一篇新的研究论文探讨了订单流在预测加密货币期货市场流动性状态转换中的重要性。该研究分析了 2023-2026 年 Binance BTCUSDT 和 ETHUSDT 期货数据，发现事件前的 L2 流动性状态是主要的预测信号，优于可解释的 logit 模型。订单流只有在 L2 状态模型之上叠加时才增加价值，并且其稳健性在 BTC 和 ETH 之间有所不同。研究结果建议采用“状态优先”的设计原则来构建市场微观结构模型，并为包括基于强化学习、执行策略或 LLM 的模型在内的未来模型提出了基线和评估协议。 AI
影响 建议采用“状态优先”的设计原则来构建市场微观结构模型，为基于 LLM 的上下文层提供基线。
排序理由 在 arXiv 上发表的学术论文，详细介绍了一种新的市场微观结构建模方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.09230v1 Announce Type: cross Abstract: Building event-conditioned market models requires separating macro-event labels from persistent microstructure state. We study this distinction in Binance BTCUSDT and ETHUSDT futures from 2023-2026, combining top-20 L2 order book …
Building event-conditioned market models requires separating macro-event labels from persistent microstructure state. We study this distinction in Binance BTCUSDT and ETHUSDT futures from 2023-2026, combining top-20 L2 order book data, trade-flow records, and macro-event windows.…