价格冲击 (Price Impact)

冲击函数、平方根律、母单拆分、大价格变动的四个机制——从订单簿形状推出价格怎么动。共 32 篇论文 entity。 每条格式: 「entities/页名」形式的链接 — 一句话要点。 返回: Entities 总索引 · Quant Wiki 总索引

• entities/Frey Sandas 2009 Iceberg Orders — 冰山 = 隐藏规模 + 公开吆喝: 冰山占成交股数 15.9%; 规模是普通限价单 12–20 倍; 检测到后买单概率 0.5 → 0.7、市价单 +40%; 单位冲击约小 30%; 订单簿利润 +0.76 → −0.14 bp (限价单承担逆向选择)
• entities/Bloomfield OHara Saar 2012 Hidden Liquidity — 实验室对照 (96 名被试): 允许隐藏大幅改变策略但结果指标不变; 显示价差 Hidden 6.3 vs 真实价差 3.7; 知情者盈利 160.9 vs Visible 78.4; 知情者偏好 Hidden (41.7%) 而流动性交易者偏好 Visible (77.1%)
• entities/Zotikov Antonov 2019 CME Iceberg Detection — 无标记时如何识别冰山: 原生冰山靠交易汇总消息 (占成交量 4%), 合成冰山只能启发式 (3.3–14.3%, 过半被取消); Kaplan–Meier 生存分析处理右删失; 合成冰山最长链召回率 83.67%; 原生用 Mode(3) 而非均值 (F1 62.93% vs 8.43%)
• entities/Cont Cucuringu Glukhov Prenzel 2023 Client Order Flow — 经纪商视角的客户订单流: 谱聚类分出 Quant/Day VWAP/Signal/Res 四类 (24 个月 × 25 只稳定); 四种视图里的「经纪商视图」是现实中间态; 库存与 OFI 几乎不相关 (|r|\le0.11); OFI_ADV 归一优于 OFI_C; 夏普全近 0
• entities/Sato Kanazawa 2023 Order Splitting — 首次定量验证 LMF \gamma=\alpha-1 (误差 0.03/0.003); 25% 交易者贡献 80% 市价单; 交易台 ID 构造 (Goshima-Tobe-Uno); 修正 Lillo 等 2005 原文自承的检验失败; ⚠️ 无偏估计量只是经验近似 (作者自陈"当务之急")
• entities/Korajczyk Sadka 2004 Momentum Trading Costs — 动量策略的盈亏平衡资金规模: 收益被成本吃掉需 $4.5–50 亿、统计不显著需 $1.1–20 亿 (1999-12 市值基准); 等权策略成本前最好、成本后最差; 流动性加权策略最好; 但成本不足以完全解释动量持续性
• entities/Parkinson 1980 Extreme Value Variance — 用日内最高最低价估收益率方差; 抽样标准差 116 → 51, 改善 2½–5 倍; 只需日频 OHLC
• entities/Sitaru Calinescu Cucuringu 2023 Decomposed OFI — OFI 按事件类型拆开 (add/cancel/trade, 标准 OFI = 三者之和); 同期解释力持平, 前瞻 PnL 3.15 bp / Sharpe 13.51 (≥5× Cont 2023); add 最重要 (Lasso 选中频率 ≈3×); 53% 的回归只有截距非零; ClusterLOB 附录 A 的来源
• entities/Durin Rosenbaum Szymanski 2026 Two Square Root Laws — 平方根律是两条 (固定 Q 时 ∝ √γ 仅 γ 大时成立, γ 小时线性); Hawkes 订单流 + 无套利推出; 母单不自激 ⇒ 失衡可被识别 (点名机器学习聚类算法, 给 ClusterLOB 理论背书); 数值拟合指数 0.6341 而非 0.5 —— U 形状无数据支撑
• entities/Zarinelli Treccani Farmer Lillo 2014 Beyond the Square Root — 对数函数在近五个数量级上优于平方根 (E_{RMS} 2.80 vs 6.70); 平方根的「只依赖规模」部分是聚合假象 (按 F 分组指数 0.58→0.42); 执行非 VWAP, 价格在结束前就回撤; ⚠️ backlog 原标题有误
• entities/Bouchaud Gefen Potters Wyart 2004 Fluctuations and Response — 临界条件 2\beta+\gamma=1; ⚠️ 作者名更正: 是 Gefen-Potters-Wyart 四人非 Potters-Farmer
• entities/Lillo Farmer 2004 The Long Memory of the Efficient Market — 成交方向可预测性达 75% 但被流动性反向补偿抵消; ⚠️ 作者名更正: 正刊是 Lillo & Farmer 两人
• entities/Weber Rosenow 2003 Order Book Approach to Price Impact — 虚拟冲击强 4 倍且是凸的, 限价单反馈压成实际凹冲击; ⚠️ 仅 4 页短文, 2011 MMR 版本关系待核实
• Cont Kukanov Stoikov 2014 Price Impact Order Book Events — OFI 定义源; R² 65% vs 32%
• Cont Cucuringu Zhang 2023 Cross-Impact OFI — 多档整合 OFI; IS R² 87%; 跨资产同期增量 +0.71% (假象) vs 滞后有预测力
• Bouchaud Farmer Lillo 2008 How Markets Slowly Digest Supply and Demand — 学派基底; 订单流长记忆 H≈0.7; 冲击由可预测性而非信息含量决定; 聚合尺度依赖性
• Sato & Kanazawa 2025 Square-Root Law TSE — 东交所八年全账户数据 (2,299 个股 + 1,293 交易者); ⟨δ⟩=0.489; 个股与交易者层面均 δ=1/2; 否证 GGPS/FGLW
• Brokmann Serie Kockelkoren Bouchaud 2014 Slow Decay of Impact — 平台期是假象; 反卷积后冲击单调衰减到零, I(τ)∝τ^(-0.8); δ=0.6
• Eisler & Bouchaud 2016 Price Impact Without Order Book — 无订单簿市场冲击仍可估; 主要是永久的; 做市商越多冲击越高
• Ait-Sahalia Fan Xue Zhou 2022 High-Frequency Predictability — 本批最贴近「逐笔数据→因子」; 2.3TB TAQ / 117 特征; 成交侧优于订单簿侧; 每个毫秒的定价
• Mu Zhou Chen Kertesz 2010 Order Flow Extreme Price Changes — 深交所极端行情订单流 (2003 年 23 只股票); 价格部分反转; 首次加入投资者类型维度
• Ren & Zhong 2011 Institutional Impact Asymmetry — 深交所机构交易冲击不对称 (2003 年 32 只); 卖出 > 买入, 且不对称在交易前已存在
• Gu Xiong Zhang Chen Zhang Zhou 2014 Price Gaps Chinese Stocks — 深交所订单簿价格间隙三个统计特性 (幂律尾/长记忆/多重分形); 买卖不对称在三个层次有三种答案
• Peng 2024 Internet Sentiment Intraday Overtrading — 股吧网络情绪 → A 股日内过度交易; 机构 > 个人; T+1 造成上午反应更强
• Yang Fang Zhang Zhou 2025 Efficient Deep Learning LOB — A 股 LOB 深度学习; OFI 优于原始 LOB (149 测试集); A 股架构与 Nasdaq 不同, Transformer 失败
• Corsi 2009 HAR-RV
• Kurth Eisler Rej Bouchaud 2026 Is Trend Still Your Friend
• Patzelt Bouchaud 2018 Impact Autocorrelation
• Amihud 2002 ILLIQ — 非流动性因子, 只需日频数据; 系数 0.163, 小盘更强; JFM 5(1)
• Volpati Benzaquen Eisler 2020 Order Flow
• Kyle 1985 Continuous Auctions and Insider Trading — 微观结构理论原点; 三方模型 + 连续时间极限; 深度恒定、信息线性耗散; ⚠️ 归档为扫描件, OCR 生成 extracted.md
• Chan Lakonishok 1993 Institutional Trades — 37 家机构逐笔身份可识别; 卖出冲击 0.08% > 买入 0.05%; 身份比规模更重要