market-makinglimit-order-bookbid-ask-spreadinformed-market-makersagent-based-modelspeed-bumpmarket-microstructure

知情做市商与订单簿形态 (Informed Market Makers and LOB Shape)

大白话：做市商有两种。一种是知道行情但还是给你报价（知情做市商），另一种是不知道行情、照模型报价（噪声做市商）。既有理论通常假设做市商都是后者。本文说明：如果做市商里有一部分是知情的，订单簿长什么样、价差多宽，就由知情的那部分决定**。

关键变量是抢跑参数 f：知情交易者比知情做市商先下单的概率。f 越小（做市商反应更快），价差越窄、流动性越好。

参与者类型

参与者 收到信息的时间 动作
知情交易者 IT 价格跳变前 发出可成交的限价单，数量 Q_i=L(B)（B 为跳幅）
知情做市商 IMM 价格跳变前 撤掉自己挂在跳变一侧的挂单
噪声交易者 NT 价格跳变后 —
噪声做市商 NMM 价格跳变后 —

f\in[0,1] = IT 的委托先于 IMM 撤单被处理的概率。

模型建立在 Glosten-Milgrom (1985) 与 Huang-Rosenbaum-Saliba (2019) 之上，基线即 HRS19 的 f=1 情形。

三条结论

一、可见的订单簿形态由知情做市商决定

定理 1：噪声做市商的最优形状 L_u(x) 小于知情做市商的 L_i(x)，即

L_i(x) \ge L_u(x)

因此你在订单簿上看到的形状，是知情做市商留下的，不是噪声做市商的。形状函数对 f 和 r 单调递减、对 x 单调递增（r=\lambda_i/(\lambda_i+\lambda_u)，即"有效价跳变事件占全部事件的比例"）。

这与传统"做市商整体同质"的模型结论不同。

二、知情做市商更快 → 价差收窄、流动性上升

定理 2：累积形状 L(x)=0 对 0\le x\le\phi，x>\phi 时递增，\phi 是某隐式方程的唯一解，买卖价差 =2\phi；价差对 f 与 r 均单调递增。

  • f 降低（IMM 比 IT 更快）→ 流动性上升；f\to0 时流动性趋于无穷（仍需 \theta=0 即噪声交易者无毒性的假设）
  • f=1 时 IMM 无法靠提前撤单获利，收益结构与 NMM 相同

价差来源：模型不含存货成本——价差纯粹是平衡做市商与知情交易者之间信息不对称的机制产物。这与 做市商与库存风险 一脉（Avellaneda–Stoikov 等）的价差来源解释不同——那一脉把价差归因于库存风险，这一篇归因于信息不对称。两者是不同机制，不是竞争关系。

\phi<\mu：NMM 停止供流动性后，IMM 仍会在贴近有效价处继续挂单。

三、多个知情做市商竞争会消除"无限流动性"

定理 6、7：设信息源有 n 种，r_0:=\lambda_i^1/(\lambda_i^0+\lambda_i^1+\lambda_u)，r_1 类似；当 r_0r_1>0 且 f=0 时，订单簿形状不再趋于无穷。

即：单一知情做市商时流动性无界（近似垄断），多个做市商相互竞争时无限流动性不再出现——作者称"垄断对流动性是最优的"。

其他理论结果

  • 定理 3、4（最小报价单位版本）：累积形状变为分段常数函数 L^d(i)；存在 k_d 使 i<k_d 时该档量为 0；价差由 \phi 折算到离散档位给出
  • 定理 5（噪声交易者毒性）：定义 \Theta:=\theta E(X_j-\rho X_{j-1}\mid X_j=1)，半价差 \phi_\theta>\Theta——加毒性只会扩大买卖价差（\theta=0 时价差最小）。冲击函数取一般形式时没有闭式解

经验部分：不用账户 ID 的事后分群

Drame 2020 LOB Shape Informed Market Makers 用 CME 美国国债期货（UB/ZB/ZF/ZN/ZT）144 个交易日的 market-by-order 数据做分群。

交易签名：在时间跨度 k 上定义的、相对有效价标准化的多空盈亏指标；\varepsilon=+1 对应激进交易者，-1 对应流动性提供者。有效价默认取微观价格（micro-price），同时用中间价做对照。

主体 分群依据
被动交易者 PT trade-to-add 间隔、add-to-add 间隔、委托被修改次数
激进交易者 AT trade-to-trade 间隔、成交量 / 成交前最优档可用量之比

签名的行为：成交当刻激进单为负、被动单为正（跨越价差必然先亏）；签名在约 100 ns 内保持不变（有效价在成交后短时间内不动），随后对知情激进交易者转为正、对知情被动交易者转为负。

与 Megarbane 等 (2017) 的差别：后者用法国 AMF 提供的含 client id 的监管数据集；本文的分群是事后分群、不需要 client id，且基于时间的方法可在线实施。

抢跑参数 f 的现实依据

CME 的 Glink 10G（10 Gbps）传 100 bit 约需 10 ns；两笔委托发送时间差小于 10 ns 时，后发委托被先执行的概率为 0.5。部分交易所的订单随机化机制与 speed bump（速度缓冲）也可解释 f。

speed bump 的副作用（论文引用 Aoyagi 2018）：speed bump 下知情交易者几乎必被优先执行（100%），做市商会因此更有动力提升速度、抬高 HFT 的边际速度成本，反过来削弱 speed bump 的初衷。这与本 wiki 已有页面 延迟套利与速度军备竞赛 讨论的军备竞赛机制同源。

论文自陈的局限

  • 只得到"静态"订单簿：所有收益都是"现在就成交"的条件收益；大队列下委托不会因下一笔成交而终结、也不会每次成交后撤单重挂，队列位置的价值需要动态模型（指向 Moallemi & Yuan 2014）。
  • 没有刻画"市场可行性"：如果做市商知情，交易者就不会与之成交——模型未处理交易者与做市商之间的机械替代（"谁来做这个知情做市商？"）。
  • 完全没有存货管理，而作者承认在知情交易者多于噪声交易者时这是影响流动性的关键点。
  • 未讨论跨市场的价格发现关联。
  • 未处理 IT 与 IMM 之间的信息不对称（引 Lehalle & Besson 的实验：易处理的新闻导致无成交的价格跳动，对 IMM 有利；难处理的新闻导致带成交的价格跳动，对 IT 有利）。
  • 噪声交易冲击取一般函数时无闭式解。
  • 交易符号自相关的指数衰减假设受到质疑（引 Bouchaud 等 2018、Garcia del Molino 等 2020）。

与本 wiki 其他页面的接口

页面 关系
做市商与库存风险 价差来源的解释不同：Avellaneda–Stoikov 一脉归因于库存风险（保留价 r=s-q\gamma\sigma^2(T-t)）；本页归因于信息不对称。两者是不同机制
Q-Reactive 队列反应模型 订单簿模拟器，可用于把本页的静态形状接上动态
机构与散户的订单流差异 异质参与者的经验证据（另一维度）
冰山委托与隐藏流动性 隐藏流动性对做市商信息劣势的影响
延迟套利与速度军备竞赛 抢跑参数 f 的现实对应物

上面五个页面的完整链接：做市商与库存风险 · concepts/microstructure/Q-Reactive 队列反应模型 · concepts/microstructure/机构与散户的订单流差异 · 冰山委托与隐藏流动性 · 延迟套利与速度军备竞赛

Open Questions

  • 库存管理与知情做市商能不能放进同一个模型？作者承认这是影响流动性的关键点，但扩展难度大。这是本页最该补的一步。
  • 队列位置的价值。静态模型假设"现在就成交"，而 CME 的实际数据里队列位置影响巨大。把 Moallemi & Yuan (2014) 的动态模型接进本框架，是一个明确的技术路线。
  • f 在不同市场的实际取值。论文只给了 CME Glink 10G 的 10 ns 推算，没有实测 f。A 股的报单路径延迟更大，f 的分布可能完全不同——这是把该模型用到 A 股时的第一个待测参数。
  • 与多档 OFI 的接口：本模型给的是"静态形状"，而 多档订单簿不平衡 里的 PCA 整合 OFI 是从实证数据里学出来的权重。两者描述的是同一个对象（多档簿形态）但一个来自理论一个来自数据——它们的对应关系值得检验。

Sources