2. VWAP策略设计原理：时间切片与成交量分布、预测成交量曲线、基准价格锚定、滑点控制逻辑
VWAP策略，说白了就是「把大单拆成小单，跟着市场节奏走」。很多刚入行的朋友以为VWAP就是简单的时间加权平均，其实不然。我做了这么多年，踩过的坑不少，今天就把核心原理掰开揉碎了讲。
2.1 时间切片与成交量分布
先问一个问题：为什么要把一天切成那么多小片段？
因为市场成交量不是均匀分布的。你想想看，开盘和收盘那会儿，成交量通常很大，中午那会儿就稀稀拉拉的。如果我们傻乎乎地每5分钟扔同样多的单子，那肯定跑不出好价格。
时间切片的核心逻辑：把交易时间分成N个等长片段，每个片段分配不同的成交量权重。
我习惯用5分钟切片。A股一天240分钟，切成48个切片。每个切片的目标成交量 = 当日总目标 × 该切片的历史成交量占比。
关键点：切片粒度不能太细，否则信号噪音太大；也不能太粗，否则失去VWAP的平滑效果。我个人经验，5-15分钟是比较舒服的范围。
举个例子，假设今天要买100万股，历史数据显示9:35-9:40这个切片占全天成交量的2.3%，那这个切片就分配2.3万股。
2.2 预测成交量曲线
这里有个坑——历史数据不一定准。我曾经在2015年股灾那会儿，按历史曲线下单，结果上午成交量爆棚，下午直接缩量到地板上。嗯，那天的VWAP执行效果，别提了。
所以我们需要实时修正。我常用的方法有两种：
- 历史均值法：取过去20个交易日同时间切片的成交量中位数，作为基准。
- 实时调整法：用当前切片已成交量的比例，动态调整后续切片的权重。
代码实现其实不复杂，我贴一段核心逻辑：
def predict_volume_curve(today_date, slice_minutes=5):
"""
预测当日成交量曲线
"""
# 取过去20个交易日的历史数据
hist_data = get_hist_volume(today_date, lookback=20)
# 计算每个时间切片的历史成交量占比
slice_ratios = hist_data.groupby('time_slice')['volume'].mean()
slice_ratios = slice_ratios / slice_ratios.sum()
# 实时修正：用当前已完成切片的数据调整后续权重
current_slice = get_current_slice()
completed_ratio = get_completed_volume_ratio()
if completed_ratio > 0.5:
# 如果已完成超过50%，说明今天成交量可能偏大
# 适当调低后续切片权重
slice_ratios[current_slice:] *= 0.9
return slice_ratios
我的小技巧：不要只用一种预测模型。我一般同时跑3个模型（历史均值、指数平滑、实时修正），最后取加权平均。权重根据最近5天的预测误差动态调整。
2.3 基准价格锚定
VWAP的基准价格怎么定？很多人直接取当前市场价格，这其实有问题。
我建议用前一个切片的VWAP价格作为基准。为什么？因为VWAP策略追求的是全天均价，用上一个切片的价格做锚定，天然具有平滑效果。
具体做法：
- 每个切片结束时，计算该切片的VWAP
- 下一个切片的限价单，以这个VWAP为基准，上下浮动一个滑点容忍度
- 如果市场价格偏离基准超过容忍度，暂停下单或调整下单速度
注意：基准价格锚定不是死板的。遇到突发消息导致价格跳空，必须快速调整基准。我曾经吃过这个亏，2019年某次财报发布后，价格直接跳了2%，我还傻傻地按旧基准下单，结果...你懂的。
2.4 滑点控制逻辑
滑点控制是VWAP策略的命门。说白了，就是「既要跑得快，又要跑得便宜」。
我总结了一套三级滑点控制策略：
| 级别 | 触发条件 | 应对措施 |
|---|---|---|
| 一级（正常） | 市场价格在基准±0.1%内 | 正常下单，使用限价单 |
| 二级（警惕） | 市场价格偏离基准0.1%-0.3% | 降低下单速度，改用冰山订单 |
| 三级（紧急） | 市场价格偏离基准超过0.3% | 暂停下单，等待价格回归 |
这里有个细节：暂停不是停止。暂停期间，如果价格回归到容忍范围内，要快速补回之前落下的量。否则到收盘时你会发现任务没完成。
我习惯用动态滑点容忍度。举个例子，如果当前切片已经落后进度了，我会适当放宽滑点容忍度，从0.1%放宽到0.15%，确保能追上进度。反之，如果进度超前，就收紧容忍度，追求更好的价格。
核心原则：VWAP策略不是追求最优价格，而是追求「不跑偏」。你想想看，只要最终成交价接近全天VWAP，就算成功。为了省0.01元而冒跑偏的风险，不值得。
知识体系总览
下面这张图，是我自己画的VWAP策略核心逻辑框架。你看一眼就能明白各个模块之间的关系：
这张图里，从输入数据到最终执行指令，每个环节都环环相扣。你注意看那个反馈回路——实时行情会不断修正预测曲线和滑点控制参数，形成一个闭环。
实战建议：刚开始做VWAP策略时，别想着一步到位。先把时间切片和成交量分布做扎实了，再慢慢加滑点控制。我见过太多人一上来就搞复杂的机器学习模型，结果基础没打好，跑出来的效果还不如简单的历史均值法。
好了，这一章的核心内容就这些。记住一句话：VWAP策略的本质是「用时间换空间」，用精细化的切片管理，换取稳定的执行价格。下一章我们会聊具体的代码实现，到时候我会把完整的策略框架贴出来。
公众号:蓝海资料掘金营，微信deep3321