更准确地说，我们计算Bt和Ata的累计净订单流量如下：o对于不改变Bt和at值的限制订单流量，我们使用与第6.2、6.3和6.4节相同的测量值对于导致Bt或Ato处订单队列耗尽为零（从而导致Bt减少或Ato增加）的限制订单流量，我们测量最终订单与旧价格的偏差，然后继续以Bt和at的新值监控订单流量对于到达价差内的限价单流量（因此导致BTA增加或ATO减少），我们测量该限价单的到达，并继续以BTA和at的新值监控后续的限价单流量。图9显示了在（左栏）同侧和（右栏）对侧最佳报价（顶行）和（底行）到达分开的市场订单后（左栏）平均累积净订单流量的时间演变。因为我们现在考虑的是BTAT和at的订单流量，无论其价格如何，我们不再要求原始市场订单保持价格不变。在图9的所有4个面板中，平均累积净序流轨迹的定性形状与我们在第6.2、6.3和6.4节中观察到的相似，我们只考虑了不改变btor值的序流。在考虑市场订单到达前的活动时，我们还发现累积净订单流量的大小与我们在第6节中观察到的类似。4.然而，当考虑市场订单到达后的活动时，图9中累积订单流量的大小远大于第6.2节和第6.3节中相应的数字。我们在第7.7节讨论中再次讨论了这个有趣的结果。我们的实证结果提出了许多有趣的讨论点。

在本节中，我们将阐述这些观点，对我们观察到的行为提出一些可能的解释，并强调未来研究的一些有趣途径。我们首先解决延迟问题。正如我们在第6.2节中所讨论的，我们的结果表明，总延迟时间（即市场订单到达和其他市场参与者的相应反应之间的最短时间）包括两个阶段：平台延迟阶段，持续约10分钟-6秒，反应潜伏期，持续约10秒-4.5秒。在最近的一项电子交易研究中，Kirilenkoand Lamacie[2015]报告称，2014年Bolsa de Valores、Mercadorias&Futuros de SaoPaulo交易所的平台延迟在几个数量级之间变化，从数百微秒到几十毫秒不等。2015年，我们在纳斯达克观察到的最短平台延迟时间（见图2和图5）比Kirilenko和Lamacie[2015]观察到的最短平台延迟时间要短。然而，由于我们无法测量数据中延迟时间的完整分布，我们无法辨别一些机构是否经历了更长的平台延迟时间。进一步研究纳斯达克平台延迟时间的可变性将是未来研究的一个有趣话题。正如我们在第6.2节中所述，我们观察到的累计净订单流量约为10%-6秒10秒左右-市场到达后4.5秒（见图5）与响应延迟阶段的存在一致，Kirilenko和Lamacie[2015]认为，响应延迟包括市场反馈延迟和沟通延迟。

在此期间之后，累计净订单流量的急剧变化表明，平台上最快的交易者实现的最短总延迟时间约为10分钟-4.5秒。对于高频交易者来说，了解总延迟时间是一个关键的考虑因素，他们寻求以极快的速度向提交者提交信息，以快速响应市场状态的变化。由于计算机处理器和电信网络的技术进步，高频交易者经历的总交易时间随着时间的推移大幅下降似乎是合理的。事实上，我们可以在纳斯达克直接观察到这种影响，方法是使用该平台的旧数据重复我们的实验。图10显示了2011年、2013年、2014年和2015年，在维持价格的市场秩序到来后的给定时间内，MSFT和CSCODE同侧最佳队列VS的平均累积净订单流量。在每种情况下，与曲线的第一个局部最大值对应的时间τ（我们认为它对应于市场对市场秩序的初始反应）随着每一个后续时间而减少。此外，MSFT和CSCO每年的局部最大值的位置大致相同，因此我们认为该局部最大值对应于给定年份的总延迟时间。因此，这些结果表明，在此期间，总潜伏期在随后的每一年都有所减少。在潜伏期之后，我们观察到一段强烈的净流出，直到大约10分钟-市场订单到达后0.5秒，然后是一段强劲的净流入期（见图5）。其他几项研究已经解决了这种强大的净流量（见Bouchaud等人。

[2006]、Gerig[2007]、Weber和Rosenow[2005]），并认为这种现象是由刺激性的再融资造成的，市场订单的到来是由刺激性再融资造成的-710-610-510-410-310-210-1100101次[秒]-0.25-0.20-0.15-0.10-0.050.000.05标准化累计净订单流量10-710-610-510-410-310-210-1100101次[秒]-0.10.00.10.20.30.40.50.60.70.8标准化累计净订单流量-101-100-10-1.-10-2.-10-3.-10-4.-10-5.-10-6.-10-7次[秒]-0.050.000.050.100.150.200.25标准化累计净订单流量-101-100-10-1.-10-2.-10-3.-10-4.-10-5.-10-6.-10-7次[秒]-0.30-0.25-0.20-0.15-0.10-0.050.000.05标准化累计净订单流程图9：在（实心红色）MSFT、（蓝色虚线）INTC、（绿色虚线）CSCO、（紫色虚线）YHOO和（橙色细实线）MU的市场订单到达之后和之前的期间（顶行）内（左列）同侧最佳队列“VS”和（右列）对侧最佳队列“Vo”的平均累计净订单流量。每只股票的订单流量根据最佳报价时的平均股票数量重新调整（见表1）。围绕每条曲线的灰色阴影区域表示一个标准误差，我们通过计算10000个独立的数据引导样本在每个滞后时的输出样本标准偏差来估计。0.000000.00005 0.00010 0.00015 0.00020次[秒]-0.030-0.025-0.020-0.015-0.010-0.0050.0000.0050.010F low0标准化累计净订单。000000.00005 0.00010 0.00015 0.00020次[秒]-0.030-0.025-0.020-0.015-0.010-0.0050.0000.0050.010F low图10：在价格维持市场订单到达后的给定时间内，2012年（虚线曲线）、2013年（虚线曲线）、2014年（虚线曲线）和2015年（实线曲线），MSFTA和CSCO（右面板）同侧最佳队列的平均累积净订单流量。

根据各年最佳报价的平均股票数量，对每只股票的订单流量进行重新调整。鼓励其他交易员以相同价格提交新的限价订单。这种行为符合这样的假设：在决定如何采取行动时，一些交易者会考虑保留在限价订单队列中的预期等待成本，限价订单队列在市场订单到达后变得更短。然而，这个故事并不能解释前一段时期的强劲净流出，在此期间，许多交易员取消了现有的限价订单。在刺激性再融资的情况下，这些取消是令人惊讶的，因为它们表明一些交易员取消了他们的限价订单，尽管他们在限价订单队列中的优先级增加了。在这种情况下，交易员为什么要取消这些订单？我们推测，这个问题的答案在于流动性提供者——以及考虑到快速反应时间，尤其是高频交易者——增加了对广告选择的恐惧。具体而言，如果流动性提供者观察到买入（分别，卖出）市场订单的到达，他/她可能会担心市场订单的所有者有私人信息表明ATI的当前价值过低（分别，BTI过高），并且市场订单的所有者进行交易以“挑选”一个或多个定价错误的限额订单。

此外，由于每次市场订单到达都会缩短同一方最佳队列的长度，因此，在交易结束后仍保留在该队列中的现有限价订单的交易员面临的风险增加，即下一次到达的市场订单将以该价格消耗所有限价订单的可能性增加，因此会立即产生价格影响。为了检验这一解释的合理性，我们还重复了对同一侧最佳报价的累计净订单流量的分析，但根据到达市场订单的大小对我们的观察结果进行了划分。具体而言，我们将所有市场订单规模划分为5个数据点，包含大致相同数量的数据点，并分别计算第一、第二、第三、第四和第五个五分位轨迹中的平均累积净订单流量。我们将这些结果绘制在图11中。早期的图表表明，在更大的市场订单到达后，限额订单的净流出更强。这一结果与我们的假设一致，即这种净流出是由于交易者对逆向选择的恐惧，因为更大的市场订单可能被解释为更强烈的私人信息信号。我们在另一方最佳报价（见第6.3节）的结果也为交易者行为的可能动机提供了有趣的见解。市场订单到达后不久，我们观察到的净订单流量与我们在同一方最佳报价中观察到的相同平台延迟和响应延迟期一致。大约10点以后-4.5秒后，我们观察到对方最佳报价处的限制订单净流量强劲。

这种强劲的净流入与我们的假设一致，即一些贸易商认为买入（分别卖出）市场订单的到来是资产价格可能下跌的信号-610-510-410-310-210-1100101次[秒]-0.20-0.15-0.10-0.050.000.05标准化累计净订单f低10-610-510-410-310-210-1100101次[秒]-0.20.00.20.40.60.81.01.21.41.6标准化累计净订单f low图11：MSFT（左）同侧最佳队列“VS”和（右）对侧最佳队列“VO”的标准化平均累计净订单流量在市场订单到达后的给定时间内，其大小为（细实线）第一，（虚线）第二，（虚线）第三，（虚线）第四，和（粗实线）经验市场订单规模分布的五分之一。每个曲线周围的灰色阴影区域表示一个标准误差，我们通过计算每个滞后时输出的样本标准偏差来估计，该标准偏差跨越10000个独立的数据引导样本。上涨（分别下跌），从而鼓励这些交易员在英国电信提交新的买入限价订单（分别在英国电信提交卖出限价订单）。在对方最佳报价的限额订单快速净流入后，我们观察到一个逐渐净流出。我们认为出现这种行为是因为一些交易者认为与（最近延长的）限价订单队列相关的预期等待成本已变得不具吸引力，并可能因此取消订单。通过对限制订单队列取消最频繁发生的位置进行实证研究来检验这一假设是很有意思的。如果我们之前的解释是正确的，那么我们预计在队列中稍后的限价订单中取消订单的频率会更高，因为这些限价订单会经历更高的预期等待成本。

更深入地研究这个问题是未来研究的一个有趣途径。我们在市场订单到达之前观察到的行为（见第6.4节）也提出了几个值得讨论的要点。在市场订单到达之前不久，我们再次观察到净订单流量为0的短周期（见图7和图8），我们认为这是由于平台延迟造成的。有趣的是，我们在这些图中观察到的最小平台延迟时间略短于我们在市场订单到达后观察到的最小平台延迟时间（见图5和图6）。对于为什么会发生这种情况，我们提出了两种可能的解释。首先，与限额订单到达或取消相关的平台延迟时间可能短于与市场订单到达相关的平台延迟时间。因此，市场订单到达前最终事件的平台延迟时间可能比市场订单到达后第一个事件的平台延迟时间短。其次，用于记录市场订单到达时间戳的时钟可能不同于用于记录限价订单到达或取消时间戳的时钟。如果这些时钟稍有错误，则市场订单到达前的明显平台延迟时间可能与市场订单到达后的明显平台延迟时间略有不同。在市场订单到达前不久，我们看到一个小型但突然的订单取消。这种效果在对方的最佳报价中尤为明显。为什么会这样？我们推测thisGareche等人[2013b]提供了一个简短的评论，即纳斯达克的情况确实如此。在许多其他交易平台上确实如此[Hautsch，2011]。出现这种现象的原因是，一些提交市场指令的交易员会立即取消自己的限价指令。

我们提出了两个可能的原因，为什么交易者会这样做。首先，考虑一个商人，他希望在给定的时间间隔内购买给定数量的资产。为了寻求交易的优惠价格，交易者可以选择首先在BTC提交一份购买限制订单，然后等待该订单是否匹配。如果是这样的话，交易者收到的交易价格比他/她在该时间间隔开始时提交市场订单所获得的价格更好。如果没有，那么交易者可以选择取消此限购单，而是提交一份限购单来完成必要的购买。采用这种简单的策略将使交易者能够避免过度的等待成本，同时如果他/她的限价单在时间间隔结束前匹配，则保持获得更好执行价格的可能性。其次，电子交易平台上的一些交易员实施了所谓的“欺骗”策略[Lee等人，2013年]，其中包括快速提交和取消订单，以诱使其他市场参与者以某种方式离开，或误导他们了解LOB的真实状态。我们在市场订单到达之前观察到的快速取消可能与一些实施欺骗策略的交易员一致。目前，对欺骗的可能后果知之甚少，因此对这个问题进行更详细的分析将是未来研究的一个有趣途径。在这些快速取消发生之前，同一侧的最佳队列逐渐缩短（见图7），而另一侧的最佳队列逐渐延长（见图8）。这一结果表明，平均而言，在这段时间内，队列不平衡（即同侧和对侧队列长度之间的标准化差异）逐渐加强。

最近的几项实证研究报告了LOB失衡与后续订单流量之间的强大统计联系（见Avellanda等人[2011]，Gouldand Bonart[2015]）。我们的结果提供了两种可能的解释来帮助解释为什么会发生这种情况。第一种可能的解释是，寻求购买（分别出售）资产的流动性接受者更有可能在观察到几乎耗尽的询问（分别出价）队列时提交市场订单，以避免队列在他们能够交易之前清空的可能性。这种策略通常被称为选择性流动性获取。在我们的经验计算中，我们只考虑到达时不完全耗尽最佳队列的市场订单。因此，我们预计选择性流动性交易不会对我们的结果产生强烈影响，因为选择性流动性接受者可能会按照他们的市场秩序消费整个队列。因此，我们不认为这种可能的解释是我们观察到的行为的主要原因。第二种可能的解释，我们认为更合理，是一些交易者使用负债不平衡作为未来市场活动的预测。例如，一些交易员可能会预测，只要其LOB失衡超过某个阈值，Anaset的价格可能会上涨，因此可能会质疑市场秩序，试图从这种情况中获利。这类交易者的行为可能不是因为他们相信同一方的最佳队列将很快完全耗尽，而是因为他们寻求利用某种形式的订单流动“势头”或改善他们的执行策略。尽管这一解释看似简单，但它并没有从一开始就解决LOB失衡的产生和演变。

我们希望在未来的出版物中讨论这个有趣的问题。将我们在报价保持不变（见第6.2节、第6.3节和第6.4节）的条件下获得的结果与我们允许报价变化（见第6.5节）的结果进行比较，可以对交易员提交和取消不同价格订单的方式有有趣的了解。在市场订单到达后，我们观察到，当我们允许报价变动（见图9）时，与我们在报价保持不变（见图6）的条件下相比，最佳报价相对方的净流量要大得多。我们推测，这种影响是由于一些交易者在买入（分别卖出）市场指令到达后，在价差内提交新的买入（分别卖出）限制指令而产生的。根据定义，价差内的买入（分别，卖出）限价订单的到达会导致BTO增加（分别，阿托减少）。因此，任何此类订单的到达都将按照我们允许报价变动的轨迹进行观察，但当我们的条件是报价保持不变时，就不会这样了。通过这种方式，对报价保持不变的条件可以被视为完整订单净流量的审查样本。同样，当我们允许报价变动（见图9）时，我们观察到同一侧最佳报价的净流出量比我们在报价保持不变的条件下（见图5）强得多。

在这种情况下，对报价保持不变的条件可被视为审查真实订单净流出的样本，因为在最佳队列耗尽到0后，这种条件不会揭示后续订单对其他价格的流出。有趣的是，在市场订单到达之前，同侧和对侧的净订单流量最好的报价基本上不受我们是否在此期间保持报价不变的条件的影响。我们发现这一结果相当令人惊讶，因为它让人质疑市场订单与到达前的限价订单流量之间的关联程度。似乎可以合理地假设，在买卖价差内新的限价订单到达将刺激新的市场订单到达，因此图7和图8中出现的统计特性与图9中不同。然而，情况似乎并非如此。因此，似乎到达价差内的新限价订单对后续市场订单的影响与到达之前最佳报价的新限价订单的影响相似。作为讨论的最后一点，我们讨论了样本中不同股票的平均累积净订单流量之间的相似性和差异。在市场订单到达后，我们研究的每只股票在不同订单流动阶段之间的转换时间都非常相似（见图5和图6）。在市场订单到达之前，另一侧的最佳报价（见图8）具有相同的同步性，但同一侧的最佳报价（见图7）的同步性较弱，我们推测这是由于即将到来的市场订单何时（或是否）到达的不确定性。

当我们允许报价在研究期间发生变化时，也会出现类似的结果（见图9）。尽管我们发现了这些强烈的时间相似性，但我们的结果表明，即使根据平均队列长度（正如我们在第6.2节中所说，这是股票流动性和活动的代表）对每个股票的订单流量进行标准化，我们仍然观察到样本中不同股票的累积订单流量存在相当大的数量差异。虽然我们的简单标准化在一定程度上减少了我们观察到的交叉股票变化，但它远不是完美的曲线崩塌。作为实证分析的一部分，我们还调查了基于订单流量和LOB状态的虚拟物理特性的其他多种可能的规范化，例如平均市场订单规模和绝对订单流量，但我们还未能发现一个简单的标准化，它会导致不同股票的平均累积净订单流量崩溃到一条单一的通用曲线上。因此，weargue认为，如果存在这种归一化，它很可能由几个这样的因素或其他因素的非线性组合组成。这种规范化将是一个非常有用的工具，因为它将有助于深入了解系统的许多交互功能是如何产生我们观察到的复杂顺序流的，因此可以作为设计新LOB模型的强大动力。因此，我们认为这是未来研究的一个特别有趣的途径。8结论在本文中，我们对市场订单到达前后LOB中的订单流进行了实证分析。

由于我们的数据具有极其详细的时间分辨率，我们不仅能够检测到广泛报道的刺激性再灌注现象，还能够检测到其他文献中未报道的更微妙的影响。我们还研究和测量了平台延迟和响应延迟的影响，这是高频交易者的重要考虑因素。我们的研究结果表明，限价订单流量受到市场订单到达的强烈影响。我们强调指出，我们观察到的LOB队列动态源自许多不同战略考虑之间的复杂相互作用，我们为这些行动提供了几种可能的战略动机。我们的结果表明，预期等待成本和逆向选择的感知风险在LOB动态中起着重要作用。随着电子交易的广泛普及，一个根本性的变化是流动性提供者和流动性接受者之间的界限变得模糊。历史上，这些角色是由不同类型的市场参与者执行的，但在现代市场中，许多交易者都会根据他们在特定时刻的交易欲望提供和消费流动性。因此，我们观察到的现象不应被视为只有一个专门的流动性提供者团体向LOB平台提交限额指令的后果。相反，我们的研究结果表明，在现代金融市场中，多种不同类型的金融机构共同构成了多元化的交易生态系统，它们之间的相互作用可能会产生复杂且往往令人惊讶的现象。感谢朱利叶斯·博纳特感谢加州大学洛杉矶分校纯数学和应用数学研究所在进行部分研究期间接待他作为访客。我们感谢让-菲利普·布乔德、拉马·孔特、乔纳森·多尼尔和查尔斯·阿尔伯特·莱哈勒进行了有益的讨论。

我们感谢Jonas Haase and Ruihong Huang提供的技术支持。朱利叶斯·博纳特感谢CFM和马丁德的支持。古尔德感谢詹姆斯·S·麦克唐纳基金会的支持。参考资料。阿尔姆格伦和N.克里斯。投资组合交易的最佳执行。《风险杂志》，2001年3:40。M.阿维拉内达、J.里德和S.斯托伊科夫。在存在流动性的情况下，根据一级报价预测价格。算法金融，1（1）：35-432011。D·贝尔西马斯和A·W·洛。执行成本的最优控制。《金融市场杂志》，1:1-501998。J.P.Bouchaud、J.Kockelkoren和M.Potters。金融市场中的随机游走、流动性糖浆和关键反应。《定量金融》，6（2）：115–123，2006年。J.P.Bouchaud、J.D.Farmer和F.Lillo。市场如何慢慢消化供求变化。在T.Hens和K.R.Schenk-Hopp\'e主编的《金融市场手册：动力学和进化》，第57-160页。北部——荷兰，阿姆斯特丹，荷兰，2009年。A.Cartea、R.F.Donnelly和S.Jaimungal。通过订单簿信号增强交易策略。http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2668277, 2015.A.查克拉博蒂、I.M.托克、M.帕特里亚卡和F.阿伯格尔。经济物理学评论II：基于主体的模型。《定量金融》，11（7）：1013–104119011a。A.查克拉博蒂、I.M.托克、M.帕特里亚卡和F.阿伯格尔。经济物理学评论I：经验事实。《定量金融》，11（7）：991-10121b。查克拉瓦蒂和霍尔顿。市场和限价订单的综合模型。金融中介杂志，4:213–2411993。康特和拉德。马尔可夫限价订单市场中的价格动态。《暹罗金融数学杂志》，2013年4:1-25。R.康特、S.斯托伊科夫和R.塔勒亚。订单动态的随机模型。运营研究，58:5495632010。J.D.法默、P.帕特利和I.I.佐夫科。

金融市场中零智能的预测能力。美国国家科学院院刊，102（6）：2254–22592005。福柯、卡丹和坎德尔。限制订单簿作为流动性市场。《金融研究评论》，18（4），2005年。A.Gareche、G.Disdier、J.Kockelkoren和J.-P.Bouchaud。福克·普朗克对大型股票排队动态的描述。菲斯。牧师。E、 88:0328092013a。A.Gareche、G.Disdier、J.Kockelkoren和J.P.Bouchaud。Fokker–大型股票排队动力学的普朗克描述。身体检查E，88（3）：0328092013b。A.N.格里格。市场影响理论：订单流动如何影响股价。2007年，伊利诺伊大学香槟分校博士论文。格洛斯滕和米尔格罗姆。在一个专业市场中，由信息不对称的交易者进行买卖和交易。《金融经济学杂志》，14:71-1001985。M.D.古尔德和J.博纳特。在限价订单簿中，队列不平衡是一个提前一点的价格预测。arXiv:1512.03492，2015年。M.D.古尔德、M.A.波特、S.威廉姆斯、M.麦克唐纳、D.J.芬和S.D.豪森。限制订购书籍。《定量金融》，13（11）：1709-17422013。N.豪奇。金融高频数据的计量经济学。斯普林格科学与商业媒体，2011年。T.Ho和H.R.Stoll。交易和收益不确定性下的最优经销商定价。金融经济学杂志，9:47-731981。R·黄和T·波拉克。龙虾：限制订单重建系统。技术报告，HumboldtUniversit–柏林大学，可在http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1977207，2011年。黄伟，C.-A.莱哈勒和M.罗森鲍姆。模拟和分析订单数据：队列反应模型。美国统计协会杂志，110:107–1222015。A.基里连科、A.凯尔、S.梅尔达德和T.图根。

《金融危机：高频交易对电子市场的影响》，2014年。A.A.基里连科和G.拉玛西。延迟和资产价格。http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2546567, 2015.李东杰、李光诚和朴光诚。微观结构操纵：欺骗交易者的战略行为和表现。《金融市场杂志》，16（2）：227–252，2013年。A.孟克维尔德和B.岳申。对飞机坠毁的剖析。http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2243520, 2013.S·迈克和J·D·法默。流动性和波动性的经验行为模型。《经济动力学与控制杂志》，32（1）：200–234，2008年。ISSN 0165-1889。M.Ohara和G.Old Field。做市商的微观经济学。《金融与定量分析杂志》，21:361-3671986。I.罗素。订单驱动市场中的流动性和信息。http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1286193, 2014.I.罗素。限价订单簿的动力学模型。《金融研究评论》，22（11）：4601-46412009。E.史密斯、J.D.法默、L.吉勒莫和S.克里希那穆提。连续双重拍卖的统计理论。《定量金融》，3（6）：481-5142003。韦伯和罗森诺。订单簿法对价格的影响。《定量金融》，5:357–3642005。