订单流毒性与 VPIN 指标：识别被逆向选择的高频风险 • halo 的技术博客

2010 年 5 月 6 日，美股在几分钟内崩掉近 1000 点又部分拉回——“闪崩”。事后复盘最诡异的不是跌得多快，而是流动性在自己眼皮底下蒸发了：做市商发现无论怎么挂单都被”吃掉”，于是干脆撤单，市场瞬间没了对手方。这种风险在传统风控里完全看不见，因为它不在价格里，而在订单流的性质里。

结论先放这：VPIN（Volume-Synchronized Probability of Informed Trading，Easley–López de Prado–O’Hara 2011）把 Easley 经典的 PIN 模型从”逐笔极大似然”改造成”成交量柱上的买卖失衡”，可以近乎实时地度量订单流毒性——也就是知情交易者正在单边扫货、做市商被逆向选择的概率。在我们的模拟里，毒性事件区间 VPIN 均值 0.50，而正常区只有 0.12；用”VPIN 升破 0.40 就空仓”的朴素规则，样本内回撤从 −21.8% 砍到 −11.3%，夏普从 0.05 拉到 0.45。

逐柱订单流不平衡：毒性事件区间持续单边

一、从 PIN 到 VPIN：为什么需要”成交量同步”#

PIN（Probability of Informed Trading）衡量一个很朴素的事：一笔交易有多大概率来自知情者。Easley 的原始模型要先把每笔成交分成”买”或”卖”，再用极大似然估计四个参数（无信息日概率 α、知情日概率 δ、知情者到达率 μ、噪声到达率 ε）。问题有三个：

必须逐笔分类，而真实市场的买卖标识常常缺失或不可靠；
极大似然很慢，无法在盘中实时更新；
参数对经济周期敏感，估计窗口一长就过时。

VPIN 的聪明之处在于绕开了参数估计：它不猜”这是不是知情单”，而是直接看成交量结构——如果买盘和卖盘的成交量在一段时间里严重不对称，那大概率有人在”有方向地”交易。而为了不依赖时间（闪崩时成交可能几秒蜂拥而至），它用**成交量柱（volume bar）**而不是时间柱来切分数据：每根柱固定包含约 V 的成交量，于是每根柱天然可比。

二、成交量柱与买卖分类#

成交量柱：顺序累加逐笔成交量，当累计达到目标量 V_bar 就收一根柱。这和 K 线按时间切完全不同——活跃时段柱子密、冷清时段柱子疏，但每根柱的”信息量”（成交量）一致。

买卖方向分类有两条主流路：

Tick Rule：比较本笔成交价与上笔成交价，涨记为买、跌记为卖、平则沿用上笔方向。简单、无需盘口数据。
Lee-Ready：先判断这笔成交相对于买卖盘中间价是”主动吃单”还是”被动挂单”，再定方向。更准，但需要 Quote 数据。

我们的实现用 Tick Rule 思路，在成交量柱层面直接得到每根柱的买/卖成交量 $V_{buy}^i, V_{sell}^i$ 。

import numpy as np

def build_volume_bars(trade_price, trade_vol, target_vol):
    """把逐笔成交聚合成成交量柱，返回每根柱的 (收盘价, 总成交量, 买方量, 卖方量)"""
    bars, cum_vol = [], 0.0
    bprice, bvol, bbuy = 0.0, 0.0, 0.0
    last_price = trade_price[0]
    for p, v in zip(trade_price, trade_vol):
        # Tick Rule：涨=买，跌=卖，平=沿用上次方向
        if p > last_price:
            sign = 1
        elif p < last_price:
            sign = -1
        else:
            sign = 0
        buy = v if sign >= 0 else 0.0
        sell = 0.0 if sign >= 0 else v
        bprice, bvol, bbuy = p, bvol + v, bbuy + buy
        cum_vol += v
        last_price = p
        if cum_vol >= target_vol:
            bars.append((bprice, bvol, bbuy, bvol - bbuy))
            bprice, bvol, bbuy, cum_vol = p, 0.0, 0.0, 0.0
    return bars

python

三、VPIN 公式：买卖成交量的不对称#

对每根成交量柱，定义订单流不平衡的绝对量：

$VPIN_n = \frac{1}{n}\sum_{i=t-n+1}^{t} \frac{|V_{buy}^i - V_{sell}^i|}{V_{bar}^i} \in [0, 1]$

分子 $|V_{buy}-V_{sell}|$ 是这根柱里”无法被对手方抵消”的单向成交量——正是逆向选择的载体；
除以 $V_{bar}$ 做了归一，所以 VPIN 落在 0（买卖完全均衡）到 1（一根柱全是单边）之间；
对最近 $n$ 根柱（实证常用 $n=50$ ）取平均，既平滑噪声又保留”订单流在变毒”的趋势。

关键点：VPIN 高 ≠ 价格一定在跌。它度量的是”有人在单向扫货”这件事本身。但单向扫货通常意味着知情者掌握了你不知道的信息，所以高 VPIN 往往领先于剧烈的单边行情和流动性收缩。

def compute_vpin(buy_vol, sell_vol, n=50):
    """VPIN：近 n 根成交量柱的 |买卖量差|/总量 的滑动平均（无前视）"""
    total = buy_vol + sell_vol
    imb = np.abs(buy_vol - sell_vol) / np.where(total > 0, total, 1.0)
    vpin = np.full(len(imb), np.nan)
    for i in range(n - 1, len(imb)):
        vpin[i] = imb[i - n + 1:i + 1].mean()
    vpin[:n - 1] = imb[:n - 1].mean()
    return vpin

python

四、实证：毒性事件里 VPIN 会尖叫#

我们模拟一段含 3 段”毒性事件”的订单流（每段约 120 根成交量柱）：正常时段买卖大致均衡（买方占比 ~50%），毒性时段知情者持续单向砸盘（买方占比 ~20%），并伴随放量。结果非常干净：

正常区 VPIN 均值 0.12，毒性区 0.50；
阈值设在 0.40 时，能抓到 76.1% 的毒性柱；
VPIN 的飙升明显领先于价格的剧烈下跌，这正是它作为”预警器”的价值。

VPIN 时序：毒性事件前/中飙升

更关键的是领先性检验：把 $VPIN(t)$ 和下一根柱的收益画在一起，二者是单调负相关的——VPIN 越高，接下来那根柱越可能亏钱。这说明 VPIN 不是事后的巧合，而是带着预测力的。

VPIN 与下一柱收益的单调负关系

五、防护回测：毒性升破阈值就空仓#

最直接的用法是当”风控开关”：用上一根柱的 VPIN 决定当前柱的仓位（避免前视），一旦 $VPIN>0.40$ 就空仓（持币），否则满仓多头。

def vpin_filter_backtest(bar_ret, vpin, threshold=0.40):
    """VPIN 过滤：上一根柱 VPIN>阈值则本柱空仓（无前视）"""
    pos = np.where(np.roll(vpin > threshold, 1), 0.0, 1.0)
    pos[0] = 1.0
    nav = np.cumprod(np.exp(bar_ret * pos))
    return nav, pos

def perf(nav, rets):
    r = np.diff(nav) / nav[:-1]
    cagr = nav[-1] ** (252.0 / len(nav)) - 1
    sharpe = r.mean() / r.std() * np.sqrt(252)
    mdd = (nav / np.maximum.accumulate(nav) - 1).min()
    return cagr, sharpe, mdd

python

回测结果（样本内，仅作方法演示）：

方案	CAGR	夏普	最大回撤	空仓占比
裸多头	0.1%	0.05	−21.8%	0%
VPIN 过滤	2.0%	0.45	−11.3%	8.3%

净值对比：VPIN 过滤躲过毒性砸盘

裸多头在毒性砸盘里吃了 −21.8% 的回撤；VPIN 过滤只在 8.3% 的时间空仓（绝大部分是毒性区间），就把回撤砍到 −11.3%、夏普拉了 9 倍。注意：它牺牲了一点上行（空仓时也错过反弹），但换回的是尾部风险的实质性下降——这对杠杆账户和做市库存管理是决定性的。

六、真实陷阱（不平坑你会反被 VPIN 坑）#

1. 分类误差会制造假信号。 Tick Rule 在震荡市会频繁误判方向，把噪声当成”毒性”。更稳的是 Lee-Ready，但需要盘口数据；退而求其次，可对 Tick Rule 信号做平滑或用更大 n。

2. 正常趋势市也会高 OFI。 一根强劲的利多新闻驱动的纯买方趋势，OFI 同样很高，但这是”信息已公开”的良性单边，不是毒性。单纯 VPIN 分不清”知情单向”和”一致预期单向”——必须叠加别的信息（如成交量是否异常放大、是否伴随价差走阔）。

3. 阈值必须随波动率/流动性调整。 固定 0.40 在平静市可能误报、在危机市又太松。实务上用滚动分位数（如 95% 分位）动态设阈，或按波动率缩放。

4. VPIN 本身有 n 根柱的滞后。 它是对过去 n 根柱的平均，毒性刚启动时反应慢半拍；n 太小则噪声大。50 是经验值，需按你的成交量柱粒度回测。

5. 它度量”量”不度量”质”。 VPIN 高只说明成交单向，不说明信息真的有内容。配合价差（spread）、深度（depth）、报价频率（quote stuffing 会污染它）一起看，才不会被假毒性骗。

6. 流动性真空可能自我实现。 一旦很多人用 VPIN 触发撤单/空仓，流动性会真的消失，反而加剧闪崩——这是微观结构指标共有的”反射性”风险。

小结#

VPIN 把”订单流毒性”这个原本只存在于做市商直觉里的东西，变成了一个可计算、可监控、可当风控开关的指标：用成交量柱 + 买卖成交量不平衡，实时量化”做市商正在被逆向选择”的程度。它最擅长在闪崩、流动性枯竭之前发出预警，作为组合层的尾部保护非常便宜（只空仓 8% 的时间就砍掉一半回撤）。但它不是水晶球：分类误差、趋势市误报、阈值僵化、滞后与反射性，都是实盘必须配齐”校验层”才能用的真实代价。把它当警报器，而不是当圣杯。