Implementation Shortfall：Perold 对执行成本的基础度量

执行成本到底该拿什么当尺子？Perold 的答案是决策那一刻的价格。这篇讲 implementation shortfall 的数学、成分分解、它和 VWAP 的根本分歧，以及一个算到底的数值例子。

第 10 篇 · 共 12 篇约 11 分钟

如果你一辈子只学一个执行度量，就学 implementation shortfall（IS）。其他每个基准——VWAP、TWAP、收盘价——都是代理。IS 才是真东西。

这个判断背后有一个更根本的问题：你说一笔交易”花了多少钱”，到底是相对什么价格说的？选哪个价格当尺子，不是技术细节，它决定了你在度量什么。André Perold 在 1988 年给出的答案是：决策那一刻的价格。理由等下就清楚了。这个定义到今天仍然是交易成本的标准度量——Harris 在《Trading and Exchanges》第 21 章里讨论它，Berkowitz, Logue, Noser (1988) 给了第一批经验估计，你以后读到的每一份机构 TCA 报告都在用它的某种形式。

基本想法

假设你决定上午 10:00 买 10000 股苹果，当时价 $100.00。等到你的单完全成交（比如说在接下来 4 小时里），平均成交价是 $100.20，收盘价是 $100.30。

这笔交易总共花了你多少？

天真的答案：每股 $0.20，因为你付了 $100.20 而不是 $100.00。

但这不太对，或者说对得太粗糙。即便你 10:00 就能瞬间全部成交（不可能——你会顶着卖价把点差付掉），价格也照样会在收盘前动到 $100.30。所以那 $0.20 里有一部分只是市场在你执行期间自己动了，不是你的错。天真答案把”你造成的成本”和”市场恰好在动”混在一起了。

Perold 的定义把账算清楚：

IS = 实际成交相对决策那一刻价格的成本。

决策是上午 10:00、价格 $100.00（决策价），你实际成交平均 $100.20，你的 IS 就是每股 $0.20。注意这个数**同时**包含你付的点差和执行期间的价格变动——包括那些因为市场整体新闻、跟你的交易毫无关系的变动。你可能会问：市场自己动的部分凭什么算我头上？答案是：你在 $100.00 识别出了 alpha 并决定交易，最终你拿到的却是 $100.20 的仓位。从组合的角度看，中间丢掉的每一个 bp 都是真实的，不管是谁造成的。决策价捕捉的正是你当初想抓的那个 alpha，所以它是唯一诚实的基准——这就是 Perold 的洞见。执行期间的平均价、当天的 VWAP，都会把这笔账藏起来一部分。

当然，“总共丢了多少”和”分别是谁丢的”是两个问题。IS 先把总数钉死，然后再做归因。

把 IS 拆开

总 IS 可以分解成四个成分。第一个是点差成本：成交价与成交那一刻中间价之差，这是你为即时性付给 dealer 的部分。第二个是市场冲击成本：成交时中间价相对决策时中间价里由你自己的交易推动的那部分。第三个是时机成本（也叫 alpha 衰减成本）：执行期间中间价相对决策价的漂移中不是你造成的那部分——市场自己走的。第四个是机会成本：订单没做完的代价。你打算买 10000 股只成交了 8000，那没成交的 2000 股也有它自己的账，等下单独算。

前三项覆盖已成交的部分。对一笔完全成交的买单，设 $P_d$ 为决策价、 $P_{\text{fill},i}$ 为各笔成交价、 $M_{t_i}$ 为各笔成交时的中间价、 $q_i$ 为第 $i$ 笔成交量，每股 IS 写成：

\text{IS} = \frac{\underbrace{\sum_i q_i (P_{\text{fill},i} - M_{t_i})}_{\text{点差+冲击}} + \underbrace{\sum_i q_i (M_{t_i} - P_d)}_{\text{时机（含冲击的漂移部分）}}}{\sum_i q_i}

（原始文献里这条式子常被写得省略归一化；两个求和都要除以总成交量，否则量纲对不上。）第一个括号抓的是”成交价高出中间价多少”，第二个抓的是”中间价从决策价漂了多少”——后者混着市场漂移和你自己的冲击，要再往下拆需要一个冲击模型，这一点在后面的数值例子里会具体看到。卖出方向全部反号。

决策价、到达价、下单价

上面一直说”决策那一刻”，但决策实际是什么时候发生的？这里有三个候选，实践里经常被混用：

决策价（ $P_d$ ）是组合经理决定买卖那一刻的价格——“真正的”基准，alpha 被识别的那个价位。到达价（ $P_a$ ）是订单到达交易 desk 那一刻的价格，因为通讯有延迟，它可能跟决策价不一样。下单价（ $P_o$ ）则是父单交给 broker 那一刻的价格。

对一个 9:30 做决定、单子 9:35 才到交易员手里的长仓基金， $P_d$ 是 9:30 的价， $P_a$ 是 9:35 的价。如果开盘波动让价格在那 5 分钟里动了 5 bp，这 5 bp 是交易员无论如何避免不了的成本——但它确实是基金付出的成本，应该算进 IS。

实践中多数 TCA 报告用到达价做基准，原因很实际：决策时刻的数据难抓。这背后有个隐式假设——决策价 ≈ 到达价。对慢速的基本面策略这大致成立；对快速变动的策略，这假设会系统性地低估成本。做 TCA 时先问清楚报告用的是哪个价，比看数字本身更重要。顺带一句：算错决策时刻是 IS 实操里最常见的错误——基准要锚到实际决策那一刻，不是你事后记得的时候。

数字长什么样

一只美股大盘股的典型 IS 报告：决策价 $100.00，平均成交 $100.18，总 IS 每股 $0.18，即 18 bp。分解开来，点差成本 1 bp（平均付了半个点差）、市场冲击 8 bp（你的交易推动了价格）、时机成本 9 bp（执行期间价格漂移）。

值得停一下看这组数：你的”真实”成本是 18 bp，尽管点差只有 1 bp。只盯着点差看执行质量的人，会把成本低估一个数量级。而且三个成分里最大的一块（9 bp）是市场漂移——你控制不了它的方向，但你能控制暴露在它面前的时间长短。

对一个更小、更不流动的名字，同样的分解可能给出：点差 5 bp、冲击 30 bp、时机 15 bp，总共 50 bp。$1M 的交易上 50 bp 就是 $5000。不小。

IS vs VWAP：分歧在哪

VWAP 是 IS 最常见的替代品，所以值得正面比一次。IS 度量相对决策价的成本；VWAP 度量相对当日成交量加权平均价的成本。这俩度量的不是同一个东西：

维度	IS	VWAP
基准	决策价	当日 VWAP
它度量什么	交易成本	相对平均参与方的成本
算法能作弊?	不能（基准固定）	能（跟其他算法羊群）
最适合	alpha 驱动的交易	被动流量
标准在	对冲基金	长仓基金

关键分歧在”能不能作弊”这一行。VWAP 基准是被当天所有交易（包括你自己的）共同决定的，一个 VWAP 算法只要跟着大流走就能”跑赢 VWAP”，而这跟你有没有省到钱是两回事。一个具体的陷阱：假设你日内以 VWAP − 5 bp 买入（付得略低于 VWAP）。当日开盘 $100，在$ 99 到 $101 区间波动，收盘 $101.50。你的平均成交比如说 $100.20，而决策价是开盘的 $100.00。那么 IS 是 20 bp——你”跑赢 VWAP” 5 bp，同时跑输 IS 20 bp。

原因不神秘：你没抓到当天的价格上涨。你摊在全天的平均价上成交，而不是把量前置。纯 IS 视角会说：你应该在 $100.00 附近就买进大部分，接受更高的冲击，把价格涨到 $101.50 的 alpha 抓在手里。VWAP 视角对此完全无感——这正是 alpha 驱动的交易不该用 VWAP 考核的原因。

Perold 的原始框架

回到 1988 年的原始表述。Perold 把 IS 写成一个账面与现实的对照：

\text{IS} = \text{Paper return} - \text{Actual return}

账面回报是假想你能在决策价瞬间、零成本成交时组合会赚到的回报；实际回报是组合真实赚到的，含全部执行成本和机会成本。账面高出实际的部分，就是你的 IS 损失。这个表述的好处是天然完备：任何形式的执行摩擦——已成交部分的价差与冲击、决策到开始执行之间的延迟、没成交部分错过的行情——都会自动落在账面与实际的差里，一个都藏不住。Perold 用这个框架指出，换手频繁的主动管理组合，一年下来 IS 可以累积到组合回报的百分之几——具体数字随换手率和市场而变，但量级足以吃掉很多策略账面上的超额收益；交易不频繁的长仓共同基金则低得多。

现代算法：一条公式加一笔机会成本

现代 TCA 里的标准公式是 Perold 框架的直接操作化：

\text{IS} = \frac{P_{\text{avg fill}} - P_{\text{decision}}}{P_{\text{decision}}} \cdot \text{sign}

sign 买入取 +1、卖出取 −1。这样约定之后，IS > 0 永远表示成本：买入时是你付得比决策价多，卖出时是你收得比决策价少。报告里符号习惯一旦定了就别换——买卖混用符号是 TCA 报告里第二常见的错误。

乘以父单规模得到美元 IS：

\text{IS}_{\$} = Q \cdot \frac{P_{\text{avg fill}} - P_d}{P_d} \cdot \text{sign}

部分成交时按成交量加权。但只对已成交部分算 IS 是不够的——没成交的部分有自己的账。你决定买 10000 股，最后只买到 8000（也许因为价格跑了），那 2000 股的机会成本是：

\text{Opportunity cost} = Q_{\text{missed}} \cdot (P_{\text{close}} - P_d) / P_d \cdot \text{sign}

买入而价格往上跑，机会成本为正（你丢了那段行情）；卖出而价格往下跑，同样为正。具体算一笔：你以平均 $100.20 买了 8000 股，错过的 2000 股按收盘价 $100.50 记账，那么已成交部分 8000 × ( $100.20 −$ 100.00) = $1600，错过部分 2000 × ($100.50 − $100.00) =$ 1000，总 IS $2600——对应全部 10000 股是 26 bp。错过的两成股数贡献了近四成的总成本。

这笔账解释了执行算法的核心权衡：激进成交，冲击高但机会成本低；被动成交，冲击低但机会成本高。一个成交率只有 50% 的策略，光看已成交部分的 IS 会显得很漂亮——机会成本全被藏起来了。所以规矩是：永远对全部父单算 IS，包括未成交部分。至于这个权衡怎么解到最优，Almgren-Chriss（第 9 篇）给了正式框架。

一个算到底的数值例子

假设你决定上午 10:00 以 $410.00 买 50000 股 MSFT。你的算法在 90 分钟内执行：

时间	股数	成交价	成交时中间价
10:05	5,000	$410.10	$410.08
10:15	5,000	$410.15	$410.12
10:30	10,000	$410.20	$410.18
10:50	15,000	$410.35	$410.32
11:00	15,000	$410.50	$410.48

成交量加权平均成交价是 $410.32。总 IS 直接可得：($410.32 − $410.00) /$ 410.00 = +7.8 bp。

分解按前面那条公式走。点差成本是各笔”成交价 − 中间价”的量加权平均：(0.02×5000 + 0.03×5000 + 0.02×10000 + 0.03×15000 + 0.02×15000) / 50000 = $0.024 每股，除以 $410 约合 0.6 bp。剩下的部分是中间价漂移：量加权平均中间价约 $410.296，相对决策价 $410.00 漂了 $0.296，约合 7.2 bp。两块加起来 0.6 + 7.2 = 7.8 bp，和总 IS 严丝合缝——这个自洽是应该的，因为分解只是把同一个差价换了个切法。

难的一步在最后：那 7.2 bp 的漂移里，多少是你自己的冲击、多少是市场本来就要走的？这没法从成交记录里直接读出来——你需要把实际价格路径跟”没有你交易时会观察到的路径”比。回测里反事实路径是现成的；实盘里只能靠冲击模型估。假如模型说冲击是 4 bp，那时机成本就是剩下的 3.2 bp。点差和总数是硬数字，冲击和时机的分界线是模型给的——读 TCA 报告时记住这条区别。

不同策略的 IS 长得完全不一样

策略	典型 IS（bp）	备注
高频做市	1–5	快速反转头寸
股票统计套利	5–15	快，alpha 丰富信号
多空股票	15–30	信号慢，订单大
长仓基本面	30–100	不太急，规模大
养老金再平衡	50–200	体量大，紧急度低
指数纳入 / 再平衡	100–500	强制交易，规模很大

这张表有个乍看反直觉的规律：alpha 信号越强，IS 反而越低。原因是强信号的交易员真的在乎每个 bp——他们愿意付更高的冲击换更快的成交，因为 alpha 明摆着超过成本。一家信号强的对冲基金 IS 可能 10 bp，其中 8 bp 是主动付出去的冲击。信号弱或者没信号的养老金反过来：慢慢成交省冲击，把机会成本吃满，IS 落在 50 bp 往上。

这也意味着 IS 数字绝不能跨策略比。30 bp 对高频策略是灾难，对长仓策略是好成绩。同理，波动大的市况下 IS 天然更高，跨时期比较要按波动率归一化。IS 是策略内部、同类市况下的度量。

IS 前沿

上面反复出现的”快 vs 慢”权衡可以画成一条前沿，跟 Almgren-Chriss 的均值-方差前沿是一个思路。对一笔给定父单，改变执行速度，得到（期望 IS，IS 方差）平面上的一条曲线：快速执行（比如 30 分钟）落在高冲击、低方差、低机会成本的一端；慢速执行（比如全天）落在低冲击、高方差、高机会成本的一端。前沿是凸的，你按自己的 alpha 强度和风险容忍度在上面挑一个点。Harris 第 21 章有概念图，Almgren-Chriss（第 9 篇）是正式版本。

Arithmion 中的实现

arithmion.tca.ImplementationShortfall 算总 IS（bp 和美元）、成分分解（点差、冲击、时机、机会）、逐笔归因、相对 VWAP/TWAP/收盘价等基准的对比，以及滑点分析。样例报告：

Implementation Shortfall 报告
═══════════════════════════════════════════
订单:           买 100,000 AAPL
决策时间:   2025-06-15 09:30:00
决策价:    $182.45
已成交:        100,000 股
平均成交价:  $182.78
总 IS:        +18 bp  ($33,000)

成分分解:
  点差成本:        +2 bp
  市场冲击:     +10 bp
  时机成本:       +6 bp
  机会成本:   0 bp

基准比较:
  vs 到达价:    +18 bp
  vs VWAP:       +11 bp
  vs 收盘价:      -8 bp（比收盘好 8 bp）

Arithmion 也能生成周期汇总（每日、每月等）做绩效审查。如果你在 Arithmion 里回测执行算法，IS 就是主度量：回测报告应该看每个父单的平均 IS、IS 标准差、成分分解、按情景（波动率、时段）切片，以及跟 Almgren-Chriss 最优的对比。最后这项是个很好的体检：如果你回测出的 IS 显著好于 Almgren-Chriss 的理论最优，你的模型错了——要么假设不现实，要么你偷用了实时拿不到的信息。

何时 IS 不是对的尺子

IS 的立足点是”决策那一刻存在一个 alpha 价格”。这个前提不成立时，IS 就不是对的度量。被动指数基金的再平衡交易没有 alpha 决策，IS 会很高但不可避免——用相对指数的跟踪误差更合理。跨多天的超长水平期交易里机会成本主导一切，分解方式要换。对 dealer 报价成交的大宗和 RFQ 交易，“决策价”干脆不存在，拿你收到的报价当基准。除这几类之外，对多数日内执行的主动策略，IS 就是对的度量。

Perold 那篇论文的标题叫 “Paper Versus Reality”——账面对现实。这五个词概括了整个主题：你的回测、你的模型组合，都是账面；IS 是账面和现实之间那道缝的宽度。Harris 第 21 章把它放进更大的流动性度量框架里，Berkowitz-Logue-Noser (1988) 用 NYSE 数据第一次量出了这道缝有多宽，Kissell-Glantz-Malamut (2003) 则把它接到了最优执行的工程实践上。往下读，Almgren-Chriss（第 9 篇）讲怎么把这道缝收窄。

参考文献

Harris, L. Trading and Exchanges: Market Microstructure for Practitioners. Oxford University Press, 2003. 第 21 章（流动性和交易成本度量）。ISBN: 978-0-19-514470-3.
Perold, A. “The Implementation Shortfall: Paper Versus Reality.” Journal of Portfolio Management, 1988.
Berkowitz, S., Logue, D., Noser, J. “The Total Cost of Transactions on the NYSE.” Journal of Finance, 1988.
Kissell, R., Glantz, M., Malamut, R. “A Practical Framework for Estimating Transaction Costs and Developing Optimal Trading Portfolios.” Journal of Trading, 2003.