Kang (2025) — Optimal Signal Extraction from Order Flow
一句话：订单流归一化的最优方式必须匹配信号生成过程的尺度行为——受容量约束的机构按市值归一化，按量下单的算法按成交额归一化。选错了会造成"参与率谬误"，实证中因子甚至会反号。
完整引用: Kang, S. (2025). Optimal Signal Extraction from Order Flow: A Matched Filter Perspective on Normalization and Market Microstructure. arXiv:2512.18648（v3，2025-12）。PDF 53 页。JEL: G12, G14, C58。
机构: 高丽大学（Korea University）电气与计算机工程系。
数据: 韩国股市 2020–2024，最多 270 万股票-日观测。
问题：一个长期无人回答的惯例
文献中两个领域用了不同的归一化，却没人说明何时该用哪个：
| 研究主题 | 通行做法 |
|---|---|
| 知情机构交易 | 按市值或流通股归一化 |
| 流动性、市场冲击、流量毒性 | 按成交量归一化 |
论文称这是"惊人且无法解释的模式"，且没有任何系统框架能判断何时该用哪个、或量化选错的后果。
核心原则：匹配滤波（Matched Filter）
借用通信工程中的匹配滤波理论（Turin, 1960）——按已知的发射信号结构加权以最大化信噪比。
| 交易者类型 | 尺度行为 | 匹配的归一化 | 恢复出什么 |
|---|---|---|---|
| 受容量约束的知情交易者（养老金、共同基金、保险公司） | Q \propto M | 市值归一化 S_{\text{MC}} = D/M | 纯粹的信息信号 |
| 按成交量下单的交易者（VWAP/TWAP） | Q \propto V | 成交额归一化 S_{\text{TV}} = D/V | 目标参与率 |
原理是双向的——对称预测两个方向的优势。理论由 Jensen 不等式与 SNR 最大化 推导。
蒙特卡洛验证（1,000 次 × 500 只股票）
| 信号类型 | 匹配归一化的相关性提升 |
|---|---|
| 容量缩放用 S_{\text{MC}} | 1.32× |
| 成交量缩放用 S_{\text{TV}} | 1.13× |
| 双向综合 | 最高 1.99× |
优势随换手率异质性单调递增。
实证：韩国市场（270 万股票-日）
独特优势：韩国交易所强制每日披露按投资者类型分解的交易活动（本土机构/外资/个人）→ 可直接观察异质性，无需分类算法。
| 投资者 | S_{\text{MC}} | S_{\text{TV}} | 结论 |
|---|---|---|---|
| 本土机构 | t = \mathbf{9.65} | t = 2.10，赛马中反号 | S_{\text{MC}} 占优，确认参与率谬误 |
| 外资 | 显著更弱 | t = \mathbf{16.35}（全文最强） | S_{\text{TV}} 占优，确认双向性 |
预测期分析：区分持久信息与临时冲击
| 投资者 | 长期表现 | 含义 |
|---|---|---|
| 本土机构 | 20 天处部分反号 | 临时价格冲击（会消退） |
| 外资 | 保持为正、无反号 | 持久的私有信息 |
核心发现二：「知情执行者假说」
表面矛盾：外资用成交量缩放的执行方式（与 VWAP/TWAP 一致），但预测力最强（t=16.35）。
解释：
成熟的外国投资者拥有真实的私有信息（全球研究网络、跨市场信号、国际资本先发优势），但刻意使用按成交量下单的算法来最小化市场足迹。
成交量缩放反映的是他们的执行方式，不是他们的信息含量。
挑战了"按量交易 = 不知情的执行"这一常见假设。
信息论验证：用 KL 散度独立佐证。
在本 wiki 的位置
- 摘要: 中文摘要
- 喂入概念: 订单流的归一化 · 参与率谬误 (Participation Rate Fallacy)（均新建）
- 作者: Sungwoo Kang
- 三个独立的方法论问题: 怎么构造（concepts/microstructure/Order Flow Imbalance (OFI)）· 该除以什么（本文） · 分布形状（concepts/microstructure/订单不平衡分布 (Order Imbalance Distribution)）
A 股应用的三条障碍
- 缺少按投资者类型分解的公开汇总数据——韩国的强制披露无法复制。可行的弱版本：用逐笔成交的投资者类型自行按日汇总
- 市值 vs 流通市值——A 股流通市值占总市值比例差异极大，论文未讨论
- 算法类型不可观测——「知情执行者假说」的推断链条值得审视
三个待验证
- A 股能否检验这个原理（弱版本）
- 换手率异质性的阈值——多高才值得关心归一化方式
- 20 天处的部分反号是否意味着本土机构信号已被完全套利