2. 交易成本的构成：佣金、印花税、滑点、冲击成本详解

做量化交易这么多年，我见过太多人把精力全花在策略信号上。说实话，信号再漂亮，交易成本一高，收益照样被吃掉。今天咱们就把交易成本这层窗户纸捅破。

交易成本不是简单的「手续费」。它分显性和隐性两大类。显性的你一眼能看到，隐性的才是真正的大头。我习惯把它们分成四个维度来拆解。

2.1 佣金：最透明的成本

佣金就是券商收你的交易服务费。国内A股市场，佣金通常是万分之几。比如万2.5，就是你交易10万块，交25块。

这里有个坑，我刚开始做高频策略时踩过——最低佣金限制。很多券商设了最低5元的标准。你交易1万块，按万2.5算才2.5元，但实际收你5元。小单交易时，这个比例会高得吓人。

我个人习惯在回测框架里这样处理佣金：

def calc_commission(trade_value, rate=0.00025, min_fee=5.0):
    fee = trade_value * rate
    return max(fee, min_fee)

你看，一行代码就能避免回测结果过于乐观。

2.2 印花税：单向征收的硬成本

印花税是政府收的，目前A股是卖出时收千分之一。买进不收。这个比例看着不高，但它是单向的，而且没法谈。

举个例子：你一年换手率20倍，印花税就能吃掉你2%的收益。很多策略年化收益也就10%-20%，印花税直接砍掉一大块。

交易方向	印花税率	收取方
买入	0%	无
卖出	0.1%	国家税务局

嗯，这里要注意：印花税是不可优化的。你只能通过降低交易频率来减少它的影响。我曾经有个趋势策略，信号多到一天交易十几次，算完印花税直接放弃。

2.3 滑点：你看到的价和实际成交价的差距

滑点是最容易被忽视的成本。你看到买一价是10.00元，下单后成交在10.02元。这0.02元就是滑点。

为什么会这样？说白了就是流动性不够。你的订单进去时，最优价格已经被别人抢走了。

滑点跟几个因素有关：

• 订单规模：单子越大，滑点越明显
• 市场波动：波动大时，价格跳得快
• 交易时间：开盘和收盘时滑点通常更大

我建议在回测里这样模拟滑点：

def apply_slippage(price, slippage_rate=0.0001, direction='buy'):
    if direction == 'buy':
        return price * (1 + slippage_rate)
    else:
        return price * (1 - slippage_rate)

你看，买入时价格变高，卖出时价格变低。这才是真实世界的样子。

2.4 冲击成本：大资金的天敌

冲击成本跟滑点有点像，但本质不同。滑点是市场波动导致的，冲击成本是你的订单主动推动了价格。

你想想看，你一下子买100万股，买一挂单只有1万股。你的大单会吃掉所有挂单，价格自然被推高。这个推高的部分，就是冲击成本。

冲击成本可以用一个简单公式估算：

impact_cost = (order_size / total_volume) * price * spread

其中order_size是你的订单量，total_volume是市场总成交量。比例越大，冲击越严重。

2.5 一张图看懂交易成本结构

下面这张SVG图，把四个成本的关系画清楚了。我习惯用这种图来跟团队沟通，一目了然。

2.6 实战中的成本控制思路

讲完理论，说点实际的。我一般按这个顺序来优化交易成本：

1. 先砍佣金：找券商谈，或者换低佣金券商。这是最容易的。
2. 再控频率：减少不必要的交易，印花税自然就降了。
3. 优化下单时机：避开开盘和收盘的高波动时段。
4. 拆单交易：大单拆成小单，降低冲击成本。

好了，交易成本的四个维度就讲到这里。记住一句话：成本是策略的隐形杀手。你算得越细，实盘就越稳。