Silvia Bartolucci
大白话：伦敦大学学院与伦敦政治经济学院的学者，做订单簿深度学习的可评估性研究；本 wiki 收录她与 Briola、Aste 合著的《Deep Limit Order Book Forecasting》——指出论文里报的高准确率不等于实盘能用，因为传统准确率/F1 这类指标会奖励「什么都不预测」的保守模型，于是提出用 p_T（完整预测一整段成交过程的概率）作更严格的标准，并发现最小报价单位（tick size）决定深度学习到底有没有用。
机构：University College London（计算机系）· London School of Economics（Systemic Risk Centre）· UCL Centre for Blockchain Technologies。
研究领域: 金融市场微观结构与机器学习的交叉，深度学习预测的可评估性。
在本 wiki 中的论文
- Briola Bartolucci Aste 2024 Deep Limit Order Book Forecasting — LOB 深度学习的评价方法论：提出 p_T（正确预测完整成交的概率）替代传统 ML 指标；发现 tick size 决定深度学习效果；开源 LOBFrame。见 LOBFrame 与可交易性评估
相关
- 合作者: Antonio Briola · Tomaso Aste（同机构）
- 概念: LOBFrame 与可交易性评估 · LOB 深度学习序列 (Deep LOB Literature)
- 被其批评的对象: Zhang Zohren Roberts 2018 DeepLOB