GS | 0.06 |
| IBM、MCD、NVDA | 0.12 |
这种分离在 MCC 图上看不出来（论文明确说 "which was not evident in Figure 9"），直接源于微观结构性质的差异。
对 p_T 方法的完整评价（本 wiki 记录）
优点：
- 直接面向策略——问的是"能不能下单"，不是"分类对不对"。
- 无假设——不预设阈值或参数。
- 揭示了传统指标看不到的差异（0.06 vs 0.12 的个股分离）。
- 给出 tick size 这一单一、可事前测量的判别变量。
局限（本 wiki 补充）：
- 只评估"信号可用性"，不评估"信号是否有正期望"——p_T 高不代表赚钱。仍需扣成本后的 PnL 检验。
- p_T 也随阈值下降，与 MCC 方向相反——没有一个指标同时"准确"且"可用"，实务中必须两个一起看。
- PT / TT 的定义依赖"最优开平仓点"的判定，这本身需要定义（论文声称无假设，但集合构造仍隐含标准）。
对本 wiki 其他内容的交叉印证
tick size 是判别变量 —— 三篇论文独立得出同一结论
| 来源 | 路径 | 结论 |
|---|---|---|
| Toth et al 2011 Anomalous Price Impact | 从流动性曲线出发 | 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)（Kurth 等 2026） | 从 CTA PnL 截面出发 | tick size 是趋势 PnL 退化的唯一截面判别变量 |
| 本文 | 从深度学习效果出发 | 大 tick 股票 MCC 显著更高更稳；小 tick 最优档流动性低、波动高 |
三篇路径完全不同（流动性机制 / 策略 PnL / 机器学习效果），但都指向 tick size 是关键市场结构变量。 这是本 wiki 记录的最强的一条跨领域共识。
微观结构性质决定可预测性 —— 与 Aït-Sahalia 2022 一致
本文发现大 tick（小 tick 的反面）股票更可预测。Ait-Sahalia Fan Xue Zhou 2022 High-Frequency Predictability 发现低价、低流动性、低波动、低相关的股票更可预测。两者方向一致——都指向"结构特殊"的股票更可预测。
一个被否证的"可预测性指标"
论文对 IR（information richness，information richness score） 这个新提出的指标做了检验：
原文声称它是股票可预测性的度量；这只部分正确。论文实证（附录 A）显示 IR 与 tick size 存在直接映射——因此 tick size 本身就可以用作可预测性的代理。
即：IR 并不携带超出 tick size 的信息。 这是一个具体的指标去冗余结论。
对本 wiki 的位置
- 入口概念: LOBFrame 与可交易性评估（新建）、更新 DeepLOB、LOB 深度学习序列 (Deep LOB Literature)、 更新 concepts/microstructure/流动性漏斗 (Liquidity Funnel)（tick size 的第三条独立证据）
- 源论文: 本文
- 作者: Antonio Briola、Silvia Bartolucci、Tomaso Aste — 需建实体页
- 必读对象: Zhang Zohren Roberts 2018 DeepLOB（本文用 DeepLOB 做实验，并批评其评价方式）
- A 股版本: Yang Fang Zhang Zhou 2025 Efficient Deep Learning LOB
Open Questions
- p_T 能否直接用于 A 股？ 需要定义"最优开平仓点"，而 A 股有 T+1（当日买入次日才能卖）与涨跌停，开平仓点的判定与美股不同。这是 p_T 落到 A 股的第一个障碍。
- 涨跌停如何影响 p_T？ 触板时价格被锁定，"最优开平仓点"在封板期间几乎无定义。
- p_T 高但 PnL 为负的情形：p_T 只衡量信号可用性，不衡量正期望。仍需扣成本后的 PnL 检验——本 wiki 认为这是 p_T 最重要的补充。
- 本 wiki 页面间的一条呼应：#17 自己观察到"准确率更低但盈利更高"，本文则从指标层面给出解释——准确率与可用性是两个独立的轴。
- 跨交易所验证：论文自己列为未来工作。本 wiki 认为这是必要的——NASDAQ 大 tick 占多数，而 A 股 tick 结构不同。
关键引用
Briola, A., Bartolucci, S., & Aste, T. (2024). Deep Limit Order Book Forecasting: A microstructural guide. arXiv:2403.09267（v4）。代码：github.com/FinancialComputingUCL/LOBFrame。
机构：University College London（计算机系）、London School of Economics（Systemic Risk Centre）、UCL Centre for Blockchain Technologies。
主要参考文献：DeepLOB [15]（本文的实验对象）；Lucchese 等 [74]（5 天滚动 z-score 归一化与数据处理）；Gorodkin (2004) MCC 的原始文献；Powers (2020) MCC 评价方法；Bouchaud 等 Trades, Quotes and Prices（微观结构性质的基础，见 Bouchaud Bonart Donier Gould 2018 Trades Quotes Prices）；IR 指标的原论文 [45]。