CoinSkool

Sadka 流動性因子:價格衝擊四成分中,只有「永久—變動」被市場定價

分享

一筆交易對價格的影響,並非全部都會留下,也並非全部都會消失。Sadka 流動性因子將價格衝擊拆解為永久與暫時、固定與變動四個成分,並發現只有永久—變動成分被市場定價。本文將介紹這個因子的建構邏輯。

價格衝擊的四個成分

Sadka 的核心洞察在於:一筆交易對價格的影響並非單一維度的。他將價格衝擊分解為兩個維度:

  • 一是影響的持續性:永久性 vs. 暫時性
  • 二是影響是否與交易規模有關:固定成本 vs. 變動成本

永久性價格衝擊是指交易對價格的影響會延續到後續的交易中,它反映了交易中所蘊含的資訊。暫時性價格衝擊則僅影響當前的交易價格,隨後會回復,它反映了流動性提供者對存貨風險的補償。固定成本是指與交易規模無關的價格影響,例如買賣價差中的固定部分;變動成本則與交易規模成正比,例如市場衝擊中隨訂單大小增加的部分。

將這兩個維度交叉,就得到了四個成分:永久—固定、永久—變動、暫時—固定、暫時—變動。Sadka 使用日內的逐筆數據,對每一檔股票估計這四個成分,然後將它們聚合為市場層面的流動性指標。

只有永久—變動成分被定價

Sadka 最重要的實證發現是:在 momentum 與 post-earnings-announcement drift 這兩個著名的異象中,只有市場層面的永久—變動成分的變動被定價,其餘三個成分則沒有顯著的風險溢酬。

這個結果之所以重要,是因為它告訴我們:並非所有的流動性風險都同等重要。投資人真正關心的是那些會永久改變價格、且與交易規模相關的流動性衝擊。

  • 暫時性的價格衝擊可以透過等待來回復,因此不構成系統性風險。
  • 固定成本雖然會影響交易成本,但它是可預期的,因此也不需要額外的風險補償。

永久—變動成分之所以被定價,是因為它反映了資訊不對稱的長期影響。當市場的永久—變動流動性惡化時,知情交易者的交易會對價格造成更持久的衝擊,使得價格更難以回復到資訊效率的水準。這種風險無法透過分散化消除,因此投資人要求補償。

因子的建構方式

Sadka 流動性因子的建構分為幾個步驟。

首先,使用日內逐筆數據(TAQ),對每一檔股票、每一個月,估計以下的迴歸模型:

```

Δp_t = Ψ D_t + λ D_t V_t + Ψ̄ ΔD_t + λ̄ ΔD_t V_t + y_t

```

其中:

  • Δp_t 是交易價格的變動
  • V_t 是訂單流(交易規模)
  • D_t 是買賣方向的指示變數(買方發起為 1,賣方發起為 -1)
  • y_t 是定價誤差
  • Ψ 與 λ 分別捕捉永久性的固定與變動價格衝擊
  • Ψ̄ 與 λ̄ 則捕捉暫時性的固定與變動價格衝擊

為了提高估計的準確性,Sadka 對訂單流進行了預期化處理,並對大額交易使用虛擬變數進行區分。

接著,將個股層面的估計值聚合為市場層面的月度指標。由於流動性具有高度的持續性,Sadka 對每個價格衝擊成分的時間序列配適一個 AR(3) 模型,並使用殘差作為流動性衝擊的代理變數。最後,由於價格衝擊衡量的是非流動性而非流動性,他對每個時間序列加上負號,使得正向的衝擊可以被解釋為市場流動性的改善。

與其他流動性因子的比較

Sadka 因子與 Pastor-Stambaugh 因子和 Amihud 因子在概念上有著明確的區別。

  • Pastor-Stambaugh 因子:捕捉的是報酬對前一日市場報酬的延遲反應,它反映的是流動性不足所導致的價格調整延遲。Sadka 因子則直接從日內逐筆數據中估計價格衝擊,並將其分解為四個成分。兩者雖然都與流動性風險有關,但捕捉的機制不同。
  • Amihud 因子:衡量的是每單位成交金額所造成的價格變動,是一個直接衡量流動性水準的指標。Sadka 因子則區分了流動性的水準與風險,並進一步將風險分解為永久與暫時成分。

原文出處:voltima_quant (@voltima_quant) 於 Threads · 查看原文

V

作者

Voltima Quant

全職自營量化團隊|多年交易經驗
專注研究CTA擇時、多因子截面策略
標的涵蓋Crypto、港美股、期貨、期權
以科學系統化手段 於波動中尋找最優化交易機會

推薦閱讀

Pastor-Stambaugh 流動性因子:建構邏輯、風險負載與實務應用

本文完整說明 Pastor-Stambaugh 流動性因子的建構邏輯:先以個股報酬對前一日市場報酬的敏感度建立市場流動性指標,再估計個股流動性風險負載,進而組成多空因子;文中也比較 Amihud 流動性因子,並整理風險管理、策略開發、因子中性化與市場監控等實務應用。

Voltima Quant2026/10/16

回測夏普1.5策略為何慢慢失效?拆解策略衰減的早期訊號

即使回測 Sharpe 1.5,策略上線後仍可能慢慢失效,但多數人等到連續虧損幾個月才承認。本文談策略衰減的早期訊號:把報酬歷史分段,取最差環境的夏普比率下限來設警報;再觀察最近一段與下限的差距。文中也提醒這個下限有路徑依賴、偏負等缺陷,真正難點是在數字仍合理時,就承認策略已換了一個環境。

Voltima Quant2026/10/15

Kyle's Lambda:衡量市場深度與資訊不對稱的量化指標

Kyle's Lambda 衡量每單位訂單流對價格的影響,同時反映市場深度與資訊不對稱。本文從模型中的知情交易者、雜訊交易者與造市者談起,說明 λ 的經濟含義,並介紹以高頻成交與報價數據估計 Kyle's Lambda 的流程,最後解釋如何透過橫斷面與時間序列比較解讀數值,作為流動性與逆向選擇風險的觀察指標。

Voltima Quant2026/10/14