标签： #市场微观结构

Lee-Ready 在高频碎片化市场里的死穴是逐笔：时间戳粒度不够、多场所归并乱序、报价陈旧，逐笔判方向的地基先塌。Easley-López de Prado-O'Hara (2012) 的 BVC 干脆放弃逐笔——把成交切成等成交量 bar，只看每根 bar 的价格变化，用标准化 ΔP 过一个 CDF 直接映射出这根 bar 里的买量占比：涨得越猛买单占比越高，跌得越猛卖单越多。20 万笔模拟实测：bar 级买量占比与真实值相关 0.80；把逐笔时间戳按块打乱模拟碎片化，Tick 规则相关性从 0.66 崩到 0.03，BVC 只从 0.78 缓降到 0.55——它根本不看逐笔顺序，只看 bar 端点。bar 大小是核心权衡：切太细噪声主导（100 根时 r=0.81 但误差大）、切太粗把日内反向流平均掉。诚实边界：BVC 给的是概率化的量占比不是逐笔标签、CDF 分布假设错了映射就歪、在报价干净的低频场景反而不如 Lee-Ready（中阶）。

没有报价数据、只有日线收盘价，怎么估一只股票的买卖价差？Holden (2009) 的 Effective Tick 用了一个几乎免费的信息源：价格聚集。做市商用 0.25 元价差报价时，成交价天然落在 0.25 的网格上——数一数收盘价里有多少比例恰好是 0.05 / 0.10 / 0.25 的整数倍，就能反解出各档价差的使用概率，加权平均即隐含价差。本文从聚集直方图直觉推到完整的占比→概率→约束修剪算法，40 次模拟×5 档真实价差实测：估计几乎贴住 45° 线（0.05 档估 0.0597、0.25 档估 0.2523），且方差显著小于 Roll 序列协方差估计量、永不出现 Roll 的正协方差失效。灵魂缺陷也来自同一枚硬币：价格聚集不全由价差造成——心理整数位聚集污染 30% 时，0.05 元的真实价差被高估成 0.103，偏差整整一倍。诚实边界：分档阶梯须匹配市场 tick 规则、对涨跌停封板日要剔除、它估的是有效价差的下限口径（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）。

Roll 估计量有个著名死穴：一旦价格变化的序列协方差算出正数，开根号直接失败——低信噪比下这能废掉三成样本。Hasbrouck (2009) 的解法是换武器：把 Roll 模型原封不动搬进贝叶斯框架，用 Gibbs 抽样把「每笔交易是买是卖」这个隐变量和价差参数一起从后验里抽出来。本文从 Roll 模型的状态空间形式推到三步 Gibbs 循环（抽方向 → 抽价差 → 抽波动率），全程只用 numpy 手写采样器。500 笔模拟实测：真实半价差 0.05，后验均值 0.0494，95% 可信区间 [0.048, 0.051]；隐藏的交易方向恢复准确率 96.8%；低信噪比场景下 Roll 三成样本算不出数且幸存样本偏高 24%，Gibbs 每次都给出正的估计和完整的不确定性刻画。灵魂在于截断先验：价差被约束为非负，协方差为正的样本不再是灾难而只是「后验更宽」。诚实边界：模型仍是 Roll 的全部假设（方向独立、无逆向选择）、MCMC 收敛需检查、计算量是矩估计的千倍（中阶）。

把一段时间内的买单量减卖单量、除以总量，得到订单失衡 OI ∈ [-1,1]——这是订单流预测里最直白的一个数。它有预测力的机制不是玄学：价格冲击让净买压直接推高价格，而拆单和羊群行为让失衡有自相关、会延续到下一个 bar。5000 个 5 分钟 bar 的模拟实测：OI 最低十分位下一 bar 平均收益 -6.4bp、最高十分位 +4.9bp，十组单调；但预测性衰减极快——OI 与未来收益的相关性从 h=1 的 0.21 跌到 h=5 的约 0，寿命只有一两个 bar。策略实验最诚实：阈值策略毛收益 117%，扣 3bp 单边成本后只剩 12%——3476 次换手把利润基本磨光。它的正确用法是执行择时与已有信号的入场微调，不是独立策略。诚实边界：方向分类本身有错标、失衡可被大单方拆单制造、参数换个市场就要重估（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）。

价差只告诉你第一股的成本，深度只告诉你第一档的数量——真正决定一笔像样规模订单成本的，是限价簿的形状。报价斜率把这个形状压缩成一个数：累计可成交量对价格偏移的回归斜率 S，越大盘口越有弹性。本文用模拟限价簿讲清定义与计算（含穿过原点的最小二乘），在 120 只股票的横截面上验证「固定订单的即时冲击 ∝ 1/S」的双对数线性关系，并演示斜率的日内 U 形与压力坍缩：负面消息瞬间撤单能让斜率蒸发 55%——流动性是被撤单速度定义的，不是被价差定义的。与 Kyle λ 的关系一句话讲清：S 是 λ 的簿本侧倒数近似。诚实边界：可见深度被冰山单低估、斜率对档位截断敏感、快照频率不够时压力坍缩根本看不见（中阶）。

价差一样的两个盘口可以完全不是一回事：买一挂 5000 股、卖一挂 1200 股的盘口，下一跳大概率往上走。深度失衡 I = (B−A)/(B+A) 是限价簿里最便宜也最顽固的短期方向信号——只要买一卖一两个数字，不要逐笔、不要全簿。本文从做市商队列消耗的机制推导为什么它有预测力，2 万个模拟盘口快照实测：失衡最负的十分位下一跳上涨概率 23%、最正的十分位 77%，单调性完美；但信号衰减曲线显示相关性在 10-20 个快照后见顶然后快速衰减，200 步外只剩 0.07。最扎心的实验是成本：无成本时四档阈值策略全部单调赚钱，扣掉 1 个 tick 的跨价差成本后全部转为亏损——这个信号的经济学归宿不是「做多做空」而是「决定挂单还是吃单、现在执行还是等一等」。执行算法里它值真金白银，当独立策略它付不起过路费。诚实边界：可被幌骗操纵、大 tick 股票才显著、隐藏单和冰山单让可见深度失真（中阶）。