如何描述限价指令簿的动态演化过程

金融资产价格的涨跌规律及其波动原因一直是现代资本市场研究的焦点。在新古典金融学的研究视角中，当市场是处于完全有效的状态下时，资产价格的变化是由对应的市场信息的变化所决定的。例如，Madhavan将市场信息分为和交易无关的公共信息和实际交易体现出的交易信息，并建立了一个交易价格关于这两类信息的线性模型。但是近年来，订单驱动(order-driven)机制正逐渐形成市场交易的主流机制，越来越多的国家和地区的股票市场和金融衍生品市场开始采用电子限价指令簿，竞价配对方式也由传统的公开喊价方式发展到了计算机自动撮合方式，市场参与者可以根据自己的策略和限价指令簿的实时状态进行市价订单(market order)和限价订单(limit order)的提交，这一改变大幅提升了股票市场的交易速度和交易频率，也致使金融资产价格在短时间内的大幅波动现象经常发生，用传统的信息驱动的思路来解释这些高频的价格变动就不再具有说服力。

我们将简单介绍一个订单簿动态演化过程的描述。

假设当一个投资者希望以较高的价格出售期货合约时，那么该投资者会提交一个限价卖单，反之，他会提交一个限价买单。而对于那些希望立刻成交的投资者来说，他们会提交市价买单和市价卖单，市价买单和限价卖单匹配，市价卖单和限价买单匹配，当市价买单(卖单)数量足够大时，期货的盘口买卖价差会拉大，买卖报价中间价就会上升(下降)。

根据限价指令簿的动态演化过程，本文将订单簿的变化分为报价有变化的动态演化和报价无变化的动态演化。对于任何一种动态演化，都有可能存在三种订单行为，分别是：

市价订单与限价订单的匹配交易：

2.限价订单在订单簿上的提交并堆积：

3.在限价指令簿上显示的限价订单的撤销：

此处用订单簿的动态演化可以完整的刻画这三种市场中的订单行为。另外存在一种情况，参与者提交了大量的市价订单与订单簿上超过1个报价单位的限价订单匹配成交。这里我们暂时不考虑该情况，因为在高频的时间间隔下，这会明显增加交易成本，并且可操作性不高，所以这里我们先假设这种情况并不会持续出现。

我们使用向量自回归模型来拟合价格冲击与订单变化之间的关系，来研究价格冲击与订单变化之间的多期相关性。我们一般使用实际交易价格来计算价格冲击，而并不是使用报价来计算价格冲击，有如下两个原因。(1)报价的变化是因为市场的订单行为造成的订单簿的价格变动，并不是实际的市场价格变化，例如最优报价的订单全部撤销并不会影响当期的市场交易价格，但是会改变指令簿报价。(2)当订单簿发生有报价变化的动态变化时，使用报价来计算的价格冲击无法涵盖市场中的市场参与者者根据订单簿的状态进行的瞬时交易造成的短期价格冲击。

同时，我们将买卖价差Spread引入向量中，买卖价差是衡量标的证券流动性的一个最基本的指标，并且，在高频的交易环境中，当出现有报价变化的订单簿变化时，一个最为直观的表现就是买卖价差的变化，本文引入该变量来区分订单簿在短期内的动态变化是否涉及报价的变动。买卖价差的计算方法是当前市场上最优买价和最优买价之间的差额。这两个价位反映着下一笔交易成交的概率，也衡量着市场参与者提交委托的潜在执行成本。

对于许多金融资产，订单簿上的订单量在不同的时间段均存在明显的自相关性，最优报价的订单量的自相关性要弱于其它的次优报价订单量的自相关性，且滞后阶数明显低于其它报价订单量的滞后阶数，这一点并不难解释，因为最优报价的订单总是最先被执行，这使得最优报价的订单量的变化速度和变化频率要远远高于其它报价。此外，可以发现在日内交易的不同时段，订单量的自相关程度和滞后阶数也有较为明显的差别，在上午刚开盘和下午刚开盘的前一半交易时段的自相关程度较低，而在后一半的交易时段内自相关性程度较高，几乎是前者的两倍；同时，在早上刚开盘的一个小时内，自相关的滞后阶数要明显大于日内的其它交易时段，显示出较强的记忆性。

对于大多数交易所交易的金融资产，限价订单簿含有的信息量是十分丰富的，可以从微观层面有效的解释短期内价格的变动，尤其是在最优报价附近的订单行为，对价格的冲击效应尤为明显。其次，从日内模式来看，限价订单的动态变化在开盘和收盘阶段造成的价格短期波动概率最大，同时价格冲击幅度也显著高于日内其它时刻。此外，在订单买卖方向上，造成的价格冲击是不对称的，总体看来，限价卖单造成的价格冲击要明显大于限价买单，这一不对称效应在早上开盘时最为突出，而随着交易时段的推移，不对称效应在逐渐消散。

— — — — — — E N D — — — — — —

真格量化可访问：
https://quant.pobo.net.cn

真格量化微信公众号，长按关注：

遇到了技术问题？欢迎加入真格量化Python技术交流QQ群 726895887

往期文章：
Numpy处理tick级别数据技巧
真正赚钱的期权策略曲线是这样的
多品种历史波动率计算
如何实现全市场自动盯盘
AI是怎样看懂研报的
真格量化策略debug秘籍
真格量化对接实盘交易
常见高频交易策略简介

如何用撤单函数改进套利成交

Deque提高处理队列效率

策略编程选Python还是C++

如何用Python继承机制节约代码量

十大机器学习算法
如何调用策略附件数据

如何使用智能单

如何扫描全市场跨月价差

如何筛选策略最适合的品种

活用订单类型规避频繁撤单风险

真格量化回测撮合机制简介

如何调用外部数据

如何处理回测与实盘差别

如何利用趋势必然终结获利

常见量化策略介绍

期权交易“七宗罪”

波动率交易介绍

推高波动率的因素

波动率的预测之道

趋势交易面临挑战
如何构建知识图谱
机器学习就是现代统计学

AI技术在金融行业的应用

如何避免模型过拟合

低延迟交易介绍

架构设计中的编程范式

交易所视角下的套利指令撮合

距离概念与特征识别

气象风险与天气衍生品

设计量化策略的七个“大坑”

云计算在金融行业的应用

机器学习模型评估方法
真格量化制作期权HV-IV价差
另类数据介绍

TensorFlow中的Tensor是什么？

机器学习的经验之谈

用yfinance调用雅虎财经数据

容器技术如何改进交易系统
Python调用C++
如何选择数据库代理
统计套利揭秘

[h1]一个Call搅动市场？让我们温习一下波动率策略[/h1][h1]如何用真格量化设计持仓排名跟踪策略[/h1][h1]还不理解真格量化API设计？我们不妨参考一下CTP平台[/h1][h1]理解同步、异步、阻塞与非阻塞[/h1][h1]隐波相关系数和偏度——高维风险的守望者[/h1]Delta中性还不够？——看看如何设计Gamma中性期权策略

[h1]Python的多线程和多进程——从一个爬虫任务谈起[/h1]线程与进程的区别
 皮尔逊相关系数与历史K线匹配

Python2和Python3的兼容写法
 Python代码优化技巧

理解Python的上下文管理器

如何写出更好的Python代码？这是Python软件基金会的建议
评估程序化模型时我们容易忽视的指标

看看如何定位Python程序性能瓶颈

什么是Python的GIL

投资研究中的大数据分析趋势及应用

理解CTP中的回调函数

如何围绕隐含波动率设计期权交易策略
看看如何用Python进行英文文本的情感分析
算法交易的分类

Python编码的最佳实践总结

什么是波动率锥？如何用波动率锥设计期权策略？
期权的波动率策略与时间价值收集策略对比

期权用于套期保值和无风险套利

隐含波动率对期权策略的影响

卖出期权交易的风险管理原则和技巧
期权交易中的“大头针”风险
期权做市商策略简介

精细化您的交易——交易成本评估与交易执行策略
海外市场交易执行策略的实践
设计期权套期保值方案时应注意的问题
美式期权、欧式期权比较分析——定价与风险管理
构建您的AI时代武器库——常用的机器学习相关Python库
期权波动率“微笑曲线”之谜
运算任务愈发繁重，如何加速Python程序运行？
证券市场微观结构理论模型是什么

是瞬间成交还是漫长等待？——如何衡量市场流动性
波动率指数及其衍生品介绍

Python的异常处理技巧
Python中的阻塞、异步与协程
"香草"之外的更多选择——几种常见的路径依赖奇异期权
什么是CTP？——了解上期所CTP快速交易系统
了解季节性——以谷物和油籽为例
是前因还是后果?——在真格量化中进行格兰杰因果检验

Python导入模块的技巧
Python程序员常犯的十个错误
搜索数据泄露天机？——舆情指数与期货行情关联性分析思路

机器学习常见算法分类汇总

如何使用Data Pipeline 自动化数据处理工作？
CTP API的委托介绍和在真格量化中的订单流控制
高频交易对市场的影响
期货行情及其组织形式——以上期所为例
理解并行与并发
郑商所和大商所套利指令及在真格量化的实现
机器学习用于金融市场预测面临的挑战
高频交易中风险控制的常用措施
查询结果偏离预期？来了解CTP的报单函数及委托状态查询
Python中的ftplib模块

理解真格量化的Python编程范式
需要处理大量市场数据？来了解一下MySQL、HBase、ES的特点和应用场景

NumPy中的ndarray与Pandas的Series和DataFrame之间的区别与转换
Python中的scikit-learn机器学习功能库
什么是程序设计中的高内聚、低耦合？
Python的内存管理与垃圾回收机制
云服务中的容器技术
什么是“面向对象”程序设计-以Python为例
波动率介绍及其在资产定价中的应用
发现策略中的孪生兄弟——期权交易中的等价或相似策略解析

如何利用期权改进指数投资表现——借鉴海外市场经验
如何用期权进行“哑铃型”资产配置——“90/10”策略介绍
国外著名商品指数编制方法比较
FPGA技术在金融行业的应用——以沪深行情加速为例
美国市场对部分高频交易行为的监管

报价驱动制度与指令驱动制度比较
理解动量投资策略和逆向投资策略——通过行为金融学视角

期权做市商面临的风险及其对做市业务的影响

商品期权在现货企业中的应用
期权进行套期保值的优势与策略分类

COT报告揭秘——如何解读CFTC的持仓报告
什么是“零拷贝”技术

跨市场套利——策略简介与风险因素
什么是期权市场的PCR指标？
量化交易的频谱分析与策略搭配规律

资产价格与波动率的关系

基本面量化与美林时钟模型

常见的价差交易策略介绍
高频交易是否对市场造成了负面影响？

海外股指期权市场概况
期权是否能用于底层资产的价格预测？

什么是股指期权？
股指期权现货指数的构成和波动率
ETF期权与股指期权在策略设计中需注意的差异性
股指期权与ETF期权合约设计比较
期权实战攻略：如何进行期权的波动率交易？
不同市场预期下的期权交易策略
波动率期限结构与日历价差策略

期权策略基准指数简介
证监会批准开展PTA、铁矿石、黄金等5种期权交易
期权备兑开仓策略的注意事项
期权定价中的BAW和CRR模型
上海证券交易所股票期权组合策略业务指引及其影响
如何根据波动率曲面设计策略
什么是动量效应和动量交易策略？
成熟市场期权投资者的下单偏好
小幅震荡市场下的期权投资策略举例

什么是金融市场微观结构？