輝達（NVDA）Patient 執行分析：被動流動性提供策略

輝達公司（NVIDIA Corporation，NASDAQ: NVDA）是全球領先的 AI 晶片和半導體公司，業務涵蓋圖形處理器（GPU）、人工智能計算平台、遊戲硬件、數據中心和自動駕駛技術。作為納斯達克上市的科技巨頭，NVDA 不僅是 AI 產業的核心受益者，也是全球市值最高的公司之一。

理解 NVDA 的市場流動性特徵對於選擇合適的訂單執行策略至關重要。NVDA 的日均成交量約 3000 萬至 6000 萬股，以平均股價約 140 美元計算，日均成交金額約在 42 億至 84 億美元之間。如此龐大的交易量意味著機構投資者可以在 NVDA 上執行大額訂單而不必過度擔心市場衝擊。

Patient 算法概述

Patient 算法（又稱「流動性提供者」策略）是一種被動執行策略，通過持續掛出限價單提供流動性，等待市場來匹配訂單。與主動消耗流動性的策略（如市價單或積極的限價單）不同，Patient 算法的核心思維是「等待市場來找我」。

為什麼選擇 Patient 算法？

Patient 算法在以下場景中特別有效：

1. 極低市場衝擊：由於不主動吃單，Patient 算法幾乎不會推高價格或產生滑價。
2. 流動性返還收益：作為流動性提供者，交易者有資格獲得交易所的 Rebate，這在機構交易領域是重要的收入來源。
3. 價格優化：限價單掛在買一或賣一價，確保執行價格不劣於掛單價格。
4. 適合高流動性股票：對於像 NVDA 這樣日均成交量達數千萬股的股票，限價單被匹配的概率極高。

然而，Patient 算法也存在缺點：執行時間不確定。如果市場流動性突然萎縮或價格快速移動，限價單可能長時間無法被匹配，導致執行延誤。因此，Patient 算法不適合需要緊急完成的訂單。

NVDA 市場結構與流動性特徵

基本交易數據

NVDA 在 NASDAQ 交易所上市，是NASDAQ-100 指數和 S&P 500 指數的核心成分股之一。其基本交易數據如下：

• 日均成交量：3000 萬至 6000 萬股
• 平均股價區間：100 至 200 美元
• 買賣價差：常態約 0.01 至 0.03 美元（極窄價差）
• 機構持股比例：約 65%
• 日均交易筆數：超過 120 萬筆

NVDA 的買賣價差長期維持在 1 至 3 美分，這反映了其作為高流動性股票的市場地位。窄價差意味著使用限價單掛單的成本極低，因為限價單通常掛在買一或賣一價，與市場價的偏離極小。

訂單簿深度特徵

NVDA 的訂單簿深度在所有美股中名列前茅，這為 Patient 算法提供了理想的執行環境：

從上述數據可以看出，NVDA 的訂單簿在前三檔就有充足的深度，這意味著即使大額限價單掛入，也能快速被市場消化而不造成明顯的價格移動。

NVDA 日內成交量分佈

NVDA 的日內成交量呈現典型的美股雙峰分佈，同時受到 AI 產業熱度的影響，其成交量分佈在某些時段可能更為集中：

• 開盤時段（09:30-10:30）：約佔全日成交量的 28%-32%。開盤前半小時成交量最大，因為 AI 相關的全球市場信息（如亞洲和歐洲的半導體交易）需要在此時段被消化。
• 上午中段（10:30-12:00）：成交量回落至日均水平的 12%-18%。市場進入相對平穩的整理階段。
• 午盤時段（12:00-14:00）：成交量最低，僅佔全日成交量的 8%-12%。這是 Patient 算法的最佳掛單窗口。
• 尾盤時段（14:00-16:00）：成交量再次放大至全日的 35%-40%。這是 Patient 算法限價單被匹配概率最高的時段。

Patient 算法在 NVDA 上的執行流程

以下是一個完整的執行範例，說明 Patient 算法如何應用於 NVDA。

執行範例：買入 50,000 股 NVDA

假設機構投資者需要在 NVDA 上買入 50,000 股，執行步驟如下：

1. 初始評估：觀察 NVDA 當前訂單簿狀態。賣一價為 140.02 美元（深度 15,000 股），買一價為 140.00 美元（深度 20,000 股）。
2. 設定限價價格：決定掛在買一價 140.00 美元，這個價格與當前市場價的偏離僅 0.01%，幾乎不會產生機會成本。
3. 分單掛入：將 50,000 股拆分為 5 筆，每筆 10,000 股，依次掛出限價買單 @ 140.00 美元。
4. 持續追蹤與補充：隨著部分訂單被匹配，持續補充新的限價單以維持掛單量。同時監控訂單簿深度變化，如果賣方深度突然萎縮，可適度提高限價價格 1-2 美分以提高匹配概率。
5. 執行完成：通常在 1 至 3 個交易日內完成全部 50,000 股的執行。

風險管理

使用 Patient 算法時，需要關注以下風險：

• 價格漂移風險：NVDA 的價格波動通常大於一般科技股（因為 AI 產業消息頻繁），買方限價單可能無法被匹配。建議設置價格閾值（如高於買一價 0.05 美元時停止掛單）。
• 流動性枯竭風險：在 NVDA 財報發布、AI 產業重大政策宣佈等事件驅動時段，NVDA 的買賣價差可能突然擴大，Patient 算法的執行效率會大幅下降。建議在這些時段避免使用純 Patient 策略。
• 信息泄露風險：如果限價單長期掛在訂單簿上且量級較大，可能被高頻交易算法檢測到並進行「搶先」操作（Front-running）。建議將訂單拆分為較小的批次並分散在多個時段掛出。

Patient 算法與隱藏訂單技術的結合

為了進一步降低市場衝擊，機構投資者通常會將 Patient 算法與隱藏訂單（Iceberg Order 或 Reserve Order）技術結合使用。隱藏訂單的核心概念是只在訂單簿上顯示部分訂單量（Visible Quantity），而將剩餘部分隱藏（Reserved Quantity）。

例如，對於 50,000 股的 Patient 訂單，可以將 Visible Quantity 設定為 5,000 股。這樣，訂單簿上只顯示 5,000 股的買單，但當這部分被匹配後，系統會自動補充另一筆 5,000 股的隱藏限價單。這種方式可以有效降低訂單規模對市場心理的影響。

關於更多隱藏訂單的執行策略，建議閱讀我們的隱藏訂單完整指南。

NVDA 上使用 Patient 執行的實際場景

場景一：大型機構的 AI 產業配置調整

某大型养老基金需要在 3 個交易日內將 NVDA 持倉從 150 萬股調整至 130 萬股（賣出 20 萬股）。考慮到 NVDA 的日均成交量達 3000 萬至 6000 萬股，20 萬股僅佔日成交量的 0.3%-0.7%，屬於中小規模訂單。

執行方案：

• 使用 Patient 算法，將 20 萬股拆分為 20 筆，每筆 1 萬股
• 掛單價格：賣一價減去 0.01 美元（確保價格競爭力）
• 每日執行量：約 6.7 萬股，分散在開盤和尾盤兩個高流量時段
• 預期執行時間：2 至 3 個交易日
• 預期市場衝擊成本：低於 0.01%

場景二：ETF 跟蹤基金的 NVDA 持倉調整

某追蹤 S&P 500 指數的 ETF 基金需要在指數 rebalance 日調整其 NVDA 持倉。由於 NVDA 在 S&P 500 中的權重較高（約 6%-7%），Rebalance 帶來的集中交易可能產生顯著的市場衝擊。

執行方案：

• 提前 2 至 3 個交易日啟動 Patient 算法，逐步積累/減持
• 在 Rebalance 日當天，如果市場流動性充足，繼續使用 Patient 算法補充剩餘部分
• 如果市場波動加劇，可切換至混合策略（Patient + VWAP）以確保當日完成

FAQ

Patient 算法在 NVDA 上的平均執行時間多長？

對於 50,000 股規模的訂單，Patient 執行的平均執行時間約為 1 至 3 個交易日。執行時間主要取決於掛單價格與市場價的偏離程度、訂單簿深度變化、以及市場整體流動性狀況。

Patient 算法是否會獲得流動性返還？

是的。如果 Patient 算法的限價單在訂單簿的買方一側掛單，並且被賣方匹配，則交易者通常可以獲得交易所的流動性返還。NASDAQ 對流動性提供者的返還約為每股 0.0028 至 0.0035 美元。以 50,000 股為例，可獲得約 140 至 175 美元的返還收益。

NVDA 的 Patient 執行與 VWAP 應該如何選擇？

如果訂單不緊急且目標是獲取最優價格，Patient 執行是更好的選擇。如果訂單需要在單一交易日內完成，VWAP 是更優的選擇。關於 VWAP 算法的詳細分析，建議閱讀我們的滑價控制策略。

總結

輝達（NVDA）作為高流動性的半導體龍頭，其深厚的訂單簿深度和狹窄的買賣價差使 Patient 算法成為極低市場衝擊的理想選擇。對於 3 萬至 10 萬股規模的訂單，Patient 算法可以在 1 至 3 個交易日內以極低成本完成執行，同時還可能獲得流動性返還收益。

然而，Patient 算法不適合需要緊急完成或市場波動劇烈的訂單。NVDA 的價格波動通常大於一般科技股，在 AI 產業重大事件發生期間，建議採用混合策略（如 Patient + VWAP）以兼顧執行效率和成本優化。

Algo Lab 的量化交易平台為 VIP 會員提供進階 Patient 執行引擎，支持自定義限價價格、分單策略、隱藏訂單和動態價格調整等功能。加入 Algo Lab VIP 會員，解鎖完整的量化交易知識庫和專業級訂單執行能力。