Li, Chen & Liu (2025) — 中国股指期货跨期价差的逐笔领先滞后关系
作者: Guanlin Li（信达证券）、Xiyan Chen（中科院数学与系统科学研究院）、Yingzheng Liu（Trinity University 金融与商业分析）。
发表: arXiv:2501.03171（2025 年 1 月 7 日）。PDF 31 页。
一句话总结
中金所最流动的近月合约（IF/IH/IC/IM）稳定领先其余三个月份合约一个 tick（500 毫秒）；当这个领先关系被打破时（领先-滞后价差走阔），说明 HFT 在"卖领先者、买滞后者"，从而压制领先者的动量——这个价差本身是预测领先合约收益的盈利信号。
数据
- 中金所（CFFEX）全部四个股指期货品种：IF、IH、IC、IM。
- 2022-01-01 – 2024-11-25，约 700 个交易日。
- 通过部署在中金所附近的服务器获取实时 Level-1 订单簿数据（买卖价、量、价差）。只有 Level 1，无逐笔成交/报价/撤单明细——这是市场参与者能拿到的最细粒度。
- 更新频率约 每 500 毫秒一次；每个事件包含所有月份合约的订单簿变化；若无变化则不传输。
- 同一事件内不同月份不是同时到达，而是按合约代码字母序依次到达（近月 → 次月 → 季月 → 半年月），首个合约到最后一个合约的时间差 小于 0.1 毫秒。
同步化处理：论文把同一事件内的所有合约时间戳对齐到首个到达的合约，缺失的用前值填充（因为订单簿无变化时确实不变，不需要统计假设）。论文验证了原始数据与同步化数据的领先滞后分析结果无显著差异。
一、价格发现结构：近月合约领先一个 tick
方法：Hayashi–Yoshida (HY) 交叉相关估计量——不需要预先采样，直接用全部不规则 tick 数据，能处理异步交易。用 block bootstrap 检验显著性并考察其时间波动。
结果（四个品种、约 700 天一致）：
| 发现 | 内容 |
|---|---|
| 领先合约 | 最流动的合约（通常是近月，成交量最高、价差最窄） |
| 领先幅度 | 一个 tick（= 500 毫秒） |
| 显著天数 | 5% 显著性水平下，多数交易日 LLR 与 LLT 都显示 F_1 领先一个 tick |
| 其他配对 | 其余合约之间无显著领先滞后关系 |
| 领先强度 | LLR 随流动性比上升——流动性差异越大，领先关系越强 |
这是一个星型（centered）结构：领先合约是唯一根节点，独立领先其他三个。
二、PCA：月度间存在稳健的共同成分
- PC1 解释约 50% 的总方差；PC2/PC3/PC4 各约 15%。
- 当领先合约跳动一个 tick 时，其他三个合约各自跟随约一个 tick——说明存在跨月份的水平移动（level shift）。
- PC2 及其他成分逐日形态不一致，缺乏稳健性。
三、核心交易逻辑：领先-滞后价差的负反馈
这是本文与多数领先滞后研究的关键区别——多数研究预测滞后者的收益，本文预测领先者自己的收益。
逻辑：
- 领先-滞后关系正常时，价差平稳。
- 价差走阔（领先者涨得比滞后者快）→ 说明领先-滞后关系正在弱化。
- HFT 会卖领先者、买滞后者，以套利这个价差。
- 这个行为压制了领先者的动量 → 领先者后续收益为负。
即：领先-滞后价差是一个负反馈信号，预测领先合约本身的收益。 论文称这是首次在 tick 级明确用领先-滞后价差预测领先资产收益。
四、回测结果
样本设计：前 400 个交易日为样本内，确定最大化 Sharpe 的参数；其余为样本外。
| 指标 | 结果 |
|---|---|
| 样本外 Sharpe | 4.86 – 9.68（视品种） |
| 样本外每笔盈利 | 扣除买卖价差与手续费后，仍稳定超过一个价格 tick |
| 样本内外差异 | 无显著定性差异，参数在全样本稳定 |
| 品种差异 | IC 与 IM 更好（每笔 PnL 与 Sharpe）——因其波动更高，对短期趋势与事件更敏感 |
| 盈利来源 | 跨品种负反馈，而非单品种动量；论文严格检验过 |
盈利集中在极端行情（这是统计套利的典型特征）：2024 年 PnL 曲线有两次明显跳升——1 月底至 2 月初、9 月底至 10 月初。两段都对应连续刺激政策发布后的极端市场：所有指数波动率超过 80%、主要指数日跳超过 5%。
策略行为：类似反向（contrarian）——对抗市场的过度反应。
五、一个方法论细节：交易成本的处理很保守
论文明确说，策略扣除买卖价差成本与手续费后仍盈利 > 1 tick/笔。
对 A 股实证的意义：中金所股指期货有日内 T+0、流动性高、价差窄，成本相对可预测。这是"A 股/中国市场上扣除成本后仍有高频 alpha"的少数严格证据之一。
六、一个被承认的局限
论文自己指出：一阶统计分析（领先滞后分析、最小生成树、PCA）指向的是"以领先合约为中心的简洁因果结构"，但要完整刻画合约间统计关系，需要量化额外的条件依赖（论文用偏相关的条件相关公式做了初步探讨），这部分超出本文范围。
对本 wiki 的位置
- 入口概念: concepts/microstructure/跨资产领先滞后（新建）·
注：收录前的待办清单假设已有「跨期价差与日历价差」概念页，实际不存在，本篇改由
跨资产领先滞后承载 concepts/microstructure/高频收益可预测性（更新） - 源论文: 本文
- 相关: 202211-lead-lag-network-clustering（已有的领先滞后网络聚类方法）· concepts/data-features/Geographic Lead-Lag（地理领先滞后，日频）· Cont Cucuringu Zhang 2023 Cross-Impact OFI（跨资产冲击的 OFI 版本）
Open Questions
- Level-1 500 毫秒快照 vs 逐笔数据：本文明确只有 Level 1。若有 Level 2/3（逐笔委托与成交），领先幅度与信号强度会如何变化？A 股沪市快照也是 3 秒一帧（见 concepts/data-features/Level-2 档位与委托队列 (L2 Depth and Order Queue)），若中金所的 500 毫秒 Level-1 都能出 Sharpe 9.68，A 股现货逐笔理论上应有更大的空间。
- 盈利过度集中在极端行情（80% 波动率、日跳 5%）——这意味着策略在常态市况下可能接近无效。这是"高频 alpha"的一个警示：在 A 股做类似回测时，需要检查盈利是否同样集中在少数极端时段，否则容量不可信。
- 样本内 400 日选参数、样本外 Sharpe 4.86–9.68 这个跨度本身可疑（跨品种差异近 2 倍）。不同品种的最优参数是否需要分别估计？若共用参数，样本外表现会被高估。
- IC/IM 更好是否只是因为波动率高？若是，则策略本质是"高波动时加大仓位"，可用波动率择时等价实现——这会大幅降低其独特性。
- 领先-滞后价差的负反馈与日内动量的关系——本文的价差走阔本质是"领先者短期超涨"，这与市场日内动量（Gao 等 2018）的关系值得辨析。两者可能是同一现象的不同表述。
关键引用
Li, G., Chen, X., & Liu, Y. (2025). High-frequency lead-lag relationships in the Chinese stock index futures market: tick-by-tick dynamics of calendar spreads. arXiv:2501.03171.
主要参考文献：Hayashi & Yoshida (2005) 交叉相关估计量；Biais 等 (2015)、Chaboud 等 (2014)、Budish 等 (2015) HFT 的领先滞后获利；Huth & Abergel (2014) 流动性与领先关系；Bollen 等 (2017)、Bangsgaard & Kokholm (2024) block bootstrap；Tóth & Kertész (2006) 流动性与领先；Lo & MacKinlay (1990) 跨资产溢出；Marshall 等 (2013) 统计套利特征；Hou & Li (2013, 2014) 中国股指与期权的领先关系（期货领先现货）。