交易执行(Trade Execution)是将交易意图转化为实际成交的过程,是量化交易中连接策略与市场的关键环节。优秀的策略若配上糟糕的执行,可能回测年化收益 30%,实际却亏损 5%——这正是交易执行的重要性所在。
在量化交易中,策略层决定了何时交易(when)和交易什么(what),而执行层决定了如何交易(how)。交易执行的核心目标是在最小化市场冲击和机会成本的前提下,完成指定数量的资产买卖。
执行质量直接影响策略的实际收益。一个年化 Alpha 为 10% 的策略,若执行成本(冲击成本 + 延时成本 + 手续费)占 3%,则实际净收益仅剩 7%。对于高频策略和高换手率策略,执行成本甚至可以吞噬全部收益。
| 成本类型 | 描述 | 典型规模 |
|---|---|---|
| 显性成本 | 佣金、印花税、过户费等 | 0.01% - 0.3% |
| 市场冲击 | 大单对价格的瞬时影响 | 0.05% - 1%+ |
| 延时成本 | 下单到成交期间的价格不利变动 | 0.01% - 0.5% |
| 机会成本 | 未成交部分错过的收益 | 难以量化 |
执行质量没有绝对的"好",只有相对于某个基准的"好"。常用的基准包括:
核心原则:执行的目标不是买到"最低价"或卖到"最高价"——那是根本不可能做到的。目标是将实际成交价格控制在基准价格的一定范围内。
原理:将订单均匀切成小份,在每个固定时间段内等量提交。核心假设是价格在时间上随机游走,通过分散下单时间可以逼近平均价格。
数学模型:
如果总订单量 在 个时间片内执行,每个时间片的执行量为:
成交价格 与执行量无关(假设无市场冲击),最终平均成交价:
具体数值示例:
假设你要买入 10,000 股 XYZ,分 10 个时间片执行,每片 1,000 股:
| 时间片 | 成交价(元) | 买入股数 |
|---|---|---|
| 10:00 | 10.00 | 1,000 |
| 10:05 | 10.02 | 1,000 |
| 10:10 | 10.01 | 1,000 |
| 10:15 | 10.03 | 1,000 |
| 10:20 | 9.99 | 1,000 |
| 10:25 | 10.00 | 1,000 |
| 10:30 | 10.02 | 1,000 |
| 10:35 | 10.01 | 1,000 |
| 10:40 | 10.04 | 1,000 |
| 10:45 | 10.00 | 1,000 |
TWAP = (10.00 + 10.02 + ... + 10.00) / 10 = 10.012 元
优缺点:
| 优势 | 劣势 |
|---|---|
| 实现简单,计算成本低 | 忽略成交量分布,可能在低流动性时段执行过多 |
| 行为可预测,不易被市场识别 | 不利用日内成交量模式 |
| 适合小额订单和低冲击场景 | 大额订单冲击成本高 |
适用场景:流动性较好的股票小额调仓、ETF 申购赎回、指数跟踪再平衡。
原理:根据历史成交量分布来分配订单的执行量——成交量大的时段多执行,成交量小的时段少执行。这样可以最大限度地隐藏交易意图,减少市场冲击。
数学模型:
设历史成交量分布为 ,其中 ,则每个时间片的执行比例为:
每片执行量:
具体数值示例:
基于历史数据,知道 XYZ 股票在一天各时段的成交量分布如下:
| 时段 | 历史成交量占比 | 分配股数 |
|---|---|---|
| 10:00-11:00 | 25% | 2,500 |
| 11:00-12:00 | 18% | 1,800 |
| 13:00-14:00 | 22% | 2,200 |
| 14:00-15:00 | 35% | 3,500 |
总订单:10,000 股。如果每个时段内再做时间均匀分割,就得到了 VWAP 执行计划。
VWAP 与 TWAP 的对比:
| 比较维度 | TWAP | VWAP |
|---|---|---|
| 执行量分配 | 均匀 | 按成交量加权 |
| 市场冲击 | 较高(低流动时段冲击大) | 较低(顺流动性执行) |
| 能否跟踪市场 | 否 | 是(与市场同步) |
| 对成交量预测依赖 | 无 | 高(预测不准则效果差) |
| 适合订单规模 | 小 | 中到大 |
VWAP 的常见误区:
由著名的量化投资大师 Robert Almgren 和 Neil Chriss 在 2000 年提出,是学术界和业界公认的最科学的交易执行分析方法。
定义:
其中 是做出交易决策时的市场价格, 是实际执行均价, 是交易数量。
分解:
实现缺口可以进一步分解为:
Almgren-Chriss 最优执行模型:
Almgren 和 Chriss 提出了经典的最优执行框架,将交易执行建模为一个时序优化问题:
其中 是时刻 的持仓量, 是风险厌恶系数。
执行成本包括两部分:
数值示例:
假设交易参数:,,初始持仓 100 万股,目标清仓,持有期 天。
| 风险厌恶 | 最优执行天数 | 期望成本(万元) | 成本标准差(万元) |
|---|---|---|---|
| 0(只优化期望) | 10 天均匀 | 50 | 30 |
| (中等) | 7 天 | 55 | 20 |
| (高度厌恶) | 3 天 | 70 | 10 |
这个表格揭示了核心权衡:执行得越慢,期望冲击成本越低,但价格波动的风险越大;执行得越快,冲击成本越高,但价格风险越小。
智能路由系统实时评估多个交易场所(交易所、暗池、ATS)的流动性,自动选择最优的订单路由路径。在当今碎片化的市场结构中,同一只股票可能在多个交易场所同时交易,智能路由成为必需的执行工具。
| 策略 | 描述 | 适用场景 |
|---|---|---|
| 价格优先 | 选择最优价格的场所 | 限价单 |
| 流动性优先 | 选择流动性最大的场所 | 市价单大额交易 |
| 成本优先 | 选择综合成本最低的场所 | 高频交易 |
| 隐蔽优先 | 选择匿名性最好的场所 | 大单拆单避灯 |
收到订单
│
├─ 查询各场所实时报价
├─ 评估可用流动性
├─ 计算到各场所的延迟
├─ 考虑历史成交质量
│
▼
最优路由决策
│
├─ 直接发送到最优场所
├─ 拆单到多个场所
└─ 发送到暗池(大单隐蔽)
暗池(Dark Pool)是一种不公开显示买卖挂单的交易场所。对于大额订单,暗池可以显著降低市场冲击。
暗池的优势:
暗池的劣势:
市场冲击通常用"价格影响曲线"来描述——订单大小与价格偏移的关系:
其中 是订单大小, 是市场成交量, 和 是经验参数。实证研究表明 通常在 0.3 到 0.7 之间。
具体数值示例:
| 订单/成交量比率 () | 股票 A() | 股票 B() |
|---|---|---|
| 1% | 0.10% | 0.05% |
| 5% | 0.22% | 0.11% |
| 10% | 0.32% | 0.16% |
| 20% | 0.45% | 0.22% |
| 50% | 0.71% | 0.35% |
可以看到,当订单量超过日成交量 10% 时,冲击成本呈非线性增长——这也是为什么算法交易的核心是"化整为零"。
| 因素 | 对冲击的影响 | 解释 |
|---|---|---|
| 市值大小 | 小市值 高冲击 | 流动性差,薄订单簿 |
| 波动率 | 高波动 高冲击 | 做市商风险溢价更高 |
| 交易时间 | 开盘/收盘 高冲击 | 信息不对称最严重 |
| 订单方向 | 买入/卖出对称性 | 中国市场买入冲击略高(做多偏好) |
| 订单速度 | 越快 越高 | 流动性需求急迫性 |
执行交易对价格产生两种不同的影响:
永久冲击(Permanent Impact):
暂时冲击(Temporary Impact):
对于卖出 100 万股某股票:
价格变化路径:
决策价 ¥10.00
↓ 下单
开始冲击 ¥9.95 (暂时冲击,流动性消耗)
↓ 持续卖出
价格最低 ¥9.85 (永久 + 暂时冲击叠加)
↓ 执行完毕
恢复价格 ¥9.92 (暂时冲击恢复,永久冲击残留)
永久冲击 = ¥0.08,暂时冲击 = ¥0.10
Slippage 指预期成交价格与实际成交价格之间的差异。它是量化策略中最隐蔽的"隐形杀手"——回测中永远不会体现,实盘中永远存在。
| 来源 | 定义 | 量级(典型) |
|---|---|---|
| Bid-Ask Spread | 买卖价差成本 | 0.01% - 0.5% |
| 市场冲击 | 大单推动价格 | 0.05% - 2% |
| 延迟 Slippage | 下单到成交的时间差 | 0.01% - 0.1%/秒 |
| 信息泄漏 | 市场对手反向操作 | 难以量化 |
以一个简单因子策略为例:
看起来很小,但如果 Slippage 是 0.1%:
如果 Slippage 是 0.5%:
这解释了为什么许多在回测中盈利的策略,实盘中却亏损。
| 维度 | 限价单 | 市价单 |
|---|---|---|
| 执行确定性 | 低(可能不成交) | 高(立即成交) |
| 价格确定性 | 高(锁定价格上限) | 低(可能大幅偏离) |
| 市场冲击 | 低(提供流动性) | 高(消耗流动性) |
| 信息泄漏 | 低(部分隐藏) | 高(暴露意图) |
| 适用场景 | 非紧急、小单 | 紧急、大单需立即执行 |
PEG(Price-Effective Guarantee)算法根据市场实时报价动态调整限价单价格:
现代执行算法不再采用固定模式,而是根据实时市场条件动态调整:
输入参数:
- 订单量、执行时限、风险偏好
- 实时市场数据(价差、深度、波动率)
执行过程(每轮决策循环):
1. 评估当前市场状况
2. 计算最优执行速度
3. 选择最优路由
4. 提交订单
5. 监控成交和价格偏离
6. 如果偏离超过阈值,调整策略
| 指标 | 定义 | 优秀标准 |
|---|---|---|
| VWAP 偏差 | 执行价 / VWAP - 1 | ±0.05% |
| Implementation Shortfall | (执行价 - 决策价) × 股数 | < 10bp |
| 成交率 | 实际成交 / 计划成交 | > 95% |
| 跨场所价差利用率 | 最佳场所执行占比 | > 80% |
| 时间效率 | 实际用时 / 计划用时 | 80-120% |
TCA(Transaction Cost Analysis)是评估执行质量的系统化方法,包括:
交易执行是连接量化策略与实盘市场的桥梁,决定了策略的理论收益有多少能够真正落入口袋。核心要点:
一个优秀的交易员不仅知道什么时候买,更知道怎么买——这或许就是执行的艺术。