二、核心指标定义:买卖价差、市场深度、订单簿不平衡、成交量、换手率、Amihud非流动性指标

好,咱们进入第二章。这一章说白了,就是给流动性「把脉」用的工具包。

我个人习惯,做任何模型之前,先把指标定义砸实。你想想看,如果连「流动性好不好」都说不清楚,后面搭建的模型就是空中楼阁。我在项目中遇到过不少团队,上来就搞深度学习,结果输入的特征自己都解释不了——嗯,那基本就是瞎忙活。

今天咱们要聊的六个指标,是我做流动性预判时最常用的。它们各有侧重,组合起来能比较全面地刻画市场状态。

2.1 买卖价差(Bid-Ask Spread)

这是最直观的流动性指标。说白了,就是你想立刻买、立刻卖,需要付出的「过路费」。

定义: 卖一价(最低卖出价)与买一价(最高买入价)之差。

公式:
绝对价差 = 卖一价 - 买一价
相对价差 = (卖一价 - 买一价) / 中间价 × 100%

我在实战中的经验:

  • 价差越小,流动性越好。比如大盘蓝筹股,价差经常只有1个tick(最小变动单位)。
  • 价差突然扩大,往往是市场恐慌或信息即将发布的信号。我曾经在财报发布前5分钟,看到某只股票的价差从0.01元瞬间扩大到0.05元——这就是典型的「流动性枯竭前兆」。
避坑指南: 我曾经只用绝对价差做判断,结果在低价股上吃了亏。一只1元的股票价差0.01元,和一只100元的股票价差0.01元,流动性含义完全不同。所以,我建议你优先使用相对价差

2.2 市场深度(Market Depth)

价差告诉你「过路费」是多少,但没告诉你「能过多少车」。市场深度就是干这个的。

定义: 在最优买卖价位上,可成交的订单数量(或金额)。

我一般会看两个维度:

  • 一档深度: 买一和卖一位置上的挂单量
  • 多档深度: 前五档或前十档的累计挂单量
举个例子:
某股票买一价10.00元,挂了1000股;卖一价10.01元,挂了800股。
那么它的市场深度就是:买方深度1000股,卖方深度800股。

为什么这个指标重要?你想想看,如果价差很小但深度极浅,大资金一进来就把单子吃光了,价格瞬间被推高——这其实是一种「虚假的流动性」。我在做高频策略回测时,就吃过这个亏,策略在模拟盘跑得飞起,一上实盘就滑点严重。

2.3 订单簿不平衡(Order Book Imbalance)

这个指标,说白了就是看「买卖双方谁更着急」。

定义: 衡量买单与卖单在订单簿上的力量对比。

常用公式:
OBI = (买单总量 - 卖单总量) / (买单总量 + 卖单总量)

OBI的取值范围在-1到1之间:

  • OBI > 0:买方力量更强,价格有上涨压力
  • OBI < 0:卖方力量更强,价格有下跌压力
  • OBI ≈ 0:买卖均衡,市场相对稳定

我个人的使用习惯: 不会只看一档的OBI,而是会看前五档甚至前十档的加权不平衡度。因为有些时候,大资金会故意在买一挂小单,却在买五挂大单——这叫「隐藏意图」。我曾经在监控一只庄股时,就发现这种模式,帮我们提前识别了拉升前的吸筹行为。

2.4 成交量(Volume)

这个指标大家最熟悉,但我想强调一点:成交量本身不是流动性,而是流动性的「结果」

定义: 在单位时间内(如1分钟、1小时、1天)成交的股票数量或金额。

我一般会看三个维度:

  • 绝对成交量: 比如今天成交了1000万股
  • 相对成交量: 与过去20天平均成交量对比,看是否异常放量或缩量
  • 成交量分布: 一天中哪些时段成交量集中(比如开盘前30分钟、收盘前30分钟)
注意: 成交量高不代表流动性好。比如某只股票因为利空消息放量暴跌,虽然成交量很大,但买卖价差可能已经扩大到离谱,深度也极浅——这种「流动性陷阱」我见过太多次了。

2.5 换手率(Turnover Rate)

换手率是成交量的「标准化版本」,用来比较不同规模股票的流动性。

定义: 一定时间内成交量与流通股本的比例。

公式:
换手率 = (成交量 / 流通股本) × 100%

我的经验阈值:

换手率范围 流动性判断 常见场景
< 1% 极低流动性 大盘蓝筹股、冷门股
1% - 3% 正常流动性 大多数股票日常状态
3% - 7% 活跃 题材股、热点股
> 7% 极度活跃(警惕过热) 新股、妖股、消息驱动

嗯,这里要注意:换手率过高不一定是好事。我曾经统计过,换手率超过15%的股票,第二天出现大幅回撤的概率超过60%。

2.6 Amihud非流动性指标

这个指标是学术界的最爱,也是我用来做「流动性风险因子」的首选。

定义: 衡量单位成交量对价格的冲击程度。说白了,就是「我买100万,能把价格推高多少」。

公式:
Amihud = (1 / N) × Σ(|Rt| / Vt)

其中:
Rt = 第t分钟的收益率
Vt = 第t分钟的成交金额(单位:百万元)
N = 总分钟数

解读:

  • Amihud值越大,说明同样的成交量造成的价格波动越大——流动性越差
  • Amihud值越小,说明市场能「吸收」大额订单而不引起价格剧烈波动——流动性越好

我在做多因子模型时,经常把Amihud指标作为「流动性因子」加入。说实话,这个指标比单纯的价差或深度更能反映「真实的交易成本」。因为价差只告诉你第一档的成本,而Amihud告诉你的是「整个交易过程的平均冲击成本」。

一个小技巧: 计算Amihud时,我建议使用分钟级数据,而不是日线数据。日线数据会平滑掉很多日内信息,导致指标失真。我曾经用日线数据跑出来的因子,IC值只有0.02,换成分钟数据后直接提升到0.08。

知识体系总览

为了让你更直观地理解这六个指标之间的关系,我画了一张图:

流动性预判核心指标体系 即时交易成本 买卖价差 过路费有多贵? 市场深度 能过多少车? 订单簿不平衡 谁更着急? 历史交易活跃度 成交量 交易热度 换手率 标准化热度 综合冲击成本:Amihud非流动性指标 五个基础指标 → 综合成一个核心指标 从不同维度刻画市场流动性状态 应用场景:高频交易策略 | 做市商风控 | 大单拆单算法 | 流动性风险因子 每个指标都有其独特价值,组合使用效果更佳

从这张图你可以看到,六个指标其实分成了三个层次:

  • 即时交易成本层: 价差、深度、订单簿不平衡——反映当前时刻的流动性状态
  • 历史活跃度层: 成交量、换手率——反映过去一段时间的流动性水平
  • 综合冲击成本层: Amihud指标——把前五个指标的信息浓缩成一个数字

我个人做模型时,一般会把这六个指标都算出来,然后根据具体场景选择使用。比如做高频策略,我更看重价差和深度;做中低频因子模型,Amihud和换手率更靠谱。

好了,这一章的核心指标就聊到这儿。下一章咱们会讲如何获取和处理这些数据——嗯,那才是真正开始「动手」的时候。


专注资料整理