limit-order-bookqueue-reactivesimulationmarket-impacttransaction-costmarket-microstructuremarkovqueuecross-asset

Q-Reactive 队列反应模型 (Queue-Reactive Model)

大白话：把订单簿当成"排队买票的队伍"，然后数清每队排多少人、每分钟来几个新的人、退几个、队伍前进几个。市场数据能算出这些速率，照着模拟就能跑出一个像真的订单簿。

定义. Huang Lehalle Rosenbaum 2013 Queue-Reactive Model 提出的可校准订单簿模拟模型。核心设定：订单流到达的强度只取决于当前订单簿状态。

为什么要按"参考价不变时段"切分

LOB 是 2K 维向量，每边 K 档。参与者下单时最关心的变量是目标价与参考价（通常中间价）的距离——但参考价由订单簿状态决定，订单簿又受下单影响，两者强耦合，直接建模很困难。

解法：把时间切成参考价恒定的时段。

  1. 时段内：到达强度只取决于当前状态 → 连续时间马尔可夫跳过程（马尔可夫排队系统）。
  2. 时段间：用随机机制刻画参考价跳变，拼成完整模型。

适用范围：大 tick 资产

参考价不变的时段越长，参数估计越准。因此框架特别适合大 tick 资产（价差几乎总等于一个 tick，见 Dayri Rosenbaum 2015 Sparse Dense LOB）。

实践门槛：平均价差 小于 2.5 个 tick 的资产都可用。

三个模型（逐层放松独立性）

模型 假设 求解
Model I 各档独立，强度只取决于该档队列量 q_i 生灭过程，可完全刻画渐近分布
Model II 买卖两侧独立，但每侧前两档可相关 准生灭过程 (QBD)，有矩阵几何解
Model III 允许买卖档之间交叉依赖 最一般

为什么需要 Model II：机构与经纪多在最优价挂限价单，做市商与 HFT 排在更外档 → Q^{\pm 2} 的动态可能取决于 Q^{\pm 1} 是否为空。

论文取 K=3（数据显示 Q^{\pm 4,\pm 5} 与 Q^{\pm 3} 相似）。参数用极大似然估计。

验证结果

Model I 的不变分布很好地逼近经验分布（30 秒采样）。这验证了"平均场"解释——LOB 形状来自参与者平均行为的相互作用。

关键概念：最大机械波动率

mechanical volatility = 由订单流内在随机性生成的价格波动。

论文的洞见：最大机械波动率通常小于经验波动率。市场不是封闭系统，除了内生交互还有新闻等外部信息推高波动。

含义：纯订单簿（零智能）模型低估真实波动 → 必须在模型里引入外生成分。

对本 wiki 的用途

这是本批次唯一的基础设施类论文。有了可校准的模拟器：

A 股的障碍

障碍 说明
逐笔委托只有买一卖一队列 本模型需要各档的限价/撤单/市价单到达强度。A 股只能从快照（十档）估计，无法在事件级还原各档队列动态（见 concepts/data-features/Level-2 档位与委托队列 (L2 Depth and Order Queue)）
T+1 与涨跌停 参考价不稳定的时段占比可能更高（尤其涨跌停附近），"参考价恒定"的切分假设被削弱
tick size 小 本框架对大 tick 最准，而 A 股多数股票的价差在 1–2 个 tick，处在可用范围的边缘

可行的折中：在快照层面（每 3 秒一个十档快照）做离散时间的队列转移估计，放弃事件级建模。代价是失去亚秒级精度，但保留了跨档依赖的结构。

Cross-ref