收盘集合竞价动力学：尾盘流动性与价格发现 • halo 的技术博客

如果让你在一个交易日的几千个价格里只留一个，留哪个？答案没有悬念：收盘价。基金净值按它算，指数按它编，期货期权按它结算，质押保证金按它估值，业绩基准按它考核。一个交易日 4 个小时的连续撮合，最后浓缩成一个数字——而这个数字，在大多数主要市场上，不是由连续竞价的最后一笔成交决定的，而是由**收盘集合竞价（closing auction）**这个专门设计的机制决定的。

结论先放这：收盘竞价是全天最大的单一流动性事件，也是被动资金时代最拥挤的交易时点。 受控模拟显示三个可操作的规律：（1）竞价单点成交占全天约 8%，且随被动化程度逐年上升；（2）竞价期间的指示价格大体收敛，但尾秒大单可以瞬间改写收盘价——这是操纵监管的重点区域；（3）竞价买卖失衡具有系统性的次日反转：极端买压十分组的隔夜收益显著为负，指数调仓日冲击 0.85% 对应次日反转 -0.38%。冲击越大，反转越深——收盘竞价里的激进方，平均在为流动性付费，而不是在赚信息的钱。

一、为什么会有收盘集合竞价#

连续竞价决定收盘价有一个致命弱点：最后一笔成交可能只有 100 股。 如果收盘价可以被一笔小单定义，那所有挂钩收盘价的合约都成了操纵的靶子——尾盘用极小成本打出一个价格，撬动的是几百倍名义本金的衍生品结算。

集合竞价的解法是把”最后一个价格”从一笔交易变成一场拍卖：在收盘前的固定窗口（A 股 14:57-15:00 三分钟，美股 NYSE/Nasdaq 的 closing cross，欧洲多数市场 5 分钟竞价 + 随机结束时间），所有订单集中申报、不即时撮合，最后按最大成交量原则确定一个单一清算价格。想操纵这个价格，你要吃掉的不是最后一笔成交，而是整个竞价盘口的失衡——成本从几万块变成几千万。

这个设计带来一个副产品：流动性向竞价迁移。 大机构发现在竞价里交易有三重好处——按收盘价成交等于零跟踪误差（对指数基金是刚需）、单一清算价没有买卖价差、巨量订单在拍卖里的冲击小于在连续竞价里扫单。于是全球市场都出现了同一条曲线：

日内成交量 U 型曲线

日内成交量的经典 U 型（开盘高、午盘低、尾盘翘）之外，收盘竞价作为单一时点吃掉全天约 8% 的成交量——在美股，这个数字从 2010 年的 3% 一路涨到近年的 10% 以上，指数调仓日可以超过 30%。被动投资的每一块钱申赎，最终都在收盘竞价里落地。

二、指示价格的收敛：拍卖如何发现价格#

竞价期间交易所会持续播报指示价格（indicative price）——按当前订单簿撮合会产生的清算价。观察指示价格的路径，就是观察价格发现的实时过程：

竞价指示价格收敛

模拟的五条路径里，四条呈现教科书式收敛：早期订单少、指示价噪音大，随订单持续流入方差衰减，最后稳定在均衡价附近。但红色路径展示了竞价的软肋——尾秒大单。在竞价结束前最后几秒砸入巨量单边订单，指示价格瞬间跳升近 1%，而其他参与者已经来不及反应。

这正是各市场规则设计互相较劲的地方：

A 股：14:57-15:00 竞价期间不可撤单，压缩了”虚假申报再撤单”的操纵空间；
欧洲（LSE、Euronext）：竞价结束时间随机化（如 16:35 后 0-30 秒随机），让”最后一秒狙击”无法精确执行；
美股：NYSE/Nasdaq 从 15:50 起持续发布失衡信息（imbalance feed），公开买卖失衡的方向和数量，用信息透明吸引反向流动性来自然对冲失衡。

三种思路殊途同归：让尾秒大单要么做不了（不可撤单）、要么瞄不准（随机结束）、要么被对冲掉（失衡公开）。对量化交易者来说，美股的 imbalance feed 是三者中唯一直接产生了一个可交易数据源的设计。

三、竞价失衡的次日反转：激进方在付费#

核心实证问题：收盘竞价里的净买压，是信息还是流动性需求？如果是信息（知情者抢在收盘前建仓），失衡方向应该延续到次日；如果是流动性需求（指数基金无脑按收盘价买入），失衡造成的价格偏离应该反转。

模拟 4000 个股票日，按竞价买卖失衡度分十组，看次日隔夜收益：

竞价失衡的次日反转

答案清晰：反转占主导。 极端买压组（第 10 组）次日隔夜收益显著为负，极端卖压组（第 1 组）显著为正，中间组基本为零。这说明收盘竞价的边际定价者平均是不带信息的流动性需求者——他们把价格推离均衡，隔夜由做市商和套利者赚取回归收益。

这个模式在特殊日期上被急剧放大：

特殊日期的竞价冲击与反转

普通交易日冲击 0.12%、反转 -0.03%，几乎可以忽略；月末基金定盘日冲击 0.28%；期指交割日 0.41%；而指数调仓日冲击高达 0.85%，次日反转 -0.38%——冲击接近一半在次日吐回。指数调仓是全市场提前几周就知道的公开信息，被动基金却必须在生效日收盘价成交（否则产生跟踪误差），这是市场上规模最大、日期最确定、方向最公开的流动性需求——也因此是被研究最充分的”给流动性提供者送钱”的场景。

四、策略实现：失衡反转的最小可行版本#

import numpy as np
import pandas as pd

def closing_auction_reversal(df: pd.DataFrame,
                             imb_col: str = "auction_imbalance",
                             top_q: float = 0.9,
                             bot_q: float = 0.1) -> pd.DataFrame:
    """
    收盘竞价失衡反转策略（信号当日确定，次日隔夜持仓）。

    df 需要的列（均为当日可得，无 look-ahead）：
      auction_imbalance : 收盘竞价净买入量 / 竞价总成交量, [-1, 1]
      close             : 当日收盘价（竞价清算价）
      next_open         : 次日开盘价（仅用于计算收益，不进信号）
    """
    out = df.copy()
    # 信号：当日截面分位（只用当日已知信息）
    hi = out.groupby("date")[imb_col].transform(lambda s: s.quantile(top_q))
    lo = out.groupby("date")[imb_col].transform(lambda s: s.quantile(bot_q))
    out["pos"] = 0.0
    out.loc[out[imb_col] >= hi, "pos"] = -1.0   # 极端买压 -> 做空隔夜
    out.loc[out[imb_col] <= lo, "pos"] = +1.0   # 极端卖压 -> 做多隔夜
    # 收益：收盘买入/卖出，次日开盘平仓（隔夜收益）
    out["overnight_ret"] = out["next_open"] / out["close"] - 1.0
    out["pnl"] = out["pos"] * out["overnight_ret"]
    daily = out.groupby("date")["pnl"].mean()   # 组内等权
    return pd.DataFrame({
        "daily_pnl": daily,
        "cum_pnl": daily.cumsum(),
    })

# 关键约束：
# 1. 失衡数据必须是竞价期间公布的 imbalance feed（美股）或
#    竞价成交量拆解（A 股需从 level-2 重构），不能用收盘后才知道的数据
# 2. A 股做空受限：实盘只有"极端卖压做多"半边可用
# 3. 隔夜持仓吃掉的是流动性溢价，本质是做市收益——
#    必须扣除借券成本、隔夜跳空风险的资本占用

python

三个实现要点：信号必须来自竞价期间可见的数据（美股 imbalance feed 从 15:50 开始播报，可以在竞价内直接反向提供流动性，比隔夜持仓资本效率高得多）；A 股只有半边（做空受限，极端买压组的负收益看得见吃不着）；这是做市收益不是 alpha（赚的是流动性溢价，规模上限低、对手方是自己人越多越薄）。

A. 实现细节#

信号判定字段：收盘竞价净失衡度（净买入量/竞价总量），当日竞价期间可得；分组用当日截面分位数，不使用任何未来数据。
执行时点：收盘竞价内建仓（按清算价成交），次日开盘平仓；隔夜收益 = 次日开盘/当日收盘 - 1。
仓位口径：极端组内等权，多空对称（A 股实盘只保留多头半边）。
模拟设定：失衡度由 30% 流动性驱动 + 70% 噪音构成，价格冲击系数与反转系数按微观结构文献量级设定（冲击 0.6、反转率 25%），4000 个股票日。
特殊日期对比：四类日期的冲击/反转参数独立设定，用于展示”冲击-反转”的正相关结构，非同一模拟的内生结果。

B. 已知偏差#

模拟数据非实盘数据：失衡-反转的量级（极端组隔夜 ±0.1-0.2%）取自文献常见范围，实际市场随年份、市场、股票流动性差异极大；本文展示的是机制结构，不是可直接外推的收益预期。
竞价内成交假设过于理想：反向提供流动性的订单未必能全部按清算价成交（竞价有配比规则），大额订单本身会改变清算价。
隔夜跳空风险未建模：隔夜持仓暴露于全部盘后信息（财报、政策、外盘），模拟中的噪音项低估了肥尾；单日爆亏可以吃掉数月的流动性溢价。
A 股竞价结构差异：A 股收盘竞价仅 3 分钟且无失衡信息公开播报，信号重构依赖 level-2 逐笔数据，成本和延迟都高于美股 imbalance feed。

C. 结果解读#

收益来源是流动性溢价，不是信息：失衡次日反转而非延续，说明竞价激进方平均不带信息——策略本质是给被动资金的刚性需求做对手方，属于做市收益。这类收益真实但规模上限低，参与者多了溢价自然变薄。
冲击-反转的正相关是核心结构：普通日 0.12%/-0.03% 到调仓日 0.85%/-0.38%，反转率稳定在 25-45% 区间。这意味着策略容量集中在少数特殊日期——一年里大部分利润来自指数调仓日、交割日、月末定盘这十几个交易日。
尾秒大单是双刃剑：指示价格收敛图里的红色路径既是操纵风险（监管重点），也是反转信号最强的样本——收盘价被尾秒大单改写的股票，次日回归的概率和幅度都最大。实盘中”指示价格最后 30 秒跳变幅度”是比总失衡更锐利的条件变量。
策略适用边界：反转逻辑在流动性驱动占主导时成立。财报日、重大公告日的竞价失衡是信息驱动的，失衡方向会延续而非反转——不加事件过滤的全样本反转策略，会在这些日子上把做市收益亏回去。
更深的含义：收盘竞价占比逐年上升意味着价格发现在向单一时点集中，连续竞价时段的价格越来越像”竞价间的过渡状态”。对所有用收盘价回测的策略，这既是好消息（收盘价越来越可成交），也是坏消息（收盘价附近的拥挤本身在制造新的微观结构噪音）。