第1章：大单交易冲击成本建模与实操
1.1 为什么冲击成本是量化交易的核心
做量化交易这些年，我见过太多人把精力全花在预测价格上。说实话，预测准了方向，最后却亏在交易执行上，这种事我遇到过不下十次。
冲击成本是什么？简单说，就是你的大单子进场时，把价格推高了（买的时候），或者砸低了（卖的时候）。你想想看，本来想买在100块，结果因为单子太大，成交均价变成了100.5。这0.5块，就是冲击成本。
我个人习惯把冲击成本分成两类：
- 永久冲击：你的交易改变了市场供需，价格回不去了
- 临时冲击：只是流动性被暂时抽干，过一会儿价格会恢复
嗯，这里要注意：很多新手只关注永久冲击，觉得临时冲击无所谓。我在实盘里吃过这个亏——有一次做股指期货，临时冲击直接吃掉了我半个月的利润。
1.2 线性冲击模型：Almgren-Chriss 基础
说到冲击成本建模，绕不开 Almgren-Chriss 模型。这个模型是2000年左右提出的，到现在还是业界主流。为什么？因为它够简单，够实用。
模型的核心假设是：冲击成本与交易速度成正比。说白了，你交易得越快，冲击越大。
数学形式是这样的：
冲击成本 = α × 交易速度 + β × 持仓变化其中：
- α 是临时冲击系数
- β 是永久冲击系数
- 交易速度 = 成交量 / 时间窗口
我记得第一次用这个模型时，觉得它太简单了。但跑完回测才发现，简单模型往往最稳健。那些加了十几个参数的复杂模型，过拟合得一塌糊涂。
核心要点：Almgren-Chriss 模型把冲击成本拆成两部分，永久部分影响所有后续交易，临时部分只影响当前交易。这个分解非常实用。
1.3 永久冲击与临时冲击的实战区别
怎么区分永久冲击和临时冲击？我教你一个土办法：
- 下一笔小单子，看看价格变化
- 等5分钟，看看价格是否恢复
- 如果恢复了，就是临时冲击；没恢复，就是永久冲击
我在做美股的时候，发现一个规律：
| 交易品种 | 临时冲击占比 | 永久冲击占比 |
|---|---|---|
| 大盘蓝筹股 | 60-70% | 30-40% |
| 小盘股 | 40-50% | 50-60% |
| 期货（主力合约） | 70-80% | 20-30% |
为什么会这样？大盘股流动性好，临时冲击很快被做市商消化。小盘股就不一样了，你的单子可能真的改变了市场预期。
实战技巧：如果你做的是高频策略，重点关注临时冲击。如果是中长线持仓，永久冲击才是大头。我曾经有个策略，就是因为没区分这两者，回测漂亮，实盘一塌糊涂。
1.4 冲击成本函数的线性形式
线性冲击函数长这样：
I(Q) = a × Q + b × sign(Q)其中：
- I(Q) 是冲击成本
- Q 是交易量（正数为买，负数为卖）
- a 是斜率系数
- b 是固定成本（买卖价差）
这个公式看着简单，但用起来有讲究。我建议你注意三点：
- 斜率 a 不是常数：市场深度不同，a 会变。早盘和尾盘，a 能差3倍
- 固定成本 b 可以忽略：对于大单，b 占比很小，主要看 a
- 符号函数 sign(Q)：买和卖的冲击不对称，别用同一个模型
我曾经犯过一个错误：直接用全天的数据拟合 a 值。结果呢？早盘交易时，冲击成本比模型预测的大一倍。后来我才意识到，a 值应该分时段估计。
1.5 知识体系总览
下面这张图，是我做这个课程时画的。它把冲击成本建模的整个逻辑串起来了：
这张图把整个逻辑串起来了。从上往下看：先搞清楚核心问题，再区分冲击类型，然后用 Almgren-Chriss 模型量化，最后落实到实战中的参数估计和验证。
避坑指南：我曾经在实盘里直接用回测的冲击参数，结果亏了。后来才明白，回测用的是历史数据，实盘的市场环境已经变了。建议你每周重新估计一次参数，别偷懒。
1.6 小结
这一章我们聊了：
- 冲击成本的定义和分类
- Almgren-Chriss 模型的基本框架
- 永久冲击和临时冲击的实战区别
- 线性冲击函数的数学形式
嗯，内容不多，但都是基础。下一章我们会深入讲怎么用 Python 实现这个模型，包括参数估计和回测框架。到时候我会分享一些我踩过的坑，保证有用。
公众号：蓝海数据掘金营，微信 deep3321