高频交易及量化投资的策略与误区
量化投资一般依赖复杂的模型，而高频交易一般依赖运行高效的代码1 & &高频交易公司和量化投资公司的区别一般来说，公司和公司既有联系，又有区别。在美国，人们常说的高频交易公司一般都是自营交易公司，这些公司主要有Getco、Tower Research、Hudson River Trading、G、Virtu Financial、Jump Trading、R Advisor、Chopper Trading、Jane Street等；而常说的量化投资公司一般都是对冲基金，包括RenTec、DE Shaw、Two Sigma、WorldQuant、AQR、Winton、BlueCrest、Citadel等。此外，Citadel、Two Sigma等公司，既有高频交易业务，又有量化投资业务；DE Shaw等公司，既有量化投资，又有非量化投资——很多公司朝着更综合的方向发展。从历史上看，很多高频交易公司的创始人都是交易员出身，原来就从事衍生品的做市、套利等业务。一开始这些工作并不需要多高深的知识。随着计算机技术的发展，交易的自动化程度和频率也逐渐提高，这些公司逐渐聘请一些数学、统计、计算机背景较强的人员加入以适应形势的发展。当然，这个过程也出现了一些分化，有的公司还是保留了交易员在公司的主导地位，并且始终未放弃人工交易，最终形成了人机结合的半自动交易；而另外一些公司对新鲜技术的接受程度更高一些，往往采取全自动的交易模式。事实上，也没有证据表明全自动交易的公司就比半自动交易的公司更为优越，到目前为止，也只能说是各有利弊。人工交易的最大弊端在于手动下单的地方离交易所较远，在行情剧变的时候往往抢不到单。在这一点上，全自动交易的公司可以通过托管机房来最大程度减少信号传输的时间，不过自动化交易往往因为程序过于复杂，加上很多公司人员流动较大，在程序的维护上会出现一些失误，最终程序出错酿成大祸，比如著名的骑士资本。至于过度拟合无法抵御事件，那是人工交易和自动交易都无法避免的问题。一般来说，Getco、Jane Street、SIG、Virtu Financial等是半自动交易，Tower Research、Hudson River Trading、Jump Trading等是全自动交易。量化投资公司跟高频交易公司则有很大的不同。首先，美国的量化投资公司基本上都是量化背景极强的人创办的，比如说文艺复兴的创始人西蒙斯是数学家出身，DE Shaw的创始人David Shaw是计算机教授出身，AQR的创始人Cliff Asness是金融学家出身，而高频交易公司则更多是传统交易员创办的；其次，量化投资一般依赖于复杂的模型，而高频交易一般依赖于运行高效的代码。量化投资公司的持仓时间往往达到1—2个星期，要预测这么长时间的价格趋势需要处理的信息自然非常庞大，模型也因此更为复杂，对程序的运行速度反而没那么敏感；高频交易处理信息的时间极短（微秒或毫秒级），不可能分析很多的信息，因此模型也趋于简单，竞争优势更多依靠代码运行的效率，很多人甚至直接在硬件上写程序；而最后，量化投资的资金容量可达几百亿美元，而高频交易公司往往只有几千万至几亿美元，但由于高频交易的策略表现远比量化投资稳定，如Virtu Financial交易1238天只亏1天，因此一般都是自营交易，而量化投资基金一般来说都是帮客户投资。2 & &量化交易的模型下面介绍一下量化交易的模型，从简单到复杂：最简单的以约翰·墨菲的《期货市场技术分析》为代表，最多用到指数、对数等高中层面的数学知识，通俗易懂，更适合主观交易，或者计算机计算并发出交易信号由人手动下单的半自动交易。层次高一点的以丹尼斯的《海龟交易法则》为代表，数学上毕竟使用了均值、方差、正态分布等大学低年级数学的内容，策略的测试也更具科学性，而且提出了可靠的资金管理办法，但缺点是依旧没有摆脱传统的、依靠交易规则的排列组合进行交易的思路。不过，如果策略设计得好且行情出大趋势的话还是可以有不错的效果。更高一级的层次主要体现在交易信号的整合方面，比如运用更现代的统计方法——回归分析、神经网络、支持向量机等对传统的技术指标进行有机整合，并使用更严格的统计方法进行变量的筛选及测试。考虑到金融数据的时间特征，往往需要使用滚动优化来获取样本外的测试结果，这样得出的模型也更为稳健。不过，一般的程序化交易系统都难以实现这些功能，需要自己用更通用的编程语言来实现。图为文艺复兴基金创始人西蒙斯讲解量化投资如果是量化投资，那么除了行情信息，还要收集整理其他基本面的信息，整理出对应的时间序列，并融入到预测模型中。一般来说，成功的模型不在于运用了多高深的数学理论，而在于它整合了多少不同来源的信息。即使是最简单的线性回归，如果各个参数都有很强的预测能力，且相关性很低，那么模型的预测效果也会很好；相反，即使运用复杂的深度学习理论，如果选取的参数毫无意义，最后得出的模型也没有用。目前美国一些公司不仅利用新闻等文本信息建模，甚至用到卫星拍摄到的港口集装箱的图像来建模，通过对商品集装箱的数目来预测商品价格的走势，取得了很好的预测效果。建模是一回事，求解模型其实也同等重要。比如说物理学上有很多模型能精确描述现实，但经常由于缺乏高效的科学计算方法而难以求解。量化交易也一样的。参数的计算、筛选、优化、回测等往往伴随着巨大的计算量，如何巧妙求解是一门颇为高深的学问。据西蒙斯透露，著名的文艺复兴公司内部有着明确的分工——计算机程序员从各个来源收集数据，物理学家分析数据建立模型，数学家构建优化算法并求解模型等。3 & &高频、量化领域常见的误区量化模型无法战胜黑天鹅事件事实上，任何投资方法都是依靠历史预测未来，都害怕黑天鹅事件，都会有回撤。量化的好处在于遇到回撤之后，可以迅速把最新的情况纳入模型，及时调整，重新回测、优化、模拟，争取在最短的时间内扭转损失。比如文艺复兴在2007年8月遭遇历史上罕见的9%回撤之后，西蒙斯采取果断措施，重新建模，在致投资者的信中他宣称“我们新的模型已经发现了3个很强的交易信号”，结果在接下来的日子很快扳回损失，当年的收益率达到80%。长期资本管理公司（L）就是因为用了量化模型而破产的。事实上，LTCM是一个多策略基金，它的纯量化交易策略最后在1998年还是赚了1亿美元，它亏损最多的策略都是交易流动性极差的柜台衍生品，很多甚至是它自己设计来跟投行对赌的产品，遇到黑天鹅事件无法及时清理头寸。这些产品一般只是在定价时候使用量化模型辅助一下，具体的交易执行、产品设计、销售等都跟量化无关，一般认为LTCM的破产更多是因为流动性风险，跟模型关系不大。高频交易损害投资者利益像《Flash Boys》等书籍的观点其实都很有争议的，只不过作者文笔极佳，叙事手法极富煽动性，所以才吸引了众多的眼球。除了媒体之外，应该说美国目前要求禁止高频交易最为强烈的，基本上都是当年的传统交易员。正因为新兴的、依靠先进技术的高频交易公司把他们打败了，他们心有不甘，所以才组织更多的力量来进行反击。由于这些人都是市场老手，所以对这个市场还是非常熟悉的，提的观点也有可取的地方。在国内，现在期权准备上市，股票也很可能开放T+0。对这两块“肥肉”，国外高频交易商早就垂涎已久。如果说在期货高频领域，我们还能依靠在程序化交易上的丰富经验与国外抗衡一下，那么在期权和股票高频领域，我们的实践经验为零，跟国外的差距更大。对此，笔者认为，我们一方面不能妄自菲薄，觉得外资太厉害就干脆不做了；另一方面也不能急于求成，妄想一年半载就要取得很大的成绩。凡事都要本着谦虚谨慎的态度，国外很多高手来到国内都是先研究一年才能稳定盈利，国内的人基础较薄，研究周期要长一些，比如第一年做准备工作开发系统，第二年逐渐打平手续费，之后开始盈利，或许更为合理。策略研究要慢工出细活，急于求成，频繁改变研究方向，最终很可能一事无成。
图为迈克·刘易斯著书批评高频交易（来源：期货日报）
本文来源：网易财经
责任编辑：NF050
关键词阅读：
不做嘴炮 只管约到
跟贴热词：
文明上网，登录发贴
网友评论仅供其表达个人看法，并不表明网易立场。
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
用微信扫描二维码分享至好友和朋友圈程序化交易：多策略组合管理将成主流|高频交易|套利|策略_新浪财经_新浪网
&&& &&正文
程序化交易：多策略组合管理将成主流
　　　要实现稳定收益，应重视程序策略开发、资金管理、风险控制三个环节
　　内地程序化交易发展概述
　　程序化交易在内地的发展势头很快。据不完全统计，目前股指期货市场10%―20%的成交是通过程序化交易实现的。预计未来的3―5年，程序化交易还将有较大的发展空间。
　　程序化交易在内地的发展是循序渐进的。2005年之前，利用计算机实现程序化交易几乎没有，那时候利用技术指标或定量化进出场时点的机械交易者，可以看作是程序化交易手动实现的雏形。
　　2005年之后，伴随着量化投资的传播，程序化交易开始出现在内地市场。2005年到2010年是程序化交易的初创阶段，程序化交易主要利用模型辨别交易信号，并以手工下单为主。
　　2010年股指期货推出后，由于市场流动性好，交易信号明显，成为程序化交易的“主战场”。这时虽然有一批投资者开始利用股指期货和股票现货进行对冲，但市场整体仍以散户为主，程序化交易在这时很有效，一般的趋势策略，如双均线和MACD策略表现出了很好的获利性。
　　2011年至2012年，市场上涌现出文华、TB、MC等一大批编译简单、上手快的交易平台，直接推动程序化交易的投资者数量快速增加，各种程序化交易培训也遍地开花。以期货公司、证券公司等机构研发，投资咨询人员相继加入开发和宣传程序化交易的行列为标志，程序化交易开始进入大众时代。2012年，期货资管开闸，私募基金开始大量利用程序化交易参与到期货市场中，程序化交易技术和成交量均得到飞速发展。
　　随着机构对程序化交易逐渐重视，一批有计算机、物理、数学、统计学背景的人士加入到该领域，2013年更多的程序化交易自写平台参与到实际交易中。一些资金实力雄厚的期货公司纷纷加入到提高带宽和运算速度的“军备竞赛”中，希望在高频交易领域分得一杯羹。
　　程序化交易常见策略类型
　　在程序化交易的发展过程中，交易策略永远是程序化交易的核心。经过梳理，目前国内比较常见的交易策略，大体可以分为四类：趋势交易、日内高频交易、套利交易、数量化策略。
　　趋势交易策略是目前最为常见的交易策略。所谓趋势，就是价格运行的方向及一种必然的上涨或下跌现象。趋势交易策略是利用一些技术指标或均线系统等来寻找有利的交易机会，得到具体的系统的买卖方法。利用计算机对历史行情进行回测，并对相关参数进行适度调整后再经实盘检测，即可创建一个程序化趋势交易系统。
　　趋势交易一般使用技术分析作为判断的依据，常见的有均线系统、各种技术指标等。趋势交易系统并不能保证每次进出场都有胜算，现在稳定获益的趋势交易策略，胜率也不过50%左右，主要是靠趋势未出现时小亏试错、趋势出现时大赚，实现最终盈利。
　　日内高频交易，就是在日内频繁地做交易。一般日内高频交易策略是捕捉那些人们无法利用的、极为短暂的市场变化寻求获利的交易机会，如某个期货品种买入价和卖出价差价的微小变化。高频交易没有严格的定义，一般把几分钟内进出的交易即视为高频交易。
　　高频交易是靠速度取胜的，每一笔盈亏都不多，但是每天的交易可能会非常频繁，有成百上千次，累积的收益也非常可观。在通道速度足够快的情况下，日内高频交易以高胜率为基础，辅之以低交易成本，由于每一笔的亏损都有限，因此风险非常低。
　　套利交易是一种低风险、收益稳定的操作方式，是应用范围最广泛的程序化交易策略之一。与单边操作不同，套利可以使投资者更加稳妥持有仓位。在杠杆作用下资金的抗风险能力抵不过期货市场的未知性，为了稳定持仓和盈利，越来越多的投资者会选择套利。尤其是机构投资者，利用套利程序化交易策略可以在期现套利、跨期套利、跨品种套利上实现控制风险，稳定收益。股指期货和ETF曾是程序化交易期现套利重要应用领域之一，最近两年程序化套利交易策略在阿尔法对冲投资中广泛应用。
　　数量化策略是指利用计算机分析宏观经济、行业的基本面数据，选择投资组合的资产配置，并通过数学模型预测组合未来变化的数量化交易方式。
　　简而言之，数量化投资是基本面分析投资方式的自动化。数量化投资可以帮助投资者在越来越多的信息中选择实质性关键信息，并转化成投资决策。现在还出现一种大数据挖掘交易系统，就是利用舆情数据进行数据挖掘，以判断市场热点转换状况，进而挖掘交易机会，再利用自动下单系统进行交易。
　　程序化交易出现的新特点
　　2013年是程序化交易重要的分水岭之年，程序化交易开始向纵深发展，参与者结构发生了变化。一方面，拥有资管资格的期货公司开始和信托、私募等进行合作，联合开发资管产品，这些产品也大量使用程序化交易，程序化交易机构化的倾向越来越明显。另一方面，散户投资者使用程序化进行交易的情况在不断增多，散户手中的程序化交易策略有逐渐增多的趋势。参与者结构的变化必然使程序化交易发展到一个新的阶段，也呈现出了许多新的特点。
　　程序化交易对人才、设备、技术的要求越来越高。程序化交易正朝着量化高频化或基本面长线持有两个方向发展。一方面，量化高频化的策略需要更高级的统计学、物理学理论支撑，在利用神经网络、遗传算法等先进量化选择模型工具的支持下，利用计算机云计算自主选择适合2―4周短期操作的超高频模型进行程序化交易。另一方面，基本面长线持有需要研究团队的长期关注，利用数量化宏观基本面信息进行长线投资，试图把握阶段性趋势行情。这些都对人才、设备、技术提出了更高的要求。
　　高频交易开始进入内地市场，但和美国相比还有较大的差距。大量期货公司开始升级软硬件，以期在高频交易中立于不败之地。但与美国的市场相比，内地高频交易还有很大差距。一是高频市场比较单一，目前能做的主要是期货市场；二是技术还无法与美国相比，美国的高频数据都是实时的，而内地期货市场的高频数据是以等间隔切片方式向外推送的；三是交易速度也比不上美国，美国的速度可以达到微秒级，而内地是毫秒级。
　　收益方面已呈现下降趋势。2013年上半年，不少程序化交易还能获得较为丰厚的收益，但收益情况已明显不如前两年。特别是程序化交易集中在股指期货市场，微观结构的变化进而导致股指期货市场的程序化交易难度大大增加。到了2013年下半年，特别是光大“乌龙指”事件之后，大量程序化交易策略出现钝化。特别是2013年10月、11月两个月，许多优秀的日内短线、小波段交易、简单趋势追踪等程序模型失效，钝化大面积出现，即便是组合的程序化交易也出现了微利甚至亏损的局面。
　　商品对冲套利逐渐进入程序化交易者的视野。2013年商品期价的集体低迷成就了套利对冲的“盛宴”，但传统的套利机会继续减少，套利交易更多集中在商品的强弱对冲，而品种的强弱对冲又以趋势套利为主。从周期上看，商品短线对冲难度加大，长级别周期考验投资者耐心。交易板块仍主要集中在化工、领域。大宗商品的套利对冲将受到更多程序化交易者的关注。
　　新形势下的应对策略
　　未来程序化交易的平稳、健康发展，除急需提升人才、设备、技术外，还需要关注程序化交易本身。目前来看，程序化交易的钝化，使得多品种、多周期、多模型的资金配置和管理越发重要，但资金配比难度也逐渐增大。程序化交易要想跨过钝化，实现稳定的收益，应该重视程序策略开发、资金管理、风险控制三个重要环节。
　　程序策略开发不仅是交易数据挖掘那么简单，程序化交易策略必须是“有灵魂”的。现在市场上的绝大多数策略是基于趋势策略开发的，模型的趋同性较为严重。如果没有更为深入的市场观察和经济、金融理念，只是在一些传统的交易理念上加减几条线，对进出场条件过分拟合，程序化交易出现钝化就会是大概率事件。策略开发应该着力于策略背后的经济、金融理论和逻辑，这样开发的交易策略才会有生命力，才能在市场微观结构发生巨大变化时，仍能获得较为稳定的收益。
　　资金管理是程序化交易实现稳定收益的重要环节。现在市场上很多投资者手里已有数十个交易策略，有的机构甚至有数千个，对于数量越来越多的策略组合，如何对组合中的策略合理分配资金，成了急需解决的问题。可以预测的是，未来不是单个策略包打天下的世界了，一定会是多品种、多周期、多策略组合管理。选择强势品种，利用品种近远月、主次合约特性，结合趋势、反转多个策略组合交易，合理分配资金将成为未来程序化交易的王道。
　　风险控制是程序化交易规避风险不可或缺的环节，但由于交易主体自身对风险控制的认识及能力有限，使得风险控制外包成为未来程序化交易的重要措施之一。实力较强的期货公司可以将内部风控机制移植到个体交易中去，使得期货公司风险子公司有了用武之地，事前、事中、事后的风险控制可以使交易策略得到很好实现；投资资询公司、资产管理公司也可以充当风险管理顾问，对程序化交易过程中出现的风险点有效监控、及时报警和反馈，甚至主动干预，最终实现程序化交易平稳运行。
　　内地程序化交易才刚刚开始，未来还有着更为广阔的空间。市场在发生深刻变化，程序化交易也在产生新的变化，只有适应这种变化，积极应对，才能使程序化交易稳健发展。 (作者单位：财达期货)
　　版权声明：本网所有内容，凡来源：“期货日报”的所有文字、图片和音视频资料，版权均属期货日报所有，任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他方式复制发布/发表。已经本网协议授权的媒体、网站，在下载使用时必须注明"稿件来源：期货日报"，违者本网将依法追究责任。
&&|&&&&|&&&&|&&
您可通过新浪首页顶部 “”， 查看所有收藏过的文章。
请用微博账号，推荐效果更好！
看过本文的人还看过如何在Quantopian中实现中高频交易策略？
最近看到一个云交易平台Quantopian，感觉用Python编程练练手还是很有意思的。想尝试用中高频交易策略写一个程序，扔在Quantopian上？不知谁有这方面的建议，望分享一下。
按投票排序
Quantopian目前只有day和minute两种event loop。为什么？因为只有这样才可以目前的代码一次编写回测直接上线trading。如果要做高频tick级别的交易，q现有的系统是不行的，需要多开一种接口。另外使用纯python做高频交易暂时来看是完全不靠谱的，尽管他在分析数据上有各种便利，可是高频交易大家拼的就是速度策略简单你跟我提分析便利可是赚不到钱啊。。。另外云平台做高频交易也是奇怪的路线，写了追踪tick变化的策略，最后被连去券商的互联网连接的一点网络延迟给毁了。好吧你说你colocation机器，但是信息反馈回来还是很久呢
目前Quantopian是不支持高频策略的,未来不知道是否支持, 不过优矿正在做高频的框架,我们有股票和期货的高频数据支持,但是国内所谓的高频其实不算真的高频,真的高频还是独立开发一套自有交易系统比较靠谱
Quant拼的是速度和策略可行性，以Quantopian目前来看只能做为测试策略的工具(虽然我对Python有着极大的好感)，并且由于只设计了day loop和minute loop，目前来看根本不算是高频。就比如这样。这是我之前写着玩的策略，可以看到所有的position都是按照day loop或者minute loop来进行计算的，充其量算个中频。
似乎Quantopian只有分钟数据，没有更高频的数据了。再高频可能要找别的数据源了。
Quantopian平台上的交易分day loop和minute loop两种，离高频交易还差得远，勉强能算上中频。在Quantopian上写代码，熟悉API之后写来写去都是那些函数，python编程方面的知识用得不算太多，更多的是练交易策略。如果想练python编程，可以到github上找些代码看看。
已有帐号？
无法登录？
社交帐号登录程序化策略失效还是正常失误究竟该如何判断？如果失效的话，是应该完全放弃策略还是只需要调整参数呢？可藉由学术界的量化检验或实务界的经验规则，首先来了解一下统计检定，这是个较科学的方法，依据要检验的统计量，做均值、变异数与比例值的检定，用简单...
前文： 《程序化交易模型中常用的几大止损策略(二)》 ATR指标在止损中的应用 ATR指标源码： TR:MAX(MAX((HIGH-LOW),ABS(REF(CLOSE,1)-HIGH)),ABS(REF(CLOSE,1)-LOW)); //当前K线最高价减最低价，前一根K线的收盘价与当前K线最高价之差的绝对值，前一根K线的...
既要避免被无谓的随机波动震出局，又要起到保护交易者作用的才是优秀的止损策略。 时间止损 时间止盈止损逻辑：开仓后的时间（通常使用开仓K线到当前K线的区间内的K线数量）触发设定的条件时进行止损/止盈平仓，通常与价差条件结合使用。 例1： BARSBK=1,SP;...
利用某种方法来判断大势的走势情况即是择时交易，如果判断下跌则卖出清仓，如果判断上涨则买入持有，如果判断震荡就高抛低吸，而量化择时就是：影响大盘的走势信息通过数量化方法来找出，对未来大势进行判断，从而获得超越大盘的收益。 量化择时策略有以下7...
此篇基于 深度解析程序化交易Dual Thrust策略 ，改写了一下用于股票交易。 使用第n-1日（前天）以前N天的数据计算Range，第n-1日（昨天）的开盘价作为Open，第n-1日的收盘价或第n日（今天）的开盘价作为当前价与上界(BuyLine)进行比较。当股票突破上界，则认...
DualThrust简称DT,是 Michael Chalek 在80 年代开发的 Dual Thrust，是海外top10交易系统中的其一。属于开盘区间突破类交易系统，以今日开盘价加\减一定比例的昨日振幅，确定上下轨。日内突破上轨时平空做多，突破下轨时平多做空。下表是我自己按5分钟周期跑...
程序化交易是将投资者复杂的交易思路转变为能简单操作的智能交易系统，要想获得良好、稳定的投资收益，必须在正确的交易思想下严格的操作纪律执行，而过滤方法的选择在程序化交易系统的进阶中有至关重要的作用。为什么盈利随着形成程序化交易系统而大幅缩小...
6.横盘突破 较难于实现量化的形态突破，有圆弧顶底、旗形、趋势线、三角形、菱形等各种经典技术分析形态；较易于实现量化的形态突破，有窄幅横盘突破、分形、缠论三买三卖、各种K线组合、双底双顶，趋势之后是盘整，盘整之后是趋势。波动性循环的价格波动规...
持续整理中... 此文整理日内程序化交易10个经典模型思路： 1.空中花园 开盘突破，出错的概率最高，但是最快的一种入场方式。判断日内趋势可能运动方向的标准，取决于开盘第一根K线是收阳还是收阴，在当天开盘低开或高开时更有效。 主要特点：日内交易策略，...
程序化交易的资金管理策略有很多种，等价鞅策略和反等价鞅策略是专职赌徒长期以来宣称存在着的两种基本资金管理策略。 等价鞅策略有着巨大的风险，在亏损的交易中赌本的大小会在资本减少时增加，你的风险如果在一连串的亏损中不断增加，到最后肯定有一连串非...
2011年10月,Catscan、DCS II、NatGator等模型业绩进入了美国权威交易系统评选杂志《Futures Truth Magazine》发布的交易系统排名前十名榜单，前三名模型均有200%以上的年收益率。 前十大交易系统排名（过去1 年） 排名交易系统名称 年收益率 % 1 NatGato r 2...
一般人第一眼看到程序交易，总觉得太困难又复杂。其实，在避免人性干扰时又可以24hr执行监测，彻底执行设定好的策略，在投入真正资金前可以回测自己交易策略的绩效，即是自动化程序交易的目的。 程序交易的基础其实一点都不难，If A happens, then buy. If B...
目前海外市场的投资者在股票、期货和期权等衍生品市场，目进行交易主要是通过程序化交易。在美国提供程序化交易业务的有商业银行、专业的软件代理机构和股票经纪公司。目前我国实行严格审批制来设立金融机构，在发展初期金融行业实行的是分业经营，只有期货...
华尔街一位外汇操盘手，决定寻找外汇交易的蓝海，,用以规避人性的弱点，最终开发出一套基于网格交易法的自动交易系统。因为他经过大量的短线交易后发现，市场要比自己想象的复杂得多。 市场复杂 虞兆康是华尔街外汇操盘手，大概6年前被大起大落的汇市吸引，...
R-Breaker 在外汇交易系统中，枢轴点 (Pivot Points) 交易方法是一种经典的交易策略。Pivot Points是一个非常单纯的阻力支撑体系，根据昨日的最高价、最低价和收盘价，计算出七个价位，包括一个枢轴点、三个阻力位和三个支撑位。 图1：Pivot Points策略的原...
目前海外市场的投资者在股票、期货和期权等衍生品市场，目进行交易主要是通过程序化交...
据美国权威交易系统评选杂志《Futures Truth Magazine》2011 年10 月 最新发布的交易...
四大合约总持仓量增加3%以上时第二天开盘做空，收盘平；减少3%以上时第二天开盘做多，...袁浩瀚：关于高频交易所用方法(策略)是简单还是复杂的问题
核心提示：但需要的模型就不再是简单的两个交易所的价格了——你需要一个经常拟合的线性模型和即刻的置信度估计。类似的是期货中间的当期合约与远期合约的套利。这种时候，就有些稍复杂的模型介入了。在模型的选择上，我觉得最...高频交易我非此中高手，故问题不敢贸然回答，积蓄多时，终敢开口，所以此处作长文聊聊高频交易，请慢读。
有人的地方就有江湖，有江湖的地方就有流派。在投资界，若巴菲特、彼特林奇一宗是九阳真经，武林正道，以绵绵不绝的内力和朴实无华的招式号令天下，那浑水、香橼之流做空公司，则是武林异类，苦修吸星大法，劫人钱财于做空之际，人见人惧，却无法忽视之。在这些名门恶衙之外，还有一群高频密宗，着实高筑墙（或许永远金融圈最强的设备）、广积粮（闷声发大财）、缓称王（低调无名），世人罕知其存在却不知自己单单交易或许都曾经过其系统流过。
空谈其设备如何之强、钱财如何鼎盛、人物多么桀骜都无法触及高频交易的本质——为何要做高频交易，不谈本质光谈现象，很容易沦为Wolf of Wall Street这种娱乐圈为土豪立传的软文。
高频交易分支庞杂，我仅能在此梳理一条线，但是其本质无法离开市场微结构（Market Micro-Structure）这一核心问题。一个高频交易者对于市场微结构的痴迷，就好比辩护律师对于法律条文中细节的痴迷，或者政治结构套利者对于社会制度缺陷的痴迷——一个漏洞可以造就一轮财富或权力。
从中国开始接触证券市场的朋友很难对市场微结构有天生的敏感，比如我，因为中国市场是天生自上而下的市场，证监会如同上帝，上帝说要有个市场，于是便有了市场，证监会说要有涨跌停板，于是有了涨跌停板，证监会说要有t 1，于是有了t 1的现行制度。但是美国的市场恰恰相反，是自下而上的市场，先有离散的经纪人，大家各自帮助客户做交易，混乱到了一定程度，大佬牵头，聚在梧桐树下，约法数条，才有了今天华尔街和纽交所的雏形——这世间本无交易所，交易的人多了，才有了交易所。因此这种自下而上的系统天生是开放式和激进了，是各方利益均衡的产物，难以避免的会出现各种漏洞——最简单的形式莫过于另一派人各种不服，另开山头设立交易所交易相同的证券，于是两个交易所之间的价差就出现了。而中国，在现行体制下，很难出现另一个交易所交易同样的证券——这两种体系的差异源自于其基因，不需要区分高下，各有好处，而我个人认为中国现行体系是封闭金融体系保守风格的最佳选择。
高频交易的雏形是discretionary arbitrage，即显式套利，或者咱们更加接地气的说——搬砖。最简单的例子就是之前比特币人民币交易所的价格比美元交易所高50%以上，众土豪纷纷出动，在美国低价全仓买入，传送回国，然后再高价卖出。这种策略一点也不低端，在美国70-90年代，由于交易所林立，如芝加哥股票交易所、太平洋股票期权交易所、费城交易所、纽约交易所等等，同一个主体为了融资方便，可能多处发行，价差经常出现。90年代以前由于互联网技术不普及，很多个人交易员可以简单的在多个交易所之间搬砖，人工“高频”交易。上一代的geek们也是极富创造力，开发出了机器手等“自动化”下单系统（不是程序，是真的机械手），实现那个时代的高频交易。
但是如果你关注市场微结构，你会发现有些价差是时间难以消除的——比如同一个股票在一个交易所永远高于另一个交易所，最简单的例子就是A、H股的价差。这些价差背后都有深层次的原因——比如A股买入后是无法在HK市场卖出的。或者比如当时在美国，A市场可能交易费用高、交易量低，那么其价格可能高于B市场，以补充做市商的做市的难度（也可能相反）。这种情况下简单的搬砖就不行了，你需要人为的修正价差——或者去动态套利——做统计套利，这里面学问很深，后面再触及。
回到美国市场，在87年和99年发生了几件大事。首先是87年10月股市崩盘了一天，这一天创造了指数的历史跌幅，也让交易所开始大量引入电子化。第二是99年开始全国推行Consolidated Order Book，把所有交易所的限价单并到一个表里面。这两件事情极大地重塑了搬砖行业，也使得高频交易从可选成为了必须。电子化的引入造成了一些精通计算机的经纪人开始尝试用机器做自动化交易，自然推高了行业的交易速度；而Consolidated Order Book使得你很难再靠肉身显式的去跨交易所套利了——因为一看去全国的交易所都并成一个交易所了。
我相信做中国股指期货套利的从业者也经历了类似的过程，早期的当期期货和股指的差距经常到40元左右，而现在日内高点可能在20元左右——而且昙花一现，也就是说你要抢到那个价差20元的单，你需要有速度的优势了。因此我听说大量的高频交易开始被应用在股指期货上了。
也正是在年这段时间，大量的高频交易传奇公司开始出现，最有名的莫过于Getco、Knight、Jane Street之流了。这里插一个很有意思的问题——同时下单和电子游戏程序员。Getco最初成立时，极力招募的不是华尔街的金融奇才，而是在芝加哥各地的顶级电子游戏程序员。因为最初的高频交易最关键的就是异步下单的问题——看似简单，其实学问很深：现在假设在交易所A和B有价差，你需要同时下一个卖单和买单去赚取这个差价，你怎么下单？
最简单办法就是串行下单，我先去交易所A成交，然后根据成交数量去交易所B下同样数量的单，如果B机会已经消失，则追单保证仓位平掉。这样明显不利于捕捉稍纵即逝的机会。那如果同时并行下单呢？同时下单最大的问题就是，老天才知道最后两边各会成交多少，比如A、B各下一个单位的单，A成交了0.8，B成交了0.7，这个0.1的差额怎么办？在这个方面，电子游戏程序员比华尔街的金融家清楚多了——在网络游戏中，如果你和别人PK，都只剩1点血了，都发出了攻击的指令，谁该死？在这方面，每天与网络通信和并行数据交换打交道的电子游戏程序员有着天生的优势。
这个年代，不需要策略也可以赚取可观的利润，我们姑且称此中方法为Pure Arbitrage （纯套利），但是门槛低的游戏，玩家就多，最后利润比街头开小卖部还低。于是乎就开始有了统计套利的介入，我相信这也是题主提问的原动机。统计套利的高频交易和纯套利最大的差异是统计套利允许在信号确认的情况下，保持一段时间和一定水平的活跃仓位；而最大的相似之处是利用低频交易者对细微价格的不敏感和报价速度的低下。
还是用一个例子来说明吧，比如你在高频交易做微软公司的股票的统计套利，你的模型告诉你指数、苹果的股票还有谷歌的股票这三个因子对于微软股票的短期价格波动具有极强的判定力（统计显著），那么你在这三个因子判定上涨时，你发现因子预测价格高于当前盘口（当前盘口更新不及时），你买入微软的股票却不立刻做空三个因子的资产组合，而是等待一段时间再做出对冲、平仓的行为。这是个很简单的例子，但需要的模型就不再是简单的两个交易所的价格了——你需要一个经常拟合的线性模型和即刻的置信度估计。类似的是期货中间的当期合约与远期合约的套利。这种时候，就有些稍复杂的模型介入了。在模型的选择上，我觉得最终的规律都是选择当前环境下可行的最简单的，从统计上来说，因子越多模型的稳定性越差，而投资本身也是以大道至简为通行规律。
说到这里，你可以发现高频交易的本质是利用技术的优势去捕捉暂时的市场错误——或者用自恋的话说，我在帮助市场先生改正错误。如果不以此为本心而为了高频而高频，那其实是本末倒置的——我个人觉得很多长线投资的思路强行移植到高频交易中，是很可能制造悲剧的。
后期在美国高频交易的发展中，另外两类产品成为主流——期权自动化做市（Option Automatic Market Making)和可转债套利（Convertible Bond Arbitrage），其实原理无二，你把握好了本质，做法都很类似，只是原来你只需要对冲一次项（first order）的价格波动，而现在你可能需要对冲的是波动性风险（Volatility risk）或者信贷违约风险了（Credit Risk）。Jane Street现在大量就在进行期权自动化做市的交易，而Citadel则是在Ken Griffin的带领下从哈佛的宿舍里面靠着可转债套利发家直至今天的巨头。这里不一一展开了，有心者一定会自己去探个究竟。
到今天，其实美国各大市场中高频交易都到了很尖端的水平——colocate服务器，模型越来越复杂而且程序越来越先进。而很多公司都在做着类似的交易，因此我个人感觉，其商业模式已经类似于比特币的挖矿了——大家都在拼命争取获得下一个block（交易）的奖励，而最终获得者好似于中签一般。这个领域无论是DE Shaw这类巨头还是曼哈顿下城新兴的众多prop trading firm都感觉赚钱不易了。不过在国内，随着市场深度（产品类型、数量、流动性）增加，反而出现了很多套利机会，而今年关于期权正式面市的消息也是给了高频交易者很多期待。这是非常好的事情，如同电影Margin Call里面说到的——赚钱无非三种方式：be the first，be smarter或cheat。在中国，cheat与双轨制的故事，我相信大家都很熟悉，而be the first成就了中国第一代因为主动或被动下海的创业家们，现在慢慢高频交易者这块smart的群体可以在中国金融市场施展，其实是绝对的福音。
匆拓千字，若有谬误，请海涵。