5D Library › 高频限价订单簿微观结构、霍克斯自激点过程与逆向选择毒流 · English

序:价差、成簇与毒流

注

风险提示,请先读这一段。 本书是教学与研究用的数学模型,不是投资、交易、职业、税务或法律建议。书中的回测与模拟结果不代表未来收益;所有价格、订单、成交量与交易日的数据都是虚构或程序模拟的,不是任何真实市场、交易所或证券的数据。本书不推荐任何具体的资产、交易所、币种或券商,也不提供任何「保证」「必胜」「稳赚」或「证明最优」的方法。书中的模型只在写明的假设下成立;真实市场随时可能违反这些假设。做市与高频交易涉及技术、监管与流动性风险,杠杆与衍生品可能造成全部投入甚至超出投入的损失。

一位做市商同时挂出买价与卖价,赚取两者之差;可是吃掉他报价的人里,有一些比他知道得更多。成交来得越快、越集中在一边,他越要担心:这是普通的买卖,还是有人在利用他?订单似乎会「扎堆」到来,一笔大单之后往往跟着更多同方向的单子;买盘挂得比卖盘厚的时候,价格似乎更容易往上走一格;一家机构要卖掉一大笔股票,卖得太快冲击价格,卖得太慢又承担价格波动。这本书问的是:这些直觉中,哪些有数学与证据的支撑,哪些需要限定,哪些是错的?

回答需要四层工具。第一层是信息:买卖价差为什么存在,价格怎样在交易中逐步吸收私人信息。第二层是库存:一个厌恶风险的做市商应当怎样根据手上的库存移动报价。第三层是到达过程:订单为什么成簇到来,成簇怎样造成高频数据中的噪声与相关性的假象。第四层是度量与执行:能否从成交数据中度量「毒性」,盘口的不平衡说明了什么,大单应当怎样拆分。

本书的内容

第一章讨论格罗斯滕—米尔格罗姆的序贯交易模型与凯尔的序贯及连续拍卖模型;第二章讨论阿韦拉内达—斯托伊科夫的最优做市方程,并与格扬、勒阿勒与费尔南德斯—塔皮亚的精确解对照;第三章讨论霍克斯自激与互激点过程、平稳性判据、签名图与埃普斯效应;第四章讨论知情交易概率(PIN)、交易量同步知情交易概率(VPIN)与关于 2010 年 5 月 6 日闪崩的争论;第五章讨论订单流不平衡(OFI)、挂单量不平衡与排队位置;第六章讨论阿尔姆格伦—克里斯最优执行与 TWAP、VWAP 的关系;第七章与《周礼·地官》中司市、贾师的记载、《孟子·公孙丑下》的「龙断」以及《宋史·食货志》所记的市易法并读;第八章给出四步核查表与一项预注册的模拟撮合实验方案。

本书与 5D Library 的几本书相邻,重叠处只作简短回顾并注明出处,不重复其程序:第 19 本《非遍历性财富动力学、凯利准则与波动率税》讨论过仓位与时间平均增长;第 20 本《信贷周期、自组织临界性与市场相变的统计物理》讨论过流动性螺旋与临界性;第 32 本《算法博弈论、布雷斯悖论与流量分配的无秩序代价》讨论过机制设计与均衡的效率损失(第七章的中间商模型只借用这一视角);第 33 本《科学方法论、可证伪性与可重复性危机的数理统计》讨论过预注册、把握度与判定规则(第八章沿用);第 38 本《期权隐含波动率曲面、偏度溢价与垂直价差结构的定量风控》讨论过期权、方差风险溢价,并说明了最大回撤几乎没有统计把握度(第八章只回顾);第 39 本《高杠杆衍生品清算瀑布、订单簿深度衰竭与协整统计套利》推导过单期凯尔模型的价格冲击系数、讨论过平方根冲击律、霍克斯过程的奥加塔稀疏化模拟与极大似然估计,以及「分支比约 0.92、市场接近临界」的争论(第一、三、六章只回顾);第 40 本《宏观流动性体制转换、极值尾部相依与杠铃资产配置》讨论过尾部风险与流动性体制,本书的风险提示、披露与第八章体例照它的写法。

核对后修正的说法

作者给出的框架中,有以下几处经核对需要修正、补充或限定。各章遇到时如实说明,并汇总在随书的《编辑说明》中。

  1. 「格罗斯曼—米尔格罗姆」。 1985 年《金融经济学杂志》那篇序贯交易模型的作者是格罗斯滕(Lawrence Glosten)与米尔格罗姆 (Glosten and Milgrom 1985);格罗斯曼(Sanford Grossman)是另一篇经典文献「信息有效市场的不可能性」的作者之一(与斯蒂格利茨,1980)(Grossman and Stiglitz 1980)。中文译名改为「格罗斯滕—米尔格罗姆」。另外,格罗斯滕—米尔格罗姆模型是序贯交易(做市商逐笔报价)模型,「序贯拍卖」与「连续拍卖」是凯尔 1985 年的两种设定 (Kyle 1985)(第一章)。
  2. 凯尔模型的 λ。 单期拍卖中价格冲击系数 λ=12Σ0/σu\lambda = \tfrac12\sqrt{\Sigma_0}/\sigma_u(第 39 本已推导);在连续拍卖中它是 Σ0/σu\sqrt{\Sigma_0}/\sigma_u,是单期的两倍,知情交易者的期望利润也从 12Σ0σu\tfrac12\sqrt{\Sigma_0}\sigma_u 翻倍为 Σ0σu\sqrt{\Sigma_0}\sigma_u,私人信息在交易结束时全部进入价格。程序用凯尔定理 2 的差分方程逐次计算,1,024 次拍卖时 λ 为 0.9963、利润为 0.9960(理论极限 1)(第一章)。
  3. 阿韦拉内达—斯托伊科夫的公式。 保留价格 r=s−qγσ2(T−t)r = s – q\gamma\sigma^2(T-t) 与总价差 γσ2(T−t)+2γln⁡(1+γ/k)\gamma\sigma^2(T-t) + \tfrac{2}{\gamma}\ln(1+\gamma/k) 与原文一致 (Avellaneda and Stoikov 2008),但后者依赖指数到达强度 Ae−kδAe^{-k\delta}、价值函数按库存的展开以及对订单到达项的一阶(线性)近似,不是精确最优解。格扬(Guéant)等人把问题化为线性常微分方程组并给出有界库存下的精确解 (Guéant et al. 2013):离终点稍远,最优报价几乎不随时间变化,而近似公式随剩余时间线性放大。在阿韦拉内达与斯托伊科夫自己的模拟参数下,剩余时间为 1 时,库存为 1 的保留价格偏移按近似公式为 −0.400,精确解只有 −0.052;风险厌恶 γ = 1 时,近似公式的平均价差为 3.03,精确解为 1.21,单期平均利润 31.2 对 63.9。所以「推导出最优报价」应改写为「推导出一个在 tt 接近 TT 时准确、离终点越远越不准确的近似」(第二章)。
  4. 霍克斯过程与埃普斯效应。 条件强度 λ(t)=μ+∫0tαe−β(t−s)dNs\lambda(t) = \mu + \int_0^t \alpha e^{-\beta(t-s)}\,dN_s 与平稳性条件 η=α/β<1\eta = \alpha/\beta < 1 核对无误 (Hawkes 1971);但埃普斯效应是「高频采样下资产间相关性下降」的经验现象 (Epps 1979),互激霍克斯过程是解释它的一种模型 (Bacry et al. 2013),非同步交易是另一种,二者可以分别产生这一现象;程序显示,仅由非同步观测造成的偏差可以用林—吉田(Hayashi–Yoshida)估计量消除 (Hayashi and Yoshida 2005)。「分支比接近 1」只回顾第 39 本,不作结论(第三章)。
  5. VPIN 与闪崩。 「闪崩前夕 VPIN 升高、流动性提供者因逆向选择而撤出」是伊斯利、洛佩斯·德普拉多与奥哈拉的解释 (Easley et al. 2011, 2012)。安德森与邦达连科指出 VPIN 难以预测短期波动率,其峰值出现在闪崩之后,预测力主要来自与交易强度的机械关系 (Andersen and Bondarenko 2014b);原作者撰文反驳 (Easley et al. 2014),安德森与邦达连科再作回应,并指出结论在很大程度上依赖成交分类方法 (Andersen and Bondarenko 2014a)。美国商品期货交易委员会与证券交易委员会的联合报告把那天的起点归于一笔约 75,000 张 E-mini 合约的卖出程序 (U.S. Commodity Futures Trading Commission and U.S. Securities and Exchange Commission 2010);基里连科等人发现高频交易者在价格下跌时没有改变交易方式 (Kirilenko et al. 2017)。本书把「逆向选择撤单」写成一种有争议的机制假说,不写成已证实的因果(第四章)。
  6. 「订单簿不平衡度」与 CKS 2014。 康特、库卡诺夫与斯托伊科夫 2014 年研究的是订单流不平衡(OFI,最优买卖价上挂单量的有符号变化之和),它与同一时段的中间价变化近似线性,50 只美国股票、2010 年 4 月数据上的平均 R2R^2 为 65%,斜率约与深度成反比 (Cont et al. 2014);它不是挂单量的静态不平衡。静态的挂单量不平衡与下一次价格变动方向的关系是非线性的,而且依赖两边挂单的绝对数量,不只依赖比例 (Cont and Larrard 2013; Gould and Bonart 2015)(第五章)。
  7. 阿尔姆格伦—克里斯与冰山订单。 双曲正弦形状的最优轨迹只在线性冲击、算术布朗运动与均值—方差准则下成立 (Almgren and Chriss 2001);冰山订单(只显示部分数量的限价单)是另一个问题,不属于阿尔姆格伦—克里斯模型,本书单独讨论。VWAP 在常数冲击的模型中不在有效前沿上:程序中它的期望成本比 TWAP 高 5.3%;只有当临时冲击与时段成交量成反比时,VWAP 才是风险中性下的最优解(第六章)。
  8. 原典。 《周礼·地官·司市》「以次叙分地而经市,以陈肆辨物而平市,以政令禁物靡而均市」核对无误 (孙诒让 撰,王文锦、陈玉霞 点校 1987)。《孟子·公孙丑下》的原文是「古之为市也,以其所有易其所无者,有司者治之耳」,作者框架作「古之为市者」,据通行本改正 (焦循 撰,沈文倬 点校 1987)。作者提到「沈括《梦溪笔谈》牙人/市易司报价撮合史料」:本轮核查没有在《梦溪笔谈》中找到记述牙人或市易司「报价撮合」的条目,因此不引用;改用《宋史·食货志下八·市易》中可以核实的记载(魏继宗请置「常平市易司」,中书奏置「市易务」,以及「是挟官府为兼并也」的批评)(脱脱 等 撰 1977)。「报价撮合」是现代术语,市易务是官营的收购、出售与抵押放贷机构,不是撮合引擎(第七章)。
  9. 第八章的结局。 作者框架提出比较「终端净值夏普比率与最大库存回撤」两项结局。预注册方案只能有一项主要结局;本书选夏普比率之差,最大库存与回撤作次要结局,理由见第八章。夏普比率的抽样分布有已知的偏差与非正态问题 (Lo 2002),所以标准误按配对自助法计算,并用正态理论公式作对照 (Jobson and Korkie 1981; Memmel 2003; Ledoit and Wolf 2008)(第八章)。

如何阅读标注框

与 5D Library 的其他书一样,不同类型的陈述分开标注。

证据

证据框报告已发表的研究结果,并注明出处。

推导

推导框给出简短的 Python 程序。每段程序都可以在标准 Python 3 环境中原样运行,只用标准库,固定了随机种子,程序下方附有实际运行结果。书中的价格、订单、成交量与交易日都是虚构或程序合成的,参数是示意值,不是对任何真实市场或证券的估计。

假说 · 尚未验证

假说框是作者的想法,标明「尚未确立」,并写明什么样的结果能证明它是错的。作者自己的模型与定义在正文中标明「作者的模型」。

原典

原典框引用古代文献,并附白话解释。

注

注框给出提醒并解释取舍。

本版说明

这是 1.0.0 版,第一个完整版:序与八章,中英双语。书中共有 16 段 Python 程序与 5 张矢量图。正文、标注框与代码由 AI 写作工具依据作者提供的书名、框架与要点起草,作者负责审阅、修改并核对出处。AI 起草的文字可能在文献细节上出错,欢迎通过 5D Library 网站指正。第四章的价差分解模型、第五章的排队位置模型、第七章的中间商模型与第八章的试点环境是作者的模型,它们的数学性质不是对真实市场的预测证据。

利益披露

作者以 5D Library 的著作(包括本书)作为其社群课程、升维牌卡(5D Ascension Cards,Dimensional Shift Card Decks)与 Yafu AI 知识库的方法论基础,因此与本书主题有商业利益关系。本书不推销任何课程、牌卡或服务;第八章的试验设计为由独立于作者企业的研究人员实施和分析,不从作者的社群、学员或客户中招募;书中所有代码与研究方案均公开,供任何人检验。作者开发并维护量化研究脚本,并提供相关的开源研究与独立咨询服务;撰写本书期间可能持有美股指数(如 SPY)或相关衍生品的常规观察仓位。本书所有模型仅供数理与历史统计的学术探讨,不构成任何投资建议或交易信号,也不推荐任何具体交易或资产。

参考文献

Almgren, Robert, and Neil Chriss. 2001. “Optimal Execution of Portfolio Transactions.” Journal of Risk 3 (2): 5–39. https://doi.org/10.21314/JOR.2001.041.
Andersen, Torben G., and Oleg Bondarenko. 2014a. “Reflecting on the VPIN Dispute.” Journal of Financial Markets 17: 53–64. https://doi.org/10.1016/j.finmar.2013.08.002.
Andersen, Torben G., and Oleg Bondarenko. 2014b. “VPIN and the Flash Crash.” Journal of Financial Markets 17: 1–46. https://doi.org/10.1016/j.finmar.2013.05.005.
Avellaneda, Marco, and Sasha Stoikov. 2008. “High-Frequency Trading in a Limit Order Book.” Quantitative Finance 8 (3): 217–24. https://doi.org/10.1080/14697680701381228.
Bacry, Emmanuel, Sylvain Delattre, Marc Hoffmann, and Jean-François Muzy. 2013. “Modelling Microstructure Noise with Mutually Exciting Point Processes.” Quantitative Finance 13 (1): 65–77.
Cont, Rama, Arseniy Kukanov, and Sasha Stoikov. 2014. “The Price Impact of Order Book Events.” Journal of Financial Econometrics 12 (1): 47–88.
Cont, Rama, and Adrien de Larrard. 2013. “Price Dynamics in a Markovian Limit Order Market.” SIAM Journal on Financial Mathematics 4 (1): 1–25.
Easley, David, Marcos M. López de Prado, and Maureen O’Hara. 2011. “The Microstructure of the ‘Flash Crash’: Flow Toxicity, Liquidity Crashes, and the Probability of Informed Trading.” Journal of Portfolio Management 37 (2): 118–28.
Easley, David, Marcos M. López de Prado, and Maureen O’Hara. 2012. “Flow Toxicity and Liquidity in a High-Frequency World.” Review of Financial Studies 25 (5): 1457–93.
Easley, David, Marcos M. López de Prado, and Maureen O’Hara. 2014. “VPIN and the Flash Crash: A Rejoinder.” Journal of Financial Markets 17: 47–52. https://doi.org/10.1016/j.finmar.2013.06.007.
Epps, Thomas W. 1979. “Comovements in Stock Prices in the Very Short Run.” Journal of the American Statistical Association 74 (366): 291–98.
Glosten, Lawrence R., and Paul R. Milgrom. 1985. “Bid, Ask and Transaction Prices in a Specialist Market with Heterogeneously Informed Traders.” Journal of Financial Economics 14 (1): 71–100. https://doi.org/10.1016/0304-405X(85)90044-3.
Gould, Martin D., and Julius Bonart. 2015. Queue Imbalance as a One-Tick-Ahead Price Predictor in a Limit Order Book. arXiv preprint arXiv:1512.03492.
Grossman, Sanford J., and Joseph E. Stiglitz. 1980. “On the Impossibility of Informationally Efficient Markets.” American Economic Review 70 (3): 393–408.
Guéant, Olivier, Charles-Albert Lehalle, and Joaquin Fernandez-Tapia. 2013. “Dealing with the Inventory Risk: A Solution to the Market Making Problem.” Mathematics and Financial Economics 7 (4): 477–507. https://doi.org/10.1007/s11579-012-0087-0.
Hawkes, Alan G. 1971. “Spectra of Some Self-Exciting and Mutually Exciting Point Processes.” Biometrika 58 (1): 83–90. https://doi.org/10.1093/biomet/58.1.83.
Hayashi, Takaki, and Nakahiro Yoshida. 2005. “On Covariance Estimation of Non-Synchronously Observed Diffusion Processes.” Bernoulli 11 (2): 359–79.
Jobson, J. D., and Bob M. Korkie. 1981. “Performance Hypothesis Testing with the Sharpe and Treynor Measures.” Journal of Finance 36 (4): 889–908.
Kirilenko, Andrei, Albert S. Kyle, Mehrdad Samadi, and Tugkan Tuzun. 2017. “The Flash Crash: High-Frequency Trading in an Electronic Market.” Journal of Finance 72 (3): 967–98.
Kyle, Albert S. 1985. “Continuous Auctions and Insider Trading.” Econometrica 53 (6): 1315–35. https://doi.org/10.2307/1913210.
Ledoit, Olivier, and Michael Wolf. 2008. “Robust Performance Hypothesis Testing with the Sharpe Ratio.” Journal of Empirical Finance 15 (5): 850–59.
Lo, Andrew W. 2002. “The Statistics of Sharpe Ratios.” Financial Analysts Journal 58 (4): 36–52.
Memmel, Christoph. 2003. “Performance Hypothesis Testing with the Sharpe Ratio.” Finance Letters 1: 21–23.
U.S. Commodity Futures Trading Commission and U.S. Securities and Exchange Commission. 2010. Findings Regarding the Market Events of May 6, 2010: Report of the Staffs of the CFTC and SEC to the Joint Advisory Committee on Emerging Regulatory Issues. CFTC; SEC.
孙诒让 撰,王文锦、陈玉霞 点校. 1987. 周礼正义. 中华书局.
焦循 撰,沈文倬 点校. 1987. 孟子正义. 中华书局.
脱脱 等 撰. 1977. 宋史. 中华书局.

Fan, Y. (2026). High-Frequency Limit Order Book Microstructure, Hawkes Self-Exciting Point Processes and Adverse-Selection Flow Toxicity: From the Avellaneda–Stoikov Market-Making Equations to VPIN, Read Beside Classical Chinese Thought on Market Equilibrium [高频限价订单簿微观结构、霍克斯自激点过程与逆向选择毒流] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23828065 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).