你要卖出一批股票，却不想直接按市场价成交，于是把限价单挂在订单簿里等买家。挂得靠近当前价格，通常更容易卖掉；挂得远一些，成交价可能更好，但也可能一直卖不出去。过去的执行模型很会计算这种“成交还是等待”的取舍，却常把被动成交当成不会主动推价格的免费午餐。Alexander Barzykin、Robert Boyce、Eyal Neuman 和 Sturmius Tuschmann 的论文问得更细：持续挂单、撤单、改价并最终成交，会不会也透露卖压，让后续价格对卖方不利？如果会，限价单应该挂多远？
论文给出的答案是：被动执行也可能积累市场冲击——自己的交易行为使价格向不利方向移动的成本。作者把这项成本放进限价单最优执行模型，让交易者同时权衡成交概率、逆向选择、机会成本和被动价格冲击。本文所有结果均来自这篇 arXiv 论文；经验部分没有独立信源交叉验证。
限价单并非静静等在那里
限价单只在指定价格或更优价格成交。它挂在市场里等待对手方时，叫作被动执行。这样做可能节省买卖价差，但风险也很直观：行情可能先走，订单没有成交，仓位却还在。
实际算法也很少只挂一张单，然后一动不动。为了完成一次被动成交，它通常会反复提交、撤销、重新挂单，更换场所，并随中间价调整报价。中间价就是当前最佳买价与最佳卖价的中点，常被用作市场当前价格的近似参照。
因此，作者没有逐笔模拟每次排队和撤单，而是建立一个“中观模型”：它不追踪订单簿的每个微小事件，而是描述一整套战术性挂单策略如何产生成交和价格影响。这个尺度也让模型能覆盖外汇等缺少统一中央订单簿的市场。
两个可观测量，接上价格冲击
模型从两项经验关系出发。
第一，限价单的成交强度会随报价离中间价的距离近似指数衰减。成交强度可以理解为单位时间内成交有多快。卖单挂得越远，成交条件越有利，但等到买家的可能性迅速下降。这里的“指数衰减”是近似描述，不是任何市场、任何时期都严格成立的定律。
第二，短期价格变化对订单流不平衡（Order Flow Imbalance，OFI）近似呈线性响应。OFI 衡量一段时间内买卖压力哪一侧更强，并把限价单提交、撤销和市场单等变化汇总起来。它在模型里充当桥梁：一端连接被动挂单与成交，另一端连接随后发生的短期价格变化。
作者把两项关系合在一起，得到一个简化的被动冲击率：报价离中间价越远，冲击率也近似按指数下降。直觉上，积极报价更容易带来成交，也更快地积累冲击；保守报价减少眼前的冲击，却把风险转移到等待、库存和最终未成交上。
这一步的要点，不是宣称某一张限价单必然永久改变价格。模型刻画的是完成被动成交所需的一连串操作的平均效果。无法由该平均项解释的价格变化，则进入噪声。
最优报价取决于“急不急”
论文求解的是被动卖单的最优清算问题：交易者需要在有限时间内卖完仓位，控制变量是报价的激进程度。报价可以靠近中间价，甚至成为可立即成交的限价单；也可以挂得更远，等待更好的价格。
目标不只是多拿现金。模型还对持有剩余库存和到期未卖完设置惩罚。于是，剩余仓位较大时，最优报价通常更靠近中间价。原因不是复杂数学，而是交易者更着急：仓位风险和到期惩罚都在催促成交。
但论文的数值分析发现，临近交易期末时，这一方向可能反转。剩余库存按已经受到冲击的中间价计值；此时再多成交一个单位所产生的冲击，可能作用于整份剩余仓位。模型中的交易者有时宁愿承受多留一个单位的库存惩罚，也不愿继续压低整批仓位的估值。
被动冲击参数越大，模型给出的报价越保守，也就是离中间价更远。论文的模拟显示，这会减少平均清算量、延长交易时间并降低 P&L；不过更远的报价可能补偿冲击，因此实现损失未必同步恶化。材料没有给出这些比较对应的完整表格数字，不能据此判断实际改善幅度。
数据为什么支持它，又没有支持到哪一步
股票部分使用六只 NASDAQ 股票：AMZN、TSLA、NFLX、ORCL、CSCO 和 MU。样本覆盖 2016 年 1 月 4 日至 12 月 30 日的全部 252 个交易日，只取每天 10:00 至 15:30，并剔除开盘和收盘前后各半小时。作者用 LOBSTER 的逐事件订单簿数据估计成交强度随报价距离的衰减，再结合既有多层订单流不平衡回归系数，估计价格影响在不同档位上的衰减。
六只股票中，成交概率随距离下降得快；订单流不平衡对应的价格影响在不同档位间下降得慢得多。作者因此认为，在这组股票里，被动冲击的总衰减率可近似采用与成交强度相同的指数速度。大价位股票 ORCL、CSCO 和 MU 的档位影响并没有呈现清晰的单调衰减，相关估计虽接近零，却需要格外谨慎。
外汇部分使用 LSEG 的公开报价和成交数据，覆盖 USDMXN、GBPUSD、AUDUSD、USDTHB 和 USDSGD，并以 10 秒为桶估计。这里没有股票数据那样细的逐笔订单事件，成交也由公开数据中的下一时间桶主动交易是否触及假设报价来近似。结果显示，成交强度与被动冲击采用相同衰减率的近似，在外汇上没有股票样本那么贴合。论文因此扩展到两种不同衰减率，并进一步讨论瞬时冲击——价格影响会随时间消退——以及目标执行计划。
为什么值得关注
这项工作的实盘意义，在于它把“被动”从交易方式变成了需要计价的行为。限价单可能节省价差，但不代表没有市场冲击。更重要的是，论文试图用成交强度和订单流不平衡这两个可观测的微观结构量，连接报价距离、成交机会与后续价格反应。这样一来，执行算法不必只在“成交快不快”和“价格好不好”之间选择，还能把策略本身可能释放的供需信号纳入报价。
不过，被动价格冲击、逆向选择和机会成本不是同一件事。逆向选择是订单常在行情即将朝不利方向变化时成交；机会成本是等待导致错失交易；被动冲击则指挂单与成交过程本身对价格产生的影响。模型把三者放在同一决策框架中权衡，但不能用其中一个词替代另外两个。
局限与未知
- 股票结论来自六只 NASDAQ 股票和 2016 年样本；外汇结论依赖公开 LSEG L2 数据及合成成交代理，不能直接代表分散的 OTC 外汇市场。
- 股票价格影响部分借用了既有 MLOFI 回归系数；大价位股票的衰减形态并不干净。外汇数据的时间与订单簿粒度又低于股票数据，两类市场的估计不能简单横比。
- 论文展示了校准与模拟，但材料没有提供相对真实执行基线的样本外效果、成本基点或收益提升数字。因此，它目前更像一个有经验依据的执行框架，而不是已经证明能降低多少实盘成本的策略。