Sato & Kanazawa (2023) — Quantitative Statistical Analysis of Order-Splitting Behaviour of Individual Trading Accounts in the Japanese Stock Market over Nine Years
一句话：首次在定量层面验证 LMF 模型的 \gamma=\alpha-1——微观上元订单长度的幂律指数 \alpha 与宏观上订单符号自相关的幂律指数 \gamma 满足线性关系，误差均值仅 0.03（ACF 法）/ 0.003（PSD 法）。由此可从公开的长程记忆反推不可直接观测的微观参数。
完整引用: Sato, Y., & Kanazawa, K. (2023). Quantitative statistical analysis of order-splitting behaviour of individual trading accounts in the Japanese stock market over nine years. arXiv:2308.01112. 配套 Letter arXiv:2301.13505；相关工作 arXiv:2306.13378（广义 LMF）。
机构: 京都大学理学研究科物理系。数据由 JPX Group, Inc. 提供。
数据: 东交所全部股票，2012-01-04 至 2020-12-30（九年）。逐笔委托级数据，含委托 ID、方向、类型、价格、虚拟服务器 ID。只保留年成交笔数 >5\times10^5 的股票。
关键数字
| 量 | 值 |
|---|---|
| ST（拆单交易者）占交易者比例 | 约 25%（区间 10%–50%） |
| ST 贡献的市价单占比 | 约 80% |
| \alpha 分布 | 约 90% 的股票 \alpha<2；典型 1<\alpha<2 |
| 偏差系数（ACF / PSD） | \beta_1 = 0.592 / 0.753；\beta_2 = 0.147 / 0.083 |
| 主结果误差 \eta:=\alpha-1-\gamma_{\text{unbiased}} | 均值 0.03（ACF）/ 0.003（PSD） |
| RT 游程长度衰减长度 L^\star | 经验峰在 1.8（理论预期约 2.0） |
| N_{ST}^{LMF} 估计量 | (\gamma+1)c_0/(\gamma-1)，只给真值的下界 |
三个关键工程细节
- 交易台 ID 的构造：虚拟服务器 ID ≠ 会员 ID。采用 Goshima-Tobe-Uno (2019) 方法——若报单与撤单来自不同虚拟服务器则判为同一交易者。⚠️ 虚拟服务器 ID 在 2015-09-24 与 2019-11-04 系统升级时被重新打乱
- 拆单者识别：游程长度 = 元订单长度（Wald–Wolfowitz）；单侧二项检验（\theta=0.01）拒绝对称 Bernoulli 零假设 → ST
- 无偏估计量：NLLS 估计量在有限样本下有偏且对 \alpha 非一致 → 用 LMF 模拟（100 次）回归得 \gamma_{NLLS}\approx\beta_1\gamma+\beta_2 再构造 \gamma_{\text{unbiased}}
一个重要的历史修正
Lillo 等 (2005) 原文自承 "The model fails this test"。Sato & Kanazawa 用 Adobe Illustrator 从原文图 7 提取散点重新拟合，回归斜率仅 0.07（统计上不显著），远偏离理论系数 1。原因：原论文用场外数据做代理、样本量小。
局限
无偏估计量只是经验近似、本身未经理论证明且依赖 LMF 模型（作者自陈"寻找最优无偏估计量是当务之急"）；二项检验只控制第一类错误；交易者 ID 可能合并不同最终客户；不覆盖 PTS 等场外市场；成交量信息未使用。