量化交易中文教材

第 21a 章 交易成本度量（上）：价格基准法

对应 Harris《Trading and Exchanges》Part VI 导言与第 21 章 “Liquidity and Transaction Cost Measurement” 的前半部分（21.1–21.4）。第 21 章是全书与量化落地联系最紧的一章，几乎就是今天交易成本分析（transaction cost analysis, TCA）的完整框架。本书把它拆成两章：本章讲指定价格基准法——有效价差、已实现价差、执行差额（implementation shortfall）、VWAP，以及交易方向识别的 Lee–Ready 规则和各估计量的偏差与可博弈性；第 21b 章讲计量估计法、错失机会成本和成本预测。

学习目标

读完本章，你应当能够：

  1. 把交易成本分成显性成本、隐性成本、错失交易机会成本三类，并说明为什么后两类需要“基准价”。
  2. 写出带符号的基准法成本公式，理解它的零和性质。
  3. 正确表述并实现 Lee–Ready 交易方向识别规则，知道它的两个缺陷。
  4. 写出有效价差、已实现价差、执行差额的定义，并用“报价价差 − 有效价差 = 价格改善”“有效价差 − 已实现价差 = 价格冲击”两条恒等式解读结果。
  5. 用原书的拆单例子，算出同一笔交易在流动性溢价、VWAP、执行差额、收盘价四种基准下的成本（200、0、400、−200 美元），并解释差异。
  6. 说出各基准在噪声、择时识别、偏差（拆单、动量/逆向、知情交易）和可博弈性上的优劣，知道为什么数据允许时执行差额是最佳估计量。

读前导读

这一章在解决什么问题。 CFA 三级组合执行部分讲过执行差额（implementation shortfall）、VWAP、到达价这些名词，也讲过"显性成本 + 隐性成本 + 机会成本"。这一章回答的是更实际的问题：同一笔交易，换一个基准价，成本可以从 +400 美元变成 −200 美元，到底该信哪个？Harris 的回答是：成本 = 成交价减基准价，所以"选哪个基准"决定了"你在度量什么"。基准离成交越近，噪声越小，但看不出拆单的累积冲击和择时好坏；基准越早，越能抓住全部成本，但会混进与执行无关的价格变化。各种基准还会被经纪商"刷分"（博弈），只有在下单之前就确定的基准（执行差额）刷不动。

如果你做过 GIPS 合规或业绩归因，可以把本章看成"交易层面的归因"：有效价差、已实现价差、价格冲击三者之间的恒等式，和 Brinson 归因里"配置效应 + 选择效应 + 交互效应 = 超额收益"一样，是把一个总数拆成几个有经济含义的部分。

需要先想起来的数学。

  • 带符号的求和。 用 \(Q=+1\)（买）、\(Q=-1\)（卖）把买卖两种情形合成一个公式：\(Q(P-B)\) 买入时是"付多了多少"，卖出时是"收少了多少"。对一组交易求和 \(\sum_iQ_iX_i(P_i-B)\)，就是带方向的总成本。见 第 00 册第 07 章 概率中的分析工具 的求和记号部分。
  • 加权平均。 VWAP \(=\sum_tw_tP_t\)，权重 \(w_t\) 非负且和为 1。你的平均成交价也是一个加权平均。两个加权平均相等的充分条件是权重相同，这就是"跟着成交量交易就能让 VWAP 成本为零"的数学原因。
  • 条件期望与偏差。 "知情者测得的已实现价差偏低"的意思是 \(E[\text{度量值}\mid\text{知情}]<E[\text{真实执行成本}\mid\text{知情}]\)。偏差（bias）指估计量的期望与真值之差，与 CFA 统计里讲的无偏估计同义。
  • 测量误差导致的衰减。 把一部分交易方向分错，等于给 \(Q\) 加了噪声，用它算出的冲击会被"拉向零"。这与回归中解释变量有测量误差时系数被低估（衰减偏差）是同一机制。

怎么读这一章。 21.2.1 基本公式、21.3（四种基准的定义）和 21.4.4 的拆单例是核心，必读；拆单例的四个数字建议自己算一遍。21.2.2 Lee–Ready 规则如果你不处理逐笔数据，可以只记结论（高于中点判买、低于中点判卖）。21.4.2、21.4.3 噪声与择时的讨论可以快读，抓住"准确需要近基准、识别择时需要远基准"这个两难。21.4.5 的汇总表适合作为日后的查阅卡片。量化实战二对做市和执行研究者有用，其他读者可以只看"怎么读"的四点。

21.0 为什么要度量交易成本

Part VI 的导言先讲清了大局：组合绩效取决于两件事——选什么（组合选择/构成问题，portfolio selection/composition problem）和怎么建（组合实施问题，portfolio implementation problem）。很少有逐利交易者能持续跑赢市场；多数主动交易者亏损，是因为交易太多、交易付费太多，交易成本最终会压倒任何信息优势。对多数交易者而言，实施问题比选择问题更容易解决，所以更重要——“无法度量就无法管理”。第 22a、22b 章会讲为什么好的选股绩效难以取得、更难以预测。

第 21 章开篇的判断是：对多数主动交易者，交易成本是总收益最重要的决定因素；表现差的投机者，通常是因为交易成本超过了策略的价值。交易者度量成本，是为了评估自己和经纪商的实施质量——是不是交易得过于激进或不够激进、哪家经纪商该拿到以后的订单；交易者预测成本，是为了估计策略的实施代价——小规模赚钱的策略放大后可能因冲击而净亏。

其他关心交易成本的人：

  • 交易所：记录市场质量，用于营销和考核其经纪商、交易商、专家。
  • 经纪商：证明自己为客户取得了最佳执行（best execution）。交易商付钱买经纪商的订单（订单流付费，payment for order flow）时尤其重要，法规要求经纪商定期严格检查执行质量。
  • 投资委托人（investment sponsors）：确保经理花的佣金物有所值。美国劳工部要求受 ERISA 覆盖的养老基金把佣金当作须节约的基金资产。
  • 监管者：比较不同市场结构。原书写作时，SEC 要求所有市场中心公布细分的执行质量统计（Rule 11Ac1-5）。

现状补充：Rule 11Ac1-5 在 2005 年并入 Reg NMS，成为今天常说的 Rule 605（市场中心执行质量报告）；与之配套的 Rule 606 要求经纪商披露订单路由情况。SEC 在 2024 年通过了对 Rule 605 的修订，扩大了报告主体范围并更新了统计口径。欧盟在 MiFID II 下也有最佳执行义务。

原书专栏“硬币的另一面”提醒了一个容易忽视的事实：买方的交易成本就是卖方的收入。卖方推销低成本服务只是因为相互竞争。不过长期看，交易成本下降使买方大幅增加交易量，加上提供服务的成本也大幅下降，卖方利润反而在增加。

21.1 交易成本的构成

交易成本包括与交易相关的一切成本，分三类：

  • 显性成本（explicit costs）：成本会计容易识别的——佣金、交易所费用、税；也包括交易台的建设、人员、运营开支。
  • 隐性成本（implicit costs）：因为交易者影响了价格而产生的成本。在卖价买、在买价卖就付了价差；大买家推高价格、大卖家压低价格的价格冲击也是成本。
  • 错失交易机会成本（missed trade opportunity costs）：没成交或没及时成交的成本。

例（棉花期货）。 一位投机者想在棉花期货价格 65 美分/磅时买 100 张合约。为求好价，他挂了 64.95 美分的限价买单。随后价格涨到 68 美分，订单没成交。如果他更激进一点、以平均 65.25 美分成交，每磅可赚 \(68-65.25=2.75\) 美分，每张合约 5 万磅即 1,375 美元，100 张共 137,500 美元——这就是他因不够激进而错失的机会。

显性成本最容易度量，做成本会计加总即可。隐性成本与机会成本难得多，都需要一个“没有这笔交易时价格会是多少”的基准（benchmark）：度量已完成交易的冲击，要估计没有这笔交易时的价格；度量未完成交易的机会成本，要估计若完成会以什么平均价成交。这使交易成本度量成为一门困难且不精确的科学。

21.2 隐性成本的两类估计方法

两类方法：指定价格基准法（specified price benchmark methods）和计量估计法（econometric methods）。基准法最常用——容易实施，评估具体交易时有用；计量法最适合估计整个市场的平均成本（第 21b 章）。计量法其实也可以理解为“估计出基准而不是指定基准”的基准法。

21.2.1 基准法的基本公式

单位成本是成交价与基准价之差：买入时为成交价高出基准的部分，卖出时相反。写成带符号的形式：

\[ \text{Estimated Cost}=\text{Trade Size}\times\text{Trade Sign}\times(\text{Trade Price}-\text{Benchmark Price}),\qquad \text{Trade Sign}=\begin{cases}+1 & \text{买入}\\-1 & \text{卖出}\end{cases} \]

买方付高价、卖方收低价时，估计成本高。

零和性质：同一笔交易的买方与卖方用同一基准，估计成本之和恰为零——一方的交易成本就是另一方的交易利润。需求流动性的一方通常付成本，提供流动性的一方成本为负。

推导拆解：零和性质一行就能证明。同一笔成交，规模 \(X\)、价格 \(P\)、基准 \(B\) 相同，买方 \(Q=+1\)，卖方 \(Q=-1\)。买方成本 \(X(P-B)\)，卖方成本 \(-X(P-B)\)，相加为零。例如基准 10.00、成交 10.05、1,000 股：买方成本 +50 美元，卖方成本 −50 美元（即赚 50）。这说明"市场整体的平均交易成本"只有在挑定一方（通常是主动方）时才有意义，这就是下一节要识别主动方向的原因。

理想基准是“如果交易者没有尝试交易，本应出现的价格”，它与成交价之差完全由交易引起。但没人能确定这个价格，实务中常用：成交量加权平均价（VWAP）、开盘价、收盘价、开高低收均价（OHLC 平均）、交易时点附近的买卖中间价。

21.2.2 交易方向识别：Lee–Ready 规则

研究自己的交易时，你知道自己是买方还是卖方。研究别人的交易（例如用公开逐笔数据估计市场的平均成本）时，每笔成交都有一买一卖，两方成本之和为零，所以必须决定看哪一方——通常看看起来在取用流动性的一方，即主动方。这就需要从成交价和报价推断主动方向。

Lee–Ready 算法（Lee and Ready, 1991）是最常用的方法，正确表述如下：

  1. 报价规则（quote rule）：把成交价与当时的报价中点比较。成交价高于中点（更接近卖价 ask），判为买方发起（激进买方取用了卖方的报价）；成交价低于中点（更接近买价 bid），判为卖方发起。
  2. 点检验（tick test）：成交价恰好等于中点时，看上一次价格变化：若为上升（uptick）或零上升（zero uptick，价格不变但上一次非零变化是上升），判为买方发起；否则（下降或零下降）判为卖方发起。

关于原书表述的更正：精读笔记指出，原书此处正文写成“成交价更接近买价（bid）则假定买方是激进方，更接近卖价则卖方激进”，这与 Lee–Ready 算法本身和上下文的逻辑正好相反，是笔误。道理很简单：激进买方用市价单买入，吃掉的是卖方的报价，成交价在卖价或接近卖价。本书按上面的正确规则表述。

实现细节：Lee 和 Ready 原论文建议把成交与“成交前约 5 秒”的报价比较，以修正当时数据中报价与成交记录的时间错位。如今时间戳精度高得多，一般直接用成交时刻之前的最新有效报价。此外还有一些改进算法，如 Ellis–Michaely–O'Hara（2000）的规则，以及不需要逐笔方向、按成交量与价格变化概率分配的“批量成交量分类”（bulk volume classification）。

Lee–Ready 规则有两个缺陷：

  1. 使估计成本高于多数交易者实际承担的成本：它只看主动方，而多数交易者并非总在需求流动性。
  2. 无法识别一个订单被多笔成交填满的情况：若订单有冲击，各笔价格不同，逐笔看会低估填满整张订单的成本（下面的拆单例子会看到）。

还要注意它对“激进的被动者”无能为力。原书专栏“市场中的被动-激进行为”：一个买方只要买得起，就可以把买价“钉”在市场上（peg the market at his bid），持续用限价单大量吸筹，但 Lee–Ready 会把他归为被动方。另一个专栏“资金流”（money flow）指出，技术分析中的资金流指标（上升价位成交量 − 下降价位成交量）就是点检验的变体。

21.3 指定价格基准：有效价差、已实现价差、执行差额、VWAP

21.3.1 用报价中点做基准

很多人用成交价与报价中点（quotation midpoint）的带符号差估计成本，结果取决于取哪个时点的中点：

中点的时点 得到的度量
交易时点 \(t\) 有效价差（effective spread），其一半称流动性溢价（liquidity premium）
交易后 \(t+\Delta\)（常用 5、10、15、60 分钟） 已实现价差（realized spread）
交易前：组合经理决定交易时 执行差额（implementation shortfall），Perold（1988）推广；Treynor 早七年称之为“纸面组合法”（method of paper portfolios）

记 \(P_t\) 为成交价，\(M_t\) 为时点 \(t\) 的中点，\(Q_t\) 为方向（买 \(+1\)、卖 \(-1\)）。

21.3.2 有效价差

\[ \text{Effective Spread}_t=2\,Q_t\,(P_t-M_t). \]

直觉：当中点不变时，它精确衡量往返交易的隐性成本。 在卖价买入、再在买价卖出同样数量，除了交易什么也没做，每单位往返损失一个价差，每笔成本是半个价差。以中点为基准正好给出：买入成本 \(=\text{ask}-M=S/2\)，卖出成本 \(=M-\text{bid}=S/2\)。乘以 2 是为了与报价价差同口径比较。

与报价价差（quoted spread）的关系：

  • 所有买入都在卖价、卖出都在买价成交时，有效价差等于报价价差（精读笔记指出原书此处写反为“买入在 bid、卖出在 offer”，应为笔误）；
  • 经纪商或交易商提供价格改善（price improvement）、成交在价差之内时，有效价差小于报价价差；
  • 大单穿透最优报价、在价差之外成交时，有效价差大于报价价差。

零售市价单交易者最常用这个度量：他们拿成交价与下单时的买卖价比，多数人并不知道自己在做成本分析，只是想检查价格是否公道。

21.3.3 已实现价差

\[ \text{Realized Spread}_t=2\,Q_t\,(P_t-M_{t+\Delta}). \]

中点在度量区间内不变时，已实现价差等于有效价差。但价格常常变化——激进买方之后价格上升，激进卖方之后价格下降——所以已实现价差往往小于有效价差。

交易商关心已实现价差，因为他的利润取决于建仓价与随后的平仓价。把三种价差放在一起，得到两条非常有用的恒等式：

\[ \underbrace{\text{报价价差}-\text{有效价差}}_{\text{交易商给的价格改善}},\qquad \underbrace{\text{有效价差}-\text{已实现价差}}_{=\,2Q_t(M_{t+\Delta}-M_t)\ \text{价格冲击：交易商亏给知情者的部分}} . \]

第二条是代数恒等式：\(2Q(P-M_t)-2Q(P-M_{t+\Delta})=2Q(M_{t+\Delta}-M_t)\)。这一项叫价格冲击（price impact），对应第 13 章的逆向选择成分；已实现价差则是交易商扣除逆向选择后真正赚到的部分。今天做市商和执行团队常说的 markout 分析（看成交后 1 秒、10 秒、1 分钟、5 分钟中点相对成交价的变化）就是这个思想。

金融直觉：从提供流动性的交易商角度看这三个数。他按报价成交一笔，名义收入是有效价差的一半；之后中点朝不利方向移动（因为对方可能知情），他持有的存货贬值，这部分就是价格冲击；扣掉之后剩下的才是已实现价差，即真正落袋的钱。用练习 1 的数字：有效价差 0.06，价格冲击 0.14，已实现价差 \(0.06-0.14=-0.08\)，交易商这笔是亏的。这和贷款定价的思路相同：名义利差（有效价差）减去预期信用损失（价格冲击）才是风险调整后的收益（已实现价差）。

21.3.4 执行差额

执行差额可以理解为实际组合与对应纸面组合（paper portfolio）的价值差。纸面组合是在纸上构建、看看“如果真的交易会怎样”的虚拟组合。度量交易成本时，把纸面组合的买卖价设为决定交易时的报价中点——这是决策时对价值的朴素最佳估计。实施通常有成本，所以纸面组合一般比实际组合更值钱。

记决策时中点为 \(M_{\text{dec}}\)，计划数量 \(X\)，已成交 \(X_f\)、平均成交价 \(\bar P\)，未成交 \(X_u=X-X_f\)，度量时的价格为 \(P_{\text{now}}\)，方向 \(Q\)：

\[ \text{IS}=\underbrace{Q\,X_f\,(\bar P-M_{\text{dec}})}_{\text{已成交部分的交易成本}}+\underbrace{Q\,X_u\,(P_{\text{now}}-M_{\text{dec}})}_{\text{未成交部分的错失机会成本}}\;(+\ \text{显性成本}). \]

推导拆解：为什么这个式子等于"纸面组合价值 − 实际组合价值"？以买入为例（\(Q=+1\)），在度量时点比较两个组合。 纸面组合：以 \(M_{\text{dec}}\) 买入全部 \(X\) 股，现在价值 \(XP_{\text{now}}\)，花费 \(XM_{\text{dec}}\)，盈亏 \(X(P_{\text{now}}-M_{\text{dec}})\)。 实际组合：只买到 \(X_f\) 股，花费 \(X_f\bar P\)，现在价值 \(X_fP_{\text{now}}\)，盈亏 \(X_f(P_{\text{now}}-\bar P)\)。 两者相减：\(X(P_{\text{now}}-M_{\text{dec}})-X_f(P_{\text{now}}-\bar P)\)。把 \(X\) 拆成 \(X_f+X_u\)，\(X_f\) 部分的 \(P_{\text{now}}\) 抵消，剩下 \(X_f(\bar P-M_{\text{dec}})+X_u(P_{\text{now}}-M_{\text{dec}})\)，正是上式两项。 所以执行差额的经济含义很清楚：组合经理的想法如果能"零成本、瞬间"实施，能多赚多少。练习 5 的卖出例：\(Q=-1\)，已成交部分 \(-30{,}000\times(0.97-1.00)=900\)，未成交部分 \(-70{,}000\times(0.82-1.00)=12{,}600\)，合计 13,500 美元，其中错失机会占九成以上。

用纸面组合评估新想法时，成本假设至关重要：假设过低可能采纳不赚钱的策略，过高可能拒绝本可赚钱的策略。通常假设买入付中点加一个溢价、卖出得中点减一个折扣，溢价和折扣来自交易成本研究——这正是今天回测中“滑点模型”的来历。

现状补充：Perold 的执行差额如今是机构 TCA 的标准口径，常用的“到达价”（arrival price，订单到达交易台或经纪商时的中点）基准是它的一个变体；以最小化执行差额为目标的执行算法（IS 算法、Almgren–Chriss 类最优执行）是主流算法之一。

21.3.5 日度基准：VWAP、开盘价、收盘价

最常见的日度基准是 VWAP——当日每笔成交价以其成交量加权的平均价：

\[ \text{VWAP}=\frac{\sum_t \text{Size}_t\,\text{Price}_t}{\sum_t \text{Size}_t}=\sum_t w_t\,\text{Price}_t,\qquad w_t=\frac{\text{Size}_t}{\sum_s\text{Size}_s}. \]

交易者喜欢 VWAP，因为希望至少做得和当天的平均交易者一样好。许多投资委托人不知道经理是在当天什么时候交易的，通常只收到一个当日平均成交价，只能用日度基准。也有人用开盘价、收盘价或 OHLC 平均。下文会看到，这三种日度度量都有严重问题，很难解释为交易成本。

原书专栏“咨询机构的基准”列出了当时几家 TCA 服务商各自偏好的基准，可以看出不同客户需要不同的度量：Abel/Noser 最先推广 VWAP（向客户证明折扣佣金也能拿到好价格）；SEI 推广收盘价基准；Plexus Group 做执行差额分析，客户主要是投资委托人和经理；Transaction Auditing Group 做有效价差审计，客户主要是要向监管者证明最佳执行的经纪商；State Street 旗下的 Elkins/McSherry 以 OHLC 均价为基准，做 42 个国家的成本比较。

21.4 各种基准估计量的性质

好的成本估计量应当容易计算、准确、能识别择时能力、无偏、不可被博弈。这些要求相互冲突。

21.4.1 数据要求

日度汇总对比日度基准最便宜；基于中点的估计需要日内成交与报价数据，更贵；执行差额还需要记录决策时间。

21.4.2 准确性（噪声）

与交易实施无关的随机事件不应影响成本估计。例：买方清晨谈到一个极好的价格，下午公司传出坏消息、股价大跌；若以低得多的收盘价为基准，他看起来谈了个很差的价格。这种估计有噪声（noisy）；以开盘价为基准就准确得多。

一般规律：交易与基准价之间的时间越长，噪声越大。 开盘/收盘价比平均价噪声大；所有日度基准都有噪声，因为当天所有交易用同一个基准。噪声最小的是有效价差（同期基准）；已实现价差和执行差额的噪声随基准与成交的时间距离增大而增大。

21.4.3 择时识别

经理给经纪商择时裁量权，是希望经纪商识别并利用可预测的短期价格变化——例如未知情者买入后价格往往偏高，持卖单的经纪商应立即执行，持买单的可以等回落。给了裁量权就必须监控成本，因为经纪商通常按成交拿佣金，可能宁愿尽快成交而不等好时机。

有效价差对此几乎无用：它只相对当前中点度量，经纪商对中点短期走势的任何判断都不会被揭示。一般而言，基准价不依赖交易时点时最能衡量择时效果；若依赖交易时点（如已实现价差），交易与基准间隔越长越能衡量择时。

两难：准确需要临近的基准，识别择时需要远离的基准。所以要准确衡量择时效果，必须分析大量交易。

21.4.4 偏差

好的估计量只衡量“在当前市况下实施策略的成本”。有偏的估计量往往依赖交易“如何”或“为何”进行。四个偏差来源：拆单、交易决策依赖过去价格、交易者知道未来价格、经纪商知道自己被怎样评估。

（1）拆单（split orders）。 交易者常把大单拆开以免暴露全部规模，也为了在推动价格时进行价格歧视，因此最后一部分通常最贵。估计方法应估计执行整个订单的总成本，而不是各部分表面成本之和。

原书数值例：4,000 股买单拆成两半。

  • 第一笔 2,000 股：报价 30.00 / 30.10，以 30.10 成交；
  • 第二笔 2,000 股：第一笔推高报价至 30.10 / 30.20，以 30.20 成交；
  • 决策时中点 30.05；收盘价 30.20；假设他是当天唯一的买家。

四种基准的结果：

基准 计算 估计成本
流动性溢价（半个有效价差） 两笔每股都是 0.05 200 美元
VWAP 他的均价就是当天市场均价 0 美元
执行差额（决策时中点 30.05） 第一笔 5 美分、第二笔 15 美分，平均 10 美分 400 美元
收盘价（30.20） 第一笔 −10 美分、第二笔 0 −200 美元

推导拆解：四个数字逐一算出（\(Q=+1\)，每笔 2,000 股）。 流动性溢价：第一笔中点 30.05，成本 \(30.10-30.05=0.05\)；第二笔中点 30.15，成本 \(30.20-30.15=0.05\)。合计 \(4{,}000\times0.05=200\)。每笔都以"自己推高后的中点"为基准，所以第一笔推高报价的影响被漏掉了。 VWAP：当天只有他交易，VWAP \(=(30.10+30.20)/2=30.15\)，等于他的均价，成本 \(4{,}000\times(30.15-30.15)=0\)。他自己就是市场，用自己比自己当然是零。 执行差额：基准 30.05，\(2{,}000\times0.05+2{,}000\times0.15=100+300=400\)。 收盘价：基准 30.20，\(2{,}000\times(-0.10)+2{,}000\times0=-200\)。收盘价已经包含了他自己造成的冲击，于是被冲击抬高的价格反过来让他"看起来"买得便宜。 四种方法的差别全来自基准是否被这笔交易本身污染：只有执行差额的基准在交易之前就固定下来。

谁对？看实际后果：如果他随即反向平仓——报价 30.10 / 30.20 时以 30.10 卖 2,000 股，报价跌到 30.00 / 30.10 时以 30.00 卖 2,000 股——所有股份都比买入价低 10 美分，往返总损失 400 美元，与执行差额一致。收盘价基准显示的 200 美元“利润”是未实现的，试图实现就会变成亏损。

一般规律：基准依赖于填单的成交本身时，就会出现拆单问题。 拆单改变后续中点，有效价差低估总成本；拆单冲击影响 VWAP，VWAP 估计量也低估总成本；收盘价被大单冲击显著影响，问题最严重（甚至给出负成本）。执行差额不受影响，因为基准在订单影响价格之前就确定了。

（2）动量与逆向交易者。 动量策略在上涨后买、下跌后卖；逆向策略相反。开盘价基准偏差尤其严重：动量交易者在价格上涨后买入，开盘价偏低，高估其成本；卖出时开盘价偏高，同样高估。逆向交易者则被低估。一般地，交易决策基于基准确定之后的价格变化时，估计就会有偏；开盘价基准、以及在较小程度上的 VWAP 基准，对这两类交易者都有偏。

白话解释：用数字看。开盘 100，上午涨到 103，动量交易者在 103.05 买入（卖价，执行完美）。以开盘价为基准，成本 \(=103.05-100=3.05\)，但其中 3.00 是他下决定之前就已发生的上涨，与执行无关，真正的执行成本只有 0.05。逆向交易者在跌到 97 后买入，成交 97.05，开盘价基准算出 \(-2.95\)，看起来"赚了"，同样不是执行的功劳。问题的根源是：交易时点本身由基准之后的价格走势决定，于是"成交价 − 基准"系统性地带上了策略的方向。这与 GIPS 和业绩归因里强调"基准应在事前确定"的道理一致。

（3）知情交易者。 知情者买后价格往往上涨、卖后下跌，所以基准在其交易之后确定时，会低估其成本。例如知情者测得的已实现价差小于有效价差——差异来自成功的投机，不是执行质量。基准确定得越晚，偏差越大：收盘价（以及较小程度上的 VWAP）低估知情者成本，交易很快会公开的短期信息时低估最严重。

（4）博弈（gaming）。 用成本估计评估经纪商时，经纪商不应能通过不符合客户利益的方式操纵结果。

  • 博弈有效价差：有裁量权的经纪商只提供流动性、从不取用——永远在买价买、在卖价卖，市场背离就改价再挂。估计成本总为负，但客户可能拿不到想要的成交。原因：基准随市场移动，经纪商不因等待受罚。

  • 任何基准依赖交易时点的度量，都能被有择时裁量权的经纪商博弈。 例：经纪商知道客户用开盘价评估，尾盘收到买单，若当天已跌就立即成交，若已涨就拖到次日——避免在开盘低得多的日子记一笔高价买入。开盘价基准最严重，VWAP 等部分由交易时机决定的均价基准也存在。缓解办法：在更长区间算基准（例如一周 VWAP 而非当日 VWAP），代价是噪声更大。

  • 与基准同步交易也能博弈：用 VWAP 评估时，把订单在全天分散执行使均价约等于市场 VWAP，估计成本接近零；用收盘价评估时，只在收盘时执行，估计成本为零。

    推导拆解：为什么跟着成交量交易就能让 VWAP 成本接近零？设当天第 \(t\) 个时段市场成交量占全天比例 \(w_t\)，你在该时段买入 \(x_t=w_tX\) 股（按全天成交量比例分配），成交价约等于该时段市场均价 \(P_t\)。你的均价 \(=\sum_tx_tP_t/X=\sum_tw_tP_t=\text{VWAP}\)。权重一样，加权平均自然一样，成本 \(X(\bar P-\text{VWAP})\approx0\)。但这个"零"只说明你和市场平均一样，不说明你执行得好：若你的单子占全天成交量的 20%，你自己的买盘已经把当天所有价格（因而 VWAP）推高了，这部分冲击在 VWAP 口径下完全看不见。

  • 基准价在经纪商收到订单之前就已确定时，不可能被博弈——所以执行差额无法被博弈。

作者也指出：公然博弈容易被识别，聪明的经纪商只会适度博弈；多数经纪商诚实工作，在做出符合客户利益却会显示异常高成本的交易时，往往会事先告知客户。

21.4.5 小结：基准决定了你在度量什么

  • 交易时点中点：衡量相对同期报价的执行质量，但对拆单的累积冲击一无所知，对择时也所知甚少；
  • 交易后很久的基准：可能了解这些问题，但同时衡量了组合经理的选股好坏（混入了 alpha）；
  • 决定交易之前很久的基准：不受拆单影响，但同时衡量了决策对过去价格的依赖（动量/逆向偏差）。

不考虑数据成本时，执行差额是最佳估计量，不受上述偏差影响，也不可博弈。数据成本显著时：零售交易者通常用有效价差（对小单一般无偏）；不知道经理何时下单的机构委托人常用 VWAP——它有偏差、可博弈、有噪声，但对多数交易者问题比开盘/收盘基准小。

原书表 21-1 汇总了各估计量的性质。该表在原书中是旋转排版，精读笔记的抽取严重损坏，只能辨认 “POTENTIAL BIASES”“underestimate”“overestimate costs”“Trade only at the close” 等片段。下表是依据正文重建的版本，个别格子的措辞可能与原表不同，需要原表细节请对照原书第 433 页附近（PDF 第 446 页）：

基准 数据要求 噪声 识别择时 拆单 动量/逆向 知情者 可否博弈及方式
交易时中点（有效价差） 日内报价，较贵 最小 几乎不能 低估 无偏 无偏 可（只挂限价单、追着市场改价）
交易后中点（已实现价差） 日内报价 随区间增大 随区间增强 低估 — 低估，区间越长越严重 可
决策时中点（执行差额） 需决策时间与报价 随实施时长增大 好 无偏 无偏 无偏 不可
VWAP 日度，便宜 中等 有限 低估 有偏（较轻） 低估（较轻） 可（全天跟随成交量交易使成本≈0）
开盘价 日度 较大 — — 动量高估、逆向低估 — 可（拖延到次日）
收盘价 日度 较大 — 低估（可为负） — 低估 可（只在收盘交易）

最后两点提醒：所有方法应用于单笔交易时都有噪声，对许多交易取平均更可靠，但平均解决不了偏差和博弈；用成本评估经纪商时必须有比较标准，而且只有给各经纪商相似难度的订单时比较才有意义，否则拿到难单的经纪商会显得效率低。

量化实战一：复算拆单例子

先用几行代码把 21.4.4 的例子算一遍，体会“同一笔交易，四个数字”。

# 原书 21.4.4.1 拆单例：同一笔 4,000 股买单，不同基准给出的成本
trades = [(2000, 30.10, 30.00, 30.10),   # (股数, 成交价, 当时买价, 当时卖价)
          (2000, 30.20, 30.10, 30.20)]
decision_mid = 30.05
close = 30.20
shares = sum(q for q, *_ in trades)

liq_premium = sum(q * (p - (b + a) / 2) for q, p, b, a in trades)          # 有效价差的一半 × 股数
vwap = sum(q * p for q, p, *_ in trades) / shares                          # 假设他是当天唯一买家
vwap_cost = sum(q * (p - vwap) for q, p, *_ in trades)
is_cost = sum(q * (p - decision_mid) for q, p, *_ in trades)
close_cost = sum(q * (p - close) for q, p, *_ in trades)
print(f"流动性溢价(半个有效价差)法: {liq_premium:8.2f} 美元")
print(f"VWAP 基准法             : {vwap_cost:8.2f} 美元")
print(f"执行差额(决策时中点)法  : {is_cost:8.2f} 美元  (每股 {is_cost/shares*100:.1f} 美分)")
print(f"收盘价基准法            : {close_cost:8.2f} 美元")
# 若随即反向卖出：报价 30.10/30.20 时以 30.10 卖 2000，报价 30.00/30.10 时以 30.00 卖 2000
sells = [(2000, 30.10), (2000, 30.00)]
round_trip = sum(q * p for q, p in sells) - sum(q * p for q, p, *_ in trades)
print(f"实际往返盈亏            : {round_trip:8.2f} 美元")

输出：

流动性溢价(半个有效价差)法:   200.00 美元
VWAP 基准法             :     0.00 美元
执行差额(决策时中点)法  :   400.00 美元  (每股 10.0 美分)
收盘价基准法            :  -200.00 美元
实际往返盈亏            :  -400.00 美元

只有执行差额与“真实往返损失”一致。实际 TCA 系统中，这意味着：评估拆单执行（几乎所有机构执行都是拆单）时，要以母单（parent order）为单位、以决策价或到达价为基准，而不是对子单（child order）逐笔算有效价差再相加。

量化实战二：Lee–Ready 分类与价差分解

下面模拟约 20 个交易日、5 万笔成交的逐笔数据：30% 的主动成交来自知情者（知道下一次新闻的方向），每笔主动成交对中点有永久冲击 \(\lambda\)；报价价差 2 分，70% 成交在报价上、20% 获得 0.5 分价格改善、10% 在中点成交。我们实现 Lee–Ready 规则，并计算有效价差、5 分钟已实现价差和价格冲击。

import numpy as np, pandas as pd

rng = np.random.default_rng(21)
n = 50_000                       # 成交笔数（约 20 个交易日，每 10 秒一笔）
tick, half = 0.01, 0.01          # 最小价位 1 分；报价半价差 1 分（报价价差 2 分）
lam = 0.004                      # 每笔主动成交对中间价的永久冲击（逆向选择）
mu = 0.3                         # 订单中知情者比例
sig = 0.003                      # 与订单流无关的中间价新闻波动

t = np.cumsum(rng.exponential(10, n))                    # 成交时间（秒）
V_jump = rng.normal(0, sig, n)                           # 新闻
informed = rng.random(n) < mu
# 知情者知道下一笔新闻的方向；未知情者随机
Q = np.where(informed, np.sign(V_jump + 1e-12), rng.choice([-1, 1], n)).astype(int)
mid = np.empty(n); m = 20.0
for i in range(n):
    mid[i] = m                                           # 成交时的报价中点
    m = m + lam * Q[i] + V_jump[i]                       # 成交后中点更新
mid = np.round(mid / 0.005) * 0.005                      # 中点落在半价位网格上
bid, ask = mid - half, mid + half
# 成交价：70% 在报价上成交，20% 获得 0.5 分价格改善，10% 在中点成交
u = rng.random(n)
improve = np.where(u < 0.7, 0.0, np.where(u < 0.9, 0.005, half))
price = np.where(Q > 0, ask - improve, bid + improve)

# ---------- Lee-Ready 交易方向识别 ----------
def lee_ready(price, mid):
    side = np.sign(price - mid)                          # 报价规则：高于中点为买，低于为卖
    # 点检验（tick test）：与上一个不同成交价比较，上升/零上升为买
    tick_sign = np.zeros(len(price)); last = 0.0
    for i in range(1, len(price)):
        d = price[i] - price[i-1]
        if d > 1e-9: last = 1.0
        elif d < -1e-9: last = -1.0
        tick_sign[i] = last                             # 零变动沿用上一次的方向
    side[side == 0] = tick_sign[side == 0]
    return side.astype(int)

Q_lr = lee_ready(price, mid)
at_mid = np.isclose(price, mid)
print(f"Lee-Ready 总体正确率 {np.mean(Q_lr == Q):.3f}；"
      f"报价内成交正确率 {np.mean((Q_lr == Q)[~at_mid]):.3f}；中点成交(用点检验)正确率 {np.mean((Q_lr == Q)[at_mid]):.3f}")

# ---------- 有效价差、已实现价差、价格冲击 ----------
df = pd.DataFrame({"t": t, "P": price, "M": mid, "Q": Q, "Q_lr": Q_lr, "informed": informed})
def mid_after(seconds):
    idx = np.searchsorted(t, t + seconds)                # 第一笔时间 >= t+Δ 的成交前中点
    idx = np.minimum(idx, n - 1)
    return mid[idx]
df["M5"] = mid_after(300)                               # 5 分钟后中点
for col, q in [("真实方向", "Q"), ("Lee-Ready方向", "Q_lr")]:
    es = 2 * df[q] * (df.P - df.M)
    rs = 2 * df[q] * (df.P - df.M5)
    pi = 2 * df[q] * (df.M5 - df.M)
    print(f"[{col}] 报价价差 {2*half*100:.2f} 分 | 有效价差 {es.mean()*100:.3f} 分 | "
          f"5分钟已实现价差 {rs.mean()*100:.3f} 分 | 价格冲击 {pi.mean()*100:.3f} 分")

es = 2 * df.Q * (df.P - df.M); rs = 2 * df.Q * (df.P - df.M5)
print("\n按交易者类型（真实方向）：")
print(pd.DataFrame({"有效价差(分)": es * 100, "已实现价差(分)": rs * 100, "类型": np.where(df.informed, "知情", "未知情")})
      .groupby("类型").mean().round(3).to_string())
print(f"\n价格改善 = 报价价差 - 有效价差 = {(2*half - es.mean())*100:.3f} 分")

输出：

Lee-Ready 总体正确率 0.948；报价内成交正确率 1.000；中点成交(用点检验)正确率 0.488
[真实方向] 报价价差 2.00 分 | 有效价差 1.597 分 | 5分钟已实现价差 0.687 分 | 价格冲击 0.910 分
[Lee-Ready方向] 报价价差 2.00 分 | 有效价差 1.597 分 | 5分钟已实现价差 0.781 分 | 价格冲击 0.816 分

按交易者类型（真实方向）：
     有效价差(分)  已实现价差(分)
类型                    
未知情    1.597     0.845
知情     1.597     0.321

价格改善 = 报价价差 - 有效价差 = 0.403 分

怎么读：

  • Lee–Ready 的误差集中在中点成交：不在中点的成交，报价规则 100% 正确（这是模拟的理想情况，真实数据中报价与成交的时间错位会带来额外误差）；中点成交只能靠点检验，正确率不到一半，和抛硬币差不多。今天美国股市大量成交发生在中点（暗池、中点挂单），这是真实数据中分类误差的主要来源。

  • 两条恒等式：报价价差 2 分，有效价差 1.597 分，差额 0.403 分就是价格改善；有效价差 1.597 = 已实现价差 0.687 + 价格冲击 0.910。也就是说，交易商名义上每笔赚 1.6 分，但其中 0.91 分在 5 分钟内被价格的不利移动吃掉，真正留下的只有 0.69 分。

  • 分类误差会扭曲分解：用 Lee–Ready 方向时，价格冲击被低估（0.816 对 0.910）、已实现价差被高估。原因是中点成交分错方向后，这些成交的冲击符号被搞反，相互抵消。

    推导拆解：可以粗算这个低估幅度。中点成交占 10%，其中约一半分错。分对的成交贡献 \(+\text{冲击}\)，分错的贡献 \(-\text{冲击}\)，所以平均冲击约被乘以 \((1-2\times5\%)=0.9\)，\(0.910\times0.9\approx0.82\)，与输出 0.816 吻合。有效价差不受影响，因为中点成交的 \(P-M=0\)，方向分错也乘出零；已实现价差 \(=\) 有效价差 \(-\) 冲击，冲击被低估，它就被高估。这与回归中解释变量带测量误差时系数被衰减是同一类问题。

  • 知情与未知情：两类交易者的有效价差相同（都在同样的报价上成交），但交易商从知情者身上的已实现价差只有 0.32 分，从未知情者身上有 0.85 分——这就是第 13 章“交易商从未知情者身上赚、在知情者身上亏”的直接度量。做市策略的 markout 分析，本质就是按对手方类型（或订单来源、时段）拆这张表。

本章小结

交易成本分显性、隐性和错失机会三类，后两类要用基准价来度量：成本 = 规模 × 方向 × (成交价 − 基准价)，买卖双方之和为零。研究别人的交易要先用 Lee–Ready 规则识别主动方：高于中点为买方发起，低于中点为卖方发起，恰在中点用点检验。以交易时中点为基准得有效价差，以交易后中点得已实现价差，两者之差是价格冲击；以决策时中点得执行差额。基准越近噪声越小，但越看不出择时；拆单、动量/逆向、知情交易都会让某些基准有偏，依赖交易时点的基准都可被博弈。数据允许时，执行差额无偏且不可博弈，是最佳估计量。

概念/公式 要点
成本三分 显性（佣金、费用、税）+ 隐性（价差、冲击）+ 错失机会
基准法 \(\text{Cost}=\text{Size}\times Q\times(P-B)\)；买卖双方之和为零
Lee–Ready \(P>M\) 判买方发起；\(P<M\) 判卖方发起；\(P=M\) 用点检验（上升/零上升为买）
有效价差 \(2Q_t(P_t-M_t)\)；半值为流动性溢价
已实现价差 \(2Q_t(P_t-M_{t+\Delta})\)
价格冲击 有效价差 − 已实现价差 \(=2Q_t(M_{t+\Delta}-M_t)\)
价格改善 报价价差 − 有效价差
执行差额 以决策时中点为基准：已成交部分的成本 + 未成交部分的机会成本
VWAP \(\sum w_tP_t\)；跟随成交量交易可使估计成本≈0（被博弈）
拆单例 流动性溢价 200、VWAP 0、IS 400、收盘价 −200；真实往返损失 400
最佳估计量 数据允许时用执行差额：无偏、不可博弈

练习

基础

  1. 报价 50.00 / 50.10。一笔买单以 50.08 成交，5 分钟后中点为 50.12。求有效价差、已实现价差、价格冲击和价格改善。 答案：中点 50.05；有效价差 \(2(50.08-50.05)=0.06\)；已实现价差 \(2(50.08-50.12)=-0.08\)；价格冲击 \(2(50.12-50.05)=0.14\)；价格改善 \(0.10-0.06=0.04\)。已实现价差为负，说明提供流动性的一方亏了。
  2. 用 Lee–Ready 规则判断方向：报价 20.00 / 20.04，成交价依次为 20.03、20.02、20.02、20.01。 答案：20.03 高于中点 20.02，买方发起；20.02 等于中点，上一次变化为下降（20.03→20.02），卖方发起；第二个 20.02 为零下降，卖方发起；20.01 低于中点，卖方发起。
  3. 解释为什么执行差额不可被博弈，而 VWAP 可以。
  4. 一位动量交易者在开盘后大涨的股票上买入。用开盘价做基准，他的成本会被高估还是低估？为什么？
  5. 交易者想卖 10 万股，决策时中点 1.00 美元，卖出 3 万股、均价 0.97 美元，其余未成交，当前价 0.82 美元。分解执行差额（不计佣金）。 答案：已成交部分 \(30{,}000\times(1.00-0.97)=900\) 美元；机会成本 \(70{,}000\times(1.00-0.82)=12{,}600\) 美元；合计 13,500 美元。

进阶

  1. 原书思考题 5：21.4.4 的扩展例中，四笔往返交易的执行差额为 400 美元；若收盘价为 30.05，收盘价估计也是 400 美元。为什么本例中两者相等？ 提示：往返交易后净头寸为零，基准价项相互抵消，任何对四笔都用同一基准价的方法都给出相同结果——就是实际往返盈亏。
  2. 原书思考题 2：执行差额研究可以把买入的基准设为决策时的卖价、卖出的基准设为决策时的买价，而不是中点。这样做有何利弊？ 提示：好处是把“必然要付的半个价差”从成本中剔除，衡量的是超出正常价差的部分；坏处是不同价差的股票不可比，也掩盖了能拿到价格改善的执行能力。
  3. 修改量化实战二的代码：把中点成交的比例从 10% 提高到 40%，观察 Lee–Ready 正确率和价格冲击估计的偏差如何变化。再实现一个只用点检验（不看报价）的分类器，比较两者。
  4. 假设你的经纪商按“当日 VWAP”被考核，而你的订单是早盘收到的短期 alpha 信号（预计 1 小时内兑现）。经纪商最可能怎样执行？这对你有什么损失？应改用什么基准？ 提示：经纪商会把订单摊在全天按成交量分布执行，成本估计接近零，但 alpha 在上午就衰减掉了；应改用到达价/决策价基准（执行差额）。

原书推荐习题：思考题 5（复算 21.4.4 全部数字，检验对基准与零净头寸的理解）；思考题 2（以 ask/bid 为基准的执行差额）；思考题 4（哪些交易者测得的成本应较高、较低：需求流动性者高、提供流动性者低，知情者用事后基准测得偏低）。另建议用逐笔成交与报价数据计算有效价差、5 分钟已实现价差并比较。

原书对照

  • Part VI 导言：PDF 第 432 页（原书页码约为 PDF 页码减 13，即第 419 页）。
  • 原书第 21 章 Liquidity and Transaction Cost Measurement，PDF 第 433–454 页（原书第 420–441 页）；本章覆盖其前半部分：
    • 章首导言与专栏 “The Flip Side”：PDF p.433–434；
    • 21.1 交易成本构成（棉花期货例）：p.434–435；
    • 21.2 隐性成本估计方法、交易方向识别（Lee–Ready，专栏 “Money Flow”“Passive-Aggressive Behavior”）：p.435–436；
    • 21.3 指定价格基准（有效价差、已实现价差、执行差额、VWAP；专栏“咨询机构的基准”）：p.436–440；
    • 21.4 价格基准估计量的性质（数据、准确性、择时、偏差、博弈；拆单例）：p.440–445；表 21-1：p.446（旋转排版，本章所列为依据正文的重建版本）。
  • 后半部分（21.5–21.11）见第 21b 章。