跳到正文

日内成交量分布:U 形、双 U、为啥一天大部分不重要

日内成交量曲线。U 形、双 U 形态、开盘和收盘竞价、怎么在它们周围安排执行。

第 7 篇 · 共 12 篇 约 9 分钟

这事让每个新执行交易员惊讶:交易日的多数时候不重要。

在一只典型美股大盘股上,25–30% 的日成交量发生在头 30 分钟。再 15–20% 发生在最后 30 分钟。午盘(11:30 到 14:30)占大概 20%。剩下的 35% 或更多分布在一天的其余部分,按块来,多数跟新闻、宏观发布、偶发大宗交易有关。

如果你从上午 10:00 开始 6 小时内干 100000 股的单,你面对一个在你的窗口头和尾最强、中间最弱的市场。这个分布的形状不是随机的。它是结构性的,你一旦理解,就能安排执行来利用它。

Harris (2003, 第 19 章) 把日内成交量曲线当作市场微观结构里最可预测的经验规律之一。形状如此可靠,任何忽视它的执行算法都在亏钱。

这篇文章讲那条曲线:它长啥样、为啥是这种形状、怎么围绕它安排执行。

规范 U 形

美股的标准日内成交量分布看起来像 U。开盘高、早盘降、午盘平、下午升、收盘峰值。

如果你对一只典型大盘股比如 AAPL 画 5 分钟成交量柱对一天时刻,你得到这样的:

  • 9:30-10:00:巨峰(15–20% 的日成交)
  • 10:00-10:30:还行但降(8–10%)
  • 10:30-11:30:中等(5–7% 每 30 分钟)
  • 11:30-14:00:低而平(3–5% 每 30 分钟)
  • 14:00-15:00:中等且升(5–7% 每 30 分钟)
  • 15:00-15:30:高(7–9%)
  • 15:30-16:00:收盘竞价峰(10–15%)

数字因股票、天、宏观日历而变,但形状非常稳。任何流动名字你画出来都看到大致这条曲线。

为啥开盘会峰

三件事驱动开盘头 30 分钟:

隔夜信息被定价。 4:00 PM 昨天到 9:30 AM 今天之间发生的任何事情(财报、指引、M&A 传闻、宏观数据、海外动态)需要被吸收。交易员带着仓位来根据隔夜新闻调整,调整发生快。头 30 分钟是共识形成的时候。

隔夜单被成交。 很多机构投资人下隔夜单在开盘时执行。这些单在开盘竞价和早盘连续交易段排着。

做市商宽点差、撤报价。 头几分钟做市商不知道价会稳在哪。他们宽报价点差补偿不确定性。这把更多成交量推过开盘打印因为限价单被打到。

结果是 15–20% 的峰持续 30 分钟然后快速衰减。到 10:30 市场”正常”回来。

为啥收盘会峰

最后 30 分钟被三个力主宰:

基准再平衡。 基金按收盘基准需要日内末仓位定好。指数基金、ETF、任何带 4:00 PM 估值标记的组合都必须交易到收盘。每天都有这种机械需求。

MOC(market-on-close)单。 很多机构用 market-on-close 或 limit-on-close 单拿收盘打印。在最后 10–15 分钟交易达到市场。

收盘竞价。 大多数交易所跑收盘竞价在 4:00 PM 撮合。竞价把大量收盘成交量集中到一个单打印。归到收盘竞价的成交量可以单独立即占日成交量的 8–15%。

收盘峰比开盘峰更集中。20–30 分钟内发生,实际竞价打印常常占日成交量的 5–10% 一秒钟内。

双 U 形态

一些市场显示双 U,两个量峰加一个午盘凸起。最常见的原因是宏观发布。

在欧洲,形态围绕 ECB 公告、美国数据投放、美国市场开盘。在美股,“双 U”在有主要经济发布在 8:30 AM 的日子(造成早峰)接着早上通常高峰后出现。

对执行交易员,双 U 重要因为它把成交量从典型时间表挪走。在非农就业周五,早上峰可以达到日成交量的 30–40% 而不是通常的 15–20%。

“5% 量” 规则

大多数执行算法有”不要超过 X% 量”的参数。默认经常 5–10%。为啥?

想法:如果你在任何 5 分钟窗口里交易超过 5% 的量,你正在成为市场有意义的一份。其他参与方注意到。做市商宽报价。你单子的价格冲击非线性增长。

经验上,参与率和冲击的关系大致:

Impact≈η⋅σ⋅(QVinterval)0.6\text{Impact} \approx \eta \cdot \sigma \cdot \left(\frac{Q}{V_{\text{interval}}}\right)^{0.6}

指数在大约 0.6,不是 1.0。所以参与率翻倍,冲击增 50%,不是 100%。但冲击仍然有意义。

“5% 规则”是 Harris (2003, 第 21 章) 和 broker 算法文档里长起来的启发:保持 5 分钟窗内低于 5% 参与,你的冲击可控。10% 以上,你开始以可测的方式动市场。

实操中,参与率按订单工作区间计算,不按分钟算。设 10% 参与的 POV 算法会交易工作时段内印出的成交量 10%。在开盘,这意味着很多股。午盘,很少。

围绕曲线安排执行

成交量分布表明几个明显的时间安排原则:

安排更多在大量时段。 想跟踪日成交的 VWAP 算法必须在开盘和收盘集中成交。如果它均匀铺,它会在开盘欠成交、午盘超成交,恰好跟市场反着。

安排更少在低量时段。 午盘是点差宽、深度薄、每股冲击涨的时候。如果你能避免午盘交易就避。如果不能,保持你的参与率低,这样你在薄市场里只占小份额。

避开首尾 5 分钟。 即使在开盘和收盘峰内,前 5 分钟(9:30–9:35)和最后 5 分钟(15:55–16:00)特别波动。大多数机构流量开盘后等至少 5–10 分钟才开始交易、15:50 之前结束避免收盘乱局。

如果需要收盘价就用收盘竞价。 如果你的基准是收盘打印(因为 PM 按 4:00 PM 盯市),收盘竞价常常是最好的交易地方。你拿到收盘价、你拿到集中流动性、你避开了连续交易最后 5 分钟的乱局。

Almgren-Chriss 最优时间表

最优执行理论(Bertsimas and Lo, 1998; Almgren and Chriss, 2000)对时间安排问题给了正式答案。给定风险厌恶参数 λ\lambda,最优时间表在冲击低(低波动、高量时段)时更激进、在冲击高(高波动、低量时段)时更不激进。

经典 Almgren-Chriss 结果是常数参与率如果波动率常数。但有日内波动和成交量变化时,最优时间表集中在高量窗口。

实操中这就是执行算法干的:它们有个”成交量曲线”目标(订单每个时间桶要填多少比例)并调整它们参与率来达到那个目标。

成交量曲线作为特性

日内成交量曲线也是算法可以利用的信息。

VWAP 算法的策略:从历史均值预测日成交量曲线,然后定一个参与率按比例在每个时点填父单。

POV(量比)算法的策略:根本不设曲线。只交易显示量的一固定百分比。这自然在高量时段集中成交因为那时最多量可用。

Implementation shortfall 算法的策略:忽略历史曲线,基于成本权衡(冲击偏好慢执行、时机风险偏好快执行)交易。这比 VWAP 产出更前置的时间表。

策略选择重要因为每个基准不同。VWAP 对 VWAP。POV 对 POV。IS 对到达价。互相比较是苹果对橘子。

成交量曲线撒谎的时候

日内成交量曲线平均上可预测。任何给定日子里,实际曲线可以差很多。

曲线撒谎的日子:

财报日。 如果打印意外,开盘峰可以是日成交量的 30–40%。收盘竞价通常平缓因为每个人早上重新定位了。

宏观冲击日。 美联储意外公告或 CPI 打印把成交量搬到新闻周围 30 分钟窗口,饿死一天其他时段。

低成交量夏日。 在 8 月,曲线变平。开盘和收盘还是峰但没那么尖。午盘占小饼的大份。

年末和季末。 再平衡流量改变曲线。养老金和共同基金经常集中在月末和季末交易,扭曲典型形态。

新闻驱动的单日。 当股票有二元事件(FDA 决定、诉讼结果、收购投标),成交量曲线反转。新闻在某天某时击中,成交量在那时集中。

对执行,教训:别盲信历史曲线。建一个”今天的成交量曲线”估计随一天进展实时更新。用那个估计来安排剩余订单。

实时成交量跟踪

大多数执行平台实时显示日内成交量。典型 dashboard 有:

  • 每个 5 分钟桶今天已印的实际成交量
  • 那个桶的历史均值
  • 显示典型形状的”U 形”线
  • 偏离指标:我们领先、落后还是按节奏

如果你在 11:00 AM、你已经完成父单 15% 但今天成交量只印 10%(vs 典型 13%),你领先于量。你可能想放慢。如果你落后于量,你可能想加快。

def adjust_pov(realized_pct, expected_pct, tolerance=0.05):
    """按成交量跟踪调参与率。"""
    delta = realized_pct - expected_pct
    if delta > tolerance:
        return 0.7   # 我们领先,放慢
    elif delta < -tolerance:
        return 1.3   # 我们落后,加快
    return 1.0       # 按节奏

这是玩具例子。真实实现用更复杂反馈的控制系统。

收盘竞价:特殊机制

收盘竞价值得专门讲因为它在结构上跟连续交易不同。

在收盘竞价里:

  • 单子在 15:50 到 16:00(一些场所在 15:55–16:00)累积
  • 交易所跑撮合引擎找最大化可执行量的价
  • 所有匹配单在那个统一价成交
  • 不平衡信息在竞价期间(15:55、15:58 等)周期性发布

收盘竞价的优势:把流动性集中到一个瞬间。劣势:价不确定直到打印。

对想要收盘价的基金,竞价是最清楚的拿法。对想绕收盘交易不承诺打印的,连续交易最后 5 分钟是对的地方。

Harris (2003, 第 19 章) 讨论收盘竞价作为定时竞价的特殊情况,全球都常见。很多非美市场主要通过定时定时竞价而非连续单撮合交易。日韩交易所历史上是这样,很多欧洲竞价今天也这样。

交易日解剖

合起来,这是 US 典型流动大盘股的交易日解剖:

时段日成交量 %流动性点差备注
9:30-9:353-5%高但波动宽初次打印、跳空风险
9:35-10:0012-15%高收紧主要开盘冲
10:00-11:0010-12%好紧“正常”交易
11:00-12:007-9%中等紧慢启
12:00-14:008-10%中等略宽午餐 lull
14:00-15:008-10%中等紧朝收盘构建
15:00-15:308-10%高紧收盘前
15:30-16:0015-20%高后乱紧后宽收盘竞价 + 最后几分钟
16:00-20:005-8%盘后宽有限、零售多

精确数字看股票和天,但形状一致。

一个算例

假设你需要买 XYZ 200000 股。日期望成交量 400 万股。你从 10:00 AM 开始、想 3:30 PM 前完成。

如果你用 VWAP 算法针对历史成交量曲线,你的小时子单时间表可能长这样:

  • 10:00-11:00: 大约 30000 股(父单 7.5%,符合成交量份额)
  • 11:00-12:00: 大约 22000 股(5.5%)
  • 12:00-13:00: 大约 16000 股(4%)
  • 13:00-14:00: 大约 16000 股(4%)
  • 14:00-15:00: 大约 22000 股(5.5%)
  • 15:00-15:30: 大约 16000 股(4%,缩小避收盘乱局)

等等,加起来只有 122000 股,不是 200000。重做。

如果日成交量是 400 万且你针对 5% 参与,你买 200000 股(4M 的 5%)。所以如果成交量按曲线打印,你会自然达到目标。

让我重述:你想买 200000 股用 VWAP 算法。算法针对 5% 参与。成交量今天打印时,你交易它的 5%。到收盘,你做 5% × 4M = 200000 股。上面那个时间表错了;时间表是”匹配不管什么成交量打印”。

要点:用 VWAP 算法,你的小时成交是被成交量曲线驱动的。你不预先决定它们。你决定你的参与率,曲线做剩下的事。

为啥多数交易员低估开盘

这里有个反直觉观察:很多机构交易员低估开盘。他们等到 10:00 或 10:30 才开始交易因为开盘”太波动”。但开盘也是流动性最高的时候。通过等,你避开了波动但也放弃了在点差最紧、深度最大时交易的机会。

对大多数订单,对的答案是开盘后 5–15 分钟开始交易,早到能赶上高量窗口,晚到让跳空风险解决。10:00 AM 起步是合理默认。

为啥收盘既吸引又危险

收盘吸引因为:

  • 流动性集中
  • 收盘竞价提供清楚的参考价
  • 点差在 15:00–15:30 窗口竞价乱局前收紧

收盘危险因为:

  • 连续交易最后 5 分钟波动
  • MOC 单以不可预测方式动价
  • 如果你在干大单到收盘,你冲击会尖峰

专业做法:15:50 前完成,留最后 10 分钟不管除非你专门想要收盘打印。想要收盘就用收盘竞价,不用连续市场。

时间安排策略

一些有经验执行交易员用的实操策略:

Alpha 衰减快就前置。 如果你的 edge 一小时后没了,前置到开盘冲。Alpha 衰减前抓住。

Alpha 持久就后置。 如果你的 edge 持一天,被动过午盘到收盘。让曲线干活。

用竞价要干净打印。 如果你的基准是收盘,就到收盘竞价交易。别想连续市场造收盘价。

新闻日调曲线。 如果股票 8:00 AM 财报发布、跳空 5%,日成交量曲线跟历史均值啥都不像。实时更新你的时间表。

低紧急订单避开午盘。 如果你时间够、不需要交易,离开 12:00–14:00。点差宽深度薄。

参考文献

  • Harris, L. (2003). Trading and Exchanges: Market Microstructure for Practitioners. Oxford University Press. 第 19、21 章。ISBN: 978-0-19-514470-3.
  • Almgren, R., & Chriss, N. (2000). “Optimal Execution of Portfolio Transactions.” Journal of Risk, 3(2), 5-39.
  • Bertsimas, D., & Lo, A. W. (1998). “Optimal Control of Execution Costs.” Journal of Financial Markets, 1(1), 1-50.