Kyle λ：每单位带符号订单流的价格冲击

市价单会消耗可用流动性。如果交易商观察到意外强劲的买入，可能会提高价格，因为订单流可能包含有关资产价值的信息。Kyle λ 通常写作 λ，表示在市场微观结构模型中，净订单流每增加一个单位所对应的价格变化。较大的正 λ 意味着相同的带符号订单流会使模型价格移动得更多；在该模型中，市场深度较低。

令 y 表示带符号订单流，即买方发起的数量减去卖方发起的数量。一个简单的线性定价规则是

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

其中 μ 是先验预期价值，λ 的单位是每单位订单流对应的价格。如果订单流按股数计量，λ 表示每股交易量对应的价格变化；如果按美元名义金额计量，λ 表示每美元净名义金额对应的价格变化。单位是参数定义的一部分，而不是格式细节。

“冲击”需要明确时间跨度。价格可能在交易发生时变动，随后部分回撤；交易也可能揭示会持续反映在价格中的信息。以同期中间价收益进行回归、观察数秒后的报价响应，或衡量长期响应，所得结果各不相同。Hasbrouck 的交易信息框架会对成交和报价修订进行动态建模。研究发现，一笔交易的完整信息效应可能会延迟反映在价格中（Hasbrouck，1991）。

在 Kyle 框架中，知情交易者掌握资产最终价值的部分信息；噪声交易者因与该信息无关的原因下单；竞争性做市商观察汇总订单流后设定价格。知情交易者会考虑到更大的订单会使价格朝不利于自己的方向移动，再决定交易量。做市商的价格响应和知情交易者的策略是在均衡中共同确定的（Kyle，1985）。

熟知的闭式表达式在单次拍卖的线性高斯基准模型中最容易理解。设终值 v 的先验均值为 μ、标准差为 σᵥ；噪声订单流 u 的标准差为 σᵤ；知情订单为 x=β(v−μ)。总订单流为 y=x+u。竞争性做市商设定 p(y)=E[v|y]=μ+λy。给定该定价规则，知情交易者的预期利润与 x[(v−μ)−λx] 成正比，因此最优线性策略为 β=1/(2λ)。将其与做市商的条件期望结合，可得

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

这个表达式适用于上述单次拍卖基准模型，并不是所有市场或连续拍卖均衡每一轮都适用的通用公式。它展示了模型机制：价值不确定性越大，逆向选择压力越强；噪声订单流越大，知情订单越难识别，单位订单流对应的价格响应就越小。在多轮模型中，策略性拆分订单、交易期限以及噪声订单流的路径也很重要。

经验研究常见的起点，是用带符号订单流回归中间价收益：

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

这里 mₜ 是中间价，rₜ 是以基点表示的对数收益，qₜ 是所选区间内的带符号订单流，a 是截距，εₜ 是拟合直线未能解释的部分。如果 qₜ 按每 $100,000 名义金额为一个单位计量，斜率的单位就是每 $100,000 净订单流对应的基点数。正的估计值表示，在这个样本和区间内，买方发起的净订单流越大，中间价收益往往越高。

除非研究设计支持因果或结构性解释，否则这种解释只是描述性的。订单流和价格共同形成：交易者会对价格作出反应，做市商会对订单流作出反应，双方也都可能对信息作出反应。OLS 本身无法还原知情交易者的策略，也无法还原竞争性做市商的均衡定价规则。应区分符号：λ 表示模型参数，\(\widehat{\lambda}_{\mathrm{OLS}}\) 表示拟合出的回归系数。

回归的因变量也很重要。成交价变化包含买卖价反弹；中间价变化可以滤除部分机械性变动，但无法消除报价时点、新闻或内生交易的影响。Glosten 和 Harris 对成交价及报价变化建模，以拆分价差组成部分；Brennan 和 Subrahmanyam 则研究日内交易成本及资产定价中的价格冲击指标（Glosten 和 Harris，198890034-7)；Brennan 和 Subrahmanyam，199600870-K)）。这些估计对象与流动性有关，但不能与单一的同期 OLS 斜率互换。

开始估计前先定义带符号订单流。对于交易 i，若由买方发起，则令 sᵢ=+1；若由卖方发起，则令 sᵢ=−1；nᵢ 表示股数、合约数或名义金额。于是

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

如果数据源提供主动方字段，应记录其含义和未解决的情况。如果交易方向是推断得出的，应说明分类器和报价匹配规则。Lee–Ready 指南解释了为什么观察到的成交记录不一定能揭示哪一方发起交易。订单流失衡是相关但不同的指标：它可以纳入显示的买价和卖价变化，而不只是带符号的成交。

记录两个坐标轴上的单位。将 q 从股数转换为合约数、美元或每 $100,000 一个单位的金额，会缩放斜率。将收益单位从美元改为基点或百分比，也会改变斜率。例如，若系数为每 $100,000 对应 0.64 个基点，将订单流改用百万美元计量会使数值放大十倍。标准化系数可能有助于比较不同工具，但它回答的是另一个问题，必须说明采用的标准化方式。

时间区间同样重要。将五分钟订单流与五分钟收益配对，得到的是区间关联；它无法说明价格变动有多少会持续。短区间容易受到时间戳对齐、买卖价反弹和稀疏交易的影响。长区间汇总更多交易和新闻，却会掩盖价格响应的先后顺序。应报告收益是同期还是远期、采样时钟、交易场所覆盖范围以及滞后结构。

考虑四个虚构的五分钟观测值。令 qₜ 表示以每 $100,000 为单位的带符号名义金额，rₜ 表示以基点计量的中间价收益：

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

订单流均值为 0，收益均值为 0.20 个基点。OLS 斜率和截距为

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

例如，q=2 时拟合收益为 0.20+0.64×2=1.48 bp，而观测值为 1.7 bp；q=−2 时拟合收益为 −1.08 bp，而观测值为 −1.1 bp。这四个点的残差较小，并不能证明关系稳定：四条观测只是透明的算术示例，不是充分估计或交易结果。

这些单位让估计值更容易理解。按照这条拟合线，同一五分钟区间内，买方发起的净订单流每增加 $100,000，中间价收益会关联增加 0.64 bp。这并不意味着做市商总会让价格移动这么多，也不表示影响会持续五分钟以上，或 $100,000 的订单能以中间价成交。

<!-- 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. -->

经验订单流序列的可靠性取决于方向符号。如果买卖被随机标错，正向订单流可能被记为负值，反之亦然。在严格假设下——方向符号错误独立且对称，其他测量误差外生——估计斜率通常会向零衰减，因为测得的订单流是实际订单流中噪声更大的代理变量。这不是保证适用的校正规则。如果错误集中在大额交易、快速市场、特定交易场所或价格跳变附近，偏差可能朝任一方向发展。

时间匹配和方向规则同样重要。若交易与交易后才更新的报价比较，可能会被归到错误的一方。价差内成交、中间价成交、拍卖、交易更正以及精度较粗的时间戳都可能存在歧义。应保留明确的“未知”类别，报告已分类的带符号成交量比例，并尽可能用合理的替代分类器重复估计。

分类误差还可能随流动性变化。在普通交易期间表现尚可的规则，在报价快速更新或大量成交发生在价差内时可能失效。如果交易场所提供自己的主动方字段，应核对其定义和例外情况，不要假设不同交易所的字段可以直接比较。如果方向需要推断，Lee–Ready 文章可作为记录方法及时间戳局限的起点。

当订单流和收益取自同一区间时，每个时间箱内事件的先后顺序不可见。区间前段的价格上涨可能在后段吸引买方，即使回归被描述为“订单流推动价格”。与此同时，流动性提供者可能会在观察到成交后调整报价。除非研究设计将这些方向分开，否则斜率会把它们合并。

公开信息是另一个共同原因。计划中的公告可能同时改变价值预期、波动率、价差和订单提交。此时，带符号订单流可能只是新闻反应的代理变量，而非私人信息的揭示。简单 Kyle 模型将知情交易和噪声交易分开，以展示一种机制；真实观察还包含公开新闻、库存管理、对冲、指数交易和流动性冲击。标记预定事件、控制可观测的共同冲击，以及将收益窗口之前测得的订单流分开，可以让问题更清晰，但控制变量不会自动消除内生性。

只有在识别假设明确且有依据时，才使用结构性或因果解释。对订单流加入滞后项，会把问题变为“较早的订单流能否预测之后的收益”，但这本身不会使订单流外生。如果目标是交易信息的延迟内容，Hasbrouck 的动态交易与报价方法会有帮助；简单 OLS 系数仍取决于选定的区间和回归设定（Hasbrouck，1991）。

交易成簇到达，价格也会随时间调整。如果订单流或回归残差具有序列依赖，即使系数仍是有用的描述性摘要，常规 OLS 标准误也可能产生误导。检查残差，说明不确定性估计是否考虑异方差和序列相关；如果问题涉及持续性或延迟响应，也可考虑动态模型。同一时间箱的系数和后续时间箱的累计响应不应使用同一标签。

流动性在一个交易时段内及不同交易时段之间都会变化。价差、显示深度、波动率、交易时段、交易场所和市场状况会影响特定订单推动价格的幅度。全样本单一斜率会对这些状态取平均。如果问题涉及状态依赖，应估计预先设定的子样本，或让订单流与测得的流动性产生交互，并报告每项比较的数据量。不能假定平静市场中的系数也适用于新闻冲击或深度不足的订单簿。

冲击不一定线性或对称。即使边际价格响应不同，一条回归线也可能把大小订单平均在一起；买入和卖出的表现也可能不同。Hasbrouck 的动态证据在其研究样本中报告，交易规模与完整价格冲击之间呈正向、凹形关系（Hasbrouck，1991）。Tóth 等人研究金融市场中的异常冲击和流动性尺度，在其研究环境中发现了平方根型模式（Tóth 等，2011）。这些发现说明值得检查非线性设定，但没有确立适用于所有资产、交易场所和时间跨度的普遍冲击曲线。

比较已发表或供应商提供的“lambda”数值之前，先对齐估计对象。订单流按带符号的股数、合约数还是美元名义金额计量？结果变量是成交价、中间价还是长期价格变化？订单流是同期、滞后，还是在响应跨度内累计？采样区间、交易场所覆盖、工具、市场状态和方向分类器是否相似？单位和目标不同的原始数字不能用于给流动性排名。

估计方法也会改变目标。简单 OLS 斜率总结样本内的线性关联。动态交易与报价模型可以区分即时和延迟响应。价差分解估算订单处理成本和逆向选择成本等部分。Hasbrouck 的日度数据方法从不同信息集中估算有效交易成本（Hasbrouck，2009）。Roll 估计量依据自身假设，使用收益自协方差推断价差代理指标；Hasbrouck 信息份额则在相关联市场之间分配共同永久价格创新的方差。两者都不是 Kyle λ 的另一个名称。

应把估计值视为一个定义清楚的价格响应指标，而不是完整的市场质量评分或可直接使用的交易信号。严谨报告应说明均衡假设或经验回归、订单流的方向符号和单位、价格指标、时间跨度、样本、不确定性方法、事件处理方式，以及对替代设定的敏感性。盈利能力需要单独进行样本外测试，并纳入价差、费用、延迟、滑点和市场冲击。