PACE：面向算法交易母单执行的大语言模型层次化框架

首个用大模型做母单执行的层次化框架PACE，分长期规划与短期执行，超TWAP基线1.02bps

前置知识

母单执行（Parent-order execution）

母单执行是算法交易的核心问题，指把一笔大额订单（母单）在指定时间窗口内拆成若干小额子订单逐步执行，目的是减少大单对价格的冲击、隐藏交易意图。母单由 $O=(s,d,t_s,t_e,Q)$ 定义，即股票代码、买卖方向、起止时间和总数量。直接一次性提交大单会暴露意图、推高买入价或压低卖出价，因此策略需决定每个时点交易多少，形成所谓执行曲线。

这是整篇论文要解决的问题，不理解母单执行就无法理解PACE的输入、目标和评估指标。

TWAP（时间加权平均价格）

TWAP（Time-Weighted Average Price）是最简单的母单执行策略：把总数量 $Q$ 在 $K$ 个等距决策时点均匀分配，每个时点下单 $Q^{TWAP}=Q/K$。它不考虑市场变化，相当于一条水平的执行曲线，是所有执行策略的基准。PACE的LLM输出也是与TWAP基准量做加权融合，因此理解TWAP是理解融合公式的关键。

TWAP既是PACE融合的基准线，又是所有性能对比的参照（提升都以TWAP为基准），是读懂结果的前提。

Ask1/Bid1 与中间价

市场微观结构术语。Ask1（卖一价）是当前最低卖出报价，Bid1（买一价）是最高买入报价，二者之差为买卖价差。中间价 $P_i=(A_i+B_i)/2$ 是二者的平均，常作为股票价格的代理。本文的撮合器根据订单方向和价格与Ask1/Bid1的关系判定是否成交：激进买单以Ask1提交可立即成交，被动买单以Bid1提交可能挂单等待。

理解撮合机制（算法1）和bp指标的计算（以TWAP中间价为基准）都依赖这些微观结构概念。

基点 bps（basis points）

基点是金融常用单位，1 bps = 万分之一 = 0.01%。本文用基点衡量执行价格相对TWAP基准的优劣：$bp$ 定义为策略平均成交价与TWAP价之差（按买卖方向调整）乘以10000，正值表示优于TWAP。按成交量加权的 $wbp$ 是核心指标。作者强调对年交易1000亿美元的基金，1 bps≈1000万美元，凸显小幅改善的经济意义。

全篇性能数字（如+1.02 bps）都以基点为单位，理解其量级和经济含义才能判断结果的实际价值。

HP滤波（Hodrick-Prescott filter）

HP滤波是宏观经济学中常用的趋势分解方法（Hodrick和Prescott 1997），把一条时间序列分解为平滑的长期趋势成分和围绕它的短期波动（残差）成分。本文用它分解股价序列（Figure 1），观察到股价同时包含可预测的长期趋势和高噪声的短期波动，这正是PACE把执行拆成长期规划+短期执行两层的动机来源。

PACE的双时间尺度设计直接源自HP滤波的分解直觉，理解它能抓住论文的核心设计思想。

研究动机

母单执行是算法交易的核心问题：把一笔大额订单拆成若干小额订单逐步执行，目标是买得更低、卖得更高，从而降低执行成本。对于年交易量1000亿美元的基金，仅1个基点（bps，万分之一）的执行成本改善就相当于每年节省约1000万美元。传统方法分两类：静态策略如TWAP和Almgren-Chriss（AC）依赖预设的市场假设（例如固定的日内成交量分布、线性市场冲击），但真实市场常常不满足这些假设，且模型参数会随时间漂移；学习类策略（强化学习、XGBoost、LSTM等）虽然能从数据中学到自适应策略，却需要针对每个任务专门设计奖励函数、状态空间和动作空间，难以迁移到新场景。两类方法都缺乏更广泛的先验知识，泛化能力受限。

本文的目标是本文的目标是用大语言模型（LLM）替代传统市场假设或任务专用训练来完成母单执行决策，把LLM在金融领域的应用从“交易什么”（what to trade）扩展到“如何执行”（how to execute）。具体而言，作者希望构建一个既不需要预设价格模型、也不需要任务专用训练的执行框架，能够像人类交易员那样在推理时根据当前市场观察生成决策。同时，作者希望通过系统的行为分析（behavioral analysis）揭示LLM作为执行智能体的决策模式，回答它与传统人类交易员的异同，从而判断LLM能否在复杂的执行决策中补充甚至辅助人类交易员。

与已有工作不同的是，现有金融领域的LLM研究集中在三个方向：金融语言模型与资源（FinBERT、BloombergGPT、FinGPT）、因子挖掘与时间序列建模、以及投资/交易智能体。但这些工作都聚焦于“交易什么”——即选股、择时、生成交易信号，而“如何把一笔大单拆分执行”这个执行环节一直是LLM金融研究的空白。直接套用LLM也面临挑战：价格波动高度噪声化，LLM难以稳定处理。本文的独特切入点是：观察到股价可由HP滤波分解为长期趋势与短期波动两个成分，据此把母单执行拆成长期规划与短期执行两层分别交给LLM，从而绕开了“既要全局判断又要逐分钟决策”的难题。

核心方法

PACE（Plan-Ahead Controlled Execution）的整体思路是把母单执行分解为两个时间尺度的子问题，分别由LLM的两个角色处理。直觉上，作者观察到（如图1所示）一只股票的分钟价格序列可以用HP滤波分解为一条缓慢变化的长期趋势线和围绕它的短期波动，于是设计了层次化框架：Planner负责长期规划——在母单开始时通览执行窗口，输出对每个固定时段（默认 $\tau=5$ 分钟）的数量偏好评分和整体置信度；Executor负责短期执行——在每个决策分钟（$\Delta=1$ 分钟）结合近期市场行情和Planner的长期意图，对TWAP基准数量做小幅调整。两层的输出都用一个混合系数与TWAP基准融合，避免LLM过度反应噪声。整个流程不预设任何价格模型，也不训练任务专用策略，完全在推理时由LLM生成。最终订单进入作者构造的回测环境（Matcher+Evaluator）撮合并评估。

核心创新点有三个本质区别于已有方法。第一，这是首次把LLM引入母单执行问题，填补了LLM金融研究中“如何执行”的空白。第二，双时间尺度分离是关键设计：长期规划捕捉可预测的趋势成分、短期执行响应当下行情，这比让一个策略同时处理全局和逐分钟决策更稳健，消融中去掉任一层都会掉点（w/o P 为 -2.88，w/o E 为 -2.62，完整为 -2.26 wbp）。第三，LLM的输出不直接决定下单量，而是通过加权公式与TWAP融合：Planner的分配权重 $w_n=(1-\lambda c)\frac{1}{N}+\lambda c\frac{\exp(a_n)}{\sum_j\exp(a_j)}$，Executor的数量 $Q_t^E=(1+\gamma z_t)Q^{TWAP}$，其中 $z_t\in[-1,1]$、$\lambda=0.3$、$\gamma=0.5$。这种“LLM信号+TWAP基准”的混合设计既保留TWAP的稳健性又允许LLM按置信度注入观点，是应对价格噪声的关键。

方法步骤详情

PACE分三步。输入含母单 $O=(s,d,t_s,t_e,Q)$、市场历史 $H_{t-L:t}=\{(P_i,V_i)\}$（中间价 $P_i=(A_i+B_i)/2$）和TWAP曲线 $C^{TWAP}=\{(t_k,Q^{TWAP})\}$，$Q^{TWAP}=Q/K$，$K=(t_e-t_s)/\Delta$。第一步Planner把窗口切成 $N$ 个等长时段，对每段输出偏好评分 $a_n\in[-1,1]$ 和置信度 $c\in[0,1]$，映射为权重 $w_n$ 生成子计划 $S_n=(u_n,v_n,q_n)$。第二步Executor每决策分钟 $t$ 结合近期市场、Planner长期判断 $R_L$ 和TWAP基准量，输出调整分 $z_t$，下单量 $Q_t^E=(1+\gamma z_t)Q^{TWAP}$。第三步回测：Matcher（算法1）按每快照Ask1/Bid1判成交，支持激进（买单价=Ask1）和被动（买单价=Bid1、末分钟扫单）两设置；Evaluator算完成率 $cr=Q^{Trade}/Q$ 和成交量加权 $wbp$。每母单重复8次降随机性。

技术新颖性

技术新颖性体现在四方面。其一，问题层面新颖：这是LLM母单执行的首项系统性研究，提供了完整实验框架（数据集、撮合器、评估器、基线）供后续研究复用。其二，架构新颖：双时间尺度（长期规划+短期执行）的分离直接受HP滤波分解启发，比单一策略更稳健。其三，融合机制新颖：用混合系数 $\lambda$、$\gamma$ 把LLM软信号与TWAP硬基准按比例结合，并通过Planner置信度 $c$ 自适应调节LLM权重，使低置信时自动退化为TWAP——这是一种工程上很巧妙的“安全网”设计。其四，分析新颖：作者不仅比拼性能，还做了系统行为分析，发现LLM的置信度与性能正相关（GPT-5.4回归系数6.96，p<0.01）、且倾向于提前下单而非像人类那样拖延到截止，这些反直觉发现为“LLM能否补充人类交易员”提供了实证依据。这种把行为科学引入LLM智能体评估的做法在金融LLM研究中较为少见。

实验结果

核心发现逐条归纳。主结果（Table 1）：2026年4月深圳SSE Level-1上，激进设置最强变体DS-v4-f相对TWAP改善 +1.02 bps（-2.26 vs -3.28），相对最强基线LSTM改善 +0.65 bps；被动设置分别为 +1.07 和 +0.71 bps。显著性：5000次bootstrap显示DS-v4-f激进95%置信区间 [0.15, 2.12]，p=0.002。经济意义：年交易1000亿美元基金约省1000万美元/年。异质性（Figure 3）：卖出收益更大（1.57 vs 1.43 bps），反映中国融券限制使负面信息定价慢；窗口越长收益越小。波动稳健性（Figure 5）：高/低波动PACE都优于XGB/LSTM。消融（Table 2）：去掉Planner或Executor都掉点，Planner贡献更大。行为：置信度 $c$ 与性能显著正相关（Table 4，系数6.96），与人类过度自信相反；Executor对时间压力系数显著负（Table 5），越临截止下单越少，与人类拖延相反。所有策略cr均100%。

**Table 1**: Main results under aggressive and passive order-submission settings.

**Table 2**: Ablation study in the aggressive setting.

**Table 4**: Planner confidence and execution performance.

**Table 5**: Executor behavior regression.

**Figure 3**: Gain of PACE (DS-v4-f) over the TWAP strategy across parent-order characteristics.

**Figure 4**: Hyperparameter sensitivity of λ, γ, and τ under the aggressive setting.

**Figure 5**: wbp in low- and high-volatility scenarios.

查看结构化数据

任务	指标	本文	基线	提升
母单执行-激进下单设置（深圳SSE Level-1，2026年4月，1680个母单）	wbp（成交量加权价格表现，相对TWAP的gain，单位bps）	DS-v4-f: -2.26 wbp，相对TWAP +1.02 bps	TWAP -3.28；AC -2.93；XGB -3.10；LSTM -2.91	相对最强ML基线LSTM +0.65 bps；相对TWAP +1.02 bps（95% CI [0.15,2.12]，p=0.002）
母单执行-被动下单设置（含最后1分钟扫单）	wbp（相对TWAP的gain，bps）	DS-v4-f: -3.92 wbp，相对TWAP +1.07 bps	TWAP -4.99；AC -4.74；XGB -4.63；LSTM -4.75	相对最强基线 +0.71 bps；扫单前 wbp 已达 -3.64，说明收益主要来自扫单前而非扫单本身
波动鲁棒性（按执行窗口内波动率分高/低两组）	wbp（bps）	PACE 高波动 -4.00 / 低波动 -2.16	XGB 高 -4.18 / 低 -2.16；LSTM 高 -4.00 / 低 -0.93	在高波动噪声环境下PACE显著优于ML基线，证明双尺度分离的降噪优势
消融-激进设置模块贡献	wbp（bps）及相对完整模型的gain	完整 PACE -2.26（+1.02）	w/o P+E（即TWAP）-3.28；w/o P -2.88（+0.40）；w/o E -2.62（+0.66）	Planner与Executor均不可少，Planner在激进设置下贡献更大

局限与改进

作者承认的局限和我的观察如下。其一，数据范围有限：仅用2026年4月一个月的深圳Level-1数据，未覆盖更长时间、其他市场（如美股、期货）或Level-2逐笔数据，泛化性存疑。其二，回测而非实盘：Matcher是基于快照撮合的模拟器，激进单假设无限流动性、被动单用固定扫单逻辑，真实市场的队列、撤单延迟、对手盘反应都无法完全复现，“paper P&L”到实盘通常有衰减。其三，模型覆盖窄：只测了ChatGPT-5.4和DeepSeek-v4-flash两个模型、各两种推理档位，未涉及更多开源模型或微调。其四，成本/延迟分析不充分：虽然强调API总成本仅约30美元，但未报告每母单的推理延迟，而执行场景对毫秒级延迟敏感，这可能成为实盘瓶颈。其五，性能提升绝对值较小（约1 bps）且GPT-5.4的置信区间下界接近0，稳健性边界还需更多样本验证。

独立分析的弱点

我独立分析的弱点及改进方向。弱点一：撮合机制过于理想化——激进单假设可全部成交、被动单仅在最后1分钟扫单，改进方向是引入限价单队列模型和部分成交，模拟真实的队列优先级和市场冲击。弱点二：单一市场单一资产——仅深圳股票，改进方向是扩展到期货、ETF、跨市场套利，并测试跨资产信号能否进一步提升。弱点三：LLM延迟未量化——执行是高频场景，每分钟调用一次LLM的端到端延迟可能影响信号时效性，改进方向是引入本地小模型蒸馏或缓存Planner输出、用轻量Executor。弱点四：信号机制偏简单——Executor只输出5档离散调整值 $z_t\in\{-1,-0.5,0,0.5,1\}$，改进方向是连续输出或结合置信度加权。弱点五：缺乏与更强的现代强化学习基线（如MoE执行策略）对比，改进方向是把PACE作为策略头部、用RL微调权重 $\lambda,\gamma$。

未来方向

作者明确提出的未来方向：在实盘交易中评估PACE，并把输入从纯量价扩展到新闻、市场微观结构信息（如逐笔成交、订单簿深度）和跨资产信号。基于成果可延伸的方向包括：其一，多母单联合执行——当前每个母单独立决策，未来可让LLM同时考虑多只股票的母单组合，做组合层面的执行优化。其二，自适应超参——$\lambda$、$\gamma$、$\tau$ 目前固定，可设计置信度或波动率自适应机制，例如高波动时自动调小 $\gamma$ 降噪。其三，Planner动态重规划已在Table 3显示对长母单有益（50-60分钟窗口从 -2.78 改善到 -2.48），可进一步研究触发重规划的市场事件。其四，行为分析的延伸——既然LLM置信度预测性能，可设计置信度门控的仓位管理。其五，把PACE迁移到其他金融执行任务（如做市、VWAP、IS），验证“分层规划+LLM软信号+基准融合”范式的普适性。

复现评估

复现性总体较好。代码已开源在 github.com/zaneopen/PACE，包含Planner/Executor提示词（论文Figure 8/9给出精简版）、撮合器（算法1）、评估器和基线实现，超参（$\lambda=0.3$、$\gamma=0.5$、$\tau=5$ 分钟、$\Delta=1$ 分钟）和母单生成协议（每天10单、起点10:30、窗口从 {10..60} 分钟采样、数量100-10000股）均有详细说明。数据方面，深圳Level-1快照数据属商业授权数据，不易获取，是主要门槛，但作者提供了母单生成流程可复用。算力门槛低——仅靠API调用，1680个母单总API成本约30美元，无需GPU训练。模型为商用API（ChatGPT-5.4）和开源（DeepSeek-v4-flash），可访问性中等。主要复现难点在于数据获取和模拟器细节（如深度受限撮合、扫单逻辑），但核心算法可独立验证。整体属可复现性较好的应用类论文。

PACE：面向算法交易母单执行的大语言模型层次化框架 Can Large Language Models Execute Parent Orders?