用高频交易的方式对TWAP算法进行优化。
以下内容主要基于执行算法的讨论。
什么是TWAP算法（时间加权平均价格）？
TWAP交易时间加权平均价格Time Weighted Average Price 模型是把一个母单的数量平均地分配到一个交易时段上。该模型将交易时间进行均匀分割，并在每个分割节点上将拆分的订单进行提交。如需要在一个小时内购买1000万股“平安银行”，TWAP算法会将1000万股的订单平均拆分成数个小订单在60分钟内进行交易以避免一个大订单对市场造成剧烈波动。
使用简单基础的TWAP算法在实际交易中遇到流动性一般或者盘子相对较小的交易标的时往往会造成比较高的冲击成本，并且容易暴露交易行为。
TWAP优化
拆单优化
首先,将一个大的Order订单拆分成若干个小订单（Order1 、Order2 、Order3... Ordern）
接着把拆出来的子订单Order1 再做进一步拆分，根据订单需要完成的进度或者订单的冲击接受程度分别拆分成三部分进行交易：被动单、主动单和扫单，其中被动单主要是获得更好的收益为目的，剩下两个以完成交易为主要目的。
被动单：以挂单等待成交达到最优交易成本为主。
主动单：以对手价格进行挂单达到快速完成交易的效果。
扫单：以更激进的方式挂对手价的订单进行委托交易，可能会直接造成短时间内ask或bid的委托中上下多个档位的订单全部被己方全部打掉。
关于被动单、主动单以及扫单的比例确定需要根据实际的交易标的进行确定，不同时间不同交易标的的流动性差别很大，对被动单的成交概率影响也比较大。以下提供些个人观点：
- 根据最近的历史交易数据可以把一段时间内更小时间切片交易的波动性或者交易量按不同等级进行划分，将总时间内的交易按等级归类后跟模型需要下单的量进行相关比例的划分。
- 根据一定时间内将bid档位成交的订单全部归为主动成交也就是己方的挂单成交，根据比例确定模型需要对订单的划分比例。
- 扫单会对交易造成比较大的波动，可以考虑将前两部分为完成的交易到最后直接进行扫单。
算法拆单还有两个重要的因素：订单的市场参与度；测单率。
在实际算法模型中可对上述两个步骤进行多次叠加或拆分以达到订单量、冲击成本以及完成率三者的平衡。
报单优化
下图是“平安银行”和“贵州茅台”某一时刻的交易报价五档委托报价，其中“平安银行”图3的委托报价是连续的，“贵州茅台”图4的委托报价存在空档，存在0.55空档区间。（1069.60-1049.05）
所有交易的报价委托都可以分为连续和不连续（空档）两种情况，针对两种情况进行区别报单。
报价连续：
假设：某时刻需要卖出一定量的“平安银行”其交易委托如图3，将卖盘定义为ask委托，卖盘定义为bid委托。
前期我们将需要交易的订单进行了划分（被动单、主动单、扫单）三部分。
●被动单
挂单等待成交，如图3在bid1档位14.59元报价位有718手委托量，避免造成比较大冲击要确保己方委托不能超过在ask1挂单量委托量，由于市场是不停变换可以根据多个变量确定挂单的数量：
挂单量=（bid1委托量-对方委托保留量）*市场参与度
当然针对交易活跃以及对方委托的实际情况，可以考虑在ask不同档位挂单。
●主动单及扫单
主动单一般按对方委托进行报单此时目的为了尽快成交，如在ask队列进行报单时直接按bid1档位的价格发送委托订单，需要注意的是如图3如果直接按14.59元71800股在ask队列报价会导致bid1档位直接全部成交价格会导致价格下跌到14.58造成明显冲击，建议保留一定的量。
扫单是以一种更加激进的方式进行报单直接根据对方委托队列进行多档位的全部成交式的报单主要目的是为了完成交易。该方式会导致非常高的冲击成本，如可以同时在ask队列按照bid队列中不同档位价格和量挂出多笔相等价格和量的委托。这种情况下需要考虑对方委托的档位以及交易时间控制，冲击成本高。
报价不连续:
假设：某时刻需要卖出一定量的“贵州茅台”其交易委托如图4，将卖盘定义为ask委托，卖盘定义为bid委托。报价不连续的情况下报单的区别主要是挂单方式不同，因为ask1和bid1的价格存在一定的价差如图4。（1069.60-1049.05=0.55）
在实际报单中可以选择在55个档位之间挂单，但实际成交中约接近bid1价格的委托越容易成交，如果交易指令完成时间充裕可在价差区间内可以采用递增式挂单获得比较优的成交价格，相反如果时间紧迫可以采用递减式挂单。
