- 已实现价差分解:用成交后中间价拆临时成本
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)。
20 min Chinese - Tick Size 与流动性:最小报价单位如何改变价差与深度
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)。
10 min Chinese - 换手率流动性因子:用成交活跃度截面选股
Amihud、Zeros 这些度量回答「流动性有多差」,Datar-Naik-Radcliffe (1998) 问的是下一个问题:流动性差的股票是否给了补偿?他们用最朴素的代理——换手率(成交量/流通股本)做截面分组,发现低换手股票有系统性超额收益。200 只股票 × 60 个月模拟实测:最低换手十分位年化 10.1%、最高十分位仅 0.4%,多空组合年化 9.7%(t=2.24),十组接近单调。但两个实验立刻泼冷水:市值中性化后多空收益从 9.7% 砍到 5.5%——近半「流动性溢价」其实是小盘暴露;50bp 单边成本下净收益只剩 5.5%——赚的就是难交易的钱,这是流动性因子的结构性悖论。A 股语境更微妙:高换手往往是散户博彩情绪代理,低换手买的可能是「无人问津」而非「流动性补偿」。诚实边界:换手率混杂了流动性与关注度两种语义、因子在流动性宽松期长期跑输、容量天花板极低(中阶)。
12 min Chinese - 零收益天数流动性度量:用停滞比例给流动性打分
「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)。
13 min Chinese - 买卖价差 Corwin-Schultz 估计:只用每日最高最低价,把「隐性成本」算出来
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)。
12 min Chinese - Kyle lambda 与信息含量度量:把「一笔单能推动价格多少」做成流动性指标
为什么同样买一亿的单,大盘蓝筹几乎不动、小盘冷门股却拉涨停?答案藏在一个系数里——Kyle lambda,价格对净订单流的冲击斜率。它同时是流动性的倒数和信息含量的温度计:λ 越高,说明市场越浅、订单里的知情信息越浓。本文从 Kyle (1985) 的做市商模型出发,用纯 numpy 从零把 λ 用 OLS 回归估出来(R²=0.98 还原真值 0.8),验证信息占比越高 λ 越大、信息事件期间滚动 λ 从 0.5 飙到 1.5、横截面上成交量越低 λ 越高(幂律斜率 −0.53),并诚实拆穿订单符号分类误差/回归内生性/时变结构/流动性口径混淆/样本频率五类真实陷阱(中阶)。
13 min Chinese - 稳定币供给与加密市场流动性领先指标
稳定币(USDT/USDC)的总供给,是加密市场里最接近「场外干火药」的观测变量——新铸的稳定币若不进场就是链上闲置的美元,一旦进场就变成买盘。本文用自洽合成路径构造约 4 年稳定币供给(20B→209B)与独立 BTC 路径,量化「稳定币供给增速 → 未来 30 日 BTC 收益」的领先性(前向回归斜率 t=11.45),并回测流动性择时:终值 9.93x vs 买入持有 8.11x,并诚实拆穿增发≠买盘、交易所铸币虚增、口径不一致、监管冲击、与价格同步而非领先、样本内过拟合六类真实陷阱(中阶)。
11 min Chinese - 日内成交量季节性:用 U 型曲线预测盘中流动性窗口
几乎所有市场的日内成交量都呈 U 型:开盘集合竞价延续 + 隔夜信息集中释放, 成交量冲到第一个峰; 午盘进入信息真空, 成交量坍缩到日内最低、流动性最差; 收盘前机构调仓 + 指数再平衡 + 收盘竞价, 二次冲高。本文用 240 分钟合成日内序列演示:U 型两端/中段比 3.84 倍、午盘执行成本比开盘高 2.93 倍; 并把「1 万手大单用 VWAP 调度 vs 均匀调度」跑出实现差额 1.67bp vs 1.48bp(VWAP 省 11.4%)——本质是让单子天然落在高流动性窗口。附完整 Python 与六类真实陷阱(中阶)。
12 min Chinese
返回