一、算法原理与适用场景

1. TWAP（时间加权平均价格算法）

核心原理
将大单在固定时间段内均匀拆分为多笔小单，按固定时间间隔执行，最终成交均价接近该时段的时间加权平均价。

适用场景

· 流动性中等的股票/ETF（订单量≤日成交量5%~10%）

· 对跟踪误差要求低，追求平稳执行（如指数调仓）

关键参数

· 总时间段（如1小时）

· 拆单次数（如12次=每5分钟1次）

2. VWAP（成交量加权平均价格算法）

核心原理
根据历史成交量分布动态调整拆单量（成交量高的时段多下单，低的时段少下单），最终成交均价接近市场成交量加权平均价。

适用场景

· 流动性好的大盘股（订单量≤日成交量10%~20%）

· 需贴合市场流动性（如机构大额交易）

关键参数

· 历史成交量分布（如过去10日9:30-9:35成交量占全天5%）

· 实时成交量修正系数

3. 冰山算法（Iceberg Algorithm）

核心原理
仅暴露少量订单（如总单量的5%）到盘口，成交后自动补充，隐藏大单真实规模。

适用场景

· 超大额订单（≥日成交量20%）

· 流动性差的股票（避免价格冲击）

关键参数

· 可见单比例（通常5%~10%）

· 盘口挂单量限制（如不超过买一档50%）

· 二、PTrade 实现代码

· 1. TWAP 算法2. VWAP 算法3. 冰山算法三、QMT（XtQuant）实现代码

1. TWAP 算法

2. VWAP 算法3. 冰山算法四、关键注意事项

1. PTrade

o 避免使用time.sleep（会阻塞所有策略），优先用run_interval或run_delayed。

o 冰山算法需依赖on_order_response回调，确保在策略初始化时注册。

2. QMT

o 行情数据（xtdata）有1~3秒延迟，高频策略需测试延迟影响。

o 异步下单（order_stock_async）不会阻塞，但需自行维护订单状态。

3. 通用建议

o 实盘前需回测拆单算法的冲击成本（可通过历史Tick数据模拟）。

o 增加异常处理（如盘口消失、网络中断等）。

五、总结对比按需选择平台和算法，流动性差的标的优先使用冰山算法，大盘股可用VWAP降低冲击成本。

（注：点我红色头像旁边有个咨询TA，加我微或者电话联系我）