一笔要卖 100 万股的单，直接挂出去会怎样？它会在盘口上形成一个巨大的卖压信号，对手方看到后往后撤，成交价格一路被自己的卖单砸下去——大单自身就是市场冲击的制造者。算法交易要解决的问题：在可接受的时间内完成大母单，同时把冲击成本压到最低。这篇讲执行端的两个基准算法（TWAP/VWAP）和它们的系统实现。
从人工拆单到算法母单
散户拆单手忙脚乱，机构的做法是把"怎么拆"标准化成算法。系统建模上引入母单-子单两层：母单持有客户的原始意图（方向、总量、时间窗、约束条件），执行引擎把母单切成一串子单按节奏释放到柜台。柜台看到的是普通委托，算法引擎看到的是状态机——这个分层让柜台对算法无感知，算法引擎可以独立迭代。
TWAP（时间加权平均价格）的目标最朴素：在时间窗内均匀释放。把总时长分成 $n$ 个切片，每切片成交量：
$$ q_i = \frac{Q}{n} $$
VWAP（成交量加权平均价格）的目标是按市场的成交分布来释放：成交量高的时段多放、清淡的时段少放。用历史成交量曲线 $v(t)$（通常是过去 20 日的平均日内分布）做权重：
$$ q_i = Q \cdot \frac{v_i}{\sum_j v_j} $$
A 股的日内分布有个稳定的 U 形：开盘半小时和收盘半小时占全天成交的三到四成，午间清淡。VWAP 切片的节奏就是这个 U 形的采样。
两个算法的共同点：它们优化的都不是"最低价"，而是成交均价贴近基准（TWAP 贴近时间均价，VWAP 贴近成交量均价）。为什么要贴近基准而不是追求最优？因为基准可审计、可解释——执行算法的服务对象是机构合规，"我跑赢了 VWAP 基准 3 个基点"是一句能在风控委员会上交代的话，"我买到了当天最低价"不是。
执行引擎：状态机加反馈环
子单的释放不是无脑的定时任务，每条子单发出去之后要接回报，回报驱动母单状态机迁移。一个 VWAP 母单的生命周期：
- 参数校验：时间窗合法、母单量是手数整数倍、参与率上限合理（通常不超过当日预估成交量的 10%~20%，超过就是自己制造冲击）；
- 切片调度：按 VWAP 曲线生成子单序列，首片通常提前或加重——开盘流动性最好，首片冲量降低后续压力；
- 逐片执行：每片是一个"限价单 + 超时"的小状态机。片内未成交的部分到点撤掉，剩余量滚入后续切片（工程量向后平移，保持总进度对齐曲线）；
- 进度对账：每分钟对比"计划累计量"和"实际累计量"，偏差超阈值（比如 5%）就加速后续切片或放宽限价；
- 终态处理：全部完成、时间窗耗尽（剩余量按收盘价规则处理或滚入次日）、或人工干预终止。
第 3、4 步的反馈环是算法的灵魂。静态切片遇到突发行情（临停、闪崩）会机械地继续挂单，反馈环让算法感知执行质量：当前切片成交率骤降，说明限价偏离市场太远或流动性消失，该追价还是该停下来，是策略参数决定的——激进参数追价保进度，保守参数暂停保价格。
滑点：算法质量的唯一度量
算法好不好，看滑点（Slippage）。基准定义是决策价（发母单时的中间价）与实际成交均价的差：
$$ \text{IS} = \frac{VWAP_{\text{exec}} - P_{\text{decision}}}{P_{\text{decision}}} \times 10^4 \quad (\text{单位：bps}) $$
执行缺口（Implementation Shortfall）框架把它分解：滑点 = 冲击成本（自己的单子推动价格的部分）+ 机会成本（没成交的部分偏离的部分）+ 费用。其中冲击成本有个经验规律——平方根定律：交易规模占市场成交量的比例越大，单位冲击成本越高，且按平方根增长：
$$ \text{冲击} \propto \sigma \sqrt{\frac{Q}{V}} $$
$\sigma$ 是日内波动率，$Q/V$ 是参与率。平方根定律的工程含义直接决定算法参数：参与率翻倍，冲击成本只增 41%（$\sqrt{2}$），但完成时间减半——所以激进与保守的权衡不是线性的，存在参与率的甜点区，这也是各大执行 algo 的核心调参机密。
另一个度量维度是 POV（Percent of Volume，成交量跟随）：子单速率绑定实时成交速率（"始终占市场成交量的 3%"），不吃历史曲线，完全跟随当下流动性。POV 在行情清淡时自动放慢，火爆时自动加快，缺点是完成时间不可预期——母单可能拖到最后也没完成。实务中常做 VWAP 加 POV 的混合：以 VWAP 曲线为主计划，以 POV 速率封顶。
对柜台系统的延伸要求
算法交易把压力传回柜台：一个母单产生数百倍于母单笔数的委托流量，撤单率同步飙升（没成交的子单到点就撤）。这正是撤单篇"撤单风暴是容量攻击"的正规军版本——算法引擎自己就是最大的撤单来源。极速柜台对算法客户的支持，本质是队列容量和撤单吞吐的容量规划问题；而算法引擎对柜台的要求反过来塑造了柜台的接口设计（批量报单、母单级状态查询、切片级回报聚合），这是交易技术里需求双向塑造的典型案例。