Yang, Fang, Zhang & Zhou (2025) — 基于限价订单簿的股价预测高效深度学习模型
作者: Jiahao Yang、Ran Fang、Ming Zhang、Jun Zhou（通讯）。机构：中科院声学研究所（中国科学院声学研究所，北京 100190）+ 中国科学院大学。
发表: arXiv:2505.22678（2025 年 5 月）。PDF 30 页。
一句话总结
A 股上"OFI 特征优于原始 LOB 数据"被直接复现（与 Kolm 等在 Nasdaq 的结论一致），且论文给出了一个新发现：A 股 LOB 每 3 秒才更新一次，这使得"先做特征处理再喂 LSTM"这一类架构（CNN-LSTM、MLP-LSTM）不再带来提升——在 Nasdaq 上有效的架构，在 A 股反而变差。
核心洞见一：LOB 数据买卖两侧的对称性
观察：原始 LOB 数据在买卖两侧存在固有的对称性——两侧是市场镜像，在结构与功能上天生对应。
问题：绝大多数方法把买卖两侧放在一起处理，没有利用这个对称性。
方案（Siamese 架构）：
- 买卖两侧分别过同一个模块，共享参数；
- 这样保证模型对两侧的处理方式一致；
- 减少参数与计算量，并更有效地利用数据。
论文明确说这是互补于现有方法的——现有方法把两侧合并处理。
通用性：可套用到不同架构（MLP、CNN、RNN），是一个通用且灵活的方案。
核心洞见二：MHA 只在特征好时有用
论文提出的 LSTM-MHA 架构：堆叠 LSTM 后接多头注意力（D=64，K=4 头），MHA 解码 LSTM 的细胞状态 [s_{t-N}, \dots, s_{t-1}] 以建模长距离依赖。
结论：
MHA 机制能进一步提升性能——但只在特征本身表现好时。若特征表现差，引入 MHA 反而导致性能退化。
实证：LSTM-MHA 在 LOB 特征下表现较差，但用 OFI 特征时优于其他所有基线。
核心洞见三：A 股架构与 Nasdaq 不同（本文最值得注意的发现）
论文的观察：
MLP-LSTM 和 CNN-LSTM 的表现不如纯 LSTM，且用 OFI 特征时反而恶化——这与 Nasdaq 市场不同。
论文的解释：
我们假设这可能是由于A 股 LOB 更新频率低。与 Nasdaq 的毫秒级更新不同，A 股 LOB 数据每 3 秒更新一次，因此在喂入 LSTM 前对数据做处理并不带来改进。
这是本 wiki 认为最有价值的一条：在 Nasdaq 上有效的架构，在 A 股不一定有效，甚至可能变差。 直接影响"A 股复现 LOB 深度学习"的方法选择。
核心洞见四：Transformer 失败
论文也试了 Transformer，但因果与非因果 Transformer 都表现很差，落后于所有其他模型。
两条原因：
- Transformer 通常需要大量数据才能有效训练，而本文的 LOB 数据量可能不足；
- Transformer 架构通常要求输入离散化（NLP 的 tokenization、CV 的 patchify），这不适合 LOB 数据的连续动态特性。
数据与实验设置
| 项 | 内容 |
|---|---|
| 标的 | 14 只军工板块相关的流动性较好的 A 股股票 |
| 期间 | 2021-01-06 至 2021-05-13（约 4 个月） |
| A 股 LOB 特征 | 交易所每 3 秒发布一次十档 Level-2，每天 4,500–5,000 个 tick |
| 模型 | MLP、堆叠 LSTM、MLP-LSTM、CNN-LSTM、LSTM-MHA（论文提出） |
| 输入 | 原始 LOB 数据 与 OFI 特征 两种，各自跑全部模型 → 10 个模型 × 2 种输入 = 20 个组合 |
| 测试集 | 149 个测试集（多股票 × 多测试期 × 多预测期） |
标签处理：价格变动多数是 0.01 元的渐进变化，但偶有跳价（异常）。论文把目标绝对值截断在 1 元（如实际涨 1.5 元则标签设为 1 元），理由是让模型聚焦正常价格变动、降低罕见大跳的影响，以提高稳定性与准确性。
排名方法：对每只股票、每个测试集、每个预测期，按 MSE 把 20 个组合从最好到最差排序（最好为 1，最差为 20），再对所有测试集取排名倒数的平均作为全局得分。
结果一：OFI 特征显著优于原始 LOB（A 股复现成功）
149 个测试集上的"胜出次数"（win times，Table 2）：
| 预测期 | 模型 | 原始方法·LOB | 原始方法·OFI | Siamese·LOB | Siamese·OFI |
|---|---|---|---|---|---|
| 10 | MLP | 60 | 89 | 77 | 70 |
| LSTM | 3 | 146 | 18 | 120 | |
| MLP-LSTM | 3 | 145 | 2 | 148 | |
| CNN-LSTM | 3 | 146 | 2 | 147 | |
| LSTM-MHA | 18 | 120 | 28 | 108 | |
| 20 | （同结构，见原表） |
在 149 个测试集上，除 MLP 外，OFI 特征在各种预测期与测试集上都显著优于 LOB 数据。
与 Nasdaq 结论一致：Kolm 等在 115 只 Nasdaq 股票上发现"在订单流上训练的模型显著优于直接在订单簿上训练的模型"。本文在 A 股上直接复现了这一结论。
MLP 例外：MLP 在 A 股上明显不如其他基线，可能不适合直接用于 A 股——论文推测是它捕捉复杂模式与依赖的能力有限。
结果二：Siamese 架构有效
Table 3（原始 vs Siamese，LOB 特征，预测期 10）：
| 模型 | 原始 | Siamese |
|---|---|---|
| MLP | 34 | 72 |
| LSTM | 106 | 71 |
| MLP-LSTM | 29 | 142 |
| CNN-LSTM | 34 | 132 |
| LSTM-MHA | 99 | 5 |
（预测期 20、50 的模式类似）
结论：除 LSTM-MHA 在 LOB 特征下外，Siamese 架构在多数情形下优于基线——通过利用 LOB 的对称性，增强了泛化能力与预测准确性。
总体：论文方法在超过 75% 的情形下改进了强基线（MLP 除外，因其本身表现差）。
结果三：OFI 与 LOB 关系的回归分析（Table 4）
用 LOB 与 OFI 两种输入的 MAE 与 R^2 互为解释/被解释变量做线性回归：
| 指标 | 截距 | 斜率 | 含义 |
|---|---|---|---|
| MAE | 各基线接近 0（MLP 除外） | 小于 1，且不变 | OFI 在各种数据难度上都更好，且几乎不受预测期影响 |
| R^2 | 各基线显著大于 0（MLP 除外） | h{=}10 时大于 1.0，随预测期增大而减小 | OFI 的优势与预测期有关：短预测期在难数据上优势更大；长预测期在简单数据上优势更大 |
这是一个精细的结论，不是笼统的"OFI 更好"。
一个值得注意的架构反直觉结论
在 A 股上：
| 架构 | Nasdaq 上的表现 | A 股上的表现 |
|---|---|---|
| LSTM（纯） | 基线 | 优于组合架构 |
| MLP-LSTM | 有改进 | 不如 LSTM，用 OFI 时恶化 |
| CNN-LSTM | 最强基线（Kolm 等） | 不如 LSTM |
| LSTM-MHA | — | LOB 下差、OFI 下最强 |
| Transformer | — | 两种都失败 |
结论：不要把 Nasdaq 的最佳架构直接搬到 A 股。
对本 wiki 的位置
- 入口概念: 更新 DeepLOB、LOB 深度学习序列 (Deep LOB Literature)、 concepts/microstructure/Order Flow Imbalance (OFI)（A 股复现证据）
- 源论文: 本文
- 作者: Jun Zhou（中科院声学研究所）— 需建实体页
- 同系列: Zhang Zohren Roberts 2018 DeepLOB（Nasdaq）· Briola Bartolucci Aste 2024 Deep Limit Order Book Forecasting（评价方法论）
- 数据前提: concepts/data-features/Level-2 档位与委托队列 (L2 Depth and Order Queue)
本 wiki 记录的三条跨市场结论
1. "OFI 优于原始 LOB"在 A 股复现成功
| 市场 | 结论 | 来源 |
|---|---|---|
| Nasdaq | 订单流训练的模型显著优于订单簿训练的 | Kolm 等（本文引用） |
| A 股 | 同样结论，149 个测试集上多数情形 OFI 胜出 | 本文 |
| Nasdaq（TAQ） | 预测口径下成交侧变量优于订单簿侧 | Ait-Sahalia Fan Xue Zhou 2022 High-Frequency Predictability |
| A 股（Shen 2023） | 预测口径下 TI 强于 OFI | concepts/microstructure/订单流分解 (Order Flow Decomposition) |
四条结论方向一致——成交侧信息确实比订单簿侧更有用于预测。 本 wiki 认为这是本批次最一致的实证共识。
2. 数据频率决定架构选择（本文独有）
A 股 LOB 每 3 秒更新 vs 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。
3. 归一化与数据量同样关键（本文独有）
论文指出 Transformer 失败的两条原因之一是数据量不足——4 个月 14 只股票的数据无法支撑 Transformer 训练。
Open Questions
- 14 只军工股是有偏的样本。 军工板块同质性高、流动性与波动特征相近，OFI 的优势可能来自板块特性而非普遍规律。用全市场股票复现是必要的。
- 4 个月的数据是否足以支撑结论？ 论文自己指出这是 Transformer 失败的候选原因之一。能否在更长样本上复现 OFI > LOB？
- 3 秒 LOB 是否能改进以提升预测？ 论文论证"预处理不再有收益"，但若能拿到更细的 LOB 快照（如逐笔委托），结论是否改变？这需要沪市逐笔委托数据（见 concepts/data-features/Level-2 档位与委托队列 (L2 Depth and Order Queue)）。
- p_T 指标能否用于本文的模型？ Briola Bartolucci Aste 2024 Deep Limit Order Book Forecasting 的 p_T 与 MCC 方向相反的结论，在本文的模型上是否也成立？本文只报了 MAE 与 R^2，未报可交易性评估。
- "OFI 优势在短预测期依赖难数据、长预测期依赖简单数据"这个结论的原因未展开——为什么 R^2 的斜率随预测期下降？
关键引用
Yang, J., Fang, R., Zhang, M., & Zhou, J. (2025). An Efficient deep learning model to Predict Stock Price Movement Based on Limit Order Book. arXiv:2505.22678。中科院声学研究所。
主要参考文献：Kolm, Turiel & Westray (2023) — 115 只 Nasdaq 股票，比较"订单流训练"与"订单簿训练"，这是本文最直接的启发来源；Cont, Kukanov & Stoikov (2014) — OFI 定义；Shen 等、Xu 等 — 用 OFI 特征拟合 OLS 预测未来价格变动；Prata 等 LOBCAST — 15 个深度学习模型的稳健性检验，发现"暴露在新数据上时所有模型性能显著下降"；Yin 等 — CNN-LSTM 用于 A 股的专家交易系统；Lucchese 等 — 大规模分析订单簿驱动的高频收益可预测性；Zhang 等 DeepLOB；注意力机制 [41]。