4. 价格变化检验的统计框架
逐笔成交数据的信息含量检验，最终要落到“价格是否对成交信息作出可识别的反应”这一问题上。而价格反应本身是一个时间序列对象，不能直接拿原始成交价做回归或检验。本节要建立的，是一套从逐笔成交到可检验价格变化序列的统计框架：先把非等间隔、含噪声的成交价格整理成规范的价格变化序列，再依次检查平稳性、自相关结构与分布特征，为后续的信息含量度量（如价格冲击、方差比、回归系数）提供合法输入。
一、价格变化序列的构造
逐笔数据中的价格有三个特点：成交时点不等间隔、同一时点可能有多笔成交、价格存在最小变动价位导致的离散性。因此构造序列的第一步是确定“价格观测口径”。常用口径有三类：其一，逐笔中间价 mid_t = (bid_t + ask_t)/2，用成交时刻的最优买卖报价构造，能减少买卖价差跳动带来的噪声；其二，逐笔成交价 p_t，直接反映成交，但受买卖方向交替影响，价格会在买价与卖价之间来回跳动；其三，等间隔采样价（如每 5 秒、每 1 分钟取最后一个成交价或中间价），便于与低频数据对齐，但会丢失事件时间结构。
第二步是定义价格变化。最常用的是对数收益率：
r_t = ln(p_t) - ln(p_{t-1}) = ln(p_t / p_{t-1})对数收益率具有可加性，且对价格水平不敏感，适合跨股票、跨时段比较。若关注绝对价格变动，也可用一阶差分 Δp_t = p_t - p_{t-1}，但其量纲受价格水平影响，做横截面比较时需标准化。第三步是处理异常值：逐笔数据中常见的“价格跳变”可能来自错单、撤单后重报、集合竞价切换或数据源错误，需设定规则（如单笔变动超过前 N 笔波动标准差的若干倍）标记并核查，而不是直接删除。
一个可操作的构造流程是：按时间戳排序 → 同一时间戳取最后一笔（或按成交量加权）→ 剔除涨跌停封板期间的无效报价 → 计算对数收益率 → 标记异常值并记录处理方式。这个流程的每一步都会影响后续检验结论，必须在文档中固定下来。
二、平稳性：先确认“能不能用”
平稳性是时间序列建模的前提。若价格变化序列存在单位根，均值与方差不稳定，回归会出现伪回归，t 统计量失效。实践中应同时使用 ADF 与 KPSS 两类检验：ADF 的原假设是“存在单位根”，KPSS 的原假设是“序列平稳”。两者结论一致时判断较可靠；若 ADF 不拒绝而 KPSS 拒绝，说明序列可能非平稳；若 ADF 拒绝而 KPSS 不拒绝，则支持平稳。仅做 ADF 是不够的，因为 ADF 检验力在近单位根情形下偏低。
对价格水平 ln(p_t) 做检验，通常得到非平稳结论，这符合金融价格随机游走的经验事实；对收益率 r_t 做检验，通常得到平稳结论。因此后续信息含量检验一般以收益率为对象。若研究问题需要保留价格水平（如协整、价差），则应在模型中显式处理非平稳性，而不是强行差分。检验时还需注意滞后阶数选择（AIC/BIC 或 Newey-West 滞后），以及是否含常数项与趋势项——逐笔收益率一般不含趋势项，含常数项即可。
三、自相关：识别微观结构噪声
逐笔收益率的自相关结构携带重要信息。若一阶自相关显著为负，往往来自买卖价差跳动：成交在买价与卖价之间交替，导致收益率正负交替。这种负自相关是“噪声”而非“信息”，会低估真实价格冲击，需要在度量中校正（如用中间价、或对收益率做 MA(1) 调整）。若自相关显著为正且衰减缓慢，则可能反映价格发现的持续性，即成交信息被逐步吸收，这正是信息含量检验关注的对象。
操作上，先画 ACF/PACF 图观察衰减形态，再用 Ljung-Box 统计量做多阶联合检验。Ljung-Box 的 Q 统计量在给定阶数 m 下检验“前 m 阶自相关全为零”，若 p 值很小则拒绝。需要注意，逐笔数据的高频特性会使高阶自相关也显著，因此阶数选择应结合采样频率与研究目的，而不是机械取固定值。对显著自相关的序列，后续回归应使用 Newey-West 稳健标准误，或先拟合 ARMA 结构再检验残差。
四、分布特征：为推断选对工具
逐笔收益率的分布通常偏离正态：尖峰厚尾、偏度不为零、零收益占比高（因最小变动价位导致价格不变）。这些特征直接影响检验统计量的可靠性。应计算均值、方差、偏度、峰度，做 Jarque-Bera 正态性检验，并配合直方图与 QQ 图观察尾部形态。若厚尾明显，基于正态假设的 t 检验会高估显著性，应改用稳健标准误、bootstrap 或 t 分布近似。
零收益占比高还会导致方差估计偏低、自相关估计有偏。处理方式包括：在构造序列时剔除无成交区间、或改用事件时间（每 N 笔成交）而非日历时间采样。无论采用哪种处理，都应在结果中报告零收益比例，作为数据质量与结论稳健性的参考。
把上述三步串起来，价格变化检验的统计框架就完整了：构造口径决定序列含义，平稳性决定能否直接建模，自相关与分布特征决定标准误与检验方法的选择。只有这三步都通过或得到妥善处理，后续的价格冲击、方差比、信息含量回归才有可信的统计基础。