¿Cómo se puede ganar dinero con el trading de alta frecuencia?

En la parte delantera se puede leer: El 30 de julio de 2016, el protagonista de la plataforma, el comerciante de alta frecuencia Liu Liu, fue invitado por la Asamblea General de Alumnos de la Universidad de Transporte de Hong Kong para una conferencia sobre el tema de la financiación cuantitativa y la cadena de intercambio de alta frecuencia. Con el consentimiento de Liu, el contenido de la conferencia fue lanzado exclusivamente por la plataforma.

• Lo que voy a decir va a ser un poco informático, porque siempre he estado haciendo IT. Como no he estudiado matemáticas y estadística formalmente, puede que no parezca tan formal, con algunas pequeñas noticias y experiencia después de hacer transacciones. Hablaré de cuatro tipos de estrategias de negociación, y luego hablaré de algo sobre matemáticas e informática. Quantitative Trading, como su nombre lo indica, se puede dividir en dos partes, una es Quantitative y otra es Trading. En comparación con el comercio manual tradicional, muchas cosas se cuantifican a través de modelos, no por intuición. El comercio está estrechamente relacionado con el control del riesgo, no con el comercio manual, que se realiza mediante la programación. El comercio cuantitativo se divide en muchas categorías, se puede hablar de una semana o un mes. En la parte fundamental hay algunos Long / Short Equity, hay algunas estrategias Alpha. También hay una clase de Pricing Quant, como hacer Option Pricing, cómo hacer precios.

Figura 1 y 2

• El comercio de alta frecuencia es básicamente con datos de mercado puros, ya que es un poco más exigente en sí mismo. Los datos de mercado cambian constantemente, pero Fundamental, News, por lo general no cambian constantemente. ¿Qué es el comercio de alta frecuencia? En primer lugar, es la automatización. El comercio de alta frecuencia no es posible hacerlo a mano, no en un nivel de tiempo, se necesita mucha capacidad de cálculo, una computadora poderosa, y luego una gran cantidad de pedidos, no como las manos humanas, tal vez cada segundo, cada milisegundo, están negociando. Por supuesto, esta lista también incluye muchos retiros, una gran cantidad de retiros. Algunas estrategias incluyen muchos retiros, puede haber más de un millón de pedidos, solo más de 10.000. Además, es muy alta velocidad. También hay una definición que requiere algoritmos complejos. Antes de continuar, permítanme darles algunos conceptos de tiempo. En nuestro tiempo común, las unidades más pequeñas pueden estar en segundos o incluso en minutos. Debajo del segundo, hay un milisegundo: milisegundos.

Se muestra en la Figura 2.

• Comparamos: En un par de segundos, el usuario puede abrir y cerrar los ojos en 350 milisegundos, y en 15 milisegundos puede tomar 1.000 decisiones de trading. A menudo decimos que en un abrir y cerrar de ojos, las transacciones de alta frecuencia pueden tomar más de 10.000 decisiones comerciales. Por lo tanto, la línea de tiempo de las transacciones de alta frecuencia es diferente, y para las transacciones de alta frecuencia, un segundo es demasiado largo.

• #### A continuación se presentan algunos de los principales tipos de estrategias para el trading de alta frecuencia:

Figura 3 y 4

• Estrategias para el mercado

La estrategia de hacer negocios en el mercado tiene como objetivo principal proporcionar liquidez en el mercado, ir a la lista de BID/Ask, hacer que BID/Ask se estreche y ganar la diferencia en el medio. Suena muy simple, pero hay muchos modelos, como el Control de Riesgo, la carrera armamentista en TI. Es decir, algunos de los edificios aquí están mejor. Hay muchas cosas de las que hablar, como cómo controlar tu posición, tu riesgo. También hay mucho de Prediction. Cómo Predict Volatilidad y Precio. Aquí las cuestiones de IT son muy importantes, porque la competencia es muy fuerte. Los costos de TI son altos porque todos están compitiendo, todos quieren ser más rápidos, desde Co-Location, hasta FPGA, y ahora microondas. La competencia es muy fuerte. Y es porque el umbral es alto que las otras compañías están haciendo un buen trabajo. Para el inversor común, la existencia de un mercado es beneficiosa, ya que le permite comprar y vender con menor diferencia de precios. Se muestra en la figura 4. Este es el rendimiento de una de mis estrategias en el índice de futuros de 50 acciones el 12 de agosto del año pasado. Ese día, el volumen de operaciones de todo el mercado fue de 225,000 personas, mi estrategia representó el 4.1% (9,180 personas), el P&L también funcionó, y el drawdown también fue relativamente pequeño. La demanda de capital también fue baja, solo se necesitaron 500,000 yenes durante todo el día, ganando más de 210,000, con un rendimiento del 43.5% . En julio del año pasado, debido a la catástrofe de la bolsa de valores, Zhongshan comenzó a restringir a algunos inversores en los futuros de los índices de acciones. Se puede ver que los días de julio el Bid / Ask Spread mostró signos de aumento, hasta el 7 de septiembre, Zhongshan comenzó a restringir a los especuladores, aumentó el monto de la garantía de depósito hasta el 40%, la tarifa de liquidación aumentó hasta el 23 por ciento, y el volumen de operaciones de un solo tipo de depósito en un día no superó el diez. Se muestra en la figura 5. Se muestra en la Figura 6. Por lo tanto, las estrategias de mercado pueden aumentar la liquidez del mercado, reducir el Bid/Ask Spread y evitar que la mayor cantidad de compras y ventas genere muchos puntos de deslizamiento. La estrategia de mercado requiere una estimación aproximada de cuál es el precio más razonable.

• Arbitraje estadístico Cada uno de estos temas son muy importantes. El arbitraje estadístico se refiere a la probabilidad, la minería de datos, la modelación, la ejecución de transacciones, y cómo hacer la limpieza de datos. La minería de datos es muy importante, y el mal manejo a veces es un gran dolor de cabeza. Hay una frase muy clásica llamada: “Garbage in, Garbage out”. Un modelo de arbitraje más simple es el de la fluctuación de los precios históricos, con algunos espacios de ejecución en ambos lados. Por ejemplo, el polvo de leche, que se compra en Hong Kong por 100 dólares y se vende en el continente por 120 dólares. Por ejemplo, el oro, los mercados nacionales y extranjeros tienen contratos estándar, el valor teóricamente es el mismo, se sacan dos barras de oro. Pero el precio va a fluctuar, vamos a calcular la diferencia de precios, si se encuentra que se desvía de la zona histórica de la estadística, por ejemplo, en el momento de Brexit, se encontrará que el oro de China es barato, el oro de Estados Unidos es caro.

• Las predicciones Preveer el movimiento futuro de los precios a través de la comparación de datos del mercado pasado con el entorno actual del mercado: Precio = a + b + c. Este pronóstico puede ser el próximo segundo, el próximo minuto, el próximo día de negociación, la próxima semana, el próximo mes. Si su modelo es preciso, supera el NB, ya sea el próximo segundo, el próximo minuto o la próxima semana. Figura 7 Se muestra El proceso básico consiste en tener los datos y luego averiguar qué factores están influyendo en el mercado. Puedes comenzar muy rápido, tomar una línea media, y puede ser muy rápido, pero la estabilidad de tu modelo es muy estable, y esto requiere un continuo ajuste y un continuo ciclo. Por supuesto, ahora hay muchos factores, y algunos de ellos son: arrojar 500 factores. Su modelo le puede decir qué factores son útiles y cuáles no, o puede eliminar el factor de alta correlación. Pero esto, estoy aprendiendo, no tengo mucha experiencia. Un modelo Super Simple no es sencillo, el modelo más sencillo de predicción es que el precio regresará a la línea media. ¿Qué es la línea media? Tanto Data como Factor necesitan mucho trabajo para adaptarse a estos modelos.

  • Micro Structure Esto es demasiado frecuente, el Quant en general puede no ser usado. Por ejemplo, en el comercio de acciones se escucha a menudo que el nivel de soporte, el nivel de presión, es una simple microestructura. Miren una encuesta que la SEC hizo el año pasado. Spoofer, algunos jugadores de Bluffing en el mercado. El mercado era normal, las compras eran de 10, 20, de repente, un jugador entró y dijo que quería comprar 1000. Todos pensaron que había una gran compra, y se fueron a comprar. En el post, publican dos enlaces muy interesantes: How to Catch a Spoofer http://www.bloomberg.com/graphics/2015-spoofing/ Iceberg Orders http://www.marketdelta.com/blog/2011/10/footprint-chart/iceberg-orders/ Las matemáticas, en mi experiencia, se usan tanto en la matemática de primaria como en la matemática de doctorado. No hay que menospreciar las matemáticas de primaria, también hay que plantar muchos hoyos. También hay el Modelo Predictivo, que es muy amplio, se puede hablar mucho, muchas compañías lo están usando. La desventaja de las altas frecuencias es que tienen poca capacidad. Por ejemplo, si le das 500 mil dólares, gana 200 mil. Si le das 5 millones, puede ganar 200 mil.

• #### IT. Todos conocemos el caso de los dedos de los grandes dragones de la Luz de Luz. Además, Knights Capital perdió 440 millones de dólares en media hora. El programador actualizó el sistema, posiblemente 8 máquinas productoras, una no actualizada, lo que resultó en una instrucción incorrecta ejecutada, y continuó negociando. La clave es que se negoció durante 30 minutos.

En estos dos casos, es decir, TI es importante y puede hacer que pierdas mucho dinero. Se muestra en la figura 8. Los sistemas de TI se dividen en cuatro partes principales: Price Data es relativamente simple, más como Fundamental Data, Unstructured Data es un poco más complejo, requiere un montón de código de programador, cómo recopilar, formatear, unificar, Access. Como un Quant, me gustaría tener datos de algún día para dibujar un mapa. Por supuesto, no puedes equivocarte, tu tolerancia al error y tu capacidad para comprobar los errores también son muy altas. Ya hemos tenido situaciones como esta antes, la retroalimentación es muy buena, ganamos dinero todos los días, y el resultado es que los datos están equivocados. La ejecución es todo tipo de APIs, todo tipo de acceso a los mercados, todo tipo de control de ventas. En el campo de la alta frecuencia, la velocidad es muy importante. Porque la mayoría de los datos son públicos y muchos pueden verlo. Cuando muchos ven una oportunidad, solo los más rápidos pueden cogerla. Back Testing, a veces, es algo que se le ocurre a Quant, y tal vez su sistema de retroalimentación no lo soporta, y necesita cambiar el marco de retroalimentación. La visualización es muy importante. No puedes decir, generar un montón de números, no se puede ver. Ver el gráfico es más fácil. La velocidad de la retrospectiva también es importante. Por ejemplo, retrospectiva de una estrategia, un año de datos, se necesita una semana. ¿Quién va a esperar una semana para ver sus resultados! Aquí también hemos hecho muchas optimizaciones, por ejemplo, cómo tomar datos, cómo almacenarlos, y mejorar su rendimiento en el medio. Antes, hice algunos intentos de computación en la nube en la empresa anterior, y distribuí algunos de los motores de retroalimentación a muchos servidores. El otro es el Monitoring. Aquí hay mucha automatización. Hay muchas estrategias. ¿Cómo ir al Monitor de Riesgos, cómo ir al Alert, este es también un elemento muy importante. Como nuestras estrategias actuales son de funcionamiento automático, todas las estrategias de vigilancia, el nivel de riesgo de cada estrategia no puede exceder mucho, más de una alarma. En particular, también comercializamos disco nocturno, para que los programadores a menudo duermen por la noche, no es muy realista. Cuando hay muchas variedades que se comercializan, es casi imposible que haya gente ahí, así que hay que hacer mucha vigilancia.

• #### Leer también:

Flash Boys
Quantitative Trading: How to Build Your Own Algorithmic Trading Business
The Quants: How a New Breed of Math Whizzes Conquered Wall Street and Nearly Destroyed It
The Problem of HFT - Collected Writings on High Frequency Trading & Stock Market Structure Reform
Inside the Black Box: A Simple Guide to Quantitative and High Frequency Trading
Algorithmic Trading: Winning Strategies and Their Rationale
Quantitative Trading with R: Understanding Mathematical and Computational Tools from a Quant's Perspective

http://numericalmethod.com/courses/introduction-to-algorithmic-tradingstrategies-2011-2013/ https://www.quantstart.com/articles/beginners-guide-to-quantitative-trading https://www.zhihu.com/publications/nacl/19550372

Enlace