本报告建立了永久冲击成本和暂时冲击成本的幂指数模型,基于净资金流替代大单交易数据,完成了中国股票市场的冲击成本模拟实证分析。研究发现中国市场冲击成本明显较高,且不同板块和股票特征差异显著,主板市场有效性优于创业板和中小板,报告结果可为机构投资者交易成本估算和算法交易模型提供重要支持与参考 。
| 股票代码 | 600000 | 600519 | 600123 | 600048 | 600216 | 002063 | 600900 | 300070 |
|---|---|---|---|---|---|---|---|---|
| 股票名称 | 浦发银行 | 贵州茅台 | 兰花科创 | 保利地产 | 浙江医药 | 远光软件 | 长江电力 | 碧水源 |
| α | 0.62 | 0.66 | 0.65 | 0.75 | 0.63 | 0.67 | 0.76 | 0.72 |
| β | 0.53 | 0.72 | 0.59 | 0.60 | 0.50 | 1.05 | 0.78 | 0.89 |
| γ | 0.018 | 0.024 | 0.030 | 0.025 | 0.026 | 0.021 | 0.018 | 0.023 |
| η | 0.0038 | 0.0063 | 0.0043 | 0.0058 | 0.0043 | 0.0078 | 0.0047 | 0.0047 |
核心论点:
报告聚焦于证券市场中“冲击成本”的微观结构,特别是将冲击成本分为永久冲击成本和暂时冲击成本两个部分。基于幂指数函数形式,构建数学模型来模拟这两类成本,并利用中国市场的净资金流数据进行实证研究,结果显示:中国股票市场的冲击成本显著高于欧美成熟市场,且不同股票的冲击成本参数存在变异,反映市场的流动性和有效性差异。作者强调该模型能为机构投资者的交易成本估计和算法交易提供坚实的理论和实证基础。,1]
报告首先介绍了交易成本的重要性,特别强调了间接成本(隐性成本),即冲击成本和机会成本对最终投资绩效的重大影响。交易策略在忽略成本时可能表现良好,但考虑成本后收益大幅缩水。中国市场冲击成本比例远高于美国市场,部分原因在于算法交易使用不足,拆单技术不成熟,市场相对无效。
介绍了现有算法交易模型及其对冲击成本函数的依赖,指出国内对冲击成本建模研究不足,本文致力于填补此空白。还回顾了欧美经典模型,尤其是Almgren模型,作为理论基础和对比。
基本变量定义:
交易中的时间 (t),价格 (S),交易量 (X),以及“交易量时刻” (\tau) (累积交易量比例)。交易量时刻的引入旨在精确刻画一天内流动性的时变特性,以提升模型对暂时冲击的刻画力。
永久成本与暂时成本定义:
报告详细解释了为何暂时成本以平均值形式进行调整,强调了大样本下随机性的“均化”效果,这保证了模型的统计一致性。
[ g(\nu) = \operatorname{sgn}(X) \gamma |\nu|^{\alpha}, \quad h(\nu) = \operatorname{sgn}(X) \eta |\nu|^{\beta} ]
其中 (\nu = \frac{X}{V T}) 是标准化交易速度。著名理论说明 (\alpha=1) 可避免“准套利”,(\beta=\frac{1}{2}) 符合流动性消耗的平方根依赖。Almgren 等实证结果也给出了类似的指数估计。
此外,作者指出由于中国市场结构,流动性因子对模型贡献有限,未纳入最终模型,但作为备选;买卖交易分开回归对结果影响不大,故未采取。
最终模型为:
[ I = \sigma T \operatorname{sgn}(X) \gamma \left| \frac{X}{V T} \right|^{\alpha} + \varepsilon ] [ J - \frac{I}{2} = \sigma \operatorname{sgn}(X) \eta \left| \frac{X}{V T} \right|^{\beta} + \omega ]
其中 (\varepsilon, \omega) 为残差项,(\omega) 存在异方差性。,3,4,5]
数据来源与处理方法:
使用交易所 Level 2 数据,按照1分钟频率对价格取样;计算波动率和日交易总量 (V) 作为模型参数,采用过去10日均值作为预测。
缺乏大单交易数据的解决方案:
用净资金流数据代替大单数据,定义资金流入出售价成交对应流入,资金流出买入价成交对应流出,净资金流视为“大单”交易,假设大样本下其他交易影响预期为零,保障模型一致性。
净资金流数据优势:
综上,提出了可实现的、基于实际中国市场Level 2数据且合适替代大单交易数据的建模思路。
回归结果:
所有参数在99.9%置信度显著,模型的(R^2 \approx 33%),说明模型能够解释价格波动的三分之一,这在冲击成本建模领域已属较高水平(相较国外低于10%的拟合度)。
图表2与图表3展示了拟合曲线与实际散点的吻合情况,说明模型对整个市场样本有效。
针对不同板块进一步剔除创业板和中小板,主板单独拟合时(\alpha) 上升至0.68,接近理论“市场有效性”标准 (\alpha=1),符合主板流动性较好、有效性较高的预期,体现了创业板、中小板无效性较强的特征。,8]
选取多支代表性股票拟合结果:
| 股票代码 | 600000 | 600519 | 600123 | 600048 | 600216 | 002063 | 600900 | 300070 |
|---|---|---|---|---|---|---|---|---|
| 股票名 | 浦发银行 | 贵州茅台 | 兰花科创 | 保利地产 | 浙江医药 | 远光软件 | 长江电力 | 碧水源 |
| (\alpha) | 0.62 | 0.66 | 0.65 | 0.75 | 0.63 | 0.67 | 0.76 | 0.72 |
| (\beta) | 0.53 | 0.72 | 0.59 | 0.60 | 0.50 | 1.05 | 0.78 | 0.89 |
| (\gamma) | 0.018 | 0.024 | 0.030 | 0.025 | 0.026 | 0.021 | 0.018 | 0.023 |
| (\eta) | 0.0038 | 0.0063 | 0.0043 | 0.0058 | 0.0043 | 0.0078 | 0.0047 | 0.0047 |
| 日波动率(%) | 1.57 | 1.72 | 2.27 | 2.75 | 1.96 | 3.08 | 1.79 | 2.98 |
分析揭示:
图表5和图表6以图形方式展示上述股票永久与暂时成本的曲线关系,明显展示了个股之间的差异性和风险特征。,9,10]
本报告并非公司估值报告,未涉及传统估值方法,聚焦于冲击成本建模,因此此部分无直接涉及。
报告虽未专门设置风险章节,但隐含风险包括:
报告承认数据限制,强调未来可用实际大单数据改进模型,缓解数据不足的风险。,10]
总体保持较高客观性,突出模型在中国市场的实际应用价值,避免盲目扩大理论适用范围。
本报告系统地提出了一套基于幂指数函数的中国股市冲击成本分析模型,区分永久成本和暂时成本两部分,并搭建了相应的数学与统计框架。通过运用Level2数据及创新的净资金流替代大单数据,报告实现了对全市场及个股冲击成本函数的有效拟合,得出了以下深刻见解:
图表中,交易量比例和冲击成本的曲线以及拟合散点明确支持了幂指数模型框架,且细致分析了多支代表性股票的个性化冲击成本,有助于量化风险和优化交易策略。
最后,报告指出该研究对机构投资者估算交易冲击成本、开发算法交易系统具有重要意义,虽受限于数据,但在方法论和实证质量上迈出了关键步伐,是中国市场冲击成本建模领域的重要贡献。
此报告系统完整地开展了中国市场冲击成本建模研究,结合理论与实践,创新应用净资金流数据替代大单数据,设计了基于幂指数函数的永久与暂时成本模型,并完成了大规模实证验证,深入剖析了市场结构与流动性特征,结果为优化机构交易策略和算法交易设计提供了坚实基础。模型科学严谨,数据来源权威,技术手段合理,结论有重要现实指导价值。
图表1:白云机场的交易量时刻和日内平均交易量分布
图表2:全市场永久冲击成本模拟
图表3:全市场暂时冲击成本模拟
图表5:个股永久冲击成本曲线
图表6:个股暂时冲击成本曲线
,1,2,3,4,5,6,7,8,9,10]
金融工程:市场微观结构之一 冲击成本模拟.pdf