고주파 거래 회사와 양적 투자 회사의 차이

일반적으로 고주파 거래 회사와 양자 투자 회사에는 연관성이 있지만 차이가 있습니다. 미국에서 고주파 거래 회사는 일반적으로 자체 운영하는 거래 회사입니다. Getco, Tower Research, Hudson River Trading, SIG, Virtu Financial, Jump Trading, RGM Advisor, Chopper Trading, Jane Street 등이 있습니다. 고주파 투자 회사는 일반적으로 , RenTecDE, Shaw, Two Sigma, WorldQuant, AQR, Winton, BlueCrest, Citadel 등이 있습니다. 또한, Citadel, Two Sigma와 같은 회사는 고주파 거래 사업과 양자 투자 사업을 모두 가지고 있습니다.

역사적으로 볼 때, 많은 고주파 거래 회사의 창업자는 거래자 출신이며, 원래 파생 상품의 시장, 중매 등의 사업에 종사했다. 처음에는 이러한 작업에 대한 지식이 높지 않았다. 컴퓨터 기술의 발전과 함께 거래의 자동화 수준과 빈도도 점차 증가했다. 이러한 회사는 점차 수학, 통계, 컴퓨터 배경이 강한 사람들을 고용하여 상황에 적응했다. 물론,이 과정에도 약간의 분산이 나타났습니다.

인공 거래의 가장 큰 단점은 수동으로 주문한 장소가 거래소에서 멀리 떨어져 있고, 상황이 급변할 때 수를 잡지 못하는 경우가 많다는 것이다. 이 점에서는, 완전 자동 거래의 회사는 기장실을 관리하여 신호 전송 시간을 최대한 줄일 수 있지만, 자동 거래는 종종 절차가 너무 복잡하기 때문에 많은 회사 직원의 흐름이 많기 때문에 프로그램의 유지보수에서 몇 가지 오류가 발생할 수 있으며, 결국 절차가 잘못되어 큰 재앙이 발생합니다.

오버피칭은 블랙 스 사건의 피해를 피할 수 없는 문제입니다. 인공 거래와 자동 거래는 피할 수 없습니다. 일반적으로 Getco, Jane Street, SIG, Virtu Financial 등은 반 자동 거래이며, Tower Research, Hudson River Trading, Jump Trading 등은 완전 자동 거래입니다.

양자 투자 회사와 HFT 거래 회사에는 큰 차이가 있습니다. 첫째, 미국의 양자 투자 회사는 기본적으로 양자 배경이 매우 강한 사람들에 의해 설립되었습니다. 예를 들어, 르네상스 창립자 시몬스는 수학자 출신이며, DE 쇼의 창립자 데이비드 쇼는 컴퓨터 교수 출신이며, AQR의 창립자 클리프 Asness은 금융학자 출신입니다.

양자 투자 회사의 지분 기간은 종종 1 ~ 2 주에 달하며, 이렇게 긴 가격 동향을 예측하기 위해 처리해야하는 정보는 자연적으로 매우 큽니다. 모델은 더욱 복잡하며, 프로그램의 실행 속도에 민감하지 않습니다. 고주파 거래 처리 시간은 매우 짧습니다. 미세초 또는 밀리초급), 많은 정보를 분석 할 수 없습니다. 따라서 모델은 단순해지고, 경쟁 우위는 코드 운영의 효율성에 의존합니다. 많은 사람들은 심지어 하드웨어에 직접 프로그램을 작성합니다. 마지막으로, 양자 투자의 자본 용량은 수십억 달러에 달할 수 있습니다. 고주파 거래 회사는 수만 달러에서 수십억 달러에 불과하지만, 고주파 거래의 전략은 양자 투자보다 안정적입니다.

양적 거래 모델

이 모델은 단순에서 복잡한 양적 거래 모델에 대해 설명합니다.

가장 간단한 것은 존 머피 (John Murphy) 의 () 과 같은 미래 시장의 기술 분석을 대표하는 () 이다. 가장 많이 사용되는 것은 지수, 대수와 같은 고등학교 수준의 수학 지식이며, 일반적으로 이해하기 쉽다. 주관적 거래에 더 적합하다. 또는 컴퓨터가 계산하고 거래 신호를 발산하는 것은 사람이 수동으로 주문한 반 자동 거래다.

단계가 조금 높은 데니스의 해파리 거래 법칙은 수학적으로 평균, 차차, 정형 분산과 같은 대학 초등 수학 내용을 사용 한 후, 전략의 테스트도 더 과학적이며, 신뢰할 수있는 자금 관리 방법을 제시하지만, 단점은 여전히 거래 규칙에 의존하는 전통적인 배열 모음에서 벗어나 거래하는 사고 방식이 없다는 것입니다. 그러나, 전략이 잘 설계되어 큰 추세가 발생하면 여전히 좋은 효과가 있습니다.

더 높은 수준의 계층은 거래 신호의 통합 측면에 주로 나타납니다. 예를 들어, 더 현대적인 통계적 방법을 사용하여 회귀 분석, 신경 네트워크, 지원 벡터 기계와 같은 전통적인 기술 지표를 유기적으로 통합하고, 더 엄격한 통계적 방법을 사용하여 변수를 선택하고 테스트합니다. 금융 데이터의 시간 특성을 고려하여, 롤링 최적화를 사용하여 샘플 외의 테스트 결과를 얻어야하는 경우가 많으므로, 이러한 모델은 더 안정적입니다.

그러나, 일반적인 프로그래밍 거래 시스템은 이러한 기능을 구현하기 어렵고, 더 일반적인 프로그래밍 언어로 자체적으로 구현해야 한다.

이 그림은 르네상스 펀드 창립자 시몬스가 양적 투자에 대해 설명한 것입니다.

만약 양적 투자라면, 시장상황 정보 이외에 다른 기본적인 정보를 수집하고, 대응하는 시간열을 정리하고, 예측 모델에 통합해야 한다. 일반적으로, 성공적인 모델은 얼마나 높은 수학적 이론을 사용했는지가 아니라, 얼마나 많은 다양한 출처의 정보를 통합했는지에 달려 있다. 심지어는 가장 간단한 선형 회귀도, 각 파라미터가 강한 예측 능력을 가지고 있고, 연관성이 낮다면, 모델의 예측 효과도 좋다. 반대로, 복잡한 깊이 학습 이론을 사용하더라도, 선택된 파라미터가 의미가 없다면, 최종 모델은 쓸모가 없다. 현재 몇몇 미국 기업들은 뉴스 같은 텍스트 정보를 활용하는 것뿐만 아니라, 구글 위성에서 촬영된 항만 컨테이너의 이미지를 구축하기 위해 컨테이너의 상품 수치를 통해 상품 가격의 움직임을 예측하여 좋은 결과를 얻었다.

모델링은 하나의 일이고, 해결 모형은 사실 똑같이 중요합니다. 예를 들어, 물리학에는 현실을 정확하게 설명 할 수있는 많은 모델이 있지만, 종종 효율적인 과학적 계산 방법이 없기 때문에 해결하기가 어렵습니다. 양적 거래도 마찬가지입니다. 파라미터의 계산, 필터링, 최적화, 재측정 등은 종종 엄청난 계산량과 함께 이루어지며, 어떻게 교묘하게 해결하는지는 고도의 학문입니다. 시몬스가 밝힌 바에 따르면, 유명한 문예의 르네상스 회사 내부에는 다양한 소스에서 데이터를 수집하는 컴퓨터 프로그래머의 명확한 분업이 있으며, 물리학자는 데이터를 분석하여 모델을 구축하고, 수학자는 최적화 알고리즘을 구축하고 모델을 해결합니다.

높은 주파수, 양적 영역의 일반적인 오해

양자 모형은 블랙 스완 사건을 이길 수 없습니다.

사실, 어떤 투자 방법도 역사적으로 미래를 예측하는 것에 의존하며, 블랙 스 사건을 두려워하며, 회수할 것이다. 정량화의 이점은 회수를 겪은 후, 최신 상황을 신속하게 모델에 포함하고, 적시에 조정하고, 재측량하고, 최적화하고, 모의하여, 가장 짧은 시간에 손실을 되돌리려고 노력한다는 것이다. 예를 들어, 문예의 부흥이 2007년 8월 역사적으로 드문 9%의 회수를 겪은 후, 시몬스는 결정적인 조치를 취하고, 다시 모형을 만들고, 투자자에게 보낸 편지에서 그는 우리의 새로운 모델이 3개의 강력한 거래 신호를 발견했다고 선언했다.

장기자본관리회사 (LTCM) 는 양자 모델을 사용해서 파산했다. 사실, LTCM은 다중 전략 펀드이며, 순수 양자 거래 전략은 1998년에도 100만 달러를 벌어들였다. 가장 많은 손실을 낸 전략은 거래 유동성이 매우 나쁜 상자 파생상품이다. 많은 것은 심지어 자신이 투자 상대 제품과 함께 투자하기 위해 고안하여 블랙 스완 사건이 발생하면 적시에 위치를 정리할 수 없다.

고주파 거래가 투자자의 이익을 해치는 것

플래시 보이즈 과 같은 책들의 견해는 사실 매우 논란의 여지가 있지만, 작가의 글쓰기가 훌륭하고, 서술 방식이 매우 자극적이어서 많은 사람들의 눈을 끌었다. 언론을 제외하고는, 현재 미국에서 HFT 거래를 금지하라는 요구가 가장 강력하다고 말할 수 있습니다. 기본적으로 그 해의 전통적인 거래자입니다.

국내에서는, 지금 옵션이 상장 준비, 주식 또한 T + 0을 열 가능성이 높습니다. 이 두 개의 뚱뚱 고기 에 대해, 외국 고주파 거래자는 오래 전부터 갈망했다. 만약 우리가 선물 고주파 영역에서, 우리는 프로그램 거래의 풍부한 경험에 의존 할 수 있다면, 해외와 견제, 옵션과 주식 고주파 영역에서, 우리의 실무 경험은 0이고, 해외와의 차이는 더 크다.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。