✨ 市场微观结构是统计套利的“土壤”。订单簿的每一次跳动、价差的每一次收放,都隐藏着可被捕获的alpha。理解摩擦成本,才能设计出真正盈利的套利策略。
⚡ 套利视角 订单簿瞬时失衡 → 价格冲击 → 统计套利入场时机。
📊 实证 价差在公告、开盘/收盘时显著扩大。
📌 订单簿分层结构 · 价差与深度
🧮 公式 套利利润 = 价差收益 − (佣金+冲击+价差成本)
| 成本类型 | 低流动性场景 | 中等流动性 | 高流动性 |
|---|---|---|---|
| 买卖价差 (bps) | 8 ~ 15 | 3 ~ 6 | 0.5 ~ 2 |
| 市场冲击 (每百万) | 12 bps | 4 bps | 1 bps |
| 佣金+税费 | 3 bps | 1.5 bps | 0.5 bps |
| 总成本 (单边) | ~ 23 bps | ~ 8.5 bps | ~ 2 bps |
| 套利机会阈值 | 需 > 46 bps | 需 > 17 bps | 需 > 4 bps |
🔁 微观结构套利系统:从订单簿到执行的成本感知闭环
# 计算考虑交易成本后的套利利润 (bps) def arbitrage_profit(spread_bps, commission_bps, impact_bps, half_spread_bps): """ spread_bps : 观测到的价差 (bps) commission_bps : 双边佣金+税费 impact_bps : 预期市场冲击 (每百万) half_spread_bps : 买卖价差的一半 (流动性成本) """ total_cost = commission_bps + impact_bps + half_spread_bps * 2 net_profit = spread_bps - total_cost return net_profit # 示例:中流动性股票 obs_spread = 5.2 # bps commission = 1.2 impact = 2.8 half_spread = 2.6 profit = arbitrage_profit(obs_spread, commission, impact, half_spread) print(f"套利净收益: {profit:.2f} bps") # 若为负,则无套利机会