📐 交易前与交易后分析（TCA）

TCA（Transaction Cost Analysis）是执行质量的「审计闭环」：**Pre-trade 回答「这单预计花多少、值不值」，Post-trade 回答「实际花了多少、花在哪」。**没有 TCA 的执行是盲飞——你可能年复一年地为某个固定的执行坏习惯付 2% 的年化。

成本基准：先定义「应该是多少」

评价执行必须先选参照价，不同基准回答不同问题：

**Implementation Shortfall（实现差额）**是总账口径：IS = (成交均价 − 决策价)/决策价 × 方向。Perold (1988) 的原始框架把它定义为「纸面组合收益 vs 实际组合收益之差」——一切执行损耗的总和。它也是压力测试与容量估算的成本口径（见交易成本 ）。

基准选择的陷阱：用 VWAP 当基准的执行团队，永远可以通过「在成交清淡的时段慢慢磨」获得漂亮的 VWAP 达成率，同时把决策价口径的损耗做得一塌糊涂（拖执行期间行情跑了）——基准即激励，选错基准就是选错了被优化的东西。策略绩效归因永远看决策价口径。

Pre-trade Analysis：下单前的三问

1. 成本预测：该单在该票的预期成本（半价差 + 冲击模型 k·σ√(Q/ADV) + 预计延时损耗）——阈值化的应用：预测成本 > 信号预期 alpha 的 50% → 降低该单优先级或放弃。有的交易不值得做——这是 pre-trade 最有价值的输出，一个算例：调仓要买某中盘股 200 万（ADV 8000 万），半价差 5bp、冲击 ≈ 0.8×2%×√0.025 ≈ 25bp、延时预估 5bp → 总成本 ≈ 35bp；信号预期 3 日 alpha 45bp → 50bp 阈值边缘，降级为「限价单耐心挂」或分两日执行；
2. 可行性检查：参与率约束（Q ≤ 8% × ADV）、流动性窗口（该票的可执行时段）、涨跌停距离（距跌停 < 1% 的卖单要有预案）；
3. 执行计划生成：时间表（VWAP 轨迹）、单型（被动/主动混合）、隐蔽参数——把 Almgren-Chriss 的风险厌恶系数按信号衰减设定（见执行算法 ）。

机构场景里 pre-trade 是每单必做的自动步骤；个人量化的最小版本是一张「成本预警表」——调仓前扫描所有订单，标红预测成本 > 30bp 的单子人工过目。

Post-trade Analysis：执行质量的解剖

成交回报落地后，把 IS 分解为四个成分（每成分对应一个责任主体）：

1
2
3
4
5

实现差额 IS
├── 价差成本：中间价 → 对手价（市场的买卖价差，结构性成本，见[Bid-Ask Spread](/quant/bid-ask-spread/)）
├── 延时成本：决策价 → 到单时中间价（信号处理+下单延迟，工程问题）
├── 冲击成本：到单后自己的单子推动价格（执行节奏问题，见[Kyle](/quant/market-impact-kyle/)）
└── 错时成本：执行期间的市场漂移（运气 + 时间表选择）

分解的用途是责任分离：延时成本大 → 优化信号到下单的链路（毫秒级工程，见低延迟 ）；冲击大 → 拆更细/换 POV；错时大 → 复核时间表与运气（统计而非单笔归因）。单笔的分解是噪声，要按票/按日/按执行参数聚合——「VWAP 算法在中小市值票上 IS 平均 18bp、TWAP 26bp」这种聚合结论才能指导参数。

TCA 的两个战略用途

1. 校准回测的成本模型：用自己的成交流水回归冲击系数 k 与价差模型参数（见交易成本 的校准方法）——回测成本模型与实盘 TCA 用同一套参数，回测的执行假设才与真实一致。这是「回测 vs 实盘偏差」归因的关键一环（偏差诊断见事后风控 ）；
2. 执行的持续改进飞轮：月度 TCA 报告 → 找出 IS 最差的 10% 订单的共同特征（时段？票的流动性档位？算法参数？）→ 修正执行规则 → 下月验证——执行优化的复利被普遍低估：年化省 0.5% 的执行成本，对夏普 1.5 的组合等价于免费提升 0.1 夏普。

个人量化的最小 TCA

不需要机构级系统，三张表起步：

1. 成交流水表：每笔记录 时间、代码、方向、决策价、挂单价、成交均价、量、算法标签——两列多打（决策价与成交均价）就是 TCA 的全部原材料；
2. 月度聚合：按票流动性档位、按时段、按算法的 IS 均值与分布；
3. 例外清单：IS > 阈值（如 50bp）的订单逐笔回查——通常能发现一两个固定的坏习惯（比如「尾盘急着完成剩余量总是吃对手价」）。

半天的 Notebook 工程，把「执行」从感觉变成数字（日志基础见日志与监控 ）。

关联阅读：分解对象的物理机制订单簿 与Bid-Ask Spread ；成本进入回测回测框架设计 。