标签： #量化交易

同一只股票在纽交所、纳斯达克、暗池同时交易，同一份 ADR 在两地挂牌，同一个标的有现货有期货——当价格几乎同步跳动时，究竟是谁先动、谁在跟随？Hasbrouck (1995) 用协整与 VECM 把这个问题变成一个可度量的数字：信息份额（Information Share），衡量每个市场对共同有效价格新息的贡献占比。本文从零复现 VECM 估计、Cholesky 排序带来的上下界、与 Gonzalo-Granger 成分份额的分歧，用合成两市场 tick 流证明快市场吃下约 71% 的价格发现，并诚实指出信息份额区间在残差高度相关时会宽到无法定论（中高阶）。

做市商的利润来自买卖价差，但风险来自库存：接了太多单边货，价格一个反向跳动就把几天赚的价差全吐回去。Ho-Stoll (1981) 把这个问题写成了一个随机最优控制：报价不该围绕市场中间价对称摆放，而应该围绕「保留价格」摆放——库存越偏多，整套报价越往下压；越偏空，越往上抬。本文从效用最大化出发推导保留价格与最优价差的闭式近似，用可复现 Python 模拟对比「无库存管理」与「库存偏移报价」两种做市商：后者把库存从随机游走驯化成均值回复过程，库存标准差从 16 股压到 1 股以内。并诚实拆解模型的失效场景：趋势市中的逆向选择、参数校准的现实困难、以及它和 Avellaneda-Stoikov 的关系（中阶）。

报价价差 0.10 元里，多少是逆向选择的保险费、多少是做市商的库存补偿、多少纯粹是订单处理费？Huang-Stoll (1997) 用一个两步回归框架把这三块拆干净：信息成分造成永久价格冲击、库存成分制造暂时且均值回复的报价偏移、订单处理成分只产生 bid-ask bounce。本文从 Roll 的一阶负串行协方差直觉出发，讲清三种成分各自的「指纹」，用 10 万笔模拟数据跑通两步回归还原价差结构（隐含半价差 0.0501 对上真值 0.0500），并验证核心恒等式：有效价差 = 价格冲击 + 已实现价差（0.104 ≈ 0.042 + 0.063）。给出三个落地读法：横截面毒性排序、TCA 归因、做市回测的收益虚增陷阱。诚实边界：Lee-Ready 方向标错、成分时变、τ 是自由参数（中阶）。

被动指数基金必须在生效日买满新纳入的成份股、卖光被剔除的——买卖时点和方向全部提前公告、人尽皆知。这份『非自愿、无价格敏感度』的刚需订单流，就是可预测的价格压力。本文在合成事件面板上复现完整时间线：纳入股从公告日到生效日累计超额漂移 +5%、剔除股 −4.5%，生效日成交量暴增 6.5 倍（被动基金一次性建仓），而生效后价格反转吐回近一半漂移。前瞻策略（公告日进、生效日出）净值稳步向上，被动跟随（生效日才买）反而亏钱。诚实拆解：漂移随被动需求呈平方根冲击、拥挤化正在抹平这块午餐、A 股定期调样规则与冲击成本是实盘落地的三道坎（中阶）。

高管买自家股票只有一个理由：觉得会涨；卖却有一百个理由：买房、离婚、行权、分散化。这个动机不对称让增持成为强信号（合成复现 CAR120 +4.8%）、减持成为弱信号（−1.6%）。本文用 12000 个合成披露事件从零拆解信号分层：董事长大额增持 (+7.8%) ≫ 普通董事 (+2.6%)，≥3 人集群增持最强 (+9.4%)，股权激励行权卖出几乎无信息 (−0.4%)。集群过滤策略 Sharpe 1.27 碾压无脑跟单 (0.52)；披露时滞是隐形税——晚 15 天入场剩余 alpha 只剩七成。诚实拆解：择时能力被高估、A 股减持新规扭曲信号语义、跟单者的幸存者偏差、内部人也会看错自家公司（中阶）。

美国 SEC 强制管理规模超 1 亿美元的机构每季度披露多头持仓——13F 是免费、合法、结构化的'聪明钱'底牌。但抄作业不是无脑复制：45 天披露时滞对高换手管理人是致命的（只剩 22% alpha），对低换手价值型却只是小税（保留 58%）。合成实验拆解三个决策：抄谁（历史业绩前 20 名精选克隆 CAGR 17.9% vs 无差别克隆 8.7%）、抄什么（前十大重仓信息密度最高，等权 Top10 反而略胜信念加权）、以及最大盲区——13F 只披露多头，多空基金克隆者复制了 alpha 的一半却背上双倍回撤（-32.8% vs -10.9%）。诚实拆解：窗口粉饰、幸存者偏差、拥挤克隆自我抵消、A 股基金季报前十大重仓的对应玩法（中阶）。

无形资产价值因子：把研发和品牌加回账面修复失灵的HML - 400股×20年合成面板：账面B/M把高研发公司系统性误判为贵，传统便宜组价值陷阱率11.2%，资本化调整后降到3.8%、信号与真实低估的相关从0.71升到0.86 - halo的技术博客

把一天的交易切成几十个 5 分钟 bin，你会发现波动率不是均匀的：开盘一柱擎天、午间死气沉沉、收盘再抬头，画出来是一条 U 型曲线。这条 U 型不是噪声，是每天都重演的日内季节性。不把它剥掉，你的日内波动预测、跳跃检测、VWAP 拆单全会被它系统性带偏——固定阈值会在开盘漏报一堆假信号、在午间漏掉真跳跃。Andersen-Bollerslev 的柔性傅里叶形式（FFF）用低阶多项式加少数谐波，几个参数就能把这条 U 型曲线拟合出来。本文从零推导 FFF、演示阶数如何影响拟合、如何用它去季节化，以及季节性校正如何改变跳跃检测的结论。并诚实拆解它的过拟合边界与 A 股制度差异（中阶）。