2. 流动性观察的基本框架

要判断一个市场的流动性状况，第一步不是去找数据，而是先想清楚：我看到的这个数字，是流动性本身，还是流动性的影子？这个问题决定了整个观察框架的骨架。流动性在金融学上通常被拆成三个维度——紧度（交易成本有多低）、深度（在不显著推动价格的前提下能吸收多大成交量）、弹性（价格被冲击后回到原位的速度）。这三个维度中，只有紧度可以被直接测量，深度和弹性几乎都只能间接推断。因此，观察框架的第一层划分就是：直接指标与间接指标。

直接指标：买卖价差及其变体

直接指标的核心是买卖价差（bid-ask spread）。它是同一时刻最优买价与最优卖价之间的差额，是交易者为“立即成交”支付的成本，也是做市商提供即时性所收取的报酬。价差越小，紧度越高。实践中常用三种形式：绝对价差（如 0.02 元）、相对价差（价差/中间价，如 5 个基点）、有效价差（2×|成交价−中间价|/中间价，用于衡量实际成交相对中间价的偏离）。有效价差比报价价差更贴近真实成本，因为很多成交发生在价差内部或以外。

直接指标的优点是含义明确、计算简单、高频可得；缺点是它只反映最优一档的信息。一个报价价差只有 1 个基点的市场，如果最优档挂单量只有 100 股，其真实流动性可能远不如价差 3 个基点但每档挂单 10 万股的对手方。这就是为什么只看价差会系统性高估“薄而窄”的市场。

间接指标：从成交与价格反推流动性

间接指标不直接读取报价，而是从成交数据或价格序列中反推流动性状态。常见的有：Amihud 非流动性比率（日绝对收益率/日成交额，衡量单位成交额推动价格的程度）、换手率（成交量/流通量，反映交易活跃度）、Roll 价差估计（利用相邻价格变动的负自相关推断有效价差）、Kyle's lambda（价格对订单流的敏感度，即价格冲击系数）、市场冲击成本（大单成交均价相对到达时中间价的偏离）。

这些指标的共同逻辑是：流动性越差，同样大小的交易对价格的影响越大，价格序列的噪声也越强。它们能捕捉深度和弹性，但代价是依赖假设。例如 Roll 模型假设有效市场、无趋势、买卖方向随机，一旦标的存在明显动量或做市商库存管理行为，估计值就会失真；Amihud 比率对成交额的分母极其敏感，成交额骤降时指标会机械性飙升，未必代表流动性真的恶化。

订单簿与成交数据的结构性局限

订单簿是最接近“流动性全景”的数据源，但它有三个绕不开的盲区。第一，只显示意愿，不显示承诺。挂单可以在成交前任意时刻撤单，尤其在高速交易环境下，最优档的挂单可能在毫秒级内消失，订单簿快照呈现的深度是“瞬时意愿”而非“可依赖的深度”。第二，隐藏订单与冰山单不可见。大量机构使用冰山指令，只暴露很小一部分数量，订单簿上看到的 500 股背后可能是 50 万股的真实意图，这会导致深度被系统性低估。第三，快照频率决定信息损失。以 3 秒为间隔的 Level-2 快照会漏掉两次快照之间的撤单、成交与重挂，高频环境下的订单簿动态几乎无法从低频快照还原。

成交数据的问题则相反：它只记录已发生的交易，不记录未发生的交易。一笔大单因为流动性不足而没有被提交，或被打散成数百笔小单在多个场所执行，成交数据都无法体现“本可以发生却没有发生”的需求。此外，成交数据无法区分主动方与被动方（除非有方向标记），也无法反映成交瞬间的价差状态。用成交量衡量流动性，本质上是用“结果的规模”代替“承接的能力”，在平静期会高估流动性，在压力期会低估流动性——因为压力期成交量往往放大，但那是被迫交易而非流动性充裕。

常见数据源及其盲区对照

把数据源与盲区放在一起看，才能形成可操作的观察纪律。下表按“能看到什么、看不到什么、适合回答什么问题”整理常见数据源，供实际分析时选择与交叉验证。

实际观察中的组合用法

单一数据源几乎必然产生误判，实际工作中应建立“直接+间接、高频+低频、报价+成交”的交叉验证习惯。一个可操作的示例流程是：先用日频数据计算 Amihud 比率与换手率，识别流动性异常的时间窗口；再调取该窗口的 Level-2 快照，观察最优档挂单量是否同步萎缩、价差是否扩大；最后用逐笔成交计算有效价差与市场冲击成本，确认成本上升是来自报价变宽还是来自成交穿透多档。若三者同向恶化，流动性收紧的判断较为可靠；若价差扩大但成交冲击成本未升，则更可能是报价意愿下降而非真实承接能力丧失，需要警惕订单簿“虚薄”的假象。

框架的落脚点不是记住指标公式，而是形成一种观察习惯：每看到一个流动性数字，先问它属于直接还是间接、来自哪个数据源、该数据源在这一情境下最可能漏掉什么。把这三个问题固定下来，后续对隐藏流动性迹象的识别才有稳定的起点。