第 6、8~11 章：成本测量 TCA、下单战术与系统架构
第 6 章给出”执行做得好不好”的度量衡，第三部分（8~11 章）把算法拆到最底层：每一片子单挂在哪、挂什么价，以及承载这一切的系统怎么搭。
TCA：交易成本的解剖学（第 6 章）
显性成本（佣金、税费）只是冰山一角，隐性成本（价差、冲击、延迟、错失）通常数倍于它。作者沿用 Perold 的执行落差框架把总成本切开：
| 成本项 | 定义 | 谁的责任 |
|---|---|---|
| 延迟成本 | 决策到开始交易之间的价格移动 | 投资流程（下单太慢） |
| 价差成本 | 跨越买卖价差的代价 | 交易员/算法 |
| 市场冲击 | 自己的交易推动价格 | 交易员/算法（切太快） |
| 时机风险 | 拖着不交易期间的价格漂移 | 交易员/算法（切太慢） |
| 机会成本 | 没交完的部分错过的行情 | 完成率不足 |
TCA 分事前（预估成本、选策略）、事中（监控偏离）、事后（归因问责）三段。事后 TCA 的真正价值不是打分，而是闭环：实际成交数据回流校准事前的冲击成本模型——和回测校准因子是同一个思想。
下单战术：算法的最底层（第 8~9 章）
宏观算法（VWAP 等）决定”这半小时买 2 万股”，微观战术决定这 2 万股具体怎么挂：
- 激进度选择：跨价差吃单（急）→ 挂最优价（排队）→ 挂价差内（改善报价）→ 挂深处（钓鱼）——本质是把第 4 章的订单原子按急迫度排列；
- 信号风险：每一笔挂单都在向市场广播意图。撤单太频繁、切片太规律、总在同一秒下单，都会被高频对手识别并抢跑（这正是猎杀算法的口粮）；
- 隐藏流动性：暗池与冰山单让订单簿”看起来”比实际薄，作者给了从成交序列推测冰山补量、估计隐藏量概率的方法；
- 成交概率估计：挂单越深越省钱、越难成交——限价单定价本质是一个（省价差 × 成交概率）的期望值问题。
增强：预测市况喂给算法（第 10 章）
算法的参数来自预测：日内成交量 U 型曲线（VWAP 的生命线）、波动率、价差的日内模式；冲击成本模型（大致随下单量的平方根增长）；以及特殊日历事件——财报日、指数调仓日、期货期权到期日的量价模式完全不同，算法要么提前换参数，要么当天别用历史均值。
系统架构：承载这一切的工程（第 11 章）
一条订单的旅程：投资决策 → OMS（订单管理，合规检查、仓位记账）→ EMS/算法引擎（拆单、战术）→ SOR（选场所）→ 交易所网关，全链路用 FIX 协议通话。作者对算法引擎的设计要点：事件驱动架构（行情、成交回报、定时器三种事件源）、交易规则与引擎解耦（规则可配置、可回测）、上线前用历史行情回放做仿真测试、限速与熔断兜底。乌龙指（fat finger）检查、频次限制这些”无聊”的风控层，在 2012 年骑士资本 45 分钟亏 4.4 亿美元后被证明是全书最不能省的一节。
对应本平台
AlphaForge 的 ingest → 研究 → 回测 → API 分层，和 OMS → 算法引擎 → 网关的解耦思想同源：规则（因子注册表）与引擎（回测器）分离、审计日志（ingest_log）、幂等重试——执行系统的工程纪律在数据系统里同样适用。
本章带走的三句话
- 隐性成本数倍于佣金；TCA 的价值在闭环——实盘成交回流校准事前模型；
- 微观战术就是订单原子按激进度排队，每一笔挂单都在泄露意图；
- 算法交易系统的核心工程原则：事件驱动、规则与引擎解耦、仿真测试、风控兜底。