交易执行：算法拆单与冲击成本建模

黄金段位讲过交易成本的种类，这一篇讲它在执行层面怎么被管理。研究做得再好，执行做不好，收益会在最后一步漏掉。

为什么需要算法拆单

如果你想买入某只股票当天成交额的百分之二十，直接下一笔市价单会发生什么？你会一路把卖单吃光，价格被自己推高，最终的平均成交价明显高于下单时看到的价格。这就是冲击成本。

解决办法是把大单拆成许多小单，分散在一段时间内慢慢成交，让市场有时间恢复。执行这个拆分逻辑的程序，就是算法交易。

几种常见算法

按成交量加权（VWAP）：让成交节奏跟随市场成交量的分布——市场活跃时段多买，清淡时段少买。目标是让平均成交价接近全天的成交量加权均价。它的好处是不容易被察觉，代价是放弃了择时：如果股价全天单边上涨，跟着买就是一路买高。

时间加权（TWAP）：把订单均匀分布在时间段内。比 VWAP 更机械，也更难被从成交量异常中识别出来。

跟价/被动算法：挂单等待成交，而不是主动吃单。能拿到更好的价格（甚至赚到价差），代价是可能买不到量——如果股价一路走高，挂单永远不成交。

实现落差算法：以"下单时刻的价格"为基准，主动在"快速成交（冲击成本高）"和"慢慢等（时机成本高）"之间做权衡。它需要估计这两类成本，是更完整的一类做法。

冲击成本怎么建模

实务中常用的模型有两层。

临时冲击：你的买单把价格推高，这部分在交易结束后会部分回落。它与订单规模相对日均成交额的比值相关，通常是非线性的一一量越大，单位冲击递增。

永久冲击：你的交易向市场传递了信息，或者确实改变了供需，这部分价格变动不会回落。它通常与交易本身的方向和信息含量相关。

区分两者有实际意义：临时冲击可以通过拆单减缓，永久冲击不能——它是你把价格真的买上去了。

一个简单的经验是：单只股票的单日成交量，控制在日均成交额的百分之十以内，冲击通常可控；超过这个比例，成本会明显上升。

执行与策略是一体的

这一点常被忽略：换手率不是外生于策略的，而是策略的一部分。如果一个策略要求每天换仓百分之二十，那么它的可容量天然就受执行约束。

所以更合理的做法是：在组合构建阶段就把执行约束放进去（限制单只股票的权重、限制相对成交量的比例、限制单次调仓的换手），而不是先算出理想组合、再交给交易部门去想办法。

怎么衡量执行好坏

用实现落差：下单时的决策价格，与最终平均成交价之间的差。持续跟踪这个指标，能看出执行环节在漏多少钱，也能比较不同算法、不同交易时段的优劣。

一句人话：执行是在"买得到"和"买得好"之间找平衡。买得太急要付冲击成本，等得太久要付时机成本，两头都在花钱。

写在最后

即便回测、执行都做到位，实盘仍可能和纸面差很远。下一篇系统地讲这个落差从哪来。