“琢璞”系列报告之二：高频数据中的知情交易 高频数据该如何使用?如何从订单数据中挖掘知情交易者的踪迹从而获取收益?对于刚接触高频数据的研究者来说这是可能面临的问题。本期我们推荐《Liquidity,information,and infrequently traded stocks》，这是一篇有点“上了年纪”的论文，但是却是几位微观市场结构领城大师联袂合著的PIN(时间订单流信息)研究方法的典范之作。或许能给刚刚涉及该领域的投资者一些启发。 高频数据，尤其是高频订单数据包含了很多可以挖掘的信息。若有些投资者刚刚接触高频数据(Tick数据或者是高频订单数据)，也许会无从下手，而这篇文章或许可以给刚剛接触高频数据研究的投资者一点启发。《Liquidity,information,and infrequently traded stocks》是有多位微观市场结构领域大师合著的论文，尽管文章假设的场景和国内的A股市场有差异，但是其对于知情信息出现概率的模型构建以及后续推断的严密逻辑可供国内投资者参考。 原文的主旨内容研究的是知情交易中的差异是否可以解释交易活跃的与交易不活跃的股票之间的价差差异。作者估算了纽约证券交易所(NYSE)上市股票样本的知情交易风险，并使用交易数据中的信息来确定新信息出现的频率、新信息出现时的交易结构和不同成交量的股票的市场深度。原文最重要的实证结果是:对于成交量高的股票，知情交易的概率较低。通过回归，证明了知情交易之于股票价差的经济意义。 【更多详情，请下载：“琢璞”系列报告之二：高频数据中的知情交易】