标签： #交易成本

要卖掉 100 万股，一次性砸下去会把价格砸穿；TWAP 均分又扛着最大的库存风险。经典 Almgren-Chriss(AC) 用闭式解给出「前重后轻」的最优拆单，但它假设连续时间、平滑冲击。本文用 REINFORCE 策略梯度直接在离散环境里学拆单：30 步、临时冲击 ε=0.01、波动 σ=0.05、风险厌恶 λ=9。结果——REINFORCE 期望总成本 0.00367(3.67bps)，远低于 TWAP 的 0.01082(10.82bps, 降 66%)，也比 naive 离散化的 AC 闭式(0.00583)更低；实现短fall 标准差从 TWAP 的 0.032 压到 0.005(约 1/6)。图表显示它学到与 AC 一致的「前重后轻」，且因为端到端优化真实离散成本，落在 AC 公式之下。附完整 numpy 实现与四张真实计算图。

传统组合按月/季度再平衡，每次交易在月末造成冲击成本和暴露滞后；Neural ODE 把权重变化建模为连续时间常微分方程，用一个小 MLP 参数化漂移 f_theta(w,t)，通过 RK4 积分得到平滑调仓路径。本文用 numpy 从零实现 MLP、监督训练和 ODE 积分，证明在合成双资产组合上，连续控制的跟踪误差仅为月度离散的 1/170（0.0001 vs 0.0170），净财富追平理想目标跟随（0.977），且把月末交易尖峰摊成连续交易流。附完整 Python 与四张真实计算图。

「把组合波动锁死在 10%」听起来是纯风控改进，25 年 4 资产受控模拟（无条件波动与相关结构由构造给定）却给出不舒服的账本：波动命中率从 71.9% 提到 98.6%，Sharpe 却从 0.883 掉到 0.775——而这 −0.108 里只有 −0.006 是策略本身的，其余全是换手买单。决定性对照是常数杠杆：把 ERC 一次性放大到同样 10.7% 波动，Sharpe 精确等于 0.883410（杠杆不改变 Sharpe，引擎自洽性验证），零成本下 0.8828 vs 0.8884、真实增量仅 −0.0056。收获不在 Sharpe 而在回撤：−17.72% vs −20.01%，改善 2.28pp。两条安慰剂锁死机制：时间置换 −0.1276、同方差世界 −0.0964，与真实世界 −0.1088 几乎无差——收益根本不来自波动可预测性（预测 R² 仅 0.1785）。最实用的修复是无交易带：偏离不足 15% 就不动，换手降 66%、Sharpe 回到 0.8654、命中率仍有 97.0%

暗池（dark pool）的核心卖点是「省价差」——在美国，NASDAQ、IEX、BIDS 等暗池执行于 nbbo midpoint，理论上每笔成交比 lit 市场省 half-spread（即买卖盘报价差的一半，约 0.5 bp）。但这个「节省」是名义值，真实代价藏在信息成本里。本文用受控仿真证明：知情交易者（informed trader）在暗池的成交率（80%）远高于噪音交易者（40%），导致被动执行者（passive liquidity taker）在暗池更频繁地与知情者配对——每笔成交后 5 步，暗池 markout 为 −0.05 bps（lit 为 +0.08 bps），20 步后暗池 markout 达到 −23.0 bps（lit 为 −6.2 bps）。知情占比 30% 时，名义节省 0.26 bps，但逆向选择损失高达 4.13 bps，净收益为 −3.87 bps（比 lit 还亏）；知情占比 50% 时，净额进一步恶化到 −4.95 bps。翻转点（净收益从正变负）出现在知情占比约 2.5%——现实市场几乎必然在此临界值以上。安慰剂检验显示：知情=0% 时，净收益恰好等于名义节省（0.20 bps），逆向选择损失精确为 0；打乱成交顺序后，逆向选择消失，净收益回到名义节省水平（高阶）。

T+2 改 T+1 的官方理由是「减少风险敞口」，而这句话只在信用桶里成立。6 万笔配售的受控模拟给出与监管叙事错位的账本：信用敞口精确腰斩（0.842→0.421 bp），但操作成本从 0.653 涨到 1.664 bp，节省被吃掉 240.1%，净额 +0.590 bp——风险没消失，只是从「对手方违约」这个几乎不发生的桶，搬进「自己后台来不及」这个天天发生的桶。零摩擦安慰剂是决定性的：STP 设为 100% 后失败率与操作成本精确归零，T+1 立刻变成无争议的净省 0.421 bp——T+1 本身没错，错的是把它装在一个 98.8% 的后台上。分水岭是 STP 盈亏平衡点 99.59%，而跨境只有 94.5%：纯境内净额 +0.223 bp、纯跨境 +1.818 bp，同一条规则给出相反判决。反直觉的是境内失败率放大 6.09 倍、跨境只放大 1.97 倍。买入冲击只占 T+1 成本的 2.4%，失败期价格敞口占 76.8%。单笔 SD 21.73 bp 对均值差 0.65 bp，需 4430 笔才够 |t|=2（高阶）

冲击成本模型几乎都是逐股独立算的——每只股票一条平方根曲线，加总就是篮子成本。但冲击矩阵 Λ 的非对角元不是零：受控模拟 60 只股票 3 因子结构（非对角均值是对角的 0.343 倍）量化两个方向相反的错误：单边买入篮子上，逐股模型只报出真实成本的 1/19.5（低估 94.9%）；市场中性篮子上反而高估 62.6%——多空腿的冲击互相抵消，逐股模型看不见这份折扣。方向性扫描给出连续图景：市场因子暴露占比从 0 到 1，真实/逐股比值从 0.61 单调升到 18.17，穿越 1.0 的那一点就是逐股模型恰好正确的位置。唯一的免费午餐是内部轧差：两个组反向重叠 0.5 时先轧差再下单省 48.9% 成本，重叠 0.9 时省 90.1%。六项对抗式检验全过：把 Λ 强制对角化后真实/逐股恰好 1.00000000、5000 个随机篮子最小成本 0.511 为正（Λ 半正定，无往返套利）、12 个矩阵方向性比值 20.53±1.30 且中性比值 0.582±0.032 符号从不翻转。两个反直觉发现被完整保留：打乱非对角元后单边比值 19.57 几乎不变（一边倒的篮子只感受 Λ 的总和），而抽掉共同因子后比值塌到 2.02——真正的元凶是共同因子而非「非对角非零」；且 19.5 这个倍数随组合宽度单调放大，N=10 时 3.57、N=250 时 86.53，不可跨组合搬运（高阶）

毛 alpha 12% 和规模无关，净 alpha 却随 AUM 单调塌陷——受控模拟（500 只中小盘、中位 ADV 490 万美元、100 个持仓、平方根冲击）给出三条彼此差一个数量级的容量线：8x 换手下净 alpha 腰斩在 7.4 亿美元、归零在 29.6 亿；24x 换手腰斩点只剩 2700 万、归零 1.1 亿——同一个 alpha，换手率一改容量差 27 倍。真正先撞上的是硬约束：10% ADV 参与率上限在 4800 万美元就触发，那时净 alpha 还有 10.44%，账面上「毫发无伤」。四条扩容路线量化对比：降换手 8x→4x 把腰斩点推到 59.3 亿（8.0 倍）最有效，流动性倾斜前 30% 到 33.2 亿（4.5 倍）但换了 alpha 来源，扩到 300 个持仓 23.5 亿（3.2 倍）。冲击指数从 0.5 误设为 1.0，容量估计差 2.12 倍。五项对抗式检验全过：零冲击安慰剂下容量曲线跨四个数量级完全平直（0.00000000pp）、AUM 翻倍成本比 1.4142 精确等于理论 2^0.5、换手 4 倍成本比 8.0000 等于 4^1.5、12 个宇宙腰斩点 CV 仅 0.090。最容易犯的错是回测假设 252 天匀速执行——真实调仓挤在 1/8 的天数里，同样 2 亿美元成本从 3.17% 跳到 8.97%（2.83 倍）（中阶）

股票除息日理论上应下跌股息金额，但 4000 个模拟除息事件测出的开盘调整比例 α 只有 0.866（t=-21.4 拒绝完全调整），留下每事件 23.9bp 的缺口。问题是这块肉能不能吃到：对缴 20% 股息税的短线捕获者，含税捕获是 -20.6bp（t=-20.0），从第一笔交易起就是负的；免税口径 23.9bp 的缺口，单边盈亏平衡成本只有 12.0bp，容量墙在 2000 万元（500 万规模年化仅 +2.07%）。三个对照锁死机制：零税纯净市场 α 回到 1.006（t=0.94）、捕获归零 -0.76bp；伪除息日安慰剂 -0.30bp（t=-0.11）；股息率与 α 的客群关系置换检验 p<0.001。横截面上股息率越高 α 越接近 1，Q5 组（股息率 4.0%）含税捕获 -57.4bp，高股息票恰恰亏得最狠。另附隐蔽 bug 复盘：用除息日收盘价测 α，α 虚高到 0.942、缺口被低估 58.9%。真正稳的反而是不碰除息日的「前置吃流」：39.8bp（t=7.06）