订单簿结构复合变量 C (Composite Order Book Variable C)
大白话：只看"盘口挂了多厚"不够——还要看这个厚度离现价有多远。同样 1000 股挂在最优价，和分散挂在 10 个价位上，对大单冲击的影响完全不同。C 把这两件事合起来算。
定义. Ren & Zhong 2011 Institutional Impact Asymmetry 提出的复合变量，刻画市价单对手侧的订单簿结构，同时纳入各档的量与档位间的间隙。
定义
- 卖（买）限价单在第 i 档的价格记为 a_i（b_i），中间价为 p_{\text{mid}}。
- C = 各档的「该档量 × 该档价格与中间价的间隙」之和，逐档加总。
- 买卖两个方向各有对应的公式形式。
求和上限 I 的确定：累加的成交量恰好等于市价单实际吃掉的量 V（即该笔交易的成交量）。
论文原文：
考虑到只有那些真正被成交的股数才对价格冲击有贡献，我们把量与间隙的求和截至到 I 档，而 I 由公式 iI=1[v][i] = V 决定，其中 V 是市价单撮合掉的股成交量。
设计依据（为什么是乘积形式）
论文基于两条已有实证事实做出假设：
| 已有事实 | 来源 |
|---|---|
| 价格冲击来自各档的成交量 | Anderson |
| 价格冲击来自档位之间的间隙 | 文献 [39] |
因此假设 C 是乘积形式（量 × 间隙）。
与已有指标的区别：
- 订单簿深度（depth）：只算在最优价或近价位可成交的量。Anderson 用它解释价格冲击。
- C：同时纳入量与间隙，且求和到"实际被吃掉的那一档"为止。
这意味着 C 天然与订单规模挂钩——大单会累加更多的档，C 自动更大。
实证结果
| 发现 | 细节 |
|---|---|
| 卖出周围 C 更大 | 小成交量子集里，机构卖出前后的 \langle C\rangle 一般大于买入周围 |
| 时间演化显著 | ANOVA 显示不同时间区间的 \langle C\rangle 有显著 F 统计量（买卖都显著） |
| 卖出的峰值在成交时刻 | 机构卖出的 \langle C\rangle 在卖出发生时达到最大值 |
| 与收益模式高度相似 | 大（小）逐笔收益伴随大（小）的 C——两者的时间演化曲线形态几乎一致 |
| 部分解释冲击 | 卖出周围 C 更大，可能部分解释卖出冲击更大 |
关键洞察：C 与逐笔平均收益的时间演化高度相似，这个接近关系提示 C 可以作为价格冲击的解释变量。
局限（论文自陈与本 wiki 补充）
- 只是"部分解释"——论文没有给出增量解释力（R^2 或相对于其他变量的边际贡献）。
- 与其他变量的相关性未知——C 与买卖价差、订单簿深度的相关性有多高？若高度相关则无增量价值。
- 需要完整订单簿数据（各档的量与间隙）。2003 年深交所数据库能算 C，但当时逐笔委托只有买一卖一队列（见 concepts/data-features/Level-2 档位与委托队列 (L2 Depth and Order Queue)）——说明该数据库另有来源，值得追查。
- A 股当前可构造：Level-2 快照有十档，C 可以算。但快照频率（约 3 秒）远慢于 2003 年的逐笔，时间分辨率不同。