A DECOUPLED LOB REPRESENTATION FRAMEWORK FOR MULTILEVEL MANIPULATION DETECTION WITH SUPERVISED CONTRASTIVE LEARNING
创建于 更新于
摘要
本文针对多层级限价委托簿（LOB）中隐蔽的交易操纵（如欺诈性“假挂单”行为）检测难题，提出一种结合级联LOB表示与监督对比学习的新型表示学习框架。该框架通过引入Transformer嵌入模块和双重损失函数，有效提升表示区分度，显著改善多层级操纵行为检测性能。实验覆盖多模型、多输入配置，验证了多层级异常的复杂性及LOB数据适当表示的关键价值，Transformer架构获得最优结果。消融分析突出级联表示流水线及监督对比学习的贡献，为复杂序列数据的异常检测提供新洞见[page::0][page::1][page::4][page::6][page::8][page::9]。
