VWAP 和 TWAP 执行算法：它们怎么工作，什么时候失效

VWAP 和 TWAP 是行业里用得最多的两个执行算法，也是被误解最多的。这篇从基准定义讲到成交量预测，再把四种失败方式一个个拆开：羊群、错预测、被检测、丢 alpha。

第 12 篇 · 共 12 篇约 8 分钟

如果你在机构交易 desk 周围待过，你会听到 VWAP 和 TWAP 被念叨得跟魔法咒语一样。它们不是魔法，是把父单切成子单、摊到时间上去成交的简单算法。但这里藏着一个值得琢磨的问题：这两个算法的目标不过是”成交在平均价附近”——听起来谦虚得不能再谦虚——为什么还是有那么多种方式把它搞砸？这篇文章就沿着这个问题走：先讲清两个基准是什么，再讲算法怎么追它们，最后把四种失败方式一个个拆开。

Harris 在第 21 章讨论执行基准和交易成本度量；实战派文献（Kissell, Glantz, Malamut; Berkowitz, Logue, Noser, 1988; Perold, 1988）有更多。

两个基准

VWAP = Volume-Weighted Average Price，成交量加权平均价：

\text{VWAP}_T = \frac{\sum_{t=1}^{T} P_t \cdot V_t}{\sum_{t=1}^{T} V_t}

其中 $P_t$ 是 $t$ 时刻的成交价， $V_t$ 是 $t$ 时刻的成交量。它是这段时间里”市场平均参与者”实际拿到的价。对你的父单，同样水平期内你自己的成交均价是：

\text{VWAP}_{\text{your fills}} = \frac{\sum_{i \in \text{fills}} P_i \cdot Q_i}{\sum_i Q_i}

两者的差就是执行质量：

\text{VWAP slippage} = \text{VWAP}_{\text{your fills}} - \text{VWAP}_{\text{market}}

买入时正滑点意味着你付得比市场平均贵，卖出时正滑点意味着你拿得比市场平均少（符号习惯各家不同）。VWAP 算法就是试图把这个差压到零的算法：预测当天的日内成交量曲线，把父单切成子单、让累计成交跟着预测曲线走，每个区间发一笔。做到了，你的成交价就贴着市场 VWAP，相对平均参与者不多付也不少付。

TWAP = Time-Weighted Average Price，时间加权平均价，把成交量从定义里整个拿掉：

\text{TWAP}_T = \frac{1}{T} \sum_{t=1}^{T} P_t

TWAP 算法相应地也简单粗暴：等大小的子单、等时间间隔地发。100 万股要在 4 个小时内出完，就是每小时 25 万股；按分钟切就是 240 笔等量子单，一分钟一笔。TWAP 不看成交量，只看钟。

为什么按成交量走通常更好

两者的差别在成交量分布不均匀的市场里立刻显形。股票的日内成交量典型长这样：

时段	占日成交量比例
开盘 (9:30)	8%
早盘	5%
午盘	3%
下午	4%
收盘 (16:00)	10%

在这样的市场里跑 TWAP，你每小时机械地出 1/6.5 的量——于是你在成交量最稀薄的午盘大量成交，在成交量最厚的开盘和收盘反而欠成。跑 VWAP 则反过来：头 30 分钟出 8%、午盘只出 3%、尾盘出 10%，执行集中在流动性最深的时候。深流动性意味着两件事：每股冲击更小（量大 = 有人接），以及你不再是稀薄午盘流量里的大头、推动价格的风险更低。所以在普通日子里，VWAP 算法的执行成本一般低于 TWAP 算法——差多少取决于资产的成交量曲线有多不均匀和你的单有多大，别把任何一份 TCA 报告里的均值当常数用。

那 TWAP 为什么还活着

既然 VWAP 在期望上更好，TWAP 凭什么没被淘汰？三个诚实的理由。第一，它简单：不需要预测成交量，切完就发，出错的环节少。第二，有些市场根本没有可用的成交量数据——新上市的品种、薄交易的债券 ETF、某些山寨币，历史成交量模式要么不存在要么不可信，而 TWAP 对任何有报价的资产都能跑。第三，当你的真实约束是时间而不是成本——“这单必须在截止时间前匀速出完”——TWAP 的匀速本身就是你要的性质。

但要诚实就得把代价也摆出来：TWAP 的规律性是它最大的弱点。等间隔、等大小的子单是全市场最容易被识别的模式，这一点我们到失败方式三再细算。

VWAP 的前提：预测成交量

VWAP 算法的一切建立在一个预测上。标准方法是历史日内成交量分布：对每个资产，用过去 20–60 天的数据算出每个 5 分钟或 30 分钟桶平均占日成交量的比例，拿它当预测。一个简单模型：

\hat{V}_t = V_{\text{day}} \cdot \frac{\bar{V}_t}{\bar{V}_{\text{day}}}

其中 $\bar{V}_t$ 是桶 $t$ 的历史平均成交量， $V_{\text{day}}$ 是预测的总日成交量——后者也得预测，常见做法从”等于昨天”到”最近 5 天或 20 天均值”再到按财报、宏观发布日调整，复杂度自选。实操上大多是混合方案：60 天历史平均做基础曲线，向最近的日子指数加权，事件日人工覆盖。更讲究的还会分情景（高波动、低波动、财报后、FOMC 日）备不同曲线，或者用市场总成交量加资产 beta 的横截面模型——但方法越花哨越容易把噪音当信号，基础款反而稳。

幸运的是，这个预测问题比大多数金融预测问题善良：日内成交量模式非常稳定。美股大盘股的 U 形——开盘高、午盘低、收盘高——是全球股票市场共同的规律：

日成交量按时间桶的比例（风格化示意）
9:30-10:00  ████████ 8%
10:00-11:00 ███ 3%
11:00-12:00 ██ 2.5%
12:00-13:00 ██ 2%
13:00-14:00 ██ 2.5%
14:00-15:00 ███ 3%
15:00-16:00 ████████ 9%

头 30 分钟加尾盘一小时合计约 17%，午盘四个小时合计才约 10%。加密的曲线平得多——比特币 24 小时交易，成交量在全天更均匀，美欧交易时段略有峰；期货的曲线则在开盘、宏观发布（CPI、FOMC）和收盘处有尖峰。算法必须适应资产各自的曲线，这也是前面那句话的另一面：均匀的 TWAP 对 U 形的股票成交量注定次优。Harris 第 21 章有讨论，Kissell 和 Glantz 的书覆盖实现细节。

四种失败方式

机制清楚了，回到开头的问题：这么谦虚的目标怎么还能搞砸？四种方式，一种比一种隐蔽。

第一种：你追的基准会被你们自己毁掉。 VWAP 算法的设计目标是贴住 VWAP，而当足够多的参与方都在跑 VWAP 算法时，他们全在同一时间按同一条成交量曲线成交——羊群。结果是日内成交量模式被进一步放大（开盘收盘相对午盘更突出），所有人的执行成本一起上升。这是个协调博弈：个体理性，整体次优。也正因为如此，一些机构客户干脆放弃 VWAP、改要 IS（implementation shortfall） 基准——IS 度量相对到达价（你决定交易那一刻的价格）的成本，不是相对平均价，算法没法靠跟别的算法扎堆来把它刷好看。

第二种：预测错了。 实际成交量偏离预测，你的 VWAP 算法就跟市场错位。预测太低，你相对实际流量出得太猛，自己推价格；预测太高，你出得太磨蹭、落后于节奏，最后在收盘附近把剩余规模匆匆砸出去、付高冲击——这个”尾盘赶工”是实践里最常见的死法。解药是把节奏做成自适应的：不锁死开盘定的时间表，日内根据实际成交量滚动调整，实际量跑在预测前面就加快、落后就放慢，目标从”贴住预测”换成”贴住实际的市场 VWAP”。在有意外的日子（宏观发布、财报意外、成交量尖峰）里，这一条是静态节奏和可用执行之间的分界线。

第三种：算法暴露了自己。 机械的算法——固定 5 分钟间隔、固定子单大小——在成交数据上留下的统计模式，检测起来并不难。一旦被识别，对手方（尤其是 HFT 做市商）就抢在你的下一笔子单前面成交，你为每一笔多付一点。这正是 TWAP 规律性的账单到期的地方。对策是往子单的大小和时机里注入随机性：每笔子单在节奏量的 80% 到 120% 之间浮动、发送带小随机延迟、市价单和被动限价单混着用。隐身不是免费的——你牺牲了节奏一致性，市场走势不利时可能更多地在坏价位成交——它买到的是更少的信息泄露。这笔账划不划算，取决于你的单有多大、多频繁，以及对手有多用心。

第四种：没有失败，但你本不该跑它。 VWAP 和 TWAP 都是被动基准，前提假设是你对未来价格没有看法。如果你有 alpha——你知道股票下一小时要涨——那么全天匀速买入就是把钱留在桌上：正确做法是前置成交、付高冲击、抓住 alpha。IS 基准和 IS 算法就是为这种流量生的：因为成本锚定在到达价上，IS 算法典型地开头激进、结尾被动。这不是 VWAP 的 bug，是适用范围的边界：无 alpha 的调仓、指数化流量用 VWAP，有 alpha 的流量用 IS。

何时用哪个

把上面的推理压成一张速查表：

情况	用
无 alpha，想最小化冲击	VWAP
无 alpha，成交量数据不可得	TWAP
有 alpha，想抓它	IS
订单相对日成交量很小	VWAP 或市价单
大订单，必须今天完成	VWAP 加上自适应 IS 叠加
订单必须匀速出到截止时间	TWAP 加上截止时间强制
高度流动，预期低冲击	VWAP
不流动，难预测	TWAP

两点补充。其一，表里没有的情况：极不流动的名字上，任何节奏一致性都是幻觉，老老实实用小切片慢慢磨，别指望算法。其二，真正的硬时间压力（上午 11 点前必须完成）本质上是高紧急度问题，答案更接近前置的 IS 而不是任何被动节奏——匀速的 TWAP 只在”匀速本身就是需求”时才是答案。

最后一个提醒关于记分方式。“跑赢了 VWAP 2 bp”是一句信息量很低的话，因为 VWAP 滑点只是账单的一部分：日内价格朝你有利方向走时你没全抓到的机会成本、模式被检测造成的泄露、每笔子单付掉的半个价差、执行时机导致的账面与实现盈亏之差——这些都不在那 2 bp 里。完整的 TCA（交易成本分析）要把它们全摆上桌。永远对自己的执行跑 TCA；单看 VWAP 滑点会让一个昂贵的执行看起来很便宜。

Python 实现

节奏生成本身只有几行：

import numpy as np
import pandas as pd

def vwap_schedule(Q, forecast_volume, n_periods=13):
    """
    按预测成交量曲线把父单 Q 切成 n_periods 段。
    forecast_volume: 长度 n_periods 数组，每个周期的日成交量百分比。
    返回：每个周期的子单大小数组。
    """
    curve = np.array(forecast_volume) / np.sum(forecast_volume)
    return Q * curve


# 玩具：买 100 万股，U 形成交量曲线
forecast = np.array([8, 3, 2.5, 2, 2.5, 3, 9])  # 7 个半小时周期
sizes = vwap_schedule(1_000_000, forecast, n_periods=7)
print(pd.Series(sizes, index=[f"period_{i}" for i in range(7)]).round(-2))

TWAP 就是把 forecast_volume 换成全 1。真正的工程量不在这几行里，而在它周围：成交量预测、自适应调整、随机化、TCA 回路。参数选择上的常识是：预测用 20–60 天历史（更老的数据未必反映当前模式）；桶用 5 或 15 分钟（更细的桶更精确也更受噪音）；TWAP 切片 12–60 笔（更多更平滑，也更可检测）。

出处订正与去处

最后交代一下文献脉络，因为这里有个常被搞混的地方。用 VWAP 做执行基准的思路出自 Berkowitz、Logue 和 Noser (1988) 对 NYSE 交易总成本的研究；而 implementation shortfall 的开创论文是 Perold (1988)——“纸面组合与真实组合之差”这个框架就是他提出的。两篇同年，各开一路：一路以市场平均价为锚，一路以决策时点价格为锚。这篇文章讲的四种失败方式，本质上就是从第一路的锚点缺陷一步步走到第二路的过程。工程化的成本估计和最优执行组合的框架，见 Kissell 和 Glantz 的《Optimal Trading Strategies》。

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.
Berkowitz, S., Logue, D., Noser, J. “The Total Cost of Transactions on the NYSE.” Journal of Finance, 1988.
Kissell, R., Glantz, M. Optimal Trading Strategies: Quantitative Approaches for Managing Market Impact and Trading Risk. AMACOM, 2003.
Perold, A. “The Implementation Shortfall: Paper Versus Reality.” Journal of Portfolio Management, 1988.