3. 市场微观结构入门
在Pre-Trade交易成本预测中，真正决定“这笔单子大概要花多少钱”的，不是日K线，也不是简单的历史波动率，而是市场微观结构。微观结构研究的是订单如何到达、如何撮合、如何成交，以及这些机制如何把交易意图转化为实际成交价格。对交易成本预测而言，微观结构是特征工程的源头，也是模型解释力的根基。
一、核心原理：订单簿是市场的“实时供需地图”
现代电子市场普遍采用限价订单簿（Limit Order Book, LOB）作为核心撮合结构。订单簿按价格档位记录买卖双方的挂单数量，买盘（Bid）从高到低排列，卖盘（Ask）从低到高排列。最优买价与最优卖价之间的差额，就是买卖价差（Spread）。
订单簿至少包含三类关键信息：
- 价格档位：每一档的限价，反映市场愿意成交的价格边界。
- 挂单数量：每一档的深度，反映在该价格上可承接的流动性。
- 订单流变化：新增、撤单、成交带来的动态更新，反映交易者意图与信息到达。
交易成本的核心来源，正是订单簿的不对称与不稳定性。当买单主动吃单时，会从最优卖价开始逐档成交；如果订单量超过第一档深度，就会“穿透”到更差的价位，形成冲击成本。因此，Pre-Trade预测必须回答两个问题：当前订单簿能承接多少量？吃单后价格会移动多少？
二、方法流程：从订单簿到成本预测特征
把微观结构转化为可建模的特征，通常遵循以下流程：
- 快照采集：按固定频率（如100ms、1s）采集订单簿前N档价格与数量。
- 价差计算：计算绝对价差、相对价差（Spread/Mid）、有效价差。
- 深度度量：统计各档累计挂单量，计算买卖深度不平衡。
- 流动性指标：计算Amihud非流动性、Roll价差、换手率等。
- 冲击建模：用历史成交数据拟合“订单量—价格冲击”曲线。
- 成本预测：将上述特征输入回归或机器学习模型，预测滑点与冲击成本。
其中，订单簿不平衡（Order Book Imbalance, OBI）是最常用的短期预测因子之一：
OBI = (BidDepth - AskDepth) / (BidDepth + AskDepth)
# 示例：前5档买卖深度
bid_depth = 400 + 600 + 900 + 1500 + 2000 # 5400
ask_depth = 300 + 500 + 800 + 1200 + 1800 # 4600
obi = (5400 - 4600) / (5400 + 4600) # 0.08
# OBI > 0 表示买盘更厚，短期价格上行压力较大
# OBI < 0 表示卖盘更厚，短期价格下行压力较大三、流动性度量与交易机制对成本的影响
流动性不是单一指标，而是“以合理价格快速成交”的综合能力。常用度量包括：
| 指标 | 含义 | 对成本预测的意义 |
|---|---|---|
| 买卖价差 | 最优买价与最优卖价之差 | 即时交易的最低成本，价差越大，成本越高 |
| 市场深度 | 各档位可成交的挂单量 | 深度越薄，大单冲击成本越大 |
| Amihud非流动性 | 单位成交量引起的价格变化 | 衡量价格冲击敏感度，适合日频预测 |
| 换手率 | 成交量与流通股本之比 | 反映交易活跃度，活跃市场成本通常更低 |
| 订单簿不平衡 | 买卖深度相对差异 | 预测短期价格方向与滑点 |
交易机制同样关键。连续竞价市场中，市价单立即成交但承担价差与冲击；限价单可能获得价差收益，但面临逆向选择风险——当价格向不利方向移动时，限价单更容易被成交。此外，集合竞价、做市商制度、最小报价单位、涨跌停限制等，都会改变成本结构。
关键结论：Pre-Trade成本预测的本质，是把“当前订单簿状态 + 订单自身特征 + 市场机制约束”映射为预期滑点。订单簿越薄、价差越大、OBI越不利，预测成本就越高。
四、案例/场景与误区复盘
场景：某量化策略计划买入某A股100万元，当前最优卖价100.02元，Ask1仅300股。若直接市价买入，前几档迅速被吃穿，成交均价可能达到100.09元，滑点约0.07%。若改用限价单在100.02元挂单，可能只成交部分，剩余仓位面临价格继续上涨的风险。Pre-Trade模型需要同时预测“立即成交成本”与“延迟成交风险”。
常见误区：
- 只用日频数据预测日内成本，忽略订单簿实时变化。
- 把买卖价差当作全部成本，忽略冲击成本与机会成本。
- 用静态深度建模，未考虑撤单与隐藏流动性。
- 忽略不同交易机制（连续竞价 vs 集合竞价）对成本的影响。
复盘建议：每笔交易后记录实际滑点，并与Pre-Trade预测值对比。若偏差持续为正，检查订单簿特征是否滞后；若偏差在特定时段集中，检查该时段流动性是否结构性下降。持续迭代特征与模型，才能让成本预测真正服务于执行决策。
掌握订单簿、价差、深度与流动性度量，是构建Pre-Trade成本预测模型的第一步。只有理解市场微观结构如何把“交易意图”转化为“实际成交价格”，才能设计出有解释力、可落地的成本预测体系。