高频特征分析——适应性逻辑回归 Adaptive Logistic Regression

这个特征在Online Learning机制下运行，使用10个最新交易事件，也就是说根据最新的信息流更新对下一个中间价格变动的预测。同时，使用Hessian矩阵作为自适应率。此外还提供了来自接近最佳的LOB水平与更深的LOB水平之间的关系的逻辑系数。

逻辑方程表示为：

参数估计通过计算参数的似然性进行。损失函数为：

下一步进行参数的优化：

问题零：特征计算的结果是什么？
输出是分别用出价和卖出价的标量(即概率)表示的特征表示。
The output is the feature representation expressed as a scalar (i.e. probability) of the bid and ask price separately.
特征的计算结果应该是h(V)这个函数的值。

问题一：Hessain矩阵的作用是什么？
使用Hessian矩阵作为自适应率。

问题二：矩阵V代表什么呢？
订单簿中前6档的股票的数量。V are the stock volumes for the first best six levels of the LOB。