OrderFlowDiT：用于概率性限价订单供给预测的传输正则化扩散 Transformer

arXiv:2610.22727v1 公告类型：新 摘要：我们研究在给定当前订单簿和近期订单流的情况下，未来五分钟内提交的限价订单量的条件分布。该任务要求联合捕捉价格挂单位置、总成交量和预测不确定性。逐坐标扩散损失无法显式考虑价格位移，而将各字段归一化为单位质量会丢失总成交量信息。仅在选定的汇总统计量上达成一致，也不能证明对联合字段分布的保真度。我们提出了 OrderFlowDiT，这是一种用于未归一化买方和卖方按价格划分的订单量字段的条件扩散 Transformer，并采用非平衡最优传输（UOT）辅助损失进行训练。我们还构建了完整字段评估框架，将对价格挂单位置和总成交量敏感的传输成本，与适当评分规则和校准诊断相结合。在涵盖30只美国股票的1950个验证条件上的主要比较中，相较于仅使用均方误差训练，引入 UOT 使完整字段传输成本降低45.8%，传输能量得分降低26.1%。两项指标在每只股票上均有所改善。这些结果支持在生成建模中纳入价格几何结构和成交量，并同时评估字段准确性与预测不确定性。