买卖价差 Corwin-Schultz 估计：只用每日最高最低价，把「隐性成本」算出来

你以 100 块「市价」买入一只股票，但市场上真实的买方报价（bid）可能是 99.9、卖方报价（ask）是 100.1。中间那 0.2 块就是买卖价差（bid-ask spread）——你交易时实际付出的隐性成本。机构每天在数十只标的上进进出出，价差累积起来就是实打实的磨损。

结论先放这：

Corwin & Schultz (2012) 证明：不需要逐笔成交明细，只靠每日的最高价 H 和最低价 L，对比「单日高低区间」与「相邻两日重叠高低区间」，就能把隐藏的买卖价差反演出来。本质是解一个二元一次方程组——价差 s 和日波动率 σ 被encode在这两个区间里，对比二者即可分离。

实战里，H/L 从任意行情源（Tushare、Yahoo、交易所日线）都能直接拿到；对 A 股还要注意用「未复权」或统一「前复权」的 H/L，避免除权日的高低跳变污染区间。

实战里，H/L 从任意行情源（Tushare、Yahoo、交易所日线）都能直接拿到；对 A 股还要注意用「未复权」或统一「前复权」的 H/L，避免除权日的高低跳变污染区间。

一、为什么每日高低价里藏着价差#

1. 一个朴素的直觉#

一天之内，价格不会只停在中间价（mid）上。它在买卖价之间上蹿下跳：最高价接近当日的 ask 上沿，最低价接近 bid 下沿。于是：

$\ln(H_t / L_t) \approx s + \text{日内波动率带来的区间}$

其中 s 就是相对价差（spread，取对数后）。如果某天价格波动很小（低波动），但高低区间依然很宽——那宽出来的部分，大概率就是价差。

2. 关键技巧：用「两日区间」分离波动率#

难点是：单日区间同时混着「价差」和「波动率」。Corwin-Schultz 的巧思是再看相邻两日重叠的高低区间 ln(max(H_{t-1},H_t)/min(L_{t-1},L_t))。两日区间里，波动率按 √2 累积放大，但价差只加一次（两日共用同一套买卖价逻辑）。于是：

• 单日区间：h1 = s + c1·σ
• 两日区间：h2 = s + c2·σ ，其中 c2 > c1

两个未知数（s, σ）、两个方程——直接可解：

$\sigma = \frac{h_2 - h_1}{c_2 - c_1}, \quad s = h_1 - c_1 \cdot \sigma$

c1, c2 是「区间对该波动率的敏感度常数」，由日内采样结构决定，可用蒙特卡洛标定（下文详做）。

二、从零实现：标定区间常数 c1、c2#

我们先造一个「纯噪声、无价差」的日线，统计单日与两日高低区间对波动率的敏感度，得到 c1, c2。这一步在 s=0 下做，避免价差与波动率在数据里混在一起难以分离。

import numpy as np

rng = np.random.default_rng(2026)
DAILY_VOL = 0.015   # 每日中间价漂移波动
N_INTRA = 48        # 每个交易日内的采样点数

def one_day(mid, s, sigma_d):
    """一天的高/低：中间价 ± 半价差，叠加日内波动噪声。"""
    n = rng.normal(0, sigma_d, N_INTRA)
    ask = mid * np.exp(s / 2 + n)      # 卖价上沿
    bid = mid * np.exp(-s / 2 + n)     # 买价下沿
    return ask.max(), bid.min()

def estimate_constants():
    """在 s=0（纯噪声）下标定 c1（单日）、c2（两日重叠）。"""
    c1s, c2s = [], []
    for sig in [0.004, 0.006, 0.008, 0.010, 0.015]:
        h1, h2 = [], []
        for _ in range(4000):
            m0 = 100.0
            m1 = m0 * np.exp(rng.normal(0, DAILY_VOL))   # 独立的次日中间价
            A = one_day(m0, 0.0, sig)
            B = one_day(m1, 0.0, sig)
            h1.append(np.log(A[0] / A[1]))                 # 单日区间
            h2.append(np.log(max(A[0], B[0]) / min(A[1], B[1])))  # 两日重叠区间
        c1s.append(np.mean(h1) / sig)
        c2s.append(np.mean(h2) / sig)
    return float(np.mean(c1s)), float(np.mean(c2s))

c1, c2 = estimate_constants()
print(f"c1={c1:.3f}  c2={c2:.3f}  (c2-c1={c2-c1:.3f})")
# 输出：c1≈4.462  c2≈6.258  (c2-c1≈1.796)

c2-c1≈1.796 是这套方法的「对比杠杆」：两日区间比单日区间多出来的波动率敏感度。c1≈4.46 表示单日高低区间约等于 4.46 × 日波动率（这是 48 个日内采样点下的经验常数）。

三、反演估计器#

拿到 c1, c2 后，对任意一段真实日线，滚动地对比单日与两日区间即可反演出价差。

def estimate_spread(high, low, win=20):
    """滚动窗口估计价差（bps）。s = h1 - c1*(h2-h1)/(c2-c1)。"""
    Tn = len(high)
    h1 = np.log(high / low)                       # 单日区间
    H2 = np.maximum(high[1:], high[:-1])          # 相邻两日重叠高
    L2 = np.minimum(low[1:], low[:-1])            # 相邻两日重叠低
    h2 = np.log(H2 / L2)
    h2 = np.concatenate([[np.nan], h2])
    s_est = np.full(Tn, np.nan)
    half = win // 2
    for t in range(half + 1, Tn - half):
        m1 = np.nanmean(h1[t - half:t + half])    # 窗口内单日区间均值
        m2 = np.nanmean(h2[t - half:t + half])    # 窗口内两日区间均值
        sigma = (m2 - m1) / (c2 - c1)             # 先解波动率
        s = m1 - c1 * sigma                       # 再解价差
        s_est[t] = s
    return s_est

价格路径与日内高低价差带如下——价差带越宽，隐性买卖价差越大。

四、验证：估计能还原价差的时间变化吗？#

我们造一段「已知真实价差」的模拟日线：平静期 80bps、温和压力 150bps、高压期 250bps，日内波动率压低到 0.6%，让价差成为区间里「有意义的成分」（这一点很关键，见第六节陷阱）。把真实价差与估计价差摆在一起：

分区间核对（取每个区间的均值估计，比滚动噪声更稳）：

排序完美（平静 < 温和 < 高压），高压窗口几乎 1:1 还原。这说明 CS 估计最核心的价值——捕捉价差的时间变化与相对排序——是真实有效的。

滚动估计的分布也明显右移：压力期估计整体高于平静期。

五、滚动窗口越长的稳定性#

价差估计本质在用「区间差」反推，单日噪声很大。用更长滚动窗口平均，能显著压低噪声：

这也是 Corwin-Schultz 原论文的建议：实际估计时用 1 个月（约 21 个交易日）的滚动窗口做平均，而不是逐日估计。

六、五个不能忽略的真实陷阱#

别把上面的「还原」当成万能。以下每一条都会让估计翻车：

1. 低频数据病态条件（最大陷阱）：本文的标定里 c2-c1≈1.8，而 c1≈4.46。价差 s 是从「大范围里抠出的小残差」反推的——s = h1 - 4.46·σ。一旦 h2-h1（用来估 σ 的量）有 5% 误差，s 就会被放大约 4.46/1.8≈2.5 倍。当价差相对波动率极小时（比如大盘股 1–2 bps 价差 vs 1% 日波动），s 几乎被噪声淹没，估计会严重失真。这也是为什么本文用「宽价差/低波动」的较不活跃标的来演示——CS 方法在流动性差、价差占比大的资产上才稳。

2. 日收益自相关稀释对比杠杆：上面的 c2-c1≈1.8 假设相邻日收益近似独立。若日收益有自相关（趋势市、连续涨跌），两日区间不会按 √2 累积波动率，实际 c2-c1 会被压小，进一步恶化病态条件。真实实现需先检验/修正自相关。

3. 小价差系统性低估：表中平静期（80 bps）只还原出 44 bps，而高压期（250 bps）近乎精确——小价差被低估、大价差还原好。这是反演法固有的非线性：残差越小，相对误差越大。应用时不能把估计值当绝对真值，应看其相对变化。

4. 窗口长度主观：用 10 日、20 日还是 30 日窗口，估计水平会漂移。应报告敏感性（如第五节），而非给一个「标准答案」。

5. 微观结构噪声：真实日线的高/低可能受盘中熔断、集合竞价、临时停牌污染；且若用复权价，高低区间会混入除权跳变。应用前需清洗高低价、统一复权口径。

七、小结#

Corwin-Schultz 把「看不见的买卖价差」变成了一个只用每日最高/最低价就能算的量化指标。它的优雅在于：不需要任何逐笔成交数据，对比单日与两日的高低区间，解一个二元一次方程组就分离出价差和波动率。

但它的有效是有条件的：价差必须是当日区间里「有意义的成分」——流动性越差、价差占比越大，估计越稳；而对大盘股那种「价差淹没在波动里」的场景，它本质上是病态条件的，结果只能看相对变化、不能当绝对真值。

把它当作「价差相对水平的温度计」而非「精密卡尺」——这才是工程上诚实的用法。