标签： #kyle模型

Kyle（1985）用一个单期拍卖模型回答『我下单会把价格推多远』：做市商只看净订单流定价，均衡下价格冲击系数 λ = σv/(2σu)——真值不确定性越大 λ 越大，噪声成交量越深 λ 越小。2000 场批量竞价模拟：OLS 回归 Δp 对净订单流回收 λ 相对误差仅 0.07%；噪声量从 2000 股扫到 64000 股，λ 沿理论线严格减半。线性冲击的直接推论是平方账单：10 万股一次吃完冲击成本 50 万元，拆 16 片只能省掉临时冲击部分（永久占比 θ=0.5 时降到 26.6 万）。60 只股票截面实测：日频 Amihud 非流动性与真实 λ 的秩相关 0.997——没有逐笔数据时 Amihud 是 λ 的合格代理。诚实边界：λ 非平稳、单期模型没有订单拆分动态、实证冲击更接近平方根律而非线性（中阶）。

Kyle (1985) 的连续时间版本回答了一个更狠的问题：手里握着私有信息的交易者，不是「买不买」，而是「以什么速度买」。答案出奇优雅——最优交易强度 β(t) 与剩余时间成反比，知情者匀速释放信息，让价格误差 Σ(t) 严格线性衰减到零，而价格冲击系数 λ 全程恒定。本文从离散版单期直觉讲到连续时间均衡的三个核心结论，用可复现 Python 模拟验证：价格向真实价值收敛、β 在收盘前发散、知情者期望利润恰好等于 σ_u·√Σ₀。并讨论它对算法交易的三个实际启示：为什么 TWAP 是 Kyle 均衡的影子、为什么临近收盘的订单流毒性最高、以及 λ 作为流动性度量的估计陷阱（中阶）。