标签： #执行算法

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）。

TCA 报表把执行落差拆成「延迟成本」和「交易成本」两个桶,然后拿后者考核交易台。4000 笔母单的受控模拟(每一个 bp 的真实成因都已知)给出决定性读数:报告的 15.57 bp 交易成本里,真实市场脚印只有 7.09 bp,54.5% 是本来就会发生的 alpha 漂移。零冲击安慰剂最硬--把自身冲击彻底关掉(真值精确为 0),报表照样开出 9.51 bp 账单,一个毫无市场足迹的交易台被凭空罚款。反过来关掉 alpha,交易桶立刻诚实(误差 1.67 bp),证明污染源就是 alpha 而非模型缺陷。三个基准在同一批成交上给出 23.48 / 15.57 / 7.09 bp 三个故事,跨度 16.39 bp;只把「到达时间戳」往后挪 12 根 bar、不改任何一笔成交,交易台成本从 15.6 bp 降到 -1.4 bp,17.0 bp 的纯文书改善。最刺眼的是考核后果:三个交易台按报告成本排名是 A<B<C,按真实脚印排名精确反转成 C<B<A,被表扬的正是footprint最大的那个。八项对抗式检验全过,含分解恒等式残差 0.00e+00、零延迟对照精确 0.00 bp、12 个宇宙 CV 0.106。样本量红线:单笔标准差 63.98 bp、35.9% 的单子成本为负,要 30 笔才够 t=2(高阶)

「回测年化 15%，实盘只有 6%」——中间那 9 个点去哪了？Perold (1988) 的执行落差给出唯一诚实的账本：以决策瞬间的价格为锚，把纸面组合与实盘组合的差额拆成延迟成本、执行成本、机会成本和显性费用四块。10 万股买单实测分解：延迟 9.6bp + 执行 20.8bp + 机会 18.0bp + 费用 1.6bp = 50bp。4000 次蒙特卡洛扫参与率画出执行的有效前沿：跑得快（100% 参与率）期望成本 19.6bp 但 σ 只有 31.8bp，跑得慢（2%）期望 3.7bp 可 σ 高达 113.9bp——省的是均值，赌的是方差。信号带 +30bp 日内漂移时慢执行的『省钱』被 alpha 流失整个吃回去（22.7bp vs 15.3bp，反超）。月频归因实测：35bp 单边成本 × 1.25 倍月换手 = 每月拖累 0.78%、年化 9.4 个点——正好是回测与实盘的裂缝宽度（中阶）。

Kyle 模型说价格冲击是线性的 λQ，但过去三十年横跨股票、期货、期权甚至比特币的实证结果惊人一致：母单的价格冲击 ≈ Y·σ·√(Q/V)，指数死死钉在 0.4-0.6 之间。本文用潜在流动性簿模型从底层复现平方根律，验证主曲线坍缩（不同波动率、不同成交量的标的除以 σ 后落在同一条曲线上），对比线性模型在大单区间的系统性高估，并用传播子模型拆穿『切碎订单就能消灭冲击』的幻想——冲击衰减速度 β 才是拆单收益的真正决定者（中阶）。

一笔买单把价格推高 10bp，这 10bp 里有多少是市场真的学到了东西、有多少只是流动性暂时让步？答案藏在成交之后的价格路径里：永久冲击是回不来的台阶，临时冲击是会指数衰减的鼓包。本文用 κ + θ·exp(−t/τ) 的经典衰减模型模拟 2000 次买单事件，对平均回复曲线做非线性最小二乘，把三个参数几乎无偏地拿回来（κ̂≈4.0bp、θ̂≈6.0bp、τ̂≈5 bar）。核心洞见是执行含义：拆单、放慢只能省临时冲击那一层，永久冲击是信息的价格、怎么拆都省不掉——这条分界线就是所有执行算法成本模型的地基。诚实边界：事件平均要求冲击对订单流平稳、拆解对模型形式敏感、日线数据上 τ 几乎不可识别（中阶）。

价差只告诉你第一股的成本，深度只告诉你第一档的数量——真正决定一笔像样规模订单成本的，是限价簿的形状。报价斜率把这个形状压缩成一个数：累计可成交量对价格偏移的回归斜率 S，越大盘口越有弹性。本文用模拟限价簿讲清定义与计算（含穿过原点的最小二乘），在 120 只股票的横截面上验证「固定订单的即时冲击 ∝ 1/S」的双对数线性关系，并演示斜率的日内 U 形与压力坍缩：负面消息瞬间撤单能让斜率蒸发 55%——流动性是被撤单速度定义的，不是被价差定义的。与 Kyle λ 的关系一句话讲清：S 是 λ 的簿本侧倒数近似。诚实边界：可见深度被冰山单低估、斜率对档位截断敏感、快照频率不够时压力坍缩根本看不见（中阶）。

价差一样的两个盘口可以完全不是一回事：买一挂 5000 股、卖一挂 1200 股的盘口，下一跳大概率往上走。深度失衡 I = (B−A)/(B+A) 是限价簿里最便宜也最顽固的短期方向信号——只要买一卖一两个数字，不要逐笔、不要全簿。本文从做市商队列消耗的机制推导为什么它有预测力，2 万个模拟盘口快照实测：失衡最负的十分位下一跳上涨概率 23%、最正的十分位 77%，单调性完美；但信号衰减曲线显示相关性在 10-20 个快照后见顶然后快速衰减，200 步外只剩 0.07。最扎心的实验是成本：无成本时四档阈值策略全部单调赚钱，扣掉 1 个 tick 的跨价差成本后全部转为亏损——这个信号的经济学归宿不是「做多做空」而是「决定挂单还是吃单、现在执行还是等一等」。执行算法里它值真金白银，当独立策略它付不起过路费。诚实边界：可被幌骗操纵、大 tick 股票才显著、隐藏单和冰山单让可见深度失真（中阶）。

同样挂在买一档的限价买单，排在队首和排在队尾，价值天差地别。本文用离散时间队列模型从零量化「队列位置价值」：成交概率随排队深度单调衰减（队首 83% → 队尾 2.3%），但「位置价值」却是非单调的——因为队首成交太快会被知情抛压逆向选择吃掉。最佳位置是第 3 位而非第 1 位。附完整 Python 与五类实战陷阱（高频）。