4 Empirical Properties of Limit Order Books

LOB 可以揭露很多有趣的微观信息，近年来也有许多研究。但需要注意：高频交易的进化速度极快，让这些研究很多时候比较过时。

Originally Posted at: https://clouder0.com/zh-cn/posts/lob-empirical-properties/

总结性的来说，作者发现了这些特点：

• 每日交易量大概占市值的 $0.5$. 从 1995 到 2015,这个比例近乎翻倍了。
• 在 midprice $1\%$ 附近的 volumes(差不多是 daily volatility 的一半的范围)占当日总交易量的 $1\%\sim 3\%$.
• best quotes 的活动在 ms 级别，large tick 的活动更加频繁。
• trade-through market orders(吃了 LOB 多档的订单)，在 small tick assets 上只有一小部分，而在 large-tick stocks 上则非常稀有。

在任意时刻，LOB 上揭露的订单都只是当天活动的很小一部分。

order flow 和 LOB 的很多属性都有着强烈的 intra-day patterns. 每天的不同时段表现是不同的。

比如就成交量而言，每天接近开盘、收盘的时候交易异常活跃。前者可能是为了消化隔夜的信息，而后者则是为了尽快完成当日的交易(比如说规避持仓过夜的风险等)。此外，也有可能有许多交易者选择在流动性好的时候进行交易，从而进一步促成了交易的聚集。

​​

large tick stocks 在开盘的交易量小，相比之下 small tick stocks 就大很多。emmm，这是普遍的吗？

Spread 在开盘时较大，而后持续减小。这可以从 Liquidity Providers 面临的 Adverse Selection 来考虑。
开盘时 Overnight News 让 Market Maker 面临强烈的 Adverse Selection 风险，因而需要增加 Spread. 随着交易逐渐消化掉了这部分的信息影响，Spread 就会逐渐缩小。

Liquidity 在开盘时相当稀有，而在收盘时相当充裕。这也意味着如果我们想干票大的、又不想承担太多的 Price Impact，可以选择在接近收盘的时候交易。

​​

不同类型的 stocks 的 Spread Distribution 还是有所不同的。对于 large-tick stocks 而言，大部分时候 Spread 就是 1tick，在少数情况下会更大。

而对于 small-tick stocks 而言，取值就更加广泛了。

​​

或许是因为 Spread 代表的是 Maker 的 Profit. 如果按 Spread 占市值的 Percentage 来算的话，也许会相对接近一些？

注意 bid-ask distribution 在不同的采样方式下结果是不同的。如果选择在 before-transaction 时统计，得到的 spread distribution 会比随机采样更 narrow 一些。这是因为 Liquidity Takers 会择时下单。

​​

所以一个简单的 Taker 执行策略就是：当 Spread 较大的时候少下( 但是为什么？一般而言，如果假定 FairPrice 处于 MidPrice，那么 Taker 去拿 Best Quotes 就需要付出 Half Spread Cost，当 Spread 较大的时候，意味着这个 Cost 也较大。而这个 Cost 就是 Maker 的 Profit.

当然，如果用更 Fair 的 Price Prediction 来衡量这个 Cost，会更好一些。

可以观察 Limit Orders 挂单的分布。same-side quote-relative prices 的定义参见上篇文章 3 Limit Order Books。在 Best Quotes 处的挂单总是最多的，但更深的地方也存在不少。

在 small-tick stocks 中，有更多的挂单会选择挂在 Spread 上，这可能是因为很多时候 spread 相对较大。

​​

根据作者的说法，撤单的分布和挂单非常相似，这可能是因为很多订单都是挂了之后，如果没成交就撤。

挂单的 Order Size 呢？这个的分布其实是相当广泛的，注意这是对数坐标。可以发现 OrderSize 没有呈现出 Cluster 聚集的状况，而是越大越少地广泛分布。

​​

best quotes 上的 volume 分布：

​​

可以发现 tail 和上面的 Order Size 有点像，这可能是因为一个 Large Limit Order 几乎总是会留在 LOB 上被观察到。

Queue Volumes 也可以从 calendar-time、event-time 和 before-transaction 三个角度来考察。

• 对于 small-tick stocks，在交易发生前 best quote 处的 volume 更大，说明 liquidity taker 更愿意在 opposite volume 相对较高时出手。
• 对于 large-tick stocks，在交易前的 volume 较小。Queue Volume 自身就带有跟未来价格方向有关的信息，当 ask 的流动性少、bid 流动性大时，价格一般向上移动，liquidity takers 抢着把最后剩的一点流动性拿干净。

接下来是 LOB 上的 Volume Profile：这次使用的是 opposite-side price distance，这是为了避免在 0 处的巨大 peak.

​​

可以发现即使在相当远的位置也有许多的流动性，同时，在 small-tick stocks 上可以观察到强烈的 round-number effects：大家比较喜欢挂单在整数上。

当然，要注意，这里的 Volume Profile 是平均值，那么在一个 snapshot 的分布究竟是怎么样的呢？

​​

可以发现在 small-tick stocks 上，LOB 实际上稀疏得多，很多时候是因为平均了才显得比较连续。

Tick size 如何影响市场呢？

首先观察：spread 和 stock price 基本上是成比例关系。由于 $\theta =0.01$ 就是最低价了，mean stock price < 10 的离群点没法继续往下。对比较贵的 stocks 相关性还是比较强。

​​

tick size 小的话，在 best quote 处的成交量就更少，best quote 处的 depth 也较小。

都是一些 stylized facts. 暂且还没有太反直觉的地方。

‍