Cont, Cucuringu & Zhang (2023) — Cross-Impact of Order Flow Imbalance in Equity Markets
一句话：把 OFI 整合到多档（PCA 第一主成分，解释 89% 方差）后同期解释力 71%→87%；但同期跨资产冲击是假象（增量从 +2.71% 掉到 +0.71%），真正有用的是滞后跨资产 OFI，且只在分钟级有效。
完整引用: Cont, R., Cucuringu, M., & Zhang, C. (2023). Cross-Impact of Order Flow Imbalance in Equity Markets. Quantitative Finance, 23(10). 预印本 arXiv:2112.13213（2021-12 首稿，v4 2023-05）。
数据: LOBSTER / Nasdaq ITCH，标普 500 前 100 成分股，2017–2019，分钟频率。
核心结论
| 结论 | 数字 |
|---|---|
| 多档整合 OFI 提升同期解释力 | 样本内 R^2 71.16% → 87.14% |
| 第一主成分解释多档 OFI 方差 | 89.06% |
| 同期跨资产增量（最优档） | +2.71% |
| 同期跨资产增量（整合 OFI） | +0.71%（几乎消失） |
| 样本外跨资产增量（最优档） | +1.39%（CI^{[1]} 优于 PI^{[1]}） |
| 样本外跨资产增量（整合 OFI） | 转负（CI_I 劣于 PI_I） |
| 滞后跨资产 OFI | 有预测力，但分钟级快速衰减 |
| 泛化损失 | 样本内 87% → 样本外约 65% |
方法要点
- 整合 OFI：多档 OFI 做 PCA 取第一主成分，再除以其 l_1 范数使权重和为 1。
- LASSO 稀疏选择跨资产项。
- 严格时序样本外：前 30 分钟拟合 → 后 30 分钟预测。论文特别批评此前文献用交叉验证破坏时序、不实用。
网络发现
- 最优档跨冲击网络有清晰行业板块结构（GICS），论文归因于指数套利。
- 整合 OFI 网络连接弱得多、低秩。
- 并购事件留痕：Cigna → Anthem 单向边（2015 宣布合并、2020 失败）；GOOGL → GOOG 单向（GOOGL 有投票权）。
在本 wiki 的位置
- 摘要: 中文摘要
- 喂入概念: concepts/microstructure/多档订单簿不平衡 (Multi-Level Order Book Imbalance) · 更新 concepts/microstructure/Order Flow Imbalance (OFI)
- 前作: Cont Kukanov Stoikov 2014 Price Impact Order Book Events
- 作者: Rama Cont · Mihai Cucuringu
承接的理论争论
论文明确承接 Capponi & Cont (2011)：某股收益与其他股 OFI 的正协差不构成跨冲击证据，必须先控制 OFI 共同因子。本文是多资产 + 多档设定下的延伸，补上了样本外部分。
待验证
- 整合 OFI 的 PCA 是逐股还是全池做的？若是逐股，跨资产比较时各股 OFI_I 尺度不可比，与"跨资产 OFI 可比"的前提有张力。
- 同期跨冲击消失而滞后跨冲击仍在，这个不对称的机制论文未解释。
- A 股逐笔委托只有买一卖一队列，多档 OFI 只能在快照上重采样构造，与事件级单档 OFI 时间分辨率不一致（见 concepts/data-features/Level-2 档位与委托队列 (L2 Depth and Order Queue)）。