Chakrabarty, Comerton-Forde & Pascual (2022) — 不用专有数据识别高频交易活动
作者: Bidisha Chakrabarty、Carole Comerton-Forde、Roberto Pascual。
发表: 工作论文，2022 年 7 月。获 NSE-NYU Stern Initiative on the Study of Indian Financial Markets 资助。期刊/卷期/DOI 本文未给。
数据: 印度 NSE（National Stock Exchange），纳指 50 指数的 50 只股票，2015 年 5–7 月三个月。逐笔订单与成交数据，纳秒时间戳，含消息文件（每个订单的提交/修改/撤单）与成交文件。每条消息都能标识来源：是否用交易所提供的算法订单管理系统（AT vs NAT），若是 AT 则是否自营账户（HFT）还是客户账户（AAT）。
关键优势：这是消息级的 HFT 标识——不需要靠撤单率、响应速度之类的代理变量来猜。但无法追踪单个 HFT 公司随时间的变化（拿不到账户 ID）。
一句话总结
九个常用的 HFT 代理指标全部与真实 HFT 活动高度相关（Pearson 74%–99%），在流动性供给/需求两侧、以及 HFT 活动异常高低的时段都表现可靠。而其中只有 Strategic Runs（SRuns）主要是被 HFT 驱动的，对 AAT 与 NAT 的第二阶段 R^2 只有 0.01 与 0.00。
三类交易者
| 类别 | 定义 |
|---|---|
| HFT | 用算法订单系统 + 自营账户 |
| AAT | 用算法订单系统 + 客户账户（agency algorithmic trading） |
| NAT | 不用算法订单系统 |
这个标识是时变的（交易者可以切换类型），且能分离同一机构内的 HFT 交易台与其他订单流——EUROFIDAI 的巴黎数据、Nasdaq 的数据都做不到这一点（分类一旦指派就不再变）。
九个代理指标
| 指标 | 缩写 | 定义 |
|---|---|---|
| 消息流量 | Mess | 订单提交 + 修改 + 撤单的消息数 |
| 撤单数 | Can | 限价单撤单数 |
| 监控强度 | MonInt | 撤单 + 修改数 |
| 瞬时委托 | FleetOrd | 提交后 100 毫秒内被撤或被改的委托数 |
| 报价强度 | QuoteInt | 最优买卖价或最优档深度的变化次数 |
| 报价闪烁 | Flick | 报价中间价在 100 毫秒区间上的标准差 |
| 响应速度 | SResp | NBBO 报价改善后 100 毫秒内的响应次数 |
| 策略性连续报价 | SRuns | 区间内"修改或撤单 + 重新提交"的连续序列数（Hasbrouck & Saar 2013） |
| 立即成交撤销单 | IOC | IOC 订单数 |
每个指标算两遍：用 HFT 标识的叫 true，用全部消息（不看标识）的叫 proxy。
主要结果
一、三类交易者在指标上确实分层
| 指标（1 分钟窗口、最优价 10 tick 内） | HFT | AAT | NAT |
|---|---|---|---|
| 消息流量 Mess | 654.08 | 204.12 | 55.76 |
| 撤单数 Can | 16.51 | 17.27 | 2.10 |
| 监控强度 MonInt | 293.18 | 61.62 | 6.87 |
| 瞬时委托 FleetOrd | 82.24 | 26.89 | 6.46 |
| 报价强度 QuoteInt | 137.91 | 88.84 | 36.72 |
| 响应速度 SResp（次/分钟） | 38.27 | 11.93 | 0.55 |
| 策略性连续报价 SRuns | 10.49 | 0.51 | 0.02 |
| 立即成交撤销单 IOC | 10.85 | 8.05 | 0.17 |
两个反直觉的对照：(i) HFT 的撤单数比 AAT 还少（16.51 vs 17.27）——NSE 按消息计费使改单比撤单便宜，HFT 因此偏好改单（占其改单 87.30%）；(ii) IOC 上 HFT 与 AAT 几乎一样（10.85 vs 8.05），所以 IOC 分不开这两类。
二、九个代理指标彼此高度相关
Pearson（Spearman）相关系数在 40%–90%（36%–89%）之间，全部统计显著。最高的几对：
- QuoteInt 与 SResp：88.33%
- Mess 与 MonInt：86.52%（撤单与修改是消息流量的主要成分）
- QuoteInt 与 Flick：81.3%
- FleetOrd 与 SRuns：79.84%（策略性连续报价常涉及嵌套的瞬时委托）
- FleetOrd 与 Mess：79.25%、与 QuoteInt 75%
三、每个代理与对应真实指标的相关都很高
按表核对：Pearson（表 V Panel A）区间 74.23%（Flick，30 秒）– 98.99%（SRuns，1500 秒）；Spearman（Panel B）区间 67.94%（Flick，30 秒）– 98.45%（SRuns，1500 秒）。全部在 99% 置信水平显著，且在所有时间窗口（30、60、300、900、1800 秒）都成立。
⚠️ 论文内部数字对调：正文与摘要说「Pearson 68%–98%、Spearman 74%–99%」，但表里 67.94% 与 98.45% 落在 Spearman 面板、74.23% 与 98.99% 落在 Pearson 面板。按表核对，论文正文把两个面板的标签写反了。
四、流动性供给与需求两侧都能识别
用回归 \text{HFT}(D/S)_{it} = \alpha + \beta \cdot \text{HFT\_Metric}_{it} + \gamma \text{HFT}(D/S)_{i,t-1} + \delta D_t + \varepsilon_{it}（D_t 为时段虚拟变量，股票固定效应，标准误按股票与时段双聚类）：
九个指标对"HFT 在哪些成交中提供流动性"与"哪些成交中索取流动性"的解释系数都正确且在 99% 水平显著（30 秒窗口下 SResp 是唯一例外）。对 LOB 侧的三个流动性供给度量（在最优价的时间占比、最优档深度占比、前五档累积深度占比）也全部成立。
五、异常时段（流动性需求/供给异常高或低）仍然可靠
以 30 秒窗口的 Mess 为例（普通时段的标准化估计值 −0.01）：
以「HFT 在最优报价的时间占比」为被解释变量、30 秒窗口（表 VIII Panel A / Panel C 的 Mess 列）：
| 情形 | true Mess | proxy Mess |
|---|---|---|
| 需求与供给都异常低 | −0.47 | −0.51 |
| 需求低、供给升至异常高 | −0.27 | −0.34 |
| 供给低、需求升至异常高 | −0.18 | −0.21 |
| 需求与供给都异常高 | +0.43 | +0.41 |
九个指标都呈现同样的模式（R^2 全部在 0.04–0.18 之间，说明这四个虚拟变量本身解释的方差很小，指标系数主要反映方向正确性而非拟合强度）。
⚠️ 论文引言把「需求低、供给高」那一行写成 −0.15 / −0.21，那是从 Panel B（订单簿深度口径）取的数，与 Panel A/C（最优报价时间口径）不是同一个回归。
六、SRuns 是最"纯"的 HFT 代理
两阶段回归：第一阶段逐股回归 HFT 真实指标对 AAT 与 NAT 真实指标，取残差（HFT 活动与另两类不相关的部分）；第二阶段把这些残差回归到对应的 HFT proxy 上。
| 指标 | HFT 30s 系数 / R^2 | AAT 30s 系数 / R^2 | NAT 30s 系数 / R^2 |
|---|---|---|---|
| SRuns | 83.16 / 0.79 | 10.01 / 0.01 | 1.28 / 0.00 |
| MonInt | 56.97 / 0.48 | 13.47 / 0.04 | 4.30 / 0.00 |
| QuoteInt | 58.69 / 0.44 | 28.51 / 0.11 | 3.97 / 0.03 |
| Can | 50.77 / 0.29 | 53.87 / 0.33 | 10.15 / 0.01 |
| IOC | 55.12 / 0.35 | 50.12 / 0.30 | 2.80 / 0.01 |
SRuns 的 t 值最大（65.33）、第二阶段 R^2 最高（0.79），而 AAT 与 NAT 只有 0.01 与 0.00 —— 统计显著但经济上无关紧要。
Can 与 IOC 是反例：它们的第二阶段系数在 AAT 上几乎与 HFT 一样高（Can 53.87 vs 50.77、IOC 50.12 vs 55.12），说明这两个指标测的是"算法交易"而不是"高频交易"。
与 AAT/NAT 的横截面相关（表 IX，30 秒）：
| 指标 | 与 AAT | 与 NAT |
|---|---|---|
| Mess | 68.24 | 34.02 |
| SRuns | 31.37 | 10.03 |
| IOC | 44.96 | 5.03 |
SRuns 对 AAT 与 NAT 的第二阶段 R^2 几乎为零——虽然统计显著，但经济上无关紧要。这验证了用 SRuns 代理 HFT 的做法（Chordia & Miao 2020、Boehmer-Li-Saar 2018 用的正是这个）。
方法论含义：好的 HFT 代理应当主要由 HFT 驱动。SRuns 与 AAT/NAT 的相关最低，正是这个性质的表现。
SRuns 的构造改造（不可忽略）
作者把 Hasbrouck & Saar (2013) 的算法改造成 NSE 版本，新增四条：(a) 同一订单 ID 相邻消息平均间隔 < 500 ms；(b) 不得有数量增加；(c) 不同 ID 消息相连的条件是同量、同方向、第二次报单在第一次撤单后 100 ms 内；(d) run 长度（相连消息数）≥ 10。
作者明确放弃 Hasbrouck & Saar 的时间加权做法（时间加权会降低与其他代理的相关性并略损于"高低活跃期"信号能力），采用未加权计数。
同样地，FleetOrd 也要把"改单"纳入 —— 因为改单在经济上等价于撤单+重报。在 NSE 这种"改单比撤单便宜"的市场里，不含改单的代理会严重失效。
作者做了稳健性检验：SRuns 的间隔改 100/250 ms 或 1 s、最小长度改 5 或 20 条消息，结论不变。
样本背景：印度 NSE 的市场结构
- NSE 1995 年起运营全电子限价簿，2018 年按成交笔数计为全球第 4 大交易所
- 印度市场高度不碎片化：只有 BSE 与 NSE 两个明池交易所，没有暗池；NSE 占样本期成交活动的 78%–80%
- 2010 年 1 月 NSE 引入 colocaton（BSE 晚了近三年）；接入后 AT 占成交额比重从 2009 年的 10% 升至 2013 年的约 55%
- NSE 的消息费按档计费（每档固定金额对应固定带宽）→ 修改订单比撤单更划算 → 限价单修改（1,130,780）远多于撤单（65,570）。这与美股"撤单为主"的结构相反
- HFT 参与率：占全部成交的 23.02%（大盘股 22.49%、小盘股 24.08%）。低于美股（大盘约 42%、小盘 18%，2008–2009 纳斯达克数据），与加拿大（约 20%）、澳大利亚（约 27%）相当
- HFT 占全部消息的 83.40%（改单占 87.30%、撤单占 70.16%）——这个占比高到接近「proxy ≈ true」，也正是后面两阶段回归要处理的问题
- HFT 流动性供给：占最优价时间的 47.07%（大盘股 40.03%、小盘股 53.83%）；最优档深度的 22.62%、前五档累积深度的 27.60%（与澳大利亚的 20% / 25% 相当）
局限
- 无法追踪单个 HFT 公司（拿不到账户 ID）
- 2022 年 7 月的工作论文版本，此后未见于本文 extracted 文本
- 代理指标之间高度相关（40%–90%），选哪个几乎不影响结论——但也都无法精确到"这是 HFT"的程度，只能"大致反映 HFT 活动"
对本 wiki 的位置
- 入口概念: concepts/microstructure/HFT 代理指标的可靠性 (Reliability of HFT Proxies)
- 相关: HFQ 高频报价识别（本 wiki 已有的 A 股识别路线）· 做市商与库存风险（流动性供给/需求二分）· 延迟套利与速度军备竞赛
- 同批论文: Goudarzi Bazzana 2023 HFT Machine Learning（法国市场，用监管标签训模型）· Sato Kanazawa 2023 Order Splitting（交易所账户级真值）
- 作者: Bidisha Chakrabarty · Carole Comerton-Forde · Roberto Pascual
关键引用
Chakrabarty, B., Comerton-Forde, C., & Pascual, R. (2022). Identifying High Frequency Trading Activity Without Proprietary Data. Working paper.