返回博客
股票交易系统风控设计:一条委托单从生成到成交要过几道闸门?
股票

股票交易系统风控设计:一条委托单从生成到成交要过几道闸门?

2026年6月22日

一条买入委托要活下来,先得穿过五道闸门

把风控当成交易系统里“顺手加上的校验”,是没跑过实盘的人容易有的想法。问题往往出在最不起眼的检查上:一个量化策略生成买入指令,如果系统不拦下资金不足的单子,或者放任某只股票买到仓位占比失控,后面要付的代价远比重写一段代码大得多。委托单不是生成了就能往外送,它得先证明自己有资格活下来。

在金边做了十二年交易类系统开发,团队二十八个人,客户分布在柬埔寨、菲律宾、越南、老挝、泰国、印尼、马来西亚这几个市场。每年交付约一百个项目,交易系统风控模块改造占了其中相当比例。踩过的坑里最常见的一类就是:策略逻辑和风控逻辑缠在一起,改一个阈值要动整个下单链路。后来形成的习惯是,风控独立成一条责任链,跑在策略和交易所之间,任何一环不通过,委托单根本到不了柜台。这条链不是“建议”,是硬闸门。

拿一个典型场景来说:某策略要以10.50元买入10000股某只股票。这笔委托在进入交易通道之前,至少要依次通过证券资格、价格区间、资金可用额、持仓集中度、申报频率五道检查。每一道的拒绝原因都以错误码形式返回给策略层,比如资金不够就返回 ERR_FUND_INSUFFICIENT,策略拿到这个码再决定是缩量还是放弃,而不是盲目重试。错误码体系本身也是风控的一部分——策略层需要知道“为什么被拦”,否则它只会用更粗暴的方式重试,把问题搞大。

委托提交前:把能挡的风险全部挡在门外

交易前风控是整个体系里规则密度最高的部分。规则不复杂,但漏掉一条,后面的闸门就形同虚设。

证券池先过滤一遍,不让策略买到不该碰的标的

第一层是黑白名单。黑名单里通常放ST股、停牌股、被监管警示的标的,这份名单由合规人员维护,每天盘前更新一次。白名单则是反向约束——策略只允许在预设股票池内选股,防止模型出错时买到流动性极差或基本面异常的品种。黑白名单不是写死在代码里的,是运营数据,必须能在盘前热更新。

光有名单还不够,不同板块的准入门槛必须在这一层处理。科创板、创业板、北交所对投资者资金量和交易经验的要求都不一样,系统必须在委托生成时就校验,而不是等到柜台报错。柜台报错意味着委托已经送出去了,时间已经浪费了,更麻烦的是某些柜台对无效委托有惩罚性计数。

价格和数量限制同样要在这一层完成。涨跌停板价是动态的,得从行情源实时取,不是盘前算一次就完事。最小变动单位也要统一处理,A股是0.01元,港股是0.001港元,混着做多市场的人很容易在这里翻车。单笔数量上,A股要求100股整数倍,同时设单笔委托上限,超过就拆单或拒绝。这些规则看着基础,但多市场并行时,基础规则恰恰是最容易串的地方。

资金和持仓两道算术题,一个都不能算错

买入委托的资金校验不是简单比较“委托金额≤可用资金”。T+1制度下,当天卖出股票回笼的资金不能转出但可以继续买入,所以计算可用资金时要把这部分算进去。同时还要预留预估税费,A股卖出印花税0.1%,佣金另算,买入金额加上这些费用之后仍然不能超过可用资金。费用预估要留一点冗余,不能卡着线算,否则一笔改单就可能把资金打穿。

持仓上限是另一道容易被忽视的闸门。单只股票持仓占账户总资产的比例要设硬上限。这个比例一旦在委托前检查时发现会突破,就直接拒绝,而不是等成交之后再调仓。成交后调仓是被动的,被动意味着你已经违反了内部约束,只是还没被外部发现。还有一点是保留最低现金,用于应对保证金追加或紧急赎回,不能把所有资金都打满。最低现金比例不是风控部门拍脑袋定的,它和账户的杠杆结构、持仓集中度直接相关。

实现层面,这些规则用责任链模式串起来最直观:StockBlacklistCheck → PriceLimitCheck → FundCheck → PositionLimitCheck,每个处理器只做一件事,规则之间不互相依赖,新增或停用某条规则不影响其他检查。在柬埔寨、菲律宾、越南、老挝、泰国、印尼、马来西亚这几个市场的交易系统里都保持了这套结构,因为不同市场的规则差异太大,责任链拆得越干净,换市场适配时改动越小。拆不干净的话,换个市场就是一次重写。

委托提交后:盯住撤单率、滑点和异常行为

委托一旦进入交易通道,风控的重点就从“拦截”转向“监控”。高频环境下,问题往往在几秒内就积累到不可控。提交后的风控不是事后诸葛亮,它是唯一能在损失扩大前踩刹车的地方。

撤单率是交易所盯得最紧的指标之一

交易所对日内撤单率过高的账户有明确的限制措施。系统需要实时计算“当日撤单笔数÷当日委托笔数”,一旦接近阈值就自动降频或暂停委托。这个阈值不是固定的,不同市场、不同账户类型差异很大,必须做成可配置项。申报频率同样要限流,策略层用令牌桶算法控制节奏,避免触发交易所的流量保护。令牌桶的填充速率要和柜台的实际处理能力匹配,填太快等于没限流,填太慢又拖慢正常策略。

滑点不是越小越好,关键看是否超出预设区间

实际成交价和委托价之间的偏差超过预设阈值就触发报警。这个阈值不是拍脑袋定的,不同流动性的股票容忍度不同。大单拆单场景下还要监控每笔成交的市场冲击成本,如果累计冲击超过模型预期,就暂停算法,把剩余部分切换为被动限价单,而不是继续按原节奏砸盘。这里的关键是“切换”而不是“停止”——停止会暴露意图,切换能降低冲击同时保留完成交易的可能。

异常行为识别需要规则引擎,而不是硬编码

对倒交易、频繁撤单后反向委托这类行为,规则会随着监管要求变化而调整。硬编码在代码里,每次改规则都要发版,这在实盘环境里不可接受。用规则引擎(比如Drools)把这些判断逻辑配置化,合规部门可以直接调整触发条件,系统热加载生效。规则引擎的配置界面要一并交付,让客户自己的合规人员能上手维护,而不是每次改规则都回来找开发团队。规则引擎不是银弹,但至少在规则频繁变化时,它能把发版频率降下来。

盘后不是结束,审计和复盘才是风控闭环的最后一环

很多团队做到交易中风控就停了,但日终审计没做好,等于整个风控体系缺了一条腿。盘后要生成当天的风控拒绝记录、报警记录和异常交易清单,每一条日志都要包含委托时间、拒绝原因、触发规则、操作员信息。这份日志不只是给合规看的,也是策略迭代的重要输入。没有拒绝记录,策略方永远不知道自己有多少单子被拦、为什么被拦,也就没法优化。

持仓风险敞口分析同样在盘后完成。组合层面的VaR、Beta值、行业集中度要每天计算,杠杆账户还要检查维持担保比例是否跌破警戒线。另外,用历史行情回放来验证风控规则的有效性,也是一种成本很低的测试方式。比如把某次小盘股闪崩的行情灌进去,看系统能不能及时拦住跌停板上的买入委托。回放不是模拟,是拿真实历史数据跑现在的规则,能发现很多纸面上看不出来的问题。

规则会变,风控系统必须跟得上

股票市场的交易规则不是静态的。北交所调整涨跌幅、科创板引入盘后固定价格交易,这类变化要求风控系统具备热更新能力。阈值、开关、黑名单这些配置放在数据库或配置中心里,改完即生效,不用重启服务。热更新不是锦上添花,是基本要求——规则变了系统跟不上,后面要补的合规成本远高于提前把配置层做好。

多级风控模式也值得做:开发环境、模拟交易、实盘交易分别使用不同的风控等级。模拟盘允许更高的撤单率,实盘则收紧到监管红线以内。性能方面,风控检查要在微秒级完成,黑名单和持仓数据用本地缓存(如Caffeine)存储,避免每次检查都打数据库。这套架构在实盘里跑下来,风控链路本身没有成为过下单链路的瓶颈。真正影响延迟的往往是行情源的质量和柜台接口的响应,风控检查的本地缓存命中率做上去之后,这部分开销基本可以忽略不计。唯一需要注意的是缓存更新策略:黑名单数据盘前批量刷,持仓和资金数据在成交回报里增量更新,不能靠定时轮询,否则延迟会随轮询周期漂移。

这类系统从零开始搭,对没有交易系统经验的团队来说成本不低。团队在金边做了十二年,主攻电商、娱乐、金融/交易、地产、物流五个方向,每年交付约一百个项目,其中电商类系统有现成成品,开箱即用,交付周期可以压到几天,目前部分成品系统有几十家客户在运营使用。交易类系统因为风控规则定制化程度高,小项目通常几天到两周,大项目大约两个月。支付通道由客户自己提供资源,团队负责对接,不碰通道本身。合作上先付30%启动,验收后结清尾款,报价按功能清单评估,具体数字面谈或Telegram详聊。日常服务用中文沟通,TG分钟级响应,系统bug免费修,新增功能按工作量另算。

本文仅用于技术交流,不构成任何投资建议。