Lin & Yang (2025) — 用级联对比表示学习检测订单簿多档操纵
作者: Yushi Lin（南方科技大学计算机科学与工程系 / 广东省类脑智能计算重点实验室 / 统计与数据科学系）、Peng Yang（通讯作者，同上）。
发表: arXiv:2508.17086v2 [q-fin.CP]，2025-10-10。无期刊、无 DOI。资助：国家自然科学基金 62272210、62250710682、62331014。作者声明使用 ChatGPT 作为写作助手改善英文表达，未参与研究过程。
数据: LOBSTER 平台，NASDAQ 的 CSCO、TSLA、INTC 三只股票，2015 年 1 月 2 日一天。5 档订单簿 + 15 个人工特征，序列长度 T=25。
关键限制：所选数据中不含任何被报告的市场操纵事件，因此采用学术与工业界通行做法注入合成的多档操纵。
一句话总结
「挂假单」通常不是只挂一档，而是在多档同时挂、几毫秒内挂完再撤。先用 Transformer 把多档订单簿压成一个向量，再用「有监督对比学习」把这个向量空间里的「正常」和「异常」拉开距离，最后用传统异常检测器（OC-SVM、Isolation Forest）分类。
方法
任务形式化
输入为长度 T 的时间序列 S_t=\{X_t,\dots,X_{t+T-1}\}，X_t 含 LOB 快照 L_t\in\mathbb R^{4l}（l=5）与人工特征 F_t\in\mathbb R^m。
两阶段：表示 z_t=f_e(S_t)\in\mathbb R^D → 判别 y_t=g_d(z_t)（异常分数），评估时取阈值得二分类。
级联架构
- 阶段一 Multilevel LOB Encoder：Transformer 实现，单独预训练以最小化原始 LOB 输入的重建误差 L_{MSE}=\frac1T\sum_t\|\hat L_t-L_t\|_2^2；预训练后冻结
- 阶段二 Contrastive Fusion Encoder：把阶段一的紧凑隐向量与人工特征拼接后输入
有监督对比学习
混合损失 L=(1-\alpha)L_{MSE}+\alpha L_{SCL}（Khosla et al. 2020 形式，\tau 为温度，z 为 L2 归一化嵌入）。正负对定义：同为正常或同为异常 → 正对；一正常一异常 → 负对。
过采样：异常样本极稀少，构造 batch 时过采样保证每个 batch 里有足够异常样本，否则对比损失无法工作。
合成操纵注入（表 4）
以买方为例（卖方对称）：
| 参数 | 真实单 | 假单 |
|---|---|---|
| 方向 | 卖方 | 买方 |
| 价格 | Price1 ± (0,3) bps | (Price5, Price1 ± (0,7) bps] |
| 总量 | [2,3]× 平均单规模 | [5,6]× 平均单规模 |
| 委托笔数 | 1 | [10,15] |
| 到达间隔 | [1,5] ms | [10,20] ms |
| 撤单延迟 | 无 | [100,500] ms |
| 成交延迟 | [10,20] ms | 无 |
注入方式改编自 Poutré et al. (2024)；与以往研究不同，本文的注入跨全部 5 档而非只针对单一档位。
数据集统计（表 6）
| 数据集 | 训练模式 | 总委托数 | 被操纵委托数 | 异常占比 |
|---|---|---|---|---|
| 训练 | 原始（仅正常） | 1,254,707 | 0 | 0.00% |
| 训练 | 本文 | 1,239,632 | 388 | 0.03% |
| 验证 | 原始 | 295,482 | 0 | 0.00% |
| 验证 | 本文 | 324,807 | 74 | 0.02% |
| 测试 | 两者共用 | 66,524 | 3,350 | 5.04% |
主要结果
主结果（表 1，5 档 LOB + 人工特征）
| 检测器 | 表示模型 | 模式 | AUC-PR | AUROC | F4 | Precision | Recall |
|---|---|---|---|---|---|---|---|
| OC-SVM | CNN2 | 原始 | 0.176 | 0.777 | 0.604 | 0.155 | 0.738 |
| OC-SVM | LSTM | 原始 | 0.160 | 0.795 | 0.601 | 0.158 | 0.728 |
| OC-SVM | JFDS | 原始 | 0.252 | 0.854 | 0.653 | 0.238 | 0.733 |
| OC-SVM | JFDS | 本文 | 0.675 | 0.975 | 0.881 | 0.402 | 0.952 |
| OC-SVM | FEDformer | 原始 | 0.226 | 0.823 | 0.633 | 0.218 | 0.719 |
| OC-SVM | FEDformer | 本文 | 0.105 | 0.787 | 0.647 | 0.106 | 0.949 |
| OC-SVM | TimesNet | 原始 | 0.186 | 0.829 | 0.611 | 0.186 | 0.713 |
| OC-SVM | TimesNet | 本文 | 0.222 | 0.646 | 0.534 | 0.068 | 0.937 |
| Isolation Forest | JFDS | 原始 | 0.232 | 0.846 | 0.646 | 0.227 | 0.730 |
| Isolation Forest | JFDS | 本文 | 0.631 | 0.970 | 0.855 | 0.373 | 0.930 |
要点：
- JFDS（Transformer 系）提升最大（AUC-PR 0.252 → 0.675），其次 LSTM（0.160 → 0.375），CNN2 与 SimLOB 提升较小
- FEDformer 与 TimesNet 在部分指标上反而下降（OC-SVM + TimesNet 的 AUROC 0.829 → 0.646，Precision 0.186 → 0.068）——通用时间序列模型与 LOB 数据特性不兼容
- Isolation Forest 的改善比 OC-SVM 更明显（因其自身检测能力弱，更依赖表示质量）
多档操纵确实更难（表 7）
无 LOB 输入、原始模式、OC-SVM，单档注入 vs 5 档注入（AUC-PR）：
| 模型 | 单档注入 | 5 档注入 |
|---|---|---|
| CNN2 | 0.290 | 0.186 |
| LSTM | 0.262 | 0.174 |
| JFDS | 0.308 | 0.260 |
| SimLOB | 0.274 | 0.184 |
| FEDformer | 0.396 | 0.280 |
| TimesNet | 0.222 | 0.229 |
除 TimesNet 外，单档注入一律更容易检测。
LOB 有价值，但必须先被表示好（表 8）
仅用 MSE 损失加 LOB 反而变差：JFDS 0.260 → 0.252；CNN2 0.186 → 0.176；SimLOB 0.184 → 0.164；FEDformer 0.280 → 0.226；TimesNet 0.229 → 0.186。
原始 LOB 直接喂进重建式模型只会带来噪声。最佳路径是"本文损失 + 嵌入式 LOB"：AUC-PR 0.675 / AUROC 0.975 / F4 0.881。
深档更难识别（表 9）
仅统计第 2–5 档检出的异常时，所有模型的 AUC-PR 都明显低于 5 档全量（JFDS 0.675 → 0.451，LSTM 0.375 → 0.205，CNN2 0.198 → 0.109）。
消融
- 过采样比例 \beta（表 2）：\beta=0.5 → 0.470；\beta=0.3 → 0.470；\beta=0.1 → 0.483；\beta=0：完全无法训练。→ 过采样本身是关键，具体比例影响有限。
- 损失权重 \alpha（表 3）：\alpha=1 → 0.252；\alpha=0.8 → 0.540（最佳）；\alpha=0.5 → 0.526；\alpha=0.2 → 0.470；\alpha=0 → 0.252。→ 纯对比损失或纯重建损失都明显更差，两者必须混合。
- 级联架构（图 4）：Multilevel LOB Encoder 带来一致提升，但 CNN2 出现性能退化——并非所有架构都适合做 LOB 表示。提升主要体现在 AUC-PR → 级联架构对稀有事件检测特别有效。
论文自陈的局限
- 只有合成注入的操纵，没有真实操纵事件（所选 LOBSTER 数据中确实不存在被报告的操纵），结论对真实操纵模式的适用性未验证。
- 未探讨 Multilevel LOB Encoder 的具体架构设计（作者明说超出本文范围）。
- 训练集仍需少量标注异常（0.03%）才能训练对比损失，不是完全无监督。
- 承认通用时间序列模型与 LOB 数据不兼容。
对本 wiki 的位置
- 入口概念: concepts/microstructure/spoofing 的检测与识别 (Spoofing Detection)
- 相关: concepts/microstructure/LOB 深度学习序列 (Deep LOB Literature) · concepts/microstructure/DeepLOB · concepts/microstructure/LOBFrame 与可交易性评估（评价指标方法论）
- 同批论文: Tao Day Ling Drapeau 2020 Detecting Spoofing（多档失衡 + 统计距离路线）· Fabre Challet 2025 Spoofability（成本函数路线）
- 作者: Yushi Lin · Peng Yang（杨鹏）
关键引用
Lin, Y., & Yang, P. (2025). Detecting Multilevel Manipulation from Limit Order Book via Cascaded Contrastive Representation Learning. arXiv:2508.17086.