1. 噪声的起源：从微观结构理论看市场噪声的诞生

做量化这些年，我越来越觉得一个道理很朴素——市场噪声不是天生的，而是人造的。你想想看，如果所有交易者都全知全能，价格永远等于价值，那哪来的噪声？可惜现实不是这样。

噪声的根源，说白了就是信息不对称。有人知道得多，有人知道得少。知道得多的人想赚钱，知道得少的人怕吃亏。一来二去，价格就乱了。

这一章，我们就从三个经典模型入手，看看噪声到底是怎么诞生的。

1.1 Bagehot模型：做市商的两难困境

1971年，Walter Bagehot（其实是笔名，真名是Jack Treynor）发表了一篇论文，叫《The Only Game in Town》。这篇文章奠定了市场微观结构的基础。

Bagehot的核心思想很简单：做市商面对两类交易者——知情交易者和不知情交易者。

• 知情交易者：手里有内幕消息，知道股票的真实价值。他们只在价格有利时交易。
• 不知情交易者：没有内幕消息，交易纯粹是因为流动性需求（比如急着用钱、资产配置等）。

做市商呢？他报出买卖价差，希望从中赚点差价。但问题来了——

如果做市商把价差设得太小，知情交易者会疯狂套利，做市商亏得底裤都不剩。
如果设得太大，不知情交易者就不愿意交易了，市场流动性枯竭。

所以做市商必须找到一个平衡点。这个平衡点，就是买卖价差。价差本质上是对信息不对称的补偿。

Bagehot模型的数学表达很简单：

# 做市商的最优价差设定（简化版）
spread = lambda sigma, alpha: 2 * sigma * alpha

# sigma: 资产真实价值的波动率
# alpha: 知情交易者的比例

你看，价差和知情交易者比例成正比。知情交易者越多，价差越大，噪声越严重。

1.2 Kyle模型：信息如何一步步变成噪声

1985年，Albert Kyle在《Econometrica》上发表了一篇神作。这篇论文我读了三遍才完全吃透，但核心思想其实就一句话：知情交易者会策略性地隐藏自己的交易意图。

Kyle模型里有个关键概念——市场深度（market depth）。它衡量的是：你下一笔大单，价格会滑多少点。

模型假设市场上有三类角色：

1. 知情交易者：知道资产真实价值v，但不知道噪声交易者的订单流。
2. 噪声交易者：随机下单，纯粹为了流动性。
3. 做市商：只能看到总订单流，看不到谁在交易。

Kyle证明了：知情交易者不会一次性把信息全部用完。他会分批下单，慢慢把信息注入价格。这个过程，就是信息逐步变成噪声的过程。

我举个例子你就明白了。假设你知道某只股票真实价值是100元，现在市场价是90元。你不会一口气买10万股，因为那样价格会瞬间涨到100元，你赚不到钱。你会每天买一点，让价格慢慢回归。

在这个过程中，价格波动就产生了。这些波动，对于不知情交易者来说，就是噪声。

# Kyle模型的核心逻辑（Python伪代码）
class KyleModel:
    def __init__(self, sigma_v, sigma_u):
        self.sigma_v = sigma_v  # 信息波动率
        self.sigma_u = sigma_u  # 噪声波动率
        self.lambda_ = sigma_v / (2 * sigma_u)  # Kyle's lambda
        
    def price_impact(self, order_flow):
        return self.lambda_ * order_flow

1.3 Glosten-Milgrom模型：逆向选择与价差分解

1985年同一年，Glosten和Milgrom发表了另一篇经典。他们的模型更贴近现实——做市商是贝叶斯学习机器。

什么意思呢？做市商会根据每一笔交易来更新自己对资产真实价值的判断。如果连续有人买入，他就觉得价格可能低了，于是上调报价。反之亦然。

这个模型把买卖价差分解成了两部分：

价差成分	含义	与噪声的关系
逆向选择成本	做市商与知情交易者交易时的预期损失	信息不对称越强，这部分越大
订单处理成本	做市商运营成本（系统、人力等）	相对固定，与噪声关系不大
存货持有成本	做市商持有库存的风险补偿	波动率越高，这部分越大

你看，价差里最大头的就是逆向选择成本。说白了，就是做市商怕被聪明钱割韭菜，所以提前把损失算进价差里。

这个模型告诉我们一个残酷的事实：噪声交易者其实是在补贴知情交易者。你每交易一次，都在为信息不对称买单。

1.4 三个模型的对比与总结

这三个模型，虽然角度不同，但都指向同一个结论：噪声是信息不对称的副产品。

我整理了一张对比表，方便你理解：

模型	核心贡献	噪声来源	对量化的启示
Bagehot (1971)	首次提出知情/不知情交易者分类	做市商为防范知情交易而设的价差	价差是噪声的量化指标
Kyle (1985)	信息策略性释放与价格冲击	知情交易者分批下单造成的波动	订单流不平衡是噪声的载体
Glosten-Milgrom (1985)	贝叶斯学习与价差分解	逆向选择成本	价差分解可识别噪声成分

这三个模型，就像三把手术刀，帮我们解剖了市场噪声的诞生过程。我个人觉得，理解这些模型比背一堆技术指标有用得多。因为技术指标会变，但市场微观结构的底层逻辑不会变。

嗯，这一章的内容就到这里。记住这三个模型的名字，它们会贯穿我们整个课程。下次你看到市场波动时，不妨想想——这波动的背后，是哪个模型在起作用？