3. 算法交易执行概述
在算法交易体系中，执行算法解决的不是“买不买”的问题，而是“怎么买、怎么卖”的问题。当投资决策已经给出方向、数量和大致时间窗口后，执行环节的核心任务是在冲击成本、时间风险、成交确定性与市场暴露之间取得平衡。理解执行算法的目标、分类、适用场景与评价指标，是后续所有实战项目的地基。
一、核心原理：执行算法到底在优化什么
任何一笔委托只要进入市场，就会对市场产生两类影响：一是显性成本，包括佣金、印花税、交易所费用；二是隐性成本，包括买卖价差、市场冲击、机会成本与择时风险。执行算法的目标，就是在一个可接受的时间约束下，最小化“总执行成本”，而不是单纯追求成交价最低。
可以用一个简化框架来理解：
总执行成本 = 显性费用
+ 买卖价差成本
+ 市场冲击成本
+ 时间风险 / 机会成本
+ 择时偏差其中，市场冲击成本与时间风险往往互相矛盾。下单越激进，冲击越大但时间风险越小；下单越被动，冲击越小但价格可能已经跑远。执行算法的本质，就是在这条权衡曲线上选择一个符合策略目标的点。
二、执行算法的主要分类与适用场景
从工程实现和目标函数出发，常见的执行算法可以分为以下几类：
- 时间切片类（TWAP）：把母单按时间均匀拆分，适合流动性较好、希望降低冲击且对价格不敏感的场景。
- 成交量参与类（POV / Participation）：按市场成交量的固定比例参与，适合希望跟随市场节奏、控制暴露的场景。
- 成交量加权类（VWAP）：以历史或预测的成交量分布为基准拆分订单，适合以VWAP为考核基准的机构交易。
- 实现差额类（IS / Implementation Shortfall）：以决策价格为目标，动态权衡冲击与风险，适合对执行成本高度敏感的策略。
- 流动性驱动类：根据盘口深度、价差和订单簿状态动态调整，适合流动性不稳定或大单拆分场景。
下面这张图展示了执行算法从母单输入到成交输出的核心数据链路与决策关系：
不同算法的适用场景差异明显，选择错误往往比参数调优错误代价更大。例如，在流动性差的小盘股上使用激进POV，可能迅速推高价格；而在高流动性大盘股上使用过度保守的TWAP，则可能承担不必要的时间风险。
三、主要评价指标：IS、VWAP、POV 及其他
执行效果必须可度量。以下是业界最常用的评价指标：
| 指标 | 定义 | 适用场景 | 关注点 |
|---|---|---|---|
| IS（Implementation Shortfall） | 决策价格与实际成交均价之差，含机会成本 | 对执行成本高度敏感的策略 | 总成本最小化 |
| VWAP偏差 | 成交均价与市场VWAP的偏离程度 | 以VWAP为基准的机构考核 | 跟踪基准能力 |
| POV达成率 | 实际参与率与目标参与率的匹配度 | 控制市场暴露的被动执行 | 节奏控制 |
| 冲击成本 | 成交价相对到达价的偏移 | 大单拆分与流动性评估 | 市场影响 |
| 成交率 / 完成率 | 实际成交数量占母单比例 | 限价单与流动性不足场景 | 执行确定性 |
四、案例与场景：如何选择与复盘
假设某机构需要在一天内买入某只大盘股50万股，当前价格10.00元，日均成交量约500万股。若使用POV 10%，则预计需要约1天完成，参与节奏与市场同步；若使用VWAP，则按历史成交量分布拆分，收盘时成交均价接近市场VWAP；若使用IS，则算法会根据价格偏离决策价的程度动态调整激进程度。
复盘时，不能只看“成交均价是否低于开盘价”。更专业的做法是：
- 计算IS，判断是否跑赢决策价；
- 计算VWAP偏差，判断是否跑赢市场基准；
- 检查POV达成率，判断是否按计划参与；
- 分解冲击成本与时间风险，定位偏差来源；
- 对比不同算法在相同母单上的表现，形成参数经验。
在实际项目中，建议先建立统一的执行指标采集与回测框架，再逐步引入TWAP、VWAP、POV和IS算法。只有评价体系稳定，算法切换与参数优化才有意义。执行算法的工程化，最终服务于策略的净收益与风险控制，而不是追求某个孤立指标的最优。