Shen (2023) — High Frequency Quote Proportion, Price Impact and Predictability of Factors
- 作者: Z. Shen (中文姓名待 PDF 确证)
- 类型: Working paper
- 年份: 2023
- 数据: 深交所 2023 Q1 (2023-01-01 至 2023-03-31), 中证 500 成分股 242 只, 5.73 亿笔逐笔委托与成交数据
- 公众号解读: 睿见Alpha, 2026-08-13
一句话定位
首次在 A 股环境下不依赖账户标识地识别高频报价 (HFQ) 行为, 系统量化 HFT 对市场质量 (价差) 与高频因子可预测性的影响。提出 500ms 人眼极限阈值 + 瞬时成交口径, 证明 A 股 HFT 是价差杀手 (与美股相反), 且 OFI/TI 摩擦因子在高 HFQ 窗口失灵——剔除高 HFQ 样本后样本外 R_{OS}^2 提升 >300%。
四个核心发现
| 发现 | 关键数字 |
|---|---|
| 1. A 股 HFT 扩大价差 | 滞后 HFQ 量占比系数 +0.0508 (1% 显著), 每升 10pp → 价差 +0.74 bps (均值 5.8%) |
| 2. 摩擦因子失灵 | HFQ 交互项 −0.1421 (OFI) / −0.0779 (TI); 剔除高 HFQ → 样本外预测力 +300% |
| 3. 非 HFQ 订单更聪明 | nonHNI 多空 1.94 bp/min (t=45.32), 超过所有基准因子 |
| 4. 算法 > 人工 | 2000ms 口径稀释系数 −41%, 证明算法高频对市场冲击更大 |
概念归位
主贡献概念:
- HFQ 高频报价识别 (Lifespan Threshold) — 500ms 阈值 + 瞬时成交口径
- HFQ 占比指标 (HNP/HVP — 分钟级拥挤度状态变量
- 日内 W 形 HFQ 分布 — A 股独有的 W 形日内形态
- 摩擦因子与高频拥挤 — OFI/TI/Ret 与 HFQ 的交互项机制
- 订单流分解 (Order Flow Decomposition) — 按 HFQ 拆订单流的方法
- A 股 vs 美股高频市场质量 — 中美相反结论的三层解释
中文摘要
备注
- 论文未给出期刊/SSRN/arXiv 号 (公众号解读未提) — 本 wiki 仅有二手引用
- 数据规模: 5.73 亿笔订单 + 317 万"股票×分钟"观测 + 242 只 SZSE 中证 500 成分股 (2023 Q1)
- 与 Brogaard (2010) / Hasbrouck-Saar (2013) / MNNP (2008) 的对比 — 三条识别路径在 A 股都失效