2. 订单执行基础

在量化交易中,信号决定方向,执行决定收益。一个再优秀的alpha模型,如果执行环节失控,滑点与冲击成本也会吞噬大部分利润。本章聚焦订单执行的核心概念:订单类型、市场冲击、滑点、执行成本,以及最优执行理论中的经典模型——Almgren-Chriss模型,并介绍常见的执行基准。

一、核心原理:订单类型与执行成本构成

订单是交易者与市场交互的载体。按成交确定性划分,常见订单类型包括:

  • 市价单(Market Order):立即以对手盘最优价成交,成交确定但价格不确定,适合追求速度、对冲击不敏感的场景。
  • 限价单(Limit Order):指定价格挂单,价格确定但成交不确定,可能面临逆向选择风险。
  • 止损单/止损限价单:触发后转为市价或限价,常用于风控。
  • 冰山单、隐藏单:只暴露部分数量,降低市场冲击,适合大单拆分。

执行成本通常由三部分构成:显性成本(佣金、税费)、滑点(实际成交价与决策价的偏差)、市场冲击(自身订单对价格的影响)。其中滑点与冲击是量化执行中最难控制的部分。

执行成本公式(简化):
总执行成本 = 佣金 + 滑点成本 + 冲击成本 + 机会成本(未成交部分)

二、市场冲击、滑点与执行成本的关系

滑点是“被动”的价格偏差,源于下单到成交之间的市场波动;市场冲击是“主动”的价格影响,源于自身订单消耗流动性。两者常被混淆,但成因不同:滑点即使不下单也可能因行情变化产生,而冲击只有你的订单进入市场才会发生。

市场冲击通常分为两类:

  • 临时冲击(Temporary Impact):订单消耗流动性导致价格短暂偏离,随后部分恢复。
  • 永久冲击(Permanent Impact):市场将你的交易解读为信息,价格永久移动。

执行速度越快,冲击越大但滑点越小;执行越慢,冲击越小但滑点和机会成本越大。这就是执行中的核心权衡。

三、最优执行理论与Almgren-Chriss模型

最优执行的目标是在“冲击成本”与“时机风险”之间找到平衡。Almgren-Chriss模型(2000)给出了经典框架:假设价格服从算术布朗运动,临时冲击与交易速率成正比,永久冲击与累计成交量成正比,则最优执行轨迹为指数衰减。

# Almgren-Chriss 核心参数示意
X0      = 100000   # 初始持仓(股)
T       = 1.0      # 执行总时长(天)
sigma   = 0.02     # 日波动率
eta     = 0.01     # 临时冲击系数
gamma   = 0.005    # 永久冲击系数
lambda_ = 1e-6     # 风险厌恶系数

# 最优执行速率近似:v(t) = k * cosh(k(T-t)) / sinh(kT)
# 其中 k = sqrt(lambda_ * sigma^2 / eta)

模型结论:风险厌恶越高(lambda越大),执行越激进,越早完成;流动性越差(eta越大),执行越平缓。实际工程中,常将Almgren-Chriss作为基准,再结合强化学习动态调整。

实战提示:Almgren-Chriss假设冲击函数线性、波动率恒定,真实市场存在非线性冲击和波动率聚集。因此它更适合作为“基准策略”,而非最终执行策略。

四、常见执行基准与评估指标

评估执行质量需要基准。常见基准包括:

基准名称定义适用场景
Arrival Price决策时刻的中间价衡量滑点与冲击总和
VWAP成交量加权平均价大单拆分,跟踪市场节奏
TWAP时间加权平均价流动性均匀、追求平稳
Close Price收盘价以收盘为目标的被动执行
Implementation Shortfall决策价与实际成交价之差综合评估执行优劣

其中Implementation Shortfall(IS)是最全面的指标,它同时包含滑点、冲击和机会成本,也是强化学习执行策略最常用的奖励函数基础。

五、案例场景:大单执行中的权衡

假设你需要买入10万股某股票,当前中间价100元,日成交量约50万股。若一次性市价买入,可能瞬间吃掉多档挂单,冲击成本可能高达0.5%以上;若拆分为100笔限价单,执行时间拉长,但可能面临价格反向上涨的机会成本。

使用Almgren-Chriss估算:若风险厌恶中等,最优执行时间约2小时,前30分钟完成约40%仓位,后续逐步衰减。实际中,强化学习智能体可以根据实时盘口、成交量和波动率动态调整每笔下单量和限价/市价比例。

常见误区:很多初学者只关注滑点,忽略机会成本。如果为了降低冲击而无限拉长执行时间,可能错过行情,导致更大的隐性损失。执行策略必须在“冲击”与“时机风险”之间显式权衡。

六、复盘与工程落地要点

  1. 数据准备:需要逐笔成交、盘口快照、订单簿深度,用于估计冲击系数和波动率。
  2. 基准选择:回测时至少对比Arrival Price和VWAP,避免单一基准误导。
  3. 参数校准:Almgren-Chriss的eta、gamma需按股票、时段分别校准,不能全局统一。
  4. 强化学习接口:状态空间包含剩余仓位、剩余时间、盘口不平衡、波动率;动作空间为下单量或限价偏移;奖励为负的IS。
  5. 风控约束:设置单笔最大参与率(如不超过市场成交量的10%),防止过度冲击。