在汪寿阳院士的倡议和指导下，南方科技大学李仲飞教授、首都经济贸易大学吴卫星校长和中山大学曾燕教授共同组织了《计量经济学报》2024年第5期“数字金融” 专辑，旨在探讨数字技术在金融领域的应用情况以及数字金融对不同主体的影响。本专辑录用的10 篇论文主要研究银行数字化转型对企业行为及其自身系统脆弱性风险的影响，大数据迁移学习、深度学习等技术在金融领域的应用，以及数字金融对个人和家庭的影响及其作用机制。其中，我院刘志东教授与杨濯博士合作发表论文“深度学习视角下限价指令簿信息含量研究”（计量经济学报，2024,Vol.4，Issue(5):1408-1440.DOI:10.12012/CJoE2024-0158）。

本文以高频逐笔指令数据为主要对象, 构建市场微观结构特征模型，并利用我国深交所选取的样本股数据进行实证检验，系统地分析限价指令簿多维度特征对市场信息含量的影响。具体而言，本文首先利用高频逐笔指令与逐笔成交数据重构了时变限价指令簿，并从横向时间维度和纵向空间维度分别提取了不同类型的指令流特征。其次，本研究将限价指令簿原始数据、成交数据和指令流特征作为输入，采用CNN-LSTM 深度神经网络模型预测了反映市场摩擦程度的微观结构指标：价格、价差、波动率和成交量，并综合评估了各种输入特征对预测结果的显著性和解释力。最后，本文从股价差异、特征信息传递效率、指令档位影响和跨资产效应四个方面对限价指令簿特征信息含量进行进一步探讨。

本文主要结论如下：（1）限价指令簿特征蕴含着对于样本股微观指标预测具有重要价值的有效信息。相比于成交数据，未成交的指令流包含着更多的有效信息，对于微观指标的预测显著性更高；（2）随着预测窗口期的逐步扩展，成交数据所携带的信息价值逐渐减弱，而未成交指令流所蕴含的信息价值逐渐凸显，其预测优势变得愈发明显；（3）成交数据以其高传递效率，有效捕捉买卖方信息不对称的实时变动；而指令流数据则凭借丰富有效信息，为市场预测提供坚实基础。两者的特征组合显著提升了预测性能，且在股票自身特征的异质性分析中展现出稳健性；（4）限价指令簿的各档位信息含量存在差异性，其中最优档位蕴含最为丰富的信息。更深档位虽然为市场动态预测提供了有价值的信息，但增加了计算成本。因此，在整合不同档位信息时，需要权衡信息有效性与经济可行性；（5）在跨资产预测中，样本股自身特征具有显著作用，然而其信息含量并非始终占据主导地位，来自不同资产的深度不平衡与成交特征的影响十分显著。引入跨资产特征会影响样本股自身特征的信息含量，因此在构建预测模型时，应充分考虑并利用跨资产特征的重要性。

本文通过多维度提取限价指令簿的数据特征，并深入探讨其与市场状态之间的内在联系，揭示了指令簿特征对市场信息效率和投资决策的重要性。基于深度学习模型的实证分析，本文进一步挖掘了指令簿数据中的有效信息，这不仅为我国A 股市场的微观结构研究提供了新的视角，也为市场信息效率的提升和投资决策的优化提供了有益的参考。具体而言，市场参与者在考虑限价指令簿特征时，应当根据自身的交易标的特性和当前市场环境进行深入分析。这涉及对限价指令簿各档位的信息含量进行细致研究，因为不同档位的数据反映了市场参与者对未来价格走势的不同预期和交易意愿。同时，考虑到金融市场中多种资产之间可能存在的交互影响以及信息传递效率的差异，市场参与者还需要对不同资产组合的信息含量及其变动进行综合分析。为了更全面地评估市场动态，市场参与者应当合理选择与交易策略最为相关的限价指令簿参考特征，通过对市场微观特征的实时监控和分析，交易者可以更加敏锐地捕捉到市场的微妙变化，从而做出更为精准的交易决策。与此同时，利用深度神经网络模型实时挖掘数据中的有效信息显得尤为重要。通过这些信息的辅助，交易者可以更加灵活地动态调整交易策略，以适应市场的快速变化。对于监管部门，指令簿特征的信息含量变化可作为动态监管的有力工具，有助于提升市场价格发现效率，及时预测市场风险并做出相应预警，本研究将有助于我们更深入地理解市场动态, 为投资者和市场监管提供更为精准和实用的工具和策略。

撰稿：刘志东

审核：刘志东