标签： #交易成本

Kyle 模型说价格冲击是线性的 λQ，但过去三十年横跨股票、期货、期权甚至比特币的实证结果惊人一致：母单的价格冲击 ≈ Y·σ·√(Q/V)，指数死死钉在 0.4-0.6 之间。本文用潜在流动性簿模型从底层复现平方根律，验证主曲线坍缩（不同波动率、不同成交量的标的除以 σ 后落在同一条曲线上），对比线性模型在大单区间的系统性高估，并用传播子模型拆穿『切碎订单就能消灭冲击』的幻想——冲击衰减速度 β 才是拆单收益的真正决定者（中阶）。

2010 年闪崩前，做市商在价格暴跌之前就集体撤退了——他们看到的不是价格，是订单流的毒性。VPIN（成交量同步知情交易概率）把这种毒性量化：当买卖成交量持续单边失衡，说明有人拿着你不知道的信息在单向砸盘，做市商被逆向选择，随时会撤流动性。难点是 VPIN 要逐笔买卖方向，海量标的算不动。BVC（批量成交量分类）用一个狡猾的近似绕过：不看逐笔方向，用「价格变动 / 波动率」的正态 CDF 直接把每根 bar 的成交量劈成买卖两半——只要 OHLCV 就能算，批量扫全市场。本文讲清三件事：VPIN 为什么按成交量分桶而非时间（交易越密时钟走得越快）、BVC 的 Φ(Δp/σ) 到底在近似什么、以及怎么把毒性做成横截面预警面板。300 桶模拟里 VPIN 在暴跌前 30 桶率先冲破 0.35 阈值。诚实边界：BVC 是有偏近似、成交量分桶大小是超参数、VPIN 是同期温度计不是水晶球（中阶）。

一笔买单把价格推高 10bp，这 10bp 里有多少是市场真的学到了东西、有多少只是流动性暂时让步？答案藏在成交之后的价格路径里：永久冲击是回不来的台阶，临时冲击是会指数衰减的鼓包。本文用 κ + θ·exp(−t/τ) 的经典衰减模型模拟 2000 次买单事件，对平均回复曲线做非线性最小二乘，把三个参数几乎无偏地拿回来（κ̂≈4.0bp、θ̂≈6.0bp、τ̂≈5 bar）。核心洞见是执行含义：拆单、放慢只能省临时冲击那一层，永久冲击是信息的价格、怎么拆都省不掉——这条分界线就是所有执行算法成本模型的地基。诚实边界：事件平均要求冲击对订单流平稳、拆解对模型形式敏感、日线数据上 τ 几乎不可识别（中阶）。

你付的价差里，有多少真的进了做市商口袋，有多少是被信息更灵的对手方赚走的？有效价差是你实付的总账单，但它同时装着两样性质完全相反的东西：做市商的补偿性利润（临时、会衰减）和你被逆向选择吃掉的信息损失（永久、不回来）。已实现价差用「成交后 τ 个 bar 的中间价」做锚点，把这两块拆开——买单成交后中间价若继续漂高，说明你踩到了信息，那部分不是做市商赚的；漂回来的部分才是做市商真实到手的利润。2000 笔事件模拟里，有效价差 8.4bp 拆成已实现价差 3.1bp + 价格冲击 5.3bp，信息损失占了 63%。横截面上小盘股信息占比从大盘的 38% 一路升到微盘的 61%。窗口 τ 的选择本身是建模决策：τ 越大临时越衰减，已实现价差越贴永久冲击。诚实边界：需要可靠的买卖方向标签、中间价的构造方式直接改分账、日线粒度下 τ 不可识别（中阶）。

1 分钱的最小报价单位不是技术细节，是流动性的总开关。机制一句话：tick 是价差的地板，也是挂单租金的来源。500 只股票的横截面模拟把跷跷板演示到位——tick 从 0.1 分加到 2 分，平均价差从 1.12 分涨到 2.27 分，但最优档深度从 1130 股暴增到 8415 股；反向做「缩小 tick」实验：受约束组价差 −38% 的同时深度坍缩 −71%，不受约束组几乎不动。小单希望 tick 越小越好，大单的总成本是 U 型：价差和深度都是钱，最优 tick 不在零点。顺带讲清 tick 的三个衍生后果：排队优先权的价值、做市商利润的制度来源、以及 sub-penny 抢先的监管由来。诚实边界：深度弹性系数是模拟设定不是实证常数、真实市场还有做市商退出的外生冲击、A 股 1 分 tick 对低价股约束极强对高价股几乎不可见（中阶）。

每一笔成交价的变动里都混着两种完全不同的东西：一部分是市场真的学到了新信息（永久冲击），另一部分只是买卖价差的弹跳（暂时冲击）。MRR (1997) 模型用一条结构方程把两者干净地拆开：信息成分 θ 度量逆向选择，流动性成分 φ 度量订单处理与库存补偿，副产品还包括订单流自相关 ρ。本文从模型设定推到矩条件估计，用可复现 Python 生成 2 万笔模拟成交并把参数估回来（θ、φ 误差在 1% 以内），展示估计精度按 1/√N 收敛、不同股票的成分占比差异、以及信息成分的日内衰减模式。最后诚实拆解：交易方向标注错误的偏差、参数非平稳性、以及它对执行成本归因的实际价值（中阶）。

Almgren-Chriss 假设冲击成本只跟'交易多快'有关，却漏掉了限价簿的一个关键性质——它会恢复。你砸下一笔单，价格被临时推走，但只要停手，挂单会重新涌入，把冲击慢慢填平。Obizhaeva-Wang (2013) 把这个'弹性'写进模型，得出一个 AC 里没有的结论：最优执行不是一条平滑衰减曲线，而是'两端各下一个离散大块 + 中间恒定速率连续吃单'的 U 型轨迹。本文从限价簿动力学出发推导 OW 最优解，用蒙特卡洛证明它在期望成本（43.4bp vs TWAP 45.0bp）与成本方差上双双改善，弹性越低优势越大，并诚实拆解连续模型在离散撮合、日内弹性时变、被猎杀四个方向上的失真（中阶）。

开盘半小时的涨跌方向，会在收盘前一小时被部分复刻——这是 Gao-Han-Li-Zhou (2018) 在 SPY 上记录的日内动量效应，来源不是玄学而是三股结构性资金：对冲 Gamma 的做市商、盯收盘价的被动基金、日内趋势跟随者都在尾盘同向交易。本文在自洽合成数据上植入传导系数 β=0.10 并完整复现检验流程：开盘-尾盘收益相关性 0.108（t=3.8）、五分组尾盘收益单调递增、策略年化 8.3%（Sharpe 0.73）显著跑赢被动持有尾盘（0.37）；同时用无效应对照组证明——β=0 时同一策略被 2bp 成本磨到年化 -7.9%。β×成本 Sharpe 热力图画出这类高频率低赔率策略的生死线，附完整 Python 与四类真实陷阱（中阶）。