Kyle λ：每單位帶符號訂單流的價格衝擊

市價單會消耗可用流動性。如果交易商觀察到意外強勁的買入，可能會提高價格，因為訂單流可能包含有關資產價值的資訊。Kyle λ 通常寫作 λ，表示在市場微觀結構模型中，淨訂單流每增加一個單位所對應的價格變化。較大的正 λ 意味著相同的帶符號訂單流會使模型價格移動得更多；在該模型中，市場深度較低。

令 y 表示帶符號訂單流，即買方發起的數量減去賣方發起的數量。一個簡單的線性定價規則是

\[ p(y)=\mu+\lambda y, \]

其中 μ 是先驗預期價值，λ 的單位是每單位訂單流對應的價格。如果訂單流按股數計量，λ 表示每股交易量對應的價格變化；如果按美元名義金額計量，λ 表示每美元淨名義金額對應的價格變化。單位是參數定義的一部分，而不是格式細節。

“衝擊”需要明確時間跨度。價格可能在交易發生時變動，隨後部分回撤；交易也可能揭示會持續反映在價格中的資訊。以同期中間價報酬進行回歸、觀察數秒後的報價反應，或衡量長期反應，所得結果各不相同。Hasbrouck 的交易資訊框架會動態建模成交與報價修訂。研究發現，一筆交易的完整資訊效應可能延遲反映在價格中（Hasbrouck，1991）。

在 Kyle 框架中，知情交易者掌握資產最終價值的部分資訊；噪音交易者因與該資訊無關的原因下單；競爭性做市商觀察匯總訂單流後設定價格。知情交易者會考慮到更大的訂單會使價格朝不利於自己的方向移動，再決定交易量。做市商的價格反應和知情交易者的策略是在均衡中共同確定的（Kyle，1985）。

熟知的閉式表達式在單次拍賣的線性高斯基準模型中最容易理解。設終值 v 的先驗均值為 μ、標準差為 σᵥ；噪音訂單流 u 的標準差為 σᵤ；知情訂單為 x=β(v−μ)。總訂單流為 y=x+u。競爭性做市商設定 p(y)=E[v|y]=μ+λy。給定該定價規則，知情交易者的預期利潤與 x[(v−μ)−λx] 成正比，因此最優線性策略為 β=1/(2λ)。將其與做市商的條件期望結合，可得

\[ \beta=\frac{\sigma_u}{\sigma_v}, \qquad \lambda=\frac{\sigma_v}{2\sigma_u}. \]

這個表達式適用於上述單次拍賣基準模型，並不是所有市場或連續拍賣均衡每一輪都適用的通用公式。它展示了模型機制：價值不確定性越大，逆向選擇壓力越強；噪音訂單流越大，知情訂單越難識別，單位訂單流對應的價格反應就越小。在多輪模型中，策略性拆分訂單、交易期限以及噪音訂單流的路徑也很重要。

經驗研究常見的起點，是以帶符號訂單流回歸中間價報酬：

\[ r_t = a+\widehat{\lambda}_{\mathrm{OLS}}q_t+\varepsilon_t, \qquad r_t=10{,}000\Delta\log m_t. \]

這裡 mₜ 是中間價，rₜ 是以基點表示的對數報酬，qₜ 是所選區間內的帶符號訂單流，a 是截距，εₜ 是擬合直線未能解釋的部分。如果 qₜ 按每 $100,000 名義金額為一個單位計量，斜率的單位就是每 $100,000 淨訂單流對應的基點數。正的估計值表示，在這個樣本和區間內，買方發起的淨訂單流越大，中間價報酬往往越高。

除非研究設計支持因果或結構性解釋，否則這種解釋只是描述性的。訂單流和價格共同形成：交易者會對價格作出反應，做市商會對訂單流作出反應，雙方也都可能對資訊作出反應。OLS 本身無法還原知情交易者的策略，也無法還原競爭性做市商的均衡定價規則。應區分符號：λ 表示模型參數，\(\widehat{\lambda}_{\mathrm{OLS}}\) 表示擬合出的回歸系數。

回歸的因變數也很重要。成交價變化包含買賣價反彈；中間價變化可以濾除部分機械性變動，但無法消除報價時點、新聞或內生交易的影響。Glosten 和 Harris 對成交價及報價變化建模，以拆分價差組成部分；Brennan 和 Subrahmanyam 則研究日內交易成本及資產定價中的價格衝擊指標（Glosten 和 Harris，198890034-7)；Brennan 和 Subrahmanyam，199600870-K)）。這些估計對象與流動性有關，但不能與單一的同期 OLS 斜率互換。

開始估計前先定義帶符號訂單流。對於交易 i，若由買方發起，則令 sᵢ=+1；若由賣方發起，則令 sᵢ=−1；nᵢ 表示股數、合約數或名義金額。於是

\[ q_t=\sum_{i\in t}s_i n_i. \]

如果資料源提供主動方字段，應記錄其含義和未解決的情況。如果交易方向是推斷得出的，應說明分類器和報價匹配規則。Lee–Ready 指南解釋了為什麼觀察到的成交記錄不一定能揭示哪一方發起交易。訂單流失衡是相關但不同的指標：它可以納入顯示的買價和賣價變化，而不只是帶符號的成交。

記錄兩個座標軸上的單位。將 q 從股數轉換為合約數、美元或每 $100,000 一個單位的金額，會縮放斜率。將報酬單位從美元改為基點或百分比，也會改變斜率。例如，若系數為每 $100,000 對應 0.64 個基點，將訂單流改用百萬美元計量會使數值放大十倍。標準化系數可能有助於比較不同工具，但它回答的是另一個問題，必須說明採用的標準化方式。

時間區間同樣重要。將五分鐘訂單流與五分鐘報酬配對，得到的是區間關聯；它無法說明價格變動有多少會持續。短區間容易受到時間戳對齊、買賣價反彈和稀疏交易的影響。長區間匯總更多交易和新聞，卻會掩蓋價格反應的先後順序。應報告報酬是同期還是遠期、取樣時間基準、交易場所覆蓋範圍以及滯後結構。

考慮四個虛構的五分鐘觀測值。令 qₜ 表示以每 $100,000 為單位的帶符號名義金額，rₜ 表示以基點計量的中間價報酬：

\[ q=[-2,-1,1,2],\qquad r=[-1.1,-0.3,0.5,1.7]. \]

訂單流均值為 0，報酬均值為 0.20 個基點。OLS 斜率和截距為

\[ \widehat{\lambda}_{\mathrm{OLS}} =\frac{\sum_t(q_t-\bar q)(r_t-\bar r)} {\sum_t(q_t-\bar q)^2} =\frac{6.4}{10} =0.64 \quad\text{bp per } \$100{,}000, \qquad \hat a=\bar r-\widehat{\lambda}_{\mathrm{OLS}}\bar q=0.20\text{ bp}. \]

例如，q=2 時擬合報酬為 0.20+0.64×2=1.48 bp，而觀測值為 1.7 bp；q=−2 時擬合報酬為 −1.08 bp，而觀測值為 −1.1 bp。這四個點的殘差較小，並不能證明關係穩定：四條觀測只是透明的算術示例，不是充分估計或交易結果。

這些單位讓估計值更容易理解。按照這條擬合線，同一五分鐘區間內，買方發起的淨訂單流每增加 $100,000，中間價報酬會關聯增加 0.64 bp。這並不意味著做市商總會讓價格移動這麼多，也不表示影響會持續五分鐘以上，或 $100,000 的訂單能以中間價成交。

<!-- learn:illustration --> <!-- Text-free concept: four glass vessels hold increasingly one-sided mixes of blue and amber beads above a gently rising clear ribbon; conceptual, not market data, a forecast, or a trading signal. -->

經驗訂單流序列的可靠性取決於方向符號。如果買賣被隨機標錯，正向訂單流可能被記為負值，反之亦然。在嚴格假設下——方向符號錯誤獨立且對稱，其他測量誤差外生——估計斜率通常會向零衰減，因為測得的訂單流是實際訂單流中噪音更大的代理變數。這不是保證適用的校正規則。如果錯誤集中在大額交易、快速市場、特定交易場所或價格跳變附近，偏差可能朝任一方向發展。

時間匹配和方向規則同樣重要。若交易與交易後才更新的報價比較，可能會被歸到錯誤的一方。價差內成交、中間價成交、拍賣、交易更正以及精度較粗的時間戳都可能存在歧義。應保留明確的“未知”類別，報告已分類的帶符號成交量比例，並盡可能用合理的替代分類器重復估計。

分類誤差還可能隨流動性變化。在普通交易期間表現尚可的規則，在報價快速更新或大量成交發生在價差內時可能失效。如果交易場所提供自己的主動方字段，應核對其定義和例外情況，不要假設不同交易所的字段可以直接比較。如果方向需要推斷，Lee–Ready 文章可作為記錄方法及時間戳局限的起點。

當訂單流和報酬取自同一區間時，每個時間箱內事件的先後順序不可見。區間前段的價格上漲可能在後段吸引買方，即使回歸被描述為“訂單流推動價格”。與此同時，流動性提供者可能會在觀察到成交後調整報價。除非研究設計將這些方向分開，否則斜率會把它們合併。

公開資訊是另一個共同原因。計劃中的公告可能同時改變價值預期、波動率、價差和訂單提交。此時，帶符號訂單流可能只是新聞反應的代理變數，而非私人資訊的揭示。簡單 Kyle 模型將知情交易和噪音交易分開，以展示一種機制；真實觀察還包含公開新聞、庫存管理、對衝、指數交易和流動性衝擊。標記預定事件、控制可觀測的共同衝擊，以及將報酬窗口之前測得的訂單流分開，可以讓問題更清晰，但控制變數不會自動消除內生性。

只有在識別假設明確且有依據時，才使用結構性或因果解釋。對訂單流加入滯後項，會把問題變為“較早的訂單流能否預測之後的報酬”，但這本身不會使訂單流外生。如果目標是交易資訊的延遲內容，Hasbrouck 的動態交易與報價方法會有幫助；簡單 OLS 系數仍取決於選定的區間和回歸設定（Hasbrouck，1991）。

交易成簇到達，價格也會隨時間調整。如果訂單流或回歸殘差具有序列依賴，即使系數仍是有用的描述性摘要，常規 OLS 標準誤也可能產生誤導。檢查殘差，說明不確定性估計是否考慮異方差和序列相關；如果問題涉及持續性或延遲響應，也可考慮動態模型。同一時間箱的系數和後續時間箱的累計響應不應使用同一標籤。

流動性在一個交易時段內及不同交易時段之間都會變化。價差、顯示深度、波動率、交易時段、交易場所和市場狀況會影響特定訂單推動價格的幅度。全樣本單一斜率會對這些狀態取平均。如果問題涉及狀態依賴，應估計預先設定的子樣本，或讓訂單流與測得的流動性產生交互，並報告每項比較的資料量。不能假定平靜市場中的系數也適用於新聞衝擊或深度不足的訂單簿。

衝擊不一定線性或對稱。即使邊際價格反應不同，一條回歸線也可能把大小訂單平均在一起；買入和賣出的表現也可能不同。Hasbrouck 的動態證據在其研究樣本中報告，交易規模與完整價格衝擊之間呈正向、凹形關係（Hasbrouck，1991）。Tóth 等人研究金融市場中的異常衝擊和流動性尺度，在其研究環境中發現了平方根型模式（Tóth 等，2011）。這些發現說明值得檢查非線性設定，但沒有確立適用於所有資產、交易場所和時間跨度的普遍衝擊曲線。

比較已發表或供應商提供的“lambda”數值之前，先對齊估計對象。訂單流按帶符號的股數、合約數還是美元名義金額計量？結果變數是成交價、中間價還是長期價格變化？訂單流是同期、滯後，還是在響應跨度內累計？採樣區間、交易場所覆蓋、工具、市場狀態和方向分類器是否相似？單位和目標不同的原始數字不能用於給流動性排名。

估計方法也會改變目標。簡單 OLS 斜率總結樣本內的線性關聯。動態交易與報價模型可以區分即時和延遲響應。價差分解估算訂單處理成本和逆向選擇成本等部分。Hasbrouck 的日頻資料方法根據不同的資訊集合估算有效交易成本（Hasbrouck，2009）。Roll 估計量依據自身假設，使用報酬自協方差推斷價差代理指標；Hasbrouck 資訊份額則在相關聯市場之間分配共同永久價格創新的方差。兩者都不是 Kyle λ 的另一個名稱。

應把估計值視為一個定義清楚的價格反應指標，而不是完整的市場質量評分或可直接使用的交易信號。嚴謹報告應說明均衡假設或經驗回歸、訂單流的方向符號和單位、價格指標、時間跨度、樣本、不確定性方法、事件處理方式，以及對替代設定的敏感性。盈利能力需要單獨進行樣本外測試，並納入價差、費用、延遲、滑點和市場衝擊。