• 指令簿挂单不平衡信号构建与分布特征 [page::2]

- 定义为买一卖一挂单量不平衡比例，取值区间[-1,1]，较多集中在0附近，自相关性超过0.2持续3秒，说明信号有短暂持续性。
- 信号分为强卖（[-1,-1/3)）、中性（[-1/3,1/3]）和强买区间((1/3,1])，不同区间对应市价单买卖量比例差异明显。

• 指令簿信号与市价单事件及价格变动关系 [page::3][page::4]

- 在强买区卖量<买量事件多，强卖区卖量>买量事件多，信号可一定程度预测市价单压力。
- 中间价随市价单方向在强买强卖区间相应出现较多涨跌，一般变动为1个最小跳价。
- 平均收益分析显示强买区卖量>买量对应价格上涨幅更大，策略应根据此撤单避免价差击穿损失。

• CDJ模型与最优策略构建原理 [page::4][page::5][page::6]

- CDJ模型考虑价差2种状态和3种挂单不平衡区间，结合3类事件（卖量>买量、卖量<买量和限价单事件）定义市场状态转移和收益。
- 动态规划与HJB方程求解最优一档买卖挂单策略，库存风险惩罚项控制净头寸。

• 最优策略的时段性挂单实现与库存控制 [page::6][page::7][page::8]

- 根据不同信号区间、价差状态和时间段动态调整挂单方向与数量，临近做市结束逐步平仓减少库存。
- 分段平仓和收盘平仓策略展示，分段平仓策略对多头和空头库存均有主动管理，降低风险。

• 策略回测与效果对比 [page::9][page::10]

- 三种策略（分段平仓、收盘平仓及不使用信号情形）累计收益相近，非信号策略波动和最大回撤显著较大。
- 信号策略提高夏普率至约21-22，降低日收益波动，减少盘中亏损。

• 多档挂单及库存惩罚的收益影响 [page::10][page::11]

- 多档挂单（买一及买二）相比单档明显提高累计收益，且随着库存风险偏好降低收益增加，但手续费和撤单频率也上升。
- 最高年化夏普率达33，返佣比例最低仅80%左右，但对应最大持仓和最大亏损增加。

• 结论：本报告基于CDJ模型结合指令簿挂单不平衡信号构建的高频做市策略，对做市挂单撤单的动态决策具有指导意义。尽管500毫秒数据下信号预测能力有限，但能有效降低策略波动和风险。多档挂单与适度库存风险容忍能显著提升收益与夏普率，兼顾收益和风险管理。

《指令簿信号在高频做市策略中的应用》报告详尽分析

---

1. 元数据与报告概览

• 标题：指令簿信号在高频做市策略中的应用

- 作者及机构：华泰期货研究院量化组研究员罗剑、陈维嘉、杨子江、陈辰等

• 发布日期：资料中未显式标注，数据使用2017-2018年

- 研究主题：研究如何利用限价指令簿挂单不平衡信号加强高频商品期货（特别是沪铜）做市策略，通过构建和应用CDJ模型（基于Alvaro Cartea等人的论文）优化买卖挂单策略，实现提升风险调整收益率。

• 主要信息：利用最优买卖价挂单不平衡信号构建动态做市策略。虽然信号基于500毫秒截面数据，强度弱于10毫秒数据，未明显提升平均收益，但有效减少盘中和日间亏损波动，提升做市策略的夏普率。模拟回测显示，增加二档价格挂单并合理调整库存惩罚系数能进一步提高收益和风险控制水平。[page::0,1,2,11]

---

2. 逐节深度解读

2.1 研究背景

• 报告首先介绍高频做市策略的核心机制：做市商通过挂买单和卖单，在买一和卖一价位的频繁撮合中赚取买卖差价利润。

- 研究焦点为“价差等于最小跳价的资产”（如商品期货），该类资产买卖价差窄，挂单集中，市价单大概率成交于买一或卖一，滑点极低，做市商决策围绕买一价或买一加跳价价位挂单展开。

• 作者强调两种风险：库存风险（单边头寸积累风险）、逆向选择风险（限价单被未来市场价格击穿的风险）。

- 逆向选择风险中，做市商需利用限价指令簿（买卖挂单量及市价单成交量）变化预测价格方向，及时调整挂单撤单，防止被“打穿”限价单以至亏损。

• 报告限制只研究买一和卖一价位撤单逻辑，信号基于挂单不平衡指数，结合库存风险优化挂撤单策略，参考Alvaro Cartea等人的经典工作。[page::1]

2.2 指令簿信号的构建与统计特性

• 挂单不平衡信号定义为

$$
\rhot = \frac{Vt^b - Vt^a}{Vt^b + Vt^a}
$$

其中 $Vt^b$ 和 $Vt^a$ 分别是买一和卖一价位挂单数量。

• 采用500毫秒截面数据，对2017年8月14日沪铜主力合约的信号分布及自相关进行统计分析，发现信号分布近似“钟型”，多数集中于0附近，极端信号（接近±1）较少。信号自相关表明其存在至少3秒的持续性，有一定周期稳定性。

- 信号区间将$\rho$划分为强卖区（[-1, -1/3)）、中性区([-1/3, 1/3])、强买区((1/3, 1])，分别对应卖单大于买单、市价买卖量均衡，以及买单大于卖单的状况。

• 统计21个交易日中不同信号区间下的市价买卖量比，强卖区卖量普遍>买量，强买区卖量<买量，中性区趋近均衡，表明挂单不平衡信号对市价单成交特征具一定预测能力。

- 进一步统计在不同信号条件下，未来500毫秒中间价涨跌分布，发现强卖与强买区的涨跌概率略有预期趋势，但与原论文（使用更高频分辨率10ms）对比，信号预测力显著减弱，推测源于500ms截面数据难以准确捕获高频交易信号的瞬时变化。

• 分析市价单事件后的平均跳价收益，结果显示在强买区卖量>买量时，平均中间价上涨幅度明显高于卖量小于买量情形，说明信号与中间价走势存在正相关，但预测力度有限。

- 总体结论是，500毫秒级别数据产生的挂单不平衡信号虽弱于10毫秒数据，但依然对未来价格变动有一定参考价值，可支撑其在做市策略中的应用。[page::2,3,4]

2.3 CDJ模型介绍及数学框架

• CDJ模型（该报告以Alvaro Cartea等人的离散报价模型为基础构建）：

- 假设限价差价$\Delta$取1或2跳价两档状态；
- 监测3类挂单不平衡信号状态$Z$，与$\Delta$组合形成6类市场状态$J=(\Delta,Z)$；
- 市场事件分3类：两类市价单事件（卖量>买量记为$+$，卖量<买量记为$-$），一类限价单事件（队列调整）；
- 通过统计21日沪铜主力期货数据，估计每类事件在每市场状态出现的频率（密度）、事件后中间价收益、状态转移概率等参数。

• 数学中，定义做市商目标函数

$$
H(t,x,q,S,J) = \sup{(\gammas^\pm) \in A} \mathbb{E}\left[XT + qT ST - |qT|\frac{\Delta}{2} - \phi \int0^T qu^2 du | \mathcal{F}t\right]
$$

其中 $XT$ 为现金流，$qT$为库存，$S_T$为价格，中间价为鞅过程，$\gamma^{\pm}$ 表示是否在买一或卖一挂单，$\phi$ 为库存惩罚系数体现风险偏好。

• 利用动态规划原理，将函数拆解为

$$
H(t,x,q,S,J) = x + qS + h(t,q,J)
$$

其中 $h(t,q,J)$ 满足Hamilton-Jacobi-Bellman偏微分方程，方程依赖事件发生密度及状态转移概率，做市商最优挂撤单策略为方程的解。

• 方程满足终止条件$h(T,q) = -|q|\frac{\Delta}{2}$，体现临近做市结束时对库存成本的线性惩罚。

- 最优策略求解通过欧拉有限差分格式数值计算，库存允许区间为[-15,15]手。

• 求解采用两种情形：一是分段平仓策略（如图5，分时段内平仓）；二是收盘平仓策略（图6，尾盘时间统一平仓）。

- 解的结果直观展现为某时刻和库存量下选择“只挂买单”、“只挂卖单”或“两边同时挂单”的区域，展示了策略对市场不平衡信号及时间动态的响应。[page::4,5,6,7,8]

2.4 做市策略回测及效果评估

• 利用天软高频数据，按秒约2笔行情更新模拟做市交易，采用前述CDJ模型控制挂撤单。

- 模拟成交判定：
- 观察市价买卖单成交价是否匹配做市商挂单价。
- 判定队列排名及成交是否发生，模拟撮合。

• 回测限定于买一卖一价位挂单，比较三种策略表现：

- 分段平仓策略（图5对应，9:00-9:30段内逐步平仓）
- 收盘平仓策略（图6对应，15:00收盘平仓）
- 收盘平仓但不使用挂单不平衡信号

• 回测结果（图7及表1）显示：

- 三策略累计收益接近，但不使用信号的策略收益波动最大，曾出现较大回撤。
- 使用信号的策略有效降低波动性和最大亏损，提升日收益稳定性和年化夏普率（分段平仓夏普率最高22）。
- 策略之间手续费及成交量相近，信号策略更优依赖于风险控制效果。

• 扩展研究深价位挂单：

- 模拟同时在买一和买二（卖一和卖二）挂单，买二挂单初始排名假设为买一挂单量1.5倍。
- 不同库存惩罚系数$\phi$下模拟，收益显著提升（图8、表2）。
- 降低库存惩罚（承受更大库存风险）带来更高收益和成交量，但也增加日间收益波动及最大亏损。
- 最高夏普率33在二档挂单且$\phi=10^{-3}$时取得，但撤单频率和手续费均最高。

• 结论总结：即便500毫秒信号预测能力有限，信号仍有效降低策略风险波动，显著提高夏普率；加深挂单价位层级并调节风险偏好参数，收益和风险管理有望进一步优化。[page::9,10,11]

2.5 报告免责声明

• 明确本报告为信息参考，不构成投资建议。

- 明示信息来源可靠但不保证准确性和完整性。

• 指出报告观点不代表华泰期货或者其附属机构立场。

- 强调投资者应独立判断及咨询专业人士。[page::12]

---

3. 图表深度解读

3.1 图1：挂单不平衡信号分布规律

• 描述：左图为信号$\rho$的概率直方图，显示信号多数集中在0附近，呈现钟形分布；右图为信号自相关分析，显示信号在知名500毫秒的延时内有显著自相关，衰减缓慢。

- 数据意义：信号多集中于市场买卖挂单量均衡状态，极端信号（明显买多或卖多）较少。自相关性表明信号具有数秒的持续有效性，适合用于动态策略设计。

• 联系文本：支持构建基于挂单量差异的做市信号假设，为后续策略模型提供统计基础。[page::2]

3.2 图2：指令簿信号下市价单事件出现频率

• 描述：统计不同信号区间内市价卖量与买量的比较次数，柱状图展示强卖区卖量>买量事件频次高，强买区卖量<买量事件频次高，中性区接近平衡。

- 数据意义：验证挂单不平衡信号与市价成交买卖量具备相关性，即信号是有市场行为反映的。

• 联系文本：体现信号区间划分合理，为预测市场短期价格走势提供依据。[page::3]

3.3 图3：不同客户事件下中间价变化分布（卖量>买量与卖量<买量）

• 描述：柱状图对比不同信号区间及事件类型下，中间价跳动的频率及方向。

- 数据意义：中性区内价格大多不变，强买强卖区中间价更易向相应方向跳动，价格响应信号设定合理。但图形不及原论文明显，反映信号统计时间尺度影响。

• 联系文本：提示500毫秒截面数据带来的信号预测能力弱化问题，影响模型效果。[page::3]

3.4 图4：市价单事件平均收益

• 描述：柱状图展示不同信号区间及市价卖买量大小关系对应的中间价平均跳价收益。

- 数据意义：强买区出现卖量>买量后中间价显著上涨，信号对未来价格变动具积极预测能力。

• 联系文本：确认信号经济含义，可用于做市策略的利润预判及风险控制调节。[page::4]

3.5 图5 & 图6：不同平仓时间下的最优挂单策略切片图

• 描述：

- 图5为分段平仓情景，分价差状态（1跳价、2跳价）和信号区间（三种）展示不同时间与库存水平下挂单策略状态（三色表示只挂卖单、买卖双挂、只挂买单）。
- 图6为收盘平仓策略类似展示，时间范围更长，涌现更复杂时间动态。

• 数据意义：

- 图5显示强卖信号区内做市商趋向快速平掉多头仓位（持续只挂卖单），强买信号区相反。中性区则更自由挂单。
- 价差为2时风险低，倾向双向挂单，价格跳动风险较小。
- 时间临近平仓点，策略倾向减少双边挂单，收敛库存。

• 联系文本：揭示做市策略对信号和时间动态的敏感调整逻辑，策略具备实时动态风险管理能力。[page::6,7,8]

3.6 图7：不同策略累计收益

• 描述：2017年8月至2018年8月做市策略累计收益时间序列对比，分段平仓、收盘平仓与收盘平仓无信号三条曲线。

- 数据意义：收益曲线接近，但不使用信号策略有更强回撤和波动；信号策略提高收益稳定性。

• 联系文本：体现信号对风险控制效果，对投资者夏普率提升有决定性贡献。[page::9,10]

3.7 图8：不同挂单层级和风险偏好累计收益对比

• 描述：同一时间段内不同库存惩罚系数$\phi$（$1e^{-3}$，$1e^{-4}$，$1e^{-5}$）及挂单层级（一档、二档）的累计收益曲线。

- 数据意义：二档挂单策略明显优于一档，并且库存惩罚越低，收益越高但伴随更高波动。

• 联系文本：支持深价位挂单对做市绩效的积极贡献，提高风险-收益平衡格局。[page::11]

---

4. 估值分析

本报告为量化交易策略研究，非传统意义上的企业估值报告，因而未涉及DCF等估值模型。专注于利用CDJ模型通过动态规划解决风险收益优化问题，估值角度等同于策略盈亏及夏普率指标的优化。

• CDJ模型基于市场状态划分与事件状态转移概率计算收益最大化。

- 库存风险惩罚参数$\phi$在模型中充当风险调整因子，影响最终策略激进程度和收益波动。

• 通过模拟回测输出年化夏普率、最大亏损、成交量等关键指标评价策略价值。

- 不同风险偏好和挂单层级的参数调优可视为对策略“估值”过程，即寻找最优收益-风险配置点。[page::4-11]

---

5. 风险因素评估

• 信号预测能力有限：500毫秒截面数据相比10毫秒数据，信号强度明显弱化，导致模型预测效果受限。

- 市场延迟与硬件限制：做市商对行情递送速度和撤单执行速度要求极高，硬件条件不达标将影响撤单效果和风险控制。

• 库存风险积累：模型通过库存惩罚降低风险，但极端价格波动或流动性骤变时，仍可能产生重大亏损。

- 模型参数估计风险：参数基于21个交易日统计，存在样本偏差及市场结构变化风险。

• 撤单量大导致系统负荷：高频撤单可能引发交易系统压力，增加交易成本或执行风险。

- 市场环境变化：策略基于历史数据，市场行情变化（如监管政策、突发事件）可能使模型过时。

• 报告未提及直接缓解机制，但通过模型设计和信号调整，方案旨在降低亏损幅度和收益波动。[page::1,2,4,9,11]

---

6. 批判性视角与细微差别

• 数据分辨率限制：论文使用500ms截面数据，而原始文献用10ms，跨度差异较大，导致信号预测能力明显缩水，继而影响收益改进，这一点是报告明确提及的限制。

- 信号虽弱但仍纳入模型：信号贡献主要体现在风险控制而非提升收益，此观点科学且稳健，避免盲目追求信号扩展预测能力。

• 模型简化吸纳实际复杂性有限：现实中挂单撤单受市场规则及延迟影响复杂，报告仅模拟买一卖一层面，深层挂单假设基于简单倍率，存在假设简化风险。

- 成交判定假设：假设做市商交易速度最快，这在实际市场中难以保证，可能导致模拟成交偏差。

• 对风险因素评估不足：报告未展开对极端市场冲击或流动性枯竭事件的模型稳定性讨论。

- 综合来看，报告对于研究范围和数据限制有较好自知，力求基于现有数据做长期风险调控优化，逻辑严密，但读者应充分考虑模型假设和现实执行差异。[page::2,3,9,11]

---

7. 结论性综合

本报告系统性地研究了利用买一卖一价位挂单不平衡信号提升高频做市策略的可行性和效果，将Alvaro Cartea等人的CDJ动态做市模型结合500毫秒截面数据进行参数估计和数值求解，通过优化挂单撤单及时机，设计算法策略以降低逆向选择风险及库存风险。

• 指令簿不平衡信号定义科学，且自相关证明其具备一定短暂持续性，有助预测市场短期变动趋势。

- 虽因数据分辨率限制信号预测能力弱于原文，但统计表明信号与市价买卖单成交有一定关联性，能为做市策略风险控制提供辅助。

• CDJ模型在不同市场价差和信号状态下，通过数值解HJB方程，优化动态挂单策略，挂单策略随时间和库存状况调整，体现灵活的风险收益权衡。

- 回测结果表明：
- 使用信号的策略日收益波动较小，最大亏损和回撤明显减少，策略夏普率大幅提升（最高可达33，远超无信号策略12），风险控制显著改善。
- 深入价位挂单（买二/卖二）显著提升策略总收益和夏普峰值，但也增加了成交量与撤单频率，带来更高系统负荷与交易成本风险。

• 报告总体坚守严谨，明确界定数据限制和模型假设，未过度夸大预测信号作用，但强调信号对控制收益波动的重要贡献。

- 对于高频商品期货做市商而言，采用指令簿不平衡信号结合CDJ模型的动态做市策略，是有效管控逆向选择风险和库存风险，稳定日常交易收益波动的工具。

• 实际应用需关注市场硬件环境和数据延迟，采取适当风险管理措施，动态调整库存惩罚参数，以实现最佳风险调整后的收益。

综合图表深入分析，数据统计与模型求解逻辑完整且严谨，回测结果清晰反映了信号运用对风险控制的关键影响，符合行业内高频量化策略设计理念。

---

总结

本文详细剖析了基于指令簿挂单不平衡信号的高频做市策略论文，揭示如何通过统计挂单量差异生成做市信号，并基于该信号构建CDJ动态做市模型，利用HJB方程求解最优挂单策略，有效提升做市策略的风险控制能力和夏普率。同时，模拟回测验证深价位挂单策略对收益增长具有积极作用。报告谨慎处理信号分辨率不足带来的预测弱势，强调信号对降低日间收益波动的重要贡献，为高频做市商提供了切实可行的策略优化思路和实践依据。[page::0-12]

---

本分析忠实引用报告内容，明确标注信息来源页码，术语解释清晰，条理分明，确保全面且深入地解读报告各个关键要素。

报告