Bagaimana perdagangan frekuensi tinggi menghasilkan wang?

Bagaimana perdagangan frekuensi tinggi menghasilkan wang?

Di bahagian depan, ia bertulis: Pada 30 Julai 2016, pemimpin utama portal, peniaga frekuensi tinggi, Lio, diundang oleh Mesyuarat Alumni Universiti Pengangkutan Hong Kong untuk mengadakan persidangan mengenai tema Quantitative Finance and High-Frequency Trading.

• Saya akan bercakap sedikit tentang IT kerana saya selalu melakukan IT. Saya tidak pernah belajar matematik dan statistik secara formal, jadi mungkin kelihatan kurang formal, ada beberapa petua dan pengalaman saya selepas berdagang. Saya akan membincangkan empat jenis strategi dagangan, dan lebih kurang mengenai matematik dan IT. Perdagangan Kuantitatif, seperti namanya, boleh dibahagikan kepada dua bahagian, satu adalah Kuantitatif dan satu adalah Perdagangan. Quantitative berbanding perdagangan manual tradisional, banyak perkara boleh diukur melalui model dan bukan dengan intuisi. Trading adalah berkaitan rapat dengan kawalan risiko, bukan perdagangan manual, yang dilakukan melalui pengaturcaraan. Perdagangan kuantitatif mempunyai banyak kategori, seperti minggu dan bulan. Bahagian asas mempunyai beberapa ekuiti panjang / pendek, ada beberapa strategi alpha. Terdapat juga kategori harga kuant, seperti harga pilihan, bagaimana untuk menetapkan harga. Terdapat juga jenis kuant data pasaran murni.

Rajah 1

• Perdagangan frekuensi tinggi pada dasarnya menggunakan Data Pasaran murni kerana ia sendiri memerlukan data yang lebih tinggi. Data Pasaran berubah sepanjang masa, tetapi Data Dasar, Berita, pada umumnya tidak berubah sepanjang masa. Apakah perdagangan frekuensi tinggi? Pertama adalah automasi. Perdagangan frekuensi tinggi tidak mungkin dilakukan secara manual, tidak pada tahap masa, memerlukan banyak daya pengkomputeran, memerlukan komputer yang kuat, dan kemudian banyak pesanan, tidak seperti tangan manusia, mungkin setiap saat, setiap milisaat, diperdagangkan. Sudah tentu senarai ini juga termasuk banyak penarikan, banyak penarikan; ada strategi penarikan yang banyak, mungkin lebih daripada satu juta pesanan, hanya berurusan dengan lebih daripada 10,000 pesanan; yang lain adalah kelajuan yang sangat tinggi. Terdapat juga definisi yang memerlukan algoritma yang rumit. Sebelum saya teruskan, saya akan membincangkan beberapa konsep masa. Unit kecil yang biasa kita gunakan ialah detik, atau bahkan minit. Di bawah detik, terdapat juga milidetik: satu per seribu saat. Memandang dengan mata, ia kelihatan seperti kira-kira 300 milidetik. Penghantaran data dari Shanghai ke Shenzhen, satu ping adalah kira-kira 30 milidetik.

Rajah 2

• Perbandingan: Tutup mata, 350 ms; perdagangan frekuensi tinggi membuat 1000 keputusan perdagangan, hanya dalam masa 15 ms. Kami sering mengatakan bahawa dalam sekejap mata, perdagangan frekuensi tinggi antara sekejap mata boleh membuat lebih daripada 10,000 keputusan perdagangan. Oleh itu, garis masa perdagangan frekuensi tinggi adalah berbeza, satu saat terlalu lama untuk perdagangan frekuensi tinggi.

• Berikut adalah beberapa jenis strategi utama untuk perdagangan frekuensi tinggi.

Rajah 3

• Strategi Bandar

  Strategi pedagang pasar yang bertujuan untuk memberikan kecairan dalam pasaran, untuk memasang tawaran / permintaan, untuk memendekkan tawaran / permintaan, untuk mendapatkan perbezaan di tengah-tengah. Ini bermakna beberapa bangunan di sini lebih baik. Terdapat banyak perkara yang boleh dibincangkan, seperti bagaimana untuk mengawal pegangan anda, risiko anda. Juga melakukan banyak ramalan. Bagaimana untuk meramalkan turun naik dan harga. Masalah IT di sini sangat penting kerana persaingan sangat sengit. Bagaimana untuk memberikan tawaran yang lebih cepat, pengeluaran yang lebih cepat. Harga IT sangat tinggi kerana semua orang bersaing, semua orang mahu lebih cepat, dari Co-Location, hingga FPGA, sekarang gelombang mikro. Bagi pelabur biasa, adanya pasaran yang membolehkan dia membeli dan menjual dengan harga yang lebih kecil adalah satu faedah. Rajah 4Ini adalah satu daripada strategi saya pada hari 12 Ogos tahun lalu, ketika saya memperdagangkan satu hari hadapan dalam indeks saham 50 yang disenaraikan. Pada hari itu, jumlah dagangan keseluruhan pasaran adalah 225,000 tangan, strategi saya adalah 4.1% (9,180 tangan), P&L juga berjalan dengan baik, dan penarikan adalah kecil. Keperluan modal juga rendah, hanya memerlukan 500,000 modal seharian, menghasilkan lebih daripada 210,000, keuntungan 43.5%. Pada bulan Julai tahun lepas, kerana kemalangan saham, CIF mula membatasi sebahagian pelabur pada masa hadapan saham. Seperti yang dapat dilihat pada bulan Julai, beberapa hari ini Bid/Ask Spread mempunyai tanda-tanda menarik, pada 7 September, CIF mula membatasi spekulator, menaikkan jumlah jaminan simpanan kepada 40%, kenaikan yuran penyelesaian kepada 23 per ribu, dan jumlah dagangan satu hari tidak melebihi 10 tangan. Rajah 5Rajah 6Oleh itu, strategi pasaran boleh meningkatkan kecairan pasaran, mempersempit Bid/Ask Spread, dan tidak membawa kepada banyak titik licin apabila jumlah jual beli tinggi. Strategi pasaran memerlukan kira-kira anggaran harga yang lebih munasabah. Harga hadapan saham adalah pasaran, seseorang akan menggunakan bakul saham untuk meramalkan harga yang munasabah bagi indeks saham.

• Keuntungan statistik Setiap topik di sini adalah topik yang besar. Saya hanya membincangkannya. Perisian statistik melibatkan kebarangkalian, penggalian data, pemodelan, pelaksanaan urus niaga, dan cara membersihkan data. Penggalian data sangat penting, yang kadang-kadang sangat menyakitkan kepala. Terdapat satu pepatah klasik yang dipanggil: sampah dalam, sampah keluar. Banyak kuant menghabiskan banyak masa untuk memproses data. Satu model lebihan yang paling mudah adalah kadar turun naik harga sejarah, ditambah beberapa kawasan pelaksanaan di kedua-dua belah pihak. Contohnya, bubur susu, beli 100 ringgit dari Hong Kong, jual 120 ringgit ke tanah besar. Di tengah anda menghabiskan 10 ringgit untuk bayaran perjalanan, dan akhirnya mendapat 10 ringgit. Itulah ruang lebihan anda. Sebagai contoh, emas, di pasaran domestik dan luar negara, terdapat kontrak standard, nilai teorinya sama, mengeluarkan kedua-dua keping emas. Tetapi harga akan turun naik, kita akan mengira perbezaan ini, jika kita mendapati ia menyimpang dari kawasan statistik sejarah, seperti ketika Brexit, kita akan mendapati emas China lebih murah, emas Amerika Syarikat lebih mahal.

• Ramalan Dengan membandingkan data pasaran masa lalu dengan persekitaran pasaran semasa, meramalkan pergerakan harga masa depan: Harga = a + b + c. Ini adalah ramalan masa depan yang boleh menjadi detik, minit, hari perdagangan, minggu, bulan depan. Jika ramalan model anda tepat, ia akan melebihi NB, sama ada pada detik, minit atau minggu depan. Rajah 7Proses asas ini adalah untuk mengumpul data dan mengetahui faktor-faktor yang mempengaruhi pasaran. Anda boleh mula dengan cepat, mengambil garis lurus, dan mungkin hasil yang cepat, tetapi berapa lama kestabilan model anda akan stabil, ini memerlukan penyesuaian yang berterusan, gelung yang berterusan. Anda pergi ke Latihan, Evaluasi Model, dan kemudian Optimumkan Faktor anda. Sudah tentu sekarang ada banyak faktor, ada yang hanya membuang 500 faktor. Modelnya boleh memberitahu dia faktor mana yang berguna dan mana yang tidak berguna, dan ia juga boleh menghilangkan faktor yang mempunyai korelasi tinggi sendiri. Satu rahsia Super Simple bukanlah bahawa ia mudah digunakan, model ramalan yang paling mudah ialah harga akan kembali ke garis purata. Apakah garis purata bersiklus, untuk mengasah sendiri. Kompleksiti di tengah-tengah ini, sebahagian besarnya berasal dari Data. Data dan Factor memerlukan penggilingan berterusan.

  • Struktur Mikro Ini terlalu tinggi, kuantiti biasa mungkin tidak digunakan. Contohnya, dalam perdagangan saham, anda sering mendengar tahap sokongan, tahap tekanan, atau struktur mikro yang mudah. Mungkin anda melihat ini adalah tahap sokongan, terdapat banyak pesanan, banyak tawaran di sana. Lihatlah satu tinjauan yang dibuat oleh Lembaga Pengawal Sekuriti Amerika Syarikat tahun lepas. Spoofer, beberapa pemain yang menggertak di pasaran. Pada asalnya pasaran adalah normal, bayaran adalah 10, 20, tiba-tiba ada pemain yang datang dan berkata saya ingin membeli 1000. Semua orang berfikir bahawa ada bayaran yang besar, dan mereka pergi untuk membeli. Pergerakan saham dari segi mikro adalah hubungan bekalan dan permintaan. Di sini terdapat dua pautan yang menarik: Cara Menangkap Spooferhttp://www.bloomberg.com/graphics/2015-spoofing/Perintah Iceberghttp://www.marketdelta.com/blog/2011/10/footprint-chart/iceberg-orders/Matematika, dalam pengalaman saya, digunakan untuk matematik sekolah rendah dan matematik PhD. Jangan mengabaikan matematik sekolah rendah, ia juga akan menanam banyak lubang. Terdapat juga Predictive Modeling, yang sangat luas dan boleh dikatakan panjang, banyak syarikat menggunakan. Pendekatan frekuensi tinggi adalah, kapasiti sangat kecil. Ia seperti anda memberi dia 500,000, dia mendapat 200,000. Anda memberi dia 5 juta, dia mungkin mendapat 200,000.

• IT. Semua orang tahu tentang kejadian Urinus Fungus. Selain itu, Knight Capital pernah kehilangan $ 440 juta dalam setengah jam. Sistem pengaturcara menaik taraf, mungkin 8 mesin pengeluar, satu tidak menaik taraf, menyebabkan satu arahan yang salah dilaksanakan, dan berdagang tanpa henti. Kuncinya adalah bahawa ia juga berdagang selama 30 minit. Saya tidak tahu bagaimana ia melakukan 30 minit tanpa ditemui.

Dalam kedua-dua kes ini, IT adalah penting dan boleh menyebabkan anda kehilangan banyak wang. Rajah 8Sistem IT biasanya dibahagikan kepada empat bahagian. Price Data agak mudah, tetapi lebih rumit, seperti Fundamental Data, Unstructured Data, yang memerlukan banyak kod pengaturcara, bagaimana untuk mengumpul, memformat, mengintegrasikan, akses. Sebagai Quant, saya ingin mengambil data pada suatu hari untuk melukis grafik. Kami pada dasarnya berada di situ sekarang, dengan mudah mengambil banyak data untuk melakukan banyak perkara, dan Quant pada satu sisi menulis sedikit kod. Sudah tentu anda tidak boleh silap, anda juga mempunyai ketabahan terhadap kesilapan dan keupayaan untuk memeriksa kesilapan yang sangat tinggi. Kami pernah mengalami situasi seperti ini sebelum ini, pengesanan semula sangat baik, setiap hari kami membuat wang, dan hasilnya adalah data yang salah. Kesalahan yang sangat bodoh. Eksekusi ini adalah pelbagai API, pelbagai akses pasaran, pelbagai kawalan angin. Dalam bidang frekuensi tinggi, kelajuan sangat penting. Kerana banyak data terbuka, banyak orang dapat melihatnya. Apabila ramai orang melihat peluang, hanya orang yang paling cepat yang dapat mengambilnya. Setiap pasaran mempunyai API yang berbeza, terdapat protokol seragam, seperti protokol Fix, tetapi tidak semestinya disokong oleh setiap bursa, tetapi protokol Fix sendiri agak perlahan. Ujian balik, kadang-kadang sesuatu yang Quant fikirkan, mungkin sistem uji balik anda belum menyokongnya, anda perlu mengubah kerangka kerja uji balik. Visualisasi sangat penting. Anda tidak boleh berkata, "Beri saya satu set nombor, saya tidak dapat melihatnya". Lihat grafik lebih jelas. Kami menghabiskan banyak usaha untuk melukis grafik di Scala, melukis grafik di R. Kerana satu set grafik dan satu set data tidak sama. Kelajuan ujian semula juga penting. Contohnya, ujian semula satu strategi, data setahun, anda memerlukan seminggu. Siapa yang menunggu seminggu untuk melihat keputusan anda! Satu minit mungkin menerima sedikit. Parameter dalam strategi adalah proses berulang, seperti parameter, saya ingin melihat bagaimana ia berlaku dari 1 hingga 100. Di sini kita juga telah melakukan banyak pengoptimuman, seperti bagaimana untuk mengambil data, bagaimana untuk menyimpan, meningkatkan prestasi di antara. Sebelum ini, saya telah melakukan beberapa percubaan pengkomputeran awan di syarikat saya yang lalu, dengan mengedarkan semua enjin yang diuji semula ke banyak pelayan. Jadi, satu permintaan berlalu, banyak mesin berjalan pada masa yang sama. Satu lagi adalah pemantauan. Terdapat banyak automasi di dalamnya. Terdapat banyak strategi. Bagaimana untuk memantau risiko, bagaimana untuk memberi amaran, ini juga merupakan hubungan yang sangat penting. Seperti strategi kami sekarang adalah operasi automatik, semua strategi dipantau, tahap risiko setiap strategi tidak boleh melebihi sedikit, melebihi amaran. Terutama kita juga berdagang malam, membuat pengaturcara sering tertidur, tidak realistik. Apabila anda berdagang dengan pelbagai jenis, tidak mungkin semua orang berada di sana, jadi banyak pemantauan dilakukan.

• Baca juga:

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

Pautan