本文提出一个价格涨跌幅限制下的隐状态随机模型:超出涨跌停板、但被观测端截断的隐藏超额部分,可按一定比例保留至下一交易日,从而在独立同分布冲击下生成时间记忆。模型表明,保留机制不改变潜在收益的重尾指数,却会放大尾部幅度;宽幅限制下,涨停或跌停后的次日收益呈同方向响应,且响应幅度随限制宽度线性增加,同边界持续概率趋于非零,而反向边界转换则按幂律衰减。印度NSE数据总体支持同向响应及其随涨跌停幅度增强的结论,但显示出明显的涨跌方向不对称性。
报告标题:《Retained hidden excess generates memory in price-limited markets》(“保留的隐藏超额在价格受限市场中产生记忆”)。
作者:Debraj Das。
机构:SISSA—International School for Advanced Studies,以及意大利国家研究委员会复杂系统研究所。
发布日期:原文未明确给出正式发布日期,但数据分析覆盖至2026年6月,参考文献和数据访问日期亦涉及2026年,因此报告显然属于较新的研究稿件。
报告研究的是一个连接统计物理、随机过程与金融市场微观结构的问题:当交易所设置每日涨跌停板时,超过价格上限或下限的潜在价格压力会被“截断”,投资者实际观察到的只是边界值,而未能实现的部分被作者称为“隐藏超额”(hidden excess)。报告的核心论点是:如果隐藏超额并非在收盘时完全消失,而是有一部分保留到下一个交易日,那么即使每天的新冲击彼此独立,也会产生跨日记忆。
报告并非传统股票研究报告,因此没有股票评级、目标价或企业盈利预测。它提出的是一个理论模型,并以印度国家证券交易所(NSE)的涨跌停数据进行定性和部分定量验证。最重要的预测包括:第一,保留机制会使涨跌停事件后的次日收益具有与当日涨跌停同方向的平均反应;第二,在宽价格带条件下,该平均反应的绝对值大致与价格带宽度成正比;第三,次日再次触及同一涨跌停板的概率趋向一个非零常数;第四,次日直接反转至相反涨跌停板需要额外的极端反向冲击,因此会以幂律形式受到抑制。
报告首先区分了日内价格路径与离散交易日模型。设股票在交易日 (t) 的日内价格为 (s_t(\tau)),相对于前一日收盘价的运行收益为 (r_t(\tau)),收盘时的实际日收益为 (R_t)。当市场设置对称价格带 ([-C,C]) 时,实际收盘收益被限制在该区间内。
如果潜在价格压力使未受约束的收益超过 (+C),市场只能记录 (R_t=+C);如果潜在收益低于 (-C),市场只能记录 (R_t=-C)。于是,两个潜在状态——例如一个仅略微超过上限、另一个远远超过上限——都可能被映射为同一个观测值 (+C),这意味着观测数据丢失了超出边界的压力强度信息。
作者将这一未被实现的部分解释为未解决的超额需求或超额供给。上限收盘意味着可能存在尚未满足的买入需求,下限收盘则意味着可能存在尚未释放的卖出压力。价格限制因此不是简单地“消除”极端波动,而是将极端冲击的一部分从可观察收益中移入潜在状态。
报告将该机制与传统边界模型作区分。吸收边界会终止轨迹,反射边界会把过程推回可行区域,而价格涨跌停属于“裁剪”(clipping):它把所有超过边界的值压缩到同一边界点,却不必然消除原始超额信息。作者的创新之处在于,隐藏超额不是事先设定的慢变量,而是由裁剪本身产生,再通过保留机制变成记忆载体。
图1展示了三类日内路径:蓝色路径最终触及上限,红色路径最终触及下限,灰色虚线路径则在区间内部收盘。
图中最关键的信息是,蓝色路径和红色路径在触及 (+C) 或 (-C) 后仍可能继续表现出潜在的市场压力,但最终观测值只能是边界值。蓝色上限收盘被标记为“demand ≫ supply”,红色下限收盘被标记为“demand ≪ supply”,这形象地说明了涨跌停事件可以揭示压力方向,却不能揭示压力大小。
该图也强调了模型的离散化限制:模型只在市场收盘时刻更新状态,不刻画价格何时触及涨跌停、触及后是否回落、以及更细致的日内路径。因此,模型关注的是“收盘到下一收盘”的状态转移,而不是完整的日内订单簿动力学。
作者引入未受价格限制影响的潜在收益 (X_t),并将实际收益定义为:
[ R_t=\operatorname{clip}(X_t,-C,C). ]
隐藏超额则是潜在收益与裁剪后收益之间的差额:
[ L_t=X_t-R_t. ]
当 (|X_t|\leq C) 时,(L_t=0);当 (X_t>C) 时,(L_t=X_t-C>0);当 (X_t<-C) 时,(L_t=X_t+C<0)。潜在收益的动态更新可概括为:下一日潜在收益等于新的独立冲击 (\epsilon_{t+1}),加上前一日隐藏超额的 (\lambda) 倍,其中 (0\leq\lambda<1)。因此,(\lambda) 是隐藏超额的保留系数,也就是记忆强度。
该模型的关键特点是:只有发生裁剪时才会产生跨期耦合。当上一日没有触及边界时,隐藏超额为零,下一日潜在收益就退化为独立冲击;当上一日发生涨跌停时,下一日的条件期望会受到 (\lambda L_t) 的影响。因此,作者认为模型中的唯一记忆来源不是冲击自身的自相关,也不是外生的波动率状态,而是“被裁剪但仍被保留的超额”。
作者假设冲击分布关于零对称、具有有限一阶矩,并且尾部服从正则变异,即尾部概率近似满足:
[ \Pr(\epsilon>x)\sim kx^{-\nu}. ]
其中 (\nu) 是尾指数,(\nu) 越小表示尾部越厚、极端冲击越频繁。模型允许冲击呈现重尾特征,而不局限于正态分布,这一点符合金融收益分布通常具有尖峰厚尾的经验事实。
作者指出,潜在状态递推是收缩型随机递推,因为保留系数满足 (\lambda<1)。在适当的对数矩条件下,系统存在唯一平稳分布。平稳转移核由新冲击密度平移得到,形式上为 (K(x'|x)=f(x'-g(x))),其中 (g(x)) 表示经裁剪后保留的状态影响。
报告的重要理论结论是:保留隐藏超额不会改变潜在收益的尾指数,仍然保持 (\nu),但会提高尾部振幅,增强极端事件的总体概率。其放大因子为:
[ (1-\lambda^\nu)^{-1}. ]
这意味着记忆机制不会把幂律尾部变成另一种尾部,但会使同样的极端阈值下出现更多极端潜在收益。
图2在双对数坐标下展示了不同 (\lambda) 值时的平稳密度尾部。图中使用 (\nu=3.5)、(C=0.1),并比较了 (\lambda=0.4,0.6,0.8) 的模拟结果。
三组点在乘以 ((1-\lambda^\nu)) 后基本坍缩到同一条斜率约为 (-(\nu+1)) 的直线附近。这同时验证了两个结论:第一,保留系数变化主要改变尾部振幅;第二,尾部幂指数本身不变。
图表的局限在于,它验证的是固定 (C) 下、远离边界的平稳尾部,而不是条件于涨跌停事件后的次日行为。报告特别强调,固定价格带下的“远尾极限”和宽价格带下的“条件涨跌停极限”是两个不同的渐近区域,不能直接混用。
当 (C) 远大于普通冲击尺度时,触及涨跌停属于罕见事件。作者使用“单一大跳原则”解释这类事件:一次涨跌停事件通常由一个量级为 (C) 的极端冲击主导,而不是由许多中等冲击共同累积形成。
主导冲击可能发生在当前交易日,也可能发生在更早的交易日,并通过连续的隐藏超额保留延续到当前。定义主导冲击年龄 (j):(j=0) 表示冲击发生在当前日,(j\geq1) 表示冲击发生在过去。年龄越大,初始冲击必须越大,才能在经过多次裁剪和衰减后仍保持当前潜在收益超过 (C)。
图3同时绘制潜在收益 (X_t)、隐藏超额 (L_t) 和实际收益 (R_t)。在 (t_1) 附近,一个负向大冲击造成短暂的下限收盘,但隐藏超额很快消失;在 (t_2) 附近,一个更大的正向冲击形成较大的隐藏超额,使之后多个交易日连续收于上限。
该图直接说明了报告的核心机制:连续多个涨停并不一定意味着连续多个极端正向冲击,可能只是一个早期冲击的隐藏超额被逐日保留。与之相反,若保留系数为零,则涨跌停只能由当天新冲击造成,连续涨跌停的记忆效应也随之消失。
对于上限收盘,保留的隐藏超额为非负,因此下一日潜在收益具有正向偏移。由于实际收益仍受到上限 (C) 的裁剪,次日归一化收益可近似写成:
[ \min{\lambda A_j(V-1),1}, ]
其中 (A_j) 描述不同冲击年龄的传播效应,(V) 是主导冲击相对于最低必要冲击的超额比例。重尾分布下,(V) 渐近服从Pareto型分布。
将不同冲击年龄按其发生概率加权后,报告得到:
[ m_+(C)\sim C,M(\lambda,\nu), ]
即上限收盘后的次日平均收益与价格带宽度 (C) 近似线性增长;下限收盘则对称地产生负向反应。只要 (\lambda>0),即使保留比例极小,理论上也会产生正的同方向条件均值;当 (\lambda=0) 时,该效应消失。
图4(a)展示了 (\lambda=0.5) 时,(m_+) 随 (C) 增长的关系。不同尾指数 (\nu=2.5,3.0,3.5) 的模拟点均近似沿直线分布,说明价格带越宽,次日同方向收益的绝对值越大;更小的 (\nu) 对应更厚的尾部,平均反应更强。
图4(b)是 ((\lambda,\nu)) 参数平面上的归一化响应 (m_+/C)。颜色显示,响应随着保留率增加而增强,随着尾指数下降,即尾部变厚,也会增强。该图支持作者关于“更强记忆”和“更极端超额”共同提高次日反应的判断。
若当前上限收盘由较早的主导冲击产生,那么隐藏超额可能使下一日仍然超过 (C),形成再次上限收盘。宽价格带极限下,同边界持续概率趋向:
[ P_{++}(C)\to 1-\pi_0, ]
其中 (\pi_0) 是当前日新冲击直接造成涨停的概率权重。换言之,持续概率等于主导冲击年龄大于零的历史权重总和。
从上限收盘次日直接跌至下限,需要一个新的负向极端冲击,不仅要跨越整个价格带宽度,还要抵消已有的正向隐藏超额。因此,条件于当前上限收盘后,反转概率满足:
[ P_{+-}(C)=O(C^{-\nu}). ]
报告的直观解释是:初始涨停本身需要一个极端正冲击,次日反转还需要一个独立的极端负冲击;联合事件概率约为 (C^{-2\nu}),在条件于初始涨停后则剩下 (C^{-\nu}) 量级。
图5(a)显示,在不同 (\lambda=0.4,0.6,0.8) 下,同边界持续概率随着 (C) 增大逐步趋于平台,且保留率越大,平台越高。
图5(b)采用双对数坐标,反转概率随 (C) 下降,并大致沿斜率为 (-\nu) 的虚线衰减。该图清楚体现了报告最重要的概率结构:同方向持续是 (O(1)) 的记忆效应,而相反方向反转是需要第二次极端冲击的幂律稀有事件。
报告使用NSE股票数据,覆盖2007年11月至2026年6月,考察2%、5%、10%和20%四种价格带。尾指数不通过涨跌停样本拟合,而是根据13个全球主要股票指数的标准化日收益独立选取 (\nu=3)。
保留系数则利用20%价格带下的同边界持续事件估计。共有1494次上下限事件,其中217次在次日继续触及同一边界,作者据此得到有效保留系数 (\lambda_{\mathrm{eff}}\approx0.942)。该参数应理解为跨股票、跨事件的聚合参数,而非某个具体股票的微观保留率。
图6(a)显示,上限收盘后的经验均值在2%、5%、10%和20%各价格带下均为正,且整体随 (C) 增大而提高;图6(b)显示,下限收盘后的经验均值整体为负,绝对值也随着价格带扩大而增加。
箱线图表明样本分布非常分散,尤其是20%价格带下,个别次日收益的最大值和最小值远离均值,说明平均反应容易受到少数极端观察值影响。理论线在整体方向和规模上具有一定解释力,尤其在10%价格带附近吻合较好,但在2%价格带和20%上限收盘方向存在较明显偏差。
实证上,上限和下限反应并不完全镜像。报告认为,下行极端事件可能受到恐慌、保证金追缴和强制平仓的机械性强化,而上行极端事件更多来自一次性新闻并迅速完成定价,因此下限事件可能具有更强的结构性记忆。
图7(a)把13个全球股票指数的标准化收益放在同一坐标中,数据显示不同市场的收益分布大体向共同的非高斯、厚尾形态坍缩,黑色曲线为(\nu=3)的单位方差Student-t参考分布。
图7(b)显示各指数估计尾指数约在2.41至3.99之间,均值约为3.15,因而作者选取(\nu=3)作为独立于NSE涨跌停样本的代表性基准。该选择增强了理论与实证比较的外部独立性,但也意味着单一尾指数无法完全反映不同股票和不同市场的异质性。
表I按顺序记录数据排除标准及样本量变化,包括低价股排除、交易不连续、价格带变化、公司行动以及残余超限等步骤。其目的在于尽量保证每个事件都符合“固定价格带、连续交易日、可计算次日收益”的理论条件。
表II汇总13个全球指数的经验收益统计、Student-t拟合参数和非标准化尺度参数,是图7尾指数选择的数值基础。
表III汇报不同价格带、不同方向的同边界事件数量和概率。报告指出,2%、5%和10%价格带的持续概率超过理论宽带渐近公式在(\nu=3)下允许的上限,因此不能直接用这些窄带数据反推出合法的(\lambda);20%价格带是唯一满足该渐近可行范围的带宽。
第一,模型高度简化。它假设冲击独立同分布、上下方向完全对称,并使用单一保留系数;但真实市场存在波动聚集、杠杆效应、订单流自相关、股票异质性和方向性信息反应。
第二,理论核心结果依赖宽价格带渐近条件,而2%的价格带显然不满足该条件。报告自身也承认,窄带持续概率超出了宽带理论上限,因此将单一参数用于所有价格带必然产生偏差。
第三,(\lambda_{\mathrm{eff}}=0.942)是根据20%价格带的聚合持续率校准,而不是通过次日收益均值拟合,因此理论与均值之间的差异具有检验意义,但也意味着参数可能无法同时解释不同方向、不同股票和不同带宽。
第四,NSE样本的事件识别依赖交易所价格带记录、容差和排除规则。报告通过排除公司行动、停牌、价格带变化和异常超限来改善样本质量,但这些规则本身可能改变样本构成,尤其可能减少最极端或最复杂的事件。
报告提出了一个简洁而有解释力的机制:价格限制通过裁剪把超额需求或供给隐藏起来,部分保留这些隐藏超额后,隐藏信息就成为跨日记忆。理论上,保留机制不改变重尾指数,却会放大潜在收益尾部;在宽价格带下,涨跌停后的同方向平均收益与带宽近似线性增长,同边界持续概率趋于非零常数,而反向涨跌停则因需要额外极端冲击而按 (C^{-\nu}) 衰减。
模拟图2、图4和图5分别验证了尾部振幅放大、次日均值线性增长以及持续与反转概率的渐近分离;NSE图6则支持同方向反应和随带宽增加的总体趋势,图7为采用(\nu=3)的重尾基准提供了跨市场依据。
总体而言,作者并未声称对现实市场作出完全精确的数量预测,而是提出一个可检验的“裁剪—隐藏—保留—记忆”框架。实证结果支持其方向性和尺度性预测,但上下方向不对称、窄带有限尺寸效应以及单一保留系数的局限,说明未来需要引入方向依赖的保留率、非对称冲击、股票异质性和有限价格带修正。
2608.08625.pdf