基于限价订单簿数据的DEEPLOB模型分析报告.pdfVIP

证券研究报告 ·金融工程深度 “逐鹿”Alpha 专题报告（十一） 金融工程研究 ——基于限价订单簿数据的DEEPLOB 模型 主要内容 简介 近年来，深度学习在寻找庞大样本数据的内在复杂规律上有着 010- 出色表现，并被广泛应用于各类领域。而量化领域本身具有数 发布日期： 2022 年 09 月 18 日 据量多以及模型复杂的特点，因此如何将深度学习应用于量化 SFC 领域成为行业热点。我们在前期的报告中尝试了使用 Temporal Fusion Transformer 结合日频的量价因子对未来的收益进行预 测。本文中我们将继续将深度学习模型与高频 level2 数据相结 合，对短期收益率进行预测。 数据介绍 本文采用米筐提供的 level2 数据，数据采用 blosc 压缩，HDF5 存储，单日数据量约为 10G ，包含有沪深股票，ETF ，LOF 以及 市场表现 可转债的 level2 数据。数据包含逐笔委托(orders) ，逐笔成交 19% (trades)和逐笔订单簿(orderbooks)三类信息。我们利用原始的逐 14% 笔订单簿数据重构出任意时刻的限价订单簿的截面数据。 9% 因子构建 4% -1% 0 0 0 0 0 0 0 0 0 0 0 0 利用重构出的 LOB 数据，选取原始的 40 个量价因子，以及 20 2 2 2 2 2 2 2 2 2 2 2 2 / / / / / / / / / / / / 6 7 8 9 0 1 2 1 2 3 4 5 / / / / 1 1 1 / / / / / 6 6 6 6 / / / 7 7 7 7 7 个截面类的委托强弱因子和 20 个时间序列类的量化变化率因