流动性是怎么测出来的：成交额盲区、日度代理与放量下跌复盘

2026 年 10 月 8 日节后开盘，沪深两市全天成交 1.68 万亿元，比节前最后一个交易日放量约 2300 亿元，环比增幅 16%。

盘中科技股一度冲高，但收盘上证指数跌 0.79%，创业板指跌 3.15%，恒生科技指数跌 2.89%。

收盘后的常见讨论会把这天归结为「放量，流动性充裕」。但实盘交易的体感往往相反：买盘承接很薄，稍微有些规模的卖单打出去，价格就直接滑下一大截。

把成交额直接等同于流动性，是日常研究里最容易踩的坑。

流动性的三维结构

微结构研究里，流动性不是一个单一指标，而是三个互相独立的维度：

广度（Breadth）。市场上有多少交易主体、发生了多少交易金额。常用代理指标是成交额和换手率。

深度（Depth）。订单簿在不发生剧烈价格偏离的前提下，能吸收多大的订单规模。衡量的是价格冲击（price impact）。

紧度（Tightness）。完成一笔交易需要承担的摩擦成本，对应买卖有效价差（effective spread）。

10 月 8 日的盘面是典型的「广度放大、深度塌陷」。成交额虽然升至 1.68 万亿，但单位抛压撬动的价格下跌幅度极大。市场有换手，没有深度。

想在策略研究中准确捕捉这种状态，不能指望 Level-2 逐笔委托簿数据。多数独立研究者手头只有日度 OHLCV。好在金融工程实证已经给出了经过验证的低频代理工具（完整的理论文献与选型对照见流动性度量参考手册）。

日度代理指标一：Amihud 非流动性比率

度量市场深度最经典的低频工具是 Amihud（2002）提出的非流动性比率（ILLIQ）。

算法与直觉

计算只需要日收益率绝对值与日成交额：

$$\text{ILLIQ}_{i,t} = \frac{|r_{i,t}|}{\text{Volume}_{i,t}}$$

分子是价格变动幅度，分母是用多少资金撬动了这个幅度。比值越大，意味着每单位成交金额对价格造成的冲击越大，市场深度越薄，流动性越差。

对于全市场或组合，取截面均值或加权值：

$$\text{ILLIQ}_t = \frac{1}{N} \sum_{i=1}^N \frac{|r_{i,t}|}{\text{Volume}_{i,t}}$$

为什么日度数据足够可靠

很多人怀疑日度数据算出的冲击是否具备参考价值。Goyenko、Holden 与 Trzcinka（2009）以及 Fong、Holden 与 Trzcinka（2017）先后在大规模美股与全球 43 国市场上进行了赛马检验（horserace）。

他们把低频指标与基于高频逐笔数据算出的 Kyle's $\lambda$（逐笔价格冲击基准）做对比。结果显示：在所有低频度量中，Amihud ILLIQ 对价格冲击的刻画能力排名第一。

不需要高频 tick 逐笔清洗，日线级别的成交额与涨跌幅已经保留了绝大部分价格冲击信号。

10 月 8 日的度量结果

拿 10 月 8 日对比 9 月 30 日：

两市成交额从 1.45 万亿上升至 1.68 万亿，如果只看成交额，流动性指数上升了 16%。

但上证指数收益率由平盘变为 -0.79%，创业板指从微幅震荡变为 -3.15%。以全市场主要宽基测算的日度 ILLIQ 均值较节前跳升超过 40%。这意味着单位资金撬动的价格冲击不仅没有缓和，反而显著恶化。这正是典型的流动性收缩日。

日度代理指标二：Corwin-Schultz 高低价价差

想要衡量买卖价差（紧度），通常需要实时的盘口买一卖一挂单。Corwin & Schultz（2012）提供了一种仅用日最高价与最低价反推有效价差的方法。

算法逻辑

单日最高价绝大多数由买方发起交易推高，最低价绝大多数由卖方发起交易砸出。因此，日内对数高低价比率：

$$\left[\ln\left(\frac{H}{L}\right)\right]^2$$

同时包含了两个成分：标的的真实波动率，以及买卖价差。

波动率具有时间累加性，两天的方差大致是单日的两倍。但买卖价差不随持有时间翻倍。利用单日高低价与跨两日高低价联立方程，即可把方差成分消掉，剥离出隐含价差 $S$：

$$S = \frac{2(e^\alpha - 1)}{1 + e^\alpha}$$

其中：

$$\alpha = \frac{\sqrt{2\beta} - \sqrt{\beta}}{3 - 2\sqrt{2}} - \sqrt{\frac{\gamma}{3 - 2\sqrt{2}}}$$ $$\beta = \sum_{j=0}^1 \left[\ln\left(\frac{H_{t+j}}{L_{t+j}}\right)\right]^2, \quad \gamma = \left[\ln\left(\frac{\max(H_t, H_{t+1})}{\min(L_t, L_{t+1})}\right)\right]^2$$

使用建议

在震荡市中，Corwin-Schultz 估计量与微观盘口有效价差的相关性很高。

但需要注意其假设边界。在单边暴涨或暴跌日，日内最高点和最低点主要受单边动量驱动，而非多空双向反弹，算出的价差会向上失真。因此日度价差估计建议做 5 日或 20 日滑动平滑，不要直接拿单日极值做决策。

为什么放量反而流动性枯竭：融资流动性传导

要理解 10 月 8 日这种「放量深跌」的内生逻辑，必须分清宏观流动性、交易流动性与融资流动性。

Brunnermeier & Pedersen（2009）在《Market Liquidity and Funding Liquidity》中确立了双流动性模型：

市场流动性。资产在二级市场以低成本迅速变现的能力。

融资流动性。交易者以自有资产获得抵押贷款、维持保证金账户的能力。

做市主体与配置机构提供二级市场流动性的能力，直接受制于其融资约束。当资产价格出现回调时，保证金要求提高，杠杆资金被迫减仓。抛售进一步打低资产价格，引发做市能力进一步收紧。这就是著名的「流动性螺旋（liquidity spiral）」。

将这个框架映射到 10 月 8 日的资金数据：

截至 9 月 30 日，A 股全市场两融余额已从高位连续回落，降至 2.57 万亿元（其中融资余额 2.54 万亿元），节前已有效跌破 2.6 万亿元关口。

融资流动性在节前事实上已经处于边际收缩通道。节后首日，当早盘部分题材股获利盘涌出时，二级市场缺乏足够的杠杆买盘提供双向缓冲，导致正常的获利了结迅速演变为价格下挫。

与此形成鲜明对照的是港股通资金的逆势行为。南向资金全天在恒指收跌 1.43% 的背景下净买入 64.77 亿港元，体现出明显的左侧配置盘特征，而非追涨资金。

A 股量化实测中的三处盲区

把上述指标套用到 A 股研究或实操时，有三处制度性特征会导致模型失真，需要提前处理。

涨跌停板导致的截断

涨跌停制度下，个股出现一字跌停或一字涨停时，日收益率被打满（10% 或 20%），但成交量极小。

如果直接套用 Amihud 公式，分母接近零，ILLIQ 会出现数学上的极大值。这反映的是流动性冻结，而不是普通交易冲击。计算横截面流动性因子时，必须将未开板的涨跌停标的单独标记或剔除，否则单个样本会彻底拉偏整体均值。

恐慌日的波动率污染

Amihud 指标的分子是收益率绝对值。

当指数遭遇系统性黑天鹅或单边单向大跌时，个股收益率的放大主要来自系统性贝塔，而不是个股微观承接能力的改变。用全市场 ILLIQ 观察宏观流动性时，需要将个股收益率对大盘做正交化残差剥离，才能看清纯粹的个股微观流动性。

T+1 制度对高低价价差的扭曲

Corwin-Schultz 模型假设日内买方和卖方可以随时自由进出，高点和低点代表双边报价边界。

A 股的 T+1 制度限制了当日买入者的日内平仓权。当日开盘买入后，多头无法在日内低点止损，造成日内极值的形成机制与海外 T+0 市场存在结构性差异。在实测中，A 股日内振幅 $(H - L)/P$ 往往略微偏大，折算出的摩擦成本偏保守。

研究中的使用准则

结合实盘交易与组合管理，日常跟踪流动性时建议固定三条准则：

第一，不要单看成交额的绝对值。成交额衡量的是交易广度，必须配合换手率历史分位数一起看。

第二，用 Amihud ILLIQ 区分放量的性质。放量上涨伴随 ILLIQ 走低，代表深度充裕；放量下跌伴随 ILLIQ 走高，代表价格冲击失控、承接枯竭。这一指标在测算策略容量与冲击成本时是不可或缺的输入项。

第三，紧盯融资流动性指标。关注两融余额变动与银行间资金利率。市场流动性的拐点，通常早于交易量能显现在融资杠杆的边际收缩上。结合因子拥挤度的度量，可以在做市盘集体撤单前提前做好风控准备。