Chakrabarty, Comerton-Forde & Pascual (2022) — Identifying High Frequency Trading Activity Without Proprietary Data
一句话：九个常用的 HFT 代理指标全部与真实 HFT 活动高度相关（Pearson 68%–98%），在流动性供给/需求两侧、以及 HFT 活动异常高低的时段都表现可靠。而其中只有 Strategic Runs（SRuns）主要是被 HFT 驱动的。
完整引用: Chakrabarty, B., Comerton-Forde, C., & Pascual, R. (2022). Identifying High Frequency Trading Activity Without Proprietary Data. Working paper, 2022 年 7 月。
机构: 获 NSE-NYU Stern Initiative on the Study of Indian Financial Markets 资助。
数据: 印度 NSE，Nifty-50 的 50 只股票，2015 年 5–7 月三个月。纳秒时间戳的逐笔订单与成交。每条消息都标识来源：是否用算法订单系统（AT vs NAT），若是 AT 则是否自营账户（HFT）还是客户账户（AAT）。
这个标识比欧美数据集强在两点：时变（分类可切换）；能分离同一机构内的 HFT 交易台（EUROFIDAI 与 Nasdaq 的数据都做不到）。
关键数字
| 指标 | HFT | AAT | NAT |
|---|---|---|---|
| 平均消息流量 | 654.08 | 204.12 | 55.76 |
| 响应速度（次/分钟） | 38.27 | 11.9 | 0.55 |
| 结果 | 数值 |
|---|---|
| 代理之间彼此相关（Pearson / Spearman） | 40%–90% / 36%–89% |
| proxy 与对应 true 的相关 | Pearson 74.23% – 98.99%、Spearman 67.94% – 98.45%（全部 99% 显著，全部时间窗口成立） ⚠️ 论文正文把两个面板的标签写反了 |
| SRuns 的两阶段系数 | 83.16%（30 秒）/ 77.59%（总体），R^2 最高 |
| SRuns 对 AAT / NAT 的第二阶段 R^2 | 0.01 / 0.00 |
| HFT 占全部成交 | 23.02% |
| HFT 占全部消息 | 83.40%（改单 87.30%、撤单 70.16%） |
| HFT 在最优价的时间占比 | 47.07%（大盘 40.03%、小盘 53.83%） |
| HFT 对最优档 / 前五档深度的贡献 | 22.62% / 27.60% |
一个方法论要点
proxy 是"全部消息"，true 是"HFT 消息"。如果 HFT 占了消息的绝大部分，proxy ≈ true 是必然的——高相关可能只说明"HFT 消息多"，而非"这个代理专门测 HFT"。SRuns 的两阶段回归（先剔除与 AAT/NAT 相关的成分）正是为了排除这个解释。
局限
无法追踪单个 HFT 公司（拿不到账户 ID）；代理指标之间高度相关，选哪个几乎不影响结论。