您被要求为一种高度流动的权益资产开发一种高频（HF）交易策略，该策略使用机器学习。您可以使用Level 3限价订单簿（LOB）数据、历史交易数据以及相关的市场新闻数据。您的目标是预测短期价格波动（例如，未来100毫秒的中间价变化），并设计一个最优的执行策略。 请详细描述您的端到端方法，涵盖以下关键方面： 1. **数据预处理与特征工程：** 您将如何处理原始LOB数据和新闻数据？您会提取哪些特征，为什么？请特别关注如何处理非平稳性（non-stationarity）和微观结构噪声（microstructure noise）等挑战。 2. **模型选择与架构：** 您会考虑哪些机器学习模型或架构，以及如何进行选择？请讨论针对高频数据的具体考量（例如，序列建模、延迟、可解释性、对市场机制变化的鲁棒性）。 3. **回测与评估：** 您将如何严格回测您的策略，以避免常见的陷阱（例如，过拟合、前瞻偏差、数据窥探）并确保其鲁棒性？对于高频交易而言，哪些指标至关重要？ 4. **风险管理与执行：** 您将如何将风险管理整合到您的机器学习模型和执行逻辑中？请讨论交易成本、市场冲击和延迟将如何影响您的策略设计和性能。