Tick Rule 与成交量同步概率：用逐笔方向重构知情交易强度 • halo 的技术博客

一句话版本#

Tick Rule 用”价格往哪边跳”给每笔成交打上买卖方向标签（准确率约 75%），VPIN 在成交量时钟上把这些标签聚合成买卖失衡的滚动均值——知情交易者进场时它系统性抬升，且领先于波动的实现。

一、问题：逐笔数据里没有”谁是主动方”#

你拿到一份逐笔成交数据：时间戳、价格、数量。想回答一个微观结构里最基础的问题——这笔成交是买方主动打上去的，还是卖方主动砸下来的？

这个标签重要到什么程度：订单流失衡（order flow imbalance）是短周期价格预测里最强的单一信号族；知情交易概率（PIN）、Kyle’s lambda、成交量加权价差全都建立在它之上。但绝大多数市场的公开逐笔数据不带主动方标志——交易所知道，但不告诉你。

于是三十年来微观结构研究的第一步都是同一件事：从价格序列反推每笔成交的方向。

二、Tick Rule：最朴素也最耐用的分类器#

Tick Rule 的全部规则只有三行：

成交价高于上一笔 → 判定为买方主动（uptick）；
成交价低于上一笔 → 判定为卖方主动（downtick）；
成交价无变化 → 沿用上一笔的判定（zero-tick 继承）。

直觉：主动买单吃掉卖一，成交价被推到 ask，相对上一笔（可能在 bid）上跳；主动卖单反之。

import numpy as np

def tick_rule(prices: np.ndarray) -> np.ndarray:
    """经典 tick rule：返回每笔成交的方向标签 (+1 买 / -1 卖)。"""
    n = len(prices)
    cls = np.zeros(n, dtype=int)
    last = 1                          # 初始方向约定为买
    for i in range(1, n):
        d = prices[i] - prices[i-1]
        if d > 1e-9:
            last = 1
        elif d < -1e-9:
            last = -1
        cls[i] = last                 # 零变化沿用 last
    cls[0] = cls[1] if n > 1 else 1
    return cls

python

它有多准？用一个可控模拟来回答：随机生成买卖方向，成交价 = 中间价 ± 半价差 + 报价噪声，然后看 tick rule 能恢复多少真实方向：

Tick Rule 准确率

结果：噪声温和时准确率稳定在 75% 左右，噪声达到半价差的 100% 时衰减到 62.5%。误判的主要来源清晰可见：中间价自身的移动会制造与主动方向无关的价格跳动，zero-tick 继承在连续同价成交时把一个错误一路传染下去。

真实数据上的文献结论与此一致：Lee-Ready 算法（tick rule + 报价中点辅助）在美股上准确率约 85%，纯 tick rule 约 75-80%，且对小单、价差内成交、高频撮合的误判率显著更高。

记住这个数字：75%。它意味着 tick rule 是一台有偏的测量仪——但接下来会看到，聚合之后它依然足够支撑上层结构。

三、换时钟：为什么要用成交量桶#

拿到逐笔方向后，直觉的做法是按时间窗口（比如每分钟）聚合买卖量算失衡。Easley、López de Prado 和 O’Hara（2012）的关键洞察是：时间是错误的时钟。

信息不按日历流动。重磅消息落地的那十分钟，成交量是平时的二十倍——如果按固定时间窗聚合，信息密集期和垃圾时间被切成同样大小的桶，信号被严重稀释。他们的替代方案是成交量时钟（volume clock）：

每积累固定数量的成交量（比如日均成交量的 1/50），切一个桶。

在成交量时钟下，信息密集期被自动”放大展开”（一小时切出二十个桶），平静期被压缩（一下午才凑满一个桶）。采样频率跟着信息流动速度自适应。

def volume_buckets(prices, volumes, sides, bucket_size):
    """把逐笔成交按成交量时钟分桶，返回每桶买量/卖量/收盘价。"""
    cum_v = np.cumsum(volumes)
    bucket_id = (cum_v / bucket_size).astype(int)
    n_buckets = bucket_id.max() + 1

    VB = np.zeros(n_buckets)   # 每桶买方主动量
    VS = np.zeros(n_buckets)   # 每桶卖方主动量
    PX = np.zeros(n_buckets)   # 每桶收盘价
    for i in range(len(volumes)):
        b = bucket_id[i]
        if sides[i] == 1:
            VB[b] += volumes[i]
        else:
            VS[b] += volumes[i]
    for b in range(n_buckets):
        idx = np.where(bucket_id == b)[0]
        PX[b] = prices[idx[-1]]
    return VB, VS, PX

python

四、VPIN：知情交易强度的滚动读数#

有了成交量桶，VPIN（Volume-Synchronized Probability of Informed Trading）的定义只剩一步：

\text{VPIN} = \frac{1}{n} \sum_{j=1}^{n} \frac{|V_j^{buy} - V_j^{sell}|}{V_j^{buy} + V_j^{sell}}

即最近 n 个桶的买卖失衡绝对值的均值（每桶总量相同，分母就是桶容量）。逻辑链条：

不知情交易者（做市、流动性需求、指数化）的买卖大体对称，失衡接近零；
知情交易者带方向进场——他们知道价格要往哪走，只在一边下单；
知情交易占比越高，桶内失衡越大，VPIN 越高。

VPIN 是经典 PIN 模型（Easley-O’Hara 序贯交易模型）的无参数工程化替身：PIN 需要极大似然估计到达率参数、在高频数据上数值病态；VPIN 只要加减法，实时可算。

用一段”平静 → 知情卖压 → 平静”的三段式模拟展示全流程（中段 45% 的成交来自带方向的知情卖单）：

VPIN 构造

读图：知情段内单桶失衡（中图）持续偏向卖方（红色主导），VPIN（下图）从平静段的 0.09 抬升到 0.25，随后随知情流退场缓慢回落——滚动窗口给了它平滑性，也给了它约半个窗口的确认延迟。

五、领先性测试：VPIN 高分位之后发生什么#

VPIN 最响亮的宣传是”闪崩预警器”——Easley 等人声称它在 2010 年 5 月 6 日美股闪崩前一小时就达到了历史极值。宣传归宣传，可控模拟里可以干净地问一个问题：VPIN 处于高分位之后，波动是否系统性放大？

设计：200 次独立模拟，每次在随机位置插入一段随机方向的知情交易流；对每个时点记录当前 VPIN 和未来 10 个桶的平均绝对收益，按 VPIN 分位分组：

VPIN 领先性

结果：VPIN 最低分位组（0-20%）之后的平均绝对收益 16.2×10⁻⁴，最高分位组（90-100%）达到 36.9×10⁻⁴——2.3 倍的差距，且分位数单调递增。机制在模拟里是透明的：知情流一边推高失衡（VPIN 抬升）、一边通过持久冲击把价格推向新水平（波动实现），而 VPIN 的抬升发生在冲击的积累阶段——测量的是原因，领先于结果。

时钟的选择确实是关键。同一段数据换成时间时钟聚合：

成交量时钟把知情段展开成一长段清晰的高失衡区；时间时钟把它压缩进少数几个桶，信号又矮又窄。这不是显示技巧的差别——按时间聚合时知情桶内混入了更多噪声流，失衡被真实地稀释了。

六、争议与暗坑：诚实清单#

VPIN 是微观结构指标里被引用最多、也被攻击最狠的之一。三个必须知道的问题：

1. Andersen-Bondarenko 的釜底抽薪。 他们（2014）指出：VPIN 与成交量、波动率本身高度相关，控制住”当前波动”后 VPIN 对未来波动的增量预测力大幅缩水；且闪崩当天 VPIN 的”提前报警”依赖于桶大小和窗口的事后选择——换一组参数，报警就消失。这场论战没有完全的赢家，但共识是：VPIN 是有效的拥挤/毒性度量，把它当成独立于波动的水晶球则言过其实。我们的模拟支持这个立场：领先性来自”失衡积累先于价格实现”的机制，而这个机制在现实中会被波动率聚类污染。

2. Tick rule 误差的传染方式。 75% 的分类准确率意味着每桶失衡被系统性低估（误分类使买卖互相抵消一部分）。平静期这是无偏的收缩；但极端单边行情中，价格快速下行使 tick rule 把部分被动成交也判成卖方，失衡被高估——VPIN 在最需要冷静的时候倾向于喊得更响。方向性使用（判断失衡是买压还是卖压）比幅度使用更危险。

3. 参数不是自由午餐。 桶大小（日均量的 1/30 还是 1/100）和滚动窗口（20 桶还是 50 桶）直接决定 VPIN 的灵敏度与延迟。文献里”VPIN 有效/无效”的矛盾结论，相当一部分是参数选择的差异。任何实盘使用前必须在自己的市场、自己的品种上做参数稳健性扫描，单点参数的回测结论不可信。

七、A 股落地：少数数据条件更好的场景#

难得的好消息：A 股 Level-2 逐笔成交自带买卖方向标志（逐笔成交中的 BS 标志，由交易所撮合引擎直接给出主动方），这意味着：

可以跳过 tick rule，直接用真实方向构造成交量桶失衡——75% 准确率的测量误差整段消失，这是比美股 TAQ 数据更好的起点；
反过来，A 股也是检验 tick rule 质量的天然实验场：用真实标志做 ground truth，可以测出 tick rule 在你的品种上的实际准确率（文献在 A 股上的测试结果约 80-85%，好于美股，与 A 股最小变动价位相对较大有关）;
注意事项：集合竞价成交无主动方语义需剔除；涨跌停板上的成交方向标志会失真（一字板上几乎全是单边）；桶大小建议用过去 20 日日均成交量的 1/50 起步做扫描。

用途定位也要现实：A 股 T+1 使 VPIN 难以直接驱动日内反转交易，更合理的角色是执行端的风控输入——VPIN 高分位时放缓母单执行速度、加宽做市报价，避免与知情流对撞。

八、总结#

Tick rule 用”价格往哪边跳”补上逐笔数据缺失的主动方标签，准确率约 75%，随报价噪声衰减——它是有偏但耐用的测量仪；
VPIN = 成交量时钟上买卖失衡的滚动均值：知情交易者带方向进场时失衡持续偏向一边，模拟中 VPIN 从 0.09 抬升到 0.25；
领先性有机制支撑：失衡积累先于价格实现，200 次模拟中 VPIN 最高分位组随后的波动是最低分位组的 2.3 倍；
时钟选择是本质差异：成交量时钟把信息密集期自适应展开，时间时钟把信号稀释进噪声；
诚实边界：VPIN 与波动本身相关（Andersen-Bondarenko 批评）、tick rule 误差在极端行情中偏乐观、参数敏感性高——它是拥挤度温度计，不是水晶球；
A 股逐笔数据自带 BS 标志，可跳过 tick rule 直接构造，是少数数据条件优于美股的微观结构应用，合理定位是执行风控而非信号交易。

下一步：VPIN 度量的是”知情交易的强度”，Kyle’s lambda 度量的是”单位订单流的价格冲击”——两者相乘就是知情流的预期成本，这是最优执行模型里毒性调整的入口。