Huang-Stoll 价差成分分解：用两步回归量化价差的三大来源 • halo 的技术博客

一个 0.10 元的价差，到底装了什么#

你在盘口看到买一 9.95、卖一 10.05，报价价差 0.10 元。做市商真能把这 0.10 元揣进兜里吗？

答案是：大概率不能。这 0.10 元是三块完全不同的东西粘在一起，只有一块是做市商能稳稳赚到的利润，另外两块要么是他被知情交易者薅走的、要么是他为承担持仓风险索要的补偿。

Huang 和 Stoll (1997) 的贡献，是给出了一个能把这三块拆开定量的框架。这不是学术玩具——你做 TCA（交易成本分析）、给做市策略回测、给不同标的排毒性，用的都是同一套分解逻辑。

三种成分，三种指纹#

Huang-Stoll 把价差 $s$ 分成三份：

$s = \underbrace{\alpha s}_{\text{逆向选择}} + \underbrace{\beta s}_{\text{库存}} + \underbrace{(1-\alpha-\beta)s}_{\text{订单处理}}$

关键是这三块在价格数据里留下的痕迹完全不同：

订单处理成分（order processing） 是最”干净”的一块——撮合、清算、场地这些固定成本。它的指纹是纯粹的 bid-ask bounce：成交价在买价和卖价之间来回弹，但中间价（efficient price）纹丝不动。买单成交在卖价、卖单成交在买价，价格变化呈现一阶负串行相关，但这个跳动不含任何信息，下一笔反向成交就弹回去了。

库存成分（inventory） 来自做市商的持仓风险。连续被塞了一堆买单，他手里空头堆积，于是主动把整套报价往上抬，引导后续订单流帮他平仓。指纹是：报价先偏移、再随着库存回归而均值回复。它是暂时的，但比订单处理成分多了一层”方向记忆”。

逆向选择成分（adverse selection / 信息） 最贵。你的对手手里有你不知道的信息，他一买，真实价值其实真的更高了。做市商成交后必须永久性地调整中间价——因为这次成交泄露了信息，价格回不来了。指纹是永久价格冲击：成交后中间价上一个台阶，不反弹。

Huang-Stoll 三成分分解

上图是我们在模拟里预设的分解：0.10 元价差中，逆向选择占 30%（0.030 元）、库存占 15%（0.015 元）、订单处理占 55%（0.055 元）。真实市场里这个比例因标的而异——大盘蓝筹订单处理占比高，小盘或有事件催化的票逆向选择占比高。

从 Roll 到 Huang-Stoll：串行协方差是钥匙#

拆分的数学起点是 Roll (1984) 的一个漂亮观察：如果价格变化只有 bid-ask bounce，那么相邻两笔价格变化必然负相关。买单接卖单，价格 +half 再 −half， $\text{Cov}(\Delta p_t, \Delta p_{t-1}) < 0$ 。Roll 由此反推价差：

$s_{\text{Roll}} = 2\sqrt{-\text{Cov}(\Delta p_t, \Delta p_{t-1})}$

价格变化的负串行相关

左图是模拟数据里 $\Delta p_t$ 对 $\Delta p_{t-1}$ 的散点，负相关一目了然；一阶自协方差为负、更高阶迅速衰减到零——这正是 bid-ask bounce 的教科书指纹。用 Roll 公式反推得到价差 0.041 元，明显低估了真实 0.10 元的报价价差。

为什么低估？因为 Roll 把所有价格变化都当成 bounce，但实际上信息成分让价格同向移动（知情买单推高中间价、下一笔知情买单继续推高），这部分正相关抵消了 bounce 的负相关，压低了协方差绝对值。Roll 估计的其实是”扣除信息后的暂时价差”。Huang-Stoll 的两步回归，正是要把这个信息成分单独抠出来。

两步回归：把 α 估回来#

Huang-Stoll 的核心回归把价格变化写成成交方向的函数。核心方程可以简化为：把 $\Delta p_t$ 对当期方向 $Q_t$ 和滞后方向 $Q_{t-1}$ 回归：

$\Delta p_t = b_0\, Q_t + b_1\, Q_{t-1} + \varepsilon_t$

$Q_t$ 的系数 $b_0$ 度量即时价差半幅（成交打在报价上的那一下）；
$Q_{t-1}$ 的系数 $b_1$ 混合了 bounce 的反向回弹（−half）和信息+库存的留存部分。两者之差就能解出逆向选择占比。

import numpy as np

rng = np.random.default_rng(7)
N = 100_000
s = 0.10; half = s / 2
alpha_true, beta_true = 0.30, 0.15   # 预设的信息、库存占比

# 成交方向：带序列相关（订单拆分导致方向延续）
pi = 0.35                             # 方向反转概率
Q = np.empty(N); Q[0] = 1
for i in range(1, N):
    Q[i] = -Q[i-1] if rng.random() < pi else Q[i-1]

# 中间价：信息成分让它随订单流永久移动 + 公共噪声
m = np.zeros(N)
for i in range(1, N):
    m[i] = m[i-1] + alpha_true * half * Q[i-1] + rng.normal(0, half*0.6)

# 库存成分：暂时性报价偏移；成交价 = 中间价 + half*Q + 库存项
inv = np.concatenate([[0], beta_true * half * Q[:-1]])
p = m + half * Q + inv

# 两步回归：Δp 对 Q_t、Q_{t-1}
dp = np.diff(p)
A = np.column_stack([Q[1:], Q[:-1], np.ones(N-1)])
b0, b1, _ = np.linalg.lstsq(A, dp, rcond=None)[0]
print(f"隐含半价差 b0 = {b0:.4f}  (真值 {half:.4f})")
print(f"滞后方向系数 b1 = {b1:.4f}")
# (b1 + b0)/b0 ≈ 暂时+永久留存占比
print(f"留存占比 (α+β) ≈ {(b1 + b0)/b0:.2f}  (真值 {alpha_true+beta_true:.2f})")

python

跑出来隐含半价差 $b_0 = 0.0501$ ，几乎精确命中真值 0.0500；留存占比也回到预设的 0.45 附近。

两步回归还原价差结构

回归系数与模型真值几乎重合——这验证了两步回归确实能从只有成交价和方向的数据里，把藏在价差里的信息成分反解出来。注意：这里我们用了真实方向 $Q_t$ ；实盘中方向要靠 Lee-Ready 之类的算法猜（见下一篇），错标会系统性地偏误 α。

核心恒等式：有效价差 = 价格冲击 + 已实现价差#

分解最实用的产出是三个可直接测量的价差，它们满足一个恒等式：

有效价差（effective spread）： $2|p_t - m_t|$ ，投资者实际付出的成本；
价格冲击（price impact）：成交后中间价的永久移动， $2 Q_t (m_{t+\tau} - m_t)$ ，即被信息成分吃走的部分；
已实现价差（realized spread）： $2 Q_t (p_t - m_{t+\tau})$ ，做市商在持有一段时间后真正落袋的部分。

三者关系：

$\text{有效价差} = \text{价格冲击} + \text{已实现价差}$

价差恒等式

模拟里：有效价差 0.104 = 价格冲击 0.042 + 已实现价差 0.063。也就是说，投资者付出的 0.104 元里，0.042 元被知情交易者以信息优势拿走（做市商成交后价格朝对他不利的方向永久移动），做市商实际只赚到 0.063 元。这就是为什么”报价价差”从来不等于”做市利润”。

三个落地读法#

一、横截面毒性排序，决定挂单该躲多远。 同样是 0.10 元价差，A 股票信息成分占 40%、B 股票占 10%，交易 A 的隐性成本远高于 B。做市或被动挂单前，先按 α 给标的排个毒性榜：信息占比高的票，限价单要挂得更远、更新更勤，否则你就是那个被信息碾压的对手方。

二、TCA 要盯着”已实现价差”，而不是报价价差。 你作为买方评估自己的执行质量时，如果发现你的成交对应的做市商已实现价差持续为负——意味着做市商在跟你成交后系统性亏钱——恭喜，你的订单流毒性很高（大概率你带着 alpha），这本身是个好信号；反过来，如果对手方已实现价差很肥，说明你在为流动性支付溢价，该考虑更耐心的执行。

三、做市回测别用报价价差算收益，会虚增 66%。 这是最容易踩的坑。用报价价差（0.104 有效）当每笔利润回测做市策略，会得到一条漂亮的净值曲线；但真实落袋只有已实现价差（0.063）。0.104 / 0.063 ≈ 1.66——收益直接虚增六成。任何忽略价格冲击的做市回测都是幻觉，上线必然被逆向选择打回原形。

诚实的边界#

方向要靠猜，α 会被污染。 两步回归假设你知道每笔是买还是卖，但真实 tick 数据里方向要用 Lee-Ready 等算法推断，错标率 10-15% 会系统性压低估出的信息成分——分解精度的上限，就是方向分类的精度。
τ 是自由参数。 价格冲击和已实现价差都依赖”多久之后算永久中间价”这个 τ。τ 太短，暂时成分没回弹完，冲击被高估；τ 太长，混进无关的后续信息。5 分钟、30 笔、1 天——不同 τ 给出不同分解，没有唯一正确答案。
成分不是常数。 α、β 在日内非平稳：开盘信息不对称最严重（逆向选择占比最高），午盘趋于平稳。用全天数据估一个 α，抹掉了这个结构，做日内执行决策时会误导。
库存与信息难完全正交。 现实中做市商调整报价，既因为库存也因为他也在学信息，两步回归里 β 和 α 的分离依赖模型设定，实证中经常纠缠。

Huang-Stoll 的价值不在于给出精确到小数点后三位的分解，而在于它把”价差”这个模糊的数字，翻译成三个有明确经济含义、可分别测量、可分别优化的量。你每次评估执行成本、每次给做市策略估收益，本质上都在做这道拆分题。

参考文献#

Huang, R. D., & Stoll, H. R. (1997). The Components of the Bid-Ask Spread: A General Approach. Review of Financial Studies, 10(4), 995-1034.
Roll, R. (1984). A Simple Implicit Measure of the Effective Bid-Ask Spread in an Efficient Market. Journal of Finance, 39(4), 1127-1139.
Glosten, L. R., & Harris, L. E. (1988). Estimating the Components of the Bid/Ask Spread. Journal of Financial Economics, 21(1), 123-142.
Stoll, H. R. (1989). Inferring the Components of the Bid-Ask Spread: Theory and Empirical Tests. Journal of Finance, 44(1), 115-134.