TWAP/VWAP/ 冰山算法拆单手法及在 PTrade 与 QMT 中的实现方式

在量化交易中，拆单算法是大额订单执行的核心工具，通过将大额订单拆分为多个小额订单分批执行，可有效降低对市场价格的冲击，减少交易成本。以下先详细解析 TWAP、VWAP、冰山算法三种经典拆单手法的原理与特点，再分别说明其在PTrade和QMT（XtQuant） 中的实现逻辑及核心函数。

一、三种经典拆单手法解析

1. TWAP（时间加权平均价格算法）

核心原理

TWAP（Time-Weighted Average Price）以时间为权重，将大额订单在预设的交易时间段内（如 1 小时、1 个交易日）均匀拆分为若干小额订单，按固定时间间隔（如 1 分钟、5 分钟）依次执行，最终使得订单成交均价接近该时间段内的市场时间加权平均价。

适用场景

· 流动性中等的个股或 ETF，订单规模适中（不超过当日成交量的 5%-10%）。

· 追求 “平稳执行”，对成交均价与市场均价的偏差（跟踪误差）要求较低，不刻意追求成交量集中时段。

特点

· 逻辑简单，易实现，无需依赖复杂的成交量预测。

· 缺点是在成交量波动大的时段（如开盘 / 收盘），可能因市场冲击导致实际成交均价偏离目标。

2. VWAP（成交量加权平均价格算法）

核心原理

VWAP（Volume-Weighted Average Price）以成交量为权重，先通过历史数据或实时数据预测交易时间段内的成交量分布（如开盘 30 分钟占当日成交量 20%、盘中占 50%、收盘 20% 等），再根据成交量占比拆分订单 —— 在成交量大的时段多下单，成交量小的时段少下单，最终使得成交均价接近该时间段内的市场成交量加权平均价。

适用场景

· 流动性较好的大盘股、指数成分股，订单规模较大（占当日成交量 10%-20%）。

· 追求 “贴合市场流动性”，优先在市场活跃时段执行订单，降低冲击成本，是机构交易的主流算法。

特点

· 需依赖成交量数据（历史或实时）动态调整拆单节奏，对行情数据获取能力要求较高。

· 跟踪误差通常小于 TWAP，尤其在成交量波动较大的市场环境中更优。

3. 冰山算法（Iceberg Algorithm）

核心原理

冰山算法将大额订单拆分为 “可见单” 和 “隐藏单”：仅在盘口暴露少量 “可见单”（如总订单量的 5%-10%），当可见单成交后，自动补充新的可见单，直至整个大额订单执行完毕。隐藏部分订单不对外展示，避免被市场察觉大额交易意图，从而减少价格被推高（买入）或压低（卖出）的风险。

适用场景

· 超大额订单（占当日成交量 20% 以上），或对市场价格敏感的交易（如重仓建仓 / 减仓）。

· 流动性较差的个股，需避免因大额订单暴露导致市场流动性枯竭。

特点

· 核心是 “隐藏订单深度”，通过控制可见单规模降低市场冲击。

· 需实时监控盘口订单状态（如可见单是否成交），对订单回调和状态跟踪能力要求较高。

二、PTrade 中的实现方式

PTrade 通过其策略框架的定时调度、行情获取、订单执行三类核心函数组合，可实现上述三种拆单算法。其核心逻辑是：通过定时函数控制拆单节奏，通过行情函数获取执行所需数据（时间、成交量、盘口），通过下单函数执行小额订单。

1. TWAP 算法实现

核心逻辑

1. 设定总交易时间（如 9:30-11:30）和拆单时间间隔（如 5 分钟），计算拆单次数（如 24 次，每 5 分钟 1 次）。

2. 按时间间隔均匀拆分订单量（总订单量 / 拆单次数）。

3. 定时执行小额订单，直至全部完成。

核心函数

· run_interval(context, func, seconds)：定时执行函数，控制拆单时间间隔（如seconds=300表示每 5 分钟执行 1 次）。

· order(security, volume) / order_target(security, target_volume)：执行小额订单（前者按数量下单，后者按目标持仓下单，适合分批调整）。

· get_trading_day()：获取当前交易日，确认交易时间段（避免非交易时间下单）。

实现流程示例

· 用run_interval设定每 5 分钟执行一次下单函数。

· 在下单函数中，计算单次下单量（总订单量 ÷ 拆单次数），调用order执行。

· 通过get_trading_day判断是否为交易日，避免无效执行。

2. VWAP 算法实现

核心逻辑

1. 用历史数据（如过去 10 个交易日）分析目标时段（如 9:30-15:00）的成交量分布（如各时段成交量占比）。

2. 根据实时成交量动态调整下单量（成交量占比高的时段，单次下单量增加）。

3. 定时（如 1 分钟）获取实时成交量，更新下单节奏，执行小额订单。

核心函数

· get_history(count, frequency, field, security_list)：获取历史成交量数据（field='volume'），用于分析成交量分布。

· get_price(security, start_date, end_date, frequency, fields)：获取实时或近期成交量（fields='volume'），动态调整拆单量。

· run_interval(context, func, seconds)：高频（如 1 分钟）执行函数，更新成交量数据并下单。

· order_value(security, value)：按金额下单（适合按成交量占比动态调整下单规模）。

实现流程示例

· 用get_history获取过去 10 个交易日的 5 分钟级成交量，计算各时段（如 9:30-9:35、9:35-9:40）成交量占比。

· 用run_interval(seconds=60)每分钟执行一次函数，通过get_price获取当前时段实时成交量，修正下单量占比。

· 调用order_value按修正后的金额执行小额订单。

3. 冰山算法实现

核心逻辑

1. 设定 “可见单规模”（如总订单量的 5%，不超过盘口最优档位的挂单量）。

2. 先提交可见单，通过订单状态回调或定时检查确认是否成交。

3. 若可见单成交，立即补充新的可见单；重复执行，直至总订单完成。

核心函数

· get_gear_price(sids)：获取盘口数据（买卖一档至五档的价格和挂单量），确定可见单的合理规模（避免可见单过大冲击盘口）。

· get_order(order_id) / get_open_orders()：查询单个订单状态或所有未完成订单，判断可见单是否成交。

· order(security, volume)：提交可见单（每次仅提交总订单量的 5%-10%）。

· on_order_response(context, order_list)：订单状态回调函数，实时接收订单成交反馈，触发下一个可见单提交。

实现流程示例

· 用get_gear_price获取目标个股的买一 / 卖一挂单量，设定可见单规模（如挂单量的 80%）。

· 调用order提交可见单，通过on_order_response回调函数监控成交状态。

· 若回调显示可见单成交，计算剩余订单量，重复提交新的可见单，直至总订单执行完毕。

三、QMT（XtQuant）中的实现方式

QMT（基于 XtQuant 库）通过行情订阅、异步订单、回调函数三类核心接口实现拆单算法，核心逻辑是：通过行情订阅获取实时数据，通过异步下单接口执行小额订单，通过回调函数监控订单状态并调整拆单节奏。

1. TWAP 算法实现

核心逻辑

1. 订阅目标标的行情，确认交易时段（如 9:30-15:00）。

2. 计算拆单时间间隔（如 5 分钟）和单次下单量（总订单量 / 拆单次数）。

3. 通过定时任务或行情回调，按时间间隔执行小额订单。

核心函数

· xtdata.subscribe_quote(stock_code, period, callback)：订阅标的行情，通过callback函数触发定时逻辑（或结合time.sleep控制间隔）。

· xttrader.order_stock(account, stock_code, order_type, volume, price_type, price)：同步下单接口，执行小额订单。

· xttrader.run_forever()：维持策略运行，确保定时任务持续执行。

· xtdata.get_trading_calendar(market)：获取交易日历，确认交易时间范围。

实现流程示例

· 用xtdata.get_trading_calendar('SH')确认当日交易时段（9:30-11:30、13:00-15:00）。

· 计算拆单次数（如 24 次，每 5 分钟 1 次）和单次下单量。

· 用xtdata.subscribe_quote订阅标的 1 分钟行情，在回调函数中加入时间判断，每 5 分钟调用xttrader.order_stock执行小额订单。

· 调用xttrader.run_forever()维持策略运行，确保定时下单不中断。

2. VWAP 算法实现

核心逻辑

1. 订阅标的实时行情，获取分钟级成交量数据。

2. 用历史成交量数据（如过去 10 天）建立成交量分布模型，结合实时成交量动态调整下单量。

3. 高频（如 1 分钟）更新成交量占比，执行对应规模的小额订单。

核心函数

· xtdata.get_market_data(field_list=['volume'], stock_list, period, start_time, end_time)：获取历史 / 实时成交量数据（field_list=['volume']）。

· xtdata.subscribe_whole_quote(code_list, callback)：订阅全市场或单标的实时行情，高频获取成交量。

· xttrader.order_stock_async(account, stock_code, order_type, volume, price_type, price)：异步下单接口，避免阻塞行情接收。

· xtdata.get_period_list()：获取行情周期（如 1 分钟、5 分钟），匹配成交量数据粒度。

实现流程示例

· 用xtdata.get_market_data获取过去 10 个交易日的 1 分钟级成交量，计算各时段（如 9:30-9:31、9:31-9:32）成交量占比。

· 用xtdata.subscribe_whole_quote订阅标的实时行情，在回调函数中每分钟获取当前成交量，修正当日成交量分布。

· 根据修正后的占比计算单次下单量，调用xttrader.order_stock_async异步执行，避免影响行情接收。

3. 冰山算法实现

核心逻辑

1. 订阅标的盘口数据（买一 / 卖一挂单量），确定可见单最大规模。

2. 提交可见单后，通过订单回调函数监控成交状态。

3. 可见单成交后，立即补充新的可见单，直至总订单完成。

核心函数

· xtdata.get_gear_price(stock_code)：获取标的盘口数据（各档位挂单量），设定可见单规模（如不超过买一挂单量的 50%）。

· xttrader.on_order_response(context, order_list)：订单状态回调函数，实时接收成交反馈。

· xttrader.order_stock(account, stock_code, order_type, volume, price_type, price)：执行可见单（单次量较小）。

· xttrader.get_stock_orders(account, cancelable_only=False)：查询未完成订单，避免重复下单。

实现流程示例

· 用xtdata.get_gear_price获取标的买一挂单量，设定可见单规模（如挂单量的 50%，且不超过总订单量的 10%）。

· 调用xttrader.order_stock提交可见单，通过on_order_response回调函数监控是否成交。

· 若回调显示可见单成交，用xttrader.get_stock_orders确认无未完成订单后，计算剩余订单量，重复提交新的可见单。

（注：点我红色头像旁边有个咨询TA，加我微或者电话联系我）