本文提出扩展状态依赖Hawkes过程(ExsdHawkes),通过允许物理上不可行的状态消失并引入KKT约束,实现转移概率与Hawkes参数的可分离估计。基于MUFG高频数据,研究发现AMS/AMB触发盘口脱离均衡,MLO加剧流动性消耗并形成局部超临界性,使模型能够稳定复现高频波动率特征图;MUFG的局部谱半径约为1.2978,但全局谱半径约为0.8993,表明物理约束是维持模拟稳定性和统计一致性的关键。
报告标题:《Extended State-dependent Hawkes Process for Limit Order Books: Mathematical Foundation and the Reproduction of Volatility Signature Plots》
作者:Akitoshi Kimura
发布/日期:原文仅明确标注日期为2026年8月11日,未给出独立研究机构或券商名称。
研究主题:利用扩展状态依赖Hawkes过程(ExsdHawkes)刻画限价订单簿(LOB)的高频订单流、市场状态转换、局部超临界性以及波动率签名图。研究对象主要是三个月的三菱日联金融集团(MUFG,8306)高频数据,并以瑞穗金融集团(8411)进行稳健性检验。
报告的核心观点是:高频波动率签名图在极短采样区间出现的上升或高位平台,并非一般自激点过程简单累积的结果,而是由LOB处于失衡状态时产生的局部超临界订单聚集所驱动。作者进一步区分了不同订单类型的作用:攻击性市价订单AMS/AMB负责确定性地打破最小价差均衡,将LOB从状态 (x=1) 推向 (x=2+);可成交限价订单MLO则通过消耗流动性、重写价格边界和扩大价格跳跃,成为随后高强度订单级联的主要催化剂。
报告并没有传统股票研究中的买入、持有、卖出评级,也没有目标价或公司基本面估值。它本质上是一篇金融计量与市场微观结构研究,结论重点是模型有效性、统计稳定性和机制解释,而不是投资建议。
Hawkes过程用于描述“事件会提高未来事件发生概率”的自激机制。在订单簿中,一笔订单可能引发撤单、跟随交易或流动性补充,因此订单到达不是独立的泊松过程,而具有明显的聚集性。报告引用既有研究认为,Hawkes模型能够较好描述订单流的反身性和集群现象,但普通模型难以解释这些微观订单行为如何转化为宏观实现波动率。
作者将这一问题与波动率签名图联系起来。波动率签名图以采样间隔 (\tau) 为横轴、实现波动率为纵轴,观察不同采样频率下的波动率变化。报告关注的是高频端的上升或高位结构,认为这体现了短暂但强烈的订单流反馈,而不仅仅是买卖价差反弹或一般微观结构噪声。
传统状态依赖Hawkes模型通常让基准强度、激励核以及状态转移概率依赖LOB状态。Morariu-Patrichi和Pakkanen的框架为此提供了理论基础,但报告指出,传统模型往往要求每一行转移概率之和必须等于1,即:
[ \sum_{x'}\phi_e(x,x')=1. ]
这类约束有利于稳定性分析,却可能违反订单簿的物理几何。例如,当买卖价差已经处于最小一个tick,即 (x=1) 时,价格改善型订单ALS或ALB在物理上不能再改善价格;若模型强制所有转移概率总和为1,就不得不为这些不可能事件分配非零概率。
作者将这种问题称为“强度泄漏”:模型在实际不可能发生订单的状态下仍然保留正强度,估计程序便可能通过扭曲Hawkes激励参数来弥补观测不到事件的事实。ExsdHawkes的关键创新是允许某个事件在某个状态下“消失”,令行和取离散值:
[ \Phi_{e,x}\in{0,1}. ]
其中0表示该事件在当前LOB状态下物理上不可行,1表示该事件通道开放。
报告提出的机制可概括为:
这里的“分支比”可以理解为一笔事件平均引发的后续直接事件数量。当分支比大于1时,若系统没有外部约束,理论上可能出现爆炸性增长;而ExsdHawkes认为LOB的状态切换能够把这种局部不稳定限制在短暂阶段。
作者的第二项理论贡献是证明转移概率参数 (\phi) 与Hawkes内生参数 ((\nu,\theta)) 可以分开估计。其逻辑是:强度被写成转移权重与基础内生强度的乘积,物理门控指标 (\Phi_{e,X(t)}) 只由当前LOB状态和几何规则决定,不由连续的转移概率权重决定。因此,完整对数似然可拆分为:
这意味着转移概率可直接通过事件计数和经验频率估计,而无需先对整个高维Hawkes模型进行联合优化。对包含数百万条tick数据的样本而言,这种分解显著降低了计算负担,也降低了物理不可行事件对激励参数的污染。
作者使用Karush–Kuhn–Tucker条件处理非负约束、行和约束以及状态消失。KKT是约束优化中的一阶最优性条件,能够识别变量处于内部解还是边界解。
报告区分了三类情况:
这一结果把“物理不可能”和“样本中暂未观察到”统一为边界解。不过需要注意,样本中未观察到某事件并不总是意味着该事件物理上不可能,也可能只是低频稀有事件,因此将两者均设为零虽然计算上稳定,却可能牺牲对极端罕见转移的估计能力。
报告使用指数核,将原本可能需要 (O(N^2)) 的历史累积降为 (O(N)) 递归更新。该方法适合处理100微秒级间隔、数百万事件的高频数据,并可结合Ogata thinning算法进行模拟。
稳定性方面,MUFG估计结果显示:
谱半径是积分核矩阵最大特征值,通常代表单一事件平均产生的直接后代数量。作者的解释是,失衡阶段虽然局部超过1,但AMS/AMB等高强度攻击性订单又会促使市场迅速回到最小价差状态,因此形成“局部不稳定—状态回归—整体稳定”的负反馈。
报告同时承认,(\rho(2+)>1) 情况下,一般状态依赖点过程的全局非爆炸性缺乏完整的测度论证明;其“全局稳定”主要依赖有限样本期内的经验表现及LOB负反馈结构,而不能简单等同于严格的一般性理论证明。
图1比较了真实市场、ExsdHawkes、标准SD-Hawkes、常数Hawkes和泊松基准。黑线真实数据在极短采样区间大约维持在 (8\times10^{-9}) 附近,随后随着采样间隔扩大逐步下降至约 (5\times10^{-9})。红色ExsdHawkes在微观采样尺度与真实数据接近,并在宏观尺度跟随其下降;蓝色标准SD-Hawkes整体显著偏高,约在 (1\times10^{-8}) 附近,说明其激励循环出现过度累积;绿色常数Hawkes和灰色泊松模型明显低估高频波动。
该图支持作者的主要论点:一般自激过程不足以产生合理的波动率结构,物理门控是防止高频强度无限扩张的必要条件。不过,图中ExsdHawkes并非在所有采样区间都与黑线完全重合,且“exact zero-distance synchronization”等表述明显强于图形本身能支持的程度,因此应理解为“较好贴合”,而非严格零误差。
图2用红色圆点表示真实数据,用蓝线表示模拟均值,蓝色阴影表示均值加减一个标准差。红线在极高频端约为 (8.1\times10^{-9}),随后向较长采样间隔下降;模拟均值大致在 (8.0\times10^{-9}) 附近,并在长区间下降到约 (7.0\times10^{-9})。标准差带虽然较宽,但没有随采样间隔扩张到失控,说明模拟没有出现标准SD-Hawkes式爆炸。
该图主要证明的是模拟稳定性,而不是单纯的拟合优度。阴影带在部分区间覆盖真实数据,但均值在长采样区间仍存在一定偏离,因此模型能够保持稳定并不必然意味着所有宏观动态都被准确复现。
图3分别展示均衡状态和失衡状态下不同订单类型之间的激励强度。均衡面板中AMS和AMB对自身或相关事件的激励值较高,例如AMS约4.60、AMB约4.88;失衡面板中可见更强的交叉激励,如NMB指向NLB约2.42、ALS指向NLB约2.16、MLO指向NCB约4.88等。
需要指出的是,图注称“所有模型的分支比显著超过1”,但图3实际呈现的是事件类型之间的局部核系数或激励矩阵,并非每个单元都代表完整系统分支比。将个别大于1的核元素直接等同于整个模型超临界,解释上需要谨慎。作者以谱半径1.2978概括失衡状态,理论上仍应基于完整矩阵特征值,而非单个热图格子的大小。
图4显示14类事件在前一状态和下一状态之间的转移概率。NMS、NMB、NLS、NLB、NCS、NCB等普通订单大多保持状态不变;AMS/AMB无论从哪个状态出发,都被显示为进入失衡状态的100%;ALS/ALB从均衡状态出发均为0%,而从失衡状态出发约97%回到均衡;MLO从均衡状态出发约99%保持均衡,从失衡状态出发约98%回到均衡。
这一图最直接地展示了物理门控:在最小价差下,价格改善订单被完全关闭;攻击性市价单负责打破均衡;失衡状态下的ALS/ALB和MLO则具有较高的均衡恢复概率。但概率接近100%也可能与状态定义较粗有关,因为模型把所有“2个tick及以上”的宽价差合并为一个状态,掩盖了不同宽度和订单簿深度的差异。
图5比较ExsdHawkes、常数Hawkes和泊松模型的残差分布与单位指数分布。AMS、AMB等价格影响较大的攻击性事件中,ExsdHawkes更接近理论对角线;对于高频取消事件ACS、ACB,报告承认模型存在局部低估,常数Hawkes有时反而更接近。
图6的核心结论是,在ALS/ALB处于最小价差状态时,标准SD-Hawkes因错误保留不可行强度而产生“幻影残差”,偏离单位指数基准;ExsdHawkes通过门控使该期间的积分暂停,从而改善残差表现。
图7为NMS、NMB、NLS、NLB四类事件的4×4残差交叉相关图。对角线自激相关在零滞后后迅速下降,非对角线交叉相关基本接近零,说明指数核已吸收主要的短期依赖结构。
图8左侧是失衡状态下的有效通道,相关性快速白化;右侧是均衡状态下物理上不存在的攻击性订单通道,曲线被门控为绝对零线。它很好地说明了模型如何区分“活跃的统计通道”和“物理禁行通道”。
附录图10展示全部14×14事件交互路径,声称滞后零之后整体白化;附录图11则进一步扩展到28×28的状态—事件网络,但图面极其密集,可读性较低,且正文没有逐项报告统计检验值。因此,这些图更像结构性诊断展示,而不是完整的显著性检验结果。
对Mizuho 8411,作者估计均衡状态谱半径约0.6212,失衡状态约0.8346,全局谱半径约0.6538,全部低于1,因此没有MUFG式的局部超临界阶段。
图9中真实数据红线从约 (1.2\times10^{-8}) 持续下降至约 (5.3\times10^{-9}),模拟均值蓝线则从约 (8.8\times10^{-9}) 缓慢下降至约 (7.0\times10^{-9})。模型保持稳定,但模拟均值在高频端明显低于真实数据,在长区间也存在差距。因此,“稳健性”主要体现为不爆炸和方向一致,而非精确拟合。该结果支持作者关于不同股票流动性结构会产生不同临界状态的观点,但仅有两只金融股、同一时期样本,尚不足以证明广泛跨资产泛化。
报告没有DCF、可比公司、市盈率、EV/EBITDA或目标价分析,也没有对MUFG或Mizuho进行盈利预测。因此不存在传统意义上的估值区间或投资评级。其“模型价值”体现在风险测度、订单簿模拟和高频流动性分析,而非股票内在价值判断。
报告识别或暗示的主要风险包括:
这份报告的主要贡献是把LOB的离散物理约束嵌入状态依赖Hawkes模型,并允许某些事件在特定状态下完全消失。其理论上通过KKT条件证明转移概率与Hawkes内生参数可以分离估计,实践上通过递归指数核实现大规模高频计算。
实证结果构成了一个清晰的双状态叙事:MUFG在最小价差状态下的谱半径约0.8632,处于稳定区间;价差扩大后谱半径升至约1.2978,出现短暂局部超临界;但由于攻击性订单促使状态重新回到均衡,全局谱半径仍约0.8993,未出现模拟爆炸。 图1至图2表明,物理门控比无约束SD-Hawkes更能同时保持高频波动特征和模拟稳定性;图4、图6和图8则从转移概率、残差和禁行通道三个角度展示了物理一致性。Mizuho的谱半径全部低于1,进一步说明不同股票的流动性结构会形成不同的内生性和临界性。
总体而言,报告提出了一个具有明确微观结构解释的建模框架,最有价值的洞察是把高频波动率签名图与“攻击性订单触发、MLO催化、局部超临界、物理负反馈恢复”这一链条联系起来。但其理论稳定性、跨市场泛化能力、状态划分精细度和部分过度确定性的措辞仍需通过更长样本、更多股票、正式统计检验及严格的非爆炸性证明进一步验证。
2604.23961.pdf