调仓一个 50 只股票的组合，若全部「决策瞬间市价单打进去」，冲击成本会吃掉当月超额的一大块。执行算法的使命：在不放弃行情的前提下，把大单对价格的扰动降到最小。本篇从三个经典算法讲到最优执行理论。
TWAP：时间均匀切片
机制：把总单量在 T 时间内均分（或按预设时间表切 N 片）执行。例：1 亿的买单在全天 240 分钟切成 240 片，每分钟约 42 万。
- 优点：实现最简单、执行确定（不依赖行情预测）、对「不想被看出执行节奏」的朴素防御；
- 缺点：无视真实成交分布——开盘与尾盘的成交量是均值的数倍，中午死水；「时间均匀」意味着在死水时段硬推价格，在放量时段反而吃不满流动性；
- 适用：无可靠成交量预测时；小单；或作为基准（其他算法和它比）。
VWAP：跟随成交量分布
机制：按历史/实时的分钟成交量分布分配切片（开盘 30 分钟成交占 12% → 分 12% 的量），目标是让成交均价贴近当日 VWAP。
- 优点：在流动性厚的时段多交易、薄的时段少交易——同样完成订单，价格扰动小得多（分布形状见下图示）；
- 关键工程：成交量分布的预测——用近 20 日同星期几的分钟分布平均（周内效应明显），盘中按实时成交量修正剩余计划（在线更新）。预测越准，贴 VWAP 越紧；
- 评价口径：实现差额 = 成交均价 − 当日 VWAP（负为优）。注意 VWAP 算法的悖论：如果所有人都贴 VWAP，你的参与本身就是 VWAP 的一部分——基准与你自己的行为不独立（大资金执行者的经典困境）。
POV / Participation of Volume：控制参与率
机制：保持自己的下单量为市场实时成交量的固定比例（如 ≤ 8%）：市场放量就多成交、缩量就等待。
- 优点：把冲击成本的「参与率」直接控住（平方根模型的 Q/ADV 输入被实时管理，见交易成本 ）；
- 风险：极端情形下永远执行不完（缩量行情挂一天）——必须有时间上限与价格容忍带（超时后切换激进模式或放弃）。
冰山单与隐蔽交易
冰山单（Iceberg）：大单只露出小份额（如总量 100 万股每次只挂 5 万），成交一批补一批。它防的是被其他参与者探测到执行意图——市场上存在「抢单者」（监测到大买单就抢先囤货抬价，见做市与博弈 ）。冰山的破解也是高频策略的常规玩法（统计部分成交的补单节奏推测隐藏总量）——所以现代冰山会加随机化（露单量、补单时机随机）。
隐蔽性的代价：完成时间不确定、可能错过行情——隐蔽性与时效是此消彼长的一对。大单执行的博弈本质：对手在猜你，你在猜对手猜你——这是微观结构研究的现实版（Kyle 模型的知情交易者视角，见市场冲击与 Kyle 模型 ）。
Almgren-Chriss：执行的最优控制理论
Almgren-Chriss（2000）把执行问题数学化，是整个执行算法领域的理论地基。问题设定：总量 X、时间 T，把执行轨迹 x(t) 分解为两部分成本：
- 冲击成本：与执行速度成正比（执行越快每份越贵）——急性成本；
- 时变风险：未执行的持仓暴露在波动下——慢性成本（拖着不执行，行情风险累积）。
核心结论：最优轨迹是「风险厌恶驱动的指数衰减」——风险厌恶高（怕行情）→ 快速线性执行；风险厌恶低（只在意成本）→ 缓慢的前重后轻轨迹。TWAP/VWAP 都是它参数化后的特例：执行算法的选择本质上是「你为这笔执行设定的风险厌恶系数」的选择。
实践含义：
- 执行参数要按信号衰减速度设定：信号半衰期 5 天的调仓可以慢（3 天执行完），半衰期 1 天的必须快（30 分钟）——执行时间表是信号的函数，全局统一的执行模板是常见浪费（衰减见因子检验 ）；
- 风险厌恶系数是可优化的参数：用历史数据回测不同激进度的实现差额分布，按组合的风险预算选点（与仓位 sizing 同构的权衡）；
- 执行优化与组合优化的联合（前沿话题）：把执行成本写进组合优化的目标（换手惩罚项），让「要不要调仓」与「怎么调仓」一次求解（见约束优化 的成本项）。
A 股场景的执行要点预览
涨跌停与集合竞价改变了执行算法的边界条件：跌停无法卖（算法要含「无法成交预案」）、集合竞价是「一次性大量撮合」的机会与陷阱（见A 股执行实务 的专门展开）；T+1 让日内执行没有回旋的二次入场（错了要等到明天）——执行参数整体上要比美股保守。
关联阅读：成本模型的参数交易成本 ；执行的实测与追责TCA ；微观结构的地基订单簿与 Level-2 。