Huang, Lehalle & Rosenbaum (2013) — The Queue-Reactive Model
一句话：把订单簿视为参考价恒定时段内的马尔可夫排队系统，用市场数据估计每档三种到达强度，再拼接成可复现真实市场的订单簿模拟器。
完整引用: Huang, W., Lehalle, C.-A., & Rosenbaum, M. (2013). Simulating and analyzing order book data: The queue-reactive model. arXiv:1312.0563（文件标注 2014-09 修订）。PDF 29 页。
机构: 巴黎六大学 LPMA（Huang, Rosenbaum）、Kepler-Cheuvreux（Huang）、Capital Fund Management（Lehalle）。
数据: Kepler-Cheuvreux LOB 数据库，Euronext Paris，2010-01 – 2012-03，买卖各前五档，状态变化时记录。示例股票 France Telecom、Alcatel-Lucent（大 tick）。
核心设定
按"参考价不变的时段"切分时间——因为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。时段内假设到达强度只取决于当前状态 → 连续时间马尔可夫跳过程；时段间用随机机制拼接。
三个模型
| 模型 | 假设 | 解法 |
|---|---|---|
| Model I | 各档独立，强度只取决于该档队列量 | 生灭过程，可完全刻画渐近分布 |
| Model II | 买卖两侧独立，每侧前两档可相关 | 准生灭过程 (QBD)，矩阵几何解 |
| Model III | 允许买卖档交叉依赖 | 最一般 |
K=3（Q^{\pm 4,\pm 5} 与 Q^{\pm 3} 相似）。参数用极大似然估计。
关键数字与结论
| 项 | 值 |
|---|---|
| 适用资产 | 平均价差 < 2.5 个 tick；对大 tick 最精确 |
| K（建模档数） | 3 |
| 不变分布验证 | 经验分布（30 秒采样）与模型吻合良好 |
| 最大机械波动率 | 通常小于经验波动率 |
mechanical volatility 的洞见：订单流的内在随机性生成的波动低估真实波动——市场还有新闻等外部信息。含义：纯订单簿（零智能）模型低估波动，必须引入外生成分。
实践用途
市场模拟器、复杂交易算法的交易成本分析（TCA）、执行概率估计。这是本 wiki 微观结构因子的仿真基础设施——有了它才能在缺逐笔历史的标的上做样本外检验与数据增强。
在本 wiki 的位置
- 摘要: 中文摘要
- 喂入概念: Q-Reactive 队列反应模型
- 大 tick 关联: Dayri Rosenbaum 2015 Sparse Dense LOB
- 冲击模型检验: concepts/microstructure/平方根冲击定律 (Square-Root Impact Law) · concepts/microstructure/市场深度与冲击反比
- 作者: Charles-Albert Lehalle
A 股的障碍
- 逐笔委托只有买一卖一队列——模型需要各档的限价/撤单/市价单强度，A 股只能从十档快照估计，无法事件级还原。
- T+1 与涨跌停——参考价不稳定时段占比更高，切分假设被削弱。
- tick size 小——多数 A 股价差 1–2 tick，处在可用范围的边缘。
折中方案：在快照层面（沪市约 3 秒一帧）做离散时间的队列转移估计，放弃事件级建模，保留跨档依赖结构。
前作脉络
Smith-Farmer-Gillemot-Krishnamurthy (2003) 零智能 LOB 模型（生灭过程起点，假设独立 Poisson 订单流——论文明确指出这与实证不符）→ Cont-Stoikov-Talreja (2010) 在该框架算事件概率 → Abergel-Jedidi (2011) 稳定性条件。本文的改进是让强度依赖状态（而非常数），因此更贴近数据。