冲击有多大：平方根律

市场冲击的基础公式人人都知道量翻4倍，冲击翻2倍，不是4倍。这是平方根律（SQRL），市场微结构的基石。但 Angstmann & Gebbie 这篇新作揭示了一个被长期忽视的事实：平方根律和 LMF 长记忆律（交易符号的自相关持续性），运行在不同的时钟上。

结论很直接：如果你的成交时间分布不均匀——开盘前十分钟成交密集、午盘稀疏——你的实际冲击轨迹会系统性偏离你用固定参数估计的结果。不同流动性时段，冲击系数不一样，用一个数套全天是错的。

你根本不知道是不是你自己推了价格

执行过程中价格对着你跑，你应该减速还是加速？

答案取决于：是你自己泄露信息推了价格，还是别人的 alpha 也在同方向跑。 这两种情况需要完全相反的操作。

传统做法是监控滑点。但 Zovko 给出了一个让人清醒的计算：

要从噪音里可靠地区分出滑点信号，你需要约 570 笔成交。大多数算法单次执行里永远凑不齐这个数。等你知道答案，这笔单早就结束了。

根本的问题是：滑点是相关性，不是因果。 价格移动，不代表是你造成的。

Zovko 提出的解法是看”时间”而不是”幅度”：

如果你的成交导致了价格移动，市场上的下一个逆向价格打印应该来得比平时更快。

把市场打印建模为泊松过程，每笔成交后测量”到下一个逆向 tick 的时间间隔”对比本地背景频率有多惊讶。用 Fisher’s method 把多笔的 p 值合并：

结果：强冲击场景下，5-10 笔成交就能达到统计显著，比传统滑点监控快 1-2 个数量级。

而且它真正回答的是因果问题：如果异常快，说明是你触发的，减速；如果正常，说明是市场本身在动，考虑加速。

公开你的意图，能省多少钱

Barone & Lillo 用 Hyperliquid 链上数据做了一个传统市场里几乎无法做的实验：比较公开执行（链上可见的原生 TWAP）和隐藏执行（事后重建的统计元订单）的真实成本差异。

数据规模：430 万个隐藏元订单 + 46.5 万个公开 TWAP 订单，横跨 2025 年 7 月到 2026 年 3 月。

结论：公开你的交易意图，临时冲击降低约 9 bps，执行完成后的永久价格位移降低约 5 bps。

机制是”阳光交易”（Sunshine Trading）理论的实证验证：公开的订单流被市场识别为非知情交易，做市商愿意进场提供流动性；而隐藏的订单流被怀疑是知情交易，做市商撤退，流动性收缩，你付更高的价格。

数据还揭示了两种执行方式在形态上的本质差异：

• • 隐藏元订单：U 型执行节奏（前重后重中间轻），价格轨迹出现双拐点，完成时有明显峰值。这和风险厌恶下的最优瞬态冲击执行模型一致——交易者在开始和结束时加速，中间持仓期减速。
• • 公开 TWAP：近乎匀速执行，价格轨迹光滑凹型，符合平方根律预测。

还有一个副作用：公开 TWAP 的存在对同侧的隐藏交易者造成额外损伤。同侧公开 TWAP 主导度每上升 10%，隐藏单的永久冲击成本增加 0.8-0.9 bps。公开者省下的钱，是从隐藏者身上转移过来的。

总结

平方根律告诉你：  冲击量级是 √Q，但时钟不同，  实际轨迹会偏——不要用固定系数          ↓实时检测告诉你：  5-10 笔成交内就能判断：  是你推了市场（减速）还是市场本身在动（加速）          ↓阳光交易告诉你：  如果策略允许暴露，公开执行省 9+5 bps  代价是：隐藏在你旁边的人会多付 0.8-0.9 bps

执行成本不是命中注定的，它取决于你对市场的感知速度和信息披露策略。

对你的策略意味着什么

如果你做 CTA / 期货：在流动性不均匀的品种（商品开收盘），不要用全天统一的冲击系数；建仓拆单考虑 U 型节奏而非固定 TWAP；在执行中监控每笔成交后的逆向 tick 时间，超过阈值就减速。

如果你做股票多因子：停止用事后平均滑点来调参——570 笔的门槛意味着你的样本永远不够。不怕暴露的策略（指数增强、被动再平衡）可以考虑类 TWAP 的公开执行，理论上节省 9 bps 是确定性的，不依赖 alpha。

参考文献

[1] Zovko, I.I. (2026). Realtime price impact detection. arXiv:2606.13419 [q-fin.TR].

[2] Angstmann, C., Gebbie, T. (2026). Revisiting Trade-sign Long-memory and Square-root Law price impact. arXiv:2606.16269 [q-fin.TR]. School of Mathematics and Statistics, UNSW Sydney; Department of Statistical Sciences, University of Cape Town.

[3] Barone, D., Lillo, F. (2026). Trading in the Sunshine or in the Shade: Market Impact and Adverse Selection on Hyperliquid. arXiv:2606.15715 [q-fin.TR]. Scuola Normale Superiore, Pisa.

[4] Lillo, F., Mike, S., Farmer, J.D. (2005). Theory for long memory in supply and demand. Physical Review E, 71, 066122.

[5] Tóth, B., Lempérière, Y., et al. (2011). Anomalous price impact and the critical nature of liquidity in financial markets. Physical Review X, 1, 021006.

[6] Admati, A., Pfleiderer, P. (1991). Sunshine trading and financial market equilibrium. Review of Financial Studies, 4(3), 443–481.