01
大单拆解概述
什么是大单拆解？核心目标：降低冲击成本、隐藏交易意图。评价指标：滑点、市场冲击、时间成本。
概念评价指标
02
市场微观结构基础
订单簿深度解析、买卖盘口、价差与深度、市价单/限价单/冰山订单。
订单簿冰山订单
03
交易成本分析
显性成本（佣金、税费）与隐性成本（市场冲击、延迟、机会成本），量化方法。
成本模型隐性成本
04
核心算法一：TWAP
时间加权平均价格原理、数学公式、适用场景（低流动性/非紧急）与局限性。
TWAP时间切片
05
TWAP实战 · Python
Python实现TWAP：时间切片、订单分配、模拟回测与性能评估。
Python回测
06
核心算法二：VWAP
成交量加权平均价格原理、与TWAP区别、利用历史成交量分布拆单。
VWAP成交量分布
07
VWAP实战 · Python
基于历史分钟级成交量动态分配订单，回测框架搭建。
动态分配回测
08
核心算法三：POV
参与率算法原理、固定/动态参与率、控制市场冲击。
POV参与率
09
POV实战 · Python
实时监控市场成交量，调整下单速度，避免过度参与。
实时成交量监控
10
核心算法四：Implementation Shortfall
执行缺口算法、Almgren-Chriss模型、最优执行路径数学推导。
Almgren-Chriss最优执行
11
Implementation Shortfall实战
Python实现Almgren-Chriss模型，计算最优交易轨迹，参数敏感性分析。
Python敏感性分析
12
冰山订单策略
原理、隐藏真实意图，Python模拟冰山订单挂单与撤单逻辑。
冰山订单隐藏
13
自适应算法
基于市场波动率调整拆单速度，高波动保守/低波动激进，Python实现自适应TWAP/VWAP。
波动率自适应
14
订单路由与智能路由
选择交易场所（交易所/暗池）、路由逻辑（最优价格/最低延迟），Python模拟路由决策。
智能路由暗池
15
信号驱动拆单
利用短期价格预测信号（动量/均值回归）动态调整，Python信号生成与策略结合。
信号动量
16
回测框架搭建
构建完整回测系统：数据加载、策略引擎、订单模拟、成交记录与绩效统计。
回测框架
17
绩效评估指标
滑点分析、夏普比率、最大回撤、成交率、市场冲击成本，Python计算与可视化。
夏普比率可视化
18
风险控制
流动性风险、操作风险、模型风险，止损机制与风控阈值设置。
风控止损
19
实战案例一：A股市场
处理涨跌停限制、T+1制度、最小交易单位，Python实现适配A股的拆单器。
A股T+1
20
实战案例二：加密货币
高波动、24小时交易、滑点大，Python实现Binance/OKX拆单机器人。
加密货币Binance
21
实战案例三：期货市场
杠杆、保证金、交割日影响，Python实现CTA策略拆单模块。
期货CTA
22
多资产组合拆单
同时交易多个相关资产（ETF篮子/对冲组合），最小化组合冲击成本，协方差矩阵优化。
组合协方差
23
高频数据清洗与处理
Tick级/分钟级数据获取、清洗、对齐、存储，Pandas/Arctic处理海量数据。
高频数据清洗
24
实时数据流处理
WebSocket获取实时行情，Python异步事件驱动拆单引擎。
WebSocket异步
25
算法性能优化
多线程、多进程、异步IO加速，Cython/Numba加速核心循环。
性能Cython
26
模拟撮合引擎
构建简单订单簿模拟器，测试拆单算法在真实市场环境下的表现。
撮合模拟
27
参数优化与调参
网格搜索、贝叶斯优化寻找最优参数（参与率/时间窗口），Python自动化调参。
调参贝叶斯优化
28
生产环境部署
封装为API服务（Flask/FastAPI），Docker容器化，监控与日志。
FlaskDocker
29
合规与监管
算法交易合规要求（SEC Rule 15c3-5、中国《程序化交易管理规定》），风控与审计日志。
合规监管
30
未来趋势与总结
机器学习在拆单中的应用（强化学习、LSTM预测流动性），课程总结与进阶路径。
机器学习LSTM