第一章：佣金与税费模型

做量化交易这么多年，我越来越觉得一个道理：交易成本才是真正的对手盘。你策略再牛，回测夏普比再高，只要没把佣金和税费算清楚，实盘一跑，利润可能直接打对折。今天我们就来聊聊这个看似基础、实则要命的话题。

1.1 不同市场的佣金结构

每个市场的游戏规则都不一样。我最早做A股，后来扩展到港股和美股，每个市场都踩过坑。先看个总览：

这里有个细节很多人会忽略——最低收费。我见过一个做高频的哥们，在A股做小单交易，每笔赚3块钱，结果佣金扣5块，倒亏。嗯，这就是典型的「策略赚钱，成本亏钱」。

1.2 印花税与过户费

印花税这东西，说白了就是国家收的「交易税」。A股目前是卖出时收千分之一，港股更狠，买卖双向都收千分之一。美股呢？没有印花税。这也是为什么很多做长线的朋友喜欢美股的原因之一。

过户费相对小众，但也不能忽视。A股的过户费是万分之零点二，买卖都收。我算过一笔账：如果你每天做10次全仓交易，一年下来过户费就能吃掉你本金的1%以上。你想想看，年化收益才多少？

1.3 佣金模型的数学表达

做量化的人，习惯用数学说话。佣金模型其实可以抽象成这样一个分段函数：

# 佣金计算函数（Python示例）
def calc_commission(trade_value, rate=0.00025, min_fee=5.0):
    """
    trade_value: 成交金额（元）
    rate: 佣金率（默认万2.5）
    min_fee: 最低佣金（默认5元）
    """
    fee = trade_value * rate
    return max(fee, min_fee)

# 总交易成本
def calc_total_cost(buy_value, sell_value):
    commission_buy = calc_commission(buy_value)
    commission_sell = calc_commission(sell_value)
    stamp_tax = sell_value * 0.001  # 印花税，卖出收千分之一
    transfer_fee = (buy_value + sell_value) * 0.00002  # 过户费
    return commission_buy + commission_sell + stamp_tax + transfer_fee

这个模型看着简单，但实际应用时有个坑——最低佣金的存在让成本函数变成了非线性的。我曾在一次回测中忽略了这一点，结果实盘时发现小单交易的亏损率比预期高了30%。

1.4 佣金对策略净收益的影响

咱们用数据说话。假设你有一个策略，年化收益20%，换手率200%（即每年买卖各一次）。不同佣金率下的净收益对比如下：

看到没？佣金率从万2.5涨到万8，成本占比从3.75%飙升到12%。说白了，佣金率翻3倍，净收益损失超过10%。这还只是换手率200%的情况。如果你做高频，换手率500%甚至1000%，那成本占比会高到让你怀疑人生。

1.5 知识体系总览

为了让你更直观地理解本章的知识结构，我画了一张图：

这张图把本章的核心逻辑串起来了。从三大市场的佣金结构，到成本构成，再到数学模型，最后落到对策略收益的影响。你顺着这个思路走，就能建立起完整的交易成本分析框架。

好了，第一章就到这里。记住一句话：交易成本不是小数目，它是你策略的隐形杀手。下一章我们会深入讨论滑点模型，那又是另一个大坑。

公众号:蓝海资料掘金营，微信deep3321