直播预告 | 非凸科技高频量化研究员：深度学习在订单簿预测重构的应用

 报告介绍 

订单簿（Limit Order Book）是量化交易中非常重要的分析对象，订单簿包含了当前交易盘口若干档位的买卖订单信息，通过对这部分信息做一些量化的处理和分析，往往能够辅助和指导我们进行交易。在很多市场中完整的订单簿信息有时会难以获得（订阅费用太高，交易所没有维护提供等），但大部分交易市场中盘口一档的信息和TAQ（Trade & Quote）信息都是比较容易获得的，进而产生了利用一段时间序列上盘口一档和TAQ数据去预测和重构完整订单簿的研究方向。 

预测重构订单簿的应用一般分为两类，其一是利用准确的预测重构模型去生成大量的时序订单簿，这样的订单簿往往和市场的真实规律比较相近，可以供研究员作为新的数据集使用；其二是通过准确预测出未来订单簿的变化趋势和信息，可以直接指导我们进行交易，换而言之，我们在知道未来盘口变化的情况下，能够制定出胜率更高的交易策略。 

分享将围绕《The LOB Recreation Model: Predicting the Limit Order Book from TAQ History Using an Ordinary Differential Equation Recurrent Neural Network》 一文展开，讲述和讨论这篇文章如何通过对盘口进行建模并引入时序的深度学习模型获得了比较好的预测结果。

 嘉宾介绍 

Walter

非凸科技高频量化研究员

Walter，非凸科技高频量化研究员，上海交通大学上海高级金融研究院金融科技方向硕士。本科毕业于上海交通大学计算机专业，主要研究方向是三维计算机视觉，本科期间在计算机顶会SIGGRAPH Asia发表论文一篇，曾连续三年获得上海交通大学荣誉奖学金等荣誉。