用途：研究价格形成的微观机制，即谁在交易、如何交易以及交易如何影响价格，用于改进交易成本估算、识别知情交易和优化执行。
主要能力：买卖价差分析（报价价差、有效价差、已实现价差及 Roll 分解）；订单流毒性指标，包括 VPIN（按成交量分桶、Bulk Volume Classification 分类买卖量、计算订单流不平衡）与 Kyle lambda（回归 ΔP = α + λ × OrderFlow）；流动性度量，如 Amihud 非流动性、Roll 隐含价差、零收益比率、换手率、成交额；价格冲击模型，包括幂律冲击 impact = η × σ × (Q / V)^0.6 与平方根模型 impact = σ × √(Q / (ADV × T))；限价订单簿分析（深度、深度不对称、恢复力、订单簿失衡 OIR）；闪崩机制与防范；以及中国 A 股特有微观结构（集合竞价、收盘集合竞价、大宗交易折价）。
使用方式：资料给出分析框架与输出报告格式（流动性诊断、订单流分析、交易成本估算、执行建议），并说明依赖安装命令 pip install pandas numpy scipy。资料提到测试实现位于 src.quantlib.impact.sqrt_impact，建议直接调用而非重写公式。
适用场景：策略交易成本精确估算、大单执行策略设计（TWAP / VWAP / IS）、订单流毒性检测、流动性风险量化、中国 A 股微观结构特征捕捉。
限制：微观结构分析需要 tick 级或 Level-2 数据，普通日频数据仅支持 Amihud / Roll 等粗略度量；A 股 Level-2 十档深度数据需付费订阅；A 股禁止程序化报价撤单操纵，相关信号仅供分析；VPIN 分桶大小对结果影响大，需按标的流动性调整；A 股 T+1 与涨跌停制度使其微观结构与美股教科书模型差异显著；高换手可能来自投机对倒，不代表真实流动性。部分具体数值与案例为资料示例，实际应用需自行验证。