> For the complete documentation index, see [llms.txt](https://quantumexecute.gitbook.io/quantumexecute/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://quantumexecute.gitbook.io/quantumexecute/cn/start_guide/ce-le-shi-yong-shou-ce.md).

# 策略使用手册

### **1. Smart TWAP/VWAP 算法**

概述：Smart TWAP/VWAP 算法适用于需要在限定时间内执行大额交易且希望尽可能降低市场冲击的场景。其目标是在跟踪传统 TWAP/VWAP 基准的同时，将执行成本降至更低。换言之，该算法努力以接近时间加权/量加权平均价的价格完成大额交易，但比简单平均拆单策略取得更优的成交效果。

**核心特点：**

* 智能拆单与隐藏意图：算法将大额订单拆分为更小的子单，以避免一次性大额成交造成的市场冲击。同时，通过随机化拆单的时间间隔和每笔子单的数量，掩盖真实的交易意图，降低被市场参与者察觉后产生不利价格变动的风险。
* 高被动成交率：Smart TWAP/VWAP 会智能判断市场流动性，当流动性充足时优先挂出被动单（Maker）以获取更低的交易费用。通过提高被动成交占比，策略在降低成本的同时仍能保证在设定时间内完成交易任务。
* 微观结构分析与动态调整：算法内置市场微观结构分析和轻量级 Alpha 信号，根据市场即时行情在用户设定的容忍范围内动态调整挂单价格和频率。当市场活跃时，算法可能加快执行节奏，市场冷清时则放缓，以尽量减少冲击和滑点。

**使用场景：适用于主流币种的大额买入或卖出执行，例如基金在单日内完成大额建仓或清仓，同时对市场冲击有严格控制要求的情形。Smart TWAP/VWAP 通常被上市公司回购/减持**、大型基金**建仓/平仓**等需求所采用，可帮助这类交易在限定时间内完成且取得优于简单 TWAP 策略的执行质量。

### **2. POV 算法 (Participation of Volume)**

概述：POV 算法（Volume参与度算法）适用于目标交易资产流动性相对有限、或交易量极大的情形。通过将执行节奏直接与市场成交量挂钩，POV 实时监测市场成交量并按设定的参与比例进行挂单或吃单，使成交量与市场保持同步。算法在执行过程中对每笔子订单的大小和时间进行随机化，从而隐蔽大额交易意图，最大程度减少市场冲击和滑点。

**核心特点：**

* 参与率可定制：用户可设定算法参与市场成交量的比例上限和下限，即算法仅按一定比例跟随市场成交。通过该参数，交易者可以灵活控制执行速度，保证不会因为过低参与率导致交易无法完成，也不会因为参与过度对市场造成冲击。
* 跟随市场流动性：算法根据实时流动性调整执行节奏：当市场流动性充裕时，优先以被动挂单执行，从容获取成交；当市场流动性不足时，算法自动放慢执行速度，避免因为强行成交而推高冲击成本。
* 隐蔽智能执行：POV 将大单拆分为随机的小额子单分批执行，避免整笔大单直接出现导致交易意图暴露。这种隐蔽执行方式配合随机化手段，使得市场其他参与者难以察觉背后的大额交易，从而降低了潜在的市场影响。

**使用场景：适用于在流动性欠佳**的币种或交易对上执行较大规模交易。例如，小市值代币的大额买卖、或市场深度较浅时需要逐步建仓的情形。通过 POV，交易者可以确保按照预期的参与率完成交易，同时将市场冲击控制在可接受范围内。

### **3. Arrival Price 算法 (实现价/到达价算法)**

**概述：Arrival Price 算法（又称 *****Implementation Shortfall***** 实现差算法）旨在将交易执行价格与下单时刻的市场价格（即“到达价”）之间的差距降至最低。它通过主动择时，在尽量减少市场冲击的同时又不错失有利时机，努力将每笔交易的机会成本**（即因为等待或延迟执行导致价格偏离的损失）最小化。简而言之，Arrival Price 算法追求在关键时间点以最接近当时市场价格的成本完成交易。

**核心特点：**

* Alpha 驱动的动态执行：该算法融合高频 Alpha 信号和流动性信号，对市场买卖时机和执行力度进行实时评估。根据预测信号强弱，算法动态调整执行节奏：当预期行情有利时，算法可能暂缓执行以等待更好价格；当检测到对手方出现大额挂单等有利成交机会时，算法会迅速执行以锁定理想价格。
* **机会成本最小化：通过上述动态择时机制，Arrival Price 算法在控制冲击成本的同时，将延迟执行的机会成本降到最低。在理想情况下，算法可能在发现市场利好时推迟成交以获取更优价格，或者在发现大的成交机会时果断成交，从而降低总体执行成本**，甚至实现比基准价更有利的成交价格。
* **更好的成本控制：相比被动按TWAP节奏机械执行，Arrival Price 算法主动权更高，使交易者在有利行情中捕捉额外收益**，即当市场朝有利方向移动时可能反而因算法执行而获得正滑点（收益）。因此，在某些情形下，交易的最终成本可能低于按 TWAP/VWAP 基准执行的成本。

**使用场景：适用于绩效要求高**且**时机敏感**的大额交易。例如，量化基金和机构投资者需要精细控制投资组合执行成本的情形；又或者在重大事件（如财报公布、宏观数据发布等）前后进行大额买入/卖出，希望在尽量减小市场冲击的同时及时完成交易。该算法帮助用户在关键时刻尽可能接近理想价完成交易，因此常用于**事件驱动**策略的执行。

### **4. Alpha 增强算法 (Alpha-enhanced Execution)**

**概述：**Alpha 增强算法属于主动执行算法的一种，通过高度灵活的参数定制和预测信号融合，在无固定基准的前提下择机执行交易，从而最大化捕捉潜在 Alpha（超额收益）并最小化执行成本。该算法特别适合拥有自身短线预测信号或模型的量化机构，在执行交易时结合信号强度调整执行计划。例如，在市场趋势明显时更积极地执行，而在信号疲弱或不确定时降低执行力度。实盘结果表明，在预测信号强的市场条件下，Alpha 增强算法有机会获得额外 5–15 个基点 (bps) 的收益。

**核心特点：**

* 执行参数灵活定制：算法支持根据策略需求自定义多种执行参数，包括拆单粒度、目标参与率、执行时长等。用户可以利用内置的模拟回测环境对参数进行调优，以选择出最适合自身策略的执行配置。这种高度可定制性确保算法能匹配特定策略的交易特征。
* 叠加 Alpha 信号：平台内置了多品种的 Alpha 信号库，可针对不同币种或交易对评估信号强度并分级。Alpha 增强算法能够将用户自有的预测信号与平台信号库相结合，动态调整各品种的执行力度。平台还会向用户提供信号质量的可视化反馈，帮助优化交易决策。
* 主动择机执行：Alpha 增强算法不受限于固定时间或数量基准，可以根据实时的 Alpha 机会与市场冲击成本进行平衡来决定执行策略。当信号指示有显著收益机会且额外冲击成本可接受时，算法将积极执行；反之则保持耐心。通过这种主动择机机制，算法努力在保障低执行成本的前提下，抓住每一个有利的市场机会。

**使用场景：Alpha 增强算法通常供高级量化机构**使用，尤其适合以下两类场景：

* *策略 Alpha 底仓增强：* 在日内或多日的 Alpha 策略交易中，算法根据信号强度对底仓进行T+0套利或调整，以增加收益。
* *多品种策略交易：* 针对同时交易多个币种/交易对的策略，由于不同品种的流动性和信号质量不同，Alpha 增强算法可按照各品种评分动态分配执行力度，在整体上优化组合执行效果。