Sato & Kanazawa (2025) — 平方根冲击律在全东交所股票上的严格普适性
作者: Yuki Sato、Kiyoshi Kanazawa（京都大学理学研究科物理学科）。
发表: arXiv:2411.13965（v3，定稿 2025 年 12 月 16 日）。PDF 34 页。数据由日本交易所集团 (JPX) 提供。
一句话总结
用东交所八年"全账户"微观数据（可逐笔追踪每一个交易账户，覆盖所有流动性股票）测量冲击指数，得到 \delta 在个股层面与单个交易者层面都等于 1/2（统计误差内），从而支持平方根律的普适性假说，并否证了两个主张"非普适"的经典模型。
争议背景：\delta 到底是不是普适指数
平方根律：I(Q) \propto Q^\delta，\delta \approx 1/2。直觉感受——买入某股票日成交量的 1%，通常让价格移动约日价格波幅的 10%。
econophysics 界长期争论 \delta 是普适指数（恒为 1/2）还是系统特定指数（随市场微观细节变化）：
| 立场 | 代表理论 |
|---|---|
| 普适 | latent order book 模型（可推导 \delta = 1/2） |
| 非普适 | GGPS 模型（Gabaix-Gopikrishnan-Plerou-Stanley, Nature 2003 / QJE 2006）；FGLW 模型（Farmer-Gerig-Lillo-Waelbroeck, Quant. Finance 2013） |
为何此前无法定论：要检验需要能追踪所有交易账户的微观数据集，且要在数百只股票上把 \delta 测到精度约 0.1。以前的数据都是对冲基金专有的，既不全面又有抽样偏误、样本量小。
数据：东交所全账户微观数据（本篇的关键优势）
- 由 JPX 集团提供，记录所有股票近八年全部订单提交的完整生命周期。
- 含虚拟服务器 ID（一个交易账户的单位）。一个交易者可能持多个虚拟服务器，论文据此定义"交易台（trading desk）"作为有效交易者 ID（后文简称 trader ID）。
- 覆盖所有流动性股票（定义：metaorder 总数超过 10^5），共 2,299 个数据点（Dataset 1 有 942 只、Dataset 2 有 1,357 只，即使代码相同也视作不同股票）。
- 注意这是公司账户级数据——JPX 与公司级市场参与者签约采集，不含背后个人交易者的个人信息。
构造：把连续同向市价单当作一个 metaorder
按文献惯例，机构投资者会把大单拆成子单。论文的判定规则：
若两个连续的市价单同号（同为买或同为卖），就假设它们是同一 metaorder 的子单。 全部子单量之和即为 metaorder 总量 Q，由此 metaorder 引起的价格变动 \Delta p 即为冲击。
这个"连续同号即同一 metaorder"的规则是全篇的基础假设——简单但有力，把逐笔成交聚合成了 metaorder 层面。
结果一：个股层面（2,299 个数据点）
按股票无量纲化 Q := Q/V_D（V_D 日成交量）、I := I/\sigma_D（\sigma_D 日波动率），用幂律拟合 I(Q) = c\,Q^{1/2}。
| 量 | 值 |
|---|---|
| 平均指数 \langle\delta\rangle（跨全部个股） | 0.489 |
| \langle\delta\rangle 的标准误 (SEM) | 0.0015 |
| 个股间标准差 \sigma_\delta | 0.071 |
| 单只股票的 \delta 误差棒 \langle\langle\sigma_\delta\rangle\rangle | 约 0.063 |
| 前置因子 \langle c \rangle（跨个股） | 0.842 |
\delta 的直方图在 0.5 附近有一个尖锐的峰。误差的判定方法：作者构造了一个"恰好满足 \delta=1/2"的统计模型（打乱 metaorder 符号但保留真实时点，冲击假设精确服从 \delta=1/2 加随机项），做 100 次蒙特卡洛，得到有限样本造成的 \delta 误差棒。实测个股间标准差（0.071）与该误差棒（0.063）同一量级，且 |\langle\delta\rangle - 1/2| = 0.011 \ll 0.063——因此认定 \delta = 1/2 在统计误差内成立。
结果二：交易者层面（1,293 名活跃交易者）
普适性是否下探到单个交易者——尽管交易者策略各异，每个人的 \delta^{(i)} 是否仍都是 1/2？
活跃交易者定义：提交 metaorder 不少于 10^4 次。全样本共 1,293 名。
- \delta^{(i)} 的直方图同样在 0.5 附近有清晰尖锐的峰（实测均值在论文图中，抽取时丢失；作者结论为"统计误差内等于 1/2"）。
- 数值模型给出的参考：\langle\langle\delta^{(i)}\rangle\rangle = 0.521 \pm 0.0048，误差棒 \langle\langle\sigma_{\delta^{(i)}}\rangle\rangle = 0.169。
- 判定：|\langle\delta^{(i)}\rangle - 0.521| \ll 0.169 且实测标准差 \approx 模型误差棒 → 交易者层面普适性同样成立。
这是本文最强的一层证据：不只跨股票普适，连单个交易者的冲击指数都是 1/2。策略差异不影响指数。
结果三：否证两个"非普适"模型
GGPS 与 FGLW 两个模型都基于订单拆分：假设 metaorder 量 Q 与子单数 L 服从幂律
P(Q) \propto Q^{-\beta-1}, \qquad P(L) \propto L^{-\alpha-1}
两个模型（含做市商库存风险 / 公平定价的最优化）预测
\delta = \beta - 1 \quad (\text{GGPS}), \qquad \delta = \alpha - 1 \quad (\text{FGLW})
\beta, \alpha 的典型值在 1.5 附近（表面上与 \delta \approx 1/2 一致），但因可随股票变化，两个模型由此推出 \delta 是非普适的。
检验方法：精确估计 \beta, \alpha, \delta，画 \beta–\delta 与 \alpha–\delta 两张散点图。
结果：完全无相关（Fig 5），两个模型都被否证。
对本 wiki 的位置
- 入口概念: concepts/microstructure/平方根冲击定律 (Square-Root Impact Law)（更新立场表）、 concepts/microstructure/metaorder 冲击衰减（更新）
- 源论文: 本文
- 作者: 京都大学物理学科（本 wiki 首次出现该机构）
- 对照: Toth et al 2011 Anomalous Price Impact（同样支持普适，但其 \delta 随 tick size 变化）· Eisler & Bouchaud 2016 Price Impact Without Order Book（无订单簿市场冲击亦普适）· Cont Kukanov Stoikov 2014 Price Impact Order Book Events（认为平方根律是统计假象）
- JFEcon/Bouchaud 学派: Bouchaud Farmer Lillo 2008 How Markets Slowly Digest Supply and Demand
与 Cont 2014 的立场对照（关键辨析）
本篇与 Cont Kukanov Stoikov 2014 Price Impact Order Book Events 在"平方根律是否真实"上立场对立，本文的定位让争议更清晰：
- Cont 2014 的否证对象是聚合数据上的 I\propto\sqrt{Q} 拟合——他指出中心极限定理的噪声项让这个拟合不稳健。
- 本篇 恰恰做了那种拟合，但用了两个 Cont 当时没有的条件：(1) 全账户数据能干净地识别 metaorder（用"连续同号"规则），消除了订单归并的歧义；(2) 大样本 + 蒙特卡洛误差棒，能把 \delta 测到 0.06 的精度。
所以两者可以同时成立：Cont 的批评针对"从嘈杂聚合数据估 \delta"这件事；本篇证明了"当 metaorder 被干净识别且精度足够时，\delta 确实是 1/2"。Cont 批评的是估计方法，不是规律本身。
关键发现对 wiki 已有内容的影响
- 本篇部分支持 tick size 影响 \delta 的说法：c（前置因子）跨股票均值 0.842、分布有宽度，但 \delta 本身高度集中在 0.5。tick size 影响的是前置因子 c，不是指数 \delta——这与 Toth et al 2011 Anomalous Price Impact 观测到的"大 tick \delta=0.6"不完全一致。可能的解释：本篇是全账户精确估计、T 序对同号聚合，测量质量远高于 Tóth 的；或两者测的 \delta 细节略不同（Tóth 按 tick 分组，本文未按 tick 分组）。这是一个需要辨析的张力。
- 交易者层面 \delta 恒为 1/2 是新维度——即使交易策略、订单规模、持仓周期都不同。这强化了"冲击律是市场结构属性、不是策略属性"的判断。
Open Questions
- c（前置因子）的截面差异 比 \delta 更值得研究。\langle c\rangle = 0.842 但分布有宽度——c 由什么决定？tick size？市值？流动性？这是把平方根律用于成本估算（而非指数拟合）时更实际的参数。
- A 股能否做同样的检验？ 本篇依赖"虚拟服务器 ID / 交易台"识别账户。A 股逐笔成交有委托号（见 concepts/data-features/逐笔成交的双向委托引用 (Bid-Offer Order Reference)），但沪市实测 14.2% 配对缺失、且无公开的席位-账户映射。没有 A 股式的全账户微观数据做这个检验。退而求其次，可以在"能干净聚合的样本"（如配对完整的股票/时段）上做弱版本，精度会低于本篇。
- 本篇与 Toth et al 2011 Anomalous Price Impact 在 tick-size → \delta 上的张力（见上）需要辨析：到底是 tick size 真的影响指数，还是大 tick 的测量精度不够导致 \delta 偏高？
- GGPS/FGLW 被否证的结论建立在 TSE 数据上。是否有理由相信它跨市场成立（这才是"普适"的完整含义）？本篇否证的是"\delta 随股票变化"（\beta、\alpha 的截面差异不传导到 \delta），但未直接跨市场。
关键引用
Sato, Y., & Kanazawa, K. (2025). Strict universality of the square-root law in price impact across stocks: a complete survey of the Tokyo stock exchange. arXiv:2411.13965 (v3, 2025-12-16). 数据由 JPX 集团提供。
主要参考文献：Gabaix, Gopikrishnan, Plerou & Stanley (Nature 2003, QJE 2006) — GGPS 模型；Farmer, Gerig, Lillo & Waelbroeck (Quant. Finance 2013) — FGLW 模型；latent order book 模型（Bouchaud 学派，\delta=1/2 的推导）。