1703564720
我们还需要估计交易成本中市场影响部分与订单大小的函数关系。这仅仅依靠观察当前市场是不够的。类似于量子物理学中的海森堡不确定性原理（Heiseberg uncertainty principle），交易员与市场的互动也会改变市场。我们需要一个很稳定的方法来估计这种交互所带来的影响。这个问题一直都是市场微观结构研究领域中的一个活跃的研究方向，但还不够成熟。不过我们还是可以找到一个简单但强大的模型，从而能够捕捉这个问题的许多方面，而且易于使用，同时也是相关研究的很好起始点。这类市场冲击分析的模型首先是由美林提出的（Gagheral，2001）。
1703564721
1703564722
即使完全没有接触过市场的人也会知道，交易并不是以固定的时间间隔进行的。但为了数学上的简化，我们可以假设对交易时间表做一些调整，这样使得交易能够以相等的时间间隔发生（这样的调整在现实中不会发生，但是我们从概念上可以这么调整）。现在每个时间间隔NΔt中发生的交易数量服从参数为常数λ的泊松分布。所以在这个交易时间表中，每个交易时间内的期望交易数量为λ。如果该股票很活跃，那么交易时间会过得很快。如果该股票不活跃，则交易时间会过得很慢（泊松分布可以参见图6-10。注意分布只能定义在k为整数的时候，每个点之间的连接线是为了帮助显示图形而加上去的）。
1703564723
1703564724
1703564725
1703564726
1703564727
图6-10 泊松分布的两个例子
1703564728
1703564729
市场影响F（n），定义为由n股交易所导致的合约标的对数中间价的变化程度，如式（6-16）所示：
1703564730
1703564731
1703564732
1703564733
1703564734
对于参数为λ的泊松分布来说，它满足：
1703564735
1703564736
1703564737
1703564738
1703564739
因此能够得出：
1703564740
1703564741
1703564742
1703564743
1703564744
一些研究表明，市场冲击量与交易量的平方根相关（Hasbrouck，1991；Madhavan和Smidt，1991；BARRA，1997）：
1703564745
1703564746
1703564747
1703564748
1703564749
其中α是个常数，被称为市场冲击参数。
1703564750
1703564751
将式（6-19）代入式（6-18）中，我们得到：
1703564752
1703564753
1703564754
1703564755
1703564756
其中，μ被定义为单位交易时间内的股票交易数量。
1703564757
1703564758
对交易时间进行时间调整的目的是保持这个数量为常数，所以这个公式也说明每单位交易时间的收益率方差也是常数。现在我们取消之前做的时间调整，这意味着波动率σt和μt，以及单位实际时间的交易数量都成了随机变量。抵消两边的公共因子Δt以后[参考式（6-18）]，我们得到：
1703564759
1703564760
1703564761
1703564762
1703564763
这个公式清楚地给出了交易量和波动率之间的关系。许多研究（Clark，1973；Tauchen和Pitts，1983；Karpoff，1987）都证实了这点。很少有交易员会对这个关系式进行争论（尽管他们会争论到底是交易量导致了波动率变化，还是应该服从相反的因果关系）。这个模型也留下了另一个未决的争论——交易量应该是以交易的次数还是以股票数量来进行衡量。但是在这里，无论哪种选择，结果都是一致的。
1703564764
1703564765
式（6-22）给出了简单的用来衡量市场冲击的方法：
1703564766
1703564767
1703564768
1703564769