Market-Microstructure

前两篇写 Bid-Ask Spread 和 Adverse Selection 以及执行感知回测的时候，讨论的核心问题是"预测对了方向，为什么交易还可能亏钱"。结论是执行成本、成交概率和 Adverse Selection 都会侵蚀预测收益。

上一篇写到，预测对价格方向，不等于交易能赚钱。主动成交要付执行成本，挂单等成交又可能筛出对自己不利的行情。 顺着这个问题往下想，我还有一个疑问：如果把手续费算进去，回测里也只让一部分挂单成交，是不是就离真实收益很近了？

之前写 order book 和价格形成那篇时，花了不少篇幅搞清楚 bid/ask、maker/taker、以及成交量和价格之间的关系。写完之后我觉得这些概念已经理顺了，但最近在看加密货币量化执行的材料时，碰到了一个更尖锐的问题：

在很长一段时间里，我对股票市场的理解非常机械，甚至带着一种理所当然的工程偏见。 作为一个长期和分布式系统、性能优化与反馈控制打交道的工程师，我习惯把撮合引擎看作一个纯粹的分布式信息处理系统：全市场的参与者带着各自的信息、算力和风险偏好，用真金白银在订单簿上挂单出清。价格上涨，说明对未来的盈利预期转好；价格下跌，说明基本面恶化或风险溢价上升。

10月16日，美东时间上午，我在看 SOXL 的成交统计时看到了一组让我反复盯着屏幕的数字。 SOXL 是 3 倍做多半导体 ETF，那天跌了超过 6%。我打开成交统计，本来预期应该看到一个主动卖出量远超买入量的页面——毕竟已经跌成这样了。结果是这样的：

之前写量化交易系统那篇时提到过 execution 层——每笔 order 多大、对手盘的流动性够不够、是挂盘口还是主动吃价差。当时一笔带过，没有认真想 order book 这一层到底怎么运转。 最近第一次认真看市场微观结构（market microstructure）的一些材料，想搞清楚几个一直模模糊糊的问题。结果发现，不是模糊，是错的。