4. 执行策略概览

在流动性状态驱动执行策略切换的框架中，执行策略是“决策落地”的最后一公里。理解每种策略的微观机制、成本结构与适用边界，是后续根据盘口状态动态切换的前提。本节将常见执行策略分为四类：即时型、被动型、时间切片型与量驱动型，并给出选型清单与实战误区。

一、核心原理：执行策略在优化什么

任何执行策略都在三个目标之间权衡：冲击成本（自己的成交推动价格）、时机风险（等待过程中价格漂移）、机会成本（未成交导致的敞口）。市价单把冲击成本拉满、时机风险压到最低；限价单相反；TWAP/VWAP/POV 则通过切片把冲击成本摊薄，但引入了时机风险。理解这条“成本三角”，就能理解为什么没有万能策略。

二、常见执行策略及其机制

1. 即时型：市价单与限价单

市价单以对手价立即成交，适合流动性充足、信号时效性强的场景，例如突破瞬间或止损。缺点是滑点不可控，在薄盘口下可能吃掉多档。限价单挂在指定价位，赚取价差、降低冲击，但面临未成交风险。在买卖价差宽、盘口厚时，限价单是首选；在趋势单边行情中，限价单容易被“甩下”。

2. 时间切片型：TWAP 与 VWAP

TWAP（时间加权平均价格）把母单均匀切分到时间轴上，每段等量下单。它不依赖成交量预测，实现简单，适合流动性平稳、希望降低市场冲击的场景。VWAP（成交量加权平均价格）按历史成交量分布分配每段下单量，在成交量高的时段多下单，目标是贴近市场均价。VWAP 对成交量预测误差敏感，预测偏差会直接转化为跟踪误差。

3. 量驱动型：POV 与冰山订单

POV（Percentage of Volume）按市场实时成交量的固定比例参与，例如“跟随 10% 的成交量”。它天然适应流动性变化，成交节奏与市场同步，但完成时间不可控，缩量时可能拖很久。冰山订单只显示小部分数量，隐藏真实规模，适合大单建仓、避免暴露意图。冰山单的关键参数是显示量与刷新时机，显示量过小会频繁刷新、增加被探测风险。

4. 自适应算法

自适应算法在执行过程中实时读取盘口价差、成交量、波动率与订单簿失衡，动态调整下单价格、切片大小与被动/主动比例。它本质上是把上述策略作为“子模式”，根据流动性状态在它们之间切换。这也是本课程的核心：自适应不是新策略，而是策略调度器。

三、选型清单：按流动性状态匹配策略

四、案例与场景：一次大单执行的策略切换

假设需要买入 50 万股某股票。开盘阶段流动性充足、价差 1 个 tick，算法选择 VWAP 模式，按历史成交量分布切片。10:30 后成交量骤降、价差扩大到 5 个 tick，算法检测到流动性状态变化，切换为 POV 模式，参与率从 15% 降到 8%，同时把部分切片转为被动限价单。午后出现单边上涨，时机风险上升，算法临时提高市价单比例以锁定成交。整个过程体现了“状态驱动切换”而非固定策略。

# 伪代码：流动性状态驱动的策略切换
state = detect_liquidity(orderbook, trades)
if state == "HIGH_LIQ_CALM":
    strategy = "VWAP"; params = {"slice": "volume_profile"}
elif state == "HIGH_LIQ_VOLATILE":
    strategy = "POV"; params = {"participation": 0.12, "max_slippage": 3}
elif state == "LOW_LIQ_CALM":
    strategy = "TWAP"; params = {"interval": 60, "iceberg": True}
else:
    strategy = "ADAPTIVE"; params = {"passive_ratio": 0.6, "pause_threshold": 0.3}
execute(order, strategy, params)

五、误区与复盘