Brogaard, Hendershott & Riordan (2013/2014) — High Frequency Trading and Price Discovery

作者: Jonathan Brogaard（华盛顿大学）、Terrence Hendershott（加州大学伯克利分校 Haas 商学院）、Ryan Riordan（安大略理工 university，通讯作者）。

发表: ECB Working Paper 1602（2013-11，Lamfalussy Fellowship Programme）；SSRN 1928510；正刊 Review of Financial Studies 27(8), 2014。PDF 57 页。

一句话总结

把高频交易者的成交拆成「索取流动性」和「提供流动性」两类，会得到相反的结论：吃单（HFTD）顺着永久性价格变动、逆着临时性定价误差——它让价格更有效率；挂单（HFTS）则被逆向选择——它给其他投资者带来成本。说「HFT 有利还是有害」而不区分这两类，是这个问题一直说不清的原因。

数据

• NASDAQ 逐笔数据，2008-09 年，120 只股票（60 只在 NYSE、60 只在 NASDAQ）
• 按市值分成三组
• 两种价格口径：
  • NBBO（全市场最优买卖价，跨市场）——用于考察 HFT 对整体市场价格的影响
  • NASDAQ BBO（单一场所）——避免了交易数据与报价数据之间的时间戳错配问题，但只有样本期不到十分之一的数据（45 天）
• 用 Hendershott-Menkveld (2011) 的方法：状态空间模型把价格拆成永久成分与临时成分

方法：状态空间模型

价格分解：

p_{i,t} = m_{i,t} + s_{i,t}

• m_{i,t} 是永久成分（被解释为信息），建模为鞅：m_{i,t} = m_{i,t-1} + w_{i,t}
• s_{i,t} 是临时成分（被解释为定价误差 / 噪声），假定平稳

识别假设：\mathrm{Cov}(\mu_t, \nu_t) = 0——条件于交易变量，两个成分的创新不相关。

论文解释了直觉：流动性需求会导致两个成分的创新之间产生相关；纳入交易变量消除了这个相关，于是分解变得可识别。并指向 Hasbrouck (2007) 第 8-9 章。

论文列了三条状态空间方法优于自回归的理由：

1. 极大似然估计是渐近无偏且有效的
2. 差分序列是可逆移动平均，隐含无限滞后自回归；而估计 VAR（Hasbrouck 1991 及后续）必须截断滞后结构
3. 估计后用 Kalman 平滑器，在任一时点用全部观测（过去、当前、未来价格）估计有效价格与临时偏离

核心结果一：简单相关（时间结构）

HFT 的整体交易（HFTAll）与后续收益：

• 正相关、迅速衰减、2 秒后基本为零
• 1 秒滞后收益与 HFTAll 统计显著正相关；-5 到 -2 秒的滞后收益统计显著负相关
• 跨全部五个滞后看，HFTAll 与过去收益负相关 ⇒ HFT 整体采取反转策略

推论（论文明确写出）：非高频交易者（nHFT）整体必然是趋势跟随者。

分开看两侧：

两条解读：

• HFTD 的正相关 + 负的滞后相关 ⇒ HFT 吃单在纠正临时的价格过冲（价格超调）
• nHFTD 的正相关 + 正的滞后相关 ⇒ nHFT 吃单在交易信息被价格滞后吸收的那一段（价格未及时反应，undershooting）

HFTS 的负相关 ⇒ HFT 的流动性供给被逆向选择。

论文的一个补充观察：HFT 的信息比 nHFT 更短命（3-4 秒 vs 8-9 秒）。

核心结果二：状态空间模型的估计

系数单位：\kappa 与 \psi 是「每 10,000 美元交易的基点数」。

聚合模型（HFTAll）：

\kappa = 0.21 的含义（论文原文）：10,000 美元的正向意外 HFT 订单流（买量减卖量），对应有效价格上升 0.21 个基点。

\psi 为负的含义：HFT 的交易方向与定价误差相反——他们在纠正误差。

分解模型（分开看两侧）：

• HFTD 与 nHFTD 都与永久价格变动正相关（正 \kappa = 知情交易）
• HFTD 的 \kappa 更正 ⇒ 按每美元计，HFT 交易时更知情
  • 差异在 1% 水平显著的组：NBBO 样本的大盘与中盘、NASDAQ BBO 样本的全部市值组
• HFTD 与 nHFTD 都与临时价格变动负相关 ⇒ 流动性索取者在减少临时性定价误差
• HFTD 与 nHFTS 都与永久价格变动负相关（\kappa 为负）⇒ 两者都被逆向选择

一句话概括（论文的定性判断）：

核心结果三：HFT 的收入结构

估计方法（遵循 Sofianos 1995 与 Menkveld 2011，两者主要分析流动性供给侧）：

\text{收入} = \sum_{n=1}^{N}\left(\text{现金流}_n + \text{每日收盘库存} \times \text{收盘中间价}\right)

假设：HFT 与 nHFT 每天开始与结束时都不持库存。

结果：

论文对 SEC (2010) 关切的回应：论文说结果与「HFT 提供流动性是为了赚返佣」一致，但同时指出——如果流动性供给是竞争性的，返佣应该被计入内生决定的价差（引用 Colliard-Foucault 2012）；而结果显示HFT 的流动性供给收入在没有返佣时是负的，说明部分返佣被转嫁给了流动性需求方。

一个重要的坦白（脚注 15）：我们无法观测 HFT 在所有市场（而非仅 NASDAQ）上的交易，且 HFT 很可能在同一策略里同时用两侧订单，所以收盘库存对收入可能很重要——大盘股的收盘库存约为成交额的 5-7%，小盘股接近 30%。论文做了稳健性检验（用 VWAP、开盘收盘均价等其他价格估值，结果相似）。

论文对政策问题的表态

论文的非技术摘要给出了一段平衡的判断（原文大意）：

我们的分析表明，HFT 给其他投资者带来逆向选择成本——他们是在自己有更好信息时与对方交易。同时，HFT 因为有信息，可以对价格效率发挥有益作用——他们在与临时性定价误差相反的方向、与未来有效价格变动的相同方向交易。

在没有配套措施的情况下限制 HFT 活动，可能导致市场效率降低。

论文还提出一个更根本的问题：当前 HFT 市场的结构（自由进入、无特权、无义务）更像一个高度竞争的环境，而传统的受监管中介部门要求持续提供流动性并限制流动性索取。核心问题是：旧制度可能有的好处（持续流动性供给、限制流动性索取）是否超过了旧制度的问题（创新受限、垄断定价）？

论文自陈的边界

• 单一市场（NASDAQ）、两年数据（2008-09，含金融危机）
• 模型收敛率：大盘 99%、中盘 98.7%、小盘 97.4%（不收敛多为成交极低的日子）
• 股票日估计的噪声较大，所以 HFT 与 nHFT 的收入差异统计上大多不显著
• 无法观测跨市场交易（见上）
• 识别假设 Cov(\mu_t,\nu_t)=0 是外生的

对本 wiki 的位置

• 入口概念: concepts/models-theory/延迟套利与速度军备竞赛 (Latency Arbitrage and the Speed Arms Race)（新建，与 Aquilina 那篇同组）
• 对照: concepts/models-theory/HFT Liquidity Withdrawal (HFT 流动性撤回) · Menkveld 2013（方法同源——本文用 Hendershott-Menkveld 的状态空间模型）· Aquilina-Budish-O'Neill 2021（问的是另一个问题）
• 价格发现: Price Discovery · 跨资产领先滞后
• 作者: Jonathan Brogaard · Terrence Hendershott · Ryan Riordan

与同组三篇的分工

三篇的结论方向一致：HFT 确实在做事（无论是提供流动性、还是快速发现价格、还是抢过期报价），但收益主要归于极少数几家公司（Aquilina 的前 6 家占 82%）。

数值速查