这项由香港科技大学（广州）、浙江大学、中山大学及独立研究员联合开展的研究，以预印本形式于2026年7月30日发布在arXiv平台，编号为arXiv:2607.28410。研究聚焦于一个金融交易领域长期悬而未决的问题：大型语言模型（也就是我们熟悉的ChatGPT这类AI）能否用来执行大额股票交易？
每天股市开盘，无数基金经理面对着一个看似简单却暗藏凶险的问题：手里有一张大额订单，比如要买入或卖出一百万股某支股票，该怎么办？如果一口气全部扔进市场，就像往平静的水塘里扔下一块巨石，价格会立刻剧烈波动，自己的交易反而会造成损失。这种因为自己的买卖行为导致价格变差的现象，在金融界被称为"市场冲击"。
聪明的解法是把大订单拆成一个个小订单，慢慢地、分批地在一段时间内完成交易。但问题随之而来：什么时候多买一点？什么时候少买一点？怎么判断接下来五分钟价格会涨还是跌？这个把大订单拆小、并聪明地安排每笔小交易时机和数量的过程，就是"母单执行"（Parent Order Execution）——它是算法交易领域最核心的问题之一。
现有的解决方案大致分两类。一类是"按规则办事"型，比如最简单的TWAP策略，就是把总量平均分配到每一分钟，不管市场怎么变，雷打不动地均匀交易。还有更复杂的数学模型，比如学界著名的Almgren-Chriss框架，它假设市场冲击遵循某种固定的数学规律。但真实市场并不总是按照数学家的设想运转，规则一旦失效就束手无策。另一类是"让机器学习"型，通过强化学习等技术训练AI来做交易决策，但这类方法需要大量的特定市场数据来训练，换个市场环境或者换个任务设定，整套系统往往要重新来过。
研究团队提出了一个新思路：既然大型语言模型在语言理解、逻辑推理方面展现出强大能力，并且已经被训练了海量的金融、经济相关知识，那么能不能直接让它来做这件事？不需要预设任何市场规律假设，也不需要针对特定任务重新训练，直接在推断时生成决策。这套系统被命名为PACE，中文可以理解为"有计划地控制执行"。
一、大额交易的本质难题：为什么不能一次性全买完
要真正理解这项研究在做什么，需要先在脑海中构建一个具体的场景。假设你是一家基金公司的交易员，今天需要帮客户买入价值五亿元的某支股票，而且要在上午九点半到十一点半这两个小时内完成。
如果你在九点三十分整把这五亿的买单全部挂出去，市场上所有卖家都知道有人要大量购买，他们会立刻把价格抬高。你越急着买，价格就被你自己推得越高，最终你可能花了五亿五千万才买完，凭空多支出了一千万。
这就是为什么大额交易必须"化整为零"。但仅仅"均匀拆分"还不够聪明。假设市场在九点四十分左右会有一波上涨行情，精明的交易员应该在此之前多买一些，在涨价之后少买一些，这样平均下来的成本会更低。问题在于，没有人能准确预测未来，但可以根据当前的价格走势、成交量变化等信号做出比随机猜测更好的判断。
研究团队注意到一个有趣的自然现象：股票价格的波动可以分解成两个层次，就像地球上有洋流（缓慢移动的大趋势）也有海浪（短暂的局部起伏）。从更长的时间维度看，价格在一两个小时内会形成一个相对清晰的涨跌方向；但在每一两分钟这样的短时间尺度上，价格的波动则显得混乱而难以捉摸。
这个洞察成了PACE框架的设计核心。
二、PACE的运作原理：一位"战略家"搭档一位"战术家"
PACE的设计理念可以用一场军事行动来理解。执行一次大型作战任务，需要两个层面的角色协作：负责整体战略部署的参谋长，以及在战场一线随机应变的前线指挥官。
PACE中的"规划者"（Planner）扮演参谋长的角色。在整个交易任务开始之前，它会接收两类信息：一是"母单"的基本信息，包括要买还是卖、买卖多少股、从什么时候开始到什么时候结束；二是过去一段时间（比如过去一小时）的市场历史数据，包括每分钟的股价和成交量。同时，系统还会提供一条TWAP参考曲线，也就是"如果均匀分配应该怎么交易"的基准方案。
规划者要做的事情是：基于这些输入，对整个交易窗口期做出整体的战略判断。具体来说，它把整个交易时间段平均切分成若干个5分钟的"时间槽"，然后为每个时间槽打一个分数，分数越高表示这个时间段越值得多交易。同时，规划者还会输出一个"置信度"分数，表示它对这次判断有多大把握。
这个置信度的设计非常精巧：如果规划者觉得市场信号清晰、趋势明确，置信度高，那么最终的交易计划就会较多地偏离均匀分配，向AI认为更好的时机倾斜；如果规划者觉得信号模糊、难以判断，置信度低，那么交易计划就会更接近均匀分配的TWAP基准，稳健地完成任务而不冒险。
规划完成后，整个交易窗口被分成若干个"子计划"，每个子计划规定了某5分钟内要完成多少交易量。
"执行者"（Executor）则像是前线指挥官。在每一个具体的交易时刻（每隔一分钟决策一次），执行者同时接收三类信息：最近几分钟的实时市场数据（短期价格和成交量变化），规划者在开始时给出的整体趋势判断，以及当前这个子计划的TWAP基准量（也就是"平均应该交易多少"）。
执行者的任务是在TWAP基准量的基础上做微调：如果当前价格对交易有利（比如卖出时价格涨到了一个高点），就多交易一些；如果不利（价格正在下跌），就少交易一些，等待更好的时机。调整的幅度由一个参数控制，确保不会偏离TWAP基准太远。
三、实验设计：如何公平地测试这套系统
研究团队使用了深圳证券交易所的Level-1快照数据，覆盖2026年4月份所有交易日。Level-1数据能提供每个时刻市场上最优的买价（Bid1，愿意出最高价的买家报价）和最优的卖价（Ask1，愿意出最低价的卖家报价），这两个价格的平均值被用作股票的参考价格（中间价）。
每个交易日随机生成10张"母单"进行测试。每张母单的开始时间固定在上午10:30，结束时间则随机选取，可能是10:40、10:50、11:00、11:10、11:20或11:30，因此执行窗口在10分钟到60分钟之间变化。订单方向（买或卖）随机确定，最终51%是买单，49%是卖单。订单数量在100股到10000股之间随机生成，且必须是100的整倍数，平均约5000股。
实验测试了两种下单方式。"激进"模式下，买单直接以市场上卖家的最低价报价，卖单直接以买家的最高价报价，这样可以立即成交，但价格不是最优的。"被动"模式下，买单以买家最高价报价（相当于挂限价单等别人来成交），卖单以卖家最低价报价，这样如果能成交，价格会更好，但存在成交不了的风险。在被动模式中，如果时间快到最后一分钟还有未成交的量，系统会切换成激进模式强制完成交易，这个操作叫"扫单"（sweep）。
为了减少AI随机性带来的干扰，每张母单都会重复运行8次，取平均结果。
参与比较的对手策略包括：最简单的TWAP均匀分配策略；经典的Almgren-Chriss（AC）数学优化策略，通过搜索最优参数κ=0.5来确定前置交易的程度；两种机器学习方法，分别是XGBoost和LSTM，它们被训练用来预测下一分钟价格涨跌方向，然后据此调整交易量。
测试用到的主要指标叫做"价格表现"（bp，单位是基点，1基点等于万分之一）。对于买单，这个指标衡量策略的平均成交价比同期TWAP均价低了多少；对于卖单，衡量高了多少。数值越大越好，正数意味着相比均匀交易节省了成本，负数意味着付出了更高代价。最终汇报的是按交易金额加权的综合指标wbp。
四、实验结果：AI到底赢了多少
在激进模式下，TWAP均匀策略的wbp是-3.28，意思是相比理论最优价格，均匀交易会损失约3.28个基点。AC策略做到了-2.93，比TWAP改善了0.35个基点。XGBoost达到-3.10（改善0.18），LSTM达到-2.91（改善0.37）。
PACE搭载ChatGPT-5.4模型达到了-2.76，改善0.52个基点；搭载DeepSeek-v4-flash模型则达到了-2.26，改善整整1.02个基点，比次优的LSTM还要好0.65个基点。
在被动模式下，各策略绝对值都更大（因为被动策略有成交风险），但相对排名和改善幅度基本一致：PACE（DeepSeek-v4-flash）达到-3.92，改善1.07个基点，比最强基准好0.71个基点。
这0.65到1个基点的提升，放到现实里意味着什么？研究团队做了一个换算：对于一个每年交易规模达到1000亿美元的基金，比TWAP每年多节省约1个基点，折算成真金白银就是大约1亿美元（约7亿人民币）的执行成本节省。即便对小一些的基金，这个数字也是实实在在的。
所有策略都实现了100%的母单完成率，这意味着PACE不是靠"挑容易做的单子"来刷数据，而是在所有情况下都完整执行了任务。
研究团队用5000次自举重采样（bootstrap）检验了这个结论的统计可靠性。DeepSeek-v4-flash在激进模式下的改善幅度，95%置信区间是[0.15, 2.12]，p值为0.002，统计上非常显著，不是侥幸。
五、哪些情况下AI优势更大，哪些情况下优势缩小
实验进一步把所有母单按三个维度拆分，分别看PACE对比TWAP的改善幅度。
按交易方向分，买单的改善约为0.35个基点（激进）和0.50个基点（被动），而卖单的改善则高达1.43个基点（激进）和1.42个基点（被动）。卖单表现更好的原因与中国特有的市场制度有关：由于中国市场对卖空（即借入股票做空）存在较严格的限制，负面消息反映在股价里的速度更慢，这意味着卖出订单有更多操作空间，AI的判断也更容易产生价值。
按执行窗口长短分，执行窗口在30分钟以内的短期订单，改善幅度约为1.45到1.57个基点；而执行窗口在30到60分钟的长期订单，改善幅度仅约0.62个基点。道理很直觉：越往远处看，价格走势越难以预测，AI的判断也就越不可靠，贡献自然就小。
按订单量大小分，两个区间（0-5000股和5000-10000股）的改善幅度相差不大，约在0.77到1.16个基点之间。
在市场波动性测试中，研究团队把所有母单按执行窗口内的价格波动率分成高低两组。对比机器学习方法（XGBoost和LSTM），PACE在两组中都表现更好。这说明PACE对价格噪声有更强的抵抗力，把长期规划和短期执行分开来做，确实有助于减少局部价格噪声的干扰。
六、拆解PACE的每一块零件，看看哪个最重要
为了验证PACE各个模块的贡献，研究团队做了消融实验，也就是"拆掉某个部件，看性能如何变化"。
完整的PACE（DeepSeek-v4-flash，激进模式）wbp为-2.26。去掉规划者，只保留执行者后，wbp变为-2.88，性能下降了0.62个基点。去掉执行者，只保留规划者，wbp变为-2.62，性能下降0.36个基点。两者都去掉就等于TWAP，wbp为-3.28，是最差的。
换句话说，规划者和执行者都有独立价值，不可或缺，去掉任何一个都会造成明显性能损失。规划者的贡献在这个设定下更大，但执行者也提供了不可忽视的额外增益。
研究团队还测试了两种提示词变体：一种去掉了"方向性指导"（例如"买单希望价格更低"这类说明），另一种去掉了名词解释（例如Ask1、Bid1、TWAP的含义）。两种变体仍然比TWAP好，说明AI的基础交易知识本身已经足够有用，但完整的提示词仍能进一步提升表现。
七、AI会思考多远的未来？规划复盘实验
默认设置中，规划者在整个母单开始时只做一次规划，之后不再更新。研究团队测试了一种"动态复盘"变体：每完成一个子计划，规划者就根据最新市场数据重新规划剩余部分，相当于每5分钟更新一次战略。
结果出乎意料地呈现出两极分化：对于执行窗口在10-40分钟之间的短期母单，动态复盘使wbp从-1.99变差到-2.50；对于执行窗口在50-60分钟的长期母单，动态复盘则使wbp从-2.78改善到-2.48。
这个结论很有启发性：对于短期订单，一次性规划就足够了，频繁修改反而会打乱节奏、引入噪声；对于长期订单，由于未来太远、一次性规划难以准确，动态更新反而能更好地随市场变化调整。
八、推断成本：性价比如何
这项研究还核算了使用AI的经济账。在整个测试数据集中，共有1680张母单，总交易额约合3560万美元。DeepSeek-v4-flash方案的总API调用费用仅约30美元，换来的是约1个基点的改善，对应约3560美元的执行成本节省。也就是说，每投入1美元的AI计算成本，节省了超过100美元的交易成本，性价比相当高。
九、AI的行为心理学：它和人类交易员有何不同
这项研究最有趣的部分之一，是对AI决策行为的深入分析，揭示出若干与人类投资者截然相反的特征。
首先，研究考察了规划者每次输出是否稳定。对同一张母单反复调用8次，每次的价格走势评分是否会差异很大？用KL散度这个"衡量两个分布差异程度"的指标来看，三种模型设定（ChatGPT-5.4、DeepSeek-v4-flash低推理、DeepSeek-v4-flash高推理）的跨次散度都很低，说明规划者对同一份市场数据的判断相当稳定，不会随机乱飘。
其次，研究考察了置信度与分配集中度的关系。对同一张母单，当某次调用输出的置信度高于平均水平时，其对应的交易量分配是否也更集中在少数几个时间槽上？答案是肯定的，三种模型都呈现出正相关，高置信度意味着更集中的下注。这与人类投资者的过度自信现象有相似之处——人类越有信心，往往越把钱集中押在少数资产上。
然而，关键差异在于置信度与实际表现的关系。对人类投资者，大量研究表明过度自信往往导致更差的投资回报（1999年Terrence Odean的经典研究就记录了这一现象）。但PACE的分析显示，AI的高置信度与更好的实际交易表现呈现出统计上显著的正相关，无论是否加入控制变量都成立。这意味着，当AI"觉得自己看准了"，它确实更有可能是对的，而不是盲目自信。
在执行者的行为分析上，研究团队考察了时间压力如何影响AI的决策。当子计划快到结束时间（时间压力高），执行者倾向于减少当前的交易量；当时间还很充裕（时间压力低），执行者反而会多交易一些。这与人类的"拖延"心理恰恰相反——人类往往在截止日期临近时才加速，但AI提前布局、避免在最后时刻被迫以不利价格完成任务。
还有一个有趣的发现：两款AI模型的决策机制有所不同。ChatGPT-5.4的执行决策部分遵循了"近期趋势延续"逻辑，比如价格最近涨了就多买、跌了就少买。但DeepSeek-v4-flash的决策则无法用简单的趋势追踪或均值回归来解释，它有某种更复杂的市场推理在起作用。由于去掉规划者的DeepSeek-v4-flash版本仍然优于TWAP，说明这些"无法用简单规律解释"的决策确实带来了真实的性能增益，而不是噪声。
十、一张订单的完整旅程：具体案例解读
论文中展示了一个直观的案例。有一张卖单，需要在10:30到11:20之间卖出9000股某支股票。规划者看完9:40到10:30的历史数据后，判断下行趋势将持续，因此给前面几个时间槽打了更高的分数（1, 0.5, 0.5, 0, 0, -0.5, -0.5, -1, -1, -1），也就是说前期多卖、后期少卖，整体方案前置了大量交易量。从事后复盘看，股价在母单执行期间确实持续下跌，前置交易的策略帮助以更高的价格卖出了更多股票。
在具体执行层面，有一段10:50到10:54的子计划，TWAP基准是每分钟200股。执行者在价格相对高点（10:51、10:52）把交易量增加到了300股，在价格开始下跌后（10:53、10:54）把交易量减少到了100股。结果是以高于TWAP基准的平均价格完成了这段子计划。
说到底，这项由香港科技大学（广州）等机构开展的研究，用严谨的实验证明了一件事：大型语言模型不仅能做那种"你要不要买这支股票"的宏观判断，也能在微秒与分钟之间的执行层面发挥真实价值。更令人回味的是那几个行为分析发现——AI不会因为自信而失控，不会因为时间紧迫而慌乱，不会被最近一两分钟的价格波动牵着鼻子走。这些与人类投资者的系统性偏差恰好互补，或许真的意味着AI不是要替代交易员，而是弥补他们最容易犯错的那几个地方。感兴趣的读者可通过arXiv编号2607.28410查阅原始论文。
Q&A
Q1：PACE框架的核心创新点是什么？
A：PACE的核心创新在于把母单执行拆分为两个层次：规划者负责分析整体趋势并分配长周期的交易量，执行者则在每分钟根据实时行情微调具体数量。整个系统不需要预设任何市场运作假设，也不需要针对特定任务重新训练模型，直接调用大型语言模型的已有知识在推理时生成决策，兼顾了传统策略的稳健性和AI的适应性。
Q2：PACE比TWAP好多少，实际上能省多少钱？
A：在深圳证券交易所的测试数据中，PACE（DeepSeek-v4-flash）在激进下单模式下比TWAP均匀策略好约1.02个基点，在被动模式下好约1.07个基点。对一个每年交易规模达1000亿美元的基金，这意味着每年可以节省约1亿美元的执行成本。测试期间，整个实验的AI调用费用仅约30美元，性价比极高。
Q3：AI置信度高的时候交易表现真的更好吗？
A：是的，研究通过回归分析发现，规划者的置信度与实际价格表现呈统计上显著的正相关关系，在加入订单方向、数量、执行窗口和波动率等控制变量后仍然成立。这与人类投资者的过度自信现象不同，人类越自信往往结果越差，但AI的高置信度确实对应了更准确的市场判断，是"有凭据的自信"而非盲目乐观。
热门跟贴