如何衡量点差假设？
直接答案：需要衡量什么
当您将“预期点差”转化为与确切报价时间相关联、并基于明确定义数据源的具体可记录数值时，点差假设才可被衡量。实际上，这意味着您需要测量买卖价差（即要价与出价之间的差额），并将其作为带时间戳的序列，然后使用一致的比较方法，判断您假设的点差是否与在类似条件下实际发生的点差相符。如果您无法明确点差定义、时间戳、采样窗口以及执行上下文，则该假设无法被独立验证。
机制：定义点差字段和时间戳
首先定义您所指的点差。常见的可衡量选择包括：
- 报价点差：某一时刻要价减去出价。
- 有效点差：相对于参考价格的实际执行成本（如适用）。
- 交易成本点差代理：包含佣金和执行影响等其他成分的近似值。
为了正确测量，您还需要时间戳和采样规则：
- 报价时间戳：每次出价/要价快照被观测的时间。
- 采样间隔：记录点差的频率（例如每秒、每分钟，或仅在决策时刻）。
- 对齐规则：如何将假设的点差与您的模型或策略“行动”时间进行匹配。
只有当您的假设数值在相同的时序和采样规则下与同类型的点差进行比较时，点差假设在测量意义上才成立。历史比较应采用同类方法进行。
证据或示例：比较假设点差与实测点差
一种简单的可衡量方法是使用情景表格：
- 选择一组假设，例如 S_assumed（固定值）或 S_assumed(t) 规则（随时间变化的规则）。
- 使用相同的点差定义，从带时间戳的买卖报价中测量 S_measured(t)。
- 使用明确的指标评估差异，例如平均点差、中位数点差，或超过阈值的观测值比例。
例如，您可以假设一个恒定点差，然后在您打算建模的相同市场时段内测量实际的报价点差。关键是您需明确说明所使用的时段、采样间隔，并分别测量高流动性与低流动性时段的数据。如果您的假设忽略了这些区别，比较结果将产生误导。
局限性与风险：点差假设失效的情况
至少存在一种显著的失效模式：点差会随流动性和波动性而变化。单一的“典型”点差可能忽略对执行至关重要的尖峰和扩大情况。
其他重要局限性包括：
- 执行不匹配：报价点差不等于成交后的实际成本，未考虑延迟或订单簿深度变化。
- 成本遗漏：佣金、费用和其他执行成本可能超过您测量的点差差异。
- 状态混合：跨不同市场条件取平均可能掩盖厚尾现象（罕见但大幅扩大的点差）。
- 非平稳性：历史上观察到的关系在未来条件下可能不再成立。
由于这些限制，测得的点差应被视为对您实际采样时段和情境的条件性证据，而非普遍保证。
验证或下一个问题：如何独立验证
通过在您自己的工作中公开 S_measured 计算所使用的精确定义、时间戳方法、采样间隔和比较窗口，来独立验证点差假设。然后至少在一种替代条件下重新运行测量，例如使用不同的采样间隔或不同的时段划分。如果结论严重依赖于任意选择，则该点差假设是脆弱的。
一个有用的后续问题是：“在什么情况下该假设最常失效？” 识别点差扩大或执行结果偏离您测量方法的具体条件，并将这些条件记录为可衡量的失效模式。