碎股交易的信息含量：odd lot 里的知情交易
不足一手（美股 100 股）的碎股交易，曾被当作散户零钱噪音直接过滤掉——直到研究者发现高价股里碎股占成交笔数一半以上，且碎股买卖失衡对未来收益的预测力显著强于整手失衡。原因反直觉：算法拆单把大机构的知情订单切成了碎股，'最小的单'反而藏着'最大的钱'。本文用受控模拟复现三层结构：碎股占比的长期抬升（高价股 >50%）、碎股失衡十分组的单调预测力（vs 整手失衡的平坦线）、以及 2014 年碎股并入公开磁带后因子 alpha 的衰减——信息优势的半衰期。附完整 Python 与四类真实陷阱（中阶）。
美股的交易单位是 100 股一手（round lot）。不足 100 股的订单叫碎股（odd lot）——在很长的历史里，这个词几乎是”散户零钱”的同义词。教科书甚至有个”碎股理论”（odd lot theory）：碎股交易者是最不知情的散户，跟他们反着做就能赚钱。于是几十年里，学术研究和交易系统不约而同地做了同一件事：把碎股从数据里过滤掉。
结论先放这：这是市场微观结构研究里代价最大的数据清洗错误之一。 O’Hara、Yao 和 Ye（2014, Journal of Finance）发现：碎股在高价股中占到成交笔数的一半以上；碎股交易的买卖失衡对未来收益的预测力显著强于整手交易；而且在 2013 年 12 月之前，碎股成交根本不进公开磁带（consolidated tape）——用 TAQ 公开数据做研究的所有人，都在系统性地漏看市场上信息含量最高的那部分订单流。原因和”散户零钱”完全相反：算法拆单把大机构的知情订单切成了碎股。 最小的单，藏着最大的钱。
一、碎股为什么从噪音变成了信号#
三个结构性变化把碎股从边缘推到了中心：
第一，高名义股价。 当一只股票交易在 $2000 以上（想想 Booking、AutoZone，以及拆分前的 Amazon、Google），买一手就是 20 万美元。对绝大多数订单来说，100 股已经不是”最小交易单位”而是”一笔大单”。名义股价越高，碎股占比越高——这是纯粹的机械效应。
第二，算法拆单。 现代机构执行几乎全部通过算法：一笔 50 万股的母单被切成几千笔子单，用 VWAP/TWAP/POV 的节奏喂进市场。切分逻辑是最小化冲击，不是凑整手——于是子单里大量出现 37 股、83 股这种碎股。知情机构的订单越大、越急于隐藏，拆得越碎。
第三，做市商的库存管理。 高频做市商的库存目标经常不是整手，回归目标库存的对冲单天然是碎股。
模拟高价股与低价股的碎股占比路径：
高价股（>$500）的碎股成交笔数占比从 2010 年的个位数一路爬到 50% 以上，低价股则始终温和。当一个市场里一半的成交是”碎股”时，“过滤碎股”等于扔掉一半样本——而且扔掉的不是随机的一半。
二、磁带缺口：一段真实的数据史#
碎股最惊人的一点是它的数据可见性历史。在 2013 年 12 月 9 日之前，碎股成交不报告给公开的 consolidated tape——它们真实发生、真实清算，但公开数据里不存在：
这造成一个奇特的信息分层：用 TAQ 公开数据的研究者和普通投资者看不到碎股；但直连交易所私有数据流（proprietary feed）的高频交易商看得到。O’Hara-Yao-Ye 用交易所内部数据测算，缺失的碎股占成交笔数约 20-25%，在高价股中更高——而这恰恰是知情交易最密集的部分。
换句话说，2013 年之前的美股有一个制度性的信息不对称：付钱买私有数据流的人，看得见一层别人看不见的订单流，而这层订单流恰好信息含量最高。 这也是碎股研究最终推动监管改革的原因——SEC 在 2013 年底把碎股纳入公开磁带，2024 年起 round lot 定义本身也按股价分级改革（高价股一手可以是 10 股甚至 1 股）。
对量化研究者的教训比故事本身更重要：你的数据源”看不见”的东西，不等于市场里不存在。 用 TAQ 做 2013 年前的微观结构回测，所有基于成交笔数、订单流失衡的因子都带着系统性测量误差。
三、碎股失衡的预测力：受控模拟#
核心命题：碎股买卖失衡（买方发起的碎股量减卖方发起的碎股量）预测未来收益，且强于整手失衡。用受控模拟复现这个结构——设定 30% 的碎股流来自知情机构的拆单（带方向信息），70% 是真散户和做市商库存调整（噪音）；整手流的知情占比设为显著更低：
import numpy as np
import pandas as pd
rng = np.random.default_rng(7)
n = 5000 # 股票-周样本
# 碎股流：30% 知情拆单（失衡方向与未来收益同向），70% 噪音
informed = rng.random(n) < 0.30
oddlot_imb = np.where(informed,
rng.normal(0.4, 0.3, n), # 知情：失衡偏向信息方向
rng.normal(0.0, 0.35, n)) # 噪音：零均值
oddlot_imb = np.clip(oddlot_imb, -1, 1)
# 未来收益：只有知情部分的失衡有预测力
fut_ret = np.where(informed, 0.35 * oddlot_imb, 0.02 * oddlot_imb)
fut_ret += rng.normal(0, 0.45, n)
# 十分组检验
q = pd.qcut(oddlot_imb, 10, labels=False)
decile_ret = pd.Series(fut_ret).groupby(q).mean() * 100
print(decile_ret.round(3))
# 输出：从第 1 组到第 10 组单调上升，多空价差显著结果与对照组（整手失衡）的对比：
碎股失衡十分组呈现清晰的单调结构——净买入最强的第 10 组未来 5 日收益显著为正，净卖出最强的第 1 组显著为负；而整手失衡的十分组曲线几乎平坦。同样是订单流失衡，按”单子大小”切一刀，信息含量完全不同。
这个反差的机制值得掰开：整手及以上的大单，要么是已经被市场看见并定价的（大单冲击即时反映进价格），要么是不知情的被动执行（指数基金）；而碎股是知情机构刻意隐藏的痕迹——拆单的目的就是让市场把自己误认成散户。失衡信号的强度排序其实是”隐藏意图的浓度”排序。
四、信息优势的半衰期#
好信号被公开，就开始死亡。碎股数据 2013 年底进入公开磁带后，这个因子发生了教科书式的衰减：
模拟的两条净值曲线：数据公开前，碎股失衡多空组合稳定跑出年化 ~15% 的 alpha（只有私有数据流用户能算出这个因子）；数据公开后，同一因子的 alpha 逐年衰减到接近零——不是因为知情者不再拆单，而是因为所有人都能看到拆单的痕迹了，信号被竞争性地即时定价。
这是量化研究里一个普适的模式：因子的 alpha 一半来自信号本身，一半来自”多少人看得见这个信号”。 PIN、VPIN、订单流毒性这些微观结构因子全部走过同样的生命周期——私有数据阶段暴利、学术发表后衰减、进入商业数据库后归零。评估任何微观结构因子时，第一个问题不是”信号强不强”，而是”我在数据可见性食物链的哪一层”。
A. 实现细节#
- 信号判定字段：碎股买卖失衡 =（买方发起碎股量 - 卖方发起碎股量）/ 碎股总量，周频截面；买卖方向用 Lee-Ready 类算法从逐笔数据推断。
- 执行时点：信号周末确定，次周第一个交易日建仓，持有 5 个交易日；十分组等权多空。
- 模拟设定：5000 股票-周样本；碎股流知情占比 30%（知情失衡均值 0.4、预测系数 0.35），整手流预测系数 0.05；未来收益噪音标准差 0.45。衰减实验：alpha 从 6bp/日线性衰减至 0.5bp/日，模拟数据公开后的竞争定价。
- 数据史关键节点：2013-12-09 碎股纳入 consolidated tape；2024 年起 SEC 分级 round lot 改革。此前的 TAQ 数据存在约 20-25% 成交笔数的系统性缺失。
B. 已知偏差#
- 知情占比是模拟假设：真实市场中碎股流的知情浓度无法直接观测，30% 取自 O’Hara-Yao-Ye 对高价股的间接估计上沿；低价股中碎股仍以散户为主，因子在低价股上可能反号（回到”碎股理论”的反向指标逻辑）。
- 买卖方向推断误差：Lee-Ready 在高频撮合下误分类率 10-20%，碎股多以吃单形式成交略缓解此问题，但失衡信号仍带测量噪音，实测预测力低于理论值。
- 交易成本未建模：碎股失衡是周频换手 100% 的高频因子，多空各 5 天持有期，双边成本 20-30bp 就能吃掉大部分模拟 alpha；实盘可行性依赖极低成本的执行通道。
- A 股映射失真：A 股最小单位 100 股且股价低，“碎股”仅在盘后零股交易和港股通碎股市场存在，本文机制不能直接搬到 A 股——A 股里对应的”隐藏知情流”研究对象是拆单后的小单流（与龙虎榜小单占比逻辑相通），但数据定义完全不同。
C. 结果解读#
- 核心洞见是”信号在哪一层”而不是”信号是什么”：碎股失衡的预测力来自算法拆单对知情意图的搬运。同样的失衡指标，切在碎股上有信息、切在整手上没有——因子研究里变量定义的颗粒度本身就是 alpha 的来源。
- 磁带缺口是数据质量的经典案例：2013 年前用公开数据做的微观结构研究都带系统性缺失，且缺失非随机（集中在高价股、知情流）。任何依赖”成交笔数""平均单笔大小”的历史因子，跨越 2013 年边界时都需要断点检验。
- alpha 衰减的时间结构：模拟展示的衰减不是信号失效而是可见性民主化。这给微观结构因子研究定了一个务实的预期：学术发表即衰减开始，商业数据库上线即接近终点——这类因子的价值窗口按年计，不按十年计。
- 策略适用边界：碎股失衡因子在高名义股价、高机构持仓、高算法执行渗透率的股票池里最强；在低价股、散户主导的票上信号反转或消失。2024 年 round lot 分级改革后，“碎股”的定义本身在变化，历史因子的构造规则需要随制度重写。
- 更深的含义：碎股故事的本质是——市场里最不起眼的数据维度，可能因为一次技术变迁（算法拆单普及）而突然获得信息含量，又因为一次制度变迁（纳入磁带）而失去超额收益。微观结构 alpha 的猎场永远在制度与技术的变更边界上。