🪨 市场冲击与 Kyle 模型

「我买 1000 万，价格会涨多少？」——市场冲击模型回答这个问题。它不只是执行层的工具（见执行算法 ）：冲击的数学结构决定了容量、拥挤、甚至 alpha 的本质（你的超额收益有多大比例是「给别人提供了流动性」的报酬）。

冲击的两种成分：永久与临时

一笔大买单的价格效应分解：

• 永久冲击（permanent impact）：价格的新均衡水平永久上移的部分——市场从你的交易中推断出了信息（有人愿意大量买入 = 大概率有利好/价值判断），价格重定价后不回来；
• 临时冲击（temporary impact）：执行期间的额外推升、执行结束后回落的「凹坑」——这部分是流动性消耗的租金，价格短暂透支后回归。

两者的政策含义不同：永久冲击是「信息的代价」（不可避免——除非不交易）；临时冲击是「流动性的代价」（可以通过拆单、限价、耐心压缩）。执行算法优化的主要是临时冲击，而策略容量受制于两者之和。

Kyle 模型：知情者、做市商与噪声的博弈

Kyle (1985) 的经典框架是微观结构的理论地基：三类参与者——知情交易者（知道真实价值 V，最大化利用信息）、噪声交易者（随机买卖，隐藏知情者的痕迹）、竞争性做市商（观察总订单流，猜测其中的信息含量，定价为条件期望）。

模型的两个核心结论：

1. 线性定价规则：做市商的定价 p = μ + λ·y（y 为总订单流）——价格随订单流线性移动，斜率 λ 就是「Kyle 的 lambda」：市场深度与信息不对称的综合度量。λ 大 = 浅市场/高信息不对称（每单位订单推动更多价格）；λ 小 = 深市场；
2. 知情者的最优策略是「化整为零」：把知情交易摊开成噪声规模的比例——这解释了为什么知情交易看起来像噪声（也为「隐蔽执行」提供了理论模板，见大单拆分 ）。

λ 的可操作读法：实证上 λ ≈ 冲击模型里的「线性斜率」，与波动率、逆向选择正相关、与深度负相关——它随市场状态变化（危机时 λ 暴涨）。跨票比较 λ（或其代理 Amihud 比率 = |r|/成交额）是流动性分档的标准做法（见流动性分析 ）。算例：A 股某日成交 2 亿的票，单日 -3% 且成交额比均值低 40% → Amihud 比率飙升——这类「量缩价崩」的票在流动性分档里应自动降级。

平方根定律：冲击的经验铁律

跨资产、跨市场的实证汇聚出同一个形状：冲击 ≈ Y·σ·√(Q/V)（Y≈0.5–1，σ 为日波动，Q 为订单量，V 为日成交额）——冲击与订单量的平方根成正比。为什么不是线性？微观解释：

1. 订单被市场部分「预期与吸收」：大单的一部分被当作公共信息提前定价，边际订单的信息含量递减；
2. 执行时间的自选择：大单天然拆得更慢更隐蔽（见执行算法 ）——观察到的冲击已被执行策略「打折」；
3. 流动性的幂律供给：订单簿深度的分布厚尾，吃穿第 N 档的边际成本递增但非线性递增。

平方根模型的三重用途（工程化见交易成本 ）：

1. 回测的冲击成本函数（可加校准参数 k）；
2. 容量估算的解析工具（「冲击吃掉超额 50%」的规模，见再平衡与容量 ）；
3. 交易前的成本预测（pre-trade 的核心算子，见TCA ）。

校准的实务：用自有成交流水回归 IS = a + k·σ√(Q/ADV) + ε（IS 为实现差额）——k 的跨票稳定性、残差的结构（残差大 = 该票有特殊微观结构，标记观察）。一个经验参考：A 股中等流动性的票（ADV 5–10 亿），k 常稳定在 0.6–0.9；如果回归出的 k 超过 1.5，多半是执行时段选择有问题（总在流动性最差的时段下单），先修执行再信模型。

冲击的博弈面：你会被「读」

Kyle 框架的另一面是：你的订单流也是别人的信号。执行大单时被对手反制的三种方式：

• 流量探测（flow toxicity 探测）：对手监测持续的定向订单流，推断你的意图，提前建仓、在你执行完毕后出货获利——「抢单者」的利润来源；
• 价格反应的自反性：你的执行推升价格 → 吸引动量跟单 → 价格进一步偏离 → 你的剩余订单更贵——执行期间的自反馈；
• 信息泄露的时间结构：分单节奏的规律性（每次挂 5 万手、每 3 分钟一批）就是指纹——随机化是必需品（见执行算法 的冰山节）。

战略层的含义：对小资金，「被读」无关紧要（订单量淹没在噪声里）；对大资金，「隐蔽性」是执行成本的一部分——资金规模越大，执行的博弈属性越重，纯统计的成本模型越不够用。

关联阅读：冲击进成本模型交易成本 ；冲击的实测TCA ；λ 的源头——价差的逆向选择成分Bid-Ask Spread 。