第 02 课：金融市场与交易基础

如果你的 Agent 不懂订单簿、滑点和市场冲击，它就只是一个会写作文的机器。

一个昂贵的教训

一位量化新手开发了一个看起来很赚钱的策略：回测年化收益 80%，夏普比率 2.0。他兴奋地开始实盘。

第一周，策略信号说"买入 10,000 股某中小市值股票 XYZ"（日均成交量约 50 万股），他用市价单照做了。回测预期成本是 $250,000（$25 × 10,000 股）。

实际成交价？$253,500。

他亏了 $3,500 还没开始赚钱。

发生了什么？

滑点：他的市价单"吃掉"了订单簿上的多档报价，均价比预期高了 $0.30/股（滑点成本 $3,000）
手续费：佣金 + SEC 费用 ≈ $50
市场冲击：他的大单占日均成交量的 2%，引起了其他交易者的注意，价格被进一步抬高（额外成本 ~$450）

三个月后，策略的实盘收益比回测低了 40%。不是策略不好——是他没算对成本。

教训：流动性差的标的 + 大订单 = 滑点放大。这就是为什么专业量化会把订单拆成小单执行。

这一课的目标：让你的 Agent 理解真实市场是如何运作的，避免这种"回测赚钱、实盘亏钱"的惨剧。

2.1 市场类型

不同市场的特点

市场	交易时间	杠杆	做空	适合策略
股票	A股 9:30-11:30, 13:00-15:00；美股 9:30-16:00 ET	融资融券有限	受限	多因子、事件驱动
期货	接近 24 小时	高（5-20倍）	天然支持	CTA、套利
外汇	24 小时（周末除外）	受监管限制（美国≤50:1，欧盟≤30:1）	天然支持	趋势跟随、套息
加密货币	7×24 小时	交易所自定（1-100倍）	天然支持	高频、跨所套利

注意：外汇杠杆在 2018 年后受到严格监管——美国 NFA 限制为 50:1（主要货币对），欧盟 ESMA 限制为 30:1。离岸经纪商可能提供更高杠杆，但风险和监管保护都不同。

对 Agent 的影响：

加密货币 7×24 → Agent 必须全天候运行，需要更强的自动化
期货高杠杆 → Risk Agent 的止损逻辑必须更严格
A股 T+1（普通股票当日买入次日才能卖，部分 ETF 除外）→ Execution Agent 需要考虑隔夜风险

一级市场 vs 二级市场

	一级市场	二级市场
定义	公司首次发行证券（IPO、增发）	投资者之间买卖已发行证券
参与者	机构为主、散户打新	所有投资者
量化机会	打新策略、定增套利	绝大多数量化策略

本课程聚焦二级市场——这是量化交易的主战场。

交易所与撮合机制

不管是美股、A股还是加密货币，交易最终都汇聚到撮合引擎 (Matching Engine)。

交易所不是你的对手盘，它只是"媒婆"，通过规则撮合买卖双方：

撮合规则（大多数交易所）：
1. 价格优先：出价高的买单优先成交
2. 时间优先：同价格下，先到的订单优先成交

多智能体视角：

Execution Agent：必须熟悉撮合逻辑，决定用市价单还是限价单
Research Agent：通过成交数据识别大资金流向

2.2 交易的基本单位

标的 (Asset)

标的是你交易的对象。不同标的有不同的代码规范：

市场	标的示例	代码格式
A股	贵州茅台	600519.SH
美股	Apple	AAPL
加密货币	比特币	BTC/USDT
期货	沪深300股指期货	IF2401

时间尺度：Tick → K线

量化系统处理数据时，有不同的颗粒度：

Tick 数据（最细）
    ↓ 聚合
分钟 K 线（1min, 5min, 15min）
    ↓ 聚合
日线 / 周线 / 月线（最粗）

Tick 数据：每一笔成交、每一档报价的变化。高频策略必需，存储成本高。

OHLCV (K线)：将 Tick 聚合后的标准格式：

Open (开盘价)
High (最高价)
Low (最低价)
Close (收盘价)
Volume (成交量)

订单簿 (Order Book)

订单簿显示市场"深度"——在不同价格上有多少人在排队：

Spread (买卖价差) = Best Ask - Best Bid = $185.01 - $184.99 = $0.02

价差越小 → 流动性越好 → 交易成本越低
价差越大 → 流动性越差 → 滑点风险越高

2.3 交易成本的真实影响

回测年化 50%，实盘亏钱？交易成本是罪魁祸首。

滑点 (Slippage)

回测假设你能以最优价买入，但实盘时：

你要买 1000 股 AAPL，订单簿如下：
  $185.01 - 200 股  ← 你先吃掉这 200 股
  $185.05 - 500 股  ← 再吃掉这 500 股
  $185.10 - 300 股  ← 最后吃掉这 300 股

实际均价 = (185.01×200 + 185.05×500 + 185.10×300) / 1000 = $185.057
预期价格 = $185.01
滑点 = $0.047 / 股 = 总计 $47

手续费：累积效应

看似微小的手续费，高频交易会被放大：

# 假设每笔交易手续费 0.1%，本金 $100,000
fee_rate = 0.001
principal = 100_000
trade_size = 10_000  # 每笔交易 $10,000（本金的 10%）
trades_per_day = 50  # 每天 50 笔交易
trading_days = 250

# 年化手续费成本（相对本金）
daily_fee = fee_rate * trade_size * trades_per_day  # 每天手续费
annual_fee = daily_fee * trading_days  # 年化总手续费
annual_fee_rate = annual_fee / principal
print(f"年化手续费成本: {annual_fee_rate:.1%}")  # 输出: 125.0%

年化 125% 的手续费成本——这意味着你的策略年化收益必须超过 125% 才能盈利！这就是为什么高频策略对手续费极其敏感。

关键洞察：0.1% 的手续费看似微小，但 50 笔/天 × 250 天 = 12,500 笔交易，累积效应惊人。

市场冲击 (Market Impact)

你的大单本身会改变市场。平方根定律估算：

市场冲击 ≈ Y × σ × √(Q/V)

Y = 常数（通常 0.5-1.0）
σ = 日波动率
Q = 你的下单量
V = 日均成交量

def estimate_market_impact(order_size, daily_volume, daily_volatility, Y=0.5):
    """估算市场冲击成本"""
    participation = order_size / daily_volume
    impact = Y * daily_volatility * (participation ** 0.5)
    return impact

# 示例：买入占日均成交量 1% 的订单
impact = estimate_market_impact(
    order_size=1_000_000,
    daily_volume=100_000_000,
    daily_volatility=0.02
)
print(f"预估市场冲击: {impact:.2%}")  # 输出: 0.10%

成本汇总

成本类型	典型范围	谁最受影响
滑点	0.01% - 0.5%	大单、低流动性标的
手续费	0.01% - 0.1% / 笔	高频策略
市场冲击	0.05% - 1%+	大资金、小市值标的

多智能体视角：Execution Agent 的核心职责就是最小化这三项成本。

📝 纸上练习：你的策略真的赚钱吗？

场景：你开发了一个美股日内策略，回测参数如下：

参数	数值
策略本金	$100,000
回测年化收益	35%
平均每日交易次数	20 次（买入+卖出各算一次）
平均每笔交易金额	$50,000（本金的 50%）
券商佣金	$0 (免佣券商，但有 PFOF)
SEC 费用	0.00278% (卖出时，2024 年费率)
平均滑点	0.03%
交易天数	252 天/年

提示：注意单笔交易额 $50,000 占本金 $100,000 的 50%——这意味着策略使用了相当大的仓位。

问题：考虑交易成本后，实盘年化收益会是多少？

逐步计算：

Step 1: 计算单笔交易成本

单笔滑点成本 = $50,000 × 0.03% = $____
单笔 SEC 费用 = $50,000 × 0.00278% = $____（仅卖出）

Step 2: 计算日均成本

日均滑点 = $____ × 20 次 = $____
日均 SEC = $____ × 10 次（卖出） = $____
日均总成本 = $____

Step 3: 计算年化成本

年化成本 = $____ × 252 天 = $____
交易总额 = $50,000 × 20 × 252 = $252,000,000
年化成本率 = $____ / $252,000,000 = ____%

Step 4: 计算实盘收益

实盘年化收益 = 35% - ____% = ____%

答案（先自己算，再对照）：

点击展开答案

关键概念澄清：

本金：你投入的资金，如 $100,000
单笔交易额：每次买卖的金额，如 $50,000
总交易额：单笔 × 交易次数 × 天数（含杠杆和换手影响）
换手率：总交易额 ÷ 本金，表示资金周转次数

计算过程：

单笔滑点 = $50,000 × 0.03% = $15
单笔 SEC = $50,000 × 0.00278% = $1.39
日均滑点 = $15 × 20 = $300
日均 SEC = $1.39 × 10 = $13.9
日均总成本 = $313.9
年化总成本 = $313.9 × 252 = $79,103

成本率的两种计算（容易混淆！）：

计算方式	公式	结果	含义
相对总交易额	$79,103 ÷ $252,000,000	0.031%	每笔交易的成本占比
相对本金	$79,103 ÷ $100,000	79.1%	成本侵蚀了多少本金

其中：年化总交易额 = $50,000 × 20次 × 252天 = $252,000,000（换手率 = 2520 倍！）

最终答案：

如果策略本金是 $100,000：
年化成本 相对本金 = $79,103 / $100,000 = 79.1%
实盘年化收益 = 35% - 79.1% = -44.1%

结论：这个策略实盘会大亏！ 回测时忽略的 0.03% 滑点（相对交易额很小），在高换手率下累积成 79%（相对本金）的致命伤。

反思问题：

如果滑点降到 0.01%，策略还能盈利吗？
如果交易频率降到每天 5 次，情况会怎样？
这对你设计策略有什么启示？

2.4 策略生命周期

一个完整的交易从产生到结束，在多智能体系统中的流转：

具体流程：

信号生成 (Signal Agent)
- "AAPL 的 MACD 出现底背离，建议做多"
风控审核 (Risk Agent)
- "当前总仓位 60%，单笔最大 10%，这笔只能下 10%"
- 可能拒绝、缩小仓位、或通过
下单执行 (Execution Agent)
- "订单太大，拆成 10 个小单，每 30 秒发一个，用 TWAP 算法"
成交监控 (Monitor Agent)
- "第 5 个小单滑点超过阈值，暂停后续执行"
- 实时反馈执行质量
持仓管理与平仓 (Position Agent)
- "持仓盈利 5%，触发移动止盈"
- "持仓亏损 2%，触发止损平仓"
- 闭环完成

每个环节都可以是独立的专家 Agent，这就是多智能体架构的优势：专业分工、责任清晰、便于调试。

本课交付物

完成本课后，你将获得：

对市场结构的理解 - 知道不同市场（股票/期货/加密）的特点和限制
交易成本意识 - 能估算滑点、手续费、市场冲击对策略的影响
策略生命周期视角 - 理解从信号到平仓的完整闭环

✅ 验收标准

用以下检查点确认你真正理解了本课内容：

检查项	验收标准	自测方法
成本计算	能独立完成纸上练习，误差 < 10%	重新计算一遍，不看答案
订单簿理解	能解释为什么大单会产生滑点	画出订单簿，模拟 1000 股市价单的执行
市场差异	能说出 A股 vs 美股 vs 加密的 3 个关键差异	不看笔记，口述对比
生命周期	能画出策略从信号到平仓的流程图	白纸画图，标注每个 Agent 的职责

如果你能做到：

✅ 纸上计算准确 → 你具备了成本意识
✅ 画出订单簿执行过程 → 你理解了市场微观结构
✅ 画出完整生命周期 → 你具备了系统思维

如果你做不到：

❌ 重新阅读相关章节
❌ 用具体数字（如 AAPL $185）重新走一遍例子
❌ 在延伸阅读中找到更详细的解释

本课要点回顾

理解不同市场（股票/期货/外汇/加密）的特点和对策略的影响
掌握 OHLCV 和订单簿的基础结构
认识交易成本三大杀手：滑点、手续费、市场冲击
理解策略生命周期的完整闭环：信号 → 风控 → 执行 → 监控 → 平仓

下一课预告

第 03 课：数学与统计基础

市场在动，但怎么量化这些变动？为什么我们用"收益率"而不是"价格"？什么是"厚尾分布"，为什么正态分布假设会让你爆仓？下一课揭晓。