3. 流动性斜率的核心度量

盘口流动性斜率，描述的是“价格每变动一个单位，盘口累计可成交挂单量变化多少”。它把盘口从一张静态的挂单快照，转化为一条可以度量、可以比较的曲线。理解斜率，本质上是在回答一个问题：当价格向上或向下推进时，市场需要付出多大的成交量代价，才能吃掉沿途的挂单。

在正式计算前，必须先固定参照系。本节统一约定：横轴为价格 P，纵轴为该价位上的挂单量 Q；对买盘而言，价格从高到低排列，越远离中间价，价格越低；对卖盘而言，价格从低到高排列，越远离中间价，价格越高。斜率定义为挂单量对价格的变化率，即 dQ/dP。斜率绝对值越大，说明单位价格区间内挂单越密集，流动性越“厚”；斜率绝对值越小，说明挂单稀疏，价格推进的冲击成本越高。

一、从离散盘口到连续曲线

真实盘口是离散的：买一、买二、买三……每个价位对应一个挂单量。要计算斜率，第一步是把离散档位整理成有序的价格—数量序列。以某只示例股票的卖盘为例（以下数据为教学假设，非实测）：

这里有一个关键选择：用单档挂单量还是累计挂单量做回归。单档量反映每个价位的局部密度，累计量反映“吃掉到某一价位为止需要多少量”的整体代价。实务中两者都会用，但含义不同，不能混用。累计量曲线通常更平滑，适合刻画整体流动性厚度；单档量曲线对局部挂单堆积更敏感，适合捕捉盘口异动。

二、线性回归法：用一条直线概括整段盘口

最基础的做法是对价格与挂单量做一元线性回归，拟合 Q = a + b·P，其中斜率 b 就是流动性斜率的线性估计。以累计挂单量为例，用上表五个点做最小二乘拟合，可得到一条近似直线。计算时先求价格均值与累计量均值，再求协方差与价格方差之比。示例数据下，价格均值约 10.04，累计量均值约 1710，斜率 b 约为每 0.01 元对应 380 手左右，即价格每上涨 1 分钱，累计可成交量增加约 380 手。

线性回归的优点是计算简单、可比性强，适合在时间序列上滚动计算，形成“斜率曲线”观察其变化。但它有两个明显局限：一是假设整段盘口线性均匀，而真实盘口常在某一档出现挂单堆积或断层；二是对异常档位敏感，一个大单会把整条直线拉偏。因此回归结果更适合做趋势性判断，而非精确刻画局部结构。

三、分位数斜率：刻画不同价格区间的局部密度

为弥补线性回归的“平均化”缺陷，分位数斜率把盘口按累计量分成若干分位，分别计算各段的斜率。常见做法是取累计量达到 25%、50%、75% 分位所对应的价格点，计算相邻分位点之间的斜率：

斜率_低段 = (Q_50 - Q_25) / (P_50 - P_25)
斜率_高段 = (Q_75 - Q_50) / (P_75 - P_50)

这样得到的是一组分段斜率，而不是一个平均值。若低段斜率明显大于高段，说明近端挂单密集、远端稀疏，价格小幅推进容易、大幅推进困难；反之则说明近端薄、远端厚，短期冲击成本高但深度较好。分位数斜率的优势在于对局部结构敏感，且不易被单一极端档位主导，适合做盘口形态的精细比较。

四、两种方法的配合使用

线性回归与分位数斜率并非替代关系，而是互补关系。回归斜率给出一个整体、平滑、可跨时点比较的标量，适合做监控指标和阈值告警；分位数斜率给出分段结构，适合判断盘口是“近厚远薄”还是“近薄远厚”。一个实用的做法是：先用回归斜率判断整体流动性是否异常，再用分位数斜率定位异常发生在哪一段价格区间。

需要特别注意的是量纲与归一化。不同股票的挂单量级差异很大，直接比较斜率没有意义。常见处理是对挂单量做标准化，例如除以该股票近 N 日平均盘口总量，或把价格变动统一换算为最小变动价位的倍数。这样得到的斜率是“每跳价格对应的标准化挂单量”，才具备横向可比性。

五、一个可复用的计算流程

1. 取同一时点的买盘或卖盘五档（或十档）价格与挂单量，按远离中间价方向排序。
2. 根据研究目的选择单档量或累计量作为纵轴变量。
3. 对价格与挂单量做一元线性回归，得到整体斜率 b。
4. 按累计量分位（如 25/50/75）切分，计算相邻分位点之间的分段斜率。
5. 对挂单量做标准化处理，输出可跨股票、跨时点比较的斜率指标。
6. 将斜率与同期价格推进幅度、成交回报率对照，验证斜率对冲击成本的解释力。