冲击是凹的，交易时钟该怎么定

你有一笔大单要买。下得太快，大单会把价格推高；拖得太久，原本看好的交易信号又可能过期。传统模型通常替你安排“每分钟买多少”，却要求你先自行决定整笔交易做多久。问题恰恰在这里：交易时钟不该是外部给定的数字。

Dnyanesh Kulkarni 与 Revant Nayar 在预印本 From Alpha to Execution 中，同时放松了三项经典假设：冲击不再是线性的，价格波动不必服从标准布朗运动的平方根规律，执行期限也由模型自己选择。作者先用交易实际盈亏的夏普比率确定窗口，再在窗口内安排成交日程。以下结果均来自这篇尚未独立复现的预印本。

先决定这笔单值得等多久

市场冲击，是大单把价格推向不利方向造成的成本。“凹冲击”则表示：订单越大，总冲击仍越高，但新增一单位交易带来的额外冲击逐渐变小。与线性模型相比，这会改变拆单和等待的价值。

作者把目标改成交易已实现 P&L，也就是实际盈亏的夏普比率——每承担一单位波动，获得多少预期回报。这样一来，慢交易并不只是“少冲击、多风险”。执行期间的价格变化本来就是最终盈亏的一部分，而成交价与预测期末价格走在同一条价格路径上。把两者的协方差算进去后，延长执行反而会降低盈亏方差。

真正催促交易员的，是 alpha 衰减。Alpha 是策略预期获得的超额收益；如果信号在订单执行期间逐步兑现，买得太晚就会错过它。于是，最优期限取决于两场竞赛：延长时间怎样改变冲击，以及等待会损失多少信号价值。

作者用两个量概括这件事。第一个是冲击的期限弹性 $a$ ：它衡量执行时间拉长后，冲击如何变化。在论文采用的结构先验下，

$a = β - H$

其中 $β$ 是冲击凹度参数， $H$ 是 Hurst exponent——描述价格波动随时间跨度增长的速度。这个等式依赖作者的结构先验，并非普遍恒等式；实际应用中，作者更建议从成交数据直接估计 $a$ 。

第二个量是净紧迫度 $ν$ ，即 alpha 实现速度减去 exposure relief。后者可以理解为：成交越晚，持有预测期价格风险的时间越短，因此得到一部分风险缓解。

当 $ν$ 在执行窗口内不变号，并采用论文关于 $T / t_{f}$ 的领先阶近似时，只有 $a > 0$ 且 $ν > 0$ ，才存在窗口内部的最优期限。其他组合通常把答案推向边界：要么采用允许的最快速度，要么尽量慢。Hurst scaling 在这里主要不是微调某个分钟数，而是通过 $a$ 的符号，把交易切换到不同制度。

最优分钟数可能没有想象中重要

在存在内部最优解的区域，一阶条件不含冲击系数、订单规模或成交量。这不代表实际最优期限完全与它们无关；它们仍会通过其他量进入最终解。更准确的意思是：判断局部最优的那条平衡条件，可以直接连接冲击占 alpha 的比例、信号实现和风险缓解，不必先校准全部冲击参数。

更有意思的是，目标函数可能很平。论文的大盘股 AMZN 示例中，精确最大化得到的期限是 99 分钟，但夏普比率距离最大值不超过 1% 的区间从 16 分钟延伸到 270 分钟，跨度超过一个数量级。作者使用了 2026 年 1 月某一个交易日的部分市场量，其余参数则用于示意，所以这个区间不是可直接照搬的交易建议。

它传递的管理含义很实际：与其执着于“第 99 分钟”这种点估计，不如先识别交易属于哪个制度，再给出可接受区间。模型误差、交易限制或临时流动性变化，未必会显著损害目标。

窗口定了，钱怎么往前排

第二阶段才决定每一刻交易多少。作者引入 envelope cost——一种把局部冲击和每股延迟成本合在一起的保守成本口径。若每股延迟成本 $w (t)$ 随时间增加，KKT 条件给出的最优成交速率为

$ϕ (t) \propto (λ - w (t))_{+}^{1 / β} .$

这里 $λ$ 是为保证订单全部完成而确定的乘子， $(x)_{+}$ 表示只保留正值。直觉很简单：早期等待成本低，可以多成交；随着等待成本升高，交易速率平滑下降；当 $w (t)$ 达到门槛，速率降到零，而不是在期限末突然刹车。

若延迟成本采用 Hurst scaling，即 $w (t) \propto t^{H}$ ，归一化后的日程只由 $(β, H)$ 决定，并可用 incomplete beta function（不完全贝塔函数）写成闭式。它呈现前置成交、随后平滑衰减至零的形态。注意，“只由 $(β, H)$ 决定”仅指特定成本包络下的归一化形状，不是说真实订单无需考虑规模、成交量和市场状态。

在相同执行期限下，论文模型中的这套日程相对恒定速率的 TWAP——把订单均匀摊在时间里的做法——节省约 10%–17% 的 envelope cost。最优日程是否真的用完整个窗口，还取决于一个无量纲的 robustness level，也就是交易员愿意为不利价格路径预留多厚的安全垫。

为什么值得关注

这篇工作的价值，不在于又给出一条更复杂的拆单曲线，而在于重新接上了三个常被分开处理的问题：信号能活多久，当前市场属于哪种冲击与波动状态，以及订单应怎样随时间成交。

它也修正了一个常见直觉：慢交易未必自动增加风险。若成交价与最终价格来自同一路径，晚成交同时减少了后续暴露。真正的紧迫性来自执行期间正在消失的 alpha。于是，“快还是慢”不再是一条固定原则，而是由 $a$ 与 $ν$ 的符号共同决定。

局限与未知

期限选择与日程选择是两个阶段的启发式方案，并非对成交密度和期限进行联合夏普最大化；作者把联合优化列为开放问题。
10%–17% 节省的是模型定义的 envelope cost，不是完整实施成本，也不等于真实市场中的成交改善。手续费、点差、价格跳跃、流动性约束和模型失配都可能改变结果。
论文尚无独立机构或市场数据复现。AMZN 例子只说明在一组示意参数下目标较平，不能外推为所有股票、市场状态或交易信号的普遍规律。