交易成本分析（TCA）：知道你自己实际付了多少

大部分交易者以为自己知道执行花了多少。他们错了。

你发了一笔 50000 股的买单。你决定买的时候市场是 $100.00，最终成交在 $100.07。滑点 7 美分，对吧？不对——那只是看得见的成本。真实的账里还有你跨过去的点差、你的单对簿的冲击、以及因为你太慢没拿到的那些股份的机会成本。交易成本分析（TCA）就是度量所有这些、并把每一块归到具体成因的学科。它的价值在于区分两种状态：你以为 broker 干得不错，和你发现 40% 的成本正从别的地方漏掉。

Harris 在《Trading and Exchanges》（2003，第 19–24 章）讲了一个每个执行交易员最终都会痛到的事：价格不等于成本。你看到的价格取决于观察时点；成本必须跟一个反事实价格比较——决策时的价格、执行区间的平均价、或别的什么能把运气剥离开的尺子。这句话是全文的主线。TCA 的三个时点、四个成本成分、所有基准和所有坑，都是”怎么把运气剥出来”这一个问题的不同侧面。看完这篇，你应该能拿起一份 TCA 报告，判断数字是在讲真话还是在被动手脚。

同一本账，三次结账

TCA 发生在订单生命周期的三个时点，回答三个不同的问题。事前 TCA 在下单前跑，根据股票、规模、波动率、场所组合估计这次执行大概要花多少——这是预算环节，回答”该不该做”。实时 TCA 在订单存活期间跑，告诉你订单是不是贴着基准走、该踩油门还是松脚——回答”该不该继续”。事后 TCA 在订单完成后跑，把实现成本归因到点差、冲击、时机、机会四个成分，再反馈给下一次预算——回答”做得好不好”。

大多数机构只把事后那份做好。只看上周报告的执行交易员是在用后视镜开车；把预算环节也做扎实的，才是 senior PM 质问 desk 为什么漏了 20 bp 时不会失业的那种。

成本拆成四块

大部分 TCA 报告出错就出在这里：把成分混在一起，或者量得不准。先把总账写下来。你在 $t_0$ 决定买入、当时中间价 $P_0$，在 $[t_0, t_1]$ 内完成、平均成交价 $\bar{P}$，总成本是：

这是简化版，有意思的是分解。Perold（1988）在 implementation shortfall 那篇论文里给了正确的框架：把成本拆成交易员能控的和不能控的。四个成分依次看。

点差成本

跨过买卖价差吃流动性时，你立刻付掉半个点差。股票挂 $100.00 /$100.02，你在卖价买入，那 1 美分归了做市商：

对市价单这不可避免；对被动成交的限价单，你反过来赚点差（在卖价卖出、在买价买入），代价是承担时机风险。严格经济意义上点差成本不算”成本”，它是付给提供即时性的做市商的转移支付——但做执行度量时仍要把它跟冲击分开，因为它直接刻画你的算法风格：激进吃流动性的算法每次都在付它，被动挂单的算法在收它。

一个测量细节：Harris（2003，第 14 章）指出，流动美股大盘股的报价价差往往显得偏紧，而有效价差——你实际成交价相对成交瞬间中间价——更宽，快行情里尤其如此。TCA 里用有效价差，别用报价价差。

市场冲击

这是你的单因为存在于市场而施加给价格的成本。50000 股买单打上卖价，卖价被抬走、下一档高 5 美分——那 5 美分，由你的单引起的价格变动，就是冲击。

实务里最常用的是平方根冲击模型，它是个经验规律、也有理论支持：

其中 $\sigma$ 是日波动率，$Q$ 是订单规模，$V$ 是当日成交量，$\eta$ 是缩放常数（流动名字上常拟合在 0.1 到 0.5 之间）。它说冲击随规模增长但增速递减，跟数据里看到的一致。

冲击还要再切一刀：暂时冲击在几分钟到几小时内衰减，永久冲击是价格水位的变化、不回复——这个分解框架正是 Almgren 和 Chriss（2000）那条线的贡献。经验研究普遍发现暂时冲击占大头，但具体比例随股票、当天行情、测量方法变化很大，别把任何一个固定百分比当真理。这一刀对归因很要紧：你相对到达价差了 8 美分，但其中 5 美分是收盘前会衰减的暂时冲击，那你的账面成本是 8 美分、经济成本可能只有 3 美分。大部分交易员忽略这个区分，把太多注意力浪费在短期冲击噪音上。

时机成本（延迟成本）

决定交易到真正开始交易之间的价格漂移。10:00 做决策时股价 $100.00，10:15 才发出第一个子单、股价已经 $100.10——10 美分的时机成本，一股都还没成交。订单 live 之后这块不在交易员控制内，它是市场对你等待的裁决；但要不要等的决策在交易员手里，这正是事后 TCA 有用的地方。Perold（1988）把它叫”等待的机会成本”，单独立项。好的 TCA 报告会告诉你每延迟一分钟，市场对你跑了多少。

机会成本

那些你没交易到的股。任务是买 50000 股，价格跑了、你只买到 30000，剩下 20000 股身上的价格变动就是机会成本。它是四个成分里最棘手的，因为它需要一个反事实：标准做法是假设你会以订单剩余水平期的 VWAP 成交。未成交段 VWAP 是 $100.50、你的成交价 $100.07，你靠不追单”省了”每股 43 美分——但你也没拿到仓位，净算策略 alpha 是亏的。

机会成本在快行情里最痛。一笔干一小时的买单在利好里错过目标的 20%、股票涨了 5%，事后报告上会挂着一个刺眼的机会成本数字，senior PM 会想知道你为什么不直接把单打完。

事前 TCA：预算

有了四个成分，预算就是在下单前把它们估出来。拿一只日均成交量 $V$、日波动率 $\sigma$、价差 $s$ 的股票，规模 $Q$ 的单、在时间 $T$ 内完成：

第一项点差，第二项冲击，第三项时机/波动率风险——干活期间暴露给市场的成本。这是假设被动执行的估计；想更激进（更短水平期、更高参与率），冲击项上去、时机项下来。最优执行理论（Almgren-Chriss 一系）找的就是让这两项期望之和最小的节奏。

实操中，事前模型用本机构自己的历史成交标定：喂进上万笔历史执行，对 $\eta$ 和 $\lambda$ 做最小二乘，压预测和实现成本的差。大部分 desk 都有这么个东西跑在某台服务器上，很少有交易员真的用。用的人有实打实的优势：PM 问”买 $5M 的 XYZ 要花多少”，交易员几秒钟给出带置信区间的数，PM 当场能决定这个成本值不值那份 alpha。

实时 TCA：方向盘

订单干活的时候，实时 TCA 把它跟基准对着看，最常用的是区间 VWAP——父单工作区间至今的平均成交价。下单 30 分钟、比区间 VWAP 差 2 bp，正常；差 12 bp，有毛病——算法太激进、股票在跟你反向、或者流动性干了。

实时读数要能变成动作。现代执行算法有旋钮：参与率上限、激进档、暗池-亮所比例。实时 TCA 告诉你转哪个：

def should_speed_up(realized_bps, vwap_bps, threshold=5):
    """决定是否提高参与率。"""
    slippage = realized_bps - vwap_bps
    if slippage > threshold:
        return True   # 我们落后了，加把劲
    return False

这是玩具，真实实现还会看波动率、剩余时间、未成交量。但要点就在这：实时 TCA 给你一个数，你需要一条把数变成动作的规则。

危险是过拟合。每 30 秒按短窗基准调一次算法，你就在追噪音、把事情搞砸。有经验的交易员早上把算法设好，一小时看两次，只在结构性变化（新闻事件、流动性骤降、价格跳空）时才介入。

事后 TCA：审计

第二天早上，事后 TCA 交出判决：昨天每笔订单，相对机构在乎的每个基准，各花了多少。标准分解长这样：

诚实的报告，成分加总等于相对到达价的实现差额；对不上，就是有人在重复计算或者藏东西。Harris（2003，第 21 章）强调买方 desk 至少每季跟 broker 的报告对一次账——broker 有动机把成本算得让自家算法好看，买方有动机把成本算得让自家 PM 好看，真相在中间。

基准本身也要挑对。四大基准各回答一个问题：到达价（父单发出瞬间的中间价）是表头的”我付了多少”；VWAP 是”我跑赢市场没”；TWAP 在成交量不可预测时顶替 VWAP；implementation shortfall 是 Perold 的度量，从决策到完成的总成本、含机会成本。每把尺子都有内置偏差——到达价惩罚慢执行，VWAP 奖励跟量成交、惩罚有强观点早早干完的交易员，TWAP 干脆无视成交量分布。大部分机构用到达价做表头、区间 VWAP 做算法基准。拿 TWAP 算法对 VWAP 基准比，输是当然的：你们俩追的根本不是同一个东西。

一份事后报告好不好，标准很简单：交易员能不能读一遍就说出明天该改什么。好报告的成本干净地分解、加总对得上，基准跟策略匹配，同伴组比对得对（小盘算法对小盘算法，不是对全市场），异常日标出来而不是藏起来。烂报告的特征也很稳定：号称 “implementation shortfall” 却没有机会成本项（没有机会成本就不能叫 IS，那是 Perold 的定义）；只报名义占比不报绝对数（$1M 上的 5 bp 是 $500，$100M 上的 5 bp 是 $50000，不是一回事）；只给月度平均不给分布（有的单 +50 bp、有的 -10 bp 时，平均数没有意义）。

一个算例

假设你 10:00 接到 100000 股 XYZ 买单。10:00 中间价 $50.00，买卖价 $49.99 / $50.01。你用 VWAP 算法干 30 分钟，成交 95000 股、均价 $50.06。10:00–10:30 区间 VWAP 是 $50.04，10:30 中间价也在 $50.04 附近，剩余时段的 VWAP 是 $50.12，股票收在 $50.08。

成分加总 0.5 + 3.4 + 7.6 + 0.8 = 12.3 bp，跟实现的 11.8 bp 差 0.5 bp——来自舍入，以及时机和冲击在成交发生的每一刻互相纠缠、本来就不能完美分开。差这个量级不用抓狂，差 3 bp 就要去查了。

表头读数：你付了 11.8 bp 的到达差额。相对区间 VWAP，付了 4 bp（$50.06 对$50.04）。相对 $50.08 的收盘价，反而好 4 bp。哪个基准算数？取决于 PM 的授权：alpha 在 10:00 决策那一刻生成，到达差额就是真相；alpha 是日内慢慢生成、不在乎精确时点，VWAP 就够了。

报告在说谎的几种方式

同一套机制，也能被拿来讲错误的故事。几个每张 desk 都见过的版本。

把基准当成本。比 VWAP 差 3 bp 听着糟，但如果 VWAP 因为新闻事件远高于到达价，那 3 bp 仍然是赢的——你付了到达 +3，市场平均付了到达 +8。基准不等于成本。

忽略机会成本。“我 90% 的订单在 VWAP 下面 1 bp 成交”——藏起来的是没成交的 10% 跑掉了、吃了策略 30 bp 的 alpha。别让他这么报。

苹果对橘子。小盘算法对大盘基准、激进算法对被动基准、动量策略的成本对做市商的成本——都没有意义。

不对账就信 broker 的 TCA。Broker 用自己的成交、自己的时间戳、自己的模型。有时没问题，有时不是。每季对。

还有三种情况，数字本身没被动手脚、但环境让它说谎。财报日，价差从 2 美分炸到 20 美分、波动率翻三倍、开盘跳 5%，早上干的任何单相对到达价都难看——那是财报波动率，不是算法的锅，这些日子要滤掉或者对财报日同伴组比。新闻冲击同理：美联储公告前 30 秒到的买单看起来是 50 bp 的灾难，交易员无法预知，别罚他。第三种最容易漏：算法选错了。PM 给低成交量名字挑了个不合适的算法、股价全天漂移，TCA 报告说算法失败——真正失败的是选择。TCA 应当反馈到算法选择这一层，不只是算法内部的执行。这就是为什么 TCA 需要上下文：页面上一个孤零零的数字，没有对应的天、股票、策略、算法，什么都不是。

把环闭上

跑执行 desk，这套东西最终要串成一个循环：每笔父单发出前，事前估计先进 OMS，超过门槛就给 PM 挂 flag；订单存活期间，实时 TCA 对着到达价和区间 VWAP 盯，介入规则设好但别追噪音；第二天早上，事后报告按四成分分解、加总对上总额；每季跟 broker 对账；最后——这是闭环的那一针——用事后数据修事前模型：预测 5 bp、实际 8 bp，那只股票的 $\eta$ 调高；实际 3 bp，调低。

环闭上之后，三个时点就不再是三份孤立的报告，而是同一本账在预算、驾驶、审计三个阶段的连续记录。运气被一轮一轮剥出去，剩下的才是你的执行。

参考文献

• Harris, L. (2003). Trading and Exchanges: Market Microstructure for Practitioners. Oxford University Press. 第 19–24 章。ISBN: 978-0-19-514470-3.
• Perold, A. F. (1988). “The Implementation Shortfall: Paper Versus Reality.” Journal of Portfolio Management, 14(3), 4-9.
• 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.