高频流动性分类与交易成本定义 [page::3]

• 股票高频流动性分为交易成本、交易效率和价格冲击。本文重点分析交易成本。

- 交易成本以报价价差和金额价差衡量。报价价差关注买一卖一价差，金额价差衡量不同资金量订单的实际价差。

报价价差因子定义及描述性统计 [page::4][page::5]

| 指标 | 均值 | 标准差 | 最小值 | 25% | 50% | 75% | 最大值 |
|--------------------|---------|---------|---------|--------|--------|--------|----------|
| Spread(绝对价差) | 0.014 | 0.019 | 0.01 | 0.01 | 0.01 | 0.01 | 15 |
| Relative Spread(相对价差) | 0.0017 | 0.0013 | 0.0000 | 0.0008 | 0.0013 | 0.0021 | 0.2013 |

• 报价价差呈典型右偏分布，绝对价差受股票价格较大影响，标准化后相对价差更能反映流动性差异。

报价价差的日内周期性与特征分析 [page::6][page::7][page::8][page::9]

• 价差呈现“W型”日内分布，开盘、中午和收盘时段价差较大。

- 价差存在明显的5分钟为主的日内周期性，可能与投资者操作习惯或程序化交易有关。

• 科创板绝对价差最高，小盘股相对价差最高，ST股显示流动性风险最大。

金额价差因子的构建与订单簿深度分析 [page::10][page::11]

| 档位 | 均值(万元) | 标准差 | 最小值 | 25% | 50% | 75% | 最大值 |
|-------------|--------------|----------|----------|---------|---------|---------|----------|
| 一档深度 | 100.81 | 510.08 | 5.77 | 15.37 | 28.11 | 69.15 | 20997.12 |
| 五档深度 | 551.84 | 1902.47 | 36.81 | 92.15 | 181.3 | 468.09 | 67706.6 |
| 十档深度 | 918.68 | 2458.4 | 76.35 | 189.78 | 361.34 | 883.26 | 80419.86 |

• 绝大多数股票的最优报价订单簿容量为几十万元，扩展至前十档报价可承载数百万元资金量。

量化因子选股能力测试及分组表现 [page::11][page::12][page::13]

• 相对价差因子（RS）和相对金额价差因子（RAS）在预测未来1日、5日、20日收益上均表现出正向IC，统计显著。

- RAS因子综合了多档订单信息，选股效果优于RS，表现出良好的收益单调性和稳定性。

风格因子中性检验与因子独立性 [page::13][page::14]

• RS和RAS因子与常见风格因子相关性低，尤其RAS与市值及非线性市值呈负相关，体现独特信息。

- 风格中性化处理后，RAS因子依旧保持良好的分层收益单调性，证明其超额收益提供能力。

基于金额价差因子的指数增强策略回测 [page::14][page::15][page::16]

| 指数 | 年化超额收益（月频） | 年化超额收益（周频） | 最大回撤（增强策略） | 换手率（次调仓平均） |
|------------|----------------------|----------------------|---------------------|----------------------|
| 沪深300 | 3.37% | 2.65% | -3.1% | 约30% |
| 中证500 | 3.33% | 2.89% | -3.7% | 约31% |
| 中证1000 | 9.04% | 10.28% | -3.7% | 约30% |

• 策略持有流动性因子暴露，调仓频率适中，显著超越基准指数收益且最大回撤和换手率风险可控。

订单交易成本与股票收益 —— 高频流动性研究系列报告深度分析

---

一、元数据与报告概览

• 标题：订单交易成本与股票收益

- 研究系列：高频流动性研究系列首篇

• 作者：任瞳、麦元勋、李世杰

- 发布机构：招商证券

• 发布时间：2024年（具体日期未明）

- 研究主题：基于沪深交易所高频行情数据，系统研究中国股市的高频流动性特征，特别聚焦股票交易成本这一核心维度，提出并实证检验两类价差指标的选股能力及其对收益的影响。

核心信息：
报告从交易成本角度出发，定义并量化了股票的报价价差（Quote Spread）和金额价差（Amount Spread）两个高频流动性指标。通过实证检验发现，这两种价差指标与未来股票收益有统计显著的正相关性，尤其是在构建基于金额价差的选股因子并应用于沪深300、中证500和中证1000指数的指数增强策略中，获得了显著的超额收益，尤其是中证1000达到高达9%以上的年化超额回报，显示流动性指标对A股市场选股及策略构建具有较强参考价值和实用意义[page::0,16]。

风险提示明确指出，研究依赖历史数据与建模，政策市场环境变化可能导致模型失效，且不构成投资建议[page::0]。

---

二、逐章节深度剖析

1. 流动性的衡量（第3页）

• 本章从理论出发，界定股票流动性三个维度：交易成本（订单能否合理价格执行）、交易效率（订单能否快速成交）、价格冲击（大额订单如何影响价格）。

- 采用更直接的高频数据度量交易成本，聚焦买一卖一价差（报价价差），用高频快照精准捕捉市场价差动态。

• 强调中国A股市场为指令驱动市场，不同于美股做市商模式，价格驱动机制下存货成本和指令处理成本不显著，但信息不对称仍显著影响价差，暗示A股价差主要因信息不对称引起，因此重视其测度尤为重要[page::3]。

2. 报价价差因子定义与特征（第4-8页）

• 定义报价价差为卖一价减买一价的绝对差值，并通过中间价标准化得到相对价差，消除股价大小的直接影响，增强跨股票比较的合理性。

- 描述性统计显示，报价价差呈明显右偏分布，超过75%的数据等于最低价格刻度，且相对价差最大值高达0.14，说明部分股票流动性极差，同时标准化增强对小幅波动的敏感度。

• 个股案例（贵州茅台）分析，绝对价差虽大，但股价高导致相对价差实际水平中低，体现标准化方法合理性。价差随市场情绪波动显著，特殊交易日价差急升，体现信息冲击对流动性的影响。

- 时间序列分析发现，报价价差与股价变化同步，2018年至2019年价格下跌伴价差下降，2020-21年价格上涨伴价差上升，2024年相对价差又显著上升，市场整体流动性可能趋于恶化。

• 日内价差呈“W”型分布，开盘、中午和收盘价差高峰，反映市场信息不对称和投资者行为差异，成交量跌宕形成“U”型，相互映衬，揭示交易活跃度与流动性动态[page::5,6,7]。
• 板块和市值分析：

- 科创板绝对价差最大但相对价差与其他板块持平，说明股价水平差异导致的相对难度均衡化。
- 小盘股绝对价差低，但相对价差高，表明小盘股流动性风险明显。
- 高价股绝对价差高，但相对价差低，利于大资金交易。
- ST股表现出极端不佳的流动性，投资风险高[page::7]。

• 绝对价差与流通市值无明显相关，但与股价正相关显著，表明股价是绝对价差主要驱动因素[page::8]。
• 价差日内还显示周期性波动，尤其在上午10点后和下午交易阶段，频谱分析发现5分钟为主的强周期峰值，辅5、10、15分钟波峰，疑因程序化交易和投资者交易习惯导致，反映市场结构与参与者行为的周期性特点[page::8,9]。

3. 金额价差（第9-11页）

• 针对传统报价价差局限（仅覆盖买一卖一档，难反映大订单交易情况），定义金额价差：针对不同资金规模Q，计算覆盖该金额的加权买卖均价差。

- 通过金额价差，可衡量不同订单规模的交易成本，提高不同股价股票间的可比性，尤其针对中大额交易更加适用。

• 订单簿深度统计表明：

- 单档成交量能支持资金区间大约数万元；
- 前5档资金额中位数约143万元；
- 前10档中位数超270万元，大幅提升资金承受能力，体现市场深度差异。

• 将订单规模划分为10万（小额）、50万（中额）、200万（大额），分析金额价差分布，发现随着订单金额增长，金额价差整体上升，分布从长尾右偏转为接近正态峰值，说明大额订单交易成本更高，流动性压力明显[page::9,10,11]。

4. 因子测试（第11-14页）

• 选股能力：

- 将日内价差转换为日度指标，聚焦相对价差RS和相对金额价差RAS，检验其与未来收益(IC指标)的相关性。
- RS因子1日、5日、20日IC分别为1.8%、3.2%和4.8%，统计显著，显示其预测股票收益能力明显。
- RAS因子特别是小额订单参数计算的RAS_SMALL预测能力最佳，对应IC分别为1.7%、3.4%、5.6%，表明金额价差因子信息更丰富。

• 分位数收益测试：

- RS因子虽然能区分股票收益高低，但主要在空头端表现突出；
- RAS因子显示更强的分层单调性，收益随因子分位递增，表现更稳健。

• 两类因子相较，RS因子基于买卖一档价差信息，RAS因子综合十档信息，后者捕捉更深市场流动性，预示能力更强[page::11,12,13]。
• 风格中性测试：

- RS与RAS因子与传统风格因子（贝塔、市值、价值、动量等）相关性普遍低于0.3，显示因子独特性强。
- 特别是RAS因子与非线性市值、市值因子呈明显负相关，风格中性化回归后依旧保持良好分层效果，证明因子超越传统风格，有独立收益预测能力[page::13,14]。

5. 指数增强策略构建与回测（第14-16页）

• 以RS和RAS为核心因子，构建沪深300、中证500与中证1000的指数增强投资组合，约束行业和个股权重偏差，定期调仓（月频与周频），剔除停牌、ST、涨跌停股票。

- 回测期间2018年至2024年9月，增强策略表现良好：
- 月频收益优于周频。
- 年化超额收益：
- 沪深300达3.37%
- 中证500达3.33%
- 中证1000最高达9.04%

• 最大回撤显著低于基准，平均换手率约30%，控制流动性风险与交易成本表现稳健。

- 策略净值曲线稳定上升，尤其中证1000指数增强策略展现出良好持久力和风险收益平衡，适合中小盘股票流动性挖掘[page::14,15,16]。

6. 总结（第16页）

• 高频流动性视角下，交易成本通过报价价差和金额价差指标得到系统量化。

- 报价价差体现市场短期流动性状态，呈右偏“W型”日内分布和5分钟周期性波动。

• 金额价差补充反映不同资金规模订单执行的交易成本，体现市场深度。

- 两种因子与未来收益显著正相关，具备良好选股能力且独立于传统风格因子。

• 基于金额价差因子的指数增强策略表现突出，尤其在中证1000表现优异，实现显著年化超额收益。

- 研究成果有助于投资者理解中国A股市场流动性特征，优化交易成本管理和选股策略制定[page::0,16]。

---

三、图表深度解析

图1：股票高频流动性分类框架（第3页）

• 展示流动性三大维度：交易成本、交易效率与价格冲击。

- 该框架明确报告分析聚焦交易成本，以买卖报价价差及金额价差为核心指标。

• 图表支撑理论基础，清晰体现研究方向[page::3]。

图2：股票快照数据示例（第4页）

• 展示限价订单簿买卖十档的委托价与委托量样本。

- 通过买一卖一档价差计算报价价差，同时利用多档委托信息计算金额价差，体现计算逻辑直观性。

• 数据结构与后续指标计算紧密相关，便于理解金额价差定义[page::4]。

表1：报价价差描述性统计（第5页）

• 报价价差均值0.0153，明显右偏，大部分样本为最小价差单位0.01，最大达15，呈现高异质性。

- 相对价差标准化后差异明显，最大值0.14，最低0.00003。

• 跨时间尺度（即时价差与日均价差）均呈类似分布形态。

- 体现市场对股票价差差异及流动性状态捕捉的有效性[page::5]。

表2：贵州茅台历年平均价差（第5页）

• 2018-2024年间价差波动显著，有年份超过0.9，显示重要个股价差不稳定，与市场波动和情绪关联。

- 相对价差整体波动较小，集中于低分位区间。

• 个股流动性表现不同，标准化帮助比较。

- 图3辅佐直观捕捉2024年价差异常波动点，例如1月22日、2月7日及9月27日，反映短期市场冲击对交易成本的影响[page::5,6]。

图4：价差与相对价差日间时序（第6页）

• 绝对价差与股价走势同步，体现市场整体流动性变化。

- 相对价差波动下降趋势明显，2024年又出现反弹。

• 价差反映市场交易成本复杂动态和情绪变化，揭示流动性演变过程[page::6]。

图5图6：“W型”日内价差分布（第7页）

• 各分位数价差均显示开盘、中午、收盘三个峰值，形成“W”形。

- 开盘和收盘因信息不对称加剧价差扩大，投资者行为明显。

• 相对价差保持稳定，显示价格规模调整后趋势保持不变，强化结论可靠性[page::7]。

图7图8：不同板块与股票池价差水平（第7页）

• 科创板绝对价差最高，小盘股相对价差高，ST股流动性最差。

- 高价股绝对价差高但相对价差低，表现较好流动性。

• 展示市场不同细分及风险等级股票的流动性差异，辅助理解整体结构[page::7]。

图9图10：绝对价差与流通市值、股价关系（第8页）

• 散点图显示绝对价差与流通市值无明显相关。

- 绝对价差与股价显著正相关。

• 突出股价作为影响交易成本的主要变量，支持后续标准化逻辑合理性[page::8]。

图11图12：日内价差波动与频谱密度分析（第8-9页）

• 9:30-11:30间，价差呈周期波动，尤其5分钟为主的频率峰值。

- 傅里叶频谱分析确认明显的5、10、15分钟周期。

• 反映程序化交易操作习惯及市场结构特征，对市场行为研究有借鉴意义[page::8,9]。

图13表3图14：金额价差定义及统计（第10-11页）

• 图13直观示意订单簿规模资金量对应价格层级。

- 表3展示订单簿深度的统计，前十档承载金额显著大于首档，为金额价差计算提供基础。

• 图14金额价差分布显示订单金额越大价差越宽，流动性压力加大，呈现量价关系[page::10,11]。

表4至图18：因子测试数据及结果（第11-13页）

• 表4 IC测试展示RS与RAS因子预测能力，均统计显著，特别是小单量RAS表现最佳。

- 图15-16（RS）和图17-18（RAS）分位数及收益展示因子分组差异明显，RAS表现单调性和区分力更强。

• 体现两种价差因子均具备实际选股价值，尤其金额价差更能反映市场深度和未来收益[page::11,12,13]。

表5及图19图20：风格中性分析（第13-14页）

• 表5 相关系数矩阵显示RS和RAS因子与传统因子相关度低，因子独特性明显。

- 经过风格因子回归中性化处理后，因子依然在多头组合中表现突出，说明其增量预测信息可被独立利用[page::13,14]。

表6表7及图21至图26：增强策略业绩（第14-16页）

• 表6、7展示沪深300、中证500、中证1000三个指数下，月频与周频增强策略的回测统计数据，月频业绩优于周频。

- 年化超额收益范围2.65%-10.28%，最大回撤及换手率均优于基准指数，表现稳健。

• 图21-26净值曲线直观展示增强策略较基准及对冲组合的稳健上涨，特别是中证1000体验到最大收益与较低波动率，适合从中小盘市场流动性中挖掘机会[page::14,15,16]。

---

四、估值分析

本报告主要聚焦于市场流动性指标及其对股票收益的影响，并未涉及传统的公司估值（如DCF、市盈率）部分。

---

五、风险因素评估

• 主要风险来源于历史数据和建模假设的局限性；

- 政策变化、市场环境波动可能导致模型失效；

• 股价和流动性波动不确定性增加选股因子表现波动；

- 相关收益预期不等同投资建议，需严格风险控制与多因子结合使用[page::0]。

---

六、批判性视角与细微差别

• 研究限定于交易成本层面，未深入探讨流动性其他维度（交易效率、价格冲击），可能遗漏部分流动性影响因素。

- 由于A股市场制度特殊，尽管引用信息不对称理论，未对制度差异对价差具体影响进行系统建模，存在理论适用限制。

• 高频数据处理依赖订单簿数据，可能存在数据采集频率和质量限制，周期性分析虽充分但结论需结合市场行为解读谨慎。

- 策略回测虽表现突出，但换手率和交易成本实际执行敏感度如何未详细披露，未来研究可细化交易摩擦成本匹配。

• 风格中性化虽剥离了多因子影响，但不同风格策略组合下因子耦合及市场结构变化的动态冲击还有待深入探讨。

---

七、结论性综合

本报告通过严谨的高频数据分析，深度剖析了中国A股市场的交易成本表现，明确划分并定义了两类核心流动性指标——报价价差和金额价差。统计和案例分析表明，这两类价差揭示了市场流动性的异质性、资金承载能力及其在不同时段的周期性特征。尤其是金额价差，能够有效度量不同资金规模订单的成交成本，弥补传统报价价差的不足。

实证检验证明，标准化后的相对价差因子和金额价差因子均对未来股票收益具有显著预测能力，金额价差因子因其覆盖面广泛、信息更丰富，在选股模型中表现更为优异。两因子均与传统风格因子相关性较低，体现其独特性。构建的基于金额价差因子的指数增强策略在沪深300、中证500、中证1000均取得持续且显著的正向超额收益，尤其在中证1000中超额收益率达到9%以上，风险控制良好，换手率适中。

配合图表详细呈现了价差的分布形态、周期规律、板块差异和资金容量限制，全面展示了A股市场在流动性维度上的特征与投资机会。

总体而言，该研究为理解和量化中国股票市场流动性及其对投资收益的影响提供了先进的高频数据分析方法论和实证路径，为投资者优化交易策略和资产配置结构提供了重要工具和依据，同时也提示需关注市场流动性动态变化所带来的风险[page::0-16]。

---

参考重要图表示意（部分）

1. 高频流动性分类框架

1. 贵州茅台2024年价差时序

1. 报价价差“W 型”日内分布

1. 价差日内频谱密度（显示5分钟周期性）

1. 金额价差分布（Q=10/50/200万元）

1. RS、RAS因子分组收益示意

1. 增强策略沪深300净值曲线（月频）

---

本次报告深入揭示了中国A股市场的高频流动性特性及其在投资策略中的实际应用价值，为市场参与者提供了操作层面的流动性认知和量化分析工具，具有较强的理论与实务意义。

报告