拆单算法核心原理：时间加权平均价格（TWAP）算法详解
TWAP，全称 Time-Weighted Average Price，时间加权平均价格。这名字听着挺唬人，说白了就是——把一个大单子，切成很多小单子，然后均匀地撒到一段时间里。
我刚开始做量化交易那会儿，第一次接触 TWAP 就觉得：这不就是个定时器加循环吗？后来真上了生产环境才发现，坑比想象的多得多。今天咱们就把这个算法掰开揉碎了讲清楚。
TWAP 的核心思想
TWAP 的目标很简单：让成交价格尽可能接近这段时间内的平均价格。
你想想看，如果你要买 100 万股某只股票，一次性挂单，市场直接给你拉涨停。但如果你分成 100 次，每次 1 万股，每隔 1 分钟发一次，市场根本感觉不到你的存在。
这就是 TWAP 的哲学：用时间换流动性，用分散换隐蔽。
数学公式：其实没那么复杂
TWAP 的计算公式长这样：
TWAP = (P₁ + P₂ + P₃ + ... + Pₙ) / N其中 P₁ 到 Pₙ 是每个时间点的成交价格，N 是时间点的数量。
嗯，就这么简单。但实际执行的时候，我们要解决的是：如何让我的成交价格，尽可能接近这个理论值。
标准 TWAP 算法流程
我一般把 TWAP 拆成三个步骤：
- 切分阶段：把总订单量按时间均匀切分
- 执行阶段：在每个时间切片内，把对应的子单发出去
- 调整阶段：根据市场情况微调剩余订单的节奏
来看一个最基础的实现：
class TWAPExecutor:
def __init__(self, total_quantity, start_time, end_time, slices=20):
self.total_qty = total_quantity
self.start = start_time
self.end = end_time
self.slices = slices
# 每片的时间间隔（秒）
self.interval = (end_time - start_time) / slices
# 每片的数量
self.slice_qty = total_quantity / slices
def generate_schedule(self):
schedule = []
for i in range(self.slices):
slice_time = self.start + i * self.interval
schedule.append({
'time': slice_time,
'quantity': self.slice_qty
})
return schedule
def execute(self, market_api):
schedule = self.generate_schedule()
for slice_info in schedule:
# 等待到指定时间
wait_until(slice_info['time'])
# 发送子单
market_api.send_order(
quantity=slice_info['quantity'],
order_type='LIMIT',
price=get_current_price()
)关键点：这个代码只是教学演示。生产环境里，你还需要考虑滑点、延迟、订单簿深度等因素。
TWAP 的变体：不是所有场景都适合硬切
我在项目中遇到过一个问题：市场突然剧烈波动，但 TWAP 还在按部就班地发单。结果就是，明明可以等一等再买，却买在了高点。
所以后来我做了几个改进：
| 变体名称 | 核心改进 | 适用场景 |
|---|---|---|
| Volume-Weighted TWAP | 根据历史成交量分布调整切片大小 | 开盘/收盘时段流动性不均 |
| Adaptive TWAP | 根据实时市场波动动态调整切片间隔 | 高波动行情 |
| Residual TWAP | 根据已成交情况重新计算剩余切片 | 部分成交或撤单频繁的场景 |
说白了，标准的 TWAP 是个「死」算法，而实战中我们需要「活」的 TWAP。
避坑指南：我踩过的几个坑
我曾经犯过一个低级错误：把切片数量设得太多，比如 1000 片。结果每片只有几百股，频繁发单导致交易所把我当成了高频交易者，直接限制了接口权限。
这里有几个经验：
- 切片数量不要超过 50，除非你有特殊需求
- 每片数量不要低于最小交易单位，否则会报错
- 留出缓冲时间，最后一片不要卡在结束时间点上
TWAP 与暗池的配合
TWAP 本身不依赖暗池，但两者结合效果更好。我习惯的做法是：
- 用 TWAP 生成时间切片
- 每个切片优先发到暗池
- 如果暗池没有成交，再发到公开市场
这样做的好处是：暗池吃掉了一部分流动性，公开市场的冲击就小了。
性能考量：别让算法拖慢系统
TWAP 算法本身计算量很小，但执行时的延迟很关键。我建议：
- 预计算时间表：在算法启动前就把所有切片算好
- 使用异步 I/O：不要阻塞主线程等待成交回报
- 本地时钟同步：确保你的服务器时间和交易所时间一致
一个小技巧：我习惯在算法启动前先发一个测试单，检查网络延迟。如果延迟超过 50ms，我会调整切片间隔，把延迟考虑进去。
TWAP 的局限性
说实话，TWAP 不是万能的。它有几个硬伤：
- 不感知市场深度：它不管当前买一卖一有多少，只管按时间发单
- 不预测价格走势：如果价格单边上涨，TWAP 会越买越贵
- 对极端行情无效：熔断、停牌等情况，TWAP 直接失效
所以，TWAP 适合的是「正常市场、中等规模、不着急」的场景。如果你要抢涨停板，或者要砸盘出货，TWAP 不是好选择。
SVG 流程图：TWAP 执行流程
总结一下
TWAP 是拆单算法里最基础、最常用的一种。它不复杂，但要做好不容易。我个人的建议是：
- 先从标准 TWAP 开始，跑通流程
- 然后加 Adaptive 逻辑，应对市场变化
- 最后对接暗池，降低冲击成本
嗯，今天就聊到这儿。TWAP 虽然基础，但它是理解更复杂算法（比如 VWAP、Implementation Shortfall）的基石。把这个吃透了，后面的路就好走了。