标签： #corwin-schultz

Corwin-Schultz（2012）的巧思：日最高价几乎总来自 ask、最低价几乎总来自 bid，所以高低价比里藏着价差；而波动随时间线性增长、价差不随时间变——单日高低比与两日高低比联立两个方程，恰好把价差 s 和波动 σ 同时解出。252 日模拟实测：真实价差 2% 时 CS 截零均值 2.05%，几乎无偏；但低价差区间正偏差显著（真值 0.2% 估出 0.83%），因为逐对负估计占比高达 40% 且截零只砍左尾。与 Roll 同台：信噪比低时 Roll 失效率 45% 直接弃赛，CS 至少给出有偏但可用的数字。隔夜跳空是最大污染源：隔夜波动 3% 时估计从 1% 被压到 0.69%（跳空撑大两日区间、γ 膨胀导致低估），平移修正能救回一半。60 日滚动 CS 危机温度计：平静期 0.79%、危机峰值 3.58%，形状完整还原。诚实边界：截零规则在截面比较中引入系统性正偏、非连续交易压低高低区间导致低估、加密/外汇等无隔夜市场反而是最优场景（中阶）。

你下单时看到的成交价，和真实可得的买卖价之间隔着一道隐性成本——买卖价差（bid-ask spread）。Corwin & Schultz (2012) 给出了一招极简的估计法：只靠每日最高价/最低价，对比 1 日与 2 日的高低区间，就能把价差反演出来。本文用纯 numpy 从模型底层实现这套估计，验证它能还原价差的时间变化与排序，并诚实拆穿低频数据病态条件/自相关稀释/小价差衰减/窗口主观/微观结构噪声五类真实陷阱（中阶）。