第2章市场冲击模型

第2章：市场冲击模型

做量化交易的人，迟早要面对一个现实——你的订单本身就在影响市场。这不是玄学，是物理定律。我刚开始做算法交易那会儿，总觉得策略信号够准就能赚钱，结果实盘一跑，滑点直接把alpha吃干净了。嗯，从那以后，我才真正开始研究市场冲击。

2.1 市场冲击的定义

市场冲击，说白了就是你的交易行为导致的价格不利变动。你买，价格涨；你卖，价格跌。这个变动幅度，就是市场冲击成本。

举个例子：当前价格100元，你想买1万股。如果市场深度足够，你可能只付出100元均价。但现实是，你的买单会吃掉卖单，价格被推高到100.5元。这0.5元的差价，就是市场冲击。

核心公式：

市场冲击成本 = 实际成交均价 - 决策时的基准价格

（对于卖出，则是基准价格 - 实际成交均价）

我在项目中遇到过最夸张的一次，一个中等规模的订单，冲击成本占了总交易成本的60%。你以为你在赚alpha，其实你在给流动性提供商打工。

2.2 永久冲击 vs 暂时冲击

市场冲击不是铁板一块。它分两种：永久冲击和暂时冲击。理解这个区别，是设计执行算法的关键。

类型	定义	持续时间	成因
永久冲击	订单执行后，价格无法回到原位的部分	长期存在	信息泄露、供需失衡
暂时冲击	订单执行期间，价格暂时偏离的部分	短期（几分钟到几小时）	流动性不足、订单簿失衡

永久冲击，我习惯叫它「信息成本」。你的大单暴露了你的意图，市场参与者嗅到了方向，于是价格永久性地移动了。你想想看，如果你在市场上砸了1000万买盘，别人会怎么想？「有大户进场了，跟着买！」

暂时冲击，更像是「流动性成本」。你的订单暂时吃光了某个价位的挂单，价格跳了一档。但只要后续有新的订单进来，价格就会恢复。这就像你在超市买光了所有鸡蛋，价格暂时涨了，但补货后价格又回来了。

实战经验：

我曾经在回测中忽略永久冲击，结果策略看起来年化30%，实盘只有8%。后来我把永久冲击单独建模，才真正对齐了回测和实盘。

2.3 冲击成本估算方法

估算冲击成本，不是拍脑袋。业界有几种主流方法，我一个个说。

2.3.1 平方根模型（Almgren-Chriss模型）

这是最经典的模型。公式很简单：

冲击成本 = α × σ × √(Q / V)

其中：

α：冲击系数（通常0.1~0.5）
σ：波动率
Q：你的订单量
V：市场日均成交量

这个模型的核心思想：冲击成本与订单量的平方根成正比。也就是说，订单量翻4倍，冲击成本只翻2倍。为什么？因为市场会自我调节，大单会吸引更多对手盘。

我个人习惯：

对于A股市场，α取0.2~0.3比较靠谱。美股流动性好，α可以降到0.1。别问我怎么知道的，都是亏出来的经验。

2.3.2 线性模型

有些场景下，平方根模型不够精确。这时候可以用线性模型：

冲击成本 = β × (Q / V)

β是线性冲击系数。这个模型假设冲击成本与订单量成正比。简单粗暴，但适合流动性极差的市场。

我建议：

流动性好的市场（如沪深300成分股）：用平方根模型
流动性差的市场（如小盘股、债券）：用线性模型
极端情况（如大宗交易）：两个模型都不准，得用更复杂的模型

2.3.3 基于订单簿的微观模型

如果你有Level-2数据，可以更精细地估算。核心思路是模拟你的订单如何吃掉订单簿上的挂单。

def estimate_impact(order_book, order_qty):
    """
    基于订单簿估算冲击成本
    order_book: 卖单列表 [(价格, 数量), ...]
    order_qty: 你的买入量
    """
    remaining = order_qty
    total_cost = 0
    for price, qty in order_book:
        if remaining <= 0:
            break
        trade_qty = min(remaining, qty)
        total_cost += trade_qty * price
        remaining -= trade_qty
    avg_price = total_cost / order_qty
    return avg_price

这个方法最准确，但需要实时数据。我在高频交易系统里就用这个，精度能到0.1个tick。

避坑指南：

我曾经在回测里用收盘价估算冲击，结果严重低估。后来发现，收盘价是撮合出来的，不是真实的市场深度。一定要用tick级数据或分钟级订单簿数据。

2.4 知识体系总览

下面这张图，是我自己总结的市场冲击模型知识框架。你看一眼，就能明白各个概念之间的关系。

2.5 实战中的选择

说了这么多，到底用哪个模型？我的建议是：

回测阶段：用平方根模型，简单且够用。α参数根据历史数据拟合。
实盘监控：用订单簿微观模型，精度高。但需要实时数据流。
极端行情：所有模型都可能失效。这时候，我建议直接暂停交易，或者用保守的线性模型。

一个小技巧：

你可以把多个模型的结果做加权平均。比如平方根模型占70%，订单簿模型占30%。这样既稳定又灵敏。我在实盘系统里就是这么干的。

市场冲击模型，说白了就是给你的交易成本算一笔账。算清楚了，你才知道你的策略到底赚不赚钱。别等到实盘亏了才后悔——嗯，我当年就是这么过来的。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录