标签： #市场微观结构

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）。

一只股票在盘前、连续竞价、盘后都在动，日收益被各个时段瓜分——但份额怎么算才不被噪声炸飞？WPC 用「日收益绝对值」做权重把信息稀薄的日子按比例压低：模拟实测真实份额 [0.15, 0.70, 0.15]，WPC 估出 [0.156, 0.682, 0.162]，不加权平均则给出 [0.32, 0.27, 0.41] 的荒谬答案——小收益日的贡献比是除以接近零的数。60 天窗口噪声巨大，250 天以上才稳定；滚动 WPC 能看见价格发现从盘中向盘后迁移的全过程。与 Hasbrouck 信息份额的分工一句话说清：WPC 只要收益切片、不要同步报价，是碎片化程度更低的场景下最实用的粗粒度工具。诚实边界：微观结构噪声不满足鞅假设时有偏、时段划分本身就是结论的一部分、无法区分「先动」与「动得对」（中阶）。

「一只股票有多少天价格纹丝不动？」Lesmond-Ogden-Trzcinka (1999) 把这个最朴素的观察做成了流动性度量：Zeros = 零收益天数 / 总交易天数。机制来自 LOT 交易成本模型——当信息带来的价值变动小于交易成本带 ±c 时，边际知情交易者选择不动手，价格就停在原地；成本带越宽，「装死」的天数越多。三年日线模拟实测：大盘蓝筹 Zeros 只有 3.1%，小盘微盘高达 38.3%，与真实交易成本的 Spearman 相关 0.98；危机情景里 60 日滚动 Zeros 从 15% 飙到 69%，是流动性枯竭的同期温度计。它最大的卖点是数据要求低到极致——只要收盘价，连成交量都不用，这让它成为覆盖新兴市场、公司债、上世纪历史数据的唯一可行选择。诚实边界：停牌与涨跌停会污染统计、离散报价制造伪零、对大盘股区分度趋近于零（中阶）。

为什么两只基本面几乎相同的股票，长期收益能差出好几个百分点？Amihud-Mendelson (1986) 给出微观结构层面的答案：买卖价差是一种持有成本，投资者会为难交易的资产索取更高的毛收益补偿。本文从零复现价差-收益横截面检验，用合成面板演示五分组毛溢价单调递增、且关系是凹形的——这正是'客户效应'的指纹：长持有期投资者自我选择进入高价差资产，把边际溢价摊薄。并诚实拆解：溢价是毛收益口径、高换手者根本吃不到，以及 A 股用报价价差还是用 Amihud ILLIQ 代理的现实取舍（中阶）。

每笔成交背后，站着一个知道更多的交易者。Easley & O'Hara (1987, 1992) 的 EKOP 序贯交易模型用泊松过程把知情交易者和噪声交易者分开，从日频的买单数 B 和卖单数 S 出发，用最大似然估计出信息事件概率 α、方向 δ、知情下单率 μ 和噪声下单率 ε，进而合成 PIN（知情交易概率）= αμ / (αμ + 2ε)。本文用 Python 模拟 50–2000 天的交易序列，展示参数估计值按 1/√N 收敛到真值、买卖单不平衡在有/无信息日显著分化、以及 PIN 对各参数的敏感性热力图。最后诚实拆解：数值下溢导致似然函数失效、方向标注误差的偏差效应、参数非平稳、以及日频粒度掩盖的时序结构（中阶）。

ETF 的二级市场价格和它篮子里资产的净值（NAV）之间，为什么长期贴得那么近？答案是一台永不下班的套利机器：授权参与人（AP）用实物申赎在一二级市场之间搬砖，把溢价折价压回成本边界内。本文从零拆解这台机器——申赎套利带如何形成、极端溢价为何在 3-5 天内被拉回、以及跟着 AP 吃溢价回归的策略长什么样。并诚实拆解：散户根本没有申赎通道、A 股 ETF 的 T+0 套利细节、以及 QDII/跨境 ETF 溢价为什么可以顶着套利机制疯涨不回归（中阶）。

为什么做市商要挂买卖价差？经典答案是「补偿库存风险」——但 Glosten 和 Milgrom 在 1985 年给出了更深刻的解释：价差的核心是补偿逆向选择。当你面对一个可能比你知道得多的对手方时，每次成交都在传递信息。模型用贝叶斯更新把这个问题形式化：做市商根据订单流不断修正对真实价值的信念，报出的 bid/ask 逐步收敛。本文从模型设定推到 Python 实现，模拟展示报价如何随交易序列收敛到真实价值、价差如何随知情交易者占比放大、以及逆向选择成分在价差中的主导地位。最后诚实拆解：方向标注问题、参数非平稳、以及模型对真实市场的简化假设（中阶）。