分类
外匯交易平台排名

投资者交易策略—算法交易

算法交易,此篇足矣!

自动化交易往往和算法交易混淆,前者是完全自动化的交易过程,买入卖出完全由计算机编程决定,即整个指令是自动创建、提交(给市场)并被执行。自动交易设施通常由采用专有执行算法的对冲基金使用并通过专属线路下单进行交易。

高频交易(HFT)是自动化交易的一个子集,技术发展让海量交易在分秒之间完成成为可能,这种交易最多也就几毫秒甚至更短。高频交易公司通过完成海量交易赚钱,在这里,快捷的执行速度是第一要义,通过电子式专属线路下单可以有缩短交易时间。你也可以学习下面这篇文章,教你如何组装入门级高频交易系统。

智能算法交易系统

算法交易系统可以用一个简单的框架图来理解,如上图所示,算法交易由四部分组成,包括数据程序、策略程序、交易执行程序和监督程序,分别和上述定义一一对应。接下来将详细讨论每个部分:

数据部分

算法交易系统可兼容结构化数据、非结构化数据或者混合数据。按照定义好的结构组织数据就是结构数据,例如电子表格、CSV文件、JSON文件、XML、数据库和数据结构。市场类数据例如收盘价、交易量等基本都是结构数据,经济类数据和公司财务数据也是结构数据。国外的Quandl国内的Wind是两个知名的财经数据来源。

模型部分

1、数学模型

基本上大多数量化模型认为任何给定证券的收益可由一个或多个随机市场风险因子所解释,这些风险因子对收益的影响程度称为敏感度。例如,一个充分分散的投资组合的收益率或许与短期利率价格、各种外汇汇率和股票市场的整体回报相关。这些因子可通过历史数据测量,用作校准模拟检验这些风险因子有效性的模型,甚至是模拟组合收益率的模型。

2、符号逻辑模型和模糊逻辑模型

符号逻辑是一种推理形式,主要涉及到谓词的评估(诸如“AND”、“OR”和“XOR”之类的逻辑运算符构成的逻辑语句),也可以是“True”或“False”。模糊逻辑放宽了二元判断——真假约束条件,并允许任何给定谓词归属于不同程度的真假判断集,这是根据集合成员函数定义的。

3、决策树模型

决策树主要分两种:分类决策树和回归决策树。分类决策树特点是输出变量会分类(例如买进、持有或卖出),而回归决策树特点是特点变量的输出是数值(例如-2.5%、0%、+2.5%等等)。决策树训练集的数据性质决定了决策树的生成类型。生成决策树的算法包括C4.5和遗传算法。

4、神经网络模型

除此之外,算法交易中还有很多用作预测股价方向,或为量化投资者预测股价变动的概率的决策模型。模型的选择直接关系到算法交易系统的表现。使用复合模型(集成)会改善预测准确度,但会增加遗传算法编程操作的复杂性。模型是算法交易系统的核心,为使算法交易系统更加智能化,系统应该保存出错的所有历史数据,并根据这一变化选择适合的内部模型。

从某种意义上说,这将持续一种(对错误)自省意识和自适应(连续模型校准),也就是说:

一切尚未终结!

执行部分

执行部分负责完成该模型确定的交易。该部分需要满足算法交易系统的功能性和非功能性要求,例如执行速度、交易频率、持仓期限、订单发送给交易所的线路是否充分。算法交易系统的每个实现环节都必须满足这些要求。

监督部分

人工智能学习使用目标函数。为量化算法交易系统的表现,目标函数往往需要数理函数来刻画。在金融领域,常用的风险测度指标包括特雷诺比率、夏普比率和索提诺比率,算法交易的模型部分正是用来最大化这些指标,而难点在于市场是动态的。换言之,以前有效的模型、逻辑、神经网络或许在以后会失效。鉴于此,算法交易系统必须使用模型的内生数据作为训练集,这种自我更新意识允许模型随环境作出调整。我们认为这种自适应意识可以作为应对不断变化的市场一种有效持续的模型校准方式。

自动化交易策略

▍市场分析

这些技术让交易员对市场行为有更深的理解,与以往尝试将交易终端、回购利率、客户和公司等不同来源的数据拼凑分析完全不同。就像扑克,及时认清新事物的本质是制胜的关键。

▍管理多元市场

▍被动应对

▍黄金期货的价格偏离

▍交易清单

▍交易算法模式识别与随机数

▍sniping 工具

▍最佳执行和订单分解

什么是技术分析?

技术分析是在过去交易价格波动的基础上对未来金融价格波动的预测。就像天气预报一样,技术分析同样不会得出绝对的预测结论,但技术分析可以提供给投资者某事件将来可能会发生。技术分析通过各种图表来显示价格时间序列。

技术分析的关键假设

技术分析适用于价格仅受供求关系影响的证券,在证券价格也受其他因素影响时,技术分析会失效。为使方法有效,技术分析对标的证券做出了三个假定:

高流动性

流动性就是交易量,交易量大的股票允许投资者在不会对股价造成巨大变动的情况下快捷简便地交易,而交易量小的股票交易过程就艰难一些,这是因为在特定的时间市场上的多头和空头并不多,所以多空双方不得不为达成交易在价格上做些让步。除此之外,流动性较差的股票往往比较便宜(有时每股不到一分钱),这意味着它们的价格可能更容易被个人投资者操纵,这些影响交易量稀少的股票的外在因素使其不适合技术分析。

无人为价格变动

没有极端新闻

技术分析的基础

道氏理论是现代技术分析的鼻祖,它并不是一个完整的结论,而是通过查尔斯·道格拉斯数年的记录拼凑而成。在道格拉斯提出的诸多理论中,以下三个理论极为突出:

价格包含一切

价格走势并非完全随机

许多技术分析人员认为价格有趋势,然而他们也知道有时候趋势效应不存在。因为价格走势完全随机时,技术分析很难赚钱。在《Schwager on Futures: Technical Analysis》中,Jack Schwager如是说道:

“观察这种情况的一种方法是,市场可能会出现随机波动时滞,其间穿插着较短的非随机行为……走势分析师的目标就是识别这些时段(即主要趋势)。”

技术分析人员相信趋势可被识别,在其基础上进行投资和交易,并随着趋势的展开获取收益。因为技术分析是用于不同的时间范围,可以识别短期或长期趋势。IBM图表说明了Schwager对趋势性质的看法。大趋势是上涨,但其中也穿插着交易区间。在交易行为之间,在上涨的大趋势下有更小的上涨趋势,在股价突破之前的交易区间股价上限时上涨趋势再度出现,当股价突破之前交易区间的下限时,股价进入下行通道。

‘“什么”比“为什么”更重要’:在《The Psychology of Technical Analysis》书中,Tony Plummer通过引用Oscar Wilde的话来解释:“技术分析师知道任何标的的价格,但不了解其价值”。作为技术分析师,技术人员只关注两件事:

投资者交易策略—算法交易

算法交易又称自动交易、黑盒交易或者机器交易,它指的是通过使用计算机程序来发出交易指令的方法。在交易中,程序可以决定的范围包括交易时间的选择、交易的价格,甚至包括最后需要成交的证券数量。 《量化投资… 查看全部内容

量化交易新手最适用的5本书

交易知识就在 —— ALPHA ZONE-HOM E ,由自营交易室机构交易员主导,理论结合实践,助力金融知识变现! 算法交易通常是一个被初学者认为很难掌握的复杂领域。它涵盖了广泛的学科,某些方面需要相当程度的数学和统计。 因此,对于初学者来说,这可能让他们非常气馁。实际上,大致的概念很容易掌握,而后面的细节可以通过迭代,持续的方式慢慢学习。 算法交易的优点在于,由于许多经纪商提供了高度现实的模拟交易系统,我们无需用真… 阅读全文 ​

[视频: WENA交易系统] 个人当然能做 A 股的自动化交易。但高频交易可够呛,为啥?第一,法规不允许;第二,T+1,手续费高,而且个人能装备的电脑永远没有机构好。高频对硬件要求非常高,夸张的讲,网速高1毫秒都会赚大钱。对个人,我们不建议程序化交易,为啥?你个人能买的电脑,就算是大价钱买的,也不如人家专业的硬件。 个人做程序化的三个前提条件:接口,数据,策略。接口是最容易解决的,你在网上搜一搜,自然能找到公司提供。我记得华宝证券就… 阅读全文 ​

[图片] 靠高频交易”持续稳定盈利“的那批人,是什么人? 是没有人。所以,市场上有没有高频交易的书籍或知识,根本就不重要。大凡人们是被人云亦云了,哪里来的”持续稳定盈利“?没有这样的事情,谁信谁小白,谁求谁韭菜。 持续稳定盈利,只能是一个事后的计算概念,而不是一个实际的操作概念。就如你只买了一次彩票,中了个大奖。N年以后,你也可以计算出一个N年的持续稳定盈利率,有意义吗?抛开这一点,我们来看看”高频交易的知识… 阅读全文 ​

美股量化交易首选Quantopian + Interactive Broker!费用就是IB的佣金和行情费,语言是Python,如果你的策略牛逼,还有机会被他们投资,作为众包量化策略师中的一员。 好处是你什么都不用干,上去熟悉一下API就可以直接进行回测、仿真和实盘。 Google搜索“quantitative trading platform”排名第一的就是他们,可见是很火的。 =============== 2020年修改 改完了,Quantopian早已转型了。实盘功能依稀记得是2017还是2018年取消… 阅读全文 ​

投资者交易策略—算法交易

算法交易又称自动交易、黑盒交易或者机器交易,它指的是通过使用计算机程序来发出交易指令的方法。在交易中,程序可以决定的范围包括交易时间的选择、交易的价格,甚至包括最后需要成交的证券数量。 《量化投资… 查看全部内容

自学。 我之前一直都是梭哈,生死看淡不服就干。后来有一次和人私聊发现高频交易这么赚钱,恰好我是学计算机的,就顺手写了个算法。 当时我发现了在数字货币里面存在一些特殊的订单,有时候order book刷新的时候会看到一堆整数的买/卖单刷出来,这些单子经常是吃流动性的,而且常在整数价位,我判断是散户弄的。然后我的策略就变成了找到这些单子,做反向操作,然后用一些线性规划的方法来判断涨跌和设立止盈止损。这套策略一开… 阅读全文 ​

可以看下这个:ML for Trading - 2nd Edition,github链接如下https://github.com/stefan-jansen/machine-learning-for-trading#ml-for-trading---2nd-edition 这本书的目的是展示机器学习在算法交易策略中的价值。它涵盖了从线性回归到深度强化学习的一系列ML技术,并演示了如何构建、回溯测试和评估由模型预测驱动的交易策略。 本书共分四部分,23章,外加附录,共800多页:数据来源、财务特征工程和投资组合管理的重要要素基于有监督和无监督机器学习算法的长短策略设计与评估如何从金融文本数据中提取… 阅读全文 ​

【HFT】HJB方程在高频交易中的应用

在上一篇文章中,我们讲了Hamilton-Jacobi-Bellman(HJB)方程,及其在最优执行问题中的应用,接着上一篇,这次我们继续介绍HJB方程是如何应用在 高频交易问题中的。对HJB和限价单等概念还不了解的同学可以看一下本专栏的其它文章,以及网上的相关资料。先简单介绍一下高频交易的背景,随着计算机技术的发展,电子化的交易市场已经被广泛普及,如今我们只需要发送一个电子指令,就能实现对股票等金融资产的交易,这样一来,直接… 阅读全文 ​

谢邀。首先肯定一点,绝对不是翻译的不同。 相信题主已经google了众多众说纷纭的定义,可以发现,最近两年,关于算法交易、程序化交易、自动化交易、高频交易这些名词在网上出现的越来越多,题主所问的算法交易和程序交易的定义界限也越来越不明显,因为本来就有重叠的定义成分在里面。 所以,我只能说说在我最早关注这些的时候,他们的定义划分: [图片] 上图是我曾经所写文档时总结的一个图,当初考察的资料这里就不一一作引了。 ”从… 阅读全文 ​

每一个宽客都应该收藏的量化“利器”

工欲善其事,必先利其器,本文精心整理了各大编程语言常用的量化分析工具,会用其中几个就应该可以在私募找到一份不错的量化工作,如果不想安装,推荐 BigQuant 一站式的Python+机器学习+量化投资平台,打开浏览器就可以开发算法策略。欢迎大家补充~~~ 编程语言1.Python 2.R 3.Matlab 投资者交易策略—算法交易 4.Julia 5.Java 6.JavaScript 7.Scala 8.Ruby 9.Frameworks Python 投资者交易策略—算法交易 numpy 介绍:一个用python实现的科学计算包。包括:1、一个强大的N维数组对象… 阅读全文 ​

从语音识别到股指预测---隐马尔科夫模型(HMM)的一种应用

知乎上关于隐马尔科夫模型的科普非常详细了。可以直接参考这个问题下面大神们的回答。 如何用简单易懂的例子解释隐马尔可夫模型? - 数学 中文互联网上关于隐马模型在股票上的应用,基本都直接或间接引用了广发证券的2010年的一篇照理不应该公开的报告。知乎上面的就有: 陈小米 的 【研究】西蒙斯的赚钱秘籍:隐马尔科夫模型(HMM)的择时应用 - 神秘的宽客们 - 知乎专栏 江嘉键 的 隐马尔科夫链模型对于沪深300指数建模的进一… 阅读全文 ​

量化交易新手最适用的5本书

交易知识就在 —— ALPHA ZONE-HOM E ,由自营交易室机构交易员主导,理论结合实践,助力金融知识变现! 算法交易通常是一个被初学者认为很难掌握的复杂领域。它涵盖了广泛的学科,某些方面需要相当程度的数学和统计。 因此,对于初学者来说,这可能让他们非常气馁。实际上,大致的概念很容易掌握,而后面的细节可以通过迭代,持续的方式慢慢学习。 算法交易的优点在于,由于许多经纪商提供了高度现实的模拟交易系统,我们无需用真… 阅读全文 ​

有本经典的书,叫 Campbell, J. Y., A. W. Lo, and C. MacKinlay (1996). The econometrics of financial markets. Princeton University Press.书上开篇有句经典的话: 不要把时间序列中的长期漂移率项当成可预测性。个人感受,不是 time series analysis 不重要, 是收益率排除了长期漂移率之后剩下的能被挖掘出来的东西太少了。假设我用标准正态分布产生一个随机游走过程如下,序列的长度为 1000。 [图片] 上面是一个标准的随机游走… 阅读全文 ​

关于算法交易在国内外金融市场应用及管理情况的研究

上世纪70年代以来,随着金融科技水平的快速提升,借助计算机进行交易决策和执行的算法交易蓬勃发展,被广泛应用于股票、外汇、期货和期权等国际金融市场,并且呈现出智能化的发展趋势。为规范算法交易开展,防范可能带来的市场风险,各国监管机构及行业准则均制定了相应的管理规定。从国内来看,算法交易主要应用于股票和期货市场,外汇市场尚处于起步阶段。本文研究了国际及国内市场算法交易发展情况及管理经验,并就国内外汇市场算法交易的应用提出相关建议。

一、算法交易相关背景

(一)算法交易发展历史

(二)算法交易定义

二、算法交易优势和风险点

(一)算法交易优势

(二)算法交易风险点

三、国际市场算法交易开展情况

在股票市场,算法交易已经成为欧美市场的主流模式,在亚洲市场也发展迅速。Aite Group LLC研究显示,算法交易在欧美市场所有股票交易中占到40%。在外汇市场,根据2015年Greenwich Associates调研,全球外汇市场73%的机构投资者使用算法开展交易,交易量占全市场电子交易量的76%。近年来,国际主要外汇做市商开始向客户提供订单执行算法产品,进一步推动了算法交易的应用。在期货和期权等衍生产品市场,根据Business Wire公司调研结果,全球近50%的期货和期权场内交易均通过算法达成。

四、国际市场关于算法交易的管理经验

(一)美国监管要求

(二)欧盟监管要求

(三)英国监管要求

(四)德国监管要求

(五)部分新兴市场监管要求

(六)行业准则相关要求

五、我国金融领域算法交易应用及管理情况

(一)算法交易在我国股票市场和商品期货市场得到初步应用,在外汇市场应用尚处于起步阶段

(二)我国针对算法交易的监管情况

六、对我国外汇市场算法交易应用的相关建议

(一)建立配套管理制度

(二)完善相关市场基础设施

(三)加强机构合规管理

作者:牛丽群、韦佳、罗建宇,中国工商银行金融市场部

原文《关于算法交易在国内外金融市场应用及管理情况的研究》全文将刊载于中国外汇交易中心主办《中国货币市场》杂志2020.10总第228期。 返回搜狐,查看更多