Cont, Cucuringu, Glukhov & Prenzel (2023) — 限价单市场中的客户订单流分析与建模
作者: Rama Cont、Mihai Cucuringu（牛津大学数学研究所 / 牛津统计系 / Alan Turing Institute）、Vacslav Glukhov、Felix Prenzel（J.P. Morgan 伦敦）。
发表: Quantitative Finance 23(2): 187–205 (2023)，DOI 10.1080/14697688.2022.2150282。收稿 2022-03-04，接受 2022-10-28，在线发表 2023-01-16。开放获取（CC BY 4.0）。
数据: 某大型经纪商的匿名化成交执行数据（broker execution data），经纪商自己管理母订单（parent order）与子订单（child order），覆盖明池与暗池。标的为 STOXX 600 成分股，主要统计用流动性最强的 25 只。样本期 2 年（2018–2019），聚类按 1 个月为桶切分。数据集市占率"高个位数百分比"（引用 Coalition 基准），属欧洲市场最大的经纪商执行数据私有集之一。
一句话总结
用经纪商的母订单数据可以分出四类稳定的委托方（Quant / Day VWAP / Signal / Res），它们在 24 个月和 25 只股票上都稳定；但四类的库存与订单流几乎不相关，说明它们由不同策略驱动、处在不同时间尺度上。
限价簿的三种视图（论文自建表示）
| 视图 | 内容 | 谁能看到 |
|---|---|---|
| 匿名视图 | 只有各价位挂单量 Q_p | 所有人（公开 LOB 数据） |
| 全知视图 | 全部挂单的提交时间 + 委托方身份 | 交易所 |
| 经纪商视图 | 对客户集合 B\subset A 按身份和提交时间可分辨，其余归入"其他所有代理" | 经纪商 |
这是本文与本 wiki 已有 LOB 深度学习页的根本差异：DeepLOB 一类模型只能在匿名视图上工作，concepts/microstructure/LOB 深度学习序列 (Deep LOB Literature) 所说的"预测价格"实际上是在丢失了订单归属信息的视图上做的。
聚类方法
谱聚类 = Belkin–Niyogi 谱嵌入 + K-means（Shi–Malik 2000；Meila–Shi 2001；Ng 等 2002）。步骤：构造邻接图（欧氏距离小于阈值 \varepsilon，或连 l 个最近邻）→ 相似度加权（heat/rbf 核，带宽 \sigma）→ 解广义特征值问题 L=D-W，取前 p' 个特征向量做嵌入 → 嵌入空间做 K-means。特征先取对数再 z-标准化。簇中心取原特征空间的均值以抗离群（谱嵌入不可逆，取簇中心需回到原空间）。
K 的选择（表 1、2）：K-means 与谱聚类的调整兰德指数 ARI 为 K=2 → 0.7979；K=3 → 0.5107；K=4 → 0.7968；K=5 → 0.6153。簇内方差二阶差分在 K=2 与 K=4 处出现局部大跳 → 取 K=4。
四类委托方（表 3，2019 年 12 月，STOXX 600 最流动 25 只之一）
| 特征 | Quant | Day VWAP | Signal | Res |
|---|---|---|---|---|
| 买入占比 | 0.63 | 0.55 | 0.63 | 0.65 |
| 撤单率 | 0.26 | 0 | 0.15 | 0.07 |
| 月度成交笔数 | 219.7 | 1.72 | 4.08 | 5.03 |
| 平均下单时刻 | 12:03:50 | 08:25:34 | 14:20:00 | 11:31:56 |
| 最晚下单时刻 | 16:10:47 | 08:32:04 | 15:02:03 | 14:34:05 |
| 最早下单时刻 | 07:58:08 | 08:19:10 | 13:34:31 | 08:40:12 |
| 平均订单规模（占 ADV） | 0.01 | 0.03 | 0.06 | 0.06 |
| 平均动量 (bps) | 2.285 | −17.87 | 29.94 | 38.26 |
| 月度活跃天数 | 13.47 | 2.1 | 3.71 | 4.95 |
| 下单时刻标准差 | 02:24:49 | 00:07:12 | 00:42:16 | 02:40:46 |
四类的行为画像：
- Quant：高频、小单、全天均匀下单、撤单最积极（26%）、执行用少子订单的 POV，净库存接近 0
- Day VWAP：笔数最少（1.72 笔/月）、只在早盘下单、规模较大、几乎不撤单（0）、跨全天执行、用 VWAP 类被动算法
- Signal：下午尤其美股开盘时段活跃（最早下单 13:34）、单笔规模大、大量走暗池、期限最短
- Res：各项特征居中、最难区分，可视为前三类的混合
注意：正文文字给出的另一些数字与表 3 不一致（称 Quant 活跃 12 天、撤单率约 14%、Signal 撤单率约 5%、Signal 规模为 ADV 的 5%）——以表 3 为准。
稳定性（表 5、6）
对数加权熵 / 最大归属概率：跨 ticker 维度 0.4 / 0.8；跨时间维度 0.5 / 0.76。4 簇熵的理论上限为 1.4。
元聚类混淆矩阵（跨 ticker，25 个；括号内为跨时间，24 个月）：
| Meta Quant | Meta Day VWAP | Meta Signal | Meta Res | |
|---|---|---|---|---|
| Quant | 22 (23) | 0 (0) | 0 (0) | 3 (1) |
| Day VWAP | 0 (0) | 25 (23) | 0 (0) | 0 (1) |
| Signal | 0 (0) | 0 (0) | 24 (24) | 1 (0) |
| Res | 1 (0) | 0 (0) | 0 (0) | 24 (24) |
即 25 个 ticker 中有 3 个把 Quant 簇归到了 Meta Res。
流量份额（表 7）：订单数占比 0.69 / 0.06 / 0.06 / 0.20；成交量占比 0.41 / 0.15 / 0.11 / 0.34。Quant 与 Res 的成交量份额强负相关，两者之和变化不大。
四类流量的库存与订单流几乎不相关
库存相关系数（表 9、10、11）：Quant–Day VWAP −0.05、Quant–Signal −0.02、Quant–Res −0.04、Day VWAP–Signal 0.00、Day VWAP–Res −0.03、Signal–Res −0.09。
OFI 相关系数：−0.07、0.00、−0.11、−0.02、−0.04、−0.03。
跨全部标的回归的平均 p 值约 0.25，R^2 极低。这是本篇最反直觉的结果：四类都是真实的市场流量，但它们的库存与订单流几乎不相关——说明它们由不同策略驱动、处在不同时间尺度上。
假设性 PnL（表 12，单位 bps）
毛收益 l=0/1/10/20：Quant 0.38 / 0.72 / 3.39 / 3.76；Day VWAP −0.25 / 1.54 / −2.04 / −3.95；Signal −0.47 / −0.43 / 3.09 / 13.17；Res 0.08 / 0.37 / −1.36 / −1.51。
超额（l=1/10/20）：Quant 0.78* / 3.78 / 2.83；Day VWAP 1.42 / 0.15 / 1.44；Signal 0.32 / 2.65 / 10.63*；Res 0.52 / −2.24 / −2.19（* 为 95% 置信度下单样本 t 检验显著）。
Quant 是唯一在日内（l=0,1）能稳定获利的一类；Signal 的 20 日收益最大且显著，暗示其交易的是约一个月才兑现的均值回复类模式。所有类型的夏普比率都很接近 0——说明这些还只是"结构性差异"而非稳健 alpha。
OFI 与收益的相关性（表 13、14）
| 归一化 | Quant | Day VWAP | Signal | Res |
|---|---|---|---|---|
| OFI_C[k]（除以该簇当日总成交量）对个股 | −0.0301 | 0.1590 | −0.1506 | 0.1102 |
| OFI_C[k] 对指数 | 0.0113 | 0.0229 | 0.0499 | 0.1616 |
| OFI_ADV（除以过去 20 日日均成交量）对个股 | 0.1368 | 0.2044 | −0.0441 | 0.2189 |
| OFI_ADV 对指数 | 0.0833 | 0.1416 | −0.0794 | 0.2390 |
用 ADV 归一比用当日成交量归一更能预测当日收益。这与本 wiki 已有页面 concepts/microstructure/参与率谬误 (Participation Rate Fallacy) 的结论方向一致——用成交量归一会把成交量变化误当成交易信念变化。Cont 等用两套归一化的对比，给这条结论提供了独立证据。
建模（第 5 节，给出建模起点而非完整拟合）
- Quant：非齐次泊松过程（强度随日内 U 形）；总笔数偏斜正态、订单量拉普拉斯、买卖比 Beta；执行建议用 Almgren–Chriss 最优执行框架
- Day VWAP：假定全部母订单在开盘 t=0 提交，按当日买入总量与卖出总量聚合成两个母订单；累计买卖规模偏斜正态；按前一交易日量能曲线执行
- Signal：非齐次泊松过程；笔数几何分布、单笔数量偏斜正态；收盘时段订单被剔除
- Res：用 Dirichlet 分布把 Res 拆成 Quant / Day VWAP / Res 三者的随机混合
论文自陈的局限
- 数据只来自一家经纪商，能否推广到其他经纪商"尚不清楚"；作者认为需要跨经纪商数据，但因敏感性几乎不可能获得。
- PnL 是"假设性"的：不对应交易者真实持仓。
- 第 5 节的模型是"起点"，目标是复现各簇的主要异质性而非完整拟合。
- 撤单率等特征的簇间排名随月份波动，不稳定。
- 谱嵌入不可逆，取簇中心需回到原特征空间。
- 文中指出"委托单取消的决定因素本身是值得研究的方向"，本文未涉及。
对本 wiki 的位置
- 入口概念: concepts/microstructure/经纪商客户订单流的分群 (Broker Client Order Flow Clustering)
- 相关: concepts/microstructure/参与率谬误 (Participation Rate Fallacy) · concepts/microstructure/订单流分解 (Order Flow Decomposition) · concepts/microstructure/机构与散户的订单流差异 · concepts/microstructure/metaorder 冲击衰减
- 同批论文: Sato Kanazawa 2023 Order Splitting（交易所账户级数据的镜像解法）· Drame 2020 LOB Shape Informed Market Makers（异质参与者的理论版）
- 作者: Rama Cont · Mihai Cucuringu · Vacslav Glukhov · Felix Prenzel
关键引用
Cont, R., Cucuringu, M., Glukhov, V., & Prenzel, F. (2023). Analysis and modeling of client order flow in limit order markets. Quantitative Finance, 23(2), 187–205. DOI 10.1080/14697688.2022.2150282.