开鲁网站seo免费版,个人网页设计手绘,外链官网,深圳地铁建设有限公司一、算法交易的概念 #xff08;一#xff09;什么是算法交易 算法交易#xff08;Algorithmic Trading#xff09;是一种程序化交易方式#xff0c;它将交易者和市场有机地联系起来。算法交易通常可以减少这两者之间的摩擦#xff0c;或者说在一定程度上可以降低交易对市…一、算法交易的概念 一什么是算法交易 算法交易Algorithmic Trading是一种程序化交易方式它将交易者和市场有机地联系起来。算法交易通常可以减少这两者之间的摩擦或者说在一定程度上可以降低交易对市场造成的冲击。具体来说交易者在金融市场中进行较大规模的交易时规模较大的单笔交易对于流动性相对较差的市场具有强烈的冲击从而会造成市场瞬间的剧烈波动。为了减少市场波动对交易所造成的不利影响交易者通常会将需要进行交易的订单拆细即将大规模交易拆分为若干小规模交易并在合适的时机分别对其进行分散交易从而降低相关交易成本——特别是冲击成本使得整个交易过程中价格能够达到最优水平。如荀子《劝学》所言——“不积硅步无以至千里不积小流无以成江海”算法交易所体现的正是这样一种化整为零、积少成多的思想。 算法交易是实现上述大单拆分并对拆分后的小单进行定时定量交易的一种程序化交易方式。其通过事先设定好的拆单策略与交易策略并编制完成相关计算机自动化交易程序通过连接交易系统的接口利用计算机实现大规模交易的拆分、报价、下单、撤单等一系列动作并在交易后对已完成交易进行分析和评估从反馈中进一步修正算法模型。 二为什么使用算法交易 算法交易目前已在国内外被广泛应用为什么要使用算法交易我们认为大体有以下几个原因。 首先算法交易受到投资者追捧的主要原因也正是其产生的根本目的在于其可以减小市场摩擦有效降低交易中的冲击成本从而使得整个交易可以以最优价格完成。 其次算法交易可以提高交易执行的效率。伴随着大单拆分不同的小单按照不同的价格进行动态成交这些复杂而频繁的交易对于人工来说是非常繁琐的——一方面交易员在进行交易时总是需要进行思考和判断的这将有可能错过最佳的交易时机、增加等待风险或交易成本而程序化交易的整个流程则仅需要计算机经过非常短暂的计算就可以将指令发出并且在这一过程中可以避免由于人的不理性而出现的一些非正常交易另一方面拆分后复杂的下单指令特别是对于组合投资来说容易使交易者手忙脚乱而计算机程序化交易则可以在准确的时点对交易系统完成准确的下单指令避免忙中出错。 使用算法交易的另一个优点特别是对于机构投资者而言是它可以降低传统交易部门的人力成本即只需要雇佣少量的交易员对整个算法交易过程进行监控和维护即可。 最后使用算法交易对于大规模交易而言是一种很好的隐蔽自己交易行为的方式。对于进行大规模交易的投资者特别是机构投资者一般情况下都希望能够将自己的交易行为隐蔽起来从而避免对手根据自己的“套路”出牌。通过将大单拆细进行交易类似于一片平静海面下暗涌着的激流对手只能看到成交量的放大但却看不出有少数人在大量买入或是卖出整个交易过程表现出的仅仅是一种大众行为。 当然在隐蔽大规模交易方面仅仅依靠传统的算法交易还是不够的这个过程可能还需要一些其他策略的配合例如在细分的下单量上附加一些噪声、或者使用随机算法对大单进行拆分等这里我们暂时不做过多讨论。 三谁在使用算法交易 目前国内外使用算法交易的投资者主要是各类机构投资者包括基金公司、保险公司、养老金、投资银行以及各类资产管理机构。由于国内证券市场起步较晚算法交易还没有大规模普及但在海外发达金融市场算法交易已成为一种成熟的证券交易模式。 根据金融资讯公司Celent 的数据2006 年全球股票交易中有20%是通过算法交易完成的而2003 年时这一比例仅为14%并且目前这一比例仍有上升趋势。经TIBCO亚太区及日本首席技术官Dan Ternes 统计在美国衍生品市场上90%以上的基金经理在建立投资组合时至少使用一次算法交易。目前美国使用算法交易较为广泛的机构投资者包括Citadel Investment Group、Citigroup、Credit Suisse First Boston、Deutsche Bank、Goldman Sachs、Morgan Stanley 、Susquehanna Investment Group、UBS 等。里昂证券CLSA亚太区首席信息官T.Rajah 认为预计在未来10 年中亚太和欧洲市场进行的证券交易中大部分也将采用算法交易的方式进行。目前东京证券交易所、香港联交所和新加坡交易所已经成为亚洲地区采用算法交易的主要市场。 我国算法交易尚处于起步阶段目前有约20家左右的公募基金运用了算法交易主要以恒生电子、金仕达等国内一流金融软件服务商所提供的交易系统作为交易平台。 一些券商也开发了自己的算法交易平台但由于种种原因没有进行大范围的推广和使用。 四算法交易的基本流程 算法交易的完整流程包括四步分别是算法模型策略研究、交易系统的设计与开发、交易的执行与交易后分析。 1、算法模型策略研究 算法交易的核心是研究并建立行之有效的冲击成本模型和时间风险模型从而达到在实际交易过程中冲击成本和时间风险最小化的目的。但是由于冲击成本和时间风险是负相关的即快速交易会减小由于等待带来的时间风险但会增加相应的冲击成本而将大单拆分后如果拆得过细则会面临较大的时间等待风险不过也可以减小相应的冲击成本。因此对于冲击成本和时间风险来说总是有一个最优的权衡而在整个算法交易过程中算法研究部分就是需要相关研究人员通过定量分析建模得到这样一个最优解。通过研究所得到的算法交易模型可以为证券买卖指令提供核心的定量决策。 2、交易系统的设计与开发 算法交易通过计算机程序自动判断下单价格及数量执行相应模型参数对应的交易指令而提高交易绩效。因此算法交易系统的构建和实施是算法交易完成的基础环节。特别是在电子化交易高度繁荣得今天交易系统的执行速度和执行效率直接决定了算法交易绩效的好坏所以系统设计也是算法交易执行过程中的关键一步。算法交易系统的设计中包括几个模块分别是模型计算模块、订单管理模块、交易引擎模块和输入输出模块。其中模型计算模块通过加载数据库中证券的历史数据进行定量分析和算法模型建立订单管理模块则对母订单拆分、子订单分配并下单进行管理交易引擎是算法交易系统的核心它通过协调模型计算模块和订单管理模块所提供的信息为订单的最后提交和撤销做出决定输入输出模块则负责实时数据接收、历史数据记录、订单的生成和输出以及交易过程中相关数据的记录。算法交易系统在设计和开发完成之后按照国内目前的情况一般会部署在机构投资者本地独立的服务器或交易计算机上。 3、交易的执行 当交易系统根据实时行情发出下单指令后订单通过网络发送至交易所并在交易所主机进行撮合如果成交则返回成交结果给交易系统如果未成交则返回相关信息并由交易系统确认是否撤单或重新挂单等事宜。 4、交易后分析 该环节主要分为两部分一部分是对当日的交易数据进行记录及清算一般由交易系统辅助完成另一部分则是对当日交易的情况进行分析与绩效评估对于算法交易而言主要关注交易成本测量和交易表现评估。 测量交易成本的目的是评价过去的交易表现从而对未来交易策略的改进提供定量依据。通常来讲在算法交易中交易成本被定义为实际执行价格与基准价格如经常使用的VWAP的差。这一数值的最小化正是算法交易的主要目标之一。 交易表现评估则是以对算法交易的好坏做出判断为目的的一种评估方式。利用上述交易测量成本的大小可以初步对交易情况做出评价。但是这种基于基准分析的评估方法在较长的时间尺度下来看并不是完美的它很难准确比较不同交易日不同股票交易之间的表现。举个简单的例子在某次考试中考生A 得了70 分考生B 得了90 分在没有其他信息作为支持的情况下很难说考生B 比考生A 在学业方面更为优秀或许从长期来看考生A 的成绩处于所有学生的前10%而考生B 的成绩处于所有学生的后30%。算法交易的评估也是如此例如在某个交易日指数持续下跌成交量不断放大那么市场的VWAP 在行情界面上可能是一根加速下降的曲线根据一般的算法交易策略所执行买入指令的VWAP成交此时很有可能高于VWAP市场但这种情况下并不能断言算法交易模型出现了某些需要更正的错误因为该类交易风险是系统性的很难进行人为的控制。此时可以使用相对表现测量RPM对交易表现作出评估其基本思想在于计算价格差于某次交易平均价格的交易数量这里我们不作过多展开。 五算法交易成本分析 交易成本包括可见成本和隐性成本。具体来说可以分为七个部分分别是佣金、交易税费、买卖价差、价格增长降低、冲击成本、时间成本和机会成本。好的算法交易在隐性交易成本方面可以做到有效控制即可以将买卖差价、冲击成本、价格变动成本、时间成本、机会成本等隐性成本最小化。 算法交易对交易成本控制的最主要部分是冲击成本。对于一个容量有限的市场来说无法避免由于市场流动性短缺所带来的大规模交易冲击成本。为了减少市场冲击投资者需要将订单拆分为较小的部分分步、逐渐地进行交易操作。但是这样会使交易价格面临上涨下跌所带来的时间风险以及订单不能够及时完成所带来的机会成本。相反快速的交易可以减少这些成本但会带来较大的冲击成本。因此对于交易速度的合理权衡是很多算法交易策略需要致力完成的主要目标。 另外由于股票价格波动、市场交易量变化等因素类似的算法策略可能会在不同的市场环境下产生不同的交易成本和交易表现。因此交易成本在一定程度上可以视为一个随机变量对于不同的交易策略和市场环境该随机变量可能有着不同的统计分布特征。算法交易策略的开发正是在确定可能影响交易成本、特别是冲击成本的 许多因素基础之上通过数量化的方法对这些因素进行分析和优化从而得到最优交易策略的过程。 二、算法交易的发展 一国外发展情况 算法交易作为一种特殊的程序化交易起源于海外市场程序化交易的兴起。 20 世纪70 年代纽约交易所NYSE引入订单传送及成交回报系统Designated Order Turnaround简称DOT并且很快又推出了超级订单传送及成交回报系统SuperDOT。这意味着手工下单的方式开始被电子化的潮流所改变。早期的手工下单、单据流转、撮合等整个流程大约需要数分钟的时间而计算机程序化报单的出现使得整个周期缩短至秒量级。 程序化交易Program Trading的正式出现是在1975 年美国股票市场在当年推出了股票组合转让与交易交易方式是投资者通过计算机实现一篮子股票的一次性自动交易。这种自动化的交易方式马上引起了市场的广泛关注。在后来的整个十余年中程序化交易高度繁荣很多投资者感到程序化交易确实在速度和自动化判断方面对交易产生了正向绩效还有一些投资者在程序化交易的初期尝到了甜头。套利交易在那个时期就是一种非常流行的利用程序化交易赚钱的方法。例如投资者可以利用计算机在期、现货出现较大价差时在几乎没有时间差的情况下同时买入一篮子股票并做空相应的股指期货当价差回归至平衡点附近时再同时对期现货进行平仓从而稳定赚取少量的价差。在美国金融市场电子化初步发展的阶段一些投资者抓住先机仅仅利用如此简单的套利方式就赚取了大量美金。不过与此同时程序化交易也引来了很多争议一些人对计算机程序化自动套利的模式提出了质疑认为这种交易方式有失市场公平还有一些人怀疑计算机程序化交易系统的稳定性认为进行程序化交易存在很大的风险。但是无论如何程序化交易在20 世纪80 年代取得了飞速的发展也正是这样快速的发展为算法交易的出现奠定了基础。 20 世纪90 年代电子化交易在两个方面取得了突破性进展。一方面电子化交易大规模进入外汇交易领域几乎所有的外汇操盘手都开始运用计算机指令进行交易下单和相关操作另一方面就是算法交易的大规模发展。由于计算机可以进行同时性的多指令交易大规模投资组合订单的拆分并按设定时间进行交易成为可能。David Leinweber 作为加州伯克利大学的一名金融学教授在政府项目的资助下于1989 年提出了第一个算法交易模型称为Market Mind。与此同时美国股票市场的百分位报价改革将每股的最小变动价位由1/16 美元改为0.01 美元竞价价差的缩小使得市场流动性有所降低算法交易此时得到了市场的广泛关注。随后十年中各大金融机构开始相继开发这一交易利器算法交易快速成为金融市场主流的交易方式之一。 在算法交易出现的初期其被认为将会成为机构投资者交易的主流方式。由于规模的限制大家都认为这种交易方式是中小投资者所无法参与的。但是在21 世纪以来特别是在欧美等金融市场较为发达的地区很多大型金融软件服务机构开发的交易平台开始提供这样一种交易模式使得中小型投资者也开始进入算法交易领域在相对有限的交易规模中可以降低自己的交易成本。 目前算法交易已在全球金融市场被广泛使用。除了传统的VWAP、TWAP 等一些模型越来越多新型、复杂的模型加入到算法交易策略的阵营机构投资者也大规模开展了相关的研究工作以在与对手的竞争中尽可能多地缩减交易方面的成本。另一方面在算法不断成熟的情况下速度成为了当前制约算法交易进一步发展的主要因素之一。因此各大交易系统开发商也在绞尽脑汁为系统的设计、开发、部署实施进行优化从而使得算法交易的效率能够得到进一步的提高。 二国内发展情况 算法交易在国内尚处于萌芽阶段。 随着计算机及网络技术在我国的快速发展程序化交易在过去几年中悄然兴起粗略来看可以将其分为两类一类是通过交易所接口实现数据的实时传输整个建模、计算、下单流程可以通过自行编写程序完成另一类则需要借助于成熟的程序化交易平台如以机构投资者为主要客户的金仕达、恒生系列交易系统以及文华财经、金字塔、交易开拓者、金钱豹等一系列大众化的程序化交易软件。不过目前来看程序化交易在中国还主要集中在传统的套利交易和投机交易方面算法交易的参与数量屈指可数。 算法交易的出现除了依赖于先进的计算机及网络技术以外更多地是由于市场大规模交易数量的增加而引起的。随着我国机构投资者数量的逐步增加算法交易的潜在用户也已经形成了相当庞大的规模。金仕达、恒生等金融交易软件提供商也都开发了自己的算法交易系统并已经在国内机构投资者中逐步推广。从目前国内算法交易使用的情况来看我国算法交易用户的数量和参与比例在未来一段时间仍有广阔的提升空间。算法交易的大范围推广除了有利于投资者控制交易成本以外也将使得国内金融市场的微观结构变得更加合理。 三、算法交易策略简介 算法交易的核心在于交易策略的构建好的算法交易策略能够有效控制交易成本实现交易价格的最优化。接下来我们就简单介绍一下市场上最为常见的一些算法交易策略。 一TWAP策略 TWAPTime Weighted Average Price时间加权平均价格算法是最为简单的一种传统算法交易策略。该模型将交易时间进行均匀分割并在每个分割节点上将均匀拆分的订单进行提交。例如A 股市场一个交易日的交易时间为4 小时即240 分钟。首先将这240 分钟均匀分为N 份或将240 分钟中的某一部分均匀分割如240份。TWAP 策略会将该交易日需要执行的订单均匀分配在这240 个节点上去执行从而使得交易均价跟踪TWAP TWAP 策略设计的目的是在使交易对市场影响最小化的同时提供一个较低的平均成交价格从而达到减小交易成本的目的。在分时成交量无法准确估计的情况下该模型还是较好地实现了算法交易的基本目标。但是TWAP 遇到比较大的问题是在订单规模很大的情况下均匀分配到每个节点上的下单量仍然较为可观仍有可能对市场造成一定的冲击。另一方面真实市场的成交量是在波动变化的将所有的订单均匀分配到每个节点上显然是不够合理的。因此人们很快建立了基于成交量变动预测的VWAP 模型。不过由于TWAP 操作和理解起来非常简单因此其对于流动性较好的市场和订单规模较小的交易仍然较为适用。 二VWAP策略 VWAPVolume Weighted Average Price成交量加权平均价格算法是目前市场上最为流行的算法交易策略之一也是很多其它算法交易模型的原型。首先定义VWAP它是一段时间内证券价格按成交量加权的平均值 其中 price 和 volume 分别是某个时点上证券的成交价格和成交量。 VWAP 算法交易策略的目的就是尽可能地使订单拆分所成交的VWAP成交盯住市场的VWAP市场。从VWAP 的定义2式来看若希望能够跟住VWAP市场则需要将拆分订单按照市场真实的成交量分时按比例进行提交这就需要对市场分时成交量进行预测。通常来说VWAP 策略会使用过去M 个交易日分段成交量的加权平均值作为预测成交量这里就要涉及到M 和权数的确定这里我们暂不进行深入探讨。更为严格地说假设需要在某段时间买入一定数量的股票采用算法交易将这段时间分为N 部分并预测每部分时间的成交比例占所需成交量为 vp 而市场真实的分段成交比例占市场真实成交量为 vm 市场在每个时点的真实成交价格为 P 则可以定义跟踪误差 从TE 的定义3式可以看出两点1、跟踪误差与成交量预测的关系非常紧密预测结果的好坏直接影响到VWAP 算法交易的结果。2、当某段时间的 vp 超过市场真实 vm 时有可能造成订单无法全部成交这样就会造成算法交易执行效率的下降因此更为常用的是被称为“带反馈的”VWAP 算法交易策略。 所谓带反馈的VWAP 算法交易策略是指在原有VWAP 跟踪的基础之上将每个时段未成交的订单按比例分摊至后面的时间段中这样可以有效提高成交比率。之前所讨论的TWAP 策略也可以采用该类反馈技术使执行效率大幅提升。 三MVWAP策略 MVWAPModified Volume Weighted Average Price成交量加权平均价格优化算法。其实VWAP 有很多优化和改进的算法但是最为常见的一种策略是根据市场实时价格和VWAP市场的关系对下单量的大小进行调整与控制因此我们统一将这一类算法称为MVWAP。 当市场实时价格小于此时的VWAP市场时在原有计划交易量的基础上进行放大如果能够将放大的部分成交或部分成交则有助于降低VWAP成交反之当市场实时价格大于此时的VWAP市场时在原有计划交易量的基础上进行缩减也有助于降低VWAP成交从而达到控制交易成本的目的。 在MVWAP 策略中除了成交量的预测方式之外通常也是按照历史成交量加权平均进行预测同样很重要的是对于交易量放大或减小的定量控制。一种简单的办法是在市场实时价格低于或高于VWAP市场时将下一时段的下单量按固定比例放大或缩小那么这个比例参数就存在一个最优解的问题。如果考虑得更为复杂和细致这个比例还可以是一个随价格偏差市场实时价格与VWAP市场之差变化的函数。由于这里只是对各交易策略做一个简要的介绍量化处理的细节我们暂不进行深入讨论。 四VP策略 VPVolume Participation固定百分比成交策略与VWAP 策略类似都是跟踪市场真实成交量的变化从而制定相应的下单策略。所不同的是VWAP 是在确定某个交易日需要成交数量或成交金额的基础上对该订单进行拆分交易而VP 则是确定一个固定的跟踪比例根据市场真实的分段成交量按照该固定比例进行下单。 例如将某个交易日均分为48 段每段5 分钟。根据预测成交量按照10%的固定比例进行下单。这样的策略所带来的结果是当所需要成交的订单金额较小时可能会在交易时间结束之前就完成所有交易从而造成对市场均价跟踪偏离的风险。因此我们认为该策略适用于规模较大、计划多个交易日完成的订单交易此时若能选择合适的固定百分比使得成交能够有效完成则VP 是一种可以较好跟踪市场均价的算法交易策略。 五IS策略 ISImplementation Shortfall执行落差交易策略是以执行落差为决策基础的一种算法交易策略。执行落差被定义为目标交易资产组合与实际成交资产组合在交易金额上的差异。IS 策略的目标是执行落差最小化或者说是在综合考虑冲击成本和市场风险后通过需找寻找最优解来跟踪价格基准的一种策略。假设目标交易价格为P0 实际交易价格为P 则IS 策略的最终目标为 为了达到这个目的目前无论是投资界还是学术界已经衍生出了各种各样复杂的模型我们在这里不做详细讨论只对IS 的基本流程做简要介绍1、确定目标交易价格P0 作为交易基准这个价格可以是到达价、开盘价、前一日收盘价等。再设定一个容忍价格 Pr 作为交易的边界条件。2、当市场实际价格低于或高于P0 时按一定的策略下单进行买入或卖出交易。3、当市场实际价格高于或低于r P 时不进行买入或卖出交易。4、当市场实际价格处于P0 和 Pr 之间时可以按照介于积极和消极交易策略之间的策略进行交易。 使用IS 的优点包括 1、IS 策略较为全面地分析了交易成本的各个部分在冲击成本、时间风险、价格增长等因素之间取得了较好的平衡更加符合最优交易操作的目标。2、IS 策略根据目标价格对交易过程的优化更加符合投资决策的过程。3、IS 策略多用于组合交易而对于组合交易来说该算法能够利用交易清单上股票间的相关性更好地控制风险。 六Step策略 Step 策略实际是一种对价格进行分层成交的策略目标是在买入卖出交易中尽可能地压低提升成交均价。简单来讲Step 就是在不同的价格区间进行不同成交量比例的配臵。例如在VWAP 或TWAP 策略中通常按照预测成交量的一定比例k 进行实际下单。假设在开市前预计要买入某支前收盘价为20 元的股票则对其进行成交量分层设定 开盘后在VWAP 或TWAP 的基础之上当价格在19 至21 元浮动时按预测成交量的10%进行成交当价格超过21 元时则不做任何交易当价格小于等于19 元时按预测成交量的30%买入。 更为激进的一种是称为Aggressive Step 的策略这种策略在价格低于最优交易区域边界时会将所有市场上的订单统统吃掉。具体来说Aggressive Step 策略同样在买入卖出交易中进行分层例如在上述交易方案中前两个区域的策略不变当价格小于等于19 元时不管市价跌到多少都按19 元的限价报单成交直至价格回升至19 元以上或拟交易订单全部完成。不过这种策略不容易对交易量进行控制并且容易造成价格异动增加证券交易的隐形成本。 七Sniffers策略 Sniffers 策略是一类策略的统称。通常该策略会开发一些较为复杂的算法去监控盘口和成交数据以发现市场参与者中是否存在其他的算法交易者。例如通过少量的试探性下单结合一定的算法和成交情况去判断有没有订单是通过算法交易而成交的。如果有其他的算法交易参与者则通过计算判断跟随这些算法交易或通过相反的操作能否以较大的概率获取绝对收益。如果获利概率较大则通过有针对性的算法交易策略进行下单。该策略与传统的算法交易不同不以执行订单为主要目的而是以获利为主属于算法交易中较为高级的一种策略适用于算法交易已经大规模普及的市场。我国市场无论是从交易制度还是从算法交易的普及程度来看目前都还暂时难以运用该类策略。 八盘口策略 国外目前很多较为高级的算法交易策略对数据的要求都已不仅仅限于成交量和成交价两个指标而更多关注的是市场微观结构特别是盘口中出现的一些重要信息。 举一个最简单的算法例子称之为盯住盘口策略PEG该策略随时根据目标股票的盘口情况进行下单。PEG 首先会实时监测盘口中的最低卖出价格或最高买入价格并按照一定的策略或比例下达买入限价指令或卖出限价指令。如果交易指令未能完成并且市场价格开始偏离限价指令的价格则对上述订单进行撤单并且根据最新的盘口信息重新发出相应的限价指令如果交易指令全部完成继续按照上述策略比例发出买入限价指令或卖出限价指令直至订单全部完成或交易时间结束。该策略的优点在于对市场的冲击可以做出较好的定量控制而缺点在于跟踪市场均价容易出现偏离并且每个交易日的成交量不可控。 九WP策略 Work and Pounce 策略简称WP 策略是在一般算法交易策略的基础之上通过市场盘口及流动性情况对算法交易进行进一步优化的一种策略。具体来讲当执行某种算法交易策略时系统会将拆分后的订单在一定的时间按一定的价格进行挂单。 此时如果跟踪盘口数据会发现所提交的下单价格有可能是主动成交例如在VWAP策略中就有出现这种机会。在这种情况下可以观察相应价格的盘口是否具有较大数额的挂单即观察市场在一定的价格范围内是否有多余的流动性存在。如果存在这种流动性则可以放大交易数量将市场流动性横扫一空或仅留存少量残余流动性。 WP 策略适合于有大量订单需要在短期内完成的情况使用该策略能够有效提高执行效率但同样对于价格的跟踪可能将产生相对较大的偏差增加了交易成本的不确定性。从WP 策略衍生出的策略还包括LMX Hydra、Options Work and Pounce 等主要关注点都是市场多余的流动性这里我们不再进行逐一介绍。 十Hidden策略 Hidden 策略实际上是一种主动成交型算法交易策略。对于传统的TWAP、VWAP 等策略由于下单时往往是按市价下单因此可能会夹杂有主动成交和被动成交两种交易。但是当被动挂单和撤单次数较多的时候特别是在较为发达的金融市场中算法交易者甚至算法交易策略本身容易被其他竞争对手观察和监测到从而使得竞争对手可以针对算法本身开发出具有针对性的策略。Hidden 策略就是这样一种反侦察的算法交易策略——当市场盘口中出现了希望成交价位的委托单并且达到一定数量时则主动出击将委托单吃掉否则伺机而动直到满足条件的机会出现为止。总体上来说Hidden 策略也是一种对原有算法交易策略进行再优化的策略其主要运用在欧美等较为发达的金融市场上在隐藏自己的行动的同时也付出一部分跟踪市场均价准确性的代价。 十一Guerrilla策略 Guerrilla 也是在一些原有算法交易策略的基础之上进行进一步优化的一种策略其目的同Hidden 策略一样都是为了隐藏自己的策略和交易行为。不同的是Hidden 是在主、被动成交及下单数量方面进行考虑而Guerrilla 的出发点仅仅是下单数量。通过一定的随机算法Guerrilla 策略会将每个时段应该提交的订单数量进一步打散成为不同尺寸的部分从而使得其他竞争对手在交易明细中不容易看出算法交易者和相应算法的存在。 十二其他策略 除了上述介绍的一些常用算法交易策略以外在国外市场上目前还存在非常多的策略例如仅VWAP 一种基础的算法交易策略就可以衍生出几十种甚至上百种策略再例如在国外做市商制度的存在下市场上还有一批基于该交易制度的常用算法交易策略如Guaranteed VWAP、SOR 策略等我们在本篇报告中不逐一介绍。总而言之很多算法交易策略在使用一段时间后往往由于信息的泄露或者市场微观结构的改变而不再适用投资者就需要继续开发新的策略。因此各种算法交易策略总是如雨后春笋一般在市场上出现然后消失轮回。但无论如何各类算法交易策略的出现都是为了对交易成本进行有效控制因此这类交易策略在计算机和网络技术突飞猛进的今天将会越来越多地占领整个市场的交易份额目前来看这是一个不会改变的大趋势。因此各种各样新的策略也需要不断被开发不断去适应新的市场环境。我们的算法交易系列报告也会在回顾传统交易策略的同时不断开发新的策略从而使投资者能够紧跟市场的步伐有效、合理地控制交易成本。 四、展望 从欧美发达金融市场的发展来看自算法交易推出的二十余年来该领域的研究一直受到相关机构投资者的重视。算法交易的使用者从大型机构投资者到中小型机构投资者到个人投资者以迅雷不及掩耳之势在整个市场上蔓延开来。当然这样的发展速度同样也是以欧美先进的计算机及网络技术为依托和支撑的。另一方面各类投资者也确实通过算法交易在大规模的证券交易中尝到了甜头使得市场的非系统风险得到了进一步控制。也正是对交易成本的有效控制使得市场形成一定的正反馈机制进而推动了算法交易的不断发展。 近几年来我国股票市场中也有一些机构投资者逐渐加入到了算法交易的队伍中并且成功地对交易成本进行了定量控制。但是我国目前整个市场的算法交易参与比例还很低因此在算法交易全球化的趋势下预计我国未来几年算法交易将迎来飞速的发展。 从算法交易的发展方向上来看主要热点将集中在软件和硬件两个方面。软件方面主要是指算法交易策略的研究和开发。由于全球金融市场有效性的逐步提高各类交易策略有效性的持续时间总体上都存在缩短的趋势。因此新策略的开发将始终是算法交易研究领域的重点并且在大量算法交易策略被市场了解和熟悉后策略的开发也存在复杂化的趋势这也体现了新策略开发的难点。另一方面从硬件的角度来看在当今的电子化交易市场中几百个毫秒的落后就有可能导致交易策略的失效因此计算机执行速度和网络传输速度的提高也必将成为算法交易的主要攻关目标。 最后我们认为算法交易在未来的发展可能主要会面临几点问题。第一点是交易速度。算法交易的误差跟踪以及对于时间风险的控制在很大程度上取决于交易速度的快慢。在电子化交易高度发达的今天绝对速度很重要但竞争对手间的相对速度有时更成为交易成败的关键。第二点是网络安全。对于大规模订单的电子化交易以及考虑到交易部门分工的复杂性网络的安全性问题显得尤为突出这也是非系统风险的一个层面需要引起相关技术人员的重视。第三点是市场制度制约包括有关部门对程序化交易行为的相关管理条例以及对交易制度和交易费用的制定可能将会在一定程度上影响程序化交易的发展进程和发展速度。转载于:https://www.cnblogs.com/timlong/p/6701441.html
