4. 延迟与执行策略：滑点的隐形推手
做配对交易这么多年，我踩过最大的坑，就是低估了「延迟」的威力。
你想想看，信号算得再准，如果执行的时候慢了半拍，利润可能就全没了。说白了，延迟就是你的交易指令从大脑传到手脚的时间差。这个时间差里，市场可能已经变天了。
4.1 延迟的来源：到底慢在哪？
延迟不是单一的问题，它是一连串环节的累加。我个人习惯把延迟拆成三块来看：
- 网络延迟：你的电脑到交易所服务器，物理距离决定了光速上限。我在国内做A股时，服务器放上海和放深圳，延迟能差5-10毫秒。别小看这几毫秒，高频场景下就是天堂和地狱。
- 交易所撮合延迟：交易所的撮合引擎处理订单需要时间。行情越火爆，排队越长。我记得有一次股指期货秒级波动，我的限价单在队列里等了整整200毫秒才成交，价差已经跑了两个tick。
- API调用延迟：你用的交易接口，不管是CTP、FIX还是REST，每次请求都有开销。REST API尤其慢，一次请求可能几十到几百毫秒。我曾经用REST做高频配对，结果发现大部分时间都花在了HTTP握手和序列化上。
核心结论：延迟是累加的。网络10ms + 撮合50ms + API 30ms = 90ms。这90ms里，价差可能已经偏离你的入场点好几个bp了。
4.2 延迟对配对交易信号衰减的影响
配对交易的核心是「价差回归」。你算出价差偏离了均值，准备开仓。但信号从生成到执行，中间有延迟。
为什么会衰减？因为价差是动态的。你看到价差偏离2个标准差时下单，等订单到达交易所，价差可能已经回归了1个标准差。你实际成交的价差，远不如信号指示的那么有利。
我在项目中遇到过这样的情况：一个统计套利策略，理论夏普比2.5，实盘跑下来只有1.2。查了半天，发现是延迟导致信号衰减了40%以上。后来加了延迟模拟回测，才把预期调准。
我的建议：回测时一定要加入延迟模型。最简单的做法是，在信号生成时间戳上加上一个随机延迟（比如50-200ms），再判断成交价。你会发现，很多看起来漂亮的策略，加了延迟就原形毕露了。
4.3 TWAP（时间加权平均价格）策略
TWAP，说白了就是把一个大单拆成很多小单，按时间均匀地扔出去。目标是让成交价接近这段时间的平均价。
适用场景：你不想影响市场，只想低调地完成交易。比如你每天要调仓1000手，用TWAP拆成每5分钟20手，市场几乎感觉不到你的存在。
代码实现其实不复杂：
def twap_executor(total_quantity, total_seconds, interval_seconds):
"""
TWAP执行器
:param total_quantity: 总交易量
:param total_seconds: 总执行时间（秒）
:param interval_seconds: 每次下单间隔（秒）
"""
num_slices = total_seconds // interval_seconds
slice_qty = total_quantity // num_slices
remaining = total_quantity % num_slices
orders = []
for i in range(num_slices):
qty = slice_qty + (1 if i < remaining else 0)
orders.append({
'time': i * interval_seconds,
'quantity': qty
})
return orders
# 示例：1000手，10分钟，每30秒一次
orders = twap_executor(1000, 600, 30)
print(f"共{len(orders)}笔订单，每笔约{orders[0]['quantity']}手")注意：TWAP有个致命弱点——它不关心成交量。如果市场流动性枯竭，你的小单也可能砸出大坑。我曾经在下午收盘前用TWAP，结果最后几分钟流动性骤降，滑点比一次性下单还大。
4.4 VWAP（成交量加权平均价格）策略
VWAP比TWAP聪明一点。它根据历史成交量分布来分配订单。流动性好的时段多下点，流动性差的时段少下点。
你想想看，开盘和收盘通常成交量最大，中午最清淡。VWAP会把更多订单放在活跃时段，这样你的成交价更接近市场真实均价。
实现思路：先获取历史成交量分布，然后按比例分配：
def vwap_executor(total_quantity, volume_profile):
"""
VWAP执行器
:param total_quantity: 总交易量
:param volume_profile: 列表，每个时间段的成交量占比（总和为1）
"""
orders = []
for i, vol_ratio in enumerate(volume_profile):
qty = int(total_quantity * vol_ratio)
if qty > 0:
orders.append({
'time_slot': i,
'quantity': qty,
'weight': vol_ratio
})
return orders
# 示例：假设一天分13个半小时时段，成交量占比已知
volume_profile = [0.12, 0.10, 0.09, 0.08, 0.07, 0.06, 0.05,
0.06, 0.07, 0.08, 0.09, 0.10, 0.03]
orders = vwap_executor(10000, volume_profile)
print(f"最大单笔：{max(o['quantity'] for o in orders)}手")实战经验：我个人更偏爱VWAP。TWAP太机械，容易在流动性枯竭时吃亏。VWAP至少尊重市场规律。但要注意，历史成交量分布不一定代表未来。遇到突发新闻，成交量分布会完全变形。这时候我会手动暂停算法，等市场稳定再说。
4.5 延迟与执行策略的关系图
下面这张图，是我自己梳理的延迟影响链路。你看一眼就明白了：
从图里你能看到，信号生成后，经过延迟，信号已经衰减了。这时候再用TWAP或VWAP去执行，其实是在跟时间赛跑。选对策略，能帮你把衰减的损失补回来一部分。
一个小技巧：如果你做的是日内配对，建议用VWAP。如果是隔夜持仓，TWAP就够了。为什么？因为日内成交量分布不均匀，VWAP能帮你避开流动性陷阱。隔夜的话，时间跨度长，均匀分配反而更稳定。
嗯，关于延迟和执行策略，今天就聊这么多。记住一句话：信号是理论，执行是现实。延迟就是横在两者之间的那道坎。跨过去，你的策略才算真正落地。
公众号:蓝海资料掘金营，微信deep3321