Sharpe 16 到 63:把「会看方向」和「会挂单」拆成两笔钱

首页 / 海外深读 / 读机构交易员技能论文
海外深读 / 做市与技能

Sharpe 16 到 63:把「会看方向」和「会挂单」拆成两笔钱

一笔仓位赚的钱,可以拆成两半:一半是你判断对了方向,另一半是你愿意在别人急着成交时挂单。

arXiv做市交易员技能
海外深读 / 做市与技能
这篇 141 页的论文问了一个很朴素的问题:交易员的「本事」能不能被测量,它到底来自看方向,还是来自提供流动性?答案不是二选一——两件事都能赚钱,而且可以分开计量。
原文
Intraday Forecasting Ability and Liquidity Provision of Institutional Traders
出处
arXiv:2610.31141 [q-fin.TR],2026 年 10 月 22 日提交(v1)
提交者
Xianhua Peng(据 arXiv 页面)
数据
某证券交易所的高频成交数据,机构自营盘的日内交易
方法
买卖成交配对成「匹配仓位」;构造期限匹配的预测力代理;按被动成交次数 0/1/2 分层回归
规模
141 页正文,16 张图
本文处理
英文短引 4 处(摘要原句),附译文与注释;日频换算与百分比折算为本站复算,假设已标注
16–63假设性跟单策略的年化 Sharpe
+1.02–1.19预测力 +1σ 对应的每笔 P&L(货币单位)
+3.79–3.82两腿被动相对一腿被动的额外 P&L

01研究要回答的三个问题

第一个问题:交易员的预测能力是可持续的,还是运气?第二个问题:如果能持续,它能不能被「事先」观察到——比如从他们的成交流里看出来?第三个问题:一笔仓位的盈亏,有多少来自判断方向,有多少来自「提供了流动性」。

这三个问题业内一直在讨论,但很难回答,因为它们需要一份能把「谁、在什么时点、以什么角色成交」都对上的数据。论文拿到的是某交易所的机构自营成交记录,可以把买卖两腿配对成一笔完整仓位,并标注每条腿是主动还是被动。

这个数据结构决定论文能走多远。多数研究只能用日度持仓或成交流的聚合,无法区分「同一笔交易里,开仓是被动还是主动」;而这恰恰是做市与方向交易的分界线。

02核心论点:技能是持续的,而且能被成交流看见

We discover persistent forecasting abilities among traders.原文
译文:我们发现交易员中存在持续的预测能力。
注释:「persistent」是这篇论文的关键词:不是某一天猜对,而是在样本期内可以稳定识别出同一批人。这个词决定了后面所有推论是否成立——如果技能不能持续,跟单就没有意义。
Specifically, we demonstrate that hypothetical flow-following strategies based on the execution flows of these skillful traders yield annualized Sharpe ratios ranging from 16 to 63 across various trading frequencies.原文
译文:具体而言,我们证明:基于这些高技能交易者成交流的假设性跟单策略,在不同交易频率下能取得 16 到 63 的年化夏普比率。
注释:注意「hypothetical」这个词。这是回测出来的纸面策略,不含手续费、冲击成本与容量限制;16 到 63 这个区间本身就是提醒——真实的年化 Sharpe 很少长期超过 2。

第一层结论是:技能存在且可识别。第二层结论是:技能可以被「外溢」——如果能实时看到某批高技能交易者的成交方向,跟着做,在样本内能获得极高的事前风险调整收益。

但第二层结论必须打折读。年化 Sharpe 16 到 63,换算成日频是 1.0 到 4.0 左右(除以 √252),也就是每天的平均收益是日波动的 1 到 4 倍。任何真实策略在这个量级上都会立刻被容量与成本吃掉;这个数字说明的是「信号里有信息」,不是「照做能赚这么多」。

03论证拆解:把两腿成交配对成一笔仓位

论文的识别策略分五步,值得按顺序看。每一步都在解决一个具体的测量问题,而不是在堆模型。

  • 第一步配对把同一交易员的买入成交与卖出成交按标的与时间配对,形成「匹配仓位」;每笔仓位有开仓腿与平仓腿。
  • 第二步标注角色每条腿标注主动或被动:主动=吃单,被动=挂单成交。一笔仓位因此有 0、1 或 2 条被动腿。
  • 第三步构造预测力代理用期限匹配的方式衡量该交易员在开仓时点对未来短周期收益的判断,避免用未来信息。
  • 第四步回归把匹配仓位的已实现 P&L 对预测力代理、被动腿数量与一系列控制变量做回归。
  • 第五步稳健性换交易频率、换样本切分、换 P&L 口径,检验结论是否稳定。
变量定义在论文里的作用
匹配仓位买卖两腿配对后的完整交易分析的基本单位
预测力代理开仓时点对未来收益的期限匹配估计衡量「会看方向」
被动腿数 0/1/2仓位中有几条腿是挂单成交衡量「提供流动性」
已实现 P&L配对后的实际盈亏(货币单位)被解释变量

这个设计的巧妙之处在于它把「技能」拆成两个互不替代的来源:预测力(你知道方向)与流动性角色(你愿意在别人急的时候挂单)。两者在数据里可以分别估计,而且可以同时存在。

配对本身也有代价。只统计能配对成仓位的成交,天然排除了「开了没平」的库存;如果高技能交易员的库存管理本身就是技能的一部分,这种配对会高估「每笔仓位」的质量。这一点论文用稳健性检验处理,但读者读结论时不能忘。

04数字复算:1.31 个货币单位是多少

Our findings indicate a direct correlation between improved forecasting ability and profitability, where a one-standard-deviation increase in the forecasting ability proxy is associated with 1.02 — 1.19 currency units higher P&L per matched position.原文
译文:我们的发现表明,预测能力的提升与盈利能力直接相关:预测力代理每提高一个标准差,每个匹配仓位的 P&L 高出 1.02 至 1.19 个货币单位。
注释:这句话的信息量在「每笔仓位」这个单位上。它不说收益率,只说绝对金额;要换算成比例,必须知道平均仓位的名义规模,而摘要没有给——所以任何百分比换算都只能是假设推演。
In these regressions, P&L is 1.28 — 1.31 currency units higher for one passive execution than for none, and a further 3.79 — 3.82 higher for two than for one, underscoring the significant financial benefits of liquidity provision.原文
译文:在这些回归中,有一条被动腿的仓位比没有被动腿的仓位 P&L 高 1.28 至 1.31 个货币单位;两条被动腿的又比一条被动腿的高出 3.79 至 3.82,凸显了提供流动性的显著财务收益。
注释:这组数字是全文最有操作性的部分:它把「挂单」这件事标了价,而且呈现加速关系——第二条被动腿的边际收益(约 3.8)远高于第一条(约 1.3)。

我们做两次换算。第一次换成相对幅度:若平均匹配仓位的名义规模为 100 个货币单位,则 +1.02 至 1.19 相当于每笔 +1.0% 至 1.2%;两腿都被动相对两腿都主动,累计增益约 1.28 + 3.79 ≈ 5.07 个单位,即约 5%。这个幅度在日内尺度上非常大,说明「被动成交」不是小优化。

Sharpe 年化 → 日频:SR_daily = SR_annual / √252 SR = 16 → 16 / 15.87 ≈ 1.01 SR = 63 → 63 / 15.87 ≈ 3.97 被动腿边际收益(若名义 100 单位): 0 → 1 腿:1.28~1.31 单位 ≈ +1.3% 1 → 2 腿:3.79~3.82 单位 ≈ +3.8% 两腿 vs 无腿:≈ +5.1%名义规模 100 单位为本站假设,仅用于把绝对金额换算成相对幅度;论文未在摘要给出该规模,故不能把 1.3%、3.8% 当作论文结论。
仓位结构被动腿论文报告的 P&L 差异读法
两腿都主动0基准纯方向交易,付出点差
一腿被动1+1.28~1.31 单位方向 + 一次挂单成交
两腿都被动2再 +3.79~3.82 单位两次挂单成交,做市成分最重

注意「两腿都被动」的仓位在结构上接近做市:开仓与平仓都在挂单侧成交,赚的是点差与排队位置。它 P&L 更高,但这类仓位的风险不是方向,而是逆向选择——你成交的时候,往往是对手方知道些什么的时候。

这解释了为什么第二条被动腿的边际收益更高:两腿都被动,意味着你在开仓与平仓两端都提供了即时性,收取了两次「租金」;同时也意味着你两次承担了被逆向选择的风险。论文报告的是净额,风险敞口不在摘要里。

05反例与边界:Sharpe 16–63 是纸面数字

第一个边界是成本。跟单策略的 Sharpe 是在不含手续费、不含冲击成本、假设能按成交流价格成交的前提下算出来的。真实执行要付点差、排队,以及在信号拥挤时的滑点。

第二个边界是样本与选择性。只统计能配对成仓位的成交,排除了未平仓库存;如果库存管理本身是技能,这种配对会高估质量。第三个边界是单一市场:某一家证券交易所的制度细节(涨跌幅、T+1、返佣结构)会改变「被动成交更赚」的幅度。

第四个边界最容易被忽略:可识别不等于可复制。论文能识别出「这批人预测力强」,是因为有完整的成交标签;外部观察者看到的只有延迟、聚合后的成交流,信息在传递中已经衰减。真正可交易的版本,还要减去「你看到的时候,他们已经成交完了」这段时间的衰减。

还有一个统计层面的提醒:141 页、16 张图意味着大量的回归与切分。读这类论文时,应该先看主结果的标准误是否聚类、是否控制了个股与时段固定效应,再看那些漂亮的区间估计。摘要里的「1.02–1.19」是区间,不是点估计。

06对中文读者的用法

这篇论文最直接的用处不是「跟单」,而是给自己做一次诊断:同一个人、同一段时间,把成交按两腿的主动/被动分成四类,看 P&L 落在哪里。

  • 把自己的成交按「两条腿的主动/被动」分类,算四类仓位的平均 P&L——这是成本最低的自我诊断。
  • 若「两腿都被动」明显高于「两腿都主动」,边际改进在挂单侧:提高挂单比例、优化排队位置,而不是继续优化方向判断。
  • 反之若被动腿 P&L 更差,说明你在被逆向选择:挂单成交的时刻正是别人知道消息的时刻,需要缩小挂单尺寸或加宽点差。
  • 看到「年化 Sharpe 16–63」这类数字,先除以 √252 换成日频,再问成本与容量——日频 Sharpe 4 的策略不可能长期存在。
  • 加密市场用 maker 返佣与 VIP 阶梯替代论文里的「被动收益」,机制同源:你收的是提供即时性的租金,代价是逆向选择风险。

这篇论文还有一个隐含用法:它给了「做市」一个可计量的定义——不是「挂了单」,而是「一笔仓位的两条腿都在挂单侧成交」。用这个定义去看自己的交易记录,很多人会发现自己其实是方向交易者,只是偶尔挂了单。

对交易所侧也一样:maker 返佣的设计,本质上是在为「两条腿都被动」这类行为定价。返佣给到多少,决定了有多少人愿意在波动时挂单;给得太多,会吸引只赚返佣的刷量;给得太少,深度在压力时段会消失。论文没有讨论费率,但它给出的 P&L 结构,正好是费率设计的分母。

07一句话结论

技能可以持续,也可以被成交流看见;而一笔仓位赚的钱,确实能拆成「看对了方向」与「愿意挂单」两半,后者的价格在数据里标得清清楚楚。

本文的 100 单位名义规模与 1.3%、3.8% 折算为本站假设性推演,非论文数据;论文的样本市场、回归设定与稳健性检验见原文。文中对费率设计的评论为机制推演,不代表原作者观点。

08延伸阅读

资料来源与核对方式
· arXiv:2610.31141 [q-fin.TR],Intraday Forecasting Ability and Liquidity Provision of Institutional Traders,https://arxiv.org/abs/2610.31141(v1,2026-10-22 提交,141 页 / 16 图)
· 本页短引全部取自该摘要页,逐字摘录;100 单位名义规模与百分比折算为本站假设
访问日期:2026-10-27。文中英文短引均摘自所列公开原文,译文与注释为本站所加;凡标注「我们的复算」「演示性算例」「假设性推演」处均为按公开口径的算术推导,不是原作者结论。原文版权归原作者与发布方所有,本页为摘译与独立分析,不构成投资建议。

常见问题

「匹配仓位」为什么重要?

因为它把分析的粒度从「单笔成交」提升到「一笔完整交易」。单笔成交无法区分开仓与平仓、也无法区分主动与被动在同一笔交易中的角色;配对之后,才能把 P&L 归因到「预测力」与「流动性提供」两个来源上。

年化 Sharpe 16 到 63 是否说明策略可用?

不能。这是假设性跟单策略的回测结果,不含手续费、冲击成本与容量限制,也没有考虑信息延迟。换算成日频约为 1 到 4,远超真实可实现的水平;它说明信号含信息,不说明策略可执行。

为什么「两条腿都被动」的 P&L 更高?

因为这类仓位在开仓与平仓两端都提供了即时性,相当于收取了两次价差与排队收益;同时它也两次承担逆向选择风险。论文报告的是净额,风险敞口需要看原文的分项结果。

本文为公开论文摘要的摘译与独立分析,不构成投资建议。英文短引均摘自 arXiv 公开摘要页,译文与注释为本站所加;百分比折算为假设性推演,已标注。 最后更新:2026-10-27。

安装 App