一、最优执行概述：什么是最优执行？为什么需要算法交易？市场冲击的基本概念

1.1 什么是最优执行？—— 别把「买得便宜」当成目标

先问大家一个问题：你下单买100万股，成交均价是10.01元。这算好还是不好？

很多人第一反应是「还行，没买贵」。但我会告诉你——这完全取决于你下单那一刻的市场状态。如果当时市场买一价是10.00元，你成交在10.01元，那其实你多花了1个bp的成本。但如果市场买一价是10.03元，你成交在10.01元，那你反而赚了。

所以，最优执行不是「买得便宜」，而是「相对于某个基准，偏差最小」。

我个人习惯用到达价格（Arrival Price）作为基准。也就是你决定下单那一刻的市场中间价。如果你的成交均价比这个基准低，那就是正收益；比它高，就是负收益。这个差值，我们叫它执行缺口（Implementation Shortfall）。

你想想看，这个定义其实包含三个要素：

• 时间窗口——你有多长时间来完成交易？
• 数量——你要买/卖多少？
• 执行缺口——你愿意承担多大的成本？

这三者之间是互相制约的。想快？成本就高。想成本低？就得慢慢来。想一次全干完？市场冲击会让你哭。这就是最优执行要解决的不可能三角。

1.2 为什么需要算法交易？—— 人脑算不过机器

我刚开始做交易那会儿，还没有算法交易。下单全靠手动，盯着盘口，凭感觉拆单。那时候我自认为手感不错，直到有一次……

那是一个流动性很差的股票，我要卖出50万股。我手动拆成10笔，每笔5万股，每隔几分钟下一单。结果呢？第一单下去，股价直接砸了2毛钱。后面几单越卖越低，最后一算，执行缺口接近1%。

后来我复盘发现，问题出在哪？人脑无法同时处理多个维度的信息。你要看盘口深度、看订单流、看市场情绪、还要算时间够不够。而且人容易情绪化——看到股价跌了就想赶紧卖，看到涨了就想等等再卖。这些都会让执行成本失控。

算法交易能解决什么？说白了，就三件事：

1. 拆单优化——把大单拆成小单，分散到不同时间点，降低单笔冲击
2. 时机选择——根据市场微观结构信号，选择流动性好的时机下单
3. 成本控制——实时监控执行缺口，动态调整下单节奏

举个例子。一个简单的TWAP（时间加权平均价格）算法，就是把订单均匀分配到每个时间切片。但如果你遇到一个流动性突然枯竭的时刻，TWAP还是会硬着头皮下单，结果就是吃大亏。所以现在的主流算法，都会加入流动性感知模块——流动性好的时候多下点，流动性差的时候少下点甚至不下。

1.3 市场冲击的基本概念—— 你的订单本身就是市场信号

市场冲击，简单说就是你的订单对价格造成的影响。你买，价格涨；你卖，价格跌。这个影响有多大？取决于两个因素：

• 订单规模——你买的越多，冲击越大
• 市场流动性——流动性越好，同样的订单规模冲击越小

但这里有个坑。很多人以为市场冲击是线性的——买100股冲击1个tick，买1000股就冲击10个tick。错！市场冲击是非线性的。我曾在项目中遇到过一只小盘股，买1000股只让价格跳了1个tick，但买5000股直接让价格跳了5个tick。为什么？因为5000股吃掉了盘口好几层的挂单，触发了其他做市商的撤单和重新报价。

市场冲击可以拆成两部分：

冲击类型	定义	特点
瞬时冲击	订单执行瞬间造成的价格偏离	短期、可逆（部分）
持久冲击	订单执行后价格无法完全恢复的部分	长期、不可逆

瞬时冲击好理解——你一个大单砸下去，买一价被吃掉，价格自然跳上去。但为什么会有持久冲击？因为市场会解读你的订单信息。一个大买单，会被其他交易者解读为「有机构在买入」，他们可能会跟风买入，从而推高价格。这部分影响不会因为你买完了就消失。

1.4 知识体系框架

说了这么多，我们来梳理一下本章的核心逻辑。下面这张图是我自己画的，把最优执行、算法交易和市场冲击的关系串起来了：

这张图想表达的核心思想是：最优执行是目标，算法交易是手段，市场冲击是约束。三者缺一不可。

嗯，说到这里，我想起一个真实的案例。2019年，某大型基金要调仓，涉及上百只股票。他们用了一个简单的VWAP算法，结果在几只小盘股上产生了巨大的市场冲击，导致整个调仓的执行缺口比预期高了0.3%。0.3%听起来不多，但乘以几十亿的规模，那就是几千万的损失。后来他们找我做咨询，我帮他们改成了自适应冲击模型——根据每只股票的流动性特征，动态调整下单速度。结果执行缺口降到了0.05%以内。

所以，理解市场冲击，是做好算法交易的第一步。后面我们会深入讨论如何建模、如何预测、如何控制冲击。但今天先把基础打牢。

---