当散户「掉线」：一次宕机，照出两种截然不同的散户

[2022 JFE] Retail Trader Sophistication and Stock Market Quality: Evidence from Brokerage Outages
Gregory W. Eaton, T. Clifton Green, Brian S. Roseman, Yanbin Wu
Jun He June 01, 2026
散户投资者 市场质量 自然实验 流动性
Note

本文读的是 Eaton, Green, Roseman & Wu (2022, Journal of Financial Economics)：作者用券商平台「宕机」当作对散户参与度的负向冲击，发现 Robinhood（迎合新手、爱追涨杀跌、爱抱团）一掉线，那些散户最扎堆的股票反而 价差收窄、波动下降、买卖更平衡；而传统券商（TD Ameritrade、嘉信、E-Trade）一掉线，结果恰好相反。一句话：散户不是铁板一块，「散户到底是噪声还是润滑剂」这个老问题的答案，取决于他们是逆向交易还是抱团追涨。

1 一个被吵翻了天的老问题

散户投资者，到底是市场的「润滑剂」，还是市场的「捣乱者」？

这是一个被吵了几十年、却始终没有定论的问题。一派人说，散户是天然的「噪声交易者（noise trader）」，他们的随机买卖恰好稀释了知情交易者的信息优势，给做市商提供了流动性——按这个逻辑，散户越多，市场越润滑。Kaniel, Saar and Titman (2008) 甚至发现，散户的订单流是 逆向（contrarian） 的，而且能正向预测未来的短期收益，这被解读成散户在「低买高卖」、在为市场提供流动性。

可另一派人摆出了完全相反的证据。Foucault, Sraer and Thesmar (2011) 研究了一项专门打击散户投机的法国监管改革，发现散户被赶走之后，市场质量反而 变好 了。而 Peress and Schmidt (2020) 用「分散注意力的电视新闻」当工具变量，发现散户一旦被电视吸引走、不交易了，市场流动性反而 变差。

Warning

同一个问题，两套截然相反的实证证据。Foucault 说散户走了市场更好，Peress-Schmidt 说散户走了市场更差。如果两边的数据都没错，那一定是哪里的前提出了问题。

问题出在哪？本文的切入点很锋利：以往的研究，几乎都把「散户」当成一个同质的整体来看。 但散户和散户之间，差别可能比散户和机构之间还大。

2 把散户拆开：Robinhood 这群人不太一样

故事的真正主角，是 Robinhood。

这家以零佣金、零账户门槛、游戏化界面著称的券商，在 2020 年已经有 1300 万账户，多数是 第一次进场 的投资者。它的平均用户 31 岁、账户余额在 1000–5000 美元之间——而 1990 年代被反复研究的那批美国散户，平均 50 岁、账户余额 47,000 美元（Barber and Odean, 2001）。更夸张的是，按单位账户金额算，Robinhood 用户的换手是 E-Trade 客户的 9 倍、嘉信客户的 40 倍（Popper, 2020）。

Tip

这是理解全文的钥匙：Robinhood 的散户，是「散户里的散户」——更年轻、更没经验、更频繁交易、更容易被社交媒体和「人气榜」点燃而 抱团（herding）。

作者首先用一组事实把这种「异质性」钉死。他们用 Robintrack（一个通过 Robinhood API 抓取每只股票持有人数的独立网站）的数据，构造 Robinhood 的「持有人广度（breadth of ownership）」，再用 Boehmer et al. (2021)（业内简称 BJZZ）的方法，从 TAQ 里识别 全体散户 的订单流。两相对照，结论很干净：

Table 2: is that changes in Robinhood ownership do not

Table 2: is that changes in Robinhood ownership do not

换句话说：当我们说「散户是逆向的、提供流动性的」，说的其实是 加总后的全体散户；而 Robinhood 这一群，方向恰恰反过来——他们是顺势抱团、demanding liquidity 的那一拨。

接着，一个自然的问题是：既然这两群人方向相反，那当其中一群「突然消失」时，市场会朝哪个方向动？这正是本文识别策略的精妙所在。

3 识别策略：用「宕机」做一次自然实验

要回答「散户对市场质量的因果影响」，最大的麻烦是 内生性：散户在某只股票上交易得多，往往是因为这只股票本身出了大新闻、波动大、流动性也在变——你根本分不清是散户影响了市场，还是市场吸引了散户。

本文的解法是 券商平台宕机（brokerage outage）：当 Robinhood 的 App 崩了、用户登不进去、下不了单，这就相当于对「这家券商的散户参与度」打了一记 负向冲击，而且这记冲击大概率与个股基本面无关。

作者从 DownDetector.com（一个汇总用户故障投诉的网站）上，筛出 2019 年 1 月到 2021 年 6 月间、至少 200 名用户报告故障的 96 次宕机事件——其中 37 次发生在 Robinhood，59 次发生在传统券商。宕机的中位时长是 30 分钟。他们刻意剔除了由熔断、涨跌停交易暂停这类「市场层面波动」引发的宕机（比如 2020 年 3 月、2021 年 1 月的若干次），以及 Robinhood 与其他券商重叠的宕机。

识别的核心是一个 双重差分（difference-in-differences, DiD）型 设计，但它有两层「差分」：

第一层（时间）：把宕机期间的市场质量，与 前一周同一时段 做对比； 第二层（横截面）：把「预期散户交易最密集」的 最高五分位（top quintile） 股票，与 底部四个五分位 做对比。

为什么要做第二层？因为宕机若真是市场层面的冲击，它会无差别地影响所有股票；而如果效应真的来自散户，那它应该 集中在散户最扎堆的股票上。回归里同时放了 公司固定效应 和 日期固定效应，正是为了把「这只股票天生流动性差」和「这一天大盘有事」这两类干扰吸收掉。

Note

这个设计的漂亮之处在于：它不需要散户「随机分布」，只需要 宕机的时点 与个股的市场状况无关。底部四分位股票在此扮演了「控制组」——若宕机是广义坏消息，它们也该动；而事实是它们几乎不动。

4 市场质量怎么量？三把尺子

在看结果之前，先交代作者怎么从高频的 TAQ 数据里量「市场质量」。这几把尺子是后文所有反转的载体，值得照原文写清楚。

有效价差（effective spread），衡量一次往返交易的实际成本，第 \(k\) 笔交易定义为

$$2 \times |\ln(P_k) - \ln(M_k)|$$

其中 \(P_k\) 是成交价，\(M_k\) 是成交时的报价中点。

价格冲击（price impact），衡量一笔交易把价格推动了多少，定义为成交时中点到成交后五分钟中点的变化：

$$2 \times |\ln(M_{k+5\min}) - \ln(M_k)|$$

而要捕捉做市商的 库存压力（inventory risk），作者用了一个很细的 深度失衡（depth imbalance） 指标。它衡量限价订单簿上、买卖两侧的深度加权报价相对中点是否对称：

$$\frac{|(P_{t,DW,O} - M_t) - (M_t - P_{t,DW,B})|}{M_t}$$

这里 \(P_{t,DW,O}\) 与 \(P_{t,DW,B}\) 分别是 \(t\) 时刻卖方（offer）和买方（bid）的 深度加权（depth-weighted, DW） 限价价格，\(M_t\) 是报价中点。直觉上，当散户都涌到同一边下单（比如都在追买），订单簿就会一边倒，这个指标就会变大——做市商不得不单边吃进库存，承担风险。

Tip

抓住「深度失衡」这把尺子，就抓住了全文的机制：抱团 → 单边订单 → 做市商库存风险 → 价差与波动。Robinhood 散户的危害，正是经由「库存风险」这条暗线传导的，呼应了 Ho and Stoll (1981) 与 Kyle (1985) 的经典库存/噪声交易框架。

5 反转：同样是「掉线」，方向却相反

现在把所有零件拼起来。结果是本文最有冲击力的部分——两类券商的宕机，把市场推向了相反的方向。

先看交易量。 不论哪家券商宕机，散户密集的股票成交量都下降，这验证了「宕机确实掐断了散户交易」这个前提：Robinhood 宕机让高 Robinhood 交易股票的成交量降低约 3.2%，传统券商宕机让高散户交易股票成交量降低约 2.6%。到这一步，两类宕机看起来还是「一样的」。

但真正关键的一步，是市场失衡和流动性。 这里方向劈成了两半：

于是反转出现了。在 流动性 上：

在 波动率 上（用五分钟窗口内成交价变动的标准差衡量）：

把这几组数字并排放，结论就立住了：Robinhood 散户走了，市场反而更好；传统散户走了，市场反而更糟。 前者印证了 DeLong et al. (1990) 那一类「噪声交易制造波动」的模型，后者印证了 Kaniel et al. (2008) 那一类「散户提供流动性」的证据。两套看似矛盾的文献，在「散户异质性」这一刀之下，被同时收编了。

6 把链条钉到底：批发商、PFOF 与「有毒」的订单流

讲到这里，一个更深的问题浮上来：散户的订单根本不在公开交易所成交，而是被 批发商（wholesaler）、也就是那些做 订单流付费（payment for order flow, PFOF） 的高频交易（HFT）公司在场外内部化掉的。那散户怎么会影响 公开市场（lit market） 的价差呢？

作者的回答是：因为 Citadel Securities、Virtu 这些既是 Robinhood 的批发商、又是公开市场上最大的做市商。它们两个部门之间虽有信息墙（FINRA 5320 禁止抢跑客户订单），但 整个公司的总仓位和风险偏好 会同时左右两边的算法。于是作者去看 Nasdaq TotalView ITCH 里、按 MPID 标注出的 非匿名做市商报价：

这说明：平时 Robinhood 散户抱团下单，给这些关联批发商堆出了库存风险，逼得它们在公开市场上把价差报宽；一旦散户「掉线」，库存压力解除，它们立刻把价差收窄。链条就此闭合。

Note

还有一个漂亮的副产品：既然 Robinhood 的订单流会制造库存风险，批发商为什么还抢着 付钱 买它？作者用 SEC Rule 605 的已实现价差（realized spread）数据回答——在最「有毒（toxic）」的股票上，已实现价差确实可能 为负，但批发商承诺「全量服务」，靠剩下那些无毒订单流整体仍然盈利；而且「有毒」只是 暂时 的，吃下短期亏损是为了锁定这只股票未来的可盈利订单流。

7 这不是巧合吗？——稳健性与对识别的拷问

一个聪明的读者立刻会反问：会不会是极端行情先引发了宕机，再同时搅动了市场？ 那因果就反过来了。

作者准备了好几道防线：

  1. 伪宕机检验（pseudo outage）：假装宕机发生在真实事件的 一小时后，结果对交易和流动性 没有任何冲击——说明效应紧贴着真实宕机的时点，不是大盘新闻在作祟。
  2. 剔除 WallStreetBets：把宕机当天在 WSB 上被高频提及的股票剔掉（这些可能是「先有热度、热度撑爆了服务器」），结果依旧成立。
  3. 事件时间图：Intraday event-time 显示，市场效应 精确发生在宕机的那段时间窗口内，前后都平静。
  4. 平行趋势 / 安慰剂：在底部四个五分位股票上，宕机几乎看不到任何影响。

作者也很诚实地承认：他们 不能完全排除 「交易活动激增导致宕机」这种可能，而且 Robinhood 平台可能本就比传统券商更脆弱、更容易被交易冲击搞崩。但即便如此，文章的结论依然有价值——它揭示的是，在 市场承压、流动性最金贵的时刻，不同类型的散户分别如何影响市场质量。

Warning

我认为这里仍留有一个未被完全堵死的口子：Robinhood 与传统券商的「客户构成」和「平台脆弱性」是同时不同的。作者用「Robinhood 宕机→更平衡、传统券商宕机→更失衡」这个 方向性反差 来论证「这更像抱团差异，而非券商激励差异」，逻辑上站得住，但严格来说，「平台稳健性的差异」是否会与「客户行为的差异」纠缠在一起，仍是一个值得追问的点。

8 文献脉络

把这篇论文放回它生长的那条藤蔓上，脉络就清晰了。

最上游是 市场微观结构 的两块理论基石：Ho and Stoll (1981) 的 做市商库存模型，告诉我们单边订单会逼出库存成本；Kyle (1985) 和 Glosten and Milgrom (1985) 的 噪声交易/信息模型，告诉我们随机的散户交易能稀释信息不对称、润滑市场。这两条线，恰好对应了散户「有害」与「有益」的两副面孔。

文献脉络时间线
文献脉络时间线（按发表年份排布；红色为本文）

接着是 散户实证 的两军对垒：Kaniel, Saar and Titman (2008) 发现散户逆向且能预测收益，Boehmer et al. (2021) 给出了从 TAQ 识别散户订单流的标准方法，二者偏向「散户有益」；而 Foucault, Sraer and Thesmar (2011) 与 Peress and Schmidt (2020) 则在「散户走了市场会变好还是变坏」上得出相反结论。

然后，Robinhood 时代来了。Barber et al. (2021) 发现 Robinhood 投资者会被「注意力」诱发抱团，伴随大幅价格波动与随后反转；van der Beck and Jaunin (2021) 在 Koijen and Yogo (2019) 的需求体系框架上，论证 Robinhood 投资者因机构需求的非弹性而对股价有「超额」影响；Ozik et al. (2021) 则用居家隔离令的错位实施，论证 Robinhood 散户「拉平了流动性曲线」。

本文所处的位置，正是这条藤蔓的一个关键结点：它不去争论「散户平均而言是好是坏」，而是用宕机这把手术刀，把散户 按 sophistication 切开，从而 同时解释 了上游那两套矛盾的证据。

9 评论与延伸（Q&A + 研究方向）

(a) 几个可能的疑问

Q：宕机只有 30 分钟，这么短的冲击，凭什么能说明散户的长期作用？

它说明不了「长期」，但这恰恰是本文的取舍。短时、外生、可定位到分钟的冲击，换来的是干净的 因果识别；代价是只能讲「intraday」的故事。作者也明确把结论限定在「市场承压、流动性高度被珍视的时刻」，没有越界去谈长期定价。

Q：Robinhood 散户和传统券商散户方向相反，会不会只是因为两家券商的「制度激励」不同，而非客户本身不同？

这是最该担心的混淆。作者的反驳是：样本期内所有券商都零佣金、都有 PFOF 安排，制度大体可比；更重要的是，「Robinhood 宕机→交易与报价更平衡，传统券商宕机→更失衡」这个 方向性反转，更符合「低 sophistication 投资者抱团→库存成本上升」，而不太符合「不同券商提供流动性的激励不同」。

Q：用 Robintrack 的「持有人广度」当散户参与度的代理，靠谱吗？

它是持有人 数量 的快照（约每小时更新），不是真实的逐笔订单流，所以更像「关注度/参与度」而非「交易方向」。但好处是它专属于 Robinhood，能把这群人从全体散户里 干净地剥离 出来；而全体散户则用 BJZZ 方法独立度量。两套数据互为印证，是本文识别异质性的关键。

Q：报价价差只降了 0.72 个基点，这点改善有经济意义吗？

相对于 16.8 个基点的均值，0.72 个基点约是 4% 的改善——单看不大，但请记住这是「一家券商、半小时宕机」带来的边际效应。它度量的是 单一散户群体的边际贡献，而非散户的全部影响，因此这个量级反而是合理且可信的。

Q：这篇文章到底「调和」了什么？

它调和了 Foucault et al. (2011)（散户走了市场更好）和 Peress-Schmidt (2020)（散户走了市场更差）的矛盾：前者度量到的「散户」更接近抱团型的不成熟投资者，后者度量到的更接近逆向型的成熟散户。不是谁错了，而是大家说的「散户」不是同一群人。

Q：为什么效应只集中在「高散户兴趣」股票上，而不是全市场？

因为只有在散户扎堆的股票里，散户的边际进退才足以撼动做市商的库存与报价；在散户占比极低的股票里，宕机这点冲击会被淹没。底部四分位股票几乎不动，恰好是识别有效的「安慰剂」证据。

(b) 几个可能的研究问题与提案

1. 把这套「宕机识别」搬到公司债市场

【经济故事】公司债越来越多地通过零售化的电子平台（如券商的债券页面、ETF 申赎）触达个人。如果某个零售债券交易入口宕机，是否也会改变高散户持有债券的买卖价差与做市商库存？这能检验「散户异质性」是否是股票市场特有，还是在流动性更差的信用市场里被放大。 【可行性】中。难点在于公司债缺乏 TAQ 这样的高频、可识别散户的订单数据；需依赖 TRACE 加上某个零售平台的宕机记录，识别能成立但数据获取是真正的瓶颈。

2. 外资持有人的「掉线」实验

【经济故事】外资在某些市场（如新兴市场、或美国公司债）的参与高度依赖跨境通道/平台。若某条跨境交易通道临时中断，是否会像 Robinhood 宕机一样，揭示外资究竟是「稳定器」还是「波动源」？这与我之前关心的外资与公司债流动性问题直接相关。 【可行性】中偏低。通道中断事件稀少且常与汇率/资本管制冲击同时发生，外生性难保证；需要非常干净的、与本地基本面无关的技术性中断事件。

3. PFOF 批发商的「库存溢出」能否被直接观测

【经济故事】本文用非匿名 MPID 报价 间接 推断了 Citadel/Virtu 的库存压力如何溢出到公开市场。若能拿到批发商更细的内部化成交与净头寸数据，就能直接量化「散户抱团 → 批发商库存 → 公开市场价差」这条链路的弹性。 【可行性】低。批发商内部头寸数据几乎不可得；只能退而求其次，用 Rule 605/606 披露 + ITCH 报价做更精细的推断。

4. 把「sophistication」做成连续谱而非二分

【经济故事】本文是 Robinhood vs 传统券商的二分。但 sophistication 其实是连续的——能否用账户层面的交易行为（持仓集中度、追涨频率、对 WSB 的响应度）构造一个连续的「抱团倾向」指数，再看它与个股市场质量的关系？ 【可行性】中。需要账户级数据（如某券商或经纪商的脱敏样本），识别上可沿用本文的高/低分组思路；数据可得性是关键约束。

关于「散户宕机」这一识别策略本身在 期权市场 的应用，可参见《当波动率曲面被「散户」推歪：从券商宕机里读出的需求压力》；关于散户「去了哪里交易」的栖息地视角，可参见《散户的栖息地：他们不是更笨，只是去了别人不愿去的地方》与《集中，到底是谁的福利？——一张散户订单的旅行账单》。

10 我的判断

贡献：这篇文章最大的价值，不在于又发现了一个「散户有害」或「散户有益」的结论，而在于它用一个极其干净的自然实验，给一场争论了几十年的辩论换了个问法——别再问「散户好不好」，要问「哪一种散户、在做哪一种交易」。把「散户异质性 + 抱团 + 库存风险」这条机制链一路钉到批发商的报价上，证据链的完整度在同类经验研究里是少见的。宕机作为冲击的「外生性 + 可定位到分钟 + 双向对照（两类券商方向相反）」，构成了一个相当有说服力的识别组合。

对识别的担忧：我最大的保留仍是 Robinhood 与传统券商在 平台脆弱性 上的系统性差异，与 客户行为差异 之间难以完全分离——「Robinhood 更容易因为交易激增而崩」本身可能携带信息。作者用方向性反差做了很好的辩护，但这道口子没有被彻底焊死。其次，伪宕机和剔除 WSB 的稳健性都很到位，但 30 分钟窗口意味着结论严格限定在 intraday、且仅限高散户兴趣股票，外推要谨慎。

后续想看到的：我最想看到的是把这套逻辑搬到 流动性更差、做市商库存约束更紧 的市场——尤其是公司债。如果在那里也能看到「不成熟散户抱团 → 做市商库存风险 → 价差走阔」的同一条链，这篇文章的机制就从「股票市场的一个现象」升格为「一条普适的微观结构规律」。

参考文献