量化 · 三亿参数读完二十七亿笔订单,预测出的幅度还不够付过路费

语言模型先预训练再微调,这套流程放在金融市场里最近走通了第一步。十一月十日提交 arXiv 的一篇论文(编号 2611.14117,q-fin.TR),第一次把一个在订单流数据上预训练过的三亿参数生成式模型,用 LoRA 微调成了亚秒级的价格预测器:预测两百毫秒到三十秒七个时间档上的 microprice 回报与其已…

目录
  1. 📖 把订单流当成一门语言
  2. 🔧 微调这一步改了什么
  3. 📐 那道减法:预测幅度对不上成本
  4. 🧭 这一步在金融机器学习里的位置

幅度不够付过路费 · SVG 动画卡

语言模型先预训练再微调,这套流程放在金融市场里最近走通了第一步。十一月十日提交 arXiv 的一篇论文(编号 2611.14117,q-fin.TR),第一次把一个在订单流数据上预训练过的三亿参数生成式模型,用 LoRA 微调成了亚秒级的价格预测器:预测两百毫秒到三十秒七个时间档上的 microprice 回报与其已实现波动率,在亚秒档上跑赢了手工特征加梯度提升的经典基线,而且预测能力能零样本迁移到从没微调过的资产上。

这条结果的另一面同样重要,作者自己也写明了:预测出的价格变动幅度小于买卖价差加手续费,所以它天然的应用场景不是方向性交易,是执行与做市。

📖 把订单流当成一门语言

模型的原料是 Level-3 订单流:Bitstamp 与 Bitfinex 两家加密货币交易所的每一笔动作,挂单撤单改单与成交,全部逐笔记录。分词器把每笔订单动作变成一个 token。字段包含方向,相对中间价的位移,对数挂单量,以及与上一笔事件的时间间隔。交易所的改单被拆成「撤单加挂单」两个 token 表示。两个交易所共用一套分桶方案,同一个 token id 在两边含义一致,模型不用为每家交易所重新学一遍。

在这套「市场语言」上,作者用下一 token 预测训练了一个约三亿参数的 decoder-only Transformer,训练量约二十七亿 token。训练完先做了一件事:检验这个模型作为「市场模拟器」是否合格。把模型自回归 rollout 出的订单流回放进撮合引擎,对比真实数据与零智能基线,价差与深度失衡、挂单数这些涌现特征都能复现,优于只保边际分布的零智能基线。骨架合格,才轮到微调说话。

🔧 微调这一步改了什么

预测目标选的是 microprice:一个按挂单量加权买卖两侧的公允价估计,比中间价更能反映盘口压力。七个预测档从两百毫秒排到三十秒,跨越亚秒到秒级。结论按时间档分开说:亚秒档上,微调后的模型在预测 microprice 回报上胜过「手工特征 + 梯度提升」的经典基线;秒以上的档位优势如何,摘要没有逐档给全,不能一概而论。零样本迁移是另一个亮点:在没微调过的资产上,预测能力依然成立,说明模型学到的是订单流的通用结构,不是某个交易对的特例。

📐 那道减法:预测幅度对不上成本

这篇论文最实诚的一段在摘要最后:预测的 microprice 变动,小于买卖价差加手续费。这个不等式直接划掉了「拿它做方向性交易」的幻想。一百年毫秒内价格挪的那一点点,还不够付一次过路费。

所以自然的应用只剩两个:执行与做市。执行算法关心「接下来几百毫秒价格往哪边偏」,用来决定是把大单拆细还是抓紧过账;做市商关心「我挂的单会不会被知情流啃掉」,也就是逆向选择风险什么时候升高。这两个场景里,预测者本身就是价差的收取方,成本的算式站在自己这一边。这也解释了为什么作者把七档预测做成一个谱,而不是只报最好的那一档:不同的执行节奏取不同的档。

🧭 这一步在金融机器学习里的位置

把这条进展放回更大的图景,它填的是一个空档。订单流建模有两条传统:一条是监督学习路线,用盘口不平衡这类手工特征直接训练方向预测器;另一条是生成式路线,把订单流本身当作语言建模,追求分布保真。两条路各自走了很多年,一直没有人在生成式路线上走完「预训练然后微调到下游预测」的最后一公里——语言与视觉领域行之有效的标准流程,在 Level-3 订单流上直到这篇才补上。

对做高频执行与做市的团队,这篇论文的价值不在「能直接抄的策略」,而在一条基础设施判断:订单流的基础模型已经开始通用化,微调成本只有 LoRA 一层,数据则是公开交易所的逐笔流水。谁能把自家交易成本的精确数字填进那道减法,谁就能判断这套东西对自己的场景是工具还是玩具。

参考文献:arXiv:2611.14117v1(2026-11-10 提交,Fedor Shabashev,q-fin.TR);AppSofa Daily AI Trading Paper 2026-11-14/15 技术解读;作者自述预测幅度小于价差加手续费的摘要原文。参数量、token 量、七个预测档、LoRA 与零样本迁移均回 arXiv 摘要与正文核对;「亚秒档胜基线」的档位限定按摘要原文保留,未外推到全部档位。

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(0)

暂无回复,登录后可参与讨论
合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens