← 返回 Quant Digests · 站点首页

别把 liquidity 研究只当 market-quality 教科书：对 short-cycle desk，更该先补的是「CS/AR spread proxy × Amihud level × realized-vol trigger」这层共享 liquidity gate / sizing overlay

• 时间：2026-04-01 14:26 UTC
• 类型：quant_digest
• 主题标签：overlay/filter/liquidity/cost-model/spread-proxy/corwin-schultz/abdi-ranaldo/amihud/kyle-obizhaeva/realized-volatility/market-quality/shared-component/binance/bybit/okx/btc/eth/1m/3m/5m/15m/paper/public-data/cost/execution
• 证据类型：2021 *Journal of Banking & Finance* 开放获取 Highlights/Abstract + OpenAlex 元数据；2024 *Financial Innovation* 开放获取摘要/元数据

• 主题类型：overlay
• 基础 alpha：不是独立 raw alpha；它服务的 base alpha 是高换手短周期策略，尤其是 order-book / taker-flow directional、breakout / continuation、pairs / spread MR 这几类最容易被成本和流动性状态吞掉的 raw alpha。
• 是否可独立复现：是
• 是否可直接落地完整策略（entry/exit/sizing/risk/cost）：是，但角色是 gate / sizing / cost overlay，不是方向信号本体。

1. 先说结论

如果现在还继续只补 raw alpha 叶子，而不补一层便宜、稳定、公开数据可得的 liquidity/cost gate，desk 很容易重复犯同一个错：

paper 上有 edge，实盘一上高换手就被 spread、冲击、挤仓时段和错误 venue 选择吃掉。

这轮最值得 intake 的，不是“又一个方向因子”，而是：

1. 用 Corwin-Schultz (CS) / Abdi-Ranaldo (AR) 这类只靠 OHLC 就能算的 spread proxy，去跟踪流动性变化；
2. 用 Amihud / Kyle-Obizhaeva (KO) 这类 price-impact proxy，去跟踪流动性水平；
3. 再用 realized volatility 做上游 trigger，因为 2024 支持材料表明，对 BTC liquidity 来说，已实现波动率是最稳的解释变量。

翻成人话： 先别急着问“方向对不对”，先问“这根 bar 值不值得交易、该不该降仓、是不是该换 maker-ish 执行”。

2. 为什么这轮值得写，而不是继续补一条 raw alpha

当前 desk 已经连续 intake 了不少 raw alpha 候选：directional、pairs、cross-sectional、carry 都在加。 现在更缺的，是一层能同时服务多类 alpha 的共享成本壳：

• 对 OBI / flow continuation：它决定你是该 aggress，还是等价差回到可交易区；
• 对 breakout / trend：它决定高波动真突破时该不该放行，还是先被 spread tax 干掉；
• 对 pairs / spread MR：它决定看起来很美的 z-score 回归，是否只是低流动性假信号。

所以这轮虽然不是 raw alpha，但和当前短周期 desk 的关系非常直接： 它不是解释世界，而是给已有/新 raw alpha 加一层“别在最贵的时候交易”的保护层。

3. 这次看了什么

3.1 主论文：低频 proxy 能不能替代高频真实 liquidity

• Authors：Alexander Brauneis, Roland Mestel, Ryan Riordan, Erik Theissen
• Year：2021
• Title：*How to measure the liquidity of cryptocurrency markets?*
• Venue：*Journal of Banking & Finance*
• DOI：<https://doi.org/10.1016/j.jbankfin.2020.106041>
• Readable URL：<https://www.sciencedirect.com/science/article/pii/S0378426620303022?via%3Dihub>

当前可稳定拿到的核心信息：

• 论文直接比较了高频 benchmark liquidity 与低频、易计算 proxy 在 crypto 里的表现；
• 研究对象明确写到 BTC 和 ETH；
• Highlights 与 Abstract 都能稳定拿到，足够支撑这轮 digest 的主结论。

3.2 supporting paper：liquidity 到底被什么驱动

• Author：Walid M. A. Ahmed
• Year：2024
• Title：*On the robust drivers of cryptocurrency liquidity: the case of Bitcoin*
• Venue：*Financial Innovation*
• DOI：<https://doi.org/10.1186/s40854-023-00598-9>
• Readable URL：<https://doi.org/10.1186/s40854-023-00598-9>

这篇 supporting paper 的价值不在“给新 alpha”，而在告诉我们： 当你想提前预判 liquidity 变坏时，最该盯的上游变量是什么。

4. 这两篇东西给了 desk 哪 4 个硬点

4.1 低频 proxy 不是没用，反而够资格做短周期 gate

2021 JBF 的 abstract 结论非常直接：

• Corwin-Schultz (2012) 和 Abdi-Ranaldo (2017) 在描述流动性的时间序列变化时，优于其他候选；
• 这个结论对不同观察频率、不同 venue、不同 benchmark、不同币种都成立；
• 它们在高 / 低收益、高 / 低波动、高 / 低成交量时期都表现稳定。

对 desk 的含义是： 如果你现在没有稳定全市场 L2 / tick 数据，不代表你只能裸跑策略。用 OHLC + volume 就能先搭一层足够像样的 liquidity state machine。

4.2 想看“变化”，优先 CS / AR；想看“绝对水平”，优先 Amihud / KO

这篇 2021 论文还给了一个很重要的拆分：

• CS / AR 更擅长追踪 liquidity 的变化过程；
• Amihud (2002) illiquidity ratio 和 Kyle-Obizhaeva (2016) 更擅长估计liquidity level；
• 后两者还更能识别venue 之间的流动性差异。

这点很关键，因为 short-cycle desk 经常把“有没有恶化”和“绝对贵不贵”混成一个维度。其实应该拆开：

• 变化维度：现在是不是突然变差了？
• 水平维度：这个 venue / 这个币 / 这个时段，本来是不是就贵？

4.3 Amihud 很便宜，先上它；CS/AR 做 second opinion

如果只从最小实验成本看，Amihud 最适合先落：

• 公式简单：ILLIQ_t = abs(ret_t) / dollar_volume_t；
• 公开 K 线 / quote volume 就能先做；
• 很适合先给现有 alpha 做 cost veto / size scaling。

但如果只用 Amihud，又会漏掉spread 自身的状态变化。所以更合理的 desk 化方案是：

• 用 CS 或 AR 盯 spread proxy 的变化；
• 用 Amihud 盯 impact/capacity；
• 如果后面有更好的成交级数据，再补 KO。

4.4 2024 支持材料：最稳的上游 trigger 是 realized volatility

2024 *Financial Innovation* 的 abstract 也很有用：

• 研究用的是 BTC/USD 的 60-min 高频数据；
• 在 Leamer 版 EBA 下，realized volatility 是解释 Bitcoin liquidity 的唯一稳健变量；
• 在 Sala-i-Martin 版 EBA 下，除 realized volatility 外，还多了 negative returns、trading volume、hash rate、Google search volume 这 4 个稳健解释变量。

翻成人话： 如果你只允许先上一个最便宜、最稳的 liquidity deterioration trigger，先上 realized vol，不要先上“花哨情绪解释”。

5. 这东西怎么映射到 1m / 3m / 5m / 15m

5.1 它不是方向信号，而是 admission / sizing / execution veto

这轮要非常诚实：

• 它不是独立 raw alpha；
• 它更像一个共享的 tradeability layer；
• 所以最适合的角色是：
• 15m / 5m：主 gate / size scaler
• 3m / 1m：execution veto / maker-vs-taker switch

5.2 最小可复现实验口径

公开数据源：

• Binance / Bybit / OKX 公共 OHLCV / quote volume / 公开 trade 或 mark price 数据
• 数据公开性：公开可得
• 更新频率：1m 或更高，再聚合到 3m/5m/15m

第一版指标建议：

1. amihud_5m = abs(ret_5m) / quote_volume_5m
2. amihud_15m = abs(ret_15m) / quote_volume_15m
3. spread_proxy_5m = CS_or_AR_from_OHLC_5m
4. rv_15m = realized_vol_15m_or_1h
5. liq_state = z(amihud) + z(spread_proxy) + z(rv)

其中：

• CS_or_AR 先直接复用论文对应 estimator 的标准实现，不建议第一刀自己手写猜公式；
• rv 先用最朴素的 rolling realized vol 就够；
• liq_state 不要一开始搞复杂 ML，先做分桶和简单阈值。

6. 对当前 desk 最有价值的不是“测 proxy 本身”，而是做 transfer

这轮最该先跑的，不是孤零零地看 proxy 跟 spread 的相关系数，而是做对已有 alpha 的迁移实验。

实验 A：给 OBI / flow continuation 加 liquidity veto

服务 alpha：order-book imbalance / taker-flow continuation

• 原信号照旧给方向；
• 若 liq_state 进入最差分位（比如 top decile illiquid），则：
• 禁止 taker 进场；
• 或把 size 降到 25% / 50%；
• 或改成 maker-ish 参与。

要回答的问题： alpha 的毛 edge 会不会小降，但 after-cost Sharpe / hit-rate / avg trade pnl 反而上升？

实验 B：给 breakout / continuation 做“高波动 ≠ 可交易”分流

服务 alpha：breakout / trend / continuation

• 常见错误是把高波动直接当“更值得追”；
• 这里改成二阶段判断：

1. breakout 条件触发；
2. 只有当 rv 上升但 spread_proxy / amihud 没同步恶化到阈值外，才放行。

要回答的问题： 能不能把“方向对但成本太贵”的假阳性砍掉？

实验 C：pairs / spread MR 上的 venue-aware 降仓

服务 alpha：pairs / stat-arb / spread MR

• 如果 z-score 到位，但一条腿所在 venue 的 Amihud / KO 明显更差；
• 或者 CS/AR 提示 spread proxy 正在恶化；
• 那就不是不做，而是：
• 降仓；
• 拉宽 entry band；
• 或强制 maker-only first leg。

要回答的问题： MR 的表面回归优势，是否只是被 illiquid leg 的 hidden cost 假放大？

7. 一个够用的 first-pass 策略骨架

Entry gate

对任意已有 raw alpha alpha_score_t：

1. 先算 alpha_score_t；
2. 再算 amihud_t、spread_proxy_t、rv_t；
3. 得到 liq_state_t；
4. 只有当 liq_state_t < gate_threshold 才允许正常进场；
5. 若 liq_state_t 落在灰区，只允许半仓或 maker-only；
6. 若 liq_state_t 极差，则 veto。

Sizing

• normal：底层 alpha size × 1.0
• watch：× 0.5
• bad：× 0 或只挂 maker 小仓

Cost/Risk

至少拆三档：

• maker-ish
• mixed
• taker-heavy

如果一个 alpha 只有在 liq_state 最差时还必须用 taker-heavy 才能抓到信号，那它很可能不是真的 edge，只是 paper edge。

8. 这轮最该记住的 3 个数字 / 事实

1. 2021 JBF：BTC/ETH 上，CS / AR 最适合追时间序列变化；Amihud / KO 最适合看 liquidity level 与 venue 差异。
2. 2024 Financial Innovation：基于 BTC/USD 60-min 高频数据，realized volatility 是最稳的 liquidity 解释变量。
3. 这意味着 short-cycle desk 完全可以先用公开 OHLCV + quote volume搭一层低成本 liquidity gate，而不用等完整 L2 基础设施才开始做成本控制。

9. 局限与别误读的地方

1. 这不是 raw alpha 本体。 不要把它伪装成“单独赚钱的方向信号”。
2. 2021 论文的 benchmark 是高频 liquidity，不等于你的实际 fill。 所以 transfer 时一定要看 after-cost，不要只看 proxy 相关性。
3. 2024 supporting paper 只看 Bitcoin。 所以 realized-vol trigger 迁移到 ALT 时，要单独做稳健性。
4. 不同 venue 的 quote volume 口径可能不完全一致。 first-pass 先做单 venue 内实验，再做 cross-venue。

10. 下一步怎么测

本轮建议只做 1 个最小实验

先拿一条已有高换手 alpha，给它外挂这层 gate，再做 ablation。

优先顺序：

1. OBI / taker-flow directional
2. breakout / continuation
3. pairs / spread MR

最小 ablation ladder

1. 原始 alpha（无 gate）
2. + Amihud
3. + Amihud + CS/AR
4. + Amihud + CS/AR + realized-vol trigger

只看这 5 个输出

• after-cost Sharpe
• avg trade pnl
• fill-adjusted hit-rate
• turnover change
• veto 后被砍掉交易的 pnl 分布

如果第 4 档明显优于第 1 档，这层 overlay 就值得正式进入实盘组件池；如果只改善 paper pnl、不改善 after-cost，就说明它只是漂亮解释，不是好 gate。

11. 一句话收尾

这轮不是再找一条“看起来很聪明”的方向因子，而是补一层低数据门槛、可跨策略复用、直接决定 edge 能不能活过成本的 liquidity overlay。对现在这个 short-cycle desk，它比再多收一条相似 raw alpha 更值钱。