Исследование посвящено проблеме оптимального исполнения крупных биржевых ордеров в условиях стохастической ликвидности и ценового воздействия, которые формируют значимую долю транзакционных издержек институциональных инвесторов. Целью работы является построение математической модели, позволяющей находить динамический баланс между минимизацией проскальзывания и контролем риска исполнения с учетом случайных изменений глубины рынка, спреда и волатильности. В качестве эмпирической базы использованы высокочастотные данные по наиболее ликвидным акциям технологического сектора, торгуемым на крупной американской бирже, за многолетний период, что обеспечивает репрезентативность и стабильность оценки параметров. Ликвидность моделируется с помощью стационарного процесса с возвратом к среднему, а ценовое воздействие разлагается на временную и постоянную компоненты с нелинейной зависимостью от объема сделки. Оптимальная траектория исполнения выводится из задачи стохастического управления на основе уравнения Гамильтона Якоби Беллмана, где целевая функция агрегирует ожидаемые издержки и дисперсию стоимости исполнения с учетом коэффициента неприятия риска инвестора. Эффективность разработанной модели оценивается методом численного моделирования и сравнивается с распространенными бенчмарками, включая равномерное по времени исполнение, стратегию, ориентированную на профиль объема, и классическую статическую модель, основанную на детерминированной ликвидности. Результаты показывают значимое снижение среднего проскальзывания и риска, особенно в периоды повышенной рыночной волатильности, а также выраженную зависимость оптимального горизонта и агрессивности торговли от параметра неприятия риска. Дополнительно анализируется поведение модели в различных режимах рынка, выделяемых по уровню волатильности индикаторов, что позволяет выявить рост преимущества адаптивного подхода по мере усиления неопределенности и сокращения доступной ликвидности. Проводится сопоставление структуры издержек во временном и постоянном ценовом воздействии, демонстрирующее способность модели концентрировать объем в благоприятные окна ликвидности и снижать давление на книгу заявок. Обсуждается практическая применимость полученных выводов для настройки алгоритмических стратегий институциональных инвесторов, интеграции модели в систему риск менеджмента, разработки регламентов стресс тестирования, а также выбора параметров в зависимости от режима рынка и характеристик управляющего мандата. Отмечаются направления дальнейших исследований, включающие усложнение стохастической структуры ликвидности, использование методов машинного обучения для классификации рыночных режимов и учет асимметрии ценового воздействия и микроструктурных эффектов более высокого порядка.