流動性測量指標：量化市場質量的完整指南

Q: 最常用的流動性指標有啲咩？

最常用嘅流動性指標包括：(1) 買賣價差（Bid-Ask Spread）：最直接嘅流動性指標；(2) Amihud 非流動性指標：基於價格變動同成交量的關係；(3) Roll measure：基於價格自相關計算隱性價差；(4) Kyle's lambda：衡量訂單流對價格的影響；(5) 訂單簿深度：訂單簿中掛單的總量。

Q: 點樣選擇合適的流動性指標？

選擇指標需要考慮以下因素：(1) 數據頻率：日級數據適合Amihud，高頻數據適合Order Book metrics；(2) 研究目的：选股篩選適合Amihud，執行優化適合Order Book metrics；(3) 計算複雜度：Amihud 計算簡單，Kyle's lambda 需要高頻數據；(4) 市場類型：不同市場適用的指標可能不同。

Q: 流動性指標點樣應用於选股？

流動性指標應用於選股的常見方法：(1) 流動性篩選：排除低於特定流動性閾值的股票；(2) 流動性因子：將流動性作為獨立因子納入多因子模型；(3) 流動性變化：追蹤流動性的變化趨勢，識別流動性改善或惡化的股票；(4) 流動性異象：研究低流動性股票是否確實存在溢價。

流動性係金融市場的核心概念之一，但佢並唔係可以直觀感測的單一維度。要真正理解同比較不同資產的流動性，需要依靠一系列量化指標。呢篇文章詳細介紹最主要的流動性測量指標，包括計算方法、適用場景同實戰應用。

流動性指標的分類

流動性指標可以分為三類：價格基礎指標（Price-based）、成交量基礎指標（Volume-based）、訂單簿基礎指標（Order Book-based）。

價格基礎指標

價格基礎指標使用價格數據（收益率、價差等）計算流動性：

買賣價差：最直接的流動性指標
Roll measure：基於價格自相關的隱性價差估計
High-Low Range：基於每日高低點的流動性指標
Garman-Klass Volatility：考慮開盤、收盤、最高、最低的波動率估計

成交量基礎指標

成交量基礎指標使用成交量數據衡量流動性：

成交量：最基本的流動性指標
轉手率：成交量除以流通股本
Amihud 非流動性指標：考慮價格變動同成交量的關係

訂單簿基礎指標

訂單簿基礎指標使用訂單簿數據衡量流動性：

訂單簿深度：各價格檔位的掛單量
訂單簿斜率：深度隨價格的衰減速度
訂單簿不平衡：買賣深度的相對差異
市場衝擊成本：特定成交量導致的價格變動

主要流動性指標详解

1. 買賣價差（Bid-Ask Spread）

定義：最佳賣出價同最佳買入價之間的差額。

計算：

絕對價差 = Ask Price - Bid Price
相對價差 = (Ask Price - Bid Price) / Mid Price
其中 Mid Price = (Ask Price + Bid Price) / 2

優點：

計算簡單，數據容易獲取
直觀易懂
反映即時的交易成本

缺點：

只反映掛單成本，不反映實際成交成本
對低頻數據不敏感
無法捕捉隱性成本

適用場景：

即時流動性評估
交易執行優化
做市商報價監測

2. Amihud 非流動性指標

定義：衡量單位成交量引起的價格變動幅度。

計算：

Illiq_i = (1/D) * Σ(|R_id| / Volume_id)

其中：

R_id = 股票 i 在日 d 的收益率
Volume_id = 股票 i 在日 d 的成交量（美元）
D = 計算期間的天數

解讀：

Illiq 值越大，流動性越差
通常取對數後使用：Ln(Illiq + 1)

優點：

使用日級數據即可計算
考慮了價格變動同成交量的關係
廣泛應用於學術研究

缺點：

假設價格變動完全由流動性引起
對外生衝擊敏感
不區分買方驅動同賣方驅動

實戰應用：

股票篩選：排除高 Amihud 值的股票
因子投資：流動性因子
組合優化：將流動性成本納入優化目標

3. Roll Measure

定義：基於價格自相關估計隱性價差。

計算：

σ_ε² = Cov(ΔP_t, ΔP_{t-1})
Roll Spread = 2 * √|σ_ε²|

其中 ΔP_t = P_t - P_{t-1}（價格變動）

原理：

如果價差為正，價格會在中間價兩側交替變動
價格變動的自相關係數為負
自相關的絕對值越大，價差越大

優點：

不需要訂單簿數據
估計隱性價差
可以捕捉買賣雙方力量

缺點：

假設價格變動僅由價差引起
對市場波動敏感
需要較高頻的數據

4. Kyle's Lambda

定義：衡量訂單流對價格的影響程度。

計算：

ΔP_t = λ * Ω_t + ε_t

其中：

ΔP_t = 價格變動
Ω_t = 訂單流（成交量 * 訂單方向）
λ = Kyle's lambda（流動性指標）
ε_t = 誤差項

解讀：

λ 越大，表示單位訂單流引起的價格變動越大，流動性越差
λ 反映市場對信息的反應速度

優點：

直接衡量訂單流對價格的影響
理論基礎紮實
可以區分信息交易同流動性交易

缺點：

需要逐筆交易數據
計算複雜
對數據質量要求高

5. 訂單簿深度

定義：訂單簿中所有掛單的總量。

計算：

Total Depth = Σ(Bid Volume_i) + Σ(Ask Volume_i)
Bid Depth = Σ(Bid Volume_i)
Ask Depth = Σ(Ask Volume_i)
Depth Ratio = Bid Depth / Ask Depth

優點：

最直接嘅流動性衡量
反映即時的市場狀況
可以細分到各價格檔位

缺點：

數據獲取困難（需要 Level 2 數據）
掛單可能隨時撤銷
不反映實際成交成本

不同市場環境下的指標表現

正常市場環境

在正常市場環境中：

指標	典型值（大型科技股）	典型值（小型股）
相對價差	0.01-0.05%	0.5-2%
Amihud Illiq	0.001-0.01	0.1-10
Roll Spread	0.02-0.1%	0.5-2%
Kyle's Lambda	0.001-0.01	0.1-1

高波動市場環境

在高波動環境中，所有流動性指標都會惡化：

價差擴大 2-5 倍
Amihud Illiq 上升 5-10 倍
深度減少 50-80%
Kyle's Lambda 上升 3-5 倍

流動性危機期間

流動性危機期間，指標可能達到極端值：

價差可能擴大 10-50 倍
深度可能減少 90% 以上
成交量可能萎縮 50-80%

Python 實現示例

Amihud 指標計算

import pandas as pd
import numpy as np

def calculate_amihud(df, period=30):
    """
    計算 Amihud 非流動性指標
    
    參數:
    df: DataFrame，包含 'return'（日收益率）同 'volume_usd'（成交量美元）
    period: 計算期間的天數
    
    返回:
    Series: Amihud 指標值
    """
    df = df.copy()
    
    # 計算每日 Amihud 值
    df['daily_illiq'] = np.abs(df['return']) / df['volume_usd']
    
    # 計算滾動平均
    illiq = df['daily_illiq'].rolling(window=period).mean()
    
    return illiq

訂單簿深度計算

def calculate_order_book_metrics(bid_levels, ask_levels):
    """
    計算訂單簿流動性指標
    
    參數:
    bid_levels: DataFrame，包含 'price' 同 'volume' 的買盤數據
    ask_levels: DataFrame，包含 'price' 同 'volume' 的賣盤數據
    
    返回:
    dict: 流動性指標
    """
    # 總深度
    bid_depth = bid_levels['volume'].sum()
    ask_depth = ask_levels['volume'].sum()
    total_depth = bid_depth + ask_depth
    
    # 深度比率
    depth_ratio = bid_depth / ask_depth if ask_depth > 0 else float('inf')
    
    # 價差
    spread = ask_levels['price'].min() - bid_levels['price'].max()
    mid_price = (ask_levels['price'].min() + bid_levels['price'].max()) / 2
    relative_spread = spread / mid_price if mid_price > 0 else 0
    
    # 訂單簿斜率（買盤）
    bid_slope = bid_levels['volume'].diff().mean()
    
    return {
        'bid_depth': bid_depth,
        'ask_depth': ask_depth,
        'total_depth': total_depth,
        'depth_ratio': depth_ratio,
        'spread': spread,
        'relative_spread': relative_spread,
        'bid_slope': bid_slope
    }

實戰應用：流動性篩選

选股中的流動性篩選

在使用流動性指標進行选股時，可以採用以下方法：

流動性閾值篩選：
- 排除 Amihud Illiq > 閾值的股票
- 排除相對價差 > 閾值的股票
- 排除日均成交量 < 閾值的股票
流動性因子：
- 將 Amihud Illiq 作為獨立因子
- 納入多因子模型
- 研究流動性溢價
流動性變化追蹤：
- 追蹤 Amihud Illiq 的變化趨勢
- 識別流動性改善或惡化的股票
- 作為交易信號

組合層面的流動性管理

組合流動性衡量：
- 計算加權平均 Amihud Illiq
- 評估組合在壓力情景下的變現能力
- 監控組合的總交易成本
流動性約束：
- 設定單一資產的最大持倉比例（相對於成交量）
- 設定組合的總流動性風險閾值
- 定期進行壓力測試

總結

流動性測量指標為量化市場質量提供咗系統化的工具。從簡單的買賣價差到複雜的 Kyle's lambda，每種指標都有其獨特的同適用場景。交易者需要根據自身的數據可得性、研究目的同市場環境選擇合適的指標。

將流動性分析納入你嘅投資框架，可以更好地評估交易成本、優化執行策略、管理流動性風險。加入 Algo Lab VIP，獲取專業流動性分析工具。

常見問題

最常用的流動性指標有啲咩？