你准备分几分钟买完一笔仓位，另一家机构却计划持有几个月。即使双方看到同一条信息，也不会同时行动：短线资金先下单，可能把价格推走；长线资金随后调整计划，又会反过来改变短线资金的成本。这篇论文要解释的，正是不同预测周期如何通过集体交易共同塑造价格。它值得关注，因为常见的执行分析容易把“其他人的交易”当成固定背景，而现实中的其他人也在观察价格、修改仓位。
Joseph Leclère 与 Mathieu Rosenbaum 在 arXiv 论文《Mean-field equilibrium of heterogeneous agents under market impact》中提出一个线性均值场模型。均值场方法不逐个追踪海量交易者，而用总持仓概括群体行为：每个人根据总体行动做决策，总体行动又来自所有人的选择。本文的结论都是特定假设下的理论结果，并非真实市场的实证验证。
三种力量拼成一个价格
论文把观测价格拆成三部分。
第一部分是鞅成分——简单说，在当下信息下无法预测下一段增量的价格变化。第二部分是所有人都能看到的可预测信号。作者用 Volterra 过程表示它：过去的冲击会通过一个随时间变化的核继续影响现在，但影响会逐渐消退。第三部分是市场冲击，也就是交易本身推动价格变化的部分。
这里最关键的设定不是“大家看到不同信息”，而是“大家用不同的尺子看同一信息”。有人预测几分钟后的变化，有人预测一天或一个月后的变化。每位交易者根据两个东西建立仓位：自己预测周期内的信号变化，以及预期总持仓将造成的部分市场冲击。一个共同参数表示交易者把多大比例的集体冲击计入预测；取到边界值时，他们会完整考虑预期冲击。
市场冲击采用 propagator 思路——一笔仓位变化对价格的作用可以立刻出现，也可以在之后逐步衰减。于是，执行成本不只取决于“我买多少”，还取决于不同周期资金如何同时加仓、减仓，以及过去仓位留下多少影响。
难点不是预测，而是让所有人的预测对得上
这个系统有一圈反馈：交易者依据预测建仓，总持仓改变价格；改变后的价格和成本，又进入交易者对未来冲击的判断。如果先假设别人的路径不变，再各自求最优解，答案并不自洽。
作者把这个循环压缩成关于总持仓的线性不动点方程。不动点的意思是：先猜一条群体仓位路径，让所有交易者据此决策；把他们的新仓位加总后，必须恰好回到原来的群体路径。在 Gaussian–Volterra 框架下，也就是信号与均衡仓位都由高斯型 Volterra 过程描述时，整个问题可以进一步转化为一个核函数方程。
这一步也揭示了风险：均衡未必天然唯一。论文给出一个“预测—冲击共振”的例子，即使没有外部信号，对未来集体冲击的预期也可能支撑一个非零仓位模式。作者因此把注意力放在随时间衰减的函数空间中，并在显式条件下证明均衡存在且唯一。其构造先处理即时冲击，再把暂时性冲击作为固定点扰动加入；当相应映射满足压缩条件时，反复迭代会收敛到唯一解。
短线和长线何时会互相抵消？
论文随后追问：共同信号最终会以多大程度进入观测价格？作者从均衡价格的核中分离出信号的直接贡献，并找到一个平衡条件。在该条件下，共同信号不会原样直接传到价格中，剩余部分只经过预测周期平均和冲击卷积后出现。
直觉上，这像一群人同时对同一条消息作出反应，但反应时钟不同。极短周期资金紧跟信号，较长周期资金则把变化摊到更宽的时间窗口。再加上大家预判彼此造成的冲击，最终的总仓位可能产生一股方向相反的价格作用。这里的“抵消”不是说交易消失，也不是任何市场都会自动有效，而是模型参数满足特定均衡条件时，信号的直接传导项被消去。
当交易者越来越充分地计入市场冲击时，作者研究了一族经过适当缩放、并持续满足该平衡条件的均衡。在论文列出的条件和尾部控制假设下，可预测信号与市场冲击的价格贡献在极限中相互抵消，观测价格收敛到剩余的鞅成分。换句话说，大家仍依据可预测信号交易，但集体反馈可能让这部分可预测性不再直接留在最终价格里。
作者还把“计入他人冲击的程度”与 Hawkes 过程中的内生性联系起来。Hawkes 过程是一类描述订单成簇到来的模型：一笔订单可能提高随后出现同方向订单的概率。论文指出，在其抵消条件下，预测端的反馈强度可以与订单流端的自激强度对应起来。这连接了两个通常分开讨论的问题：为什么订单持续出现，以及为什么交易者会提前响应集体冲击。
交易周期的分布也会改变价格纹理
最后，论文考察 fractional-type signals 与 Gamma-distributed horizons。前者表示信号在局部具有较粗糙的变化；后者用 Gamma 分布描述人群中的预测周期。作者研究 Hölder 正则性——衡量一条路径在很短时间尺度上有多平滑。
没有抵消时，信号的主要奇异项会保留，观测价格继承原信号的局部粗糙程度。满足抵消条件后，预测周期平均会提供额外平滑。不过，能平滑多少取决于周期分布在零附近集中了多少质量：如果太多交易者盯着极短周期，他们的仓位会紧跟粗糙信号，群体平均仍不够平滑；如果极短周期的权重足够低，价格的局部正则性可以与 Brownian motion 相容。Gamma 分布的形状参数控制零附近的集中程度，速率参数只改变整体周期尺度，不改变这一局部判断。
“与 Brownian motion 相容”只说局部平滑程度相近，并不表示价格过程就是布朗运动，也不证明价格已经有效。
为什么值得关注
这项工作的价值，在于把预测周期、市场冲击和群体均衡放进同一套账。短线与长线资金不只是分别承担不同成本；它们会通过总持仓改变彼此看到的未来价格路径。因此，一种策略的执行成本不能脱离市场中其他周期资金的反馈单独计算。
它还给出一个反直觉视角：共同信号越明确，不代表它越会直接出现在价格里。只要参与者同时预测信号、预判群体冲击，并在特定条件下形成均衡，交易产生的内生冲击就可能削弱甚至在极限中抵消信号贡献。
局限与未知
- 这是单篇 arXiv 论文提出的理论模型，全部主要论断尚无独立信源交叉印证，也没有样本、回测、冲击幅度或统计显著性数据。
- 存在唯一性、信号抵消和鞅极限都依赖论文给出的显式条件、均衡分支、适当缩放及尾部假设，不能外推为现实市场的一般规律。
- 模型让所有交易者采用相同的冲击计入系数，并把仓位简化为预测强度；作者也指出，让该系数随预测周期变化是一项自然扩展。