报告基于微观交易结构理论,建立和改进了A股隐性交易成本中价格冲击成本的幂指数模型,明确买入冲击成本显著高于卖出,主要受市场挂单偏好及信息泄露影响。模型利用日内波动率和成交金额等核心变量,拟合度显著优于传统模型,并提出用一次项与二次项近似降低非线性优化难度,指导量化组合优化以规避高冲击成本个股,提高实际交易效益。
| 资产 | 预期收益率 | 交易成本 |
|---|---|---|
| 债券 | 5% | 50bp |
| 股票 | 15% | 75bp |
| 月份 | 委买委卖差中值(百万) | 委买委卖差均值(百万) |
|---|---|---|
| 2018/01/31 | 13.58 | 114.9 |
| 2018/02/28 | 6.73 | 127.1 |
| 2018/03/31 | 7.19 | 159.5 |
报告强调A股在“港股化”进程中,低流动性小市值股票风险明显增加,ALPHA空间尚存。但需承担隐性交易成本带来的阻碍。完全中性化市值与流动性因子虽减缓极端风险,却放弃一部分收益。适当暴露这些因子并规避高冲击成本,是改善组合表现的关键。为此,本报告专注对单日内大额买卖的价格冲击建模,进而引入优化框架,降低隐性交易成本带来的资产错配问题。
报告回顾BARRA、J.P.Morgan、NORTHFIELD等业界模型及Almgren等学术模型。BARRA模型采用平方根法则,冲击成本与交易量占比和波动率相关;J.P.Morgan模型复杂且考虑暂时性与永久性冲击及买卖价差。NORTHFIELD模型结合溢价和流动性风险。Almgren模型将冲击成本拆分为永久与暂时性两部分,分别用不同参数解释。
数据处理: 原始主动成交净额作为大单代理存在单日开盘尾盘异常价格波动和订单失衡问题(图1、2)。为提高数据质量,剔除了开盘、尾盘30分钟、ST、涨跌停及委托买卖严重失衡个股以减少噪音。
统计规律: 实证发现成交金额与冲击成本呈幂指数关系,指数介于0与1间,体现“规模递减”特征。买入冲击成本普遍比卖出高约50%,反映了信息泄露和市场结构差异(图3、4)。
理论解释: 三个原因解释买卖冲击成本差异:
模型形式: 基于微观交易结构不变性理论,改进了BARRA模型,引入参数β对交易金额与冲击成本的幂次关系赋予灵活度:
[ G = k \left(\frac{\sigma^{2}}{P V}\right)^{\frac{\beta+1}{3}} (P Q)^{\beta} ]
参数估计: 买入β一般选取0.6-0.7,卖出β取0.7-0.8,且小市值股票β值偏高,建议个股时间序列单独估计以提高准确性(图5、6、表5)。
拟合效果: 改进模型在买入冲击成本拟合优度(日R²)超过50%,优于Almgren及JPMorgan等传统模型(图7、8)。
预测难点: 预测日成交量难度大,直接影响冲击成本预测。
时间维度: 冲击成本与交易时长呈幂指数关系,延长交易时间如增至5倍,可使冲击成本降至1/3,模型测算可通过调整交易天数N实现修正。,5,6,7,8,9,10]
非量化投资者可依冲击成本大小剔除高隐性成本个股。
量化投资者可将冲击成本作为惩罚项,纳入组合优化目标函数:
[ f(\omega_0 + \Delta \omega) - \sum (A \Delta \omega_+^{1.7} + B \Delta \omega_-^{1.8}) ]
因非线性幂次使优化问题求解复杂且不稳定,报告提出使用一次项与二次项的拟合近似:
[ \Delta \omega^{1.7} \approx X \cdot \Delta \omega + (1 - X) \cdot \Delta \omega^2 ]
最优拟合系数分别为买入权重68.8%线性,31.2%二次,卖出权重53.7%线性,46.3%二次,保证对5000万元以内交易金额的良好拟合(图9、10)。
优化目标函数化为标准二次规划,提高求解效率和稳定性。,12]
报告总结:
本报告核心不涉及具体公司估值,但在组合优化中利用冲击成本模型影响权重配置,属于广义的资产组合“估值”优化策略。通过将买卖冲击成本作为惩罚项,调整资产权重,间接提升基金的交易效率和风险调整后的收益。
本报告在量化投资框架下,针对A股小市值、低流动性股票隐性交易成本,尤其是价格冲击成本,进行了系统的实证分析与模型创新。通过剔除异常数据节点,解决了主动成交净额与价格关系的扭曲,发现成交金额与冲击成本之间的幂指数关系,且买入冲击成本显著高于卖出,核心原因来自市场主动卖单偏好和信息泄露程度不同。
基于微观交易结构不变性理论,报告提出改进后的BARRA模型,增加参数灵活性对小市值和低流动性股票冲击成本的拟合效果显著提升,买入拟合优度日均超过50%。同时,报告对模型参数乙酉度进行了细致估计,强调个股参数定制的重要性。
针对实际应用中的优化困境,报告开发了基于线性和二次项的近似方法,有效简化了组合优化问题,将高度非线性的冲击成本函数转化为标准二次规划问题,兼顾精度与求解效率。
最终,报告提出策略建议,非量化投资者通过剔除高冲击成本个股降低隐性风险;量化投资者则在组合优化目标中纳入冲击成本惩罚,实现交易成本控制与收益最大化兼顾。报告显示,合理建模和优化设计下,投资者可以有效规避隐性交易成本,提升非流动性因子投资的收益质量。
本文分析引用的主要内容,均标注页码如 [page::x] 所示,方便溯源和内容二次利用。
综上所述,报告以高质量实证数据和微观交易理论为基础,构建了高精度、应用性强的冲击成本模型并深入探讨其在投资组合构建中的实战意义,为A股市场机构和量化投资者把控交易隐性成本、提升投资回报提供了具有前瞻性及指导价值的参考。
微观交易结构系列之二:不容忽视的交易成本 量化个股隐性成本.pdf