复旦学报(社会科学版) 2012 年第 2 期
FUDAN JOURNAL (Social Sciences) No． 2 2012
［收稿日期］ 2011-11-14
［作者简介］ 刘红忠，复旦大学国际金融系主任，教授，博士生导师。
叶 军，中国金融期贷交易所研究员。
* 本文为国家自然科学基金课题“公开信息冲击下的投资者交易策略高阶期望模型及其实证分析”(项目批准号:
70671027)的阶段性成果。
① 上海证券交易所于 2006 年 8 月 7 日对有涨跌幅限制的证券在连续竞价阶段增加了两种市价订单方式:最优五档即时成
交剩余撤销申报和最优五档即时成交剩余转限价申报。
② Level—2 行情终端服务于 2006 年 8 月 1 日起正式进入商业运行，于 2006 年 9 月 1 日起开始收费
。
限价指令簿的价格发现功能
刘红忠 叶 军
(复旦大学 国际金融系，上海 200433;中国金融期货交易所，上海 200122)
［摘 要］ 基于上海证券交易所 Level—2 行情数据，本文运用 Hasbrouck 信息份额方法分别估计
最近成交价、限价指令簿中最优买卖报价及第 2—10 档次买卖报价在价格发现中的贡献度，以考察限价
指令簿的价格发现功能，尤其关注次优限价指令对价格发现的影响。我们认为，次优限价指令有助于价
格发现，其贡献度为 21． 43%，而且其贡献度随指令主动性的下降而递减;最优限价指令的贡献度最大，
为 63． 82%;最近成交价的贡献度最小，为 14． 76%;另外，本文还考察了个股横截面特征是否影响次优
限价指令对价格发现的贡献度。实证结果表明:随着个股交易活跃度的下降，投资者更倾向于提交限价
指令，从而导致次优限价指令对价格发现的贡献度增加;同时，其贡献度随公司规模和 Beta 系数的上升
而单调下降。
［关键词］ 限价指令簿 Level—2 行情 价格发现 Hasbrouck信息份额方法
自 Demsetz(1968)发表开创性的论文之后，关于价格发现与确定的问题就引起学术界的广泛
关注，并在 20 世纪 90 年代初步形成了较完整的市场微观结构理论框架。其中大多数文献探讨的
是做市商交易机制下的价格发现与确定问题，但是关于指令驱动交易机制下的价格发现与确定的
理论与实证研究却相对较少。
我国沪、深证券交易所均采用指令驱动交易机制，投资者可以选择提交市价指令和限价指
令，①投资者的指令选择是证券交易运行的基础，而且指令的提交与撤销决定了流动性的供给与需
求。在每个交易日，沪、深股票市场采用开放式集合竞价方法确定开盘价，随后进入连续竞价阶段，
系统将会根据每笔成交即时更新成交价、成交额、最高价、最低价等相关指标，并根据委托情况更新
最佳买入价量和最佳卖出价量，并向投资者提供 5 个最优买卖委托的报价及报量即时行情，这些未
成交的限价指令组成指令簿。为了适应证券市场发展，提高证券市场透明度，满足市场不同类型投
资者对证券行情内容和传输的差异化需求，上海证券交易所于 2006 年 7 月 18 日推出了上证所商
业版 Level—2 行情。Level—2 行情提供逐笔成交的价量信息、10 个价位上的委托量、委托买卖总
量、加权平均委买 /委卖价格及最佳买卖价位上前 50 笔分笔委托量等主要信息，而且刷新频率由 6
秒刷新提升到 3 秒刷新。②
Level—2 行情的推出，使得投资者可以观察到更加详细的指令簿信息，同时也为研究金融市场
微观结构理论提供了更加翔实的数据。尽管限价指令簿是否具有信息含量是价格发现文献中的重
53
要论题，但是现有的文献却并未达成共识，本文根据上海证券交易所 Level—2 行情数据，运用 Has-
brouck(1995)提出的信息份额方法(Information Share Approach，ISA) ，实证研究限价指令簿的价格
发现功能。
一、文献综述
价格发现是金融市场的主要功能之一。在传统的做市商市场，关于价格发现与确定问题的理
论解释分为两种，即存货模型和信息模型。与做市商市场不同(仅需对一个或者多个做市商建
模) ，指令驱动市场建模时需要考虑大量匿名交易者的相互影响如何导致价格的形成。与此同时，
这些交易者的到达时间不同，可以选择提交市价指令与限价指令，并且能够在指令成交之前的任意
时间内撤销或更改其提交的指令。因此，指令驱动市场本身的复杂性导致关于指令驱动市场下的
价格发现与确定的理论与实证研究相对较少。
价格发现是不同信息如何影响资产价格变化的过程。限价指令簿是否有助于价格发现，关键
在于知情交易者采取何种方式将私有信息传递到价格中。如果知情交易者提交限价指令，尤其是
提交远离最佳买卖报价的指令，则私有信息就反映到限价指令簿中，进而影响资产价格;如果知情
交易者提交的都是市价指令，则限价指令簿就不包含私有信息。根据限价指令簿是否有助于价格
发现，本文将相关的文献划分为三类:
第一类以 Parlour(1998)为代表。这类模型没有考虑信息不对称对投资者下单策略的影响，因
此无法判断限价指令簿是否有助于价格发现。Cohen、Maier、Schwartz and Whitcomb(1981)指出，在
一个交易不活跃的市场上，限价指令成交的概率较小，因此，即使有较大的价差，投资者也会采用市
价指令而不用限价指令。Parlour(1998)假定所有投资者拥有相同的信息，在此基础上构建了“买
卖价差动态模型”。Parlour认为限价指令簿中的买方和卖方都会影响到投资者对于指令形式的选
择，当限价指令簿中和本身交易方向相同(相反)的一方的深度越厚时，投资者会越倾向下市价指
令(限价指令)。Foucault(1999)设计了一个动态博弈模型来探讨投资者对于下单形式的选择，他
发现价格波动性的大小是决定下单形式的最重要因素:当价格波动性提高时，下限价指令的投资者
容易被具有私有信息的人从中获取好处而形成亏损，因此下限价指令的投资者会提高买卖价差，以
弥补可能的损失。
第二类以 Glosten(1994)为代表。这些研究认为限价指令簿未包含与资产价格变化有关的信
息。Glosten(1994)考虑信息不对称情况下投资者的下单策略。假设知情交易者偏好且积极地提
交市价指令，那么，除了指令簿中最优买卖报价外，其他的报价不包含任何信息，即使包含信息，也
是少量的信息。① Rock(1996)研究了易逝信息环境中投资者指令选择问题。Rock 认为，当知情交
易者拥有的是短期私有信息时，提交限价指令不能保证指令一定成交。例如，一个知情交易者认为
现在的价格太高了，未来价格有下调的风险，当其他投资者也获得该信息之后，在该种情形下提交
限价指令而成交的可能性就很小。因此，知情交易者将提交市价指令以保证立即成交，同时市价指
令可以使知情交易者充分利用信息优势而信息不会泄露。假设存在部分知情交易者，Harris
(1998)在只考虑小额指令且这些指令对价格不会造成影响的条件下，推导出:当价格波动越大、私
有信息价值越高、拥有私有信息的时间越短时，投资者会越倾向于下市价指令;而当投资者面对的
买卖价差越大时，越倾向于下限价指令。韩千山(2000)认为，当市场上信息严重不对称(即大股东
有重大利多或利空消息)、信息精确度较高、知情人数较少时，大股东倾向于使用市价指令。Angel
(1997) ，Handa、Schwartz and Tiwari(2003)认为知情交易者倾向于提交市价指令。
第三类以 Cao、Hansch and Wang(2009)为代表。他们发现，指令簿包含了与资产价格变化有
63
① Glosten L R．，“Is the Electronic Open Limit Order Book Inevitable?”Journal of Finance 49 (1994) :1127 – 1161．
关的信息。Bloomfield、O'Hara and Saar(2005)利用实验设计，发现在电子指令驱动市场中，知情交
易者更加倾向于提交限价指令。Harris and Panchapagesan(2005)分析纽约股票交易所(New York
Stock Exchange，NYSE)的专家(specialist)交易决策，希望从中寻找指令簿提供未来股票价格变化
信息的证据。基于 TORQ database 中的 SuperDot指令簿中的限价指令，Harris and Panchapagesan 研
究发现，指令簿提供包含未来股票价格变化的信息。Kaniel and Liu(2006)假设私有信息是长期有
效的，且知道该私有信息的投资者数量很少，他们发现知情交易者更倾向于提交限价指令。因此，
市场达到均衡时，限价指令披露出的信息多于市价指令所披露的信息。知情交易者担心提交市价
指令将传递出其迫切成交及披露太多的私有信息。虽然市价指令能够保证及时成交，但是较之于
提交限价指令，其成本更高。Cao、Hansch and Wang(2009)利用澳大利亚股票交易所数据，研究了
限价指令簿的信息含量，而且主要考察指令簿中除最优买卖指令外的指令是否具有增量信息。
Cao、Hansch and Wang 实证发现这些指令包含适度的信息，对于价格发现的贡献度大约为 22%，余
下的 78%主要来源于最优买卖指令及最近成交价格，他们还发现指令簿中需求方和供给方指令的
不平衡与未来短期收益具有显著的相关性。①
在国内，随着我国证券市场的蓬勃发展、证券高频数据库的建设，以及学术界与实务界对市场
微观结构理论的关注，对市场微观结构的研究已成为我国经济、金融研究最为活跃的领域之一。戴
国强和吴林祥(1999)②、刘红忠(2003③，2010④)对市场微观结构理论进行了深入的介绍和阐述。
刘逖(2002)⑤、施东晖和孙培源(2005)运用国外市场微观结构理论对我国股市结构特点和交易数
据进行了深入的实证研究与理论分析。
本文研究的问题主要集中于限价指令簿及投资者指令选择研究。我国学者在这方面的研究较
少。在总量比较少的文献中，实证研究多，而理论研究相对较少。屈文洲和周锋(2006)利用深圳
证券交易所中心数据库的委托、成交和投资者资料探讨市价委托的提交策略、风险控制与实施方
案，他们认为市场行情越不稳定，交投越活跃，投资者越倾向于采用市价委托。王志强和吴世农
(2008)利用 2003 年 12 月 8 日我国沪、深两市提高交易前市场透明度这一“自然实验”，考察市场
透明度变化对我国股票市场运行效率的影响。研究结果表明，沪、深两市提高交易前市场透明度的
改革举措有助于改善市场运行效率。于亦文(2005)运用 Hasbrouck 的信息份额方法和 Gonzalo-
Grange 的公因子方法，分析了限价指令簿中的信息含量。⑥ 实证研究结果表明，最优限价指令包含
了与价格发现有关的大部分信息，同时次优限价指令也包含了与此相关的重要信息，而且是不可忽
视的。于亦文(2005)的研究结果是否妥当尚值得商榷。首先，样本数据仅包含 18 只股票，而且采
集频率为 10 分钟，数据处理效率低，导致缺乏说服力。其次，由于信息披露的限制，限价指令簿仅
包含买卖三档报价及报量。最后，其研究只分析了最优和次优指令的信息份额，没有涉及最近成交
价可能存在的信息分布情况，从研究范围来看尚不完整。马丹(2007)构建了单位根的不等距取样
信息份额模型，研究限价指令簿的信息分布，该限价指令簿包含五档买卖报价及报量信息，实证发
现限价指令包含信息，市价指令的信息含量远远大于其他指令，几乎为其余指令信息含量之和。⑦
但是马丹(2007)的实证结果存在一个问题，即信息份额之和超过 1． 1，这与常识不符。因此，其所
73
①
②
③
④
⑤
⑥
⑦
Cao C，Hansch O，Wang X．，“The Information Content of an Open Limit-order Book，”Journal of Futures markets 29 (2009) :
16 – 41．
戴国强、吴林祥:《金融市场微观结构理论》，上海:上海财经大学出版社，1999 年。
刘红忠:《金融市场学》，上海:上海人民出版社，2003 年。
刘红忠:《投资学》(第二版) ，北京:高等教育出版社，2010 年。
刘逖:《证券市场微观结构理论与实践》，上海:复旦大学出版社，2002 年。
于亦文:《中国证券市场微观结构若干问题研究:基于高频数据的分析》，南京:南京航空航天大学，2005 年博士学位论文。
马丹:《限价指令市场价格发现动态过程研究》，四川:西南财经大学，2007 年博士学位论文。
构建模型的适用性尚值得商榷。
二、研究数据与研究方法
1． 研究数据说明
本文实证研究数据包括 Level—2 行情数据、股票日交易数据及股票财务数据。其中，Level—2
行情数据由上海证券交易所提供。Level—2 行情数据由成交数据(Transaction Data)、市场数据
(Market Data)及指令队列数据(Order Queue Data)三个数据集组成，本文实证分析选取成交数据、
市场数据部分，主要变量包括证券代码、时间、现价、买卖十档报价与报量、逐笔成交数据，样本时间
为 2010 年 4 月 22 日至 2010 年 5 月 31 日，共 26 个交易日。① 股票日交易数据及股票财务数据来
源于锐思金融数据库，数据包括股票收盘价、日收益率、流通市值及每股净资产，样本时间为 2009
年 1 月 4 日至 2010 年 4 月 21 日。
本文以 2010 年 4 月 22 日至 2010 年 5 月 31 日在上海证券交易所进行交易的所有股票作为研
究对象，共 859 只股票。在此期间②，样本的描述性统计如表 1 所示。股票日交易量为 1041 万股，
日成交金额为 1． 211 亿元，日成交 6979 笔;单笔交易量为 14． 44 手，单笔交易金额为 1． 65 万元;绝
对价差为 2． 02 分，相对价差为 0． 17 %，这表明市场的流动性很好。③
表 1 描述性统计
股票价格
(元)
绝对价差
(分)
相对价差
(%)
成交笔数
(百笔)
成交量
(百万股)
成交金额
(百万元)
单笔成交量
(手)
单笔成交金额
(万元)
均值 13． 13 2． 02 0． 17 69． 79 10． 41 121． 1 14． 44 1． 65
标准偏差 9． 24 1． 74 0． 07 81． 26 15． 08 184． 1 5． 27 0． 79
最小值 3． 06 1． 00 0． 03 2． 01 0． 10 2． 3 2． 41 0． 47
1% 百分点 3． 95 1． 01 0． 06 6． 21 0． 64 8． 4 6． 03 0． 70
中位数 10． 47 1． 47 0． 15 44． 32 6． 05 65． 0 13． 63 1． 45
99% 百分点 43． 42 9． 79 0． 43 415． 77 77． 35 946． 1 32． 18 4． 57
最大值 148． 2 39． 11 1． 03 1516． 8 285． 83 5320． 7 66． 01 17． 44
2． Level—2 行情的指令簿
Level—2 行情的指令簿列示了买卖十档报价与报量、委托买卖总量及加权平均价格。如表 2
所示，本文以浦发银行(股票代码:600000)为例阐述 Level—2 行情的指令簿。
表 2 Level—2 行情的指令簿
委托买入 委托卖出
序号 委托买入价 数量(股) 序号 委托卖出价 数量(股)
1 18． 82 103900 1 18． 83 9209
2 18． 81 299409 2 18． 84 41630
3 18． 80 500751 3 18． 85 26300
4 18． 79 62200 4 18． 86 6200
5 18． 78 74300 5 18． 87 300
6 18． 77 21000 6 18． 88 26400
7 18． 76 89200 7 18． 89 9671
8 18． 75 86300 8 18． 90 60653
83
①
②
③
即使这样，26 个交易日的数量仍然十分庞大，TXT 格式的数据文件大约为 80 G。
在本文实证分析过程中，我们删除了开盘集合竞价部分数据。
绝对价差 =最佳卖出报价 －最佳买入报价;相对价差 = 2 ×(最佳卖出报价 －最佳买入报价)/(最佳卖出报价 +最佳买入
报价)。
委托买入 委托卖出
9 18． 74 2700 9 18． 91 10200
10 18． 73 20900 10 18． 92 12400
加权平均委买价格 委托买入总量(股)
18． 482 4538060
加权平均委卖价格 委托卖出总量(股)
19． 76 4682668
综合考虑限价指令簿中的报价及报量，根据 Cao、Hansch and Wang(2009)的研究，我们把加权
报价定义为: WPn1 － n2 =
n2j = n1(Q
b
j P
b
j + Q
a
j P
a
j)
n2j = n1(Q
b
j + Q
a
j)
，n1≤n2 (1)
另外，本文将 MID 定义为最佳买卖报价的简单平均:
MID =
Pb1 + P
a
1
2 (2)
3． Hasbrouck 信息份额方法
本文用 Hasbrouck(1995)提出的信息份额方法来检验指令簿的价格发现功能。①
考虑与同一证券相关的 n 个价格序列:Pt =［p1t p2t…pnt］'，这些价格序列之间存在协整关
系，其向量误差修正模型(Vector Error Correction Model，VECM)表示为:
ΔPt = A1ΔPt－1 + A2ΔPt－2 + …… + AmΔPt－m + γ(Zt－1 － μ)+ ut (3)
其中，m 为滞后阶数，Ai 为自相关系数矩阵，Zt =［(p1，t － p2，t) (p1，t － p3，t)……(p1，t － pn，t) ］'，μ = E
［Zt］，γ 为修正系数矩阵，γ(Zt － 1 － μ)代表误差修正项，扰动项的协方差矩阵为 Cov(ut)= E［utu
'
t］
= Ω。
Hasbrouck(1995)将式(3)转换为向量移动平均形式(vector moving average，VMA) :
ΔPt = B0ut + B1ut－2 + …… (4)
其中，系数矩阵 B 可以通过对该系统施加一单位冲击，根据预测而计算得出。令 Ψk 代表价格冲击
的累计脉冲响应函数，其表达式为:Ψk = Σ
k
i = 0
Bk，其中，Ψk 的第 i 列描述了第 i 个价格冲击的价格反
应。Hasbrouck(1995)证明，当 k趋于无穷大时，Ψ = limk→∞Ψk，而且 Ψ的行向量都相等。令 ψ等于
Ψ的任意行向量，价格的共同随机游走成分的方差 σ2w 可以表示为:
σ2w = ψΩψ' (5)
Hasbrouck(1995)指出，如果价格序列的扰动项之间不存在相关性，则 Ω为对角矩阵，第 i个价格的
信息份额定义为: ISi =
ψ2i σ
2
i
σ2w
(6)
其中，σ2i 代表第 i个价格的扰动项方差。
但是，当价格序列的扰动项存在相关性时，式(6)就不再成立。为了去除同期相关性，Has-
brouck(1995)采用 Cholesky 因子分解方法，即找到一个下三角阵，使得 Ω = FF'。价格序列的信息
份额可以重新表述为: ISi =
( ［ψF］i)
2
ψΩψ'
(7)
其中，［ψF］i 是矩阵 ψF行向量中的第 i个元素。
式(7)表明，信息份额仅与 ψ及 Ω有关。Hasbrouck (1995)指出，由于 Cholesky 因子分解赋予
第一个价格更大的信息份额，因此，通过改变模型的排序可以得到变量信息份额的上下限:ISi 与
ISi。Baillie、Booth、Tse and Zabotina(2002)指出，估计信息份额的一个有效方法就是将上下限的中
93
① Baillie，Booth，Tse，and Zabotina(2002) ，De Jong(2002) ，Harris，McInish，and Wood(2002) ，Hasbrouck(2002，2003) ，
Lehmann(2002)等文献对 Hasbrouck 信息份额方法进行了详细描述。
点作为信息份额的有效估计，即 ISi =(ISi + ISi)/2。
三、限价指令簿的信息份额
自 2003 年 12 月 8 日起，我国股票市场开始实行 5 档报价制度，沪、深交易所向投资者提供 5
个最优买卖委托的报价及报量即时行情。为了获得 5 档报价及报量信息，本文从 Level—2 行情数
据中分离出 5 档指令簿信息，并借鉴 Cao、Hansch and Wang(2009)的定制方法，考虑价格序列 Pt =
［MIDPWP2 － 5］'，其中，MID为中间价、P为最近成交价、WP2 － 5为第 2 档至第 5 档次优限价指令加
权平均价，并且利用 Hasbrouck信息份额方法估计这三个价格序列各自信息份额的上限和下限。
Hasbrouck(2003)指出，VECM价格发现模型一般仅适用于同一个交易时段，而且股票价格在
隔夜后可能与前一个交易日遵循不同的动态过程，因此，本文对每一个交易日进行单独估计。具体
而言，本文运用 Hasbrouck 信息份额方法分别计算第 i 只股票在第 j 个交易日 MID、P 及 WP2 － 5的
Hasbrouck信息份额的上限和下限:ISi、ISi，然后对第 i只股票每个交易日信息份额的上限和下限进
行时间序列平均，最后对所有股票进行截面平均，并且计算其相应的中值、标准差及 t值。① 由此我
们可以发现:最优限价指令(MID)所包含的信息份额最大，达 66． 95%;最近成交价(P)占
15. 39%;次优限价指令(WP2 － 5)占 17． 89%。根据所对应的标准差及 t统计量可知，所估计的信息
份额在 99%置信水平下统计显著，WP2 － 5对价格发现的贡献度为 17． 89%，这说明次优限价指令有
助于价格发现。
与普通 5 档行情不同，Level—2 行情提供前 10 档报价及报量。采用同样的方法，本文将
WP2 － 5扩展为 WP2 － 10以考察第 2 档至第 10 档行情是否有助于价格发现、是否包含更多信息。我们
估计了 MID、P及 WP2 － 10的 Hasbrouck信息份额的上限和下限。②研究表明，最优限价指令(MID)所
包含的信息份额下降至 63． 82%，但仍然占绝大部分;最近成交价(P)略微有所减少，占 14． 76%;
次优限价指令(WP2 － 10)占 21． 43%，这明显高于 WP2 － 5的 17． 89%，这一结果与 Cao、Hansch and
Wang(2009)的实证结果非常接近。③ 次优限价指令信息份额上升表明提高交易前透明度有助于
价格发现。
为了进一步考察第 2 档至第 10 档次优限价指令是否包含相同的信息价值，本文将WP2 － 10划分
为 WP2 － 5与 WP6 － 10，单独考虑第 6 档至第 10 档的增量信息价值。④研究表明，最优限价指令(MID)
所包含的信息份额下降到 60． 22%，但仍占绝大部分;最近成交价(P)有所减少，占 12． 52%;WP2 － 5
占 15． 39%，而 WP6 － 10占 11． 86%。由此可知，指令簿中限价指令离最佳买卖报价越远，所包含的信
息价值越低。
四、限价指令簿的信息份额与个股横截面特征
通过前面的实证分析，我们发现限价指令簿包含信息价值。为了进一步考察指令簿信息份额
是否具有稳定性特征，是否受个股横截面特征影响，我们进一步考察限价指令簿信息份额是否与个
股的横截面特征相关。
Cohen、Maier、Schwartz and Whitcomb(1981)指出，在一个交易不活跃的市场上，限价指令成交
的概率较小，因此，即使有较大的价差，投资者也会采用市价指令而不用限价指令。Foucault
(1999)指出成交频率与限价指令的比例呈负相关。为了探讨交易活跃度及成交频率对指令簿信
息份额的影响，我们将分别根据个股的日成交笔数、成交量、成交金额(交易量的单位为手，成交金
04
①
③
②④ 因篇幅所限，具体实证过程及相关数据在此省略。感兴趣者可以与本文作者联系。
Cao、Hansch and Wang(2008)采用 10 档报价及报量信息，实证发现 MID、P 及 WP2 － 10所占信息份额分别为:54 %、
23． 15 %、22． 47 %。
额单位为亿元)来进行研究。Harris(1988)指出，股票价格的高低会影响投资者的投资决策，因此，
本文将股票价格纳入指令簿信息份额的横截面分析之中。Fama(1970)有效市场假说认为股票价
格“完全反映”可得的信息，而股票价格或股票收益率与定价因子相关，因此本文选取与个股定价
因子相关的特征，来分析限价指令簿信息份额的变化。我们根据每个股票横截面特征分别将样本
数据划分为 5 个组合，然后计算不同组合的限价指令簿信息份额。
根据股票在 2009 年 1 月 5 日至 2010 年 4 月 21 日的交易情况，分别计算个股日平均收盘价、
平均成交量、平均成交金额。另外，level—2 行情数据准确记录股票的每一笔交易，本文计算 2010
年 4 月 22 日至 2010 年 5 月 31 日个股日平均成交笔数。根据 Sharpe(1964)资本资产定价模型、
Fama and French(1992，1993)三因素模型及 Carhart(1997)四因素模型，本文选择个股定价因子相
关的市场因素(Market Factor)“Beta 系数”、规模因素(Size Factor)“公司规模”、价值因素(Value
Factor)“账面市值比”和动量因素(Momentum Factor)“前 60 个交易日累计超额收益”。其中，利用
Fama and MacBeth(1973)滚动样本法计算股票日 Beta 系数，估计窗口保持 240 个交易日;采用
2009 年 1 月 5 日至 2010 年 4 月 21 日平均流通市值衡量该股票公司规模;考虑到我国独特的股权
结构，借鉴吴世农、许年行(2004)的方法，以 2009 年年末每股权益与 2009 年年末收盘价的比值来
度量 2010 年度 BM的高低;运用 2010 年 4 月 22 日前 60 个交易日累计超额收益来衡量该股票的近
期表现。
实证结果如表 3 所示。由于篇幅所限，本文仅列示了不同组合的 MID、P 的信息份额变化情
况。① 每个子表的第一行列示了每个组合相对应的个股特征平均值。
如表 3 第一个子表所示，按照成交笔数将样本数据划分为 5 个组合，并且以升序进行排序。组
合 1 成交频率最低，日平均成交仅 1662 笔;组合 5 成交频率最高，日平均成交达 17824 笔;最近成
交价(P)的信息份额随着成交频率上升而单调递增，这说明随着股票成交速度变快，投资者在提交
指令时更加需要关注最近成交价格的变化。WP2 －10的信息份额随着成交频率上升而单调递减，这
说明如果交易不活跃时，投资者可能更倾向于提交限价指令，从而导致限价指令簿包含更多的信息
价值，组合 1 与组合 5 之间的差额达到 6． 95%，这与 Cohen、Maier、Schwartz and Whitcomb(1981)预
测的结果不一致。按照成交量及成交金额分组情况与按照成交笔数分组情况类似。
当按照 Beta系数分组时，高 Beta系数组合的WP2 －10信息份额比低 Beta系数组合高出 3． 26%。
当按照流通市值分组时，WP2 －10信息份额随公司规模上升而单调下降，小公司比大公司高 4． 25%。
大公司最近成交价(P)的信息份额比小公司高 3． 18%。限价指令簿信息份额与账面市值比、前 60
日累计超额收益不相关。
表 3 指令簿的信息份额与个股横截面特征
组合 1 组合 2 组合 3 组合 4 组合 5 组合 1 组合 2 组合 3 组合 4 组合 5
成交笔数 成交量
均值 1662 3080 4696 7839 17824 36608 68077 102279 152939 449887
MID 61． 51 63． 90 65． 16 64． 64 63． 77 62． 53 65． 30 64． 81 65． 11 61． 24
P 13． 07 13． 30 14． 28 15． 31 17． 75 12． 53 13． 01 14． 24 15． 72 18． 22
WP2 －10 25． 43 22． 80 20． 56 20． 05 18． 48 24． 94 21． 69 20． 95 19． 17 20． 54
成交金额 股票价格
均值 0． 41 0． 70 1． 02 1． 58 4． 89 5． 65 7． 68 9． 68 13． 24 24． 54
MID 61． 31 64． 45 65． 15 65． 12 62． 86 59． 84 63． 92 64． 76 65． 05 65． 40
14
① 关于价格序列 MID、P、WP2 －5及价格序列 MID、P、WP2 －5、WP6 －10的信息份额变化情况与此类似。
组合 1 组合 2 组合 3 组合 4 组合 5 组合 1 组合 2 组合 3 组合 4 组合 5
P 13． 85 13． 55 13． 89 15． 02 17． 46 17． 56 14． 86 14． 05 14． 00 13． 39
WP2 －10 24． 85 22． 00 20． 96 19． 86 19． 68 22． 60 21． 22 21． 19 20． 95 21． 21
Beta 流通市值
均值 0． 71 0． 93 1． 03 1． 12 1． 31 14． 91 26． 20 42． 73 79． 55 779． 64
MID 61． 50 64． 19 64． 83 64． 34 64． 28 61． 87 64． 48 65． 33 64． 35 62． 93
P 15． 00 14． 13 14． 52 14． 55 15． 48 13． 96 14． 03 13． 82 14． 82 17． 14
WP2 －10 23． 51 21． 68 20． 65 21． 12 20． 25 24． 18 21． 48 20． 85 20． 83 19． 93
账面市值比 前 60 日累计超额收益
均值 0． 10 0． 18 0． 23 0． 31 0． 46 － 0． 11 － 0． 01 0． 06 0． 14 0． 29
MID 63． 23 64． 90 64． 96 64． 90 63． 11 63． 71 63． 02 64． 36 64． 08 63． 97
P 14． 39 13． 76 14． 46 14． 47 15． 38 15． 45 15． 10 14． 22 14． 65 14． 26
WP2 －10 22． 39 21． 33 20． 57 20． 63 21． 52 20． 84 21． 87 21． 42 21． 27 21． 77
综上所述，我们的实证研究结果表明:与传统做市商市场相似，最优买卖报价及最近成交价包
含了 78． 57%资产价格变化的信息，与此同时，次优限价指令也包含适度的信息———对价格发现的
贡献度为 21． 43%，而且次优限价指令离最优买卖报价越远，所包含的信息价值越低，即次优限价
指令的信息含量随指令主动性的下降而递减。我们还发现，随着交易活跃度的下降，投资者更倾向
于提交限价指令，从而导致次优限价指令包含更多的信息价值;次优限价指令的信息含量随公司规
模和 Beta系数的上升而单调下降。
很明显，level—2 行情的限价指令簿有助于价格发现，并且较之于传统行情能够给投资者传递
更多的价值信息。在此基础上，我们将进一步研究 level—2 行情数据是否有助于预测股票的短期
收益，以及研究投资者如何根据 level—2 行情数据提交指令及撤销指令。同时，建议监管部门在技
术条件允许的时候，应该进一步提高买卖报价及报量的揭示范围，以改善市场运行效率。
The Price Discovery of the Limit Order Book
LIU Hong-zhong YE Jun
(Department of International Finance，Fudan University，
Shanghai 200433;China Financial Futures Exchange，Shanghai 200122，China)
Abstract:Using level-2 data from Shanghai Stock Exchange，we employ the method developed by Has-
brouck (1995)to estimate the contribution of the last transaction price，the best bid and offer prices，
and the second to tenth bid and offer prices in the limit order book to price discovery，particularly focu-
sing on the second-best limit orders on the interpretability of the efficient asset price． We find that the
limit orders behind the best bid and offer are moderately informative—their contribution to price discovery
is 21． 43% ． With the decline of the order aggressiveness，the information content declines． The informa-
tion content of the best bid and offer prices on the book is the largest—their contribution to discovery is
63． 82% ． The last transaction price's contribution to discovery is 14． 76% ． In addition，we find that the
information content of the limit orders behind the best bid and offer increases with the decline of the in-
tensity of trading activity，size and Beta coefficient．
Key words:limit order book;Level II Data;price discovery;Hasbrouck Information Share Approach
［责任编辑 吕晓刚］
24
