2. 流动性度量指标解析

在分组测试中，“流动性”必须被翻译成可计算、可排序、可复现的数值，否则分组边界就无从谈起。本节围绕四类最常用的流动性度量展开：换手率、成交额、Amihud非流动性指标和买卖价差。它们看似都在描述“好不好交易”，但刻画的角度差异很大——有的衡量交易活跃度，有的衡量资金容量，有的衡量价格冲击，有的衡量即时交易成本。理解这些差异，才能在不同市场、不同股票池中选对指标，避免把“活跃”误当成“低成本”。

一、换手率：交易活跃度的相对度量

换手率衡量一定时期内成交量相对于可流通股本的比例，公式为：换手率 = 区间成交量 ÷ 区间平均流通股本 × 100%。它最大的优点是消除了股本规模差异，使大盘股与小盘股可以横向比较。例如某股票一个月成交 2.4 亿股，月内平均流通股本 8 亿股，则月换手率为 30%。在分组测试中，通常取过去 20 个交易日的日均换手率作为分组变量。

换手率适合刻画“交易热度”和“筹码交换速度”，在A股等以散户交易为主、换手率差异显著的市场中区分度较好。但它有两个陷阱：其一，高换手可能来自炒作或事件冲击，并不等于低交易成本；其二，对于自由流通股本很小的股票，换手率会被机械放大。因此换手率更适合作为初筛维度，而非唯一的流动性代理。

二、成交额：资金容量的绝对度量

成交额 = 区间成交均价 × 区间成交量，直接反映一只股票能承载多少资金。它与换手率的关键区别在于“绝对 vs 相对”：换手率回答“换手快不快”，成交额回答“能装多少钱”。对于资金规模敏感的策略（如中高频调仓、较大资金体量的组合），成交额往往比换手率更贴近真实约束——一只换手率很高但股价极低的股票，成交额可能很小，大资金进出依然困难。

实操中常取过去 20 日日均成交额（单位：万元或亿元），并配合“剔除日均成交额后 10% 分位以下股票”的规则，先排除流动性过差的样本，再做分组。需要注意成交额受价格水平影响，跨市场比较时应统一币种与时间窗口，且不宜与换手率简单相加，二者存在信息重叠。

三、Amihud非流动性指标：价格冲击的度量

Amihud 指标的核心思想是：单位成交额引起的价格波动越大，流动性越差。其日度定义为 ILLIQ = |日收益率| ÷ 日成交额，区间值取日均值（成交额通常以百万元计，便于数量级阅读）。例如某股票某日收益率绝对值为 2%，成交额为 5000 万元（即 50 百万元），则当日 ILLIQ = 0.02 ÷ 50 = 0.0004。数值越大，说明同样一笔资金推动价格变化越剧烈，流动性越差。

Amihud 指标的独特价值在于它直接对应“交易的成本后果”，特别适合衡量大额交易的价格冲击，是学术与实务中构造流动性因子的常用选择。使用时要注意：它对成交额极小、收益率异常的日子非常敏感，需先剔除停牌、涨跌停、成交额接近零的样本；同时它是有量纲的相对比值，跨股票比较时应保证收益率与成交额的口径一致（如都用不复权或都用后复权收益率）。

四、买卖价差：即时交易成本的度量

买卖价差衡量最优买价与最优卖价之间的差距，常用相对价差：价差率 = (卖一价 − 买一价) ÷ 中间价 × 100%，其中中间价 = (买一价 + 卖一价) ÷ 2。它反映的是“立刻成交”所付出的隐性成本，是高频与做市视角下最直接的流动性指标。例如买一价 9.98 元、卖一价 10.02 元，中间价 10.00 元，则价差率为 0.4%。

价差的局限在于依赖逐笔或盘口高频数据，日频策略往往只能取每日收盘或定时的快照价差，代表性有限；此外价差只反映小额即时成交成本，对大规模交易的价格冲击刻画不足。因此在日频分组测试中，价差常作为辅助验证指标，而非主分组变量。

五、指标选择与计算口径的实操要点

在分组测试中，指标选择应服务于策略的资金属性与调仓频率。若策略资金体量小、调仓频繁，换手率与价差更贴近实际约束；若资金体量大、持有周期长，成交额与 Amihud 更能反映容量与冲击成本。一个可复用的处理流程是：先统一时间窗口（如过去 20 个交易日），再统一复权口径与停牌处理规则，然后计算各指标并做横截面排序，最后按分位数分组。

计算时需特别注意三点。第一，窗口一致性：换手率、成交额、Amihud 都应使用同一区间，避免一个用 20 日、一个用 60 日导致分组信息错位。第二，异常值处理：Amihud 对极小成交额极其敏感，建议先剔除日均成交额低于阈值的样本，或对指标做 1% 与 99% 分位缩尾。第三，方向统一：换手率、成交额越大表示流动性越好，而 Amihud 与价差越大表示流动性越差，分组排序时必须统一方向，否则高低流动性组的含义会颠倒。

下面给出一个可直接参考的日频计算示例（参数为教学假设，非实测结果）：

# 假设窗口 W = 20 个交易日，成交额单位：百万元
turnover_20d = mean(volume / avg_float_shares, window=20) * 100
amount_20d   = mean(close * volume, window=20) / 1e6
amihud_20d   = mean(abs(daily_return) / (amount_daily / 1e6), window=20)
spread_20d   = mean((ask1 - bid1) / ((ask1 + bid1) / 2), window=20) * 100

# 统一方向：流动性得分越高越好
liq_score = zscore(turnover_20d) + zscore(amount_20d) \
          - zscore(amihud_20d) - zscore(spread_20d)

这段示例展示了口径统一与方向统一的具体做法：前两项正向相加，后两项取负后相加。实际使用时不必四项全用，可根据数据可得性选择两项主指标，其余作为验证。分组后还应检查各组样本数量是否均衡、指标分布是否出现断层，若某一组样本过少，说明分组阈值需要调整或指标存在极端值污染。

最后需要强调，任何单一指标都只是流动性的一个切面。换手率高不代表冲击成本低，成交额大不代表价差窄。稳健的做法是：以一个指标做主分组，用另一个指标做交叉验证，观察分组收益单调性是否在两种口径下都成立。若结论对指标选择高度敏感，说明分组结果可能并不稳健，应回到数据口径与样本处理上排查，而不是急于下结论。