Cont, Kukanov & Stoikov (2014) — 订单簿事件的成交价冲击
作者: Rama Cont (Cornell / Mathematical Institute Oxford)、Arseniy Kukanov (Tower Research Capital)、Sasha Stoikov (Cornell Financial Engineering)。
发表: Journal of Financial Econometrics 12(1): 47-88, 2014 年 1 月。预印本 arXiv:1011.6402（2010 年 11 月首稿，2011 年 3 月修订）。PDF 26 页，正文含附录。
一句话总结
价格变动主要由"最优买卖档的供需不平衡"驱动，而不是由成交量驱动：定义订单流不平衡 (order flow imbalance, OFI) 后，同一时间区间内 OFI 与中间价变动呈线性关系，斜率与该股票的市场深度成反比；OFI 对价格变动的解释力 R^2 \approx 65\%，远高于带方向成交量的 32\%。
核心：OFI 的定义
OFI 衡量在最优档位上"有多少股需求出现、多少股供给消失"的净变化。论文的事件级定义（最优买价 P^B、最优卖价 P^A、对应挂单量 q^B, q^A）：
e_n = \mathbb{1}\{P^B_n \ge P^B_{n-1}\}\,q^B_n - \mathbb{1}\{P^B_n \le P^B_{n-1}\}\,q^B_{n-1} - \mathbb{1}\{P^A_n \le P^A_{n-1}\}\,q^A_n + \mathbb{1}\{P^A_n \ge P^A_{n-1}\}\,q^A_{n-1}
四项分别对应四种机制：
| 情形 | 计入项 | 含义 |
|---|---|---|
| 买价抬升 | +\mathbb{1}\{\Delta P^B \ge 0\}\,q^B_n | 新的最优买价上挂单量全额算作新增需求 |
| 买价下降 | -\mathbb{1}\{\Delta P^B \le 0\}\,q^B_{n-1} | 旧买价上的量消失，算作需求被撤走 |
| 卖价下降 | -\mathbb{1}\{\Delta P^A \le 0\}\,q^A_n | 新的最优卖价上挂单量算作新增供给（符号相反） |
| 卖价抬升 | +\mathbb{1}\{\Delta P^A \ge 0\}\,q^A_{n-1} | 旧卖价上的量消失，算作供给被撤走 |
关键点：价格改善时算新的量（\mathbb{1}\{\Delta P^B \ge 0\} q^B_n，价格未变时也算），价格变差时算旧的量。这样无论价格变好还是变差，"有多少量站在最优档"这个事实都被单调计入，不需要人为判断主动方向。
区间聚合：OFI_k = \sum_{n=N(t_{k-1})+1}^{N(t_k)} e_n，其中 N(t) 是 t 时刻之前的事件计数。
核心：模型与深度反比关系
\Delta P_k = \beta\, OFI_k + \epsilon_k, \qquad \beta = \frac{1}{c}\cdot\frac{1}{\lambda L_{i}}, \qquad \lambda \approx 1
其中 L_i 是第 i 档的市场深度（最优价上的挂单量），c 是标的常数。
深度从约 L 股提升到 \lambda L 股时瞬时冲击反而变大（\beta \propto 1/\lambda L，\lambda = 1/\Delta\lambda > 1）——直觉上深度多应该更好消化，但论文的解释是：深度增加也意味着机构大单可以把执行轨迹延长、从而在同样的 OFI 下摊到更小的时间跨度里完成更多成交，净效果是短期价格反应更大。这个反直觉点论文明确说明并做了检验（\lambda \approx 1 在 50 只股票中 35 只无法拒绝）。
三个拟合差的股票（APOL、AZO、CME）恰好价差宽、深度低，作者推测隐单与最优价之外的档位在主导冲击。
核心：OFI vs 成交不平衡
| 变量 | 平均 R^2 |
|---|---|
| OFI（订单簿不平衡） | 65% |
| TI（成交不平衡，带方向成交量） | 32% |
同时放进回归后：TI 的 t 值掉到原来的 1/4，只在 31% 的子样本显著；OFI 的解释力几乎不变。即 OFI 把成交量的信息基本吸干了。用成交价（而非中间价）、按成交笔数间隔 L 笔计算差分重做，结论一样。
因果式的解读：某笔成交若与同期订单流不平衡同向，就强化它并推动价格；反向则被其他订单抵消、瞬时冲击为零。论文的模型是同期（contemporaneous） 的——OFI 描述的是同一区间内的价格变动，不是下一段的预测。这是从业者容易误用的一点。
核心：平方根律只是聚合假象（重要 caveat）
论文用尺度变换论证：若 OFI 近似为 \sqrt{\text{成交量}} \times 噪声，则价格变动也 \propto \sqrt{Q}，形式上推出业界常说的"平方根冲击律"。
但论文自己明确不推荐用这个关系。原因是中心极限定理的噪声项：\theta_k \sim N(0, \beta_i^2 \mu_\pi \sigma^2) 每次区间都是不同的抽样，导致"成交量-冲击"的散布远大于 OFI-冲击关系。原文措辞是这条关系"不稳健，是数据聚合导致的统计假象"。
这与后面收录的 流动性漏斗理论 形成对比：后者从动力学（V 形供需曲线）解释了平方根律的机制，而本文把它当作线性模型的推论、且认为统计上不稳健。两者对同一现象给出的是不同层次的解释，读时要分清。
数据与稳健性
- NYSE TAQ，50 只美股，2010 年 1 月。
- 结果对日内季节性稳健（深度和 OFI 有 U 形日内模式，但冲击系数吸收了季节性）。
- 跨时间尺度（10 秒、逐笔）和跨个股稳定。
- 回归用 Newey-West 标准误（残差自相关）。
- 模型只用线性项——论文报告在 OFI 和 TI 上都没找到非线性冲击的证据。
对本 wiki 的位置
- 入口概念: Order Flow Imbalance (OFI, 市场深度与冲击反比, 平方根冲击定律
- 已有相关页: 订单流分解（Shen 2023 的 A 股 OFI/TI 实证，本文是它引用的源头）、 永久与临时市场冲击（Almgren-Chriss 二分法，本文是微观结构侧的对应物）
- 后续: Cont Cucuringu Zhang 2023 Cross-Impact OFI 把本文的最优档 OFI 推广到多档 + 跨截面
- 作者: Rama Cont
Open Questions
- OFI 的同期性质如何转成可交易的预测信号？是否需要累积窗口或差分才能获得预测力（Cont Cucuringu Zhang 2023 Cross-Impact OFI 声称滞后 OFI 有改善预测作用，但样本外明显减弱）？
- A 股的逐笔委托 + 成交双流能否直接构造本文定义的 OFI？两所数据只有买一卖一队列、缺少最优价之外的档位（见 concepts/data-features/Level-2 档位与委托队列 (L2 Depth and Order Queue)），对深度反比关系有何影响？
- 论文报告"无非线性证据"，与 Bouchaud 学派坚持平方根律的立场直接冲突——见 Toth et al 2011 Anomalous Price Impact 与 Sato & Kanazawa 2025 Square-Root Law TSE，这是本 wiki 的一个待收口争议。
关键引用
Cont, R., Kukanov, A., & Stoikov, S. (2014). The Price Impact of Order Book Events. Journal of Financial Econometrics, 12(1), 47–88. arXiv:1011.6402.