实际交易过程当中,很多机构投资者都需要下大额的订单,在下单过程中,考虑到市场流动性和市场冲击成本等因素,投资者开始利用算法交易隐藏其交易过程,将大额订单拆分,分次以小额订单下达成交。算法交易的首次提出在上世纪80年代,经过几十年的发展,主要分为三代。第一代算法交易策略考虑通过历史信息最小化市场冲击成本,最典型的就是交易量加权平均算法(Volume Weighted Average Price,简称VWAP),这一类算法已经在市场中广泛使用。第二代算法交易策略以执行差额算法(Implementation Shortfall,简称IS)为代表,在第一代算法的基础上引入交易的时间冲击成本。第三代算法交易策略只是在第二代的基础上深化和完善,考虑动态调整策略。现在的学者主要研究两个方向,一是如何优化VWAP算法中的交易量预测模型,另一个方向是如何在IS算法中优化价格变动模型。但无论是传统模型还是优化后的模型,在实际运用过程中,容易在一些极端情形造成过量损失。因此在本文当中,我们考虑引入新的风险刻画模型,来减少这种损失。现在流行的最优化评价准则有三类,一是最优化期望,其中第一代算法交易策略主要用这种评价准则,用来刻画策略的市场冲击成本。二是运用均值-方差或者效用函数,第二代算法交易策略主要使用这种评价准则,这一类风险刻画模型能够兼顾市场冲击成本和时间冲击成本,但容易被极端风险所影响。三是风险平价准则,旨在解决类似60/40的标准平衡投资组合中的股权风险集中问题,保证每个资产的风险完全平均,任何资产类别都无法在推动投资组合波动中占主导地位。本文考虑将风险平价模型引入IS策略当中,这样能够分散交易过程中的时间冲击成本,减少极端情形对于交易成本的影响。为了验证风险平价模型下的IS策略的有效性,我们另外将风险平价下的模型与传统的VWAP模型以及IS模型进行对比,验证模型的有效性。我们主要研究模型在中国市场中的应用。考虑到市场的流动性,我们取的是上证50ETF股指数据。我们取2016年3月至2019年9月的分钟级数据进行验证,通过检验分析,我们首先得到VWAP算法是一类特殊的IS算法。其次,通过比较极端情形下不同策略的收益情况,我们发现风险平价模型下的IS策略能够更有效的减小交易成本。通过比较风险平价下的IS策略与其他算法交易策略在2017年至2019年的收益与收益方差,我们发现风险平价模型下的IS策略相较于其他策略,在收益几乎一致的情况下,风险要小很多,说明风险平价模型能够有效的减少交易产生的时间冲击成本。