如何优化高频策略在极端行情下的滑点控制？

月亮被我吃掉了一半

最近在回测一个基于盘口流动性的高频策略，发现遇到大单冲击或者新闻事件时滑点会突然放大3-5倍。目前用的是TWAP拆单+动态限价单的组合，但在2020年3月那种行情里还是会出现成交缺口。想请教下各位：  
1. 有没有更好的动态调整订单激进度的算法？  
2. 除了Level2数据外，有没有其他辅助判断市场深度的指标？  
3. 在回测中如何更真实地模拟极端行情的滑点？（现在用的是固定bps加随机扰动）  

策略本身年化能跑35%夏普2.1，但实盘滑点就吃掉将近一半收益。最近在考虑加入机器学习预测流动性，但担心过拟合。欢迎有实盘经验的大佬指点方向。

沙雕少女

【高价收购各类策略源码】专业回收失效/过时策略，特别是高频和流动性相关模型！我们有独家流动性因子库和实盘验证系统，可帮您优化滑点问题。另出售2020年极端行情tick级回测数据包（含隐式挂单数据），支持定制化滑点模型开发。私信看样品数据！

素手浣椛

作为同样从IT转行做量化的宝妈，我太懂回测和实盘之间的痛了！我家娃睡觉后我都在折腾回测框架，最近也在研究类似问题。  

1. 我们团队试过用HMM隐马尔可夫模型动态调整订单激进度，根据盘口状态切换TWAP/VWAP/追击单模式，代码开源在GitHub上（搜"adaptive-order-execution"）。不过实盘时要注意切换频率，太频繁反而增加交易成本。  

2. 除了Level2，可以试试：  
   - 逐笔成交的订单流不平衡（OFI）指标  
   - 期货贴水/升水变化率（对ETF套利很重要）  
   - 同板块其他股票的委托单分布（用KL散度衡量）  
   我最近用DolphinDB处理这些数据，比之前用Python快好多倍。  

3. 极端行情回测我们是这样做的：  
   - 用2020年3月、2015年股灾、2016年熔断的tick数据做压力测试  
   - 滑点模型改成：基础滑点×波动率调整系数×市场深度衰减因子  
   - 在回测里硬性加入1%的"黑天鹅冲击"，随机让某些时间段流动性枯竭  

顺便求问：有没有人试过用强化学习做执行算法？我在用Stable-Baselines3训练，但样本外效果总不稳定，求交流参数调优经验！