基于深度学习的限价订单簿（LOB）动态预测与做市策略.docxVIP

基于深度学习的限价订单簿（LOB）动态预测与做市策略

一、引言

在全球电子化交易市场不断发展的背景下，限价订单簿已经成为市场微观结构的核心载体，所有未成交的限价订单按照价格优先、时间优先的规则排列，实时反映着市场供需双方的交易意愿与流动性水平。做市商作为市场流动性的核心提供者，通过持续在订单簿上挂出买卖双边报价赚取价差收益，其报价决策的核心依据就是对LOB未来动态变化的判断。过去几十年里，学界和业界围绕LOB预测与做市策略开展了大量研究，但传统方法大多基于线性假设或简单的统计模型，难以适配高频交易场景下LOB数据的高维、非线性、时变性特征，在复杂行情下的表现往往不尽如人意。

近年来，深度学习技术凭借其强大的高维非线性数据处理能力，在计算机视觉、自然语言处理等领域取得了突破性进展，也逐渐被应用到金融市场微观结构研究中。越来越多的研究表明，深度学习模型能够有效提取LOB数据中的隐藏特征，大幅提升短期价格与盘口走势的预测精度，进而为做市策略的优化提供了全新的技术支撑。基于此，本文从LOB的基本特征与传统研究范式的局限出发，梳理深度学习在LOB动态预测领域的三类核心技术路径，探讨基于预测结果的做市策略优化方向，分析实盘应用中面临的核心挑战与未来研究方向，为相关领域的研究与实践提供系统性的参考。

二、限价订单簿的核心特征与传统研究范式的局限

（一）限价订单簿的内涵与微观结构特征

限价订单簿是