－ 113 －
总第343期 第31卷2012年第9期
中国股票市场限价指令簿的
信息含量研究*
沈红波 曹 军 王雅莉
摘要：金融市场微观结构是当前金融研究中发展迅速的研究领域。随着电子撮合交易制度的发展，从
限价指令簿的角度揭示金融资产的价格行为，对市场规则和交易机制的完善有重要的意义。本文选取
2009年9月上证180指数所包含的180只个股的高频交易数据为研究对象，实证检验了限价指令簿的信息
含量。研究发现限价指令簿是富含信息的，即使是最优买卖报价外的指令信息对于价格发现的贡献也高
达53%。我们还实证研究了限价指令簿与股票未来短期回报之间的关系，得到限价指令簿信息能够帮助投
资者预测股票未来短期回报和有助于提高投资者福利的结论。
关键词：限价指令簿；信息含量；价格发现；未来短期回报
JEL分类号：G12,G14
一、引言
在现代资本市场上，主要有两种资产交易机制：报价驱动制（quote driven system）和指令驱动制（order
driven system）。报价驱动制又称为做市商制度，产生于早期的柜台交易市场，投资者只能根据做市商事先
报出的价格与做市商进行交易，而投资者之间并没有直接交易。指令驱动制又称竞价交易制度，在指令驱
动制度下，买卖双方通过各自的代理经纪人向交易所下达委托交易指令，通过竞价配对的方式完成交易。
随着计算机网络技术的不断发展，竞价配对方式也由传统的公开喊价方式发展到了计算机自动撮合方
式。目前越来越多的国家和地区的股票市场和金融衍生品市场开始采用电子限价指令簿，由做市商提供
流动性的市场在全球所占比例日益减少，从限价指令簿出发的研究因此成为市场微观结构的重要组成部
分。在中国，两大证券交易所均采取限价指令驱动制（limited order）。限价指令把委托价格作为是否成交
作者简介作者简介 沈红波：复旦大学金融研究院副教授，上海财经大学会计学博士，清华大学金融系博士后，主要研究方向为公
司财务、金融市场；
曹军：中国保险保障基金有限责任公司财务部总经理,中国社科院金融学博士后；
王雅莉：复旦大学金融研究院硕士研究生。
＊感谢匿名审稿人的建议，文责自负。
－ 114 －
中国股票市场限价指令簿的信息含量研究
的判断依据，指令中不成交的部分将按照价格优先和时间优先的原则存入指令簿。限价指令簿因此成为
连续双向拍卖机制得以实现和运作的载体。
股票价格除了由股票内在价值决定外，限价指令簿所提供的信息对价格形成和投资者行为也有重要影
响（O’Hara，1995）。Merton（1987）认为，在真实的市场上，股票之间并非是相互替代的，单个股票的价格与
市场供需有关。限价指令簿包含了交易者意愿交易的价格和数量信息，这些信息可能会对未来的价格形
成和变化产生重要影响。从交易的数量来看，当交易者提交的买卖限价指令存在不平衡时，就会产生所谓
的“价格压力”，进而使股票的价格发生变动。而Glosten-Milgrom（1985）则指出，证券市场是信息不对称的
市场，市场的大额交易将传递知情的交易者拥有的私人信息。王磊等（2011）发现，当坏消息发生时，知情
度越高的股票跌幅越小。不知情的个人投资者往往卖出股票退出交易，而对于知情的机构投资者，他们愿
意购买下跌更多的股票，采用负反馈交易策略，对市场起到稳定作用。然而，由于交易是信息传递的动态
过程，价格是传递资产价值的重要信号，在价格调整过程中，不知情的交易者除了退出交易，还可以通过观
察市场数据来学习，这种学习将使价格最终反映全部信息。因此，股票市场上股票的价格形成不仅与外部
宏观信息和公司信息有关，还在很大程度上受市场交易信息的影响。限价指令簿作为最终决定股票价格
的重要因素，所包含的信息量不仅是一个重要的学术问题，而且在实践中能够反映资本市场的配置效率并
对投资者行为做出一定的指导。
本文以2009年9月上证180指数所包含的180只个股的高频交易数据为研究对象，根据协整理论和误
差修正模型建立了较为完备的模型，推导出限价指令簿对于价格发现机制的贡献度，并测算限价指令簿的
信息含量①。在此基础上，我们还着重对限价指令簿与股票未来短期回报之间的关系进行了实证研究，用
以检验限价指令簿信息与股票短期回报之间的关系。论文后面的结构安排如下：第二部分是文献回顾；第
三部分是模型框架；第四部分是数据介绍，第五部分是实证结果；第六部分是研究结论。
二、文献综述与研究假设
（一）文献综述
随着指令驱动制在股票市场上得到广泛的应用，限价指令簿所包含的信息对股票价格的决定起着日
益重要的作用（O’Hara，1995）。Cohen（1981）提出引力拉动模型，说明了限价指令簿如何影响交易商的指
令提交策略，得出决定市场价差的是限价指令而不是市场指令的结论。Bloomfield等（2005）发现，在电子
市场上，相比于市场指令，知情交易者提交更多的限价指令。Harris和Panchapagesan（2005）通过对纽约股
票交易所（NYSE）中专家交易策略的实证研究，得出结论认为，限价指令簿对于未来价格变动是充满信息
的，并且专家能够利用这些信息来获利，对于竞争更激烈的活跃股票而言此结果更为明显。Baruch（2005）
通过构建理论模型，证明了公开限价指令簿能改善流动性和价格的信息效率。与这个预测一致的是，
Boehmer、Saar和Yu（2005）发现，纽交所采用公开指令簿系统以后，交易价格相对于有效价格的偏差变小
了。Cao等（2009）利用澳大利亚股票交易所（ASX）的数据，以限价指令的日益增加的信息为研究对象，评
估了一个公开限价指令簿的信息含量并检验了该指令簿的价值，认为限价指令簿是适度具有信息的，即使
在控制了回报的自相关、内部差价和交易不平衡之后，买卖双方指令的不平衡与未来短期回报都是显著相
关的。
我国股票市场属于纯粹的委托单驱动型电子撮合交易市场。早期的市场微观结构的研究主要集中在
文献综述或理论模型介绍上。随着高频数据可得性的增加，我国也涌现出一批研究市场微观结构的实证
①限价指令簿的信息含量主要是指其买卖双方不平衡所显示出的有关股价波动、价格发现和股票回报率的信息。
The Information Content of the Limit Order Book in Chinese Stock Market
－ 115 －
研究。杨之曙（1999），屈文洲和吴世农（2002）对限价指令的买卖价差特征及其影响因素进行了分析。陈
辉和黄剑（2012）采用高频数据研究了公司特征和股权结构对买卖价差的影响。戴洁（2004）采用平行数据
模型研究了限价指令薄状态与股票价格变化之间的规律,并对二者之间的因果关系进行了拉格朗日检验。
实证研究发现，价格大幅度上涨时买卖价差缩小，在价格大幅度下跌时买卖价差扩大。但是，这个结论只
适合于整个市场，在个股层面不同股票, 限价委托单薄的状态与价格变化之间的关系体现出了较大的差
异。杨朝军等（2008）对限价指令的研究表明，限价指令需要为成交付出等待成本，限价指令的等待成交时
间对委托价格很敏感，而对委托量不敏感。雷觉铭和曾勇（2006）采用高频数据研究了买卖价差的影响因
素。他们发现除了成交量、成交笔数以及波动率，买卖档限价指令之间的不平衡程度也是影响买卖价差的
重要原因。郑振龙和戴嵩（2011）也研究了限价指令簿信息与买卖价差的关系。他们发现，限价指令簿中
所体现的净卖出（买入）压力指标对买卖价差有显著影响，相同的净卖出（买入）压力在买单和卖单中对流
动性成本的影响是不对称的。而限价指令簿的订单总量则可以反映出交易数据中无法反映的信息不对称
程度。于亦文和杨阳（2006）采用高频数据实证检验了第一步以外的限价指令簿信息是否有助于预测未来
收益率，实证发现R2与成交量呈反向变化，并随步数增加而增加。这意味着除了最优买卖信息，第二、三步
也包括了与短期收益率相关的信息，而且第二步包含更多，作者还认为根据限价指令簿信息来准确预测未
来收益率不太可能。
已有的研究成果从不同角度探讨了股价和限价指令簿中信息含量的问题。特别是国内学者结合中国
实际情况，采用高频数据逐步深入地研究了中国股票市场上限价指令簿中对股票价格有决定作用的信息
含量。由于中国股票市场起步较晚，部分交易制度还在逐步完善中，高频数据的取得也相对困难。因此，
学者对于中国股市限价指令簿的研究还相对较少。已有的研究主要集中在限价指令的特征、限价指令对
买卖价差的影响等领域，对限价指令簿与价格发现以及股票回报率的研究较少。尽管于亦文和杨阳
（2006）采用高频数据对中国股市限价指令簿做了相关研究，但存在一定的局限性：模型中回归方程没有设
立用来衡量买方数量和卖方数量间不平衡的变量，也没有将买卖双方分开考虑来建立回归方程，得出结论
的整个过程过于依赖R2。本文以市场微观结构理论为基础，选取上证 180指数的高频交易数据为研究对
象，实证检验了限价指令簿的信息含量。论文的创新意义在于：首先，本文在国内首次分析了最优买卖报
价外其它报价的信息含量，并研究其与未来短期回报的联系；其次，本文使用5分钟最优买卖报价的平均值
回报来代替短期回报；最后，在实证检验中，本文引入净交易量和价格效应，并且在此基础上将买卖双方分
开考虑，提高模型的解释效力。
（二）研究假设的提出
1.限价指令簿与价格发现
根据Fama提出的有效市场假说，在强式有效市场中，没有任何方法能帮助投资者获得超额利润，即使
有内幕消息者也一样。但当前中国的证券市场还远未达到强式有效，内部知情交易者能够利用内部信息
牟取私人利益。因此在股票市场上，内部知情交易者不管提交市价指令还是限价指令，都会传递出其所拥
有的私人信息，股票市场以及其他的交易者会根据所反映出来的相关信息做出相应反应，指令信息也就对
于股票市场的价格发现机制做出了一定的贡献。Kaniel和Liu（2006）认为，如果知情交易者所拥有的内部
信息是长期的，那么比起市价指令，他们将更倾向于提交限价指令。因为，如果提交的是市价指令，交易可
以立刻执行，但是同时需承担更多的成本，而且另一方面提交市价指令显示出知情交易者缺乏耐心，同时
也透露出太多的信息。根据这些研究，我们提出最优报价外的限价指令簿信息能够对价格发现做出贡献
的假设。
2.限价指令簿与未来短期回报
限价指令簿就像是提供给投资者的一幅描述市场供需双方的图画，包含了供需双方不同个体各自的
买卖意愿。如果需求大于供给，也即买方量大，那么股票价格将会上升。这就意味着限价指令簿能够传导
有关未来股票价格变动的信息，能够传导有关未来短期回报的信息。特别地，指令簿中买卖双方的不对等
预示着有不可观测的外部因素导致了供求曲线的移动，从而影响了股票价格。通过观察市场供求，投资者
有更好的机会来猜测这些因素，并预测未来的股价走势。Huang和Stoll（1994）发现，买卖双方报价深度的
差异确实预示了未来的价格变动，尤其是短期间内的价格变动。Kavajecz和Odders-White（2004）研究表
明，支撑位和阻力位与限价指令簿的深度最大值是一致的，并且移动平均数预测揭示了指令簿深度相对位
置的信息。基于上述研究，我们提出限价指令簿包含了关于未来短期回报的信息的假设。
三、模型框架
（一）构造模型统计限价指令簿的信息含量
限价指令簿信息含量的统计，用来检验限价指令簿中第一步以外的报价对于价格发现的边际贡献。
根据Hasbrouck（1995）对于信息量的定义和Cao等（2009）对于股价信息含量的测度方法，我们定义了三种
价格：
1.最优买卖报价平均值（MID①）
最优买卖报价平均值为限价指令簿中最优买价与最优卖价的平均值，也即
MID=1/2*(s1 + b1) （1）
其中，s1为限价指令簿中的卖一报价，b1为限价指令簿中的买一报价，这是典型的衡量限价指令簿信
息含量的指标，也是限价指令簿中最具代表意义的衡量指标。
2.上次成交价格（P）
由于股票交易具有时间上的相关性，所以将它一同引入，从而比较不同指标对于信息含量的贡献度。
3.加权价格（WP2-5）
为了将限价指令簿中价格方面和数量方面的信息结合起来，引入此加权价格：
WP2- 5 =
∑
j=2
5
（bj*bvj + sj*svj)
∑
j=2
5 (bvj + svj)
（2）
其中，bj为限价指令簿中第 j步的买方报价，bvj为限价指令簿中的第 j步的买方意愿购买数量，sj为
限价指令簿中第 j步的卖方报价，svj为限价指令簿中的第 j步的卖方意愿出售数量。这一衡量价格的指标
总结了限价指令簿中第2步到第5步之间的所有信息含量，与之前的两个衡量价格指标相比较，用来突出
限价指令簿中第一步以外的其他报价对于信息含量的边际贡献度。
为了检验这3个价格对于信息含量的贡献，我们设置一个向量Xt来同时包括这3个衡量价格的指标：
Xt =(MID,P,WP2- 5)，并采用一个误差修正模型（ECM）来进行对比分析，以便最终得到 3种价格各自对
限价指令簿信息含量的贡献百分比。用来描述此多元价格过程的误差修正模型为：
ΔXt = αzt-1 +∑
i=1
k-1ΓΔXt- i + εt （3）
其中，zt-1 = βXt-1为误差修正项，k是在VAR为Xt情况下的原值的步数，也即由赤池信息准则（AIC）所
决定的最优滞后期。
①很多文献在研究过程中都采取此变量来衡量股票的真实价值。
中国股票市场限价指令簿的信息含量研究
－ 116 －
（二）检验限价指令簿信息与股票短期回报的关系
根据假设 2，限价指令簿能够帮助预测短期股票价格波动，在一定程度上是与短期股票回报相关联
的。但是股票价格波动中有一部分是难以预测的，本文称之为股票短期回报中的，那么限价指令簿与这部
分新息回报是否相关联呢？这部分新息回报是否也能够帮忙预测短期股票价格波动呢？接下来我们就是
做这部分的回归检验。
1.获取股票短期回报的新息部分（ ε*t ）
本文用5分钟最优买卖报价的平均值回报来表示股票短期回报，即有
rt = MIDt -MIDt-1MIDt-1 （4）
其中时间 t是以5分钟为频率。
由于短期回报是序列相关的，所以在使用之前必须首先白化收益率，消除序列相关。在采用自回归模
式修正序列相关时，对每一只股票采用 stepwise过程，修正模式如下：
AR(k)；rt =∑
i=1
k αirt- i + ε*t ① （5）
2.将供需方结合起来检验第一步以外的报价是否能够帮忙预测未来短期股票回报
为了实现此检验目的，我们构造模型来检验，模型选取的变量有：股票的净交易量（Timb）,用来衡量5
分钟内买卖双方的总净交易量，也是一个衡量限价指令簿买卖双方不平衡的指标；内部差价（Spread），它是
指最高买方报价和最低卖方报价之间的差异，内部差价是一个衡量限价指令簿买卖双方不平衡的重要指
标；限价指令簿长度的不平衡(QR),用来衡量买卖双方购买出售意愿数量不平衡的相对值；限价指令簿高度
的不平衡(HR),用来衡量买卖双方报价不平衡的相对值。 它们的计算方法如下：
Timbt =(tst*bsratiot - tst-1*bsratiot-1) -((tst - tst-1) -
(tst*bsratiot - tst-1*bsratiot-1))
= 2*(tst*bsratiot - tst-1*bsratiot-1) -(tst - tst-1)
（6）
这里是用的买减卖，其中，tst表示今日开盘到 t时刻的累计形式的成交数量，bsratiot为 t时刻的竞买率，
这里的时间 t是以 5分钟为频率，所以Timbt衡量的就是每 5分钟内买方交易量与卖方交易量净差的汇总
值。当Timbt值增加时，意味着买方力量的强大，股价将会上涨，所以股票短期回报会增加。
Spread= s1 - b1 （7）
在限价指令簿报价系统中，最优卖方报价是会大于最优买方报价的，也就是意味着Spread为非负值。
此变量的引入控制了投资者能够获得的指令簿顶端效应。
QRj = ( )svj - bvj /( )svj + bvj , j=1,2,3,4,5 （8）
此变量用来衡量限价指令簿长度的不平衡，当QRj值增加时，意味着卖方力量的强大，股价将会下跌，
所以股票短期回报会减少，其对未来短期股票回报的预期符号值为负。
HRj = (sj - sj-1) -(bj-1 - bj)(sj - sj-1) +(bj-1 - bj)，j=2,3,4,5 （9）
此变量用来衡量限价指令簿高度的不平衡，当买方报价增长幅度小于卖方即HRj值增加时，股票需求
将增多，那么股票短期回报将上升，其对未来短期股票回报的预期符号值为正。
综上所述，理论模型可以用抽象函数表述为
ε*t = f (timb+ ,spread,QR- ,HR+ ) （10）
①此处利用SAS过程将回归得到的残差项导出，作为以后一系列回归检验的因变量，所以必须保证对每只股票分别做此自回
归模式时，各自变量的估计系数显著。
The Information Content of the Limit Order Book in Chinese Stock Market
－ 117 －
其中，ε*t 表示股票未来短期回报中的新息部分；各解释变量上方对应的是其回归系数的预期符号。
这些变量都是用来衡量限价指令簿的不平衡，而且这些变量不仅包括限价指令簿第一步的相关信息，
也包括限价指令簿其他步的相关信息，所以可以用此检验限价指令簿第一步以外的报价能否帮助预测未
来短期回报中不可预测的部分，回归模型如下：
ε*t = α0 + δ0Timbt-1 + β0Spreadt-1 + γ1QR1,t-1
+∑
j=2
n
βjHRj,t-1 +∑
j=2
n
γjQRj,t-1 + ηt （11）
其F检验的零假设H0: βn = γn =0（限价指令簿的第n步报价与未来短期股票回报没有关系），显著性水
平α=5%,其中，n=1,2,3,4,5,也即此组回归包括5个回归方程，用以检验限价指令簿的第n步对短期股票回报
的影响。
3.将供需方分开考虑来检验第一步以外的报价是否能够帮忙预测未来短期股票回报
该模型引入的变量除股票的净交易量（Timb）和内部差价（Spread）外，还有限价指令簿的买方长度
（bvj），卖方长度（svj）,买方高度（hbj）,卖方高度（hsj）。
其中, hbj = bj-1 - bj ; hsj = sj - sj-1 ,随着买方长度增加，买方力量变强，股价趋于上涨，未来短期回报增
加；而随着卖方高度增加，股票需求增加，未来短期回报将会上升。
综上所述，理论模型可以用抽象函数表述为
ε*t = f (timb+ ,spread,bv+ ,hb- ,sv- ,hs+ ) （12）
其中，ε*t 表示股票未来短期回报中的新息部分；各个解释变量上方对应的是其回归系数的预期符号。
通过设置独立的自变量进行回归，我们可以分析买卖双方各自对于短期未来回报的影响，能够得到限
价指令簿的不平衡情况。同时,可以用此检验限价指令簿第一步以外的报价能否帮助预测未来短期回报中
不可预测的部分，回归模型如下：
ε*t = α0 + δ0Timbt-1 + β0Spreadt-1 +∑
j=1
n
γd,jbvj,t-1 +
∑
j=1
n
γs,jbsj,t-1 +∑
j=2
n
βd,jhbj,t-1 +∑
j=2
n
βs,jhsj,t-1 + ηt
（13）
其F检验的零假设H0: γd,n = γs,n = βd,n = βs,n =0（限价指令簿的第 n步报价与未来短期股票回报没有
关系），显著性水平α=5%,其中，n=1,2,3,4,5,也即此组回归包括5个回归方程，用以检验限价指令簿的第n步
对短期股票回报的影响。
4.引入价格效应并将买卖双方分开考虑来检验限价指令簿对于未来短期回报的影响
除了用限价指令簿的长度和高度描述其不平衡外，也可以引入价格效应来描述指令簿的不平衡，用以
检验限价指令簿对于未来短期回报的影响。买方的价格效应（LD(q)），用来描述报价低于最优买卖报价中
间值（MID）时市场出售者每股能够得到的贴现，也代表着买方的流动性，卖方的价格效应（LR(q)），用来描
述报价高于最优买卖报价中间值（MID）时市场购买者每股需要支付的贴水，也代表着卖方的流动性。通
过比较分析这两者，就可以获得买卖双方的不平衡，从而实现指令簿对于未来短期回报影响的检验。
它们的计算方法如下：
LD(q) = *(b1 + s1) -
∑
j=1
m1 - 1
bjbvj + bm1qm1
q
（14）
其中q为每只股票各自的平均交易规模（ Q- ）的倍数，m1为买方从第一步开始累计实现交易量为q时
所需要的步数，qm1是买方为了累计实现交易量为q仍需在第m1步提交的交易量，q由以下式子决定：
中国股票市场限价指令簿的信息含量研究
－ 118 －
∑
i=1
m1 - 1
bvi < q≤∑
i=1
m1
bvi，qm1 = q-∑
i=1
m1
bvi （15）
所以LD(q)就相当于最优买卖报价均值与买方累计实现交易规模为q时的加权价格的差值。当LD(q)
值减少时，需求方流动性增加，未来短期回报增加。相似地，有
LS(q) = ∑ j=1m2 - 1sj svj + sm2qm2q *(s1 + b1) （16）
其中q为每只股票各自的平均交易规模（ Q- ）的倍数，m2为卖方从第一步开始累计实现交易量为q时
所需要的步数，qm2是卖方为了累计实现交易量为q仍需在第m2步提交的交易量，q由以下式子决定：
qm2 = q-∑
i=1
m2
svi , ∑
i=1
m2 - 1
svi < q≤∑
i=1
m2
svi （17）
所以LS(q)就相当于卖方累计实现交易规模为q时的加权价格与最优买卖报价均值的差值；m1和m2并
不总是相等。当LS(q)值减少时，供给方流动性增加，未来短期回报减少。
综上所述，理论模型可以用抽象函数表述为
ε*t = f (timb+ ,spread,LD(q)- ,LS(q)+ ) （18）
其中，ε*t 表示股票未来短期回报中的新息部分（也即不可预测的部分）；各个解释变量上方对应的是
其回归系数的预期符号。回归模型如下：
ε*t = α0 + δ0Timbt-1 + β0Spreadt-1 +∑
j=2
g
βd,jLD(gQ- /2)t-1
+∑
j=2
g
βs,jLS(g Q- /2)t-1 + ηt
（19）
其F检验的零假设为H0: βd,g = βs,g =0，显著性水平α=5%,其中，g=2,3,．．．,6.也即此组回归包括5个回
归方程，用以检验限价指令簿中买方或卖方从第一步开始累计实现交易量为平均交易规模的不同倍数时，
限价指令簿对于短期股票回报的影响。
四、数据
（一）数据来源与变量计量
本文以 2009年 9月上证 180指数所包含的 180只股票的交易数据为样本，经过比较分析和Cao等
（2009）的经验，截取频率为5分钟的交易数据进行回归分析与检验。在日交易活动中，为了避免交易正式
开始前以及结束后与正式交易的混淆，本文将数据选取在每日9:30-11:30和13:00-15:00范围内，而将每日
9:30前的数据和15:00后的数据剔除。
我们在实证分析的过程中，对原始数据做了如下处理：
（1）日成交量：按“日平均成交量=月度总成交量/该月该股票累计交易日”来计算。
（2）日成交笔数：按“平均每天成交笔数=月度总成交笔数/该月该股票累计交易日”来计算。
（3）平均交易规模（ Q- ）：按“平均交易规模=日成交量/日交易笔数”来计算，即将交易规模取为每笔均
量，用以显示出该股票的交投活跃程度和大资金进出的力度大小，还可有效地反映大资金的买卖增减。
（4）限价指令簿买方高度：hbj = bj-1 - bj ,用以衡量限价指令簿买方的不平衡。其中，规定 hb1的值为
MID- b1。同样，卖方高度：hsj = sj - sj-1 ,hs1的值定义为 s1 -MID。
The Information Content of the Limit Order Book in Chinese Stock Market
－ 119 －
（5）限价指令簿的买方相对高度：Re laBhti = ( )bi - bi-1 /( )b5 -MID ，第 i步的买方相对高度为第 i步的
高度除以最优买卖报价中间值与第5步买方报价的差值，这样就能得到每一步的高度在该时刻整个限价指
令簿的高度中所占的百分比。同样，限价指令簿的卖方相对高度：Re laShti =(si - si-1)/( )s5 -MID ，第 i步
的卖方相对高度为第 i步的高度除以最优买卖报价中间值与第5步卖方报价的差值。
限价指令簿的买方相对长度：Re laBleng thi = bvi/∑
i=1
5
bvi，表示第 i步的买方相对长度为第 i步的长度
除以买方5步的长度之和，这样就能得到每一步的长度在该时刻整个限价指令簿的长度中所占的百分比；
限价指令簿的卖方相对长度：Re laSleng thi = svi/∑
i=1
5
svi，表示第 i步的卖方相对长度为第 i步的长度除以卖
方5步的长度之和。
（6）在对数据做回归分析时，取两种不同数据进行分析：一是进行全样本分析，一是将每只股票的观测
值按照综合价格效应LR(q)在交易规模为 q=时排序，并取顶部和底部各5%的数据进行分析。
（二）样本中180只股票的基本情况
表1 180只股票的基本描述统计量
均值
标准差
最小值
最大值
日成交量（万股）
交易规模（股）
1422
546
375
4107
每日交易笔数
20302
17572
1818
133436
内部差价（分）
相对差价（%）
根据表1统计的结果，上证180指数所包含的180只股票的平均日成交量为万股，虽然这180
只股票都是规模大、流动性好的个股，但是不同股票间的横截面差异还是比较大的：交易最活跃的个股平
均每日成交万股，而交易最不活跃的个股平均每日成交量只有万股，还不到交易最活跃
个股的1%；个股每日交易笔数也是从最小1818笔跨度到最大133436笔，后者为前者的70多倍；个股各自
的平均内部差价更是从分跨度到分。这180只股票的平均交易规模为1422股，平均每日交易笔
数为20302笔，平均内部差价为分，而平均相对差价为%。
（三）限价指令簿的基本形态
买卖双方长度和高度以及相对长度和相对高度能够衡量限价指令簿的不平衡，根据假设Ⅰ，限价指令
簿的不平衡可能对价格发现机制做出一定的贡献。所以我们将买卖双方的绝对和相对长度高度计算并统
计出来如表2：
中国股票市场限价指令簿的信息含量研究
－ 120 －
表2 限价指令簿的形态
步数
1
2
3
4
5
相对长度（%）
买方
卖方
相对高度（%）
买方
卖方
绝对高度（分）
买方
卖方
根据表2，买方和卖方的相对长度都是从第1步到第5步单调递增的，其中买方的相对长度从第1步的
%上升到第5步的%，卖方的相对长度从第1步的%上升到第5步的%，买卖双方第1
步以外的交易量都占到了83%以上，这表明研究第1步以外的指令是有意义的。
而买卖双方的相对高度都是在第2步达到最大值，然后从第2步到第5步单调递减，不过递减幅度非常
小，买方相对高度只是从第2步的%下降到第5步的%，卖方相对高度也只是从第2步的%
下降到第 5步的 %。不过它们与第 1步的差值有点大，买方第 1步的相对高度只有 %，卖方第 1
步的相对高度只有%，这可能是由第1步高度与其他步高度在计算方法上的差异所引起的，小的递减
幅度意味着稠密的限价指令簿，从而可以说明市场的流动性好。由前面的数据处理方法知买卖双方第一
步的高度相等，且为表1中内部差价的一半，买卖双方的各步高度也是在第2步达到最大值，变化情况与其
相对高度较为相似。
五、实证研究结果
（一）限价指令簿的信息含量
表3 限价指令簿的Hasbrouck(1995)信息含量测算值
变量
WP2-5
MID
P
观测值
180
180
180
均值(%)
标准偏差
最小值(%)
最大值(%)
The Information Content of the Limit Order Book in Chinese Stock Market
－ 121 －
表3显示限价指令簿加权价格WP2-5的信息含量最大，其横截面平均值为%，其次信息含量第二大
的为最优买卖报价均值MID，其横截面均值为%，与限价指令簿加权价格WP2-5的信息含量值比较接
近，信息含量最小的为上次成交价格P，其横截面均值仅为%，远小于前两者的信息含量。此结果说明
限价指令簿是很富含信息的，它对于价格发现做出了一半以上的贡献。根据Cao等（2009）对澳大利亚股
票市场限价指令的研究，最优买卖报价均值MID的信息含量平均为 %，远高于限价指令簿加权价格
WP2-10的信息含量%。我们的实证研究结果则表明，中国股票市场限价指令簿加权价格WP2-5不仅是
富含信息含量（%），而且远高于最优买卖报价均值MID（%）。这其中可能存在两个重要原因。
首先，中国的证券市场上可能存在一些哄骗指令。比如一名股票出售者可能假意提交甚至出高价提交一
笔大的购买指令，以便能以一个较好的价格出售，而他假意提交的购买指令会在很短的时间内撤销。所以
限价指令簿顶部可能是十分活跃的同时又充满这种哄骗指令的。而顶部以外的限价指令簿就显得更加稳
定，噪音更少，对于价格发现贡献更大。其次，我国的股票市场与国外相比，做空机制较少，股票波动率较
高，所以股票的价格很难稳定在均衡价格，最优买卖报价均值MID的信息含量也较低。虽然短期内最优买
卖报价均值MID不能反映股票的真实价值，但买卖双方的力量博弈（买卖档的限价指令）却对股票价格有
着重要的影响。
（二）限价指令簿与股票短期回报的关系
1.将买卖双方综合考虑引入长度高度不平衡来检验限价指令簿与股票短期回报的关系
表4 回报率和指令簿综合长度高度不平衡的回归分析结果
步
数
0
1
2
3
4
5
全样本
调整的
R2（%）
通过F检验的股
票所占百分比
（%）
与预期符号相符合
的股票所占百分比
（%）
受限样本
调整的
R2（%）
通过F检验的股
票所占百分比
（%）
与预期符号相符合
的股票所占百分比
（%）
为了调查指令簿中第一步以外的指令是否能够帮助预测未来短期回报，所以调整的R2是否随回归方
程中包含的步数增多而增加就被检验了，调整的R2的变化也就总结了任何额外的指令簿信息对因变量的
可能解释力度。表4显示在全样本条件下，当因变量只包括Timb和Spread两个变量时，模型的平均调整的
R2值只有%，当将QR1加进后，模型的平均调整的R2值也只有%，当将QR2和HR2加进后，模型的平均
调整的R2值才升到%，然后随着第3步到第5步的加入，模型的平均调整的R2值升到%，虽然此时
相对于最初的%增加了很多，但总体来说模型的拟合度是不够大的。
而当使用按照价格效应排序后的顶部和底部各5%的数据进行回归分析时，一个更显著的结果就被发
现了：当因变量只包括Timb和Spread两个变量时，模型的平均调整的R2值只有%，当将QR1加进后，模
中国股票市场限价指令簿的信息含量研究
－ 122 －
型的平均调整的R2值立刻上升到%，当将QR2和HR2加进后，模型的平均调整的R2值上升到%，超
过了全样本回归中第5步加入时所达到的最大值%，然后随着第3步到第5步的加入，模型的平均调整
的R2值升到%，接近于全样本中最大拟合度的2倍。这说明受限样本对于解释回归模型更具有力度，
也即意味着当买卖双方存在一个大的不平衡时，限价指令簿的信息对于解释股票未来短期回报更有作用。
根据表4，在全样本条件下当限价指令簿的第1步信息被使用时，回归统计结果显示%的股票的长
度不平衡都是与预期符号相符合的，也即如前面所言，当供给方也就是卖方提交更多的交易量而使QRj值
增加时，股票短期回报减少。当限价指令簿的第2步信息被使用时，回归统计结果显示%的股票的长
度不平衡以及高度不平衡都是与预期符号相符合的，除了验证当QRj值增加时股票短期回报减少外，还可
以得出当买方报价增长幅度小于卖方即HRj值增加时，股票短期回报上升。随着限价指令簿的第3-5步被
引入模型，与预期符号相符合的股票所占百分比单调递减，其中，第4步和第5步与预期符号相符合的股票
所占百分比虽然在45%以上，但是已经小于50%，这意味着超过一半的股票是与预期符号不相符合的，不
过这两步通过F检验的股票所占百分比不到20%，多数情况下是不显著的，所以可以忽略。因此，限价指令
簿尤其是接近于指令簿顶端的报价是能够帮忙预测股票未来短期回报的。
在显著性水平α=5%、F检验的联合零假设为H0: βn=γn=0下，当限价指令簿的第1步被引入模型时，表
3-2显示在全样本条件下通过F检验的股票所占百分比为%，这意味着177只股票中的88只股票可以
拒绝联合零假设，而当限价指令簿的第2步被引入时，通过F检验的股票所占百分比达到最大值%，此
时177只股票有96只股票可以拒绝联合零假设，然后随着限价指令簿的第3-5步被引入模型，通过F检验
的股票所占百分比单调递减，到第4步和第5步，通过F检验的股票所占百分比不到20%，显示出HR3、QR3、
QR4和HR4的系数一般情况下不显著。
2.将买卖双方分开考虑引入长度高度不平衡来检验限价指令簿与股票短期回报的关系
表5 回报率和指令簿买卖双方各自长度高度不平衡的回归分析结果
步
数
0
1
2
3
4
5
全样本
调整的
R2（%）
通过 F 检验的
股票所占百分
比（%）
与预期符号相符合
的股票所占百分比
（%）
受限样本
调整的
R2（%）
通过 F 检验的
股票所占百分
比（%）
与预期符号相符合
的股票所占百分比
（%）
总体来说，表5得出的回归统计结果与表4是相一致的。不过可能由于表5中所做回归将买卖双方分
开考虑，在检验买卖双方各自长度和高度系数是否与预期符号相符合时，必须同时检验4个符号，所以表5
中得出的与预期符号相符合的股票所占百分比低于表4中的回归统计值，表4中在全样本下与预期符号相
符合的股票所占百分比最大达到%，而表5中最大只有%，表4中与预期符号相符合的股票所占
百分比最小也有%，而表5中最小只有%，不过该项指标在两个表中的变化趋势是相同的，都是
The Information Content of the Limit Order Book in Chinese Stock Market
－ 123 －
越靠近限价指令簿顶端与预期符号相符合的股票所占百分比越大，越能够帮忙预测股票未来短期回报。
表5中通过F检验的股票所占百分比与表4中基本一致，尤其是在限价指令簿的第3步引入时，两个表
中全样本下通过F检验的股票数目完全一样。由于表5中将买卖双方分开考虑，也即意味着表5所做的回
归模型中引入的自变量数目多于表4，所以总体来看，表5中调整的R2值是大于表4中的，表5中全样本下
调整的R2最大达到%，大于表4中的%，不过两者间的差别不是很明显。而使用受限样本进行回归
分析时，表5中的调整的R2值从%上升到%，上升幅度大于表4的上升幅度，同时也超过了全样本
下调整的R2最大值的2倍。
3.将买卖双方分开考虑引入价格效应来检验限价指令簿与股票短期回报的关系
表 6所依赖的回归方程试图探索滞后一期的价格效应对于股票短期回报的影响，对于给定的交易规
模，各项横截面统计结果如表6所示。在全样本回归分析中，当因变量只包括Timb和Spread两个变量时，
模型的平均调整的R2值只有%，当各种交易规模水平下买方价格效应LD(q)和卖方价格效应LS(q)加进
来后，模型的平均调整的R2值最大也只是达到%。在受限样本下，当因变量只包括Timb和Spread两个
变量时，模型的平均调整的R2值为 %，在交易规模为 Q- 时，模型的平均调整的R2值达到最大值
%，与全样本不同的是，对受限样本进行回归分析时，模型的平均调整的R2值并不是像分析全样本时那
样单调递增，而并没有显现出特定的单调变化性。
表6 回报率和指令簿买卖双方各自价格效应的回归分析结果
交 易
规模
0
Q-
Q-
Q-
Q-
Q-
全样本
调 整
的 R2
（%）
通过 F检验的股票
所占百分比（%）
与预期符号相符
合的股票所占百
分比（%）
受限样本
调 整
的 R2
（%）
通过 F检验的股
票 所 占 百 分 比
（%）
与预期符号相符
合的股票所占百
分比（%）
通过F检验的股票所占百分比以及与预期符号相符合的股票所占百分比这两项统计结果和表4、表5
相比，并没有明显的单调变化情况，而是呈现出随着给定交易规模增加反复上升下降的态势。其中，与预
期符号相符合的股票所占百分比在对全样本进行分析时最大达到%，在其他交易规模水平下，虽然与
预期符号相符合的股票所占百分比小于50%，但与它们相对应的通过F检验的股票所占百分比低于20%，
也就是说那些情况下大多数股票的买卖双方价格效应的系数都是不显著的；而与预期符号相符合的股票
所占百分比在对受限样本进行分析时最大达到%，最小也为56%，也即意味着大多数股票在需求方更
富有流动性时，回报率上升。因此可以得出滞后一期的买卖双方的价格效应能够帮忙预测短期未来回报
的结论。
中国股票市场限价指令簿的信息含量研究
－ 124 －
六、研究结论
我国两大证券交易所目前都采用电子撮合交易制度。在电子撮合交易制度下，没有做市商，市场的流
动性是通过公开的限价指令簿来提供的。由于指令簿是公开的，所有的交易者都能观测，所以指令簿这种
市场信息可能会对投资者决策产生影响。本文以上证180指数所包含的180只股票在2009年9月的交易
数据为研究对象，对限价指令簿的信息含量进行了实证研究。根据模型构造过程中的两大假设，论文主要
进行了两方面的分析：一是投资者能否依据最优买卖报价之外的指令信息获取股票的真实价值，即限价指
令簿能否对价格发现机制做出贡献；二是现时买卖双方的信息是否与股票的未来短期回报有相关关系。
实证研究结果表明限价指令簿第一步以外的指令能够提供关于股票真实价值的信息，而且其对于价格发
现的贡献高达53%。对于第二个问题，文章根据是否将买卖双方分开考虑、是否引入长度高度不平衡或者
价格效应分别研究了三种情形下的相关关系。回归结果发现，限价指令簿中最优买卖报价外的滞后信息
确实提供了关于未来短期回报的信息。
本文的研究成果对于判断限价指令簿中的信息含量及其对价格发现的贡献程度，进而增加投资者福
利具有重要启示。目前在世界范围内，对证券市场上限价指令簿信息含量的实证研究还相对较少，而且许
多研究直接用最优买卖报价的平均值替代了股票的真实价值而忽视了限价指令簿中的其他信息。因此，
对限价指令簿中信息含量的研究还有待深入。中国的证券市场还不是很完善，公司信息的透明度也还有
待增强。对限价指令簿信息含量的研究分析不仅能够促进价格发现，提高广大投资者的福利，还可以加深
对限价委托单交易和电子撮合交易制度的认识，为改进市场微观结构和完善交易制度提供有益的决策参
考和理论依据。
参考文献
[1] 陈辉和黄剑，2012，《公司特征、股权结构与股票流动性》，《投资研究》第3期，90-100。
[2] 戴洁，2004，《中国股票市场限价委托单簿特征的实证研究》，《经济科学》第1期，93-101。
[3] 雷觉铭和曾勇，2006，《上海股市买卖差价成分分析》，《系统工程》第6期，74-80。
[4] 屈文洲和吴世农，2002，《中国股票市场微观结构的特征分析》，《经济研究》第1期,56-63。
[5] 王磊、赵婧、李捷瑜、孔东民，2011，《信息不确定、坏消息与投资者交易行为》，《投资研究》第10期，123-140。
[6] 杨朝军、姚亚伟、陈启欢，2008，《中国股票市场限价指令等待成交时间的理论研究与实证分析》，《系统管理学报》第2期，
196-209。
[7] 杨之曙，1999，《市场微观结构理论及其应用》，《经济学动态》第7期，59-62。
[8] 于亦文和杨阳，2006，《短期收益率与限价指令簿信息》，《统计与决策》第7期，19-21。
[9] 郑振龙和戴嵩，2011，《买卖价差与限价指令簿信息：基于时变MRR模型的实证研究》，《金融评论》第5期，11-21。
[10] Baruch, S., 2005,“Who Benefits from an Open Limit-order Book?”, Journal of Business, 78, pp. 1267-1306.
[11] Bloomfield, O’Hara, M., and Saar, G., 2005,“The Make or Take Decision in an Electronic Market: Evidence on the Evo-
lution of Liquidity”, Journal of Financial Economics, 75, pp. 165-199.
[12] Boehmer, E., Saar, G., Yu, and L., 2005,“Lifting the Veil: An Analysis of Pre-trade Transparency at the NYSE”, Journal
of Finance, 60, pp. 783-815.
[13] Cao, Hansch, and Wang, 2009,“The Information Content of an Open Limit-order Book”, The Journal of Futures Markets,
29, pp. 16-41.
[14] Glosten, Lawrence, and Paul Milgrom., 1985,“Bid, Ask and Transaction Prices in a Specialist Market with Heterogeneous-
The Information Content of the Limit Order Book in Chinese Stock Market
－ 125 －
ly Informed Traders”, Journal of Financial Economics, 14, pp. 71-100.
[15] Hasbrouck, J, 1995,“One Security, Many Markets: Determining the Contributions to Price Discovery”，Journal of Fi-
nance, 50, pp. 1175-1199.
[16] Huang, R., and Stoll, H, 1994,“Market Microstructure and Stock Return Predictions”, Review of Financial Studies, 7, pp.
179-213.
[17] , , , et al, 1981,“Transaction costs, Order Placement Strategy, and Existence of the Bid-ask
Spread”, Journal of Political Economy, 89, pp. 287-305.
[18] Kaniel, R., and Liu, H,“So What Orders do Informed Traders Use?”, Journal of Business, 79, -1913.
[19] Kavajecz, K., Odders-White, and E., 2004,“Technical Analysis and Liquidity Provision”, Review of Financial Studies, 17,
pp. 1043-1071.
[20] . Harris and V. Panchapagesan, 2005,“The Information-content of the Limit Order Book: Evidence from NYSE Spe-
cialist Trading Decisions”, Journal of Financial Markets, 8, pp. 25-67.
[21] Merton, , 1987,“A Simple Model of Capital Market Equilibrium with Incomplete Information”, Journal of Finance,
42, pp. 483-510.
[22] O’Hara, M, 1995, Market Microstructure Theory, Basil Blackwell, Cambridge, MA.
Abstract:Abstract:Marketmicrostructure isone active area of financial research. With the developmentof electronic trading systems, it is of
great significance forimprovingmarket rules and trading mechanisms toreveal the patternof financial asset prices from the perspec-
tive of limit order articleempiricalexamines the informativeness of the limit order book based on the high frequency
transaction data of Shanghai Stock Exchange 180 Index in September, article alsoempiricalexaminesthe relationshipbe-
tween the limit order book and the short-term future stock returnsand findsthat the limit orderbook can help investors predict future
short-term returns andhence improve their welfare。
Key Words:Key Words: Limit order book; Information content; Price discovery; Future short-term returns
中国股票市场限价指令簿的信息含量研究
－ 126 －
