AI 交易到底要花多少钱（手续费、价差、滑点）

一个替你交易的 AI 智能体，照样要付你会付的那些过路费：佣金、价差、滑点。变的是它付的频率有多高。大多数关于 AI 交易成本的讨论止步于订阅价，而那通常是账单上最小的一行。

本文把完整的成本栈逐项列清（平台费、佣金、价差、滑点、资金费、货币兑换），然后让同一套策略分别以每月 5 笔和 50 笔跑一遍，让你看清频率究竟花掉你多少钱、以美元计。读到最后，你会知道哪些成本该去谈、哪些该绕着设计、哪些干脆接受就好。

AI 交易成本栈，一行一行看

六个成本项，从最显眼到最不显眼。

平台订阅费或额度。 平台为自动化层本身收取的费用，无论是固定月费还是按使用量计。它相对于你的交易是固定的，所以它真正的分量取决于账户规模：每月 30 美元一年就是 360 美元，对一个 100,000 美元的账户是 0.36%，对一个 5,000 美元的账户则是 7.2%。同一个产品，拖累却是二十倍。

佣金。 你的交易所或券商按每笔成交订单收取的费用，通常按单边计。加密现货交易所在零售档位上，吃单订单常收约 0.1%，挂单更少。许多股票券商标榜零佣金，但执行质量参差不齐，而期权或非美国交易场所通常仍按每份合约或每笔订单收费。

价差。 最优买价和最优卖价之间的缺口。每一笔市价单都要跨过它，进场时相对中间价大约付掉半个价差，出场时再付一次。在流动性好的大盘股和主流加密对上它很窄；在小盘股、山寨币或非交易时段里则急剧变宽。价差在你的对账单上是看不见的，而这恰恰是它在你不知不觉中复利累积的原因。

滑点。 触发你决策的价格，和你实际成交的价格之间的差。它随订单规模、紧迫程度和稀薄的流动性而增大。对自动化来说不痛快的地方在于：智能体恰恰就是那批在凌晨 3 点、或在一条新闻发布后的几秒钟内交易的参与者——而那正是滑点最糟的时候。

资金费。 如果你的智能体交易永续合约，多头和空头会周期性地互付资金费。在一个拥挤的单边市场里，持有一个永续合约里人多的那一边，可能要付出一个可观的年化利率，而且它的正负号还可能反转过来打你。一个在费率表上看起来免费持有的头寸，未必真的免费。

货币兑换。 一个以欧元计价的账户去买以美元计价的资产，进来时付一次兑换成本、出去时再付一次。对于在外国市场里频繁交易的人来说，这就成了一笔实打实的每次往返成本，而不是一次性的。

同一套策略以每月 5 笔和 50 笔测算

现在是没人会逐项列出来的那部分。拿一个 10,000 美元账户上的单一波段策略，平均每笔仓位 2,000 美元。为了让算术诚实，假设一组示意性但合理的单边成本：0.10% 佣金、跨价差 0.05%、滑点 0.10%。这些是声明的假设，不是测量值；你的交易场所可能更便宜、也可能更糟，你应该用你自己的数字把这张表重做一遍。

单边合计是仓位价值的 0.25%。一次完整往返（进场加出场）花掉仓位的 0.50%：一笔 2,000 美元的交易是 10 美元。再加上每月 30 美元的平台订阅费。下面是同一套策略在两种频率下跑一整年的样子：

成本项（年度）	每月 5 笔（60 次往返）	每月 50 笔（600 次往返）
佣金（每次往返 0.20%）	$240	$2,400
价差（每次往返 0.10%）	$120	$1,200
滑点（每次往返 0.20%）	$240	$2,400
平台订阅费（$30/月）	$360	$360
年度总成本	$960	$6,360
占 $10,000 账户的百分比	9.6%	63.6%

把最后一行再读一遍。低频版本一年必须挣到 9.6% 的毛收益才能勉强打平，这已经很吃力了。高频版本则必须挣到 63.6% 的毛收益，你才能留住一分钱。每一次往返在贡献任何东西之前，都要先迈过同样的 0.5% 门槛，而 50 笔的版本得找到十倍多的、每一个都能跨过这道门槛的机会。

这正是为什么频率是自动化交易里最重要的那一个成本决策。不是订阅费。不是佣金档位。而是智能体交易的频率。

有两点微调值得一提。第一，固定成本偏爱大账户：那 360 美元订阅费在每月 5 笔时是最大的一行，在 50 笔时却是一个舍入误差。第二，滑点不是线性缩放的：如果高频那一版还在更稀薄的时刻交易更快的信号，那它真实的每笔滑点很可能高于这里假设的固定 0.2%，这让这场比较其实对快版本手下留情了。

隐性成本：过度交易感觉起来免费

自动化最昂贵的属性是心理上的，不是技术上的。当执行一笔交易在精力上不花你分文（没有下单票、没有盯屏、没有凌晨 3 点的闹钟）时，那个天然给交易频率踩刹车的东西就消失了。智能体会精确地按它规则允许的频率去交易，没有人在当月第四十笔交易时会有的那种不情愿。

这就是陷阱：你每加一个触发器，感觉都像在增加机会，而上面那张表却说，你是在增加门槛。一条一年触发 600 次的规则，得比一条触发 60 次的规则好上一大截，而很少有零售信号能做到。

修法是结构性的，不是靠激励。给智能体加一个交易速率上限（比如每周最多进场几次）。要求每一个新加的条件，都在一个含成本的回测里、而不是在零成本的权益曲线上，为自己辩护。并且把一个实盘智能体里不断上升的换手率当成一个该去调查的警报，就像你对待不断上升的回撤那样。几个经典的AI 交易错误归根结底正是这一条：付出成本栈的频率，超过了优势所能证明的合理程度。

如何在回测里读出一套策略的成本敏感度

在一个智能体拿真金白银交易之前，你可以测出它的优势对成本有多脆弱。这个流程要对同一套策略做三次回测：

1. 零成本运行。 没有佣金、没有滑点。这是这套策略理论上的天花板，仅此而已。
2. 现实运行。 你实际的费用档位、一个测量出来的典型价差，以及一个与资产和时段相称的滑点假设。
3. 悲观运行。 把滑点翻倍、把价差拉宽。这近似于一个糟糕的流动性状态。

然后比较。如果权益曲线在零成本下很强、在现实运行里却走平或转负，那这个“优势”就是微观结构噪声：这套策略在收集的，是比收集它们所需过路费还小的波动。如果现实运行扛得住、但悲观运行崩了，那这套策略是可行的、但脆弱，只配得上更小的仓位和只交易流动性好的资产。

有一个比率能把它概括起来：每次往返的平均毛利润，除以每次往返的成本。低于大约 2，成本就主宰了你的策略，一次糟糕的成交就抹掉一个赢家。这个倍数越高，优势就越经得起市况变化。高换手率的策略在这个比率上，几乎总是比它们的权益曲线所暗示的要差——这正是慢节奏策略更常在实盘里活下来的定量原因。

这也是一个你评估任何平台时该跑的测试：它的回测器到底建不建模成本？Obside 的回测引擎把滑点假设烘焙进每一次历史回放，所以成本拖累在你实盘付它之前就在报告里看得见，而同一份智能体定义随后原封不动地进入模拟交易。把这场验证跑对的具体机制，在如何给 AI 交易智能体做回测里讲过。

什么值得付钱，什么不值得

不是所有成本都是拖累。有些买的是更便宜的配置所缺的保护或信息。

值得付钱的：

• 执行时刻的风控。 在一笔订单路由的那一刻强制生效的仓位大小、止损和回撤上限。这是一份针对你最糟那一天的保险，它的价值恰好在最要紧的那一次显现出来。
• 含成本的回测和高质量数据。 一个不建模滑点的回测是一份营销文档。跨市况的干净历史数据，才让上面那套三次运行的流程有意义。
• 意图透明度。 一个在运行前把你大白话的策略复述成精确条件的平台，能防住昂贵的误解——一条翻译错的规则，代价可能超过十年的订阅费。

不值得付钱的：

• 你无法审计的信号。 订阅一批没有可见逻辑、也没有业绩记录方法论的买卖指令，是一笔收益无法验证的成本。
• 你用不上的速度。 零售的波段和头寸策略，从超低延迟执行里得不到任何东西。为它付钱，是在为别人的使用场景付钱。
• 小账户上的高级档位。 把第一节里那个固定成本百分比重新算一遍。如果平台费每年超过账户的大约 1–2%，那要么账户得长大，要么档位得缩小。

一套更完整的权衡框架在如何挑选智能体交易平台里，更宽泛的市场背景则在我们的自动化交易平台对比里。

从这里往后

用你真实的费用档位、你典型的仓位大小，和一个诚实的滑点估计，跑一遍你自己版本的“5 对 50”表。大多数认真做过一次的交易者，都会永久地改变他们设计自动化的方式：更少的触发器、流动性更好的资产，以及一个每条规则都必须跨过的门槛率。如果你想在任何资金动之前，就让成本拖累替你算清楚，Obside 会带着滑点假设为你回测策略，并让你在模拟模式里演练它，直到扣除成本后的数字依然站得住脚。

仅供教育参考，不构成投资建议。交易存在风险，可能导致本金损失。