queue-imbalancelimit-order-bookprice-predictionmarket-microstructureequity

Gould & Bonart (2015) — Queue Imbalance as a One-Tick-Ahead Price Predictor

一句话：最优买卖两档的队列长度之比，是预测下一秒中间价方向的单一最强变量——但强弱取决于股票的 tick 相对大小。

完整引用: Gould, M. D., & Bonart, J. (2015). Queue imbalance as a one-tick-ahead price predictor in a limit order book. arXiv:1512.03492；Market Microstructure and Liquidity 1(2), 2016. DOI 10.1142/S2382626616500064

数据: LOBSTER 数据库，Nasdaq，10 只活跃股，2014 全年 252 个交易日，剔除每日首尾各 30 分钟。

核心结果

预测变量：I(t) = \frac{n^b(b_t,t) - n^a(a_t,t)}{n^b(b_t,t) + n^a(a_t,t)} \in [-1,1] 预测目标：y=1 若下一次中间价跳动向上，否则 y=0

指标 大 tick 组（MSFT/INTC/MU/CSCO/ORCL） 小 tick 组（GOOG/AMZN/TSLA/PCLN/NFLX） 零模型
逻辑回归斜率 x_1 2.03 – 2.73 0.50 – 0.85 0
AUC（样本外） 0.752 – 0.805 0.581 – 0.642 0.5
均方残差（样本外） 0.180 – 0.202 0.235 – 0.246 0.25
相对零模型改善 20–30% 2–6% —

x_1 在全部 10 只股票上 99% 水平显著，完整模型的似然比检验也全部 99% 显著。样本内与样本外数值几乎相同（多数到小数第三位），无过拟合。

差异的解释：排队长度而非 tick size

大 tick 股票的平均最优档队列长 3800–17100 股，小 tick 只有 80–200 股——差 200 倍以上。

论文的解释：大 tick 股票挂单的相对成本高，多数交易者把单子挂在最优档排队；小 tick 股票挂单成本低，多数挂在价差内部。I 是归一化比值，队列越长，单次队列变动对价格的边际影响越大。

一个对 A 股有参考价值的观察

小 tick 股票出现整数效应：I 的分布在 I=0 和 I=\pm 1/3 处有异常峰。论文追查到根源——队列长度的 ECDF 在 100、200 处有跳跃（队列长度恰好是 100 或 200 的时刻远多于其他长度）。若 n^b=200、n^a=100，则 I=(200-100)/(200+100)=1/3。

与做市商理论的张力

本文把队列长度当作直接的预测变量；Avellaneda-Stoikov 一脉则用「到中间价的距离 + 强度函数 Ae^{-k\delta}」概括流动性，把队列长度只当作间接因素。两者不矛盾，但实盘做市时队列长度可能是估计 \Lambda 的更直接来源。

局限

  • 只用了最优一档（论文承认加入更深档位可能更强）
  • 未比较 I 的替代定义（\log(n^b/n^a)、n^b-n^a、跳变前瞬时取值）
  • 局部逻辑回归略优于参数化版本，但表内数值多数相同，成本却高得多
  • 无交易成本、无 P&L、无策略回测

在本 wiki 的位置