1. 绩效归因基础：什么是交易执行绩效归因？为什么做归因？核心概念与术语
1.1 先聊聊我为什么重视这件事
做量化交易这些年，我见过太多人盯着账户盈亏看。赚了就觉得策略牛，亏了就骂市场烂。
说实话，这种思维方式很危险。你想想看，一个策略赚了钱，到底是选股选得好，还是执行时运气好？亏了钱，是策略逻辑错了，还是交易成本吃掉了利润？
我个人习惯，每天收盘后必做一件事——把今天的交易拆开来看。哪个环节贡献了收益，哪个环节在拖后腿。这就是绩效归因的雏形。
核心定义：交易执行绩效归因，就是把你的交易结果拆解成不同因素的贡献。它回答一个关键问题——钱是怎么赚的，又是怎么亏的。
1.2 为什么非做归因不可？
我刚开始做量化时，踩过一个坑。策略回测年化30%，实盘跑了一个月，只有8%。我当时差点把策略扔了。后来做了归因分析才发现——策略本身没问题，是执行端出了问题。滑点太大，冲击成本太高。
你看，不做归因，你根本不知道问题出在哪。具体来说，归因能帮你解决三件事：
- 识别瓶颈——到底是策略逻辑不行，还是执行拖了后腿？
- 优化方向——该改进算法交易，还是调整信号频率？
- 风险控制——哪些交易行为在悄悄侵蚀收益？
说白了，归因就是给你一面镜子。让你看清自己的交易行为，而不是被盈亏数字蒙住眼睛。
1.3 核心概念与术语
这部分我尽量讲得接地气一些。很多术语听起来高大上，其实没那么复杂。
1.3.1 执行缺口（Implementation Shortfall）
这是最核心的概念。什么叫执行缺口？就是「理想交易」和「实际交易」之间的差距。
举个例子：你看到某只股票现价10元，决定买入。但等你的订单成交时，价格已经变成了10.05元。这0.05元就是执行缺口的一部分。
我的经验：执行缺口可以拆成两部分——延迟成本（等待成交时的价格变动）和冲击成本（你的订单本身推高了价格）。我见过很多新手只盯着佣金，其实这两块才是大头。
1.3.2 滑点（Slippage）
滑点就是预期成交价和实际成交价的差值。它和执行缺口很像，但更聚焦在「价格差异」上。
嗯，这里要注意：滑点不一定是坏事。有时候你买在更低点，卖在更高点，那就是正滑点。但大多数时候，滑点是负的——你在为流动性买单。
1.3.3 市场冲击（Market Impact）
你的订单本身会影响市场价格。买盘大了，价格被推高；卖盘大了，价格被打压。这就是市场冲击。
我做过一个测试：同样一个订单，拆成10笔小单和一次性大单执行，成本能差3倍。所以大资金做交易，必须考虑冲击成本。
1.3.4 延迟成本（Delay Cost）
从你做出决策到订单真正执行，中间有时间差。这个时间差里，价格可能已经变了。这就是延迟成本。
高频交易里，延迟成本是致命的。但做日频策略，延迟成本反而没那么可怕——有时候等一等，反而能拿到更好的价格。
1.3.5 机会成本（Opportunity Cost）
这个有点反直觉。机会成本不是「你亏了多少」，而是「你本来可以赚多少但没赚到」。
比如你计划买入某只股票，但因为各种原因没成交。结果这只股票当天涨了5%。这5%就是你的机会成本。
避坑指南：我曾经太执着于降低执行成本，结果错过了很多机会。记住——归因分析不是让你追求零成本，而是帮你找到「成本」和「机会」之间的平衡点。
1.4 知识体系总览
下面这张图，是我自己梳理的绩效归因知识框架。你可以把它当成一张地图，后面每章都会对应到其中的某个模块。
1.5 一个简单的归因示例
光讲理论太枯燥。我拿一个真实案例给你看看。
假设你计划买入1000股某股票，决策时价格是10.00元。最终成交情况如下：
| 项目 | 数值 | 说明 |
|---|---|---|
| 决策价格 | 10.00元 | 你做出买入决定时的价格 |
| 第一笔成交 | 500股 @ 10.02元 | 延迟了2秒，价格涨了0.02 |
| 第二笔成交 | 500股 @ 10.05元 | 你的买盘推高了价格 |
| 平均成交价 | 10.035元 | (10.02+10.05)/2 |
| 执行缺口 | 0.035元/股 | 10.035 - 10.00 |
这个0.035元的执行缺口，可以进一步拆解：
- 延迟成本：0.02元/股（第一笔的延迟）
- 市场冲击：0.03元/股（第二笔被推高的部分）
- 但注意：第一笔成交后，价格从10.02涨到10.05，其中0.01元可能是市场自然波动，不全是你的冲击
我的建议：刚开始做归因，别追求太精细。先把执行缺口算清楚，再慢慢拆。一口吃不成胖子，归因分析也是。
1.6 归因分析的层次
归因不是一次性的工作。我个人习惯分三个层次来做：
- 交易层面——每一笔订单的执行质量如何？滑点大不大？
- 策略层面——这个策略本身赚不赚钱？执行有没有拖后腿？
- 组合层面——整体组合的收益来源是什么？哪些因子在贡献？
这三个层次，后面我会逐章展开讲。今天先把基础打牢。
最后提醒一句：归因分析不是万能的。它告诉你「发生了什么」，但不总能告诉你「为什么发生」。别过度解读数据，也别忽视数据。保持怀疑，但保持开放。
公众号:蓝海资料掘金营，微信deep3321