7、流动性螺旋的量化指标（一）：Amihud非流动性比率

各位好，今天我们聊一个实打实的干货——Amihud非流动性比率。

你可能听过「流动性螺旋」这个词。说白了，就是市场越跌，流动性越差；流动性越差，市场越跌。这个恶性循环一旦启动，价格崩溃往往就在眼前。那怎么提前捕捉这个信号？Amihud比率就是我最常用的工具之一。

7.1 什么是Amihud非流动性比率？

这个指标由Yakov Amihud在2002年提出。它的核心思想很简单：一笔交易对价格造成的冲击越大，说明流动性越差。

你想想看，如果你在深度好的市场上买卖100万，价格几乎不动。但在一个枯竭的市场里，同样100万可能把价格砸下去2%。这个「价格冲击」就是Amihud比率要捕捉的东西。

公式长这样：

Amihud_t = (1 / N) * Σ(|R_i| / V_i)

其中：

• R_i = 第i笔交易的收益率（或日收益率）
• V_i = 第i笔交易的成交金额（单位：百万元或亿元）
• N = 统计期内的交易笔数（或天数）

嗯，这里要注意：值越大，流动性越差。这个方向别搞反了。

7.2 计算步骤详解

我个人习惯用日频数据来计算。为什么？因为高频数据太吵，而且很多场景下你拿不到逐笔数据。日频已经足够捕捉流动性恶化的趋势了。

具体步骤：

1. 获取数据：每日收盘价、每日成交金额（或成交量）
2. 计算日收益率：R_t = ln(P_t / P_{t-1})，取绝对值
3. 计算每日Amihud：|R_t| / V_t（V_t单位用百万元）
4. 滚动平均：取过去N天的均值（我一般用20天，也就是一个月）

举个例子：

日期	收盘价	成交额(百万)	收益率|R|	Amihud日值
2024-01-02	100.0	500	-	-
2024-01-03	102.0	450	0.0198	0.000044
2024-01-04	99.5	380	0.0248	0.000065
2024-01-05	98.0	320	0.0152	0.000048

你看，1月4日成交额下降，收益率波动加大，Amihud值明显跳升。这就是流动性恶化的早期信号。

7.3 用Python实现实时监控

好了，理论讲完，上代码。我习惯用pandas和numpy来处理，配合yfinance拉数据。

import pandas as pd
import numpy as np
import yfinance as yf
from datetime import datetime, timedelta

def calculate_amihud(ticker, window=20):
    """
    计算Amihud非流动性比率
    :param ticker: 股票代码
    :param window: 滚动窗口天数
    """
    # 拉取最近1年数据
    end = datetime.now()
    start = end - timedelta(days=365)
    data = yf.download(ticker, start=start, end=end)
    
    # 计算日收益率（绝对值）
    data['Return'] = np.log(data['Close'] / data['Close'].shift(1)).abs()
    
    # 成交额转换为百万元
    data['Volume_adj'] = data['Volume'] * data['Close'] / 1e6
    
    # 计算每日Amihud
    data['Amihud_daily'] = data['Return'] / data['Volume_adj']
    
    # 滚动平均（去掉无穷大值）
    data['Amihud_daily'] = data['Amihud_daily'].replace([np.inf, -np.inf], np.nan)
    data['Amihud_20d'] = data['Amihud_daily'].rolling(window=window).mean()
    
    return data[['Close', 'Amihud_daily', 'Amihud_20d']].dropna()

# 使用示例
df = calculate_amihud('AAPL', window=20)
print(df.tail())

这段代码我用了很多次。有几个细节你需要注意：

• 处理无穷大：当成交额为0时，除法会得到inf，必须去掉
• 滚动窗口：20天是经验值，你可以根据品种调整。国债期货我习惯用10天，股票用20天
• 数据频率：如果做日内监控，可以改成5分钟K线，但逻辑一样

7.4 实战中的判断标准

光算出数字还不够，你得知道什么值算「危险」。我根据多年经验总结了一个参考区间：

Amihud值（20日均值）	流动性状态	操作建议
< 0.00001	良好	正常交易
0.00001 - 0.00005	一般	适当降低仓位
0.00005 - 0.0001	较差	减少交易频率
> 0.0001	危险	暂停交易，准备对冲

当然，这个阈值因品种而异。比特币的Amihud值可能是股票的100倍，你得自己校准。

7.5 知识体系图

下面这张图帮你理清Amihud比率在整个流动性监控体系中的位置：

7.6 我踩过的坑

最后分享一个真实教训。2020年3月，美股熔断期间，我用Amihud比率监控标普500ETF。当时指标从0.00002飙到0.00015，按我的标准应该清仓。但我犹豫了——觉得「这次不一样」。结果呢？后面三天又跌了12%。

从那以后，我给自己定了个规矩：Amihud比率突破阈值，无条件减仓。宁可错过反弹，不能死在流动性枯竭里。

好了，这一章就到这里。代码拿去跑跑看，有问题随时交流。

---