高频量化交易的核心竞争力正在经历一场底层技术范式的探寻。顶尖做市商 Jane Street 近期公开了一项针对高频限价订单簿（LOB）的生成式建模实验。研究员 Kavish 试图基于 4 年美股高频逐笔数据，搭建一套事件级自回归扩散模型，直接合成真实的订单到达时间、价格变动与挂撤单序列。然而实验结果给当前火热的扩散时序生成泼了一盆冷水：在标准余弦调度与 DDIM 采样下，底层去噪模型遭遇严重的数值爆炸，生成的连续微观指标完全脱离真实分布。
这不仅是一次模型调优的局部挫败，更暴露了金融高频时序与图像、音频等物理信号之间的本质鸿沟。计算机视觉领域行之有效的连续扩散假定，在面对充满离散规则与突发脉冲的市场微观结构时，遭遇了底层数学逻辑的剧烈排异。
8σ数值爆炸：顶尖量化机构的扩散模型滑铁卢
在传统量化交易体系中，算法模型多以判别式为主，即输入一连串历史挂单与成交事件，计算未来特定窗口内的价格点估计。量化界一直渴望迈向生成式世界模型，若能完整推演包含盘口微观深度与委托到达时差的逼真订单流，量化机构便能在沙盒中以极低成本回测复杂做市与套利策略。
Kavish 的实验正是沿着这一思路展开。他采用包含时间戳、价格、订单类型（成交、挂单、撤单）等字段的 4 年美股逐笔高频数据，设计了一套由因果掩码 Transformer 编码器主导的编码-扩散架构。模型试图自回归预测下一个微观事件，并将其滚入上下文。然而，当采用计算机视觉中极为经典的去噪扩散概率模型（DDPM）配合 1000 步余弦噪声调度时，生成过程彻底失控。
在全部 7 个预测的连续目标特征上，88% 至 95% 的生成数值偏离真实分布均值达 8 个标准差以上。去噪轨迹在高噪声级别下迅速漂移至极端边界，生成的盘口价格与间隔时间支离破碎。这表明，被众多算法团队视作通用底座的纯连续扩散机制，根本无法承受微观金融现实的检验。
伪连续的陷阱：当高斯噪声撞上离散微观结构
为什么能在生成逼真视频上大显身手的扩散算法，在看似维度更低的金融时序中会直接发散？症结在于金融微观数据物理属性的欺骗性。
视频画面无论在单帧像素强度的取值上，还是跨帧运动的位移上，在物理层面都呈现出真正的连续变化。然而，限价订单簿恰恰相反。虽然价格数字从宏观统计看具备极高基数、接近连续，但其演化机制完全受制于交易所撮合引擎的离散规则：最小跳价（tick size）使得以 1 个单位跳价抢单的行为远比跳跃 2 个单位普遍；委托到达的时间间隔更非高斯分布，而是高度扎堆在整秒、以及光纤传输与物理硬件所决定的最小物理反应时延上。
金融订单流并非平滑的连续时序，而是充斥着狄拉克脉冲的点质量集合。
连续扩散模型默认以平滑的高斯扰动逐步冲淡数据分布。但在面对具有狄拉克函数特性的尖锐尖峰（point masses）时，微小的高斯去噪误差会被公式中的反比例标度剧烈放大，最终导致去噪轨迹雪崩式发散。
为打破这一数学死局，Kavish 转向了整流流匹配（rectified flow matching）。不同于 DDPM 的曲折去噪步进，流匹配通过在噪声和真实数据之间进行线性插值，直接训练网络预测沿直线段的速度矢量，大幅拉直了采样轨迹。
同时，针对极度偏斜的数据形态（数据集中仅约 8% 的记录为实际成交，其余均为最优买卖价变动），团队引入了人为特征解耦：构建了一个包含 20 个类别的离散分类头，专门承接零时间间隔事件与买卖价跳跃方向；而连续扩散头仅负责生成非零时间间隔大小与跳跃幅度。配合对尖锐分布做展平后重构的原子平滑（atom smoothing）机制，模型在基于 10,240 个真实事件条件下的单步全变差散度（TV divergence）与真伪分类器评测中，终于展现出了逼真的单步特征分布。
复合误差与交互盲区：金融世界模型的分水岭
即便单步微观事件的边缘分布得到了工程修补，一旦进入长程推演，模型便现出原形。自回归推演几步之后，模拟出的盘口价差便出现不可逆的异常走宽，生成的序列不可避免地走向崩溃。
这一现象折射出当前生成式金融时序研究中的全行业路线分歧：
- 状态空间与纯时序派.Nagy 等人尝试利用状态空间模型捕捉逐笔消息的高速转移；TRADES 模型则在条件约束下探索订单流扩散，但始终受制于自回归误差快速累积的瓶颈。
- 图像表征派.Backhouse 等人提出的 Painting the Market 走了一条相反的极端道路，他们将订单簿状态渲染为二维切片图像，借用图像修复扩散模型模拟盘口。这种方案虽保全了宏观一致性，却彻底牺牲了逐笔事件的微观交互时序。
- 混合流匹配派.针对离散-连续混合的顽疾，学术界近期延伸出了离散流匹配以及先确定离散状态再条件生成连续幅度的级联流匹配架构，试图从概率生成机制层面抹平界限。
更深层的限制还在于系统评估维度的错位。2025 年机器学习顶级会议 ICML 上提出的 LOB-Bench 基准明确指出，一套合格的订单簿生成模型必须同时跨越四个门槛：消息级边缘分布、跨时间维度的风格化事实、条件市场冲击响应，以及合成数据在下游交易策略中的真实效用。
- 风险.当下的单向时序生成模型完全缺失了市场参与者博弈产生的反作用力；如果模型无法仿真一笔大单入场后其他做市商撤单与压价的动态反馈，其生成的长程数据就无法用于严苛的实盘策略评估。
目前量化业界构建金融微观模拟器的路径正在经历分化。对于试图在自回归生成中复刻市场的量化团队而言，单纯堆叠更深的网络或调大扩散参数早已触及边际收益的拐点；如何将微观结构博弈规则注入混合架构，才是迈向可用金融世界模型的真正转折点。