Bagaimana perdagangan frekuensi tinggi boleh menghasilkan wang?

Di bahagian depan, ditulis: Pada 30 Julai 2016, pelakon utama, pedagang frekuensi tinggi Lio telah dijemput oleh Persidangan Alumni Hong Kong Universiti Pengangkutan Hong Kong untuk mengadakan persidangan perkongsian bertemakan “Pemberian Kuantiti Kewangan dan Keranjang Perdagangan Frekuensi Tinggi”. Dengan persetujuan Lio, persidangan perkongsian ini dibuat secara eksklusif untuk pertama kalinya.

• Saya akan bercakap tentang IT sedikit kerana saya telah melakukan IT sepanjang masa. Oleh kerana saya tidak belajar matematik dan statistik secara rasmi, ia mungkin kelihatan tidak begitu formal, ada beberapa berita kecil dan pengalaman saya berdagang. Saya akan bercakap mengenai empat jenis strategi perdagangan, dan kemudian saya akan bercakap tentang matematik dan IT. Perdagangan Kuantitatif, seperti namanya, boleh dibahagikan kepada dua bahagian, satu adalah Kuantitatif dan satu adalah Perdagangan. Berbanding dengan perdagangan manual tradisional, banyak perkara dikira melalui model, dan bukan berdasarkan naluri. Perdagangan adalah berkaitan dengan kawalan risiko, bukan perdagangan manual, yang dilakukan melalui pengaturcaraan. Quantitative Trading mempunyai banyak kategori, boleh dikatakan dari minggu ke bulan. Pada bahagian asas terdapat beberapa Long / Short Equity, ada beberapa Alpha Strategy. Ada juga jenis Pricing Quant, seperti melakukan Option Pricing, bagaimana untuk menetapkan harga.

Rajah 1

• Perdagangan frekuensi tinggi pada dasarnya menggunakan data pasaran semata-mata, kerana ia sendiri memerlukan data yang lebih tinggi. Data pasaran berubah setiap masa, tetapi asas, berita, biasanya tidak berubah setiap masa. Apa itu dagangan frekuensi tinggi? Pertama adalah automasi. Dagangan frekuensi tinggi tidak mungkin dilakukan dengan tangan, tidak pada satu tahap masa, anda perlu mempunyai banyak kuasa pengiraan, memerlukan komputer yang kuat, dan kemudian banyak pesanan, tidak seperti tangan manusia, mungkin setiap saat, setiap milidetik, berdagang. Sudah tentu satu ini juga merangkumi banyak penarikan balik, banyak penarikan balik. Ada beberapa strategi penarikan balik yang banyak, mungkin lebih dari satu juta unit, hanya bertukar lebih dari 10,000 unit. Selain itu, kelajuan yang sangat tinggi. Sebelum meneruskan perbincangan, saya ingin memperkenalkan beberapa konsep masa. Kita biasanya mengira masa, unit kecil mungkin dalam detik, atau bahkan dalam minit. Di bawah saat, ada milidetik: satu per seribu detik. Orang yang mengedipkan mata mungkin kelihatan seperti 300 milidetik. Penghantaran data dari Shanghai ke Shenzhen, satu ping adalah kira-kira 30 milidetik.

Rajah 2

• Bandingkan: Mematikan mata, 350 ms; membuat 1000 keputusan perdagangan dalam 15 ms. Kita sering mengatakan bahawa dalam sekelip mata, dalam sekelip mata, perdagangan frekuensi tinggi 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 pasaran

Strategi peniaga pasaran adalah untuk menyediakan kecairan di pasaran, untuk membuat senarai BID/Ask, untuk mempersempit BID/Ask, untuk mendapatkan perbezaan harga di tengah. Bunyinya mudah, tetapi terdapat banyak model, iaitu Kawalan Risiko, perlumbaan senjata IT. Saya tidak tahu apa-apa tentang ini, tetapi saya tidak tahu apa-apa tentang ini, saya tidak tahu apa-apa tentang ini. Terdapat banyak perkara yang boleh dibincangkan, seperti bagaimana untuk mengawal pegangan anda, risiko anda. Terdapat juga banyak Prediction. Bagaimana untuk Ppredict Volatility dan Harga. Kos IT sangat tinggi kerana semua orang bersaing, semua orang mahu lebih cepat, dari Co-Location, ke FPGA, dan sekarang gelombang mikro. Persaingan sangat ketat. Bagi pelabur biasa, wujudnya pasaran saham adalah baik kerana ia membolehkan mereka membeli dan menjual saham dengan harga yang lebih rendah. Rajah 4 Ini adalah satu strategi saya pada 12 Ogos tahun lepas dalam mencatatkan 50 indeks saham berjangka. Pada hari itu, jumlah perdagangan di seluruh pasaran adalah 225,000 tangan, strategi saya adalah 4.1% ((9,180 tangan), P&L juga berjalan, Drawdown juga lebih kecil. Pada bulan Julai tahun lepas, kerana kemalangan saham, Bank Sentral mula menyekat beberapa pelabur dalam niaga hadapan indeks saham. Anda dapat melihat tanda-tanda Bid / Ask Spread yang meningkat pada bulan Julai, dan pada 7 September, Bank Sentral mula menyekat spekulan, menaikkan jaminan simpanan hingga 40%, bayaran pemprosesan simpanan naik hingga 23 per 10,000, jumlah dagangan simpanan satu hari tidak melebihi 10 tangan. Rajah 5 Rajah 6 Oleh itu, strategi “membuat pasaran” dapat meningkatkan kecairan pasaran, mempersempit Bid/Ask Spread, dan tidak menyebabkan banyak titik slippage. Strategi pasaran memerlukan kira-kira, apa yang harga yang lebih munasabah. Pasaran saham berjangka, seseorang akan menggunakan sekeranjang saham untuk meramalkan harga yang munasabah dalam saham.

• Arbitrase statistik Setiap topik di sini adalah topik yang besar. Saya hanya membincangkannya secara kasar. Arbitraj statistik melibatkan kemungkinan, penggalian data, pemodelan, pelaksanaan transaksi, dan bagaimana melakukan pembersihan data. Penggalian data sangat penting, pengendalian yang tidak baik kadang-kadang sangat menyakitkan kepala. Ada kata yang sangat klasik yang dipanggil: sampah dalam, sampah keluar. Satu model lelang yang paling mudah adalah kadar turun naik harga sejarah, ditambah dengan beberapa ruang pelaksanaan di kedua-dua belah pihak. Contohnya, tepung susu, beli dari Hong Kong dengan harga 100 ringgit, dan jual di tanah besar dengan harga 120 ringgit. Di tengah-tengah anda membayar 10 ringgit untuk perjalanan, dan akhirnya anda mendapat 10 ringgit. Sebagai contoh, emas, pasaran dalam dan luar negara mempunyai kontrak standard, nilai yang sama secara teori, mengambil dua keping emas. Tetapi harga akan turun naik, kita akan mengira perbezaan harga ini, jika mendapati ia menyimpang dari kawasan statistik sejarah, seperti ketika Brexit, akan mendapati emas China murah, emas Amerika Syarikat mahal.

• Ramalan Berkenaan dengan perbandingan data pasaran masa lalu dengan keadaan pasaran semasa, ramalan pergerakan harga masa depan: Harga = a + b + c. Ramalan masa depan ini boleh menjadi detik, minit, hari perdagangan, minggu, atau bulan yang akan datang. Jika model anda tepat, ia akan melebihi NB, tidak kiralah ia adalah detik, minit atau minggu yang akan datang. Rajah 7 Proses asasnya adalah dengan mengumpul data dan memahami apa sebenarnya yang mempengaruhi pasaran. Anda boleh mulakan dengan cepat, anda boleh mulakan dengan cepat, anda boleh mulakan dengan cepat, anda boleh mulakan dengan cepat, tetapi untuk berapa lama anda boleh mengekalkan model anda, anda perlu terus-menerus melakukan pengaturcaraan, anda perlu terus-menerus mengiklankan. Sudah tentu sekarang ada banyak faktor, ada orang yang menggunakan 500 faktor. Modelnya boleh memberitahu faktor mana yang berguna dan mana yang tidak, dan faktor yang mempunyai korelasi tinggi boleh dihapuskan. Sebuah model Super Simple bukan bermaksud mudah, tetapi model ramalan yang paling mudah, iaitu harga akan kembali ke garis rata-rata. Apakah garis rata-rata adalah kitaran, anda perlu mengasah. Kerumitan di tengah ini, kebanyakannya berasal dari Data. Data dan Factor perlu terus diasah.

  • Micro Structure Ini terlalu kerap, kuant biasa mungkin tidak digunakan. Sebagai contoh, dalam perdagangan saham sering mendengar tentang tahap sokongan, tahap tekanan, adalah struktur mikro yang mudah. Mungkin melihat ini adalah tahap sokongan, ada banyak pesanan, banyak tawaran di sana. Lihatlah siasatan yang dibuat oleh Suruhanjaya Keselamatan Amerika Syarikat (AS) tahun lepas. Spoofer, beberapa Pemain Bluffing di pasaran ❚ Pasaran adalah normal, harga pembelian adalah 10, 20, tiba-tiba seorang Pemain masuk dan berkata saya perlu membeli 1000 ❚ Semua orang berfikir bahawa ada pembelian yang besar, semua pergi untuk membeli ❚ Pergerakan saham dari sudut pandang mikro adalah hubungan bekalan dan permintaan ❚ Jika ada yang membeli, ia akan naik ❚ Seseorang meletakkan satu juta pesanan, mula naik ❚ Kemudian dia mula menjual ❚ Ini adalah Spoofing ❚ Pengawal Selia Amerika Syarikat mendefinisikan dengan ketat sebagai tindakan memanipulasi pasaran, dan ia adalah menyalahi undang-undang Dua pautan 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 matematik sekolah rendah dan matematik PhD. Jangan memandang rendah matematik sekolah rendah, ia juga akan menanam banyak lubang. Matematika yang lebih maju, seperti Pricing adalah sangat profesional. Terdapat juga Predictive Modelling, yang digunakan oleh banyak syarikat. Banyak yang dilakukan oleh Quant. Kelemahan frekuensi tinggi ialah, kapasiti yang kecil. Seakan-akan anda memberinya 500,000, dia mendapat 200,000. Anda memberinya 5 juta, dia mungkin masih mendapat 200,000.

• #### IT. Semua orang tahu tentang peristiwa Jari-jari Ulong Besar yang bersinar. Selain itu, Cavalier Capital pernah kehilangan 440 juta dolar AS dalam setengah jam. Pengaturcara menaik taraf sistem, mungkin 8 mesin pengeluar, satu tidak menaik taraf, menyebabkan satu arahan yang salah dilaksanakan, dan terus berdagang.

Dalam kedua-dua kes ini, IT adalah penting dan boleh menyebabkan anda kehilangan banyak wang. Rajah 8 Sistem IT terbahagi kepada empat bahagian di atas. Price Data agak mudah, Unstructured Data agak rumit, memerlukan banyak kod pengaturcara, bagaimana untuk mengumpul, memformat, menyatukan, Access. Sebagai seorang Quant, saya ingin mengambil data suatu hari untuk melukis gambar. Sudah tentu anda tidak boleh salah, toleransi anda dan keupayaan anda untuk memeriksa kesilapan juga sangat tinggi. Kami telah mengalami situasi seperti ini sebelum ini, pengesahan balik sangat baik, setiap hari membuat wang, tetapi mendapati data yang salah. Kesalahan yang sangat bodoh. Pelaksanaan ini adalah pelbagai API, pelbagai akses pasaran, pelbagai kawalan angin. Dalam bidang frekuensi tinggi, kelajuan sangat penting. Kerana banyak data adalah awam, banyak orang dapat melihatnya. Apabila banyak orang melihat peluang, hanya orang yang paling cepat yang dapat mendapatkannya. Setiap pasaran mempunyai API yang berbeza, dan protokol seragam, seperti Protokol Fix, tetapi tidak semestinya disokong oleh setiap bursa, tetapi Protokol Fix sendiri juga lebih lambat. Back Testing, kadang-kadang sesuatu yang difikirkan oleh Quant, mungkin sistem ujian anda tidak menyokongnya, anda perlu mengubah kerangka ujian anda. Visualisasi adalah penting. Anda tidak boleh berkata, beri saya banyak nombor, saya tidak dapat melihatnya. Ia lebih mudah untuk melihat gambar. Kelajuan pengulangan juga penting. Sebagai contoh, untuk mengulangi strategi, data setahun, anda memerlukan seminggu. Siapa yang akan menunggu seminggu untuk melihat hasilnya! Satu minit mungkin boleh diterima sedikit. Di sini kita juga melakukan banyak pengoptimuman, seperti bagaimana untuk mengambil data, bagaimana untuk cache, di tengah-tengah meningkatkan prestasinya. Sebelum ini, saya telah melakukan beberapa percubaan dalam pengkomputeran awan di syarikat sebelumnya, beberapa enjin feedback semua disebarkan ke banyak pelayan. Satu lagi ialah Pemantauan. Di sini terdapat banyak automasi. Terdapat juga banyak strategi. Ia memerlukan pemantauan yang tidak realistik. Bagaimana untuk memantau risiko, bagaimana untuk memberi amaran, ini juga merupakan bahagian yang sangat penting. Seperti strategi kami sekarang adalah operasi automatik, semua strategi pemantauan, setiap strategi tidak boleh melebihi tahap risiko, melebihi akan memberi amaran. Apabila anda berdagang dengan banyak jenis, ia tidak mungkin semua orang berada di sana, jadi anda perlu melakukan banyak pemantauan.

• #### Bacaan yang disyorkan:

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