跳转至

智能订单路由（SOR）

SOR（Smart Order Routing）指将一张母单（Parent Order）按规则拆分到多个执行场所（Venue）——如各交易所、暗池、流动性提供商（LP）——在约束条件下尽量优化：

  • 成交价格（相对基准的滑点 / 实施缺口）
  • 成交数量（吃单与挂单的完成度）
  • 风险与合规（额度、最小量、延迟不确定性）

母单通常拆成多条子单（Child Orders），各 venue 独立撮合或报价，再汇总为母单的执行结果。

实务中常把母单生命周期粗分为两阶段（可循环、可与其他策略组合）：

阶段 目标 买方典型规则 卖方典型规则
Aggressive（主动/吃单） 尽快利用可见流动性成交 按有效买成本从低到高，依次扫 ask 档位 按有效卖收入从高到低，依次扫 bid 档位
Passive（被动/挂单） 未成交部分在簿上排队 按历史被动成交率、做市返佣等权重分配挂单量 同理，按权重在各 venue 挂 bid

两阶段不是唯一范式：还有纯 TWAP/VWAP、纯 opportunistic 等；SOR 常与调度器结合（何时 aggressive、何时 passive、是否撤单再挂）。

以下约定：正费率表示对己方不利（成本）；具体系统需与清算/合约条款统一符号。

Taker（吃单）

  • 买方：在卖方最优价 ask 上买入，名义成本上升。 有效买价（用于排序：越小越好）：

$ P^{\mathrm{buy,eff}}{\mathrm{taker}} = P \right) $}} \left( 1 + \frac{f_{\mathrm{taker}}}{10^4

  • 其中 $ f_{\mathrm{taker}} $ 为 taker 费率（单位：bps）。若坚持用变量名 taker_fee_bps：

$ P^{\mathrm{buy,eff}}{\mathrm{taker}} = P \right) $}} \left( 1 + \frac{\text{taker_fee_bps}}{10000

  • 卖方：在买方最优价 bid 上卖出，名义收入下降。 有效卖价（用于排序：越大越好）：

$ P^{\mathrm{sell,eff}}{\mathrm{taker}} = P \right) $}} \left( 1 - \frac{f_{\mathrm{taker}}}{10^4

  • 或：

$ P^{\mathrm{sell,eff}}{\mathrm{taker}} = P \right) $}} \left( 1 - \frac{\text{taker_fee_bps}}{10000

等价实现：ask * (1 + fee) / bid * (1 - fee)，其中 fee = taker_fee_bps / 10000。

Maker（挂单）

  • 若挂单方获得返佣（rebate），可视为负成本或单独进入权重（见下文 Passive）。
  • Passive 阶段常用综合权重（比例关系）：

$ w_i \propto \max(0,\,\rho_i) \cdot \left( 1 + \frac{r_i}{10000} \right) $

  • 其中 $ \rho_i $ = passive_fill_rate，$ r_i $ = maker_rebate_bps。返佣越高、历史被动成交越好，越愿意在该 venue 多挂量。

暗池 / LP

可能没有公开 top of book，用指示性报价或历史成交价+滑点模型估计有效价格，再纳入同一套排序或过滤（例如仅当估计有效价优于某阈值时才路由）。

输入数据结构

Aggressive：各 venue 可见最优卖盘（买方吃单）

#include <algorithm>
#include <cstdint>
#include <string>
#include <vector>

struct VenueTopBuy {
  std::string name;
  double ask_px;
  std::int64_t ask_qty;
  double taker_fee_bps;  // 按名义值的 bps，正为成本
};

inline double effective_buy_cost(double ask_px, double fee_bps) {
  return ask_px * (1.0 + fee_bps / 10000.0);
}

卖方对称结构：bid_px、bid_qty，用 effective_sell_proceeds(bid_px, fee_bps)。

Passive：各 venue 挂单统计

struct VenuePassiveStat {
  std::string name;
  double passive_fill_rate;  // [0,1]，历史或模型估计
  double maker_rebate_bps;   // 返佣越高越倾向多挂
};

Aggressive 路由（买方扫单）

逻辑：按 effective_buy_cost 升序遍历 venue，对每家取 $ \min(\text{剩余需求量}, \text{该档 ask_qty}, \text{该 venue 额度上限}) $，直到需求为 0 或无可吃流动性。

第 $ i $ 家 venue 上吃单量（无 lot 约束时）：

$ q_i = \min!\left( R_{i-1},\; Q^{\mathrm{ask}}i,\; L_i \right), \qquad R_i = R - q_i $

其中 $ R_0 $ 为剩余需求量，$ Q^{\mathrm{ask}}_i $ 为该所可见卖量，$ L_i $ 为该所额度上限（若无上限则省略 $ L_i $）。

inline std::vector<std::pair<std::string, std::int64_t>> aggressive_route_buy(
    std::vector<VenueTopBuy> venues, std::int64_t remaining_qty) {
  std::sort(venues.begin(), venues.end(),
            [](const VenueTopBuy& a, const VenueTopBuy& b) {
              return effective_buy_cost(a.ask_px, a.taker_fee_bps) <
                     effective_buy_cost(b.ask_px, b.taker_fee_bps);
            });

  std::vector<std::pair<std::string, std::int64_t>> slices;
  for (auto& v : venues) {
    if (remaining_qty <= 0) break;
    std::int64_t take = std::min(remaining_qty, v.ask_qty);
    if (take > 0) {
      slices.emplace_back(v.name, take);
      remaining_qty -= take;
    }
  }
  return slices;
}

扩展：每 venue 最大可买量 venue_limit、最小下单单位 lot_size 时，应对 take 做 floor(take, lot) 并处理碎股规则。

Passive 分配（按权重拆剩余量）

权重

$ w_i = \max(0,\,\rho_i) \cdot \left( 1 + \frac{r_i}{10000} \right) $

其中 $ \rho_i $ = passive_fill_rate，$ r_i $ = maker_rebate_bps（无返佣则为 0）。

整数分配与 dust（推荐：最大余数法）

简单按 floor(remaining * w_i/sum) 会产生未分配完或分配偏差。更稳妥做法是 Largest Remainder（最大余数）。

理想份额与向下取整：

$ S = \sum_j w_j,\qquad q^_i = Q \cdot \frac{w_i}{S},\qquad q_i = \left\lfloor q^_i \right\rfloor $

（若需 lot，再对 $ q_i $ 向下取整到最小单位。）

剩余 dust：

$ D = Q - \sum_i q_i $

将 $ D $ 个单位按理想份额减去向下取整份额的差值（即小数部分）从大到小排序，依次给排名靠前的 venue 各分配 1 个单位（或 1 个最小下单单位 lot），直到 $ D $ 个单位全部分完。

$ \text{排序键: } \delta_i = q^*_i - q_i \quad (\text{降序}) $

这样 dust 按权重余数归属，而不是误用「已分配量最大」的 venue（后者在权重高但 floor 为 0 时会错）。

伪代码思路：

sum_w = sum(w)
for i: ideal[i] = remaining * w[i] / sum_w
for i: alloc[i] = floor(ideal[i]) // 再按 lot 调整
dust = remaining - sum(alloc)
按 (ideal[i] - alloc[i]) 降序，给前 dust 个 venue 各 +1

若某 venue 不允许 passive，令 $ w_i=0 $。

约束与跨所要点

维度 说明
延迟 并行下单时，先成交的 venue 会改变剩余量；需 预测到达时间、限并发 或 串行关键路径，避免超配。
资金与额度 每所余额、持仓/敞口上限、单日限额；Aggressive/Passive 都要 min(..., limit)。
精度 最小下单量、价格 tick；分配后需 向下取整到 lot，dust 按规则收敛到单一 venue 或丢弃。
合规与路由表 部分标的或客户仅允许特定 venue；先做 白名单过滤 再排序。
部分成交与撤单 子单状态机：New → PartiallyFilled → 是否撤余量 → 是否回到 Aggressive。

执行质量指标（回测与实盘）

VWAP Slippage（相对市场 VWAP）

$ \text{VWAP slippage (bps)} = \frac{P_{\text{your avg}} - P_{\text{mkt VWAP}}}{P_{\text{mkt VWAP}}} \times 10000 $

  • 买方：平均成交价 低于 市场 VWAP → 指标为 负 → 通常视为更好。

Implementation Shortfall（IS，相对到达价 mid）

到达价 $ m $ 常用母单到达时的 mid（或 first touch）。

$ \mathrm{IS\,(bps)} = s \cdot \frac{P_{\mathrm{fill\,avg}} - m}{m} \times 10000, \qquad s = \begin{cases} +1 &amp; \text{买入} \ -1 &amp; \text{卖出} \end{cases} $

  • 买方：成交价低于 mid → IS 为负 → 更好。
inline double is_bps(bool is_buy, double arrival_mid, double filled_avg_px,
                     std::int64_t filled_qty) {
  if (filled_qty <= 0 || arrival_mid <= 0) return 0.0;
  double sign = is_buy ? 1.0 : -1.0;
  return sign * (filled_avg_px - arrival_mid) / arrival_mid * 10000.0;
}

Fill Rate

$ \mathrm{fill\,rate} = \frac{Q_{\mathrm{filled}}}{Q_{\mathrm{requested}}} $

requested == 0 时定义为 0 或 N/A，避免除零。条件写法：

$ \mathrm{fill\,rate} = \begin{cases} Q_{\mathrm{filled}} / Q_{\mathrm{requested}} &amp; Q_{\mathrm{requested}} &gt; 0 \ 0 \;\text{或 N/A} &amp; Q_{\mathrm{requested}} = 0 \end{cases} $

其他（可选）

  • Participation rate（相对区间成交量）
  • Realized spread / 有效价差
  • 各 venue 贡献度（成交量占比、价格贡献）

小结

  • SOR = 在 多 venue 上，在 费率、额度、最小量、延迟 等约束下，优化 价格与成交量。
  • Aggressive：按 有效 taker 价格 排序扫可见流动性（买低卖高在有效价意义下）。
  • Passive：按 被动成交能力 × 返佣（等）权重 拆挂单；整数与 dust 建议用 最大余数法 或按权重最大项收尾。
  • 监控：VWAP slippage、IS、fill rate；跨所需统一处理 延迟与精度。
  • 费率符号与交易所规则以实际合约为准。