用于高频交易中订单流不平衡预测的混合向量自回归与神经网络模型

在高频交易中，准确预测订单流不平衡（OFI）对于理解市场动态和维持流动性至关重要。本文介绍了一种混合预测模型，该模型结合了向量自回归（VAR）与一个简单的前馈神经网络（FNN），用于预测 OFI 并评估交易强度。VAR 组件捕获线性依赖关系，而残差被输入到 FNN 中以建模非线性模式，从而实现对 OFI 预测的全面方法。此外，该模型计算买方或卖方的强度，提供关于哪一方承受更大交易压力的见解。这些见解有助于通过识别高买入或卖出强度时期来制定交易策略。使用来自 Binance 的合成和真实交易数据，我们证明该混合模型在预测准确性方面有显著提升，并增强了基于 OFI 动态的战略决策。此外，我们将混合模型的性能与独立的 FNN 和 VAR 模型进行了比较，结果表明该混合方法在合成和真实数据集上均实现了更优的预测准确性，使其成为高频交易中 OFI 预测的最有效模型。