institutional-investorsretail-investorschinaszseprice-impact-asymmetryorder-flowmicrostructureequity

机构与散户的订单流差异 (Institutional vs Retail Order Flow)

大白话：机构下单和散户下单，在市场里的表现不一样。但"不一样"在哪，需要分开看——看绝对量可能看不出，看结构比例才看得出来。

两条实证路线：按投资者类型拆（机构/个人）或按订单速度拆（HFQ/非 HFQ）。两者在 A 股上都指向同一个结论：机构更知情，作用更大。

路线一：按投资者类型拆

Ren & Zhong 2011 Institutional Impact Asymmetry（深交所 2003，32 只 A 股，数据含投资者 ID 与类型标识）。

发现一：卖出冲击 > 买入冲击

合并 32 只股票后，上涨期与下跌期都是卖出的平均价格冲击大于买入。

个股分组（用 r = 上涨期天数 / 全年交易日）：

组 条件 结果
强上涨股 r \ge 0.55（10 只） 4 只在上涨期买入冲击显著更大（万科 A、中集集团、中兴、一汽轿车）
强下跌股 r \le 0.45（8 只） 7 只涨跌期都是卖出冲击更大，其中 6 只显著
中间组 0.45 < r < 0.55 情况复杂，涨跌期不一致

关键推论：对主要上涨或主要下跌的股票，不对称性在上涨期和下跌期都持续存在——不是短期现象。

发现二：不对称在机构交易之前就已存在

机构交易前后各 60 秒的逐笔平均收益呈四段式路径：

run-up        冲击          反转            永久效应
(机构买入前)  (交易发生时)   (交易后立即)      (反转之后)
   ↑ 收益走高    ↑ 收益飙升    ↓ 价格反转       ↑ 仍有持久影响

最关键：不对称在机构交易之前和之后都存在——机构买入与卖出周围的收益模式本来就不同。

含义：不对称不是机构交易造成的，而是市场状态/流动性结构的既有属性。这对"机构掌握更多信息"的解释构成挑战——若不对称在交易前就在，它不可能由交易本身的信息含量造成。

发现三：订单簿结构变量 C 部分解释了不对称

见 concepts/microstructure/订单簿结构复合变量 C。卖出周围 C 更大，可能部分解释卖出冲击更大。

路线二：按订单速度拆

concepts/microstructure/订单流分解 (Order Flow Decomposition)（Shen 2023，A 股）按"是否高频报价（HFQ）"把订单流拆两半：

因子 多空收益 (bp/min) t 值
HVI（HFQ 订单的量不平衡） 0.8149 24.15
HNI（HFQ 订单的笔数不平衡） 0.8247 24.02
基准 OFI 1.3607 28.10
基准 TI 1.7076 39.63
nonHVI（非 HFQ 的量不平衡） 1.4875 33.74
nonHNI（非 HFQ 的笔数不平衡） 1.9377 45.32

剔除高频机器人订单后，非 HFQ 订单的因子全面更强。

机理：HFQ 订单高速、掠夺性、博弈性，方向里更多是噪声；慢速资金订单方向里才藏着更知情的需求。

两条路线的一致与冲突

一致：都指向机构/非机器人订单更知情、作用更大。

一个值得检验的问题：「非 HFQ」是否 ≈「机构」？ 两种拆分的交集可以验证——需要同时有投资者类型标识与订单时间戳。

⚠️ 一条方法论结论

用绝对成交量区分机构/个人是无效的，必须用结构比例。

Mu Zhou Chen Kertesz 2010 Order Flow Extreme Price Changes（深交所 2003，23 只股票）发现：个人与机构提交的市价单，其量动态几乎无差别：

组合 峰值时间 t_{\max} 峰值 V_{\max}
个人买市价单 -2 19.4
机构买市价单 -1 17.5
个人卖市价单 +1 10.4
机构卖市价单 +1 11.9

但"相对下单率"（各类订单占同一分钟内总数的比例）差别显著，且机构策略更激进。

这不矛盾：一个看绝对量、一个看结构比例。但对实盘研究的含义很直接——要区分机构与散户，得看结构而非规模。

跨市场对照：买入还是卖出冲击更大？

市场 研究 结论
A 股（深交所 2003） Ren & Zhong 2011 Institutional Impact Asymmetry 卖出 > 买入
NYSE Kraus & Stoll（大宗交易） 买入 > 卖出
LSE Gemmill 买入 > 卖出
美股 Chan & Lakonishok 不对称，但本文摘要未给方向

A 股与欧美结论相反。 这是本 wiki 记录的一个明确反差，尚未收口。

可能解释（未验证）：T+1 制度对卖出施加更大约束（当日买入次日才能卖，而当日卖出本身不受此限——但卖出后的资金/T+1 交收与买入不同）；涨跌停制度下卖压更容易把价格压到跌停（下跌方向阻力小），买盘则更容易被封在涨停而无法成交。

⚠️ 时代限制（本 wiki 所有 A 股 2003 年数据都适用）

  • 2003 年处于五年熊市中——"卖出冲击 > 买入冲击"很可能是熊市特有。
  • 涨跌停制度与今日不同。
  • T+1 交收细节与今日不同。

用 2010 年后数据复现这些结论，是自然的补做工作。

理论版：参与者结构如何决定冲击形态

Durin-Rosenbaum-Szymanski (2023/2026 给出了这一页两条实证路线之外的第三种视角——从理论推出「参与者结构决定冲击形态」：

  • 建模里区分两类主体：自激的普通市价单流（Hawkes 过程）与不自激的母单流。
  • 母单因此会制造可被识别的失衡；有识别者（老练交易者）在场时，他反向卖出，流动性被反向推动。
  • 结果：冲击对参与率 \gamma 的依赖在大 \gamma（平方根）与小 \gamma（线性）之间切换。

与本页的关系：本页的两条实证路线都在问「机构比散户更知情吗」；这篇换了个问法——参与者的行为差异（自激 vs 不自激、能否看穿母单）本身就会改变冲击的数学形态。也就是说，参与率高低本身部分由参与者结构决定，两者不是独立的。

但有一个明显的落差（本 wiki 记下的开放线索）：该理论里的「老练交易者」是纯逆向的（识别母单后只反向卖出，方向性极强）；而 ClusterLOB 聚出的「机会型」簇是方向不稳定的。两者行为特征对不上——这是把理论里的主体与实证聚出的簇对应起来时首先要解决的问题。

Cross-ref