想象你准备在一只股票里下大单。眼前的订单簿很厚，并不代表五分钟后仍有足够对手盘；新的挂单会进来，旧单也可能成交或撤走。你真正想知道的，不只是价格往哪走，而是接下来五分钟里，不同价位可能新增多少买单和卖单，以及这些判断有多大把握。
Jung Hun Phee 与 Tucker Balch 提出的 OrderFlowDiT，正面处理这个问题。它用当前订单簿和最近五分钟的订单流，生成未来五分钟内新提交的限价单量分布。限价单是交易者指定价格、等待成交的委托；订单簿（limit order book）则把尚未成交的买卖委托按价格排开，显示每个价位愿意提供多少流动性。
先强调一个容易误读的地方：模型预测的不是“五分钟后的订单簿快照”，也不是下一笔成交价。它预测的是未来五分钟内，各价位累计会收到多少新限价单。以下结果均来自论文自身，尚无独立信源交叉验证。
不是猜一个数，而是生成多种未来
普通预测可能只给出一条平均曲线。但平均值会掩盖风险：两种预测都可以认为某个价位平均新增一万股，其中一种每次都接近一万股，另一种却可能在“几乎没有”和“大量涌入”之间摆动。对做市和执行来说，这两种情形完全不同。
OrderFlowDiT因此采用概率预测——不只报一个最可能结果，而是生成多种可能的未来。模型保留买卖两侧、不同价格档位和绝对挂单量之间的联合关系。它没有把每个样本强行归一化成总量相同的比例图，所以“单子挂在哪里”和“一共来了多少单”都留在预测里。
这里的 DiT 是 Diffusion Transformer。扩散模型（diffusion model）学习从随机噪声逐步还原数据；它常被用来生成图片，在这里生成的却是一张“价位—挂单量”分布图。Transformer 则是一类擅长识别序列中远近联系的神经网络，用来综合当前订单簿与近期订单流。每次从不同噪声出发，模型都能给出一个可能的未来场景，多个场景合起来表达不确定性。
模型把预测起点的中间价当作坐标锚点，在统一价格网格上表示订单簿、过去订单流和未来挂单。买卖盘一起进入模型。输出解码回实际股数，并裁掉负值。
关键不是“差多少”，还要看“差在哪”
如果逐格使用均方误差（mean squared error，MSE），模型只会看到每个价格格子的数字差异。它不会明确理解：把一笔挂单错放到相邻价位，和错放到很远的价位，性质并不一样。
论文为此加入 unbalanced optimal transport（UOT，不平衡最优传输）辅助损失。可以把挂单量想成堆在价格刻度上的货物。最优传输计算的是：要把预测的货物分布搬成真实分布，需要付出多少搬运成本。价位偏得越远，成本越高。
但普通的“平衡”传输要求两边货物总量相等，实际预测与真实挂单量显然可能不同。UOT放松了这个要求，同时惩罚价格位置偏移和总量差异。OrderFlowDiT仍以扩散模型的MSE为基础，只是额外加入这条懂得价格几何关系的训练信号；噪声很高、干净结果尚不可靠时，辅助项的权重也会降低。
这个设计的价值很直观。做市商关心哪些价位可能补充流动性；执行策略需要判断一笔订单是否会吃穿多个档位；库存管理则需要同时考虑买卖两侧供给是否失衡。只预测总挂单量，会丢掉价位；只预测归一化后的形状，又会丢掉真实规模。UOT试图把两件事放回同一幅图里。
评价一组未来，不能只挑平均答案
论文还提出一套完整字段评估框架。“完整字段”指同时比较所有价位、买卖两侧和实际挂单量，而不是只核对几个汇总指标。
其中，full-field transport cost 衡量单个生成结果在价位和总量上离真实情况多远。transport energy score 则进一步评价整组概率预测：样本既要接近真实结果，也不能全部挤成几乎相同的答案。论文还使用 proper scoring rules（恰当评分规则，即从长期看，诚实表达真实概率分布会得到最好分数）以及 calibration diagnostics（校准诊断，用来检查预测所称的不确定性是否与实际频率相称）。
这套评价方式提醒了一件常被忽略的事：生成结果平均看起来很准，不等于概率分布可靠。模型如果总给出一条保守、集中的答案，可能有较低的平均距离，却低估真正的不确定性。
45.8%意味着什么
主要比较覆盖30只美国股票，共1,950个 validation conditions，也就是1,950组验证条件。论文将只用MSE训练的 Base-MSE，与加入UOT的 Base-UOT放在同一批条件上比较。
据论文报告，Base-UOT相对Base-MSE将 full-field transport cost 降低45.8%，transport energy score 降低26.1%。这两项指标在实验涉及的每只股票上都改善。论文还称，联合字段评分和买卖侧挂单量的 CRPS 也有改善；CRPS是一种评价概率预测的评分，兼顾预测位置与分布宽度。
这些数字不能改写成“预测准确率提高45.8%”，更不能推导为收益率或交易表现提升。它们只说明：在论文定义的验证集和特定指标下，加入UOT后，模型生成的挂单字段更好地兼顾了价格位置、总量与概率分布。
论文对GRPO微调版本的分析也很有启发。GRPO是一种按同一条件下多组输出的相对奖励来更新模型的方法。微调后，部分传输和挂单量指标继续改善，但完整字段成本、联合字段评分和总体挂单量校准变差，样本之间也更相似。说白了，预测可能更贴近已发生的答案，却同时变得过于集中。这正说明为什么不能靠单一指标宣布胜利。
局限与未知
- 这项比较使用2026年6月23日的数据；同一天也用于选择模型检查点，因此属于验证集结果。论文配置中的6月24日测试集没有用于本文报告的比较，也没有真实交易验证。
- 目标只包含新增限价单。它省略撤单、成交和五分钟内的事件顺序，因此不能单独推出未来订单簿、剩余流动性或价格变化。
- 每种学习配置只使用一个训练随机种子。论文未给出逐股完整数值、方差或显著性检验，跨市场、跨时期的稳定性仍未知。
OrderFlowDiT最值得关注的，不是它已经交出一套可直接交易的答案，而是它把问题问得更完整：未来流动性不只是一个总量，也不只是一条平均曲线，而是一组带有价格位置、绝对规模和不确定性的可能世界。对做市、流动性管理和执行决策来说，这比单纯猜下一笔价格更接近真正需要面对的问题。