• 高频流动性定义框架及研究视角：[page::1]

- 高频流动性划分为交易成本、交易效率、价格冲击三大类，本文聚焦交易成本，通过报价价差与金额价差衡量股票流动性。
- 报价价差适用于小额订单，金额价差适用于不同订单资金量的交易成本评估。

• 报价价差的统计特征与市场分析 [page::2][page::3][page::4]

| 描述性统计 | Spread | Relative Spread | Spread日均 | Relative Spread日均 |
|------------------|---------|----------------|------------|---------------------|
| 均值(mean) | 0.014 | 0.0017 | 0.025 | 0.0016 |
| 标准差(std) | 0.019 | 0.0013 | 0.061 | 0.0012 |
| 最小值(min) | 0.01 | 0.00003 | 0.01 | 0.0001 |
| 25%分位 | 0.01 | 0.0008 | 0.02 | 0.0010 |
| 50%分位(median) | 0.01 | 0.0013 | 0.02 | 0.0014 |
| 75%分位 | 0.01 | 0.0021 | 0.02 | 0.0020 |
| 最大值(max) | 15 | 0.2013 | 5.66 | 0.1046 |

- 报价价差右偏分布，多数价差集中于最小变动单位，股价对绝对价差影响大，贵州茅台绝对价差高但相对价差处于市场较低分位。
- 报价价差呈现开盘、中午、收盘W型日内分布，与成交量U型分布相对应，反映信息不对称和交易行为特征。

• 价格区间和市值对价差的影响 [page::4][page::5]

- 科创板绝对价差最高，但相对价差均衡。
- 小盘股绝对价差低，相对价差偏高，流动性较差。
- 高价股绝对价差大，但相对价差低，流动性较好。
- ST股流动性最差，表现为最高相对价差。
- 绝对价差与流通市值相关性弱，与股价呈显著正相关。

• 报价价差日内周期性分析 [page::5][page::6]

- 价差在上午10点以后表现出明显的周期性，主要是5分钟周期，其次为1分钟与10分钟。
- 这一周期特征与交易者操作习惯和程序化交易设置相关。

• 金额价差定义及计算方法 [page::6][page::7]

- 通过设定订单金额Q，计算买入和卖出对应价值的加权平均价格差，反映不同资金规模下交易成本。
- 订单簿深度分析显示前十档买卖报价可承载数十万至数百万元资金，深度随档位增加显著上升。

• 不同订单规模金额价差分布 [page::8]

- 小单金额价差集中且偏低，多数股票便于适应较小资金订单。
- 中单金额价差分布边界上升，流动性良好股票更加突出。
- 大单金额价差趋近于正态分布，分布中心约0.1，反映大额资金流动面临更高成本。

• 量化因子与选股能力测试 [page::8][page::9]

- 相对价差因子（RS）和相对金额价差因子（RAS）均在1日、5日、20日收益预测中表现出显著正相关，IC值和t统计量均通过显著性检验。
- RAS因子尤其以小额订单参数的表现最佳，IC最高达到5.6%。
| 因子 | 时间周期 | IC均值 | T统计量 | 胜率 |
|-----------|----------|--------|---------|---------|
| RS | 1日 | 0.018 | 5.298 | 54.64% |
| RS | 5日 | 0.032 | 8.677 | 56.17% |
| RASSMALL | 1日 | 0.017 | 5.147 | 56.59% |
| RASSMALL | 5日 | 0.034 | 9.814 | 61.54% |
| RAS_SMALL | 20日 | 0.056 | 15.455 | 67.34% |

• 风格因子中性化测试及独立性验证 [page::9][page::10]

- RS和RAS与主流风格风险因子相关性较低，特别是RAS与非线性市值和市值因子呈负相关。
- 经过风格因子回归中性化后，RAS的选股效用依然显著，保留良好单调性。

• 基于相对金额价差因子的指数增强策略构建与回测结果 [page::10][page::11][page::12]

- 指数基准包括沪深300、中证500和中证1000。
- 策略最大化组合对RAS因子的暴露，控制行业和个股权重偏离。
- 周频、月频调仓，剔除停牌及ST/\*ST、涨跌停股票。
- 年化超额收益表现优异：
| 指数 | 年化超额收益（月频） | 年化超额收益（周频） | 夏普比率（月频） | 最大回撤（月频） | 平均换手率 ~30% |
|-----------|---------------------|---------------------|-----------------|-----------------|----------------|
| 沪深300 | 3.37% | 2.65% | ~0.044 | 3.1%-4.2% | 约30% |
| 中证500 | 3.33% | 2.89% | ~0.061 | 3.7%-5.6% | 约30% |
| 中证1000 | 9.04% | 10.28% | >1.2 | 约3.8%-3.9% | 约30% |

金融研究报告详尽分析报告——《订单交易成本与股票收益 高频流动性研究系列》

一、元数据与概览

报告标题：订单交易成本与股票收益 高频流动性研究系列（系列首篇）
作者及团队：招商定量研究团队 任瞳团队
发布时间：2024年11月13日 08:40
研究主题：中国A股市场高频流动性特征，从交易成本角度基于高频数据构建交易成本指标，重点分析报价价差和金额价差的分布和周期特征，以及基于这些指标的选股因子表现和指数增强策略。
核心论点：

• 高频流动性主要从交易成本、交易效率、价格冲击三大类定义，本报告聚焦交易成本层面。

- 建立基于沪深股市高频行情数据的股票报价价差和金额价差指标。

• 报价价差和金额价差体现了不同资金量下的交易成本，且二者显示较强的周期性与时序特征。

- 基于相对报价价差（RS）和相对金额价差（RAS）构建的选股因子在预测未来股价收益上表现显著。

• 利用金额价差因子构建的指数增强策略自2018年以来在沪深300、中证500、中证1000中均展现超额收益且风险控制良好。

风险提示：模型基于历史数据，存在随政策及市场环境变化失效的风险，报告不构成投资建议。[page::0,1]

---

二、逐节深度解读

（一）引言与流动性定义（第0-1页）

• 报告以广东省市场为起点，利用沪深两市日内高频数据，系统分析股票高频流动性，侧重于交易成本这一维度。

- 流动性定义基于Amihud和Mendelson（1986）框架，从三角度定义流动性：
1. 交易成本——实现交易价格的成本。
2. 交易效率——订单执行所需时间。
3. 价格冲击——大额订单导致的价格波动。

• 本文聚焦于交易成本，最核心指标是买卖报价价差，殊于其他基于低频数据的间接指标，本报告优势在于直接从高频行情观察数据，增强解释力及细节把控。

- 引导说明了中国市场采用指令驱动机制，无做市商，因而指令处理成本和存货成本等对价差影响减弱，信息不对称则仍为重要影响因素。报告强调不能直接套用国际报价驱动市场理论，应重视本土信息不对称特点。[page::0,1,2]

---

（二）报价价差（Quoted Spread）分析（第2-5页）

1. 因子定义：

• 报价价差是买一价与卖一价差距：

\[
Spread(t) = ask1(t) - bid1(t)
\]

• 定义相对价差，消除不同股票股价差异，使用中间价归一化：

\[
RelativeSpread(t) = \frac{Spread(t)}{midprice(t)}
\]
此标准化有助跨股票比较，提高因子通用性。

2. 描述统计：

• 表1数据显示价差均值约0.0153，绝大多数样本是价差等于交易最小价位（0.01），分布右偏明显。

- 相对价差差异更显著，最大0.14，说明归一化后价格对交易成本的微小差异更易捕捉。

• 以贵州茅台为例，其绝对价差绝对值较大，但归一化后处于市场较低分位，体现高股价对风险缓冲效应。

- 贵州茅台价差时序图显示大部分波动围绕0.4左右，特殊行情（2024年初及9月末）价差上升，反映情绪驱动的短期流动性冲击。[page::2,3]

3. 特征分析：

• 市场整体价差趋势与大盘股价同步，波动性显著。

- 归一化后的相对价差于2018年末处历史高位后波动下降，2024年又回升，表明市场流动性呈复杂动态变化。

• 价差的日内分布呈“W型”，对应开盘、中午、收盘时段的价差扩大，反映在这些时间点信息不对称加剧。与成交量“U型”形成互补，说明投资者避险需求和信息处理时序影响流动性。

- 不同板块及市值、价格层次的股票表现差异：
1. 科创板绝对价差最高，但相对价差均衡。
2. 小盘股绝对价差低但相对价差高，流动性风险显著。
3. 高价股绝对价差大但相对价差低，流动性较好。
4. ST股相对价差最高，流动性最差。

• 绝对价差与流通市值相关性弱，股价与绝对价差正相关，突显股价对绝对价差主导影响。[page::3,4,5]

4. 日内周期模式：

• 放大价差日内序列，观察到稳定后的价差呈现周期振荡。

- 利用傅里叶变换对价差自协方差频谱分析发现，10:00-11:30及13:00-14:57时段均呈现显著的5分钟周期峰值，表明价差存在较为稳定的5分钟高频周期波动，可能由交易者操作习惯或程序化交易频率驱动。

• 9:30-10:00时段无明显周期峰，反映开盘初期不稳定和信息吸收过程。[page::5,6]

---

（三）金额价差（Amount Spread）分析（第6-8页）

1. 因子定义：

• 传统报价价差仅关注买一卖一档，无法准确反映大单交易成本，且跨股票市值或价格差异大。

- 金额价差以订单金额Q为参数，计算买卖价值为Q的加权平均报价差距：
\[
AmountSpread(t, Q) = \bar{ask}(t,Q) - \bar{bid}(t, Q)
\]

• 标准化后为相对金额价差，兼顾不同股票间比较及交易规模影响。

- 通过金额价差，投资者可根据自身资金规模评估交易成本，提供更精准的流动性成本测算工具。

• 图13示意金额价差计算如何整合多档报价及委托量。

2. 订单簿深度分析：

• 统计发现多数A股第一档承载约23万元资金，中间档（五档）承载约143万元，前十档承载约276万元，反映订单簿对不同资金规模的承受能力逐级提升。

- 这种深度特征决定了金额价差计算的参数选取，也影响大单交易成本测算的精准度。

3. 大单、中单、小单金额价差分布：

• 按金额划分金额价差：小单10万元、中单50万元、大单200万元。

- 图14显示，金额价差分布随着Q增大分布中心右移且峰度上升，意味着大幅资金规模下交易成本明显增大，流动性不足的股票成本呈现右偏。

• 这反映出流动性风险随订单规模非线性增长的典型特征。[page::6,7,8]

---

（四）因子测试及选股策略验证（第8-11页）

1. 选股能力测试：

• 利用价差因子RS和金额价差因子RAS（小、中、大单）构建日常因子，计算IC值衡量预测能力。

- RS因子1日、5日、20日IC分别约为1.8%、3.2%、4.8%，T值均超过5，显著表明因子有预测股票未来表现能力。

• RAS因子中小额订单版本表现最好（20日最高IC5.6%），显示金额价差因子对未来收益的预测优于传统价差因子。

- 分位数测试显示RS因子选股收益呈单调递增趋势，说明价差越高说明流动性风险越大，获取相应风险溢价，尤其空头端表现更明显。

• RAS因子则展现更佳的分层效果，多头端收益明显优于空头端。画面（图9）验证了因子分层的有效性。

- 传统的RS仅用买卖一档价差，信息量有限；RAS综合前十档，体现更全面市场深度，增强了因子稳定性和有效性。

2. 风格中性测试：

• 因子与常用风格因子（贝塔、价值、盈利、成长、杠杆、动量、流动性等）相关性检验，均低于0.3，因子独特性强。

- RAS因子与非线性市值和市值因子负相关达到-0.56至-0.58，体现了该因子可能蕴含一些市值调节信息，但整体仍具有独立性。

• 通过多因子回归方法剥离常见风格影响后，RAS风格中性因子仍保持较好单调性和选股溢价，印证其独到的风险溢价信号。

3. 指数增强策略回测（沪深300、中证500、中证1000）：

• 利用RAS因子构建增强组合，控制行业和个股权重偏离，排除停牌及ST股票，进行周/月频调仓。

- 回测时间2018年1月至2024年9月，年化超额收益：
- 沪深300（月频）3.37%，（周频）2.65%，
- 中证500（月频）3.33%，（周频）2.89%，
- 中证1000（月频）9.04%，（周频）10.28%。

• 中证1000表现尤为突出，且超额波动低，显示策略稳定性良好。

- 最大回撤均低于各基准，换手率控制在30%左右，表明交易成本与风险处于合理范围。

• 净值曲线图（图23-26）直观展示了增强策略优于基准指数的趋势。

总结：基于高频数据构建的价差因子具有较强选股预测能力，且结合金额价差的策略在不同指数均表现稳健，实现了正向超额收益，兼顾风险控制。[page::8,9,10,11]

---

三、图表深度解读

图1：高频流动性分类框架

• 结构清晰展示股票流动性三大组成：交易成本、交易效率、价格冲击。

- 本报告选择重点聚焦“交易成本”类别，框定研究范畴与指标设计基础。[page::1]

图2：股票快照数据示例

• 展示买卖十档委托价与委托量情况，为金额价差指标设计提供数据基础。

- 体现价格层级丰富性和成交量信息是测算金额价差的关键。（可见一档价差与多档资金量深度的关联）[page::1]

表1：报价价差描述性统计

• 显示日内价差和相对价差均表现明显的右偏分布。

- 极端值显示存在少数极端流动性差股票。

• 贵州茅台的案例数据显示绝对价差虽较大，但标准化后却较低，验证价差归一化的重要性。

页面展示表1关键信息，增强统计理解。[page::2-3]

图3：贵州茅台价差时序变化

• 价差大部分维持稳定，却在特定时间点大幅波动，上升至接近1，反映市场情绪变化影响流动性成本。

- 特殊行情对应价差峰值，暗示短期情绪交易对流动性有较大冲击。[page::3]

图4：全市场价差与相对价差长期时序变化

• 显示价差整体波动随大盘变化，经历周期性高低波动。

- 相对价差体现了更精准的流动性变化趋势，2024年呈上升趋势指示流动性趋紧。

• 两条曲线对比揭示归一化重要性。

[page::4]

图7与图8：不同股票池的价差分布对比

• 显示科创板绝对价差最高，ST股相对价差最高。

- 小盘股相对价差明显高于大盘，体现流动性不足的风险区域。

• 清晰展示了流动性与市值、股票价格和板块间的关系。[page::4-5]

图9-10：流通市值及股价与绝对价差关系

• 评分图揭示市值与绝对价差关联较弱，股价与绝对价差显著正相关，验证了股价因素对报价价差的影响机制。

[page::5]

图11：日内价差放大图及周期性观察

• 价差在上午盘呈现细小振荡周期，辅助确认存在潜在的周期结构。

[page::5]

图12：价差日内频谱密度分析

• 频谱显示9:30-10:00缺周期，10:00-11:30和13:00-14:57时段均表现5分钟为主峰。

- 该周期对应程序化交易和投资者操作习惯。
[page::6]

图13：金额价差计算示意

• 通过订单簿多档位委托价数量计算不同金额下的平均买卖价差。

- 直观展示金额价差依据买卖挂单深度数据计算过程。
[page::7]

表3：订单簿深度统计

• 展示不同档位订单簿对资金承载力的统计分布，如第一档均值约23万元，前十档为276万元，显示深度资金池扩展特征。

[page::7]

图14：金额价差频率分布（10/50/200万元）

• 分布随金额增大集中态右移，显示大额订单流动性成本增长趋势。

- 表明不同资金规模下的交易流动性风险存在差异，提示资金规模策略需考虑金额价差。
[page::8]

表4 & 图9：因子IC值及分位数表现

• 量化测试数据表明RS和RAS均有显著IC和T值，表明预测能力强。

- 分位数排序收益曲线和分位质量柱状图直观展示因子单调收益表现和分层可靠性。

• 图示因子多头组合持续跑赢空头，RS与RAS在收益稳定性上差异明显。

[page::8,9]

表5：因子相关性矩阵

• 显示RS、RAS与其他因子间相关性全较低，尤其RAS与非线性市值和市值负相关突出，说明该因子在市场风格因子之外提供额外信息。

[page::10]

图19-20：风格中性因子分层效果

• 风格中性化处理后分层依旧保持良好单调性，增强了因子信号独立性。

- 多头组溢价明显，因子依然具有较强收益预测能力。
[page::10]

表6-7及图21-26：指数增强策略回测

• 周/月频调仓的增强策略均获得稳定正超额收益，尤其在中证1000表现抢眼，波动控制良好。

- 最大回撤数据及换手率维持在合理范围，表明策略的风险与交易成本具有良好可控性。

• 净值曲线同步展示三大指数增强策略相比基准优秀表现。

[page::11,12]





---

四、估值分析

本报告核心为流动性及交易成本指标构建和实证测试，未涉及公司或行业层面的估值分析，故无估值方法论内容。

---

五、风险因素评估

报告风险提示较为集中，具体包括：

• 本研究结果基于历史高频行情数据统计及模型建构，存在随政策变动或市场环境转折期间模型失效的风险。

- 流动性状况和价差表现可能受特殊事件驱动，短期内出现剧烈波动，带来模型预测异常。

• 个股流动性差异大，ST股等极端个股可能对回测结果存在异质性影响。

- 报告明确不构成任何投资建议，投资者需结合自身风控体系审慎评估使用。
针对风险，报告未详细提出对应缓释策略，但通过长时间序列检测、风格中性化和多指数测试展示了模型的稳健性，有效降低了单一风险暴露。
[page::0,8,12]

---

六、批判性视角与细微差别

• 报告对国际市场流动性理论引用较少直接建模，重点重构中国A股市场特有环境，但尚缺乏对市场结构变更（如做市商制度导入、制度改革）的动态影响考量。

- 高频数据虽带来更精细指标，但样本内表现较好不代表在极端市场条件下同样有效，模型短期稳定性与长期意味可能需进一步验证。

• 报价价差与金额价差因子均依赖于高质量深度行情数据，数据质量及实时性不佳可能严重影响指标准确性。

- 选股因子IC虽显著，但绝对水平处于适中水平(1.8%-5.6%)，意味着用于组合管理时需结合多因子策略稳健化操作。

• 报告重视技术指标准确性，较少讨论市场微观机制背后行为因素的博弈理论解读，可以成为后续研究方向。

- 策略回测基于历史数据，尚无法确定未来不同市场环境下表现，需关注模型适应性的持续检验。

---

七、结论性综合

该报告通过招商定量任瞳团队原创的高频行情数据，针对中国A股市场建立了两类交易成本衡量指标：报价价差和金额价差。通过深入的统计描述、时序分析及频谱分析，揭示了A股市场流动性的日内动态特征与典型“W型”价差分布，以及围绕5分钟周期的多频交易习惯。金额价差作为对不同资金规模交易成本的更全面反映，较单一报价价差表现出更强的市场深度及流动性风险捕捉能力。

基于归一化的相对价差与金额价差因子，报告通过计算实证了两者对未来股票收益具备统计上显著的预测能力（IC最高达5.6%），其中金额价差因子尤其表现出优异的分层收益单调性和持续性。风格因子中性化测试确认了流动性因子提供了独立且增量的风险收益信号。

最核心的实践应用是构建基于金额价差因子的指数增强策略。该策略覆盖沪深300、中证500、中证1000指数自2018年以来表现稳健，实现了连续的正向超额收益，尤其在中证1000表现亮眼，年化超额收益超10%，且风险指标（最大回撤、换手率）均控制在合理范围内，展示策略的实用性和价值。

报告为中国证券市场中高频数据在流动性建模及投资模型方面的应用提供了坚实的理论与实证基础，强调了交易成本作为流动性核心维度对投资者风险管理和量化策略构建的重要性。尽管存在模型受限政策和市场环境变化的风险，但其对交易成本与流动性深度的刻画和因子策略表现为A股市场投资者及研究者提供了有启发的分析工具与方法框架。

综上，该报告系统详实，从高频数据出发深度挖掘交易成本与股价收益的内在联系，兼顾理论逻辑和实证验证，提出的因子和策略具有较高应用价值及推广潜力。[page::0-12]

---

参考报告页码

[page::0,1,2,3,4,5,6,7,8,9,10,11,12]

报告