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）
温馨提示：投资有风险，选择需谨慎。