Chordia-Subrahmanyam (2004) — 订单不平衡与个股收益：为什么反转的不是延续
作者: Tarun Chordia（Emory University Goizueta 商学院）、Avanidhar Subrahmanyam（UCLA Anderson）
发表: Journal of Financial Economics 72(3): 485–518, 2004 年 6 月。本页基于 UCLA eScholarship 工作论文版（2002-10-07），56 页。
数据: 纽约证券交易所，1988–1998 共 11 年。逐笔数据来自 ISSM（1988–1992）与 NYSE TAQ 数据库。用 Lee-Ready (1991) 算法给每笔成交打买卖标记。
这是本 wiki 目前第一篇"日频订单不平衡"的完整论文——此前收录的 OFI 系列都是日内/逐笔级别。这一篇回答的是：日频上，订单不平衡的符号如何预示收益，以及为什么"控制了当期不平衡之后，正号会消失甚至反号"。
一句话总结
大单交易者会把订单拆到多天执行（为降低冲击），造成订单不平衡在日间自相关；自相关的不平衡产生持续的价格压力，因此"昨天的订单不平衡"正向预示今天的收益。但一旦控制住今天的订单不平衡，昨天的系数就变成负的——因为今天的不平衡里已经"重复计算"了历史驱动的价格压力。
理论模型的核心机制
flowchart TD
A["大单交易者<br/>为降低冲击而拆单"] --> B["订单不平衡<br/>日间自相关"]
B --> C["价格压力<br/>具有跨期相关性"]
C --> D["假设1: 昨天的不平衡<br/>正向预示今天的收益"]
C --> E["假设2: 控制今天的<br/>不平衡后，昨天的系数反号"]
模型设定：两个交易日 + 最终清算日。三类主体——知情交易者（在第 2 日才获知 \theta）、市场做市商（不知情）、以及一个有自主动机的流动性交易者（需求 2z_1）。做市商有库存顾虑和逆向选择顾虑，负指数效用。
最优拆单：论文证明流动性交易者把订单等分到两个时期是最优的（预期交易成本最小）。这一结论正是后续自相关假说的来源。
两个可检验的假设
| 假设 | 内容 | 实测 |
|---|---|---|
| 不变式 I | 订单不平衡正自相关 | ✅ 证实（这是模型的直接推论） |
| 不变式 IIa | 滞后不平衡与收益正相关 | ✅ 证实 |
| 不变式 IIb | 控制当期不平衡后，滞后的正相关消失（反号） | ✅ 证实 |
反号的直觉（论文自己给的解释）
"只看当前净不平衡所隐含的预期价格变动时，历史驱动的交易与当期独立于历史的交易被赋予了同等权重。但由于历史驱动的交易已被先前几轮交易部分计入价格，其价格压力小于当期创新部分。因此滞后项系数为负——因为当前不平衡对历史驱动交易的'超权重'（over-weighting）。"
这是本文最容易被误读的一点：不是"历史信息失效了"，而是"当期不平衡里已经含有历史信息"。
关键实证结果
| 结果 | 数值 |
|---|---|
| 不平衡自相关 | 买入不平衡后跟买入不平衡 |
| 408 个月度横截面估计中系数为正的比例 | 275/408（约 2/3，显著异于 1/2） |
交易策略：赚到了，但个人投资者赚不到
论文直接检验了一个可执行的策略：
规则：昨天不平衡为正则今天在卖价买，为负则在买价卖；日内开仓到收盘平仓，平仓时反向挂在另一侧。
结论（论文原话的分寸把握）：
- 策略有统计显著的收益；
- 但个人投资者扣除券商佣金后可能无法获利；
- 交易成本低的机构可能获得额外收益；
- 论文强调这不违反市场有效性——库存范式意味着"在大规模抛售或买入之后，买方可能获得有利的贸易条件"，因为做市商在艰难地卸掉库存。
一个关键的方法论处理：怎么排除买卖价差跳动
这是本文最实用的一节，直接对应上一条收录的 Heston 等人的发现。
问题：高买入不平衡意味着大量成交发生在卖价一侧，这会污染"用成交价算的次日收益"。
做法：
- 遍历整个逐笔数据库，取每天第一笔和最后一笔成交对应的买卖报价中点；
- 用中点价算开盘到收盘的收益；
- 全部实证都用这个中点收益序列。
这与 Heston-Korajczyk-Sadka 用买价/卖价/中价三种价格重算是同一个思路——本 wiki 已把两篇的做法归纳到 日内反转的买卖价差跳动。
为什么本文是微观结构与日频因子之间的桥
| 维度 | 本 wiki 此前的情况 | 本文补充 |
|---|---|---|
| 时间尺度 | OFI 论文几乎都是日内/逐笔 | 日频订单不平衡 |
| 分类方法 | 逐笔 OFI 靠成交价相对报价的位置 | Lee-Ready 算法（成交价与前一报价比较） |
| 因子构造 | OFI、Q-reactive、多档不平衡 | 不平衡本身作为预测变量，且有理论模型给出符号 |
| A 股适配 | A 股逐笔有投资者类型标识 | Lee-Ready 算法在 A 股同样适用 |
关键操作细节：Lee-Ready 的具体做法在 A 股有已知问题——沪市逐笔成交与报价配对缺失约 14.2%（本 wiki 在 参与率谬误 页记录过这一比例）。A 股做 Lee-Ready 时需要额外的兜底规则（如同价位单按主动方向拆分、或用成交价与最近报价的 tick 方向判断）。
Open Questions
- 为什么买卖跳动在中点价下仍存在？ 论文用中点价处理了跳动，但跳动本身在日内仍显著（见 Heston 等人的 k=1 效应）。
- 拆单假设有多强？ 论文只建模了两个时期且等分是最优。真实机构可能用 VWAP/TWAP，形态不同——这与本 wiki 订单流的归一化 记录的"知情执行者假说"直接相关：按量下单的人可能有真信息。
- 分笔方向的噪声有多大？ Lee-Ready 用报价中点分类，报价变动的瞬间成交会被误分类。论文未量化这个误差。
- A 股的日频订单不平衡因子有多强？ 这是本 wiki 认为最值得在 A 股补做的实验——逐笔数据有投资者类型标识，可直接构造。
关键引用
Chordia, T., & Subrahmanyam, A. (2004). Order imbalance and individual stock returns: Theory and evidence. Journal of Financial Economics, 72(3), 485–518.
JEL: G14, G21
主要引用：Lee & Ready (1991) 成交方向分类 · Kyle (1985) · Ho & Stoll (1981)、Spiegel & Subrahmanyam (1995) 动态库存模型 · Chan & Lakonishok (1995)、Keim & Madhavan (1995)（机构拆单执行）· Chordia-Roll-Subrahmanyam (2002) 市场级不平衡 · Blume-Stambaugh (1983) 日收益跳动 · Fama-MacBeth (1973) · Frazzini-Lamont (2008)。