1. 课程导入

在量化交易、算法执行与做市业务中，真正决定策略盈亏的往往不是“看对方向”，而是“能否以合理成本完成交易”。当订单规模超过市场瞬时承接能力时，成交价会沿着不利方向移动，这种由自身交易行为引发的价格偏移，就是市场冲击；而为完成交易额外付出的显性与隐性代价，统称为流动性成本。本课程围绕这两个核心概念展开，目标是把“感觉上的滑点”转化为可度量、可建模、可优化的工程问题。

一、核心定义：市场冲击与流动性成本

市场冲击通常分为两类：临时冲击与永久冲击。临时冲击来自订单簿被短期消耗后价格反弹的部分，具有恢复性；永久冲击则反映市场对新增信息或大额成交的重新定价，往往不可逆。流动性成本则包含三块：买卖价差成本、市场冲击成本、以及等待成交过程中的时机风险成本。三者共同构成执行总成本。

理解这一分解非常关键：如果只盯着佣金，就会低估真实成本；如果只优化冲击，又可能因等待过久而暴露在价格漂移风险中。建模的本质，是在“快”与“省”之间寻找最优执行轨迹。

二、学习目标与课程框架

本课程不是纯理论推导，而是面向实战的建模训练。学完后，你应当能够独立完成以下任务：

• 用订单簿与成交数据估计价差、深度与波动率，构建基础流动性画像；
• 建立临时冲击与永久冲击的参数化模型，并用历史成交做校准；
• 把冲击模型嵌入执行算法，比较TWAP、VWAP、POV与自适应策略的成本差异；
• 用回测与模拟盘验证模型，识别过拟合、数据泄漏与参数不稳定等常见问题。

整体课程分为四个模块：基础概念与数据、冲击建模与校准、执行优化与算法、实战复盘与风控。每章都围绕一个可落地的建模任务展开，最终形成一个完整的执行成本分析管线。

三、实战应用场景

市场冲击与流动性成本建模在多个业务场景中直接决定盈亏。例如，量化私募在执行大额调仓时，若按收盘价一次性下单，可能产生数十个基点的冲击成本；做市商在库存偏离目标时，需要动态权衡报价宽度与库存风险；券商算法交易团队则要为不同流动性股票选择差异化执行策略。

一个典型场景是：某机构需要在一天内买入某只中等流动性股票500万股，当前日均成交量为2000万股。若采用POV 20%参与率，预计执行时间约1.25天，冲击成本可控但暴露隔夜风险；若提高到POV 40%，冲击成本上升但时机风险下降。建模的目标就是量化这两种成本的权衡关系。

# 示例：简单冲击成本估算
# 参数：订单量 Q=5,000,000 股，日均成交量 ADV=20,000,000 股
# 临时冲击系数 eta=0.1，永久冲击系数 gamma=0.05
Q = 5_000_000
ADV = 20_000_000
eta = 0.1
gamma = 0.05
participation = Q / ADV  # 25%
temp_impact = eta * (participation ** 0.5)
perm_impact = gamma * participation
total_impact_bps = (temp_impact + perm_impact) * 10000
print(f"参与率: {participation:.2%}")
print(f"临时冲击: {temp_impact*10000:.2f} bps")
print(f"永久冲击: {perm_impact*10000:.2f} bps")
print(f"总冲击: {total_impact_bps:.2f} bps")

四、常见误区与复盘要点