第3章 TWAP策略的数学原理

3、TWAP策略的数学原理：时间加权平均价格的定义、离散时间下的TWAP计算公式、TWAP与VWAP的区别与联系

聊到TWAP策略，很多人第一反应就是「把大单拆成小单，均匀地扔出去」。这个直觉没错，但背后的数学原理，才是真正决定策略成败的关键。我刚开始做期权做市的时候，也以为TWAP就是简单平均，结果回测数据一出来，发现滑点比预期高了不少。后来仔细抠了公式，才明白问题出在哪。

今天我们就来把TWAP的数学底裤扒干净。说白了，它就是一个时间加权平均价格。你想想看，如果我要在10分钟内买入100张期权合约，最简单的做法就是每分钟买10张。那么我的成交均价，就是这10个时间点上价格的算术平均。这就是TWAP的核心思想。

TWAP，全称Time-Weighted Average Price。它的定义非常直白：在指定时间段内，对每个时间点的价格进行等权平均。注意这个「等权」——每个时间点的重要性是一样的，跟成交量无关。

数学上，连续时间下的TWAP定义为：

TWAP = (1 / T) * ∫₀ᵀ P(t) dt

其中P(t)是t时刻的价格，T是总时间区间。这个积分形式看着有点吓人，但在实际交易中，我们用的是离散版本。

核心要点：TWAP只关心价格在时间轴上的分布，不关心成交量。这是它和VWAP最本质的区别。

实际交易中，我们不可能连续采样价格。通常的做法是把交易时间切成N个等长的时间片，每个时间片内执行固定数量的订单。

离散TWAP的计算公式很简单：

TWAP = (1 / N) * Σᵢ₌₁ᴺ Pᵢ

其中：

举个例子。假设我要在10:00到10:05这5分钟内执行一笔订单，每分钟采样一次价格：

那么TWAP = (50.20 + 50.25 + 50.18 + 50.22 + 50.30) / 5 = 50.23

嗯，这里要注意：采样频率的选择会影响TWAP的精度。频率太高，容易受微观噪声干扰；频率太低，又无法反映真实的价格走势。我个人习惯在期权市场用1分钟或30秒的采样间隔，流动性好的合约可以更密一些。

实战小技巧：我在做期权TWAP回测时，发现一个坑——如果直接用Tick数据算TWAP，结果会严重偏向高频波动。建议先对价格做简单平滑（比如取1分钟K线的均价），再计算TWAP，效果会好很多。

这两个概念经常被放在一起比较。我当年刚入行时也搞混过，后来在实盘中吃过亏才彻底分清楚。

先看一张对比图，帮你快速建立直观印象：

这张图把核心区别说清楚了。我再补充几个实战中的体会：

TWAP给每个时间点相同的权重。VWAP则按成交量加权——成交量大的价格点，对最终结果影响更大。

数学上，VWAP的公式是：

VWAP = Σ(Pᵢ × Vᵢ) / ΣVᵢ

其中Vᵢ是第i个时间片的成交量。

你看，就差一个Vᵢ，但含义天差地别。TWAP假设「时间就是一切」，VWAP则认为「成交密集的地方才重要」。

我在期权市场做市时，TWAP和VWAP各有各的用处：

避坑指南：我曾经在流动性较差的期权合约上用过VWAP策略，结果发现VWAP基准本身就不稳定——因为成交量稀疏，VWAP容易被几笔大单带偏。后来我改用TWAP，效果反而更好。所以，流动性越差的品种，TWAP越靠谱。

TWAP对市场冲击不敏感——反正每个时间片都固定下单量，价格涨跌不影响执行节奏。VWAP则不同，如果某个时间片成交量突然放大，VWAP策略会跟着调整下单量，容易加剧市场波动。

你想想看，如果大家都在用VWAP策略，当成交量放大时，所有策略都往那个方向冲，这不就是踩踏吗？TWAP反而因为「我行我素」的特性，天然避免了这种羊群效应。

虽然TWAP和VWAP有诸多不同，但它们有一个共同点——都是用来衡量交易执行质量的基准。机构交易员经常用「实际成交价 vs TWAP/VWAP」的偏离度来评估自己的执行水平。

我个人习惯把两者结合起来用：先用TWAP规划下单节奏，再用VWAP作为事后评估的参考。这样既保证了执行的隐蔽性，又能控制成本。

一句话总结：TWAP是「时间的朋友」，VWAP是「成交量的奴隶」。在期权市场，尤其是流动性一般的品种上，我建议优先考虑TWAP。

好了，数学原理就聊到这里。公式虽然简单，但背后的逻辑值得反复琢磨。下一节我们会把这些原理落地到代码里，看看怎么用Python实现一个完整的TWAP交易引擎。