第2章 TWAP核心数学原理

2. TWAP核心数学原理：时间加权平均价格公式推导、切片逻辑与执行周期设计

好，咱们直接进入正题。TWAP，全称 Time-Weighted Average Price，时间加权平均价格。名字听着挺唬人，其实核心思想特别朴素——就是把一个大订单，拆成很多小单，均匀地撒在交易时间段里。

为什么要这么做？说白了，就是为了不引起市场注意。你想想看，如果你一口气砸进去100万股，盘口瞬间就被你打穿好几个价位，滑点成本高得吓人。TWAP就是帮你「润物细无声」地把单子做完。

2.1 时间加权平均价格的数学本质

先看公式。TWAP的定义其实很简单：

TWAP = (P₁ + P₂ + ... + Pₙ) / N

其中 P₁ 到 Pₙ 是每个时间切片上的成交价格，N 是切片数量。注意，这里每个价格的权重是一样的——这就是「时间加权」的含义。每个时间点，权重相同。

我刚开始做量化的时候，经常把TWAP和VWAP搞混。VWAP是按成交量加权的，哪个时间点成交量大，那个价格权重就高。TWAP不管成交量，只看时间。这个区别很关键，后面讲实战的时候你会体会到。

  核心要点： TWAP假设市场在每个时间切片上的流动性是均匀的。虽然现实不完美，但这个假设在大多数情况下够用。

2.2 切片逻辑：把时间切成几块？

好，公式看完了。接下来是实操问题：怎么切？

假设你需要在1小时内买入100万股。你打算切成10份，每份10万股，每6分钟发一个单子。这就是最朴素的切片逻辑。

但问题来了——切多少份合适？

我个人习惯，切片数量取决于三个因素：

订单规模：订单越大，切片越多。我做过一个极端案例，单笔订单占日成交量的5%以上，我切了200多片。
市场流动性：流动性好的股票，切片可以少一些。流动性差的，必须多切，不然一单下去价格就飞了。
执行时间窗口：时间越短，切片越少。时间充裕，可以切得细一些。

这里有个经验公式，我用了好几年：

切片数量 = min( max( 订单量 / 预期每片成交量, 10 ), 200 )

预期每片成交量，我一般取过去5分钟平均成交量的1/10。这样既能保证每单不会太大，又不会切得太碎导致延迟成本上升。

小技巧： 切片数量不是越多越好。切得太碎，每个单子太小，频繁发单会增加网络延迟和交易所的费率成本。我一般控制在20-50片之间。

2.3 执行周期设计：什么时候发单？

切片逻辑搞定了，接下来是执行周期。说白了，就是每个切片之间的时间间隔怎么定。

最简单的做法：均匀分布。比如1小时切20片，每3分钟发一单。但这样做有个问题——如果市场在某个时间点突然波动很大，你的单子刚好撞在枪口上。

我建议的做法是：引入随机偏移。

具体来说，每个切片的时间点不是固定的，而是在基准时间点附近加一个随机偏移量。比如基准是每3分钟发一单，实际发单时间可以是 2分50秒、3分05秒、2分55秒……这样随机化。

为什么要这么做？

嗯，这里要注意。如果你每次都在整点发单，其他算法交易者很容易识别出你的模式。他们可能会在你前面抢跑，导致你的成交价格变差。随机化之后，你的交易模式就难以预测了。

我曾经在实盘中吃过这个亏。一开始用固定间隔，结果被一个做市商盯上了，每次我发单前价格就往上跳一跳。后来改成随机偏移，情况立刻好转。

2.4 核心逻辑流程图

下面这张图，是我自己总结的TWAP执行流程。你看一遍，基本就明白整个链条了。

2.5 执行偏差与修正机制

理论讲完了，咱们聊聊现实。TWAP在实际执行中，一定会出现偏差。原因很简单——市场不是均匀的。

偏差主要来自两个方面：

时间偏差：你的单子发出去，可能因为网络延迟、交易所排队等原因，没有在预定时间成交。
价格偏差：你发单时的市场价格，和切片基准价格之间可能有差距。

怎么处理？我一般用动态调整。

具体做法是：每执行完一个切片，就计算一下当前的实际成交均价和理论TWAP之间的差距。如果偏差超过阈值（比如0.1%），就在下一个切片中微调订单量，把偏差拉回来。

注意： 动态调整不能太激进。我曾经在回测中试过「完全纠偏」策略——偏差多少，下一个切片就补多少。结果导致切片之间订单量忽大忽小，反而增加了冲击成本。建议每次只修正偏差的50%-70%。

2.6 一个简单的代码示例

最后，给一个Python伪代码。你拿去改改就能用。

def twap_executor(symbol, total_quantity, time_window_sec, num_slices):
    """
    TWAP执行器
    :param symbol: 股票代码
    :param total_quantity: 总订单量
    :param time_window_sec: 执行时间窗口（秒）
    :param num_slices: 切片数量
    """
    slice_qty = total_quantity / num_slices
    interval = time_window_sec / num_slices
    
    executed_qty = 0
    total_cost = 0
    
    for i in range(num_slices):
        # 生成随机偏移（±10%的间隔时间）
        offset = random.uniform(-interval * 0.1, interval * 0.1)
        sleep_time = interval + offset
        
        # 等待到预定时间
        time.sleep(sleep_time)
        
        # 发单（这里用市价单示例）
        order = market_order(symbol, slice_qty)
        
        # 记录成交
        executed_qty += order.filled_qty
        total_cost += order.filled_qty * order.avg_price
        
        # 动态调整：如果偏差过大，修正下一片
        actual_avg = total_cost / executed_qty
        theoretical_avg = get_current_market_price(symbol)
        deviation = abs(actual_avg - theoretical_avg) / theoretical_avg
        
        if deviation > 0.001:  # 偏差超过0.1%
            # 修正下一片的订单量
            slice_qty *= (1 + (theoretical_avg - actual_avg) / theoretical_avg * 0.6)
    
    return executed_qty, total_cost / executed_qty

这段代码我简化了很多，但核心逻辑都在里面了。你实际用的时候，记得加上风控、日志、异常处理这些东西。

个人经验： 代码里的修正系数0.6，是我跑了上百次回测调出来的。不同市场、不同股票，这个系数可能不一样。建议你先用历史数据跑一遍，找到最适合的参数。

好了，TWAP的核心数学原理和切片逻辑就讲到这里。说白了，就是「均匀拆分 + 随机执行 + 动态修正」这三板斧。你把这个框架搭好了，剩下的就是根据具体场景调参数。

📚 课程目录

2. TWAP核心数学原理：时间加权平均价格公式推导、切片逻辑与执行周期设计

2.1 时间加权平均价格的数学本质

2.2 切片逻辑：把时间切成几块？

2.3 执行周期设计：什么时候发单？

2.4 核心逻辑流程图

2.5 执行偏差与修正机制

2.6 一个简单的代码示例