分类
期权交易指南

投资者交易策略—算法交易

投资者交易策略—算法交易

Over the past decade,financial markets have witnessed an explosion of algorithmic trading strategy which can help investors efficiently reduce transaction cost.In order to reduce the trading cost,investors usually break block orders into small pieces in high-frequency trading. However,the behavior of such order splitting may 投资者交易策略—算法交易 result in inevitable opportunity cost as well as timing risk.This paper establishes a new algorithmic trading strategy to minimize implicit trading costs,including the market impact,opportunity cost,timing risk and the price appreciation.We find the performance of our optimal algorithmic trading strategy is better than that of MIOC or VWAP strategies in all 投资者交易策略—算法交易 the cases of increased,decreased and U-shaped execution probability.The new algorithmic trading strategy established in 投资者交易策略—算法交易 this paper can effectively reduce the trading cost.

投资者交易策略—算法交易

对于金融市场的每一位投资者来说,一个好的交易策略是有效配置资本和管理风险的直接手段。因而,在全球的金融市场中,交易策略都是当前资本市场正在或者将要研究的主要问题之一。随着当前资本市场规模的不断扩张,交易者的个体交易行为对市场的影响作用在不断增长,为了制订科学的合理的交易策略,减少对市场的冲击,同时降低交易成本,算法交易在这样一种环境中逐步发展起来。从目前各种研究报告和学术刊物可以看到,算法交易已成为欧美等发达金融市场的主要交易手段,在欧美市场所有股票交易中占到四成,在美国一些市场中算法交易的应用比重甚至达到了八成以上。 2010年是中国金融市场里程碑式的一年。沪深交易所的融资融券试点交易启动与沪深300股指期货合约上市交易为中国金融市场带来了活力和机遇,给中国的量化交易提供了有利条件。在中国,算法交易策略应用目前也算是刚刚起步,在很多方面仍处在初级阶段,一方面国内相对成熟的能支持算法交易的软件非常少,另一方面理论研究基础也比较薄弱,但随着国内市场的日渐成熟、市场投资者的资本规模持续增长、投资需求的多样化以及新型衍生产品不断涌现为算法交易的发展提供了良好契机。 国外目前对算法交易策略的研究和应用均较多,而国内由于市场改革伊始,国内算法交易策略应用及相关理论发展缓慢,从国内的学术刊物和研究报告来看,现有的相关研究内容基本是对股票市场进行研究且研究较少,对期货市场的算法策略应用研究较少。国内目前的理论研究中主要存在的是传统的单一型算法交易策略,且研究对象主要集中在非股指期货市场。这些交易策略中或是通过日内平均分割法来确定交易区间,主要是为了在降低交易成本的同时完成交易目标,该类方法缺乏对于市场有效机会的捕捉能力,容易丧失交易机会;或是应用与研究稍多的传统统计套利策略,该类研究一般是对市场中统计套利的可行性进行研究分析,强调交易时机的把握与交易策略的制定,交易成本及交易目标的完成不是该类策略关注的重点。在实际交易当中,交易者关注着交易成本控制与交易时机把握等方方面面,这使得现有的许多研究方法不能有效适用于市场当中。所以,找到既能发现交易时机,又能降低交易成本的交易策略是本文所要研究的重点。 本文根据改进静态VWAP策略和统计套利交易策略来建立投资组合交易模型,主要通过市场实践与理论研究相结合的方法对综合型算法交易策略进行研究。一方面分别对改进VWAP策略在我国金融市场应用的可行性及统计套利交易策略的基本理论方法进行分析,在已有研究的基础上,从相关理论分析来建立综合型算法交易策略,该研究既是对我国股指期货市场的应用算法交易策略理论的探索性研究分析,又是对国内该方面的理论研究进行补充,也为未来构建更为广泛和复杂的综合型算法交易策略理论提供思路;另一方面由于市场参与者的交易需求日益增多,如何在市场中把握交易时机与降低交易成本已成为交易者关注的主要问题,综合算法交易策略的应用可以分别从基础策略层面利用方法优势解决交易者面临的这些问题,能够有效完成交易者的交易目标,同时也能满足获取超额回报的要求,在市场交易过程中具有极高的应用价值,这也是目前国际市场中各类算法交易策略能够得到快速普及的原因。文章对综合型算法交易策略进行理论研究与实证分析以实现对当前已有理论进行的拓展和完善,而有效的交易策略在市场交易中也具备较高的实际应用价值。 本篇论文主要包括了方法综述、理论与实证研究三个部分,投资者交易策略—算法交易 分别着重讨论了市场与算法策略的发展,各类策略的分析方法与需要考虑的因素,主要策略的理论方法,以及数据选取与实证分析。 第一部分是对算法交易策略的发展背景、各主要类型交易策略的发展过程及交易策略的发展现状进行梳理和剖析。首先概述了算法交易策略的历史背景与意义以及本文的框架结构,算法交易策略的出现与发展是顺应时代要求与发展需要的,其基本作用包括了降低交易成本、完成交易目标、减少市场冲击、弱化交易风险与捕捉交易时机等等,也可以简单概括为套利、规避风险与价格发现等。然后对算法交易策略中主动型与被动型算法交易策略做了较为详细的概述与分析,阐明算法交易策略的产生与发展,对目前市场上存在的交易策略做了比较详细的分析与归类,并对国内外相关研究进行了评价,与此同时也着重分析了VWAP策略与统计套利策略的思想方法。 第二部分是对综合型算法交易策略构建的基本理论进行推导分析。本文利用主动型算法交易策略与被动型算法交易策略的合理结合构造可以兼顾价格发现与成本控制的交易策略。在标准VWAP策略的基础上利用数学推导找到更优的静态日内交易量预测模型,再结合统计套利模型,由协整检验、加权移动平均模型及指数加权移动平均模型对交易持续期的合约头寸及数据序列进行分析预测、选择交易时间点,最后通过对理论模型加入约束条件以得到相应的综合型交易策略。 第三部分是在构建合理综合型算法交易策略的基础上选取历史数据进行实证研究。文章选取沪深300股指期货当月与次月合约作为交易标的,选择连续历史数据为研究对象,首先对合约间关系进行协整关系检验,得到交易头寸比例,根据价差波动的方差特性,利用加权移动均值模型得到交易价格价差均值的预测结果,在考虑到平衡精度与效率的条件下选取指数加权移动均值模型得到价差方差的预测结果,在此基础上根据市场条件与规律及个人交易者的特征制定交易规则,找出交易开仓与平仓时间,建立价格发现策略。接着根据优化静态WAP交易策略模型对日内交易量进行预测,通过综合型交易策略对历史数据进行实证分析,依照规则进行样本集与测试集的交易分析,结果表明在两个测试集中综合型策略都能取得较为可观的收益,交易策略具有较好的稳定性并能够适用于股指期货市场。最后根据结果对综合型算法交易策略的效果进行评价并对进一步的研究提出建议。 文章利用已有研究值得借鉴的方法与内容,对主要交易策略的不足进行优化,通过从我国市场特有环境出发,以特定交易人群为研究载体,在条件适用的前提下本文特别将优化改进的静态VWAP方法引入到综合策略中,较一般方法对日内交易量有更精确的预测精度,实现了交易量分配的更优安排。本文亦在原有统计套利策略的理论基础上通过对精度与效率进行平衡得到适合交易者的套利模型,通过交易条件设定能够有效完成套利交易目标。文章把不同类型的交易策略有机结合起来,通过综合型算法交易策略的实证分析结果说明利用改进静态模型可以在更精确的描述交易量分布,同时在精度与效率平衡的前提下由统计套利策略寻找交易时机,得到具有较好的稳定性与较高的使用价值的综合型算法交易策略,可以兼顾交易要求与获利需求。

了解算法交易,此篇足矣

量化密码库 于 2019-07-31 10:27:37 发布 8238 收藏 53

01、什么是算法交易?

算法交易专注于订单的执行过程,在执行过程中根据数学模型、统计数据、市场实时信息等多方面的信息通过预先设计好的算法进行下单,核心目标是又好又快地完成交易订单。

市场之所以青睐算法交易,其原因在于其能够快速有效地降低交易成本,控制市场冲击成本和争取最优的成交价格和数量以及隐藏交易意图等传统交易方法不具有的交易方式。

如荀子《劝学》所言——“不积跬步,无以至千里;不积小流,无以成江海”,算法交易所体现的正是这样一种化整为零、积少成多的思想。

02、哪些场景和机构在使用算法交易?

算法交易的主要应用场景有大额交易、篮子交易、回购交易等应用场景。

对于大额交易,如果直接向市场下单容易造成严重的市场冲击,且易于被交易对手发现交易意图。算法交易的拆单功能可以很好的平滑市场冲击与防止被交易对手发现。

对于篮子单交易或者称组合交易通过交易员一只证券一只证券的去交易已不太现实,需要通过自动化交易的方式交易。算法交易给交易员提供了极大的便利性使得交易员一次可以交易上百只证券,同时降低交易成本。

对于回购交易,交易时间长、交易金额大,极度耗费交易员精力。使用算法交易可以把交易员从繁重的键盘敲击下单的过程中解放出来,使得交易员专注择时,以提高工作效率。

算法交易的主要客户类型有两大类,传统机构类客户和新型交易型客户。

传统机构类客户包括公募基金、保险资管、私募基金等。这些客户的主要特征是交易量大、交易需求丰富,对交易成本比较敏感,交易合规要求严。

新型交易型客户主要包括经常做回购交易的各类保险、私募、公募基金客户,增持减持类客户,高净值合格投资者客户。

03、使用算法交易的优势

首先,算法交易受到投资者追捧的主要原因,也正是其产生的根本目的,在于其可以减小市场摩擦,有效降低交易中的冲击成本,从而使得整个交易可以以最优价格完成。

其次,算法交易可以提高交易执行的效率。伴随着大单拆分,不同的小单按照不同的价格进行动态成交,这些复杂而频繁的交易对于人工来说是非常繁琐的。

一方面,交易员在进行交易时总是需要进行思考和判断的,这将有可能错过最佳的交易时机、增加等待风险或交易成本,而程序化交易的整个流程则仅需要计算机经过非常短暂的计算,就可以将指令发出,并且在这一过程中可以避免由于人的不理性而出现的一些非正常交易;

另一方面,拆分后复杂的下单指令,特别是对于组合投资来说,容易使交易者手忙脚乱,而计算机程序化交易则可以在准确的时点对交易系统完成准确的下单指令,避免忙中出错。

使用算法交易的另一个优点,特别是对于机构投资者而言,是它可以降低传统交易部门的人力成本,即只需要雇佣少量的交易员对整个算法交易过程进行监控和维护即可。

最后,使用算法交易,对于大规模交易而言,是一种很好的隐蔽自己交易行为的方式。对于进行大规模交易的投资者,特别是机构投资者,一般情况下都希望能够将自己的交易行为隐蔽起来,从而避免对手根据自己的“套路”出牌。

通过将大单拆细进行交易,类似于一片平静海面下暗涌着的激流,对手只能看到成交量的放大,但却看不出有少数人在大量买入或是卖出,整个交易过程表现出的仅仅是一种大众行为。

当然,在隐蔽大规模交易方面仅仅依靠传统的算法交易还是不够的,这个过程可能还需要一些其他策略的配合,例如在细分的下单量上附加一些噪声、或者使用随机算法对大单进行拆分等,这里我们暂时不做过多讨论。

04、常见的一些算法交易策略

算法交易的策略多达30多种,目前已经发展到第四代算法技术。

第一代算法交易比较简单,注重交易的执行效率和目的,如TWAP、VWAP等;

第二代算法交易注重提高交易质量,降低交易成本,如最大限度接近开盘价、收盘价、或心理价等某一特定价格为目标,该算法有I/S(按照执行价格和期望价格差来拆分大单)、MOC(让成交价尽可能接近闭市价格)、MOO(让成交价尽可能接近开市价格)、Peg/Pegging(让成交价尽可能接近某一档价格);

第三代算法交易是你在这样交易,对手也在这样交易,为了蒙蔽对手,引入Iceberg算法(按给定比例逐步暴露订单直至全部成交),之后又引入了反侦察算法比如用来发现潜在Iceberg算法的Sniffer算法等。

第四代算法技术更趋向于智能交易,例如复杂事件处理(CEP)、新闻交易(News Trading)等。这些策略根据不同的市场特点和交易需求进行设计。

简单地说,TWAP是等时间间隔下等量的单;VWAP是预估一天内成交量的分布,按照分布下单。

TWAP(TimeWeighted Average Price),时间加权平均价格算法,是最为简单的一种传统算法交易策略。

该模型将交易时间进行均匀分割,并在每个分割节点上将均匀拆分的订单进行提交。

例如,A 股市场一个交易日的交易时间为4 小时,即240 分钟。首先将这240 分钟均匀分为N 份(或将240 投资者交易策略—算法交易 分钟中的某一部分均匀分割),如240份。TWAP 策略会将该交易日需要执行的订单均匀分配在这240 个节点上去执行,从而使得交易均价跟踪TWAP。

不过,由于TWAP 操作和理解起来非常简单,因此其对于流动性较好的市场和订单规模较小的交易仍然较为适用。

VWAP(VolumeWeighted Average Price),成交量加权平均价格算法,将大额报单按照规定期限内预测的交易量分布比例拆分成多个小额订单进行委托交易,其比较基准为时间段内的市场交易量加权均价。

是目前市场上最为流行的算法交易策略之一,也是很多其它算法交易模型的原型。适合日均交易量10-30%以上的大额报单。

首先定义VWAP,它是一段时间内证券价格按成交量加权的平均值。

其中t 投资者交易策略—算法交易 price 和t volume 分别是某个时点上证券的成交价格和成交量。

VWAP 算法交易策略的目的就是尽可能地使订单拆分所成交的VWAP成交盯住市场的VWAP市场。

从VWAP 的定义(2)式来看,若希望能够跟住VWAP市场,则需要将拆分订单按照市场真实的成交量分时按比例进行提交,这就需要对市场分时成交量进行预测,通常来说,VWAP 策略会使用过去M 个交易日分段成交量的加权平均值作为预测成交量,这里就要涉及到M 和权数的确定,这里我们暂不进行深入探讨。

更为严格地说,假设需要在某段时间买入一定数量的股票,采用算法交易将这段时间分为N 投资者交易策略—算法交易 部分,并预测每部分时间的成交比例(占所需成交量)为i vp ,而市场真实的分段成交比例(占市场真实成交量)为i vm ,市场在每个时点的真实成交价格为i P ,则可以定义跟踪误差。

2、当某段时间的i vp 超过市场真实t vm 时,有可能造成订单无法全部成交,这样就会造成算法交易执行效率的下降,因此,更为常用的是被称为“带反馈的”VWAP 算法交易策略。

所谓带反馈的VWAP 算法交易策略,是指在原有VWAP 跟踪的基础之上,将每个时段未成交的订单按比例分摊至后面的时间段中,这样可以有效提高成交比率。之前所讨论的TWAP 策略也可以采用该类反馈技术,使执行效率大幅提升。

投资者交易策略—算法交易

量化投资与算法交易(一)投资者交易策略—算法交易

来源:网络综合 155 2022-05-28

量化投资与算法交易(一)

我们从算法的角度来讲, 比如机器学习, 那么必然给定输入数据给出的无外乎是回归或者分类, 在量化投资中, 我们仍然看这些显然是有点苍白的, 还需要涉及到行业背景, 历史上, 很多公司(上海, 杭州)都对行业知识做了专家系统,或者对历史10年的数据做了训练, 试图搞定所谓的行业背景, 结果当然不容乐观。所以,回归和分类不是量化交易的本质。加上行业知识才是系统的量化投资。