Yacine Aït-Sahalia
大白话：普林斯顿大学 Bendheim 金融经济中心与运筹金融工程系教授，做高频金融计量与统计——那篇用 2.3 TB 美股逐笔数据回答「高频收益何时可预测」的代表作出自他这一脉。
机构：Princeton University — Bendheim Center for Financial Economics；Department of Operations Research and Financial Engineering。
邮箱：yacine@princeton.edu
研究领域: 高频金融 econometrics、市场微观结构、跳跃与波动、机器学习在金融的应用、统计推断。
在本 wiki 中的论文
- Ait-Sahalia Fan Xue Zhou 2022 High-Frequency Predictability — 高频收益可预测性的系统刻画。2.3 TB 全量 TAQ、117 个特征；成交侧变量优于订单簿侧；80% 预测力来自最近 10 毫秒；延迟 10 ms 使 R^2 从 14% 跌到 2.5%。见 concepts/microstructure/高频收益可预测性
方法论取向
用大规模微观数据 + 机器学习回答"市场微观结构里到底有什么信息"，而非提出新的交易模型。特色是：
- 愿意处理超大规模数据（2.3 TB TAQ，101 只股票两年全量）
- 主动对比信息源（成交 vs 报价），并给出一个明确的优劣判断
- 量化延迟的价值——把"每个毫秒值多少钱"做成可测量的曲线
相关工作（论文引用）
- Aït-Sahalia & Brunetti (2020) — HFT 的信息优势
- Aït-Sahalia & Sağlam (2021) — 高频做市模型，做市商能不完全预测来单方向
- Dixon (2018) — 做市订单的盈亏归属方法
与本 wiki 其他作者的关系
- Rama Cont — 微观结构另一条路线（订单流 → 价格），Aït-Sahalia 侧重统计推断与机器学习
- Jean-Philippe Bouchaud — 学派强调机制与普适性；Aït-Sahalia 强调大样本测量与可预测性量化。两者在"冲击能否预测"上可能对立，值得对照读
相关概念
- concepts/microstructure/高频收益可预测性 — 本 wiki 的高频实证基准
- concepts/microstructure/Order Flow Imbalance (OFI) — 与其"成交侧优于订单簿侧"的结论构成对照