Roll 协方差度量买卖成本：从逐笔成交价的「负自相关」反推隐含价差

你做高频或微观结构研究，第一件事往往是问：这笔交易的真实成本是多少？ 要价差，大家本能去拉 L2 订单簿——买卖一档差多少、挂单量多少。但订单簿只在「现在」有，历史上大部分时段的逐笔成交（tape）里，只有成交价序列，没有簿。Roll (1984) 给了一个惊艳的办法：完全不看簿，只从「一段连续的成交价差分」里，把隐含的有效价差算出来。

结论先放这：如果真实价格是随机游走，而每笔成交价 = 真实价 ± 半个价差（买主动加、卖主动减），那么相邻两笔的成交价差分之间，会出现一个负的协方差，而且这个负协方差的大小，正好等于「半个价差的平方」。于是有效（全额）价差可以写成：

s = 2 · √{ −Cov(Δp_t,  Δp_{t-1}) }

一句话：Roll 度量的全部信息量就是——成交价序列里「相邻差分负相关」的程度，量化了市场多难成交。负相关越强（买卖来回弹得越狠），隐含价差越大、流动性越差；若差分近似不相关（真实价格剧烈波动盖过了价差弹跳），Roll 反而测不出成本，甚至会偏置。它在我们的合成里表现得很诚实：价差主导时几乎精确（应激段 0.0601 vs 0.0600），噪声主导时被向上偏置（平静段 0.030 vs 0.020），而一旦成交方向带自相关，它就系统性低估真实成本。

一、直觉：为什么「买完卖、卖完买」会让差分负相关#

设真实（有效）中间价为 $m_t$，它是个随机游走，没有自相关。每笔成交价 $p_t$ 不是落在 $m_t$ 上，而是落在「中间价 ± 半个价差」里——买方主动成交时加半价差，卖方主动时减半价差：

p_t = m_t + (s/2)·z_t ,   z_t ∈ {+1（买主动）, −1（卖主动）}

对 $p_t$ 取一阶差分：

Δp_t = Δm_t + (s/2)·(z_t − z_{t-1})

关键看第二项 $(z_t − z_{t-1})$。如果这笔和上一笔成交方向相同（都买、或都卖），$z_t − z_{t-1}=0$，差分只含真实价变动；如果方向相反（上笔买、这笔下，或反过来），$z_t − z_{t-1} = ±2$，差分被「硬拽」了一下一个半价差的量。

而相邻两期差分做协方差时，$\Delta m_t$ 和 $\Delta m_{t-1}$ 不相关（游走），$z$ 序列若近似独立，唯一跨期耦合就发生在「方向相反」的那一步——它会让 $\Delta p_t$ 和 $\Delta p_{t-1}$ 反向联动，于是协方差为负，且大小恰好：

−Cov(Δp_t, Δp_{t-1}) ≈ (s/2)²

这就是 Roll 公式 $s = 2·√{−Cov}$ 的来历。它 elegant 的地方在于：完全不需要知道谁在买、挂单在哪，只要「成交方向在相邻笔间频繁翻转」这个微观结构事实成立，价差就从差分的相关结构里自己浮出来了。

二、从零实现：纯 numpy 复刻滚动 Roll 估计#

我们用纯 numpy 合成一段数据：真实中间价随机游走 + 含价差 Tick 的成交价，再把 Roll 度量滚动跑出来，和「已知真实成本」对照（这是检验一切隐性度量的金标准——你得先有 ground truth，才知道它测没测对）。

import numpy as np

def roll_spread(price, K=50):
    """滚动 Roll 隐含全额价差估计。
    price : 逐笔成交价序列
    返回   : 与 price 等长、每个窗口末的估计 s_t（无效窗口为 nan）
    """
    dp = np.diff(price)                     # Δp_t
    n = len(dp)
    out = np.full(n, np.nan)
    for i in range(K + 1, n - 1):
        a = dp[i - K:i]                    # Δp_t      (t = i-K .. i-1)
        b = dp[i - K - 1:i - 1]          # Δp_{t-1}
        cov = np.mean(a * b) - np.mean(a) * np.mean(b)
        if cov < 0:                        # 只有负相关（价差弹跳）才有效
            out[i] = 2.0 * np.sqrt(-cov)
    return out

两个工程上不能省的点：

• 非负协方差被丢弃：当窗口内真实价波动盖过了价差弹跳，$\text{Cov} \ge 0$，此时 Roll 公式「无定义」（根号里是负数）。实务里直接标 nan 跳过——这步看似无害，其实正是后面「低 SNR 偏置」陷阱的根源（第五节①详拆）。
• 滚动窗口 K：K 太小→估计噪声大、抖得厉害；K 太大→跟不上价差 regime 变化（比如应激时刻价差瞬间扩大，大窗口会把它「平均掉」）。本文用 K=50 笔做演示。

合成设定：4000 笔成交，中间价波动率对应日频约 0.013，平静段价差 2 tick（=0.02 美元），应激段（第 2000~3000 笔）价差扩到 6 tick（=0.060 美元）。滚动估计结果对照真实成本：

这张表是全文最重要的诚实结论：Roll 度量不是「无偏金尺」。价差相对噪声越大（应激段），它越准；价差相对噪声越小（平静段、低波动标的），它越偏。为什么？下一节用对照实验把机制拆开。

三、对照实验：成交方向自相关 ρ 越大，Roll 越低估成本#

Roll 公式有个隐藏前提——相邻成交方向近似独立。但真实市场里，买方主动的单子常常是「一连串」（算法扫单、冰山单），卖单也常常成簇，于是 $z_t$ 带自相关 $\rho>0$。这会直接腐蚀那个负协方差：当同向单黏在一起，方向相反翻转变少，「价差弹跳」信号被稀释，算出来的 −Cov 偏小，于是 $s$ 被低估。

我们用一个干净对照（固定真实价差 0.02 美元）验证：ρ 从 0 逐步加大，看 Roll 估计怎么塌。

def roll_estimate(rho, spread_dollars, n=2000, seed=7):
    rng = np.random.default_rng(seed)
    mid = 50.0 * np.exp(np.cumsum(rng.normal(0, 0.0008, n)))
    # 带自相关的成交方向 z_t（AR(1)）
    u = np.zeros(n); u[0] = rng.normal()
    for t in range(1, n):
        u[t] = rho * u[t-1] + np.sqrt(1-rho**2) * rng.normal()
    z = np.where(u >= 0, 1, -1)
    obs = mid + spread_dollars/2 * z          # 连续成交价
    dp = np.diff(obs)
    cov = np.mean(dp[1:]*dp[:-1]) - np.mean(dp[1:])*np.mean(dp[:-1])
    return 2*np.sqrt(-cov) if cov < 0 else np.nan

跑出来的对照（真实价差恒为 0.02）：

结论很硬：ρ=0（独立方向，Roll 假设成立）时几乎精确（+2.6%，就是采样噪声）；ρ 每升一档，低估就加深一档，ρ=0.7 时真实成本被砍掉近六成。这意味着——凡是「大单黏性、算法扫单、做市商刷量」明显的市场（加密、小盘股、盘中最活跃时段），Roll 度量会系统性低估你的真实摩擦成本。用它做「交易成本归因」前，务必先估一下成交方向自相关，或者用后面的修正方案。

四、它到底能干嘛：三个落地场景#

1. 历史 tape 的成本重建：没有 L2 存档的老数据，用 Roll 从成交价序列反推「那段市场大概多贵」——比如比较 2015 股灾前后、或某币上线做市商前后的隐含成本变化。
2. 流动性监控：滚动 Roll 估计如果突然跳升，往往是价差扩大 / 流动性枯竭的先行信号，比等盘口数据更及时（因为 tape 永远有）。
3. 策略成本归因：一个高频策略「理论赚 3 bps、实盘只赚 1 bps」，用 Roll 估计出这段的隐含成本，就能把缺口拆成「理论滑点 vs 真实摩擦」，而不是笼统说「执行不好」。

五、诚实拆穿：四类真实陷阱#

① 低 SNR 偏置：非负协方差被丢弃，导致「平静段高估、应激段才准」。 本文平静段 Roll 测出 0.030 而真实仅 0.020（+49%）。机制：窗口里只要真实价波动盖过价差弹跳，Cov 就非负、被丢成 nan；而留下来的「负相关窗口」恰恰是价差信号相对强的少数，对它们求均值，自然把估计往上拽。这解释了为什么「价差越大越准、越小越偏」——它不是 bug，是 estimator 的固有偏置。修正：用 Hasbrouck (2009) 的「把非负协方差也纳入、用全样本二阶矩」的改进版，或改用 Corwin-Schultz（见同专栏）这种基于高低价的度量，对低波动段更稳。

② Tick 取整污染：本文主图用了连续成交价，真实逐笔是离散取整的。 真实世界成交价落在 tick 网格上（0.01 美元一档），当价差只有 1~2 tick 时，取整会让 $z_t$ 的 ±半价差被「量化噪声」吃掉，Roll 估计进一步失真。本文为贴合 Roll 的连续假设用了连续价，若换真实逐笔，平静段偏差只会更大。实务：价差 < 3 tick 的标的，Roll 基本不可用，直接上 L2 或 Corwin-Schultz。

③ 趋势 / 漂移市失效。 Roll 假设真实价是「无漂移随机游走」。若中间价有趋势（$\Delta m_t$ 带符号），趋势项会和价差弹跳项混进协方差，把负协方差「填平」甚至反号，估计直接变 nan 或严重偏小。所以 Roll 只适合「短期近似平稳」的微观窗口，不能拿去测一段有方向的行情。

④ 它不是「执行成本」的全集。 Roll 测的是价差（做市商报价的静态摩擦），不含你的市场冲击（price impact）——你下一笔大单把价格推走的那部分。对机构大单，impact 往往比价差大一个量级。Roll 低估了真实总成本，这一点和「ρ 自相关低估」叠加，意味着实盘摩擦成本永远 ≥ Roll 估计值，用它做容量规划必须留安全垫。

六、落到量化：你的日常工作流#

1. 先有 ground truth 再谈度量：像本文这样，先用已知价差合成数据验证你的 Roll 实现——很多「Roll 测出来是 0」的 bug，其实是窗口 K 太小、或数据里混了分红拆细导致的假跳。
2. 永远配合「方向自相关」一起看：跑 Roll 前先算 $\rho = \text{Corr}(z_t, z_{t-1})$，ρ>0.2 就标记「此段 Roll 低估」，别直接当真值填进成本模型。
3. 低波动 / 亚 3-tick 标的换工具：用 Corwin-Schultz（基于日高低价）或干脆拉 L2；Roll 在这类场景是装饰品。
4. 把它当「流动性温度计」而非「成本标尺」：监控滚动 Roll 的跳变比盯绝对值更有用——跳升 = 流动性警报。

真实落地时，逐笔成交价序列（券商 / 交易所 tape）直接喂进 roll_spread 即可；若只有分钟级 OHLC，Roll 基本失效（差分里价差信号被时间聚合冲掉），改用 Corwin-Schultz。本文纯 numpy 合成只为把「差分负相关 → 隐含价差」的每一步摊开。记住：Roll 度量优雅，但它是把「尺子」——只量得准价差、量不准冲击，且偏好高波动高流动性的应激段；平静段和自相关段，它会温柔地骗你。