订单不平衡策略在两种汇率方向下均获较高胜率、Avellanda-Stoikov模型使做市损益分布更集中、非监督学习自动从数据中识别市场regime切换——彭博FICC量化训练营展示了外汇量化交易从传统技术指标到微观结构、从监督学习到非监督学习的多元演进路径。工商银行、中国银行、交通银行、民生银行、平安银行、浙商银行、上海农商银行七家机构的外汇策略实践。
微观结构策略——订单不平衡与自动做市
中国银行订单不平衡策略
每秒计算当前市场订单不平衡度指标，设定阈值判断是否出现不平衡信号，每个交易日平仓。该策略胜率不依赖于汇率走势，短时预测准确性高、市场响应迅速。局限性在于策略容量有限、对低延迟要求高，难以刻画冰山单等隐藏流动性。
Avellanda-Stoikov自动做市策略
做市商通过动态调整点差平衡收益与库存风险，使用HJB方程求解最优化问题。100次模拟显示，AS策略损益期望为正、分布更集中，每日最大敞口及波动均小于简单策略。简单策略成交量略大但损益标准差显著更大。
机器学习策略——XGBoost与LSTM的应用
工行XGBoost欧元预测准确率85%+
三个机器学习模型预测欧元兑美元方向，t+20预测准确率85%-87%。反转因子识别长单边行情末尾降低无效交易。策略年化收益率10.72%，夏普比率1.378。
中国银行VAR+LSTM汇率联动交易
对离岸与在岸人民币汇率建立二维VAR模型，后续使用LSTM模型训练获得更优效果。执行速度与手续费率对策略结果影响较大，需采用自动化方式开展交易。
非监督学习与模式识别
民生银行KL散度+聚类自动识别regime
对外汇（欧元、日元）、黄金、美债、标普500等数据进行非监督学习，通过KL散度与聚类分析将市场划分为7个阶段。自动捕捉“解放日”和黄金历史高点等关键切换点，无需人工标注。
中国银行DTW模式识别年化25.5%
余弦相似度、相关系数、闵可夫斯基距离、DTW四类算法对比，余弦相似度效果最优，年化25.5%。DTW对时间轴伸缩具有鲁棒性，适合处理不同速度的趋势行情。
波动率与趋势策略
交通银行EUR/CNY期权波动率推导
从USDCNY和EURCNY的实际相关性和隐含相关性构建EURCNY波动率。短期调整后实际波动率可用于定价，长期隐含波动率预测性更强。
上海农商银行波动率止损优化
将近期固定区间波动均值纳入动态止损机制，提升止损灵活性与市场适应性。在传统趋势策略中加入波动率作为止损条件，有效降低整体回撤。
