把委托单的位置当尺子:深交所的高频代理指标,与 0.52 个百分点的宽价差

首页 / 海外深读 / 读 arXiv 2610.33400
海外深读 / 市场微观结构

把委托单的位置当尺子:深交所的高频代理指标,与 0.52 个百分点的宽价差

高频交易在中国没有一张公开的身份证。想研究它,只能自己造一把尺子——而这篇文章选择去量一个位置:你的限价单,是不是正好挂在对手方的最优价上。

高频交易深交所订单簿T+1市场质量
海外深读 / 市场微观结构
在深交所,报价每秒更新多次。谁能在一毫秒内看到订单簿的新状态,谁就能把限价单精确地挂在对手方最优价上:想买,就挂在卖一价;想卖,就挂在买一价。这个动作看起来很朴素,但它同时要求两件事——你知道此刻的最优价,而且你在别人之前到达。四位作者(复旦、香港城大)用两年四个月的深市订单级数据,把这个位置变成了一个可计量的高频活动指纹,再用开盘时的一条延迟信道,把它推到了「近似因果」。
原文
Tracking High-Frequency Trading Activity in China and Its Effects on Market Quality
出处
arXiv:2610.33400(q-fin.TR),DOI 10.48550/arXiv.2610.33400
时间
v1 提交 2026-10-24 02:22 UTC,178 KB
作者
Li Guo(复旦大学、上海国际金融与经济研究院)、Frank Weikai Li(香港城市大学)、Ding Qi(复旦大学)、Lijian Sun(复旦大学)
数据
深交所订单级数据,样本区间 2023-07-01 至 2025-10-31
股票池
深市普通股,剔除前一日市值最小的 30%
委托样本
连续竞价时段限价单的约 0.1% 系统抽样,剔除市价单
识别设计
开盘时跨信道订单传播延迟的差中差(DiD),24 个延迟反转事件
本文处理
英文短引 4 处逐字摘自摘要与正文;第 06 节的换算为本站按公开系数所做的算术,不是原作者结论
0.1%限价单系统抽样比例
28 个月样本区间跨度
24 次开盘延迟反转事件
0.520 pp宽价差出现率的 DiD 系数

01没有高频标签的市场,只能自己造尺子

研究高频交易,第一步就卡住:交易所不会给每笔委托贴上「来自高频账户」的标签。成熟市场的做法是拿交易所的账户标识(如美股的 LTID),或者用监管数据把做市商与自营商分开。中国没有这套可公开使用的对照表,于是文献里常见三种替代方案:撤单率、委托成交量比、以及报单与撤单的时间间隔。这三种都被质疑过——因为做市商、程序化游资、甚至券商自营的算法,都能在这些指标里留下相似的痕迹。

这篇文章换了个思路。它不去数「你撤了多少单」,而是去看「你的单挂在哪里」。这个切入点的好处在于:位置本身就是一个与时间强相关的信息。要知道此刻对手方最优价是多少,你必须先看到最新的订单簿;而要在报价刚变的那一瞬间把单挂上去,你必须比别人更早看到。

作者给这个位置起了个名字:主动精确匹配(active exact-match)。买方向的限价单,价格正好等于当前卖一价;卖方向的限价单,价格正好等于当前买一价。注意它仍然是限价单,不是市价单——在深交所的连续竞价里,这样的单会立即与对手方最优档撮合,成交不掉的部分就留在簿上排队。

为什么这个定义比撤单率更干净?因为撤单可以被策略性地制造(挂了就撤,成本极低),而「精确匹配」需要真实的价格信息。你可以随便撤单,但你没法随便把一个价格猜成对手方最优价——尤其在价格每秒变化多次的时候。

02样本口径:两年四个月,0.1% 的委托单

作者用的不是行情快照,而是逐笔订单数据:按交易所规则顺序重放报单、成交、撤单,重建出每一刻的最优买价与最优卖价。这一步是全部工作的地基——如果重建出来的簿不准,后面所有「是否精确匹配」的判断都会错位。

样本的取舍很明确:深市普通股,剔除前一日市值最小的 30%;只取连续竞价时段的限价单;剔除市价单;再做约 0.1% 的系统抽样。开盘集合竞价(09:15 至 09:25)的委托不进入代理指标的构造,但会用 09:25 的集合竞价价格重建集合竞价后的完整订单簿。

维度论文口径
市场,深交所:集中撮合、订单驱动、无暗池区间,2023-07-01 至 2025-10-31股票池,普通股,剔除前一日市值最小 30%委托样本,连续竞价时段限价单约 0.1% 系统抽样,剔除市价单重建方式,按交易所规则逐条重放报单、成交、撤单行情粒度,逐笔订单流;公开快照固定 3 秒刷新识别事件,开盘时跨信道延迟反转,24 个交易日

03三个制度约束,改变了「快」的用途

这篇文章最有价值的地方,是它没有把中国当成「一个更落后的美国市场」来处理。作者列了三条制度差异,并且指出:这三条合在一起,会把速度优势推向「方向性吃单」,而不是「连续做市」。

第一条是 T+1。当天买入的股票当天不能卖出,意味着做市商没法在日内快速把库存对冲掉。连续双边报价的本质是「反复进出、赚取价差、控制库存」;当库存无法日内回转,双边报价的风险敞口被迫延长到隔夜,做市的单位收益就要覆盖隔夜风险。

第二条是没有 maker-taker 返佣。美股的挂单方常能拿到交易所返佣,挂单本身就有一笔补贴;A 股没有这笔钱,挂单只能靠价差赚钱。价差有限时,做市的边际收益迅速下降,而吃单的机会收益是「立刻成交、立刻兑现」。

第三条是没有价格保护的 IOC 指令、且对快速报撤有约束。这两点抬高了「不停改价」的成本,进一步压低了连续做市的吸引力。

Improved information timeliness may therefore be used more intensively for directional liquidity taking than for continuous market making.原文
译文:因此,信息时效性的改善,可能更多被用于方向性的流动性提取,而不是连续做市。
注释:这句话是全文的枢纽。它把「速度」从一个道德判断(快就是抢跑)转换成一个结构判断(在什么制度下,快被用在哪里)。同一套低延迟基础设施,在返佣市场长成做市商,在无返佣加 T+1 的市场长成吃单者。读者如果只记住一句,记住这句。

04主动精确匹配的经济学:为什么慢的人不做这个动作

慢的人为什么不挂这个价?因为他挂上去之后,要承受「挂了就被打」的风险。假设你在卖一价挂买单,成交概率取决于对手方在那里的挂单量;成交之后,如果你对后续价格的判断是错的,你立刻承担逆向选择损失。

快的人处境不同:他在报价刚变的瞬间挂单,暴露时间极短;如果一秒内没有成交,他可以立刻撤掉重挂。所以同一个动作,对快的人是「低风险高频率」,对慢的人是「高风险低频」。

期望

也正因如此,这个指标预测价格的能力是可检验的:如果它真的捕获了「更早看到订单簿」的人,那么这些委托应该能预测随后几十秒到几分钟的中价方向。论文报告的窗口是 100 毫秒到 10 分钟——跨度接近三个数量级,这比单点显著更有说服力。

05三条验证:反应、撤单、条件聚集

一个好的代理指标不能只在定义上像,还要在行为上像。作者做了三组行为检验,再加一组收益预测检验。

验证维度观测到的行为为什么这说明「延迟敏感」
反应时间,报价更新后更快提交精确匹配单,反应速度直接绑定了信息获取速度撤单速度,精确匹配单撤得更快,暴露时间短,是低延迟策略的典型特征条件聚集,深度失衡有利、价差较窄时更集中,不是随机下单,而是在挑条件收益预测,预测 100 毫秒至 10 分钟的中价方向,委托里含有尚未反映到价格的信息

060.52 个百分点,换算成时间是每小时约 19 秒

论文最受关注的结果之一,是「宽价差出现率」的变化。这个变量的定义很细:在一个固定的 100 毫秒网格上取 10 个点,统计其中价差大于 1 个最小报价单位的比例,单位是百分点。

This variation yields plausibly causal evidence that latency-induced HFT raises short-horizon price variation, wide-spread incidence, and adverse-selection exposure, while realized spreads decline and pricing error falls modestly.原文
译文:这一变异提供了看似可信的因果证据:由延迟引致的高频交易抬高了短时价格波动、宽价差出现率与逆向选择暴露,同时已实现价差下降、定价误差小幅下降。
注释:注意这句话是「四分法」而不是「一边倒」:三项上升、两项下降。很多转述只保留了前半句,把论文读成了「高频交易有害」。原文的表述是分项的,而且「定价误差小幅下降」这一项,恰恰是支持「速度带来信息」的证据。

正文附录里的主系数是 0.520 个百分点(双向聚类 p = 0.0527;若改用股票×日期聚类,p = 0.0437)。这个数字单看没有直觉,换成时间会清楚一些。

每小

三点读数边界必须说清楚。第一,这是延迟反转事件窗口内的局部效应,不能乘成「全天平均」。第二,0.520 个百分点在双向聚类下 p 值略高于 5%,作者自己也标注了这个临界性,读者不宜把它当成铁板钉钉。第三,宽价差出现率上升不等于「平均价差扩大」——论文明确说平均价差指标的反应弱,效应集中在短时波动与逆向选择上。

07因果识别:开盘时的一条信道

相关不等于因果。精确匹配多的时候,波动也大——但可能是波动导致精确匹配,而不是反过来。作者需要一个外生的「速度变化」。他们找到的是交易所的行情分发架构:不同信道承载不同的股票,信道在高峰期会出现拥塞。

The volume of continuously streamed order messages can delay delivery by more than ten seconds during peak traffic.原文
译文:在高峰流量下,持续推送的订单消息可能把送达延迟十秒以上。
注释:这句话交代了识别设计的关键前提:延迟是可观测、可度量的,而且在同一时刻对不同信道的影响不同。作者用 3 秒作为计时基准,因为那是快照行情的刷新间隔。

延迟在开盘时段通常维持 30 到 90 秒后回落。作者把「延迟从高位降到低位」的那一秒定义为一个反转事件(crossing),处理组是刚改善的信道,对照组是同期没有改善的信道,再对齐事件时间做 DiD。

A difference-in-differences design exploiting cross-channel variation in order dissemination latency at the market open shows that lower latency increases active exact-match shares.原文
译文:一个利用开盘时跨信道订单传播延迟差异的差中差设计显示:更低的延迟会提高主动精确匹配的份额。
注释:这句话给出的是第一段因果链:速度(延迟下降)→ 行为(精确匹配份额上升)。注意它只说「份额上升」,没说「市场质量变差」。从行为到市场质量,是第二段因果链,需要另外一组回归来支撑。读这类论文时,把两段链分开看,才不会被一句摘要带走。
设计要素做法
事件定义,同一信道的组内中位延迟从高位回落到低位的那一秒处理组,发生反转的信道(股票)对照组,同一时段未发生反转的信道(股票)固定效应,股票×日期、日期×日历秒聚类,股票与日期×日历秒双向聚类前置检验,事件前九期联合检验(宽价差份额 p = 0.275)有效事件,24 个交易日

这个设计为什么可信?因为信道拥塞由全网消息流量决定,与单只股票当天的基本面无关;而拥塞何时缓解,也不是某只股票的交易者能决定的。前置检验不显著,说明处理组与对照组在事件前没有系统性差异——这是 DiD 最关键的一道检查。

08结果的四分法:涨的是什么价差,跌的又是什么价差

把结果按「谁承担成本」分开看,逻辑会清楚很多。

结果变量方向直觉解释
短时价格波动,上升,信息更快进价,价格在短窗口内来回调整宽价差出现率,上升约 0.52 pp,流动性提供方在信息不对称加剧时更常退开逆向选择暴露,上升,被动方接到的是「更知情」的成交已实现价差,下降,被动方拿到的净价差变薄定价误差,小幅下降,价格离有效价格更近了一点

这五项放在一起,讲的是一个分配故事:速度让价格更快接近信息,但把成本转移给了被动一方——他们接到更多知情成交(逆向选择上升),净价差变薄(已实现价差下降)。而「定价误差小幅下降」说明市场整体的价格发现略有改善。所以这不是「高频交易让市场变差」的单一结论,而是「效率与分配同时变化」。

如果把这个框架搬到政策讨论上,值得问的问题不是「要不要限制高频」,而是「在 T+1、无返佣、撤单受限的条件下,速度优势被引向吃单,那么引入撤单费、或者引入批量撮合的减速机制,会把这条渠道推向哪里」。论文没有做这个反事实,但它给出的机制指向很清楚:约束的是渠道,不是速度本身。

09给中文读者的一份可检验清单

如果你是想用这套方法做研究或做产品的人,下面六条可以直接拿去核对。

  • 先确认你有没有逐笔委托数据。只有 Level-2 快照,做不出「是否精确等于对手方最优价」的实时判断,最多只能做近似。
  • 重建订单簿时,把集合竞价单独处理:用 09:25 的撮合价重建簿,但不要把集合竞价的委托计入代理指标。
  • 代理指标要分方向统计。论文发现买方向与卖方向的预测能力在时间尺度上并不对称,T+1 下的库存约束是常见解释。
  • 做行为验证,不要只做相关性。反应时间、撤单速度、条件聚集这三项里任何一项反向,指标就该重做。
  • 换算效应大小时先看变量定义。宽价差份额是「100 毫秒网格点的比例」,不是「平均价差」。
  • 报告 p 值时同时给出聚类方式。同一系数在不同聚类下可能从显著变成边缘显著(0.0437 与 0.0527 就是例子)。

最后是一条方法论上的提醒:这篇文章真正的贡献,可能不是那个 0.52,而是它示范了一件事——在没有账户标签的市场里,你仍然可以用「委托挂在哪里」这种结构性特征,造出一个能通过行为检验的代理指标。这个思路对 A 股研究者的价值,大于任何单个系数。

数据与口径说明:本文所有具体数字(0.1% 抽样、28 个月、24 次事件、0.520 pp、p = 0.0527 / 0.0437、10 秒延迟、3 秒快照、30 至 90 秒回落)均取自 arXiv:2610.33400 的摘要、正文与附录 IA.14,未做外推。第 06 节的「每小时约 19 秒」是本站按系数做的算术换算,已在正文标明。文中不构成任何投资建议。

10延伸阅读

资料来源与核对方式
· arXiv:2610.33400(q-fin.TR),Li Guo、Frank Weikai Li、Ding Qi、Lijian Sun,Tracking High-Frequency Trading Activity in China and Its Effects on Market Quality,https://arxiv.org/abs/2610.33400(v1,2026-10-24 提交,178 KB)
· 本页英文短引 4 处,逐字摘自摘要与正文 2.3.1、第 5 节讨论;样本区间、0.1% 抽样、24 次延迟反转事件、0.520 pp 与 p 值(0.0527 / 0.0437)、10 秒延迟、3 秒快照、30 至 90 秒回落均取自原文
· 第 06 节「每小时约 18.7 秒」为本站按 3600 × 0.520% 所做的算术换算,非原文表述;第 04 节期望收益公式为本站按微观结构通用口径写的示意式
访问日期:2026-10-30。文中英文短引均逐字摘自所列公开原文,译文与注释为本站所加;凡标注「我们的复算」「换算」「演示性算例」处均为按公开口径所做的算术推导,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

这个「主动精确匹配」指标,我能用公开行情自己算吗?

很难。它要求知道「下单那一刻」对手方最优价是多少,以及这笔委托的精确时间戳。公开的 Level-2 快照是固定间隔推送的,你拿到的是快照价,不是委托到达瞬间的簿状态;两者的差异在高频尺度上足以让指标失真。要做,需要逐笔委托与逐笔成交。

论文是不是说高频交易让市场变差了?

不是。结论是分项的:短时波动、宽价差出现率、逆向选择上升;已实现价差下降、定价误差小幅下降。作者自己也强调这是分配与效率同时变化,没有做社会福利判断。

0.520 个百分点算大还是小?

换成时间更直观:按 100 毫秒网格口径,约等于每小时多出 19 秒的宽价差状态。但这是延迟反转事件窗口内的局部效应,不能直接乘成全天平均。

T+1 是这项研究的前提吗?

是重要背景但不是识别前提。识别来自信道延迟的外生变化。T+1 影响的是「速度被用在哪里」的解释:库存无法日内回转,连续做市的吸引力下降,速度优势更多用于方向性吃单。

本文为公开论文的摘译与独立分析,英文短引逐字摘自原文并附译文与注释;标注「我们的复算」「换算」处为本站算术推导,不是原作者结论。原文版权归原作者所有。 最后更新:2026-10-30。

安装 App