Zhang-Cucuringu-Shestopalo-Zohren (2026) — ClusterLOB：把订单按参与者行为聚类
作者: Yichi Zhang（牛津统计系 / Oxford-Man Institute，兼飞书研究院）、Mihai Cucuringu（UCLA 数学 / 牛津）、Alexander Y. Shestopaloff（QMUL 数学）、Stefan Zohren（牛津工程）
发表: Quantitative Finance 26(8): 1285–1309, 2026；DOI 10.1080/14697688.2026.2665153。收稿 2025-05-18，接受 2026-04-04。
数据: NASDAQ 一年 MBO（market-by-order，逐笔委托）数据，覆盖小跳动、中跳动、大跳动三类股票。
代码: github.com/YichiZhang-Oxford/ClusterLOB
这是本 wiki 第一篇用「逐笔委托」而非「逐笔成交」做参与者分类的论文。 库里已有 40+ 页微观结构内容，但主体建立在成交数据上（OFI、订单不平衡、DeepLOB 等）；本文是把委托流按行为聚类，再对每个簇单独算 OFI。
一句话总结
给每笔委托打上 6 个时间相关特征，用 K-means++ 把订单流聚成三簇——方向型、机会型、做市型——然后对每簇单独算订单流不平衡当信号。聚类后的信号样本外 Sharpe 1.34，而不聚类的基准只有 0.60。
核心方法
流程（论文 Figure 3 有示意图）：
- 给每笔 MBO 委托计算 6 个时间相关特征
- 对特征做 K-means++ 聚类，把订单分成 3 簇
- 对每簇在 30 分钟桶内计算订单流不平衡（OFI）
- 把每簇的 OFI 当作独立信号，构造交易策略
- 在训练集上选出 Sharpe 最高的策略，在测试集上与不聚类的基准比较
三簇的经济学解读：
| 簇 | 行为特征 |
|---|---|
| 方向型 (directional) | 持续朝一个方向下单，信息导向 |
| 机会型 (opportunistic) | 抓住短暂机会，方向不稳定 |
| 做市型 (market-making) | 双向挂单，提供流动性 |
这一步是全文最有价值的地方。库里现有的 OFI 页面是把所有委托混在一起算——Cont-Kukanov-Stoikov 的定义里，最优档的挂单量变化被完整计入，不管这个挂单是做市商双边挂的，还是方向型交易者下的。本文说：这三类人对 OFI 的含义完全不同，混在一起算等于把信号稀释了。
关键结果
Figure（累积收益）：
| 策略 | Sharpe | 每笔交易损益 (PPT) |
|---|---|---|
| 聚类 OFI（OFI^{S}_{\phi}） | 1.34 | 0.66 |
| 不聚类的基准（OFI^{\phi^*}） | 0.60 | 0.30 |
| 另一种聚类变体（OFI^{C}_{\phi^*}） | −0.78 | −0.39 |
注意第三行是负的——同一套聚类，换一个组合方式就变成 −0.78。这说明聚类本身不是护身符，信号怎么构造同样关键。
跨事件类型的分解：论文把 OFI 按 add（挂单）、cancel（撤单）、trade（成交） 三类事件拆开，检验信号在哪种市场状态下最有效。结论是聚类驱动的信号在所有事件类型上都优于不聚类的基准。
可迁移性（FRNB vs FREB）：论文做了两种切分方式的对比——
- FRNB（按前后时间切分）：训练集上 OFI^S_{\phi2} 最好，测试集上仍显著优于基准 \phi^*
- FREB（按事件类型切分）：OFI^S_{\phi2} 在测试集上不再是最好的，但仍在前三，且仍优于不聚类基准
这个对比的诚实之处：论文明说「聚类有益且可迁移，但最优的聚类设定本身在时间上不如基准稳定」。信号结构的稳定性 ≠ 聚类方法的价值——这是个容易被误读的结论。
与本 wiki 已有内容的关系
| 已有页面 | 关系 |
|---|---|
| Order Flow Imbalance (OFI | 最直接的对照——OFI 定义源头（Cont-Kukanov-Stoikov 2014）把所有委托混在一起算；本文说这样会稀释信号 |
| 多档订单簿不平衡 | Cont-Cucuringu-Zhang 2023 的多档扩展，同样是不分参与者的 |
| Order Flow Imbalance | 同上概念的另一版本 |
| 机构与散户的订单流差异 | 目标相近但方法完全不同——那页靠 A 股的投资者类型标识直接分机构/散户，本文靠无监督聚类从行为反推参与者类型 |
| DeepLOB 文献谱系 | 同样是 LOB 机器学习，但 DeepLOB 走监督学习预测价格，本文走无监督聚类解释参与者 |
| 订单簿结构复合变量 C | 同样试图用订单簿结构压成复合变量，但不区分参与者 |
| 做市商与库存风险 | 本文识别出的「做市型」簇，正是这个理论框架里的做市商 |
| 两类平方根冲击律 (Two Square Root Laws) | 理论侧的对应物——Durin-Rosenbaum-Szymanski 指出母单不自激而普通市价单流自激，因此母单失衡可被识别（论文点名「机器学习聚类算法」这一手段）；且冲击对参与率的依赖在平方根区与线性区之间切换，开关就是有没有能识别母单的老练交易者 |
附录 A 的方法来源：分解的订单流不平衡
本文附录 A 用的是 Decomposed OFI——把订单簿事件拆成 add（挂单）/ cancel（撤单）/ trade（成交） 三类分别算 OFI。 这个方法不是本文提出的，而是 Sitaru-Calinescu-Cucuringu (2023) 的贡献，原文明确写：
"The order flow imbalance decomposition (Decomposed OFI), introduced by Sitaru et al. (2023)... we adopt similar ideas as presented in this line of work."
那篇的核心结论值得先知道（详见 concepts/microstructure/分解的订单流不平衡 (Decomposed OFI)）：
| 分解 OFI（Sitaru 等 2023） | 本文（ClusterLOB） | |
|---|---|---|
| 拆分维度 | 事件类型 | 参与者类型（在分解之上再叠一层） |
| 同期解释力 | 无提升 | — |
| 前瞻表现 | PnL 3.15 bp、Sharpe 13.51 | Sharpe 1.34（基准 0.60） |
| 最重要的分量 | add（挂单），Lasso 选中频率约为其他分量 3 倍 | 论文未给分量重要性 |
本文的增量因此更清楚了：不是「发明了分解」，而是把分解后的 OFI 再按参与者簇分开算。 两篇是叠加关系。
一条值得追的线索：Sitaru 等发现 add（挂单）那一支最重要——挂单比撤单、成交更能预测未来收益。 这与本文「做市型簇」的直觉方向相反：做市商的挂单正是 add 事件的主要来源。 「哪一类参与者的挂单最重要」这个问题，两篇给了相反的暗示——值得做交叉检验。
与两类平方根冲击律的理论对照
Durin-Rosenbaum-Szymanski (2023/2026 从 Hawkes 订单流 + 无套利推出：母单不自激、普通市价单流自激，因此母单制造的失衡在原则上可以被识别——论文明确点名「用机器学习聚类算法逼近公允价」。
这给本文的路线提供了理论背书：无监督聚类识别出的簇，理论上是「自激性不同」的可观测后果。
但有一个落差必须记下：理论里的「老练交易者」是纯逆向的（识别母单后只反向卖出，方向性极强），而本文聚出的「机会型」簇是方向不稳定的。两者行为特征对不上——本文的 Open Questions 应补一条：「本文的『机会型』簇是否就是理论里的『老练交易者』？若不是，簇的经济学解释需要重写。」
A 股落地：三个具体障碍
- MBO 数据在 A 股的可得性是硬约束。 本文用的是 NASDAQ 的逐笔委托数据（每笔委托的挂撤改都可见）。A 股逐笔成交数据有「委托号」字段（见 逐笔成交的双向委托引用），能还原主动方；但完整的 MBO（每笔挂单、每笔撤单独立成条）在国内数据源里通常不提供——这比 A 股逐笔成交数据稀缺得多。这是本文方法在 A 股最根本的障碍。
- NYSE 专家做市制度 vs A 股无集中做市商。 本文数据是 NASDAQ（电子竞价市场、做市商是 HFT 群体）；A 股没有 NYSE 式的专家做市商，三簇的经济学含义会不同——「做市型」簇在 A 股可能对应的是流动性服务商（券商自营、量化中性账户）而非传统做市商。
- 聚类是无监督的，簇的个数 k=3 是先验给定的，没有内生的判据。论文用 6 个特征 + K-means++，但「为什么是 3 类、为什么是这 6 个特征」没有理论论证——在 A 股数据上（参与者结构不同）最优 k 很可能不是 3。
Open Questions
- A 股能否拿到 MBO 级数据？ 若只能拿到逐笔成交，「按参与者聚类」就要退化成「按成交的委托号聚类」——这是可行的近似，但会丢掉「挂单但未成交」的那部分委托。
- 簇的稳定性如何跨市场检验？ 论文的 FRNB/FREB 对比显示最优设定本身时间上不稳定，那么「三簇」这个结构本身稳定吗？本 wiki 无数据。
- 能否用 A 股的投资者类型标识（机构/散户）来验证聚类的经济含义？ 这是个好检验——如果聚类出的「做市型」簇在 A 股确实对应机构账户，说明方法可迁移；如果不对应，说明簇的含义是市场特定的。
- k 的选择方法——论文没有给。肘部法则/轮廓系数这类通用办法在订单流上是否可靠，未知。
- 「机会型」簇与理论里的「老练交易者」是不是同一群人？ 两类平方根冲击律 里的老练交易者纯逆向、方向性极强，而本文的「机会型」簇方向不稳定。若二者不是同一群人，本文的簇的经济学解释需要重写。
Cross-ref
- 概念: Order Flow Imbalance (OFI · 多档订单簿不平衡 · 机构与散户的订单流差异 · DeepLOB 文献谱系 · 做市商与库存风险 · 订单簿结构复合变量 C · 两类平方根冲击律 · 分解的订单流不平衡 (Decomposed OFI
- 作者: Mihai Cucuringu · Stefan Zohren
- 配套: 逐笔成交的双向委托引用 · L2 档位与委托队列
关键引用
Zhang, Y., Cucuringu, M., Shestopaloff, A. Y., & Zohren, S. (2026). ClusterLOB: enhancing trading strategies by clustering orders in limit order books. Quantitative Finance, 26(8), 1285–1309. https://doi.org/10.1080/14697688.2026.2665153
数据: NASDAQ 一年 MBO 数据，小/中/大跳动三类股票 · 信号频率 30 分钟桶
代码: https://github.com/YichiZhang-Oxford/ClusterLOB
主要引用：Cont, Kukanov & Stoikov (2014) OFI · Cont, Cucuringu & Zhang (2023) 多档 OFI · Zhang, Zohren & Roberts (2018) DeepLOB