1. 流动性因子概述：到底什么是流动性？
各位同学好，我是这门课的主讲人。咱们今天开始聊一个在资产定价里特别关键、但又经常被忽视的话题——流动性因子。
说实话，我刚开始做量化研究那会儿，对流动性的理解特别肤浅。就觉得“流动性嘛，就是能不能快速买卖呗”。后来在实盘里吃了亏，才明白这东西远没那么简单。嗯，咱们今天就把这个事儿彻底讲清楚。
1.1 什么是流动性？一个接地气的定义
流动性，说白了就是“你把手里的资产换成现金，到底有多容易”。
你想想看，如果你持有一支股票，想卖出去。结果挂单半天没人接，或者一卖价格就暴跌，那这支股票的流动性就很差。反过来，像茅台、腾讯这种每天成交几十亿的票，你几百万砸进去，价格几乎纹丝不动——这就是流动性好。
我个人习惯把流动性拆成三个维度来看：
- 宽度（Width）：买卖价差有多大。价差越小，流动性越好。
- 深度（Depth）：在某个价格水平上，能成交多少量。深度越厚，越不容易被砸盘。
- 弹性（Resiliency）：价格被冲击后，多久能恢复。恢复越快，流动性越好。
我在项目中遇到过一只小盘股，平时每天成交也就几百万。有一天我试着用算法交易拆单卖出，结果刚卖了200万，价格直接掉了3%。这就是典型的“宽度窄、深度浅、弹性差”——三样全占。
1.2 流动性因子的定义与内涵
好，那什么是流动性因子？
流动性因子，就是把“流动性”这个抽象概念，变成一个可以量化、可以回测、可以放进定价模型里的数值指标。它本质上是一个风险因子——你承担了流动性差的风险，就应该获得相应的超额收益。
常见的流动性因子包括：
| 因子名称 | 计算方式 | 核心逻辑 |
|---|---|---|
| Amihud 非流动性指标 | 日收益率绝对值 / 日成交额 | 每单位成交额对价格的冲击程度 |
| 换手率 | 日成交量 / 流通股本 | 交易活跃度越高，流动性越好 |
| 买卖价差 | 卖一价 - 买一价 | 交易成本越高，流动性越差 |
| Pastor-Stambaugh 流动性因子 | 基于日收益率与成交量的回归残差 | 捕捉流动性冲击的持续性 |
这里我要特别提一下 Amihud 指标。这是我个人最常用的一个流动性代理变量，原因很简单——它只需要日度数据就能算，对数据要求低，而且实证效果相当不错。我曾经用 A 股数据做过测试，Amihud 指标在横截面上对预期收益率的解释力非常显著。
核心结论：流动性差的资产，长期来看会提供更高的预期收益。这不是偶然，而是对投资者承担流动性风险的补偿。
1.3 流动性风险与资产定价的关系
为什么流动性会影响资产价格？这里有个很关键的逻辑链条。
你想想看，如果市场突然暴跌，所有资产都在跌，但流动性差的资产跌得更狠——因为没人接盘，你想跑都跑不掉。这就是流动性风险的系统性特征。
经典的 CAPM 模型假设市场是完美的、无摩擦的。但现实世界不是这样。交易有成本，买卖有冲击，极端行情下甚至可能完全无法交易。所以，流动性风险必须被定价。
我记得有一次做多因子归因分析，发现一个很有意思的现象：在 2015 年 A 股股灾期间，流动性因子的暴露度几乎翻了一倍。那些平时流动性差的股票，在危机中跌幅是中大盘股的 2-3 倍。这就是流动性风险的“尾部效应”——平时不显山露水，关键时刻要你命。
从学术角度看，流动性风险主要通过两个渠道影响资产定价：
- 水平效应：流动性水平本身影响资产价格。流动性越差，折价越大。
- 风险效应：流动性的波动（即流动性风险）影响资产价格。流动性越不稳定，风险溢价越高。
避坑指南：我曾经犯过一个错误——只关注流动性水平，忽略了流动性风险。结果在构建投资组合时，虽然选的都是“看起来流动性不错”的股票，但它们的流动性波动极大，一遇到市场波动就集体崩盘。后来我学乖了，必须把流动性风险的时序特征也纳入模型。
1.4 课程整体框架
好，咱们这门课到底要讲什么？我画了一张图，帮你快速建立全局观。
整个课程分成五个模块，层层递进：
- 第一模块：先把流动性的概念、度量方法、数据来源讲清楚。这是地基。
- 第二模块：手把手教你构建流动性因子，包括 Amihud、换手率、Pastor-Stambaugh 等主流指标，以及如何做因子检验。
- 第三模块：进入核心——流动性因子怎么放进定价模型里。从 LCAPM 到 Fama-French 五因子，再到自定义多因子模型。
- 第四模块：实战环节。用流动性因子构建投资组合、做对冲策略、做风险归因。
- 第五模块：聊聊前沿方向，比如机器学习在流动性因子挖掘中的应用、高频流动性、以及一些还没解决的开放问题。
注意：这门课不是纯理论课。每一章我都会给出可复现的 Python 代码和回测结果。你最好跟着敲一遍代码，光看是学不会的。
好，第一章就到这里。咱们下一章开始动手——先聊聊怎么用 Python 获取流动性数据，以及那些坑我已经替你踩过了。