实战案例六：机器学习预测短期价格波动辅助做市
做市商最怕什么？
怕方向做反，怕库存被套，怕波动突然放大把单子全吃掉。
我做了这么多年做市，发现一个规律：短期价格波动其实是有迹可循的。不是那种玄学的预测，而是基于订单流、盘口深度、成交量这些微观结构特征，可以训练出一个模型，帮我们提前几秒判断价格要往哪边跑。
这一章，我们就来搞一个实战案例：用机器学习预测未来1秒的价格方向，辅助做市策略调整报价。
为什么是1秒？
做市商的时间窗口很短。你想想看，挂单在盘口上，可能几百毫秒就被吃了。预测太远没意义，预测太近来不及反应。我个人习惯用1秒窗口，既能捕捉到微观动量，又留够了调单的时间。
我曾经试过预测5秒后的价格，结果发现模型精度和随机猜差不多。后来才明白，高频环境下的价格序列，超过3秒基本就是随机游走了。
特征工程：从原始数据中挖金子
模型好不好，特征说了算。我见过太多人直接把价格序列扔进LSTM，结果一塌糊涂。做市场景下，真正有用的特征是那些反映买卖力量对比的指标。
核心特征列表（我常用的）：
- 买卖价差（Spread）：当前最优买价和卖价的差值，越小说明流动性越好
- 订单簿不平衡（Order Book Imbalance）：买一到买五的总量 vs 卖一到卖五的总量，比值越大说明买方越强
- 成交量变化率：过去1秒成交量 vs 过去10秒平均成交量，捕捉放量信号
- 价格动量：过去3笔成交的价格变化方向，连续上涨还是下跌
- 大单出现频率：超过某个阈值的单子出现的次数，大单往往预示方向
嗯，这里要注意：特征不是越多越好。我踩过一个坑，把50多个特征全塞进去，结果模型过拟合得一塌糊涂，回测漂亮，实盘直接崩。后来我学乖了，只保留5-8个最核心的特征，反而更稳定。
模型选择：LightGBM 就够了
很多人一上来就上深度学习，其实没必要。做市场景下，数据量通常不会特别大（一天几万条样本），而且我们需要模型可解释——你得知道它为什么这么预测，才能决定要不要信它。
我个人推荐 LightGBM，原因有三：
- 训练速度快，调参方便
- 自带特征重要性，能告诉你哪个指标最管用
- 对缺失值和异常值比较鲁棒，实盘数据脏一点也能扛
我曾经用XGBoost做过一版，效果差不多但训练慢了一倍。后来就全面切到LightGBM了。
代码实战：从数据到模型
下面这段代码，是我在实盘环境中跑过的简化版。数据用的是Level2行情，包含逐笔成交和盘口快照。
import pandas as pd
import numpy as np
import lightgbm as lgb
from sklearn.model_selection import train_test_split
# 假设我们已经有了原始数据
# 包含字段：timestamp, bid_price, ask_price, bid_vol, ask_vol, trade_price, trade_vol
def extract_features(df):
"""提取做市相关的特征"""
features = pd.DataFrame()
features['timestamp'] = df['timestamp']
# 买卖价差
features['spread'] = df['ask_price'] - df['bid_price']
# 订单簿不平衡
features['imbalance'] = df['bid_vol'] / (df['ask_vol'] + 1e-8)
# 过去1秒成交量
features['volume_1s'] = df['trade_vol'].rolling(10, min_periods=1).sum()
# 过去10秒平均成交量
features['volume_10s_avg'] = df['trade_vol'].rolling(100, min_periods=1).mean()
# 成交量变化率
features['vol_ratio'] = features['volume_1s'] / (features['volume_10s_avg'] + 1e-8)
# 价格动量（过去3笔成交的方向）
price_diff = df['trade_price'].diff(3)
features['momentum'] = np.sign(price_diff)
return features.dropna()
# 构造标签：未来1秒价格是否上涨
def create_labels(df, lookahead=10):
"""lookahead=10 对应100ms*10=1秒"""
future_price = df['trade_price'].shift(-lookahead)
label = (future_price > df['trade_price']).astype(int)
return label
# 加载数据
df = pd.read_parquet('level2_data.parquet')
features = extract_features(df)
labels = create_labels(df)
# 训练集/测试集划分
X_train, X_test, y_train, y_test = train_test_split(
features.drop('timestamp', axis=1),
labels,
test_size=0.2,
shuffle=False # 时间序列不能乱序
)
# 训练LightGBM模型
model = lgb.LGBMClassifier(
n_estimators=200,
max_depth=5,
learning_rate=0.05,
class_weight='balanced'
)
model.fit(X_train, y_train)
# 查看特征重要性
importance = pd.DataFrame({
'feature': X_train.columns,
'importance': model.feature_importances_
}).sort_values('importance', ascending=False)
print(importance.head())小技巧：训练时记得设置 shuffle=False。时间序列数据一旦打乱顺序，模型会学到未来信息，回测结果会虚高。我刚开始做的时候犯过这个错，回测准确率80%，实盘直接腰斩。
如何用预测结果辅助做市？
模型预测出未来1秒价格要上涨，我们该怎么做？
不是简单地把卖单撤掉或者追涨。做市的核心是调整报价的偏向性。
我的策略逻辑：
- 预测上涨概率 > 0.7：把卖单价格上调2个tick，买单价格上调1个tick。这样既能吃到上涨的利润，又不会完全放弃买单
- 预测下跌概率 > 0.7：反过来，买单下调2个tick，卖单下调1个tick
- 概率在0.4-0.6之间：保持中性报价，不调整
- 概率 < 0.3：说明模型很确定方向，可以激进一点，单边调整3个tick
说白了，模型不是用来做方向性交易的，而是帮我们动态调整报价的偏移量。这样即使预测错了，损失也有限——因为我们的单子还在盘口上，只是位置差了几个tick。
避坑指南：实盘中的三个大坑
模型在回测里跑得再好，上了实盘都可能翻车。我总结三个最常见的坑：
坑一：特征延迟
你用的特征，在实盘里可能已经过时了。比如订单簿不平衡，从数据到达你的机器到模型输出预测，中间可能有几十毫秒的延迟。我曾经没注意这个，结果模型用的都是旧数据，预测准确率直接掉到50%以下。
解决办法：在回测时就要模拟延迟，给特征加上10-50ms的随机延迟再训练。
坑二：模型过拟合到微观结构
有些特征在特定市场环境下特别有效，比如大单出现频率。但换个品种或者换个时间段，这个特征可能就失效了。我见过一个模型，在BTC永续合约上跑得飞起，换到ETH上直接崩。
解决办法：多品种、多时间段交叉验证。如果模型只在某个品种上有效，那就要小心了。
坑三：预测准确率不等于赚钱
模型预测对了60%，但可能赚的钱还没手续费多。因为做市商的利润来自买卖价差，而不是方向性收益。如果模型让你频繁调整报价，交易成本会吃掉所有利润。
解决办法：在回测中一定要扣除手续费和滑点，用真实的PnL来评估模型，而不是准确率。
可视化：模型决策流程
下面这张图，展示了整个流程：从原始行情数据，到特征提取，再到模型预测，最后影响做市策略的报价调整。
回测结果怎么看？
模型训练完了，回测跑完了，怎么判断它有没有用？
我一般看三个指标：
| 指标 | 说明 | 合格线 | 优秀线 |
|---|---|---|---|
| 预测准确率 | 模型判断方向是否正确 | > 55% | > 62% |
| 夏普比率提升 | 加入模型后 vs 纯做市策略的夏普提升 | > 0.3 | > 0.8 |
| 最大回撤降低 | 模型是否帮助避开了大波动 | 降低 > 10% | 降低 > 25% |
说实话，准确率能到60%以上就已经很好了。毕竟预测的是未来1秒的价格方向，随机猜也有50%。关键是看夏普比率有没有提升，这才是赚钱的核心。
我的经验：模型最大的价值不是提高胜率，而是降低极端情况下的亏损。比如突然有大单砸盘，模型能提前半秒感知到，帮你把买单撤远一点。这半秒的差距，可能就是几千块的盈亏。
好了，这一章的内容就到这里。机器学习预测短期波动，说白了就是给做市策略加了一双「预判」的眼睛。它不会让你一夜暴富，但能让你在波动中活得更久。
交易系统化学习资料 微信Strategy888888