本研究针对限价单簿（LOB）表示学习中的特征提取和通用性不足问题，提出了标准化基准LOBench，并利用中国A股市场数据进行评估。研究展示了有效提取可转移特征的方法及其在不同任务中的优势，为未来研究提供了可复制的框架和指导。

本文探讨了利用深度学习通过限价单簿数据预测股票价格的方法。研究表明，微观结构特征对预测效果有显著影响，并提出了一种新的评估框架。通过多种深度学习模型的实验，发现合适的特征和模型选择能有效提高价格变动的预测准确性。此外，研究还应用了贝叶斯神经网络和Hawkes模型，进一步提升了预测的准确性和利润。