Bagaimana cara menghasilkan uang dengan trading frekuensi tinggi?

Di bagian depan, ditulis: Pada tanggal 30 Juli 2016, karakter utama dari trading gateway, trader frekuensi tinggi Lio Hong Kong diundang oleh Universitas Transportasi Hong Kong alumni umum, membuat sebuah forum berbagi tema yang berjudul keuangan kuantitatif dan perdagangan frekuensi tinggi. Mengambil persetujuan dari Lio, trading gateway eksklusif pertama kali ini berbagi forum.

• Saya akan berbicara sedikit tentang IT, karena saya selalu melakukan IT. Karena saya tidak pernah belajar matematika dan statistik secara formal, mungkin tidak terlihat begitu formal, ada beberapa berita kecil dan pengalaman setelah melakukan transaksi sendiri. Saya akan membahas tentang empat jenis strategi trading, dan kemudian saya akan membahas tentang matematika dan IT. Quantitative Trading, seperti namanya, dapat dibagi menjadi dua bagian, satu adalah Quantitative dan satu adalah Trading. Perdagangan kuantitatif dibandingkan dengan perdagangan manual tradisional, banyak hal yang diukur melalui model, bukan berdasarkan intuisi. Perdagangan terkait erat dengan pengendalian risiko, bukan perdagangan manual, yang dilakukan melalui pemrograman. Quantitative Trading dapat dibagi menjadi beberapa kategori, bisa dari minggu ke bulan. Pada bagian fundamental ada beberapa Long / Short Equity, ada beberapa Alpha Strategy. Ada juga jenis Pricing Quant, seperti melakukan Option Pricing, bagaimana cara menentukan harga.

Gambar 1

• Trading frekuensi tinggi pada dasarnya menggunakan data pasar murni, karena ia sendiri membutuhkan data yang sedikit lebih tinggi. Data pasar berubah setiap saat, tetapi fundamental, berita, umumnya tidak berubah setiap saat. Apa itu perdagangan frekuensi tinggi? Pertama adalah otomatisasi. Perdagangan frekuensi tinggi tidak mungkin dilakukan dengan tangan, tidak pada satu tingkat waktu, Anda harus memiliki banyak daya komputasi, membutuhkan komputer yang kuat, dan kemudian banyak pesanan, tidak seperti tangan manusia, mungkin setiap detik, setiap milidetik, berdagang. Tentu saja ini juga termasuk banyak penarikan, banyak penarikan yang dilaporkan. Ada banyak penarikan yang dilaporkan, mungkin lebih dari satu juta pesanan, hanya lebih dari 10.000 pesanan. Selain itu, kecepatan yang sangat tinggi. Ada juga definisi yang mengatakan bahwa algoritma yang rumit diperlukan. Sebelum membahas lebih lanjut, saya ingin memperkenalkan beberapa konsep waktu. Kita biasanya menghitung waktu, satuan kecil mungkin dalam detik, bahkan dalam menit. Di bawah detik, ada millisecond: seperserbu detik. Orang mengedipkan mata mungkin seperti 300 millisecond. Transmisi data dari Shanghai ke Shenzhen, satu ping adalah sekitar 30 millisecond.

Gambar 2

• Bandingkan: Memutar mata, 350 milidetik; trading dengan frekuensi tinggi, membuat 1000 keputusan perdagangan, hanya membutuhkan 15 milidetik. Kami sering mengatakan bahwa dalam sekejap mata, dalam sekejap mata, perdagangan frekuensi tinggi dapat membuat lebih dari 10.000 keputusan perdagangan. Jadi, garis waktu perdagangan frekuensi tinggi tidak sama, untuk perdagangan frekuensi tinggi, satu detik sudah terlalu lama.

• #### Berikut ini adalah beberapa jenis strategi utama untuk trading frekuensi tinggi.

Gambar 3

• Strategi Pemasaran

Strategi untuk menjadi seorang market maker adalah untuk menyediakan liquiditas di pasar, untuk membuat daftar bid/ask, untuk mempersempit bid/ask, untuk mendapatkan keuntungan dari perbedaan di tengah. Kedengarannya sederhana, tetapi ada banyak model, seperti Risk Control, atau perlombaan senjata di atas IT. Saya tidak tahu apa-apa, tapi saya pikir beberapa bangunan di sini lebih baik daripada yang lain. Ada banyak hal yang bisa dibicarakan di dalamnya, seperti bagaimana cara mengendalikan posisi Anda, risiko Anda. Ada banyak prediksi yang harus dilakukan. Bagaimana cara memprediksi volatilitas dan harga. Biaya IT sangat tinggi karena semua orang bersaing, semua orang ingin lebih cepat, mulai dari Co-Location, hingga FPGA, dan sekarang microwave. Persaingan sangat ketat. Untuk investor biasa, keberadaan pasar forex yang memungkinkan mereka untuk membeli dan menjual dengan harga yang lebih rendah adalah hal yang menguntungkan. Gambar 4 Ini adalah salah satu dari strategi saya pada tanggal 12 Agustus tahun lalu dalam menandai 50 saham indeks berjangka. Pada hari itu, seluruh pasar diperdagangkan oleh 225.000 orang, strategi saya adalah 4.1% (9.180 orang), P & L juga berjalan, dan penarikan juga relatif kecil. Pada bulan Juli tahun lalu, karena bencana saham, Bank Sentral Cina mulai membatasi beberapa investor pada futures indeks saham. Anda dapat melihat bahwa beberapa hari pada bulan Juli, Bid / Ask Spread menunjukkan tanda-tanda penarikan, dan pada tanggal 7 September, Bank Sentral Cina mulai membatasi spekulan, menaikkan jaminan penyimpanan hingga 40%, biaya transaksi posisi terendah meningkat hingga 23 persen dari 10.000, volume perdagangan dalam satu hari tidak lebih dari 10 tangan. Gambar 5 Gambar 6 Jadi, strategi market making dapat meningkatkan likuiditas pasar, mempersempit Bid/Ask Spread, dan mengurangi banyak titik slippage. Strategi pasar membutuhkan perkiraan tentang harga yang lebih wajar. Dalam pasar saham berjangka, seseorang akan menggunakan sekeranjang saham untuk memprediksi harga saham yang wajar.

• Arbitrase statistik Setiap topik di sini adalah topik yang besar. Saya hanya membahasnya secara umum. Arbitrage statistik melibatkan probabilitas, penggalian data, pemodelan, pelaksanaan transaksi, dan cara melakukan data cleaning. Pengolahan data sangat penting, pengolahan data yang buruk kadang-kadang sangat menyakitkan. Ada sebuah kata yang sangat klasik yang disebut: Garbage in, Garbage out. Banyak Quant menghabiskan banyak waktu untuk mengolah data. Model lelang yang paling sederhana adalah pergerakan harga historis, ditambah beberapa area eksekusi di kedua sisi. Misalnya, bubuk susu, beli dari Hong Kong seharga 100 dolar, dan jual di daratan seharga 120 dolar. Di tengah-tengah Anda menghabiskan 10 dolar untuk biaya perjalanan, dan akhirnya Anda mendapatkan 10 dolar. Tapi harga akan berfluktuasi, kita akan menghitung perbedaan harga ini, jika ditemukan menyimpang dari zona statistik sejarah, misalnya saat Brexit, kita akan menemukan emas Cina lebih murah, emas Amerika lebih mahal. Maka kita bisa membeli set harga yang lebih rendah, menjual set harga yang lebih tinggi untuk mendapatkan keuntungan. Tentu saja, dalam operasi praktis, akan ada faktor-faktor penyebab likuiditas, yang membutuhkan beberapa pengalaman.

• Prediksi Dengan membandingkan data pasar masa lalu dengan lingkungan pasar saat ini, memprediksi pergerakan harga di masa depan: Harga = a + b + c. Ini bisa menjadi detik berikutnya, menit berikutnya, hari perdagangan berikutnya, minggu berikutnya, bulan berikutnya. Jika model Anda memprediksi dengan akurat, maka Anda akan melampaui NB, tidak peduli apakah itu detik berikutnya, menit berikutnya atau minggu depan. Gambar 7 Proses dasar ini adalah dengan mengumpulkan data dan kemudian mencari tahu apa faktor yang mempengaruhi pasar. Anda bisa mulai dengan cepat, Anda bisa mendapatkan hasil dengan cepat, tetapi berapa lama stabilitas model Anda akan stabil, dan itu akan membutuhkan tuning terus menerus, siklus terus menerus. Anda akan melatih, mengevaluasi model, dan mengoptimalkan faktor Anda. Tentu saja sekarang ada banyak faktor, beberapa orang melakukan ini, membuang 500 faktor. Modelnya bisa memberitahunya faktor mana yang berguna dan faktor mana yang tidak, atau bisa menghapus faktor yang sangat tinggi korelasi itu sendiri. Sebuah model Super Simple tidak berarti sederhana, model yang paling sederhana adalah memprediksi harga akan kembali ke garis rata-rata. Apa garis rata-rata adalah siklus, Anda harus mengasah sendiri. Data dan Factor harus terus diperbaiki.

  • Micro Structure Ini terlalu sering, kuantitas umum mungkin tidak akan digunakan. Misalnya, dalam perdagangan saham sering mendengar tentang titik dukungan, titik tekanan, adalah struktur mikro sederhana. Mungkin melihat ini adalah titik dukungan, ada banyak single, banyak Bid di sana. Lihatlah sebuah survei yang dilakukan oleh badan pengawas sekuritas AS tahun lalu. Spoofer, beberapa pemain Bluffing di pasar. Awalnya pasar normal, pembelian adalah 10, 20, tiba-tiba seorang pemain masuk dan mengatakan saya harus membeli 1000. Semua orang berpikir ada pembelian yang besar, semua pergi untuk membeli. Pergerakan saham dari sudut pandang mikro adalah hubungan penawaran dan permintaan. Dua link yang menarik: 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/ Matematika, dari pengalaman saya, digunakan untuk matematika dasar dan matematika PhD. Jangan meremehkan matematika dasar, juga akan menanam banyak lubang. Ada juga Predictive Modelling, yang sangat luas dan sudah lama digunakan oleh banyak perusahaan. Kursi pendek dari frekuensi tinggi adalah, kapasitasnya sangat kecil. Misalnya Anda memberinya \(500.000, dia akan mendapatkan \)200.000. Anda memberinya \(500.000, dia mungkin masih akan mendapatkan \)200.000.

• #### IT. Semua orang tahu tentang pencurian jari telunjuk Big Owl. Selain itu, Knight Capital pernah kehilangan 440 juta dolar AS dalam setengah jam. Programmer meng-upgrade sistem, mungkin 8 mesin produksi, satu tidak di-upgrade, menyebabkan satu perintah yang salah dieksekusi, terus berdagang. Kuncinya adalah perdagangan selama 30 menit.

Kedua kasus ini adalah bahwa IT penting dan dapat membuat Anda kehilangan banyak uang. Gambar 8 Sistem TI terdiri dari empat bagian utama. Price Data relatif sederhana, lebih banyak seperti Fundamental Data, Unstructured Data lebih rumit, membutuhkan banyak kode pemrogram, bagaimana mengumpulkan, memformat, dan menyatukannya, Access. Sebagai Quant, saya ingin mengambil data suatu hari dan menggambarkannya. Tentu saja Anda tidak bisa salah, toleransi Anda terhadap kesalahan dan kemampuan Anda untuk memeriksa kesalahan juga sangat tinggi. Sebelumnya kita pernah mengalami situasi seperti ini, pengembalian sangat baik, setiap hari menghasilkan uang, dan hasilnya menemukan data yang salah. Kesalahan yang sangat bodoh. Eksekusi ini adalah berbagai API, berbagai akses pasar, berbagai kontrol angin. Di bidang frekuensi tinggi, kecepatan sangat penting. Karena banyak data yang publik, banyak orang dapat melihatnya. Ketika banyak orang melihat peluang, hanya orang tercepat yang bisa mendapatkannya. Back Testing, kadang-kadang ada sesuatu yang diciptakan oleh Quant, mungkin sistem pengujian Anda tidak mendukungnya, dan Anda perlu mengubah kerangka pengujian. Visualisasi sangat penting. Anda tidak bisa mengatakan, berikan saya sekumpulan angka, saya tidak bisa melihat. Kita bisa melihat gambar dengan lebih jelas. Kecepatan pengulangan juga penting. Misalnya, untuk mengulang strategi, data setahun, Anda membutuhkan waktu seminggu. Siapa yang menunggu seminggu untuk melihat hasil Anda! Satu menit mungkin bisa diterima sedikit. Di sini kita juga melakukan banyak pengoptimalan, seperti bagaimana untuk mengambil data, bagaimana untuk cache, di tengah meningkatkan kinerjanya. Sebelumnya, saya juga melakukan beberapa percobaan komputasi awan di perusahaan sebelumnya, beberapa mesin feedback semua didistribusikan ke banyak server. Dan satu lagi adalah pemantauan. Di sini banyak otomatisasi. Dan ada banyak strategi. Bagaimana untuk memantau risiko, bagaimana untuk Alert, ini juga merupakan bagian yang sangat penting. Seperti strategi kita sekarang adalah operasi otomatis, semua strategi pemantauan, tingkat risiko setiap strategi tidak bisa lebih dari sedikit, lebih dari akan alarm. Terutama kita juga berdagang night disk, membuat programmer sering tidur di malam hari, tidak terlalu realistis. Ketika Anda berdagang dengan banyak varietas, tidak mungkin semua orang berada di sana, jadi ada banyak pengawasan.

• #### Bacaan yang disarankan:

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

Link