第3章市场冲击模型

3. 市场冲击模型：滑点的隐形推手

做配对交易的朋友，最怕什么？

不是价差不回归，而是你一进场，价差就跑了。你买，它涨；你卖，它跌。好像市场专门盯着你那点仓位似的。

其实不是市场针对你。是你的订单本身，改变了价格。这就是市场冲击。

我个人习惯把市场冲击分成两类：永久冲击和暂时冲击。永久冲击是你把价格推上去后，它回不来了；暂时冲击是流动性被吃掉后，价格会慢慢恢复。配对交易里，我们更关心暂时冲击——因为你的仓位最终要平掉，冲击成本是实打实的损耗。

Almgren-Chriss框架，说白了就是一套数学工具，帮你算清楚「我下多大的单，会付出多少冲击成本」。它假设冲击成本与交易量成正比。

公式很简单：

冲击成本 = α × 交易量 + β × 交易量^(1/2)

其中α是永久冲击系数，β是暂时冲击系数。实际项目中，这两个系数怎么定？

我建议你直接用历史订单簿数据去拟合。我在一个做市商项目里干过这事——拿过去30天的逐笔成交数据，把每笔订单的成交量与价格变化做回归。结果发现，对于流动性好的股票，α大概在0.0001左右，β在0.005左右。什么意思？你下100万的单子，冲击成本大约0.5个基点。

关键点：Almgren-Chriss模型的核心假设是市场深度是均匀的。但真实市场不是这样。所以它更适合做粗略估算，而不是精确计算。

这个模型更贴近真实市场。它认为冲击成本与交易量的平方根成正比。

冲击成本 = k × σ × (Q / V)^(1/2)

其中k是常数（通常取0.1~0.5），σ是波动率，Q是你的交易量，V是市场总成交量。

为什么是平方根？因为市场深度不是线性的。你想想看，买一档的挂单量通常只有几百手，买二档可能上千手，越往深处流动性越厚。所以你的订单越大，边际冲击成本反而递减。

我记得有一次做ETF配对，用平方根模型算出来的冲击成本，比线性模型低了30%。但实际跑下来，平方根模型更准。为什么？因为ETF的流动性集中在几个做市商手里，他们的挂单策略就是「浅层薄、深层厚」。

实战技巧：如果你做的是小市值股票配对，建议用平方根模型。大市值股票用线性模型就够了。我一般会两个都算，取保守值。

前面两个模型都是理论推导。但真实市场更复杂。比如，有些股票在开盘和收盘时冲击成本特别大，中午反而小。再比如，有些股票被程序化交易盯上了，你一挂单就被吃掉。

经验模型就是直接从订单簿数据里学。做法很简单：

我在一个高频团队里见过他们用随机森林做这个。输入特征包括：当前买卖价差、订单簿深度（前5档的总挂单量）、过去1分钟的波动率、时间戳（是否在开盘/收盘附近）。输出就是预期的价格变化。效果比线性模型好不少，但计算量也大。

注意：经验模型容易过拟合。尤其是用机器学习方法时，一定要做样本外测试。我曾经吃过这个亏——模型在训练集上R²高达0.9，一上线就崩了。后来发现是市场微观结构变了，模型没跟上。

配对交易有个天然优势：你同时做多和做空。冲击成本可以互相抵消一部分。

举个例子：你买入股票A，卖出股票B。如果A和B的流动性差不多，那么买入A的冲击成本是正的（推高价格），卖出B的冲击成本也是正的（压低价格）。但你的净头寸是市场中性，所以整体冲击成本不是简单相加。

我习惯用「净冲击」的概念：

净冲击成本 = |冲击(A) - 冲击(B)|

为什么是绝对值？因为如果A和B的冲击方向相反，它们会互相抵消。比如你买A时价格涨了0.1%，卖B时价格跌了0.1%，那你的实际入场价差其实没变。净冲击成本就是0。

但现实中很少这么完美。我建议你按以下步骤分摊：

核心思想：配对交易的冲击成本不是两腿独立计算的。你要看的是「净冲击」。如果两腿流动性都很差，那配对交易的优势就没了——还不如单腿做方向性交易。

嗯，这里要注意一点：冲击成本分摊不是静态的。市场深度在变，波动率在变，你的订单执行速度也在变。我一般会在交易前做一次模拟，用蒙特卡洛方法跑1000次，看看冲击成本的分布。如果90%分位数超过预期收益的20%，那这笔交易我就不做了。

说白了，冲击成本是配对交易的隐形杀手。你策略再牛，回测再漂亮，只要没算冲击成本，实盘大概率亏钱。我见过太多人栽在这上面了。

最后说一句：冲击模型不是越复杂越好。我见过有人用深度学习预测冲击成本，结果还不如简单的平方根模型。为什么？因为冲击成本本身有随机性，你不可能精确预测。关键是找到一个「够用」的模型，然后做好风险控制。

我的建议：刚开始做配对交易，先用线性模型。跑一段时间后，对比实际成交价和理论价，再决定要不要升级到平方根或经验模型。别一上来就搞复杂的，容易迷失。

好了，冲击模型就聊到这。记住一句话：冲击成本是滑点的隐形推手，算不清楚它，你的策略就是纸上谈兵。