标签： #知情交易概率

每笔成交背后，站着一个知道更多的交易者。Easley & O'Hara (1987, 1992) 的 EKOP 序贯交易模型用泊松过程把知情交易者和噪声交易者分开，从日频的买单数 B 和卖单数 S 出发，用最大似然估计出信息事件概率 α、方向 δ、知情下单率 μ 和噪声下单率 ε，进而合成 PIN（知情交易概率）= αμ / (αμ + 2ε)。本文用 Python 模拟 50–2000 天的交易序列，展示参数估计值按 1/√N 收敛到真值、买卖单不平衡在有/无信息日显著分化、以及 PIN 对各参数的敏感性热力图。最后诚实拆解：数值下溢导致似然函数失效、方向标注误差的偏差效应、参数非平稳、以及日频粒度掩盖的时序结构（中阶）。