金工深度研究：基于level2数据图像的选股模型.pdf

金工深度研究：基于level2数据图像的选股模型。

人工智能 99：利用图像模型分析 level2 数据

如何从海量的 level2 数据中提取有效的 Alpha 信号？本文提出一种基于图 像识别的全新解决方案。该方法将高频逐笔成交与逐笔委托数据，转换为标 准化的三维图像格式。其中，图像的通道数、宽度和高度分别对应订单类型、 价格区间以及成交量/委托量区间，每个像素点的值则代表具备相同属性的 订单笔数，像素值越高，表明该类订单出现的频率越高。随后，本研究应用 强大的视觉模型 Vision Transformer（ViT）及视频模型 Video Vision Transformer（ViViT）对生成的图像（及图像序列）进行模式识别，从中提 取人工难以捕捉的微观结构信息，并最终形成个股收益预测信号。相较于传 统的时序神经网络模型，本方法能够提供差异化且有效的 Alpha 信号。

level2 数据的图像化处理

首先，针对上交所和深交所逐笔委托数据的规则差异，对上交所数据进行必 要修正。随后，参考微软亚研院 MarS 论文中对订单流数据的处理思路，将 逐笔成交和逐笔委托数据转换为 15×8×8 的图像数据。具体而言，图像通道 对应 15 种订单类型（如大小单、主动买卖、撤单等）；图像宽度代表按分 位数划分的价格区间；图像高度代表按分位数划分的成交量/委托量区间。 每个像素位置表示具有相同订单类型、价格区间及量区间的订单笔数，其值 越高，表示该类订单出现的数量越多。

基于 ViT 模型的图像特征学习

本研究采用 Dosovitskiy 等人于 2021 年提出 Vision Transformer 模型。ViT 模型将输入图像分割为固定尺寸的图块，经过嵌入和位置编码后，通过标准 的 Transformer 编码器学习图块之间的注意力关系，最后经全连接层输出预 测结果。在本应用中，以个股最新交易日的 level2 数据图像作为模型输入， 经过 ViT 模型学习图像特征，预测未来 10 日个股超额收益。在 2017 年初 至 2025 年 11 月底的回测期内（周频调仓），ViT 模型的周度 RankIC 达到 10.09%，多头组合年化超额收益为 18.62%，双边换手率为 144.93%。

基于 ViViT 模型的时序图像特征学习

为进一步捕捉时序模式，本研究将过去 20 个交易日的 level2 数据图像构造 成图像序列，视为四维视频数据进行处理。采用 Arnab 等人于 2021 年提出 的 Video Vision Transformer 模型，在嵌入阶段使用 Tubelet Embedding 方 法，将视频直接切分成固定尺寸的三维立方体，以保留局部时空特征；在编 码器阶段采用 Factorised Encoder 方法，先以 Transformer 编码器学习空间 注意力，再以另一个编码器学习时间注意力，从而在保持模型表现的同时降 低计算复杂度。在相同回测期内，ViViT 模型的周度 RankIC 为 9.64%，多 头年化超额收益为 18.26%，双边换手率降至 97.18%。

模型合成与指数增强组合表现

将 ViT 模型和 ViViT 模型进行等权合成，融合模型的周度 RankIC 进一步提 升至 10.48%，多头年化超额收益达 19.66%，双边换手率为 116.83%。基 于该融合模型构建指数增强组合，在 80%成分股约束以及无成分股约束两 种条件下，中证 500 增强组合的年化超额收益率分别为 10.45%和 12.35%， 信息比率分别为 2.19 和 2.26；中证 1000 增强组合的年化超额收益率分别 为 16.26%和 17.44%，信息比率分别为 3.40 和 3.14。