3. 流动性度量指标体系（下）：价格影响模型、流动性比率、时间维度指标与综合评分模型

各位，咱们接着聊流动性度量。上一节讲了买卖价差和深度指标，今天要啃的这几块硬骨头——价格影响模型、流动性比率、时间维度指标，还有最后的综合评分模型——才是真正决定你能不能赚钱的关键。

我个人习惯把流动性度量分成三个维度：成本维度（价差）、深度维度（订单簿）、弹性维度（价格影响与时间）。今天重点讲弹性维度，说白了就是：你砸一笔钱进去，市场会怎么反应？多久能恢复？

3.1 Amihud Illiquidity Ratio：最经典的价格影响模型

先讲Amihud非流动性比率。这个指标我用了快十年，每次做量化策略回测都绕不开它。

公式很简单：

Amihud_ILLIQ = (1/N) * Σ(|R_t| / Volume_t)

其中R_t是日收益率，Volume_t是日成交金额。这个比值衡量的是：每单位成交金额能引起多大的价格波动。

举个例子：

• 某国债日成交1亿，收益率波动0.01%，ILLIQ = 0.01% / 1亿 = 1e-12
• 某信用债日成交100万，收益率波动0.5%，ILLIQ = 0.5% / 100万 = 5e-8

你看，差了5万倍。这就是流动性差距的量化体现。

我在项目中遇到过一个问题：用日频数据算ILLIQ，对于高频交易来说太粗糙了。后来我改用5分钟K线算，效果好了很多。但要注意，频率越高，噪音越大，需要做平滑处理。

3.2 流动性比率：换个角度看问题

流动性比率（Liquidity Ratio）跟Amihud正好相反。它衡量的是：为了产生单位价格波动，需要多少成交量。

公式：

LR = Σ(Volume_t) / Σ(|R_t|)

这个指标我更喜欢用在信用债上。为什么？因为信用债的报价不连续，用Amihud算出来经常是缺失值，但流动性比率可以用周度甚至月度数据来算，数据更完整。

我记得有一次做城投债的流动性分析，用Amihud算出来一堆NaN，换成流动性比率后，数据一下子就完整了。嗯，这里要注意：流动性比率对极端值很敏感，建议做截尾处理。

指标	含义	适用场景	注意事项
Amihud ILLIQ	单位成交量的价格冲击	高频、国债	对零成交敏感
流动性比率	单位波动的成交量	低频、信用债	需截尾处理

3.3 时间维度指标：交易频率与交易间隔

时间维度指标，说白了就是看市场活跃度。我经常跟团队说：没有成交的流动性都是耍流氓。

两个核心指标：

• 交易频率：单位时间内的成交笔数。频率越高，流动性越好。
• 交易间隔：相邻两笔成交的时间差。间隔越短，流动性越好。

你想想看，一只债一天成交100笔，另一只一天成交1笔，哪个流动性好？一目了然。但问题在于：交易频率高不代表价格冲击小。我曾经见过一只高频交易的信用债，每笔成交只有几十万，大单进去照样打穿盘口。

计算交易间隔时，我建议用中位数而不是平均数。为什么？因为极端值太多。比如某只债白天成交密集，晚上一笔都没有，平均间隔会被拉得很高，但中位数能更真实反映正常交易时段的情况。

3.4 综合流动性评分模型构建

好了，前面讲了这么多指标，怎么整合成一个分数？这就是综合流动性评分模型要解决的问题。

我个人习惯用打分法，简单粗暴但有效：

1. 指标选择：选5-8个核心指标，比如买卖价差、有效价差、Amihud ILLIQ、流动性比率、交易频率、交易间隔、订单簿深度等。
2. 标准化：每个指标做百分位排名，或者Z-score标准化。我偏好百分位，因为不受极端值影响。
3. 权重分配：可以用等权重，也可以用主成分分析（PCA）确定权重。等权重适合快速原型，PCA适合正式模型。
4. 综合得分：加权求和，得分越高流动性越好。

下面是我常用的一个评分框架：

# 伪代码示例
def liquidity_score(bond_data):
    # 1. 计算各指标
    spread_score = percentile_rank(bond_data['bid_ask_spread'], reverse=True)
    amihud_score = percentile_rank(bond_data['amihud_illiq'], reverse=True)
    freq_score = percentile_rank(bond_data['trade_frequency'])
    interval_score = percentile_rank(bond_data['trade_interval'], reverse=True)
    
    # 2. 加权求和（等权重示例）
    weights = [0.25, 0.25, 0.25, 0.25]
    score = (spread_score * weights[0] + 
             amihud_score * weights[1] + 
             freq_score * weights[2] + 
             interval_score * weights[3])
    
    return score

我曾经帮一家券商做过一个综合流动性评分系统，用了7个指标，每天收盘后自动计算全市场债券的流动性得分。结果发现，得分最低的那10%债券，在压力测试中平均损失比得分最高的债券高出3倍。这就是量化流动性的价值。

最后，给大家一个建议：不要迷信任何一个单一指标。流动性是个多面体，只有综合多个维度，才能看清全貌。就像我常说的：用Amihud看价格冲击，用价差看交易成本，用交易频率看活跃度，三者结合，才能做出靠谱的交易决策。

公众号:蓝海资料掘金营，微信deep3321