Nitesh Khandelwal
在上一篇文章中，我们介绍了如何自动执行算法交易策略的步骤。在本文中，我们将尝试了解金融市场中常用的执行策略。
一旦算法识别出交易，它将在市场上下订单。尽管我们认为仅通过告诉经纪人股票/合约的数量（或金额）和买入/卖出价格来下订单，但通常比这要复杂一些。在本文中，我们将介绍一些订单执行策略，并了解如何在金融市场中使用它们。
关一个好的执行策略可以帮助所有类型的投资者，对于大型机构投资者而言，这几乎是必需的。这是因为当某人下达大笔订单买卖数千至数百万股股票时，可能会严重影响市场价格，并对已实现的执行价格产生不利影响。
相关新闻以下是使您的算法面向未来所需的3个步骤为什么可伸缩性，系统性质和时间范围对于创建算法很重要在算法交易和对机构的直接市场准入（DMA）出现之前，大的机构订单被传递给经纪人，并且过去通常在小时/天的时间内手动执行。该系统易受潜在泄漏的影响，因此很容易运行。
有了DMA，越来越多的机构直接在其末端部署自动执行策略。此外，自动化使整体执行速度更快，除了填补空白之外，还减少了滑差，并有可能提高其实现的执行价格。
让我们看一下执行策略的关键类别和一些示例。从广义上讲，执行策略可以是：
影响驱动算法：这些算法旨在减少订单对市场价格的影响。订单被切成小订单，并以对现行市场价格影响不大的方式投放市场。
例如，如果过去10天的股票平均每日交易量为2000万股，并且如果我们尝试一次下达1000万股定单，那么它将对市场产生巨大影响，价格会瞬间飙升。相反，如果将它们分为几部分，每部分几百股，然后根据特定条件放入市场，那么对市场价格的影响将小得多。
成本驱动算法：这些算法的主要重点是最小化获取成本。在这里，我们的目标是在不考虑任何市场驱动基准价格的情况下获得资产的最佳价格。当我们必须下达10,000股股票的买入订单时，该算法将对订单进行划分，并在股票价格/价差较低时下订单。
机会算法：与早期的算法类型不同，机会算法旨在分析市场中的价格，数量，价差等变化，这些变化可用于实现更好的执行。在大多数情况下，该算法搜索订单簿以查找资产中的流动性并进行相应的交易。
让我们深入研究一些流行的执行策略。
时间加权平均价格策略：TWAP是一种简单的策略，它将订单切成片，将在固定时间段内执行。
一个示例是将10,000股的购买订单分成每500分钟在市场上放置一次的500块，从而在同一交易日内完成执行。
可以通过以下方法轻松地计算“ n”个时段的TWAP：首先取以下平均值：给定时段的开盘价，最高价，最低价和收盘价，然后取先前“ n”个时段的平均值。
TWAP是最古老的订单执行策略之一，因此是对不同策略的分析最多的策略。这种策略的主要缺点是定义的订单模式很容易被其他人推导出来，并且随着不断监控各种模式的算法的兴起，如果以纯香草的方式使用，它可能不会产生预期的结果。
它的一些变体可以包括保持块的数量“不固定”。也可以采用一种激进的策略，该策略最初执行大部分目标量，因此在执行过程中的总体影响是有限的。
一旦购买了大部分股份，订单就可以放宽，您可以慢慢执行，直到用完订单为止。
数量加权平均价格策略：VWAP只是在特定时间段内交易价值与总交易量的比率。VWAP是全球市场参与者广泛使用的执行基准。VWAP的主要目标是与市场量保持一致，以降低影响成本。
可以通过首先将每个价格水平上给定时间间隔内的交易量乘以相应价格来计算VWAP。将所有这些产品的总和除以该时间段内的交易总量即可得出VWAP。就公式而言，可以简单地给出如下：
VWAP =Σ（交易数量*股价）/总交易数量
交易者可以使用交易量加权平均价格作为基准来检查他们意识到的执行价格是否好于市场。
成交量策略（POV）的百分比与VWAP相似，只是顾名思义，我们指定了订单量占成交量的百分比。在这种策略中，我们可以顺其自然，保持订单顺序，使其与市场交易量保持同步。
与更依赖于历史数据的VWAP相比，POV策略本质上更具动态性，因此，可以被其他算法预测的机会较少，因此相对较不容易受到攻击。
这些只是交易者使用算法以标准格式或变体广泛部署的一些流行执行策略，因此可以优化其实现的执行以提高策略收益。
在接下来的文章中，我们将介绍各种类型的交易策略以及与之相关的实现方面。希望它对所有希望使用#GoAlgo的人有所帮助！
作者是QuantInsti的共同创始人，QuantInsti是一家算法交易培训机构，通过Quantra提供算法交易执行程序（EPAT）和互动式自定进度课程。
本文是该系列文章的一部分，我们将涵盖定量和算法交易的各个方面，包括跨该领域所需的各种资产类别，技术，基础架构要求，法规和技能的策略。
