10、冲击成本与交易策略：TWAP、VWAP、POV、Implementation Shortfall

交易策略的核心，说白了就是跟冲击成本做斗争。我做了这么多年量化，见过太多人把精力全放在预测价格上，结果手续费和冲击成本把利润吃得一干二净。今天咱们就聊聊四种最经典的交易策略：TWAP、VWAP、POV 和 Implementation Shortfall。

10.1 为什么需要交易策略？

你想想看，如果你要买100万股某只股票，直接一笔市价单砸进去会怎样？价格瞬间被推高好几个档位。这就是冲击成本——你的交易行为本身影响了价格。

交易策略要解决的核心问题就是：如何在给定的时间内，以最小的总成本完成大额订单。这里的总成本包括：

• 显性成本：佣金、税费、过户费等
• 隐性成本：冲击成本、延迟成本、机会成本

隐性成本往往比显性成本大得多。我有个客户，一开始只盯着佣金打折，结果冲击成本是佣金的20倍。嗯，方向完全搞反了。

10.2 TWAP（时间加权平均价格）

TWAP 是最基础的策略。它的逻辑很简单：把订单均匀地切分到每个时间片里执行。

比如你要在1小时内买入10万股，每分钟执行一次，那每次就买 100000 / 60 ≈ 1667 股。

def twap_execution(total_qty, total_seconds, interval=60):
    """
    TWAP 策略示例
    :param total_qty: 总交易量
    :param total_seconds: 总执行时间（秒）
    :param interval: 每个时间片长度（秒）
    """
    slices = total_seconds // interval
    qty_per_slice = total_qty // slices
    
    for i in range(slices):
        # 这里可以加入随机偏移，避免被识别
        actual_qty = qty_per_slice * (1 + random.uniform(-0.1, 0.1))
        # 发送订单
        send_order(qty=actual_qty)
        time.sleep(interval)

TWAP 的优点很明显：实现简单，执行透明。但缺点也很致命——它完全无视市场成交量。如果某个时间片市场流动性很差，你的订单就会造成巨大的冲击。

10.3 VWAP（成交量加权平均价格）

VWAP 比 TWAP 聪明一点。它根据历史成交量分布来分配订单，流动性好的时候多交易，流动性差的时候少交易。

举个例子，如果某只股票在上午10点到10点30分的成交量占全天的30%，那这个时间段你就分配30%的订单量。

def vwap_execution(total_qty, volume_profile):
    """
    VWAP 策略示例
    :param total_qty: 总交易量
    :param volume_profile: 历史成交量分布，格式为 [(time_slot, volume_ratio), ...]
    """
    for time_slot, ratio in volume_profile:
        qty = int(total_qty * ratio)
        # 在对应时间段内执行
        execute_in_time_slot(time_slot, qty)

VWAP 的核心假设是：历史成交量分布能预测未来。这个假设在大多数情况下成立，但遇到突发事件就不好使了。

10.4 POV（成交量参与率）

POV 策略的思路是：我不看时间，我看市场成交量。我承诺只参与市场成交量的某个固定比例。

比如你设置参与率为10%，那市场每成交1000股，你就交易100股。市场活跃你就多交易，市场冷清你就少交易。

def pov_execution(total_qty, participation_rate=0.1):
    """
    POV 策略示例
    :param total_qty: 总交易量
    :param participation_rate: 目标参与率（0-1）
    """
    remaining = total_qty
    while remaining > 0:
        market_volume = get_market_volume()  # 获取当前市场成交量
        trade_qty = min(market_volume * participation_rate, remaining)
        send_order(qty=trade_qty)
        remaining -= trade_qty
        time.sleep(1)  # 每秒检查一次

POV 的好处是自适应性强，能根据市场流动性自动调整。但问题在于——如果市场突然没量了，你的订单可能永远执行不完。

10.5 Implementation Shortfall（执行缺口）

这是最复杂的策略，也是机构最常用的。它把交易成本拆解成几个部分：

成本类型	定义	计算公式
延迟成本	从决策到执行之间的价格变动	Pdecision - Parrival
执行成本	实际成交价格与到达价格的差异	Pexec - Parrival
机会成本	未成交部分的潜在损失	(Pclose - Parrival) × Qunfilled

Implementation Shortfall 策略的目标就是最小化这些成本的总和。它会在「快速执行减少延迟成本」和「缓慢执行减少冲击成本」之间寻找最优平衡点。

def implementation_shortfall(decision_price, current_price, remaining_qty, urgency):
    """
    执行缺口策略的核心逻辑
    :param decision_price: 决策时的价格
    :param current_price: 当前市场价格
    :param remaining_qty: 剩余未成交数量
    :param urgency: 紧迫程度（0-1）
    """
    # 计算延迟成本
    delay_cost = (current_price - decision_price) / decision_price
    
    # 根据延迟成本和紧迫程度调整交易速度
    if delay_cost > 0.01 and urgency < 0.5:
        # 价格不利，降低交易速度
        speed = 0.5
    else:
        # 正常执行
        speed = urgency
    
    # 计算本次交易量
    trade_qty = remaining_qty * speed * 0.1
    return trade_qty

10.6 四种策略的对比与选择

我整理了一张对比表，方便你快速决策：

策略	适用场景	优点	缺点
TWAP	流动性好的品种，被动管理	简单透明，可预测	无视流动性变化
VWAP	常规交易，追求市场平均价	贴合市场成交量	依赖历史数据
POV	流动性不稳定的品种	自适应性强	执行时间不可控
Implementation Shortfall	有 alpha 信号的主动交易	成本控制最精细	参数调优复杂

10.7 知识体系总览

下面这张图展示了冲击成本与交易策略的核心逻辑关系：

这张图把整个知识体系串起来了。从核心问题出发，拆解成本结构，然后根据不同的市场场景选择对应的策略。嗯，做交易策略设计，本质上就是在做这个决策树。