精华内容
下载资源
问答
  • 高频交易研究

    2013-04-10 06:29:36
    高频交易研究论文
  • 关于高频交易研究资料。长江证券的研究成果。
  • 高频交易数据研究的思考

    千次阅读 2018-03-06 16:28:47
    from:https://www.douban.com/note/520105082/?from=tag近年来,国内外学术界对金融高频交易数据、超高频交易数据展开了广泛的研究,为此类研究提出了新的思考。一、澄清金融高频交易数据认识上的误区在明晰金融...

    from:https://www.douban.com/note/520105082/?from=tag

    近年来,国内外学术界对金融高频交易数据、超高频交易数据展开了广泛的研究,为此类研究提出了新的思考。


    一、澄清金融高频交易数据认识上的误区

    在明晰金融高频数据概念的同时,我们发现很多文献对高频与超高频这两个概念混同使用,高频、超高频与低频之间的界限也较为随意。事实上,根据数字信号处理的相关理论,设若频率小于某个临界值,会出现混叠现象,进而无法真实还原序列所要传达的信息。为此,需要从更严格的意义上对低频数据、高频数据与超高频数据做出界定和辨析,进而从统计学理论和方法的角度来审视金融高频数据挖掘的内容和方法,这一方面有利于明确统计方法的应用现状和所面临的困难;另一方面可以引起统计学界对金融高频数据挖掘的广泛关注,也有利于统计学方法研究的进一步拓展和深入。

    此外,不少文献认为金融高频数据仅仅是加细了取样间隔,增加了样本容量,因而包含了比以往更多的信息。然而事实上并非取样频率越高就越精确,因为取样频率越高也越容易受到微结构噪声(microstructure noise)的影响。需要注意,对金融高频数据的建模方法不同于低频,比如ARCH模型族在金融高频数据中基本无法使用;超高频数据与高频数据的研究方法也有质的区别,比如超高频数据取样间隔不等距且随机,而多数统计计量方法都是针对固定等距情形而设计的。但是目前国内对金融(超)高频数据的研究多集中在引入国外模型做应用实证分析,对研究方法的探讨并不多。

    二、探索金融高频数据挖掘的统计方法

    单从数据处理的角度来看,低频数据似乎可以看作是对高频数据的抽样。在抽样理论中,用一个点代表它所属的“层”是可以接受的,而事实上日内高频数据似乎更应该理解为“群”,因为群间有相似的统计特征(如“U”型分布),群内异质性较大(如开盘和收盘交易量较大,而中间时段交易量小)。所以需要对高频数据的日内效应进行更为细致的统计观察和分析,进而探索其中的微结构。

    以波动率的研究为例,金融研究领域的很多模型都是为刻画波动的时变性、聚集性、非对称性和长记忆性等特征提出的,然而这些模型大都无法直接应用于高频数据,与低频数据采用ARCH模型族讨论波动不同的是,高频数据主要采用已实现波动率(realizedvolatility)来对波动率进行测量,通过波动率来深入分析和研究交易的内在机制。这方面主要集中在对市场微观结构理论的探讨。与时间序列模型强调数据的统计性质所不同的是,微结构模型(market microstructure)更多地关注市场行为,着意于交易的细节,如交易价格的形成过程、代理人的行为、交易成本、交易机制等。狭义地来讲,微结构模型旨在考察市场参与者的潜在需求如何转化为交易价格和交易量的过程。尽管这部分内容与金融高频数据分析紧密相关,但从数据挖掘角度的深入研究并不多。这样就有必要从统计学理论和方法的角度来审视金融高频数据挖掘的内容和方法。

    三、从观测尺度来理解高频与低频数据的差异

    金融工程理论通常采用几何布朗运动(the GeometricBrownian Motion)来刻画价格波动,但研究发现,金融高频交易数据不再像低频数据那样遵循布朗运动。那么二者仅仅是频率上的差别吗?研究表明,高频与低频的区别仅仅是噪声层面的:在低频数据里,噪声可以被忽略;然而在高频交易数据里,噪声是显著的。这就好像是在较小的尺度上(如短期)可能犯错,导致出现一个凸点,但是在较大的尺度上(如长期),这个凸点可能就被“磨圆”了。

    所以,不同尺度下,可以有截然不同的结论,“横看成岭侧成峰,远近高低各不同”,从系统论的角度看,我们必须承认,不同层次(类别)有不同层次(类别)的规律(除了无特征尺度的“自相似”,它在不同的尺度上表现出相似或统计相似的性质)。比如研究了微观个体的行为,并不可以简单加总去推断群体的行为;研究了短期的行为,也不可以妄断长期。应该注意,这里本身并不涉及推断问题,不能用这个层次的观察来推断另一个层次,推断应该是在同一个层面(尺度的,包括外推和横向比较。比如,由可获得的样本推断未知总体,它仅仅是数量上的策略。

    四、抽样并不必然造成信息的损失

    大多研究金融高频数据的文献认为,金融市场上的信息对证券价格变化的影响具有连续性,而低频数据是离散的,这必然会造成信息的丢失。而且,数据频率越低,则信息丢失就越多。但是,根据数字信号处理的相关理论,模拟信号(连续信号)首先要经过离散化处理(抽样)变成数字信号,才可以进入下一步分析。

    退一步而言,根据统计抽样理论,如果采用合适的抽样方法,那么抽样的效果并不弱于全面调查。所以,问题并不在于是否采用抽样方法,而在于如何设计和实施抽样。由于很多金融时序数据在总量观察的尺度上多呈异方差(异质程度较高),所以通过提高抽样频率来挖掘其中所包含的丰富的波动信息是很自然的。另一方面,根据总体辅助信息设计合理的抽样方法也是值得努力的方向。

    事实上,从统计的视角来看,过于细致的数据并不利于展现数据的总体特征。因而才会引出分组的重要性,即分组对数据进行人为的、有目的的离散化梳理,这有助于问题的发现。模型也正是通过显现本质忽略枝蔓而简化了现实,使我们专注于要解决的问题。

    五、金融高频交易数据的本质在于微结构发现

    相对于低频数据而言,高频交易数据不仅仅是加细了取样间隔,增加了样本容量,实现了大样本推断,更重要的是,金融高频数据挖掘的目标其实并不是为了改进抽样和样本代表性,而是为了发现日内的交易行为结构。比如,原先只是取日收盘价,以日作为分析单位;现在则加细日内的间隔,以发现日内的微结构。我们希望通过这种研究视角的变换——改变了分析的单位或尺度——来发现更多背后的信息,如宏观经济学转向微观经济基础构建、金融工程学转向行为金融的研究一样。(文章来源:宽客界微信公众号quantview)

    展开全文
  • 本文的研究内容是研究和设计一个适用于投资者的高频交易系统,包括高频交易 系统的需求分析和系统组成结构、高频交易系统软/硬件组成、高频交易系统模块的具 体设计和实现。
  • 基于变量选择和遗传网络规划的期货高频交易策略研究_陈艳 基于变量选择和遗传网络规划的期货高频交易策略研究_陈艳 基于变量选择和遗传网络规划的期货高频交易策略研究_陈艳
  • 本文从理论上考察了缩短... 本文提供了理论上的证据,即快速交易可能会增加投资组合价格的波动,因此,除了众所周知的损害,包括羊群效应,激进的交易策略黑池,立即或取消定单以外,还可能暗示高频交易的另一成本。
  • 论文研究-Kelly模型及其在高频交易中的应用.pdf, 本文研究了在交易成本约束下的基金财富动态最优增长. 我们建立了基于Kelly理论的投资组合模型, 它能确保采用该模型的...
  • 那么,今天我们就研究一下在高频交易中的对冲策略。我们可以写一套软体,在我们设定目标的情况下,按照我么既定的策略实现对冲,在市场实现套利。 我们从以下几点分析如何实现对冲,在市场套利。 1、对冲条件 ...

    在数字货币市场,每天行情如过山车,让抄币者惊心动魄。能否在不关心行情的情况下实现对冲,在市场套利。那么,今天我们就研究一下在高频交易中的对冲策略。我们可以写一套软体,在我们设定目标的情况下,按照我么既定的策略实现对冲,在市场实现套利。

    我们从以下几点分析如何实现对冲,在市场套利。
    1、对冲条件
    不是所有的应用场景下,都可以实现对冲。有一些前提条件的。

    • 适用于提供融资功能的交易市场,如数字货币市场等,用户可以借入交易物(如BTC、ETH、EOS)等。
    • 交易市场必须提供多种交易标的,如数字货币市场,有BTC,ETH,EOS等主流货币。
    • 选定交易对之间的单价差要在50%以上,如BTC与ETH之间。
    • 通过写一套软体自动完成。

    2、对冲策略
    对冲策略在金融市场司空见惯,也是国内外金融炒家惯用的金融工具。也可以从一个交易所,购买一种货币,再去另外一家交易所卖掉,赚取交易所之间的差价来套利。这种是在两个交易市场实现的套利方式。我们今天谈谈如何在一个交易市场,不同交易币种之间的对冲。我们就以BTC与ETH为例,来说明。
    流程如下图:
    在这里插入图片描述

    • 首先融资
      在选取的交易对满足单价减值在50%以上的条件下操作,如BTC与ETH。
      我们就可以去交易所融资,我们去融单价比较低的交易物如ETH,根据交易所规定,可以借到5倍,还10倍,根据交易所规定。

    • 接下来,我们获取交易所行情绘制对冲行情线图
      所谓的“对冲行情线”就是指每分钟“高单价交易物”的价格与“低单价交易物”的价格的比例曲线。同时,为了能够进行量化交易,需要添加该曲线的SMA(10)和SMA(120)曲线。代码如下:

    //获取BTC K线
    var klinebtc = GetCNBTC("btc", "1min", 1000);
    //获取ETH K线
    var klineETH = GetCNBTC("eth", "1min", 1000);
    List<TimeValuePair> bls = new List<TimeValuePair>();
    for (int i = 0; i < klinebtc.Count; i++)
    {
    	//计算每分钟中间价的比例
    	bls.Add(new TimeValuePair() { DateTime = klinebtc[i].Time, Value = klinebtc[i].Middle / klineETH[i].Middle });
    }
    //计算短周期SMA
    var smabl10 = GetSMALine(bls, 10);
     //计算长周期SMA
    var smabl120 = GetSMALine(bls, 120);
    

    经过分析,如下图:
    在这里插入图片描述

    • 接下来,我们开始交易
      按照我们流程图设计的方式,开始交易。
      1、当短周期均线向上穿越长周期均线时:
      1)卖出所有借的交易物ETH。
      2)买入高价的等价的BTC。
      2、当长周期均线向上穿越短周期均线时(与第一步反向操作):
      1)卖出高价的交易物BTC。
      2)买入借入的等价物ETH。
      通过这轮操作,我们手中自然就有了多余的高价交易物。就是你这次操作赚的钱了。

    从上面的实例,我们可以总结到以下几点。
    1、交易物对冲策略分析,无论行情如何变化,都与你这次操作没有关系。及行情无关性。
    2、交易物对冲策略”本质上是将交易物的价格涨跌转移给了市场提供商,你只要保证借了多少还多少就行了。
    我们总结一下:
    交易物对冲策略的优点就是与行情无关性,无论市场如何变化,通过策略交易,你都有收益。

    展开全文
  • 我是高频交易

    千次阅读 2019-12-04 17:13:45
    |证券时报记者 沈宁 早上8点30分,维多利亚港畔,香港中环写字楼...研究、交易、监控——作为一名高频交易员,李兆明对此早就习以为常。2013年美国硕士毕业回国后,李兆明一直从事与高频交易相关的工作,目前在一...

    |证券时报记者 沈宁

    早上8点30分,维多利亚港畔,香港中环写字楼的玻璃幕墙反射出耀眼的光,一群步履匆匆的金融从业人员开始了新一天的工作。刚到办公室的李兆明(化名),无暇欣赏海景,迅速打开电脑,开始调整策略参数,开始了一场在毫秒甚至纳秒级赛道上的博弈。

    研究、交易、监控——作为一名高频交易员,李兆明对此早就习以为常。2013年美国硕士毕业回国后,李兆明一直从事与高频交易相关的工作,目前在一家顶级高频交易机构任职。

    高频交易机构团队通常由三部分人员组成:第一类是策略,这类本土人才比较多,以物理、数学这些理科类背景为主;第二类是软硬件开发,也就是程序员和硬件工程师,这类国内外人员都有;第三类是运营,一般也是本土团队。

    “我的工作有点像做科研,大部分时间其实是在做模型研究,包括研究新品种、新机会,找到好的模型就进行回测,回测情况好的话再应用到实盘交易。每天工作十多个小时,精力主要放在研究上。”李兆明属于上面所说的第一类。

    虽然人在香港,但李兆明负责的是内地市场交易,把投研团队放在境外,这也是很多高频交易机构的习惯性打法。5年多的从业时间里,李兆明做过很多品种,开发出了不少交易策略。对内地期货市场的铜、金、银等金属品种,他再熟悉不过;对股指、债券等品种,他也有过覆盖。

    提到高频交易,“神秘”和“赚钱”总是普通人最先会想到的两个关键词,不过真实情况并没有传说中的那么夸张。

    李兆明透露,其实高频交易中每张单子不会特别赚钱。股票最小价格波动是一分钱,期货是交易所规定的、每个品种不同,通常每单只能挣到价格一跳的几分之一、甚至十分之一,但因为交易次数多,积累起来就很可观。现阶段年化收益大概能够做到20%~30%,2015年之前限制少,收益率最高时可以做到50%~100%。

    高频交易员的收入在整个团队里是最高的,人均年薪在百万以上。“策略和交易人均年薪100多万,外界以为我们挣很多,其实就是挣个辛苦钱。当然这也要看业绩,有些顶级交易员月薪都能过百万。此外,软硬件工程师的收入也不低,普通软件开发人员人均年薪通常在四、五十万,外国技术专家的年薪可以达到二十万美元。”

    除了开发和团队费用,高频交易机构在硬件方面投入也会很大。为了与交易所撮合时间达到同一量级,高频交易对硬件要求很高,交易通常会采用快速柜台,软硬件还需要不断升级优化,这都需要耗费大量资源。硬件优化主要表现在策略服务器的内部运行速度优化以及对柜台机的网络链路优化,其中不少优化是为顶尖高频交易定制的,与策略一起属于高级别商业机密。

    正因为各方面要求都很高,能够玩转高频交易的团队非常有限。“国内高频交易发展很快,但真正做高频的估计也就50家~60家,做得好的更是凤毛麟角。其中有些是海归创始人建立的团队,有些则是大型海外高频交易机构。最近几年大家对速度的竞争已经进入白热化。”李兆明说。

    --------------------------

    拓展阅读:

    1.一个量化策略师的自白(好文强烈推荐)

    2.市面上经典的量化交易策略都在这里了!(源码)

    3.期货/股票数据大全查询(历史/实时/Tick/财务等)

    4.干货| 量化金融经典理论、重要模型、发展简史大全

    5.从量化到高频交易,不可不读的五本书

    6.高频交易四大派系大揭秘

    展开全文
  • 高频交易,你听到这个名字有多少年了,但是你翻遍互联网,找到过真实在用的高频交易策略吗?不管别人如何, 我决定把自己使用的tick级高频交易策略分享出来。第一章:期货日内高频:普通均值回归策略1. 课程准备与...

    高频交易,你听到这个名字有多少年了,但是你翻遍互联网,找到过真实在用的高频交易策略吗?

    不管别人如何, 我决定把自己使用的tick级高频交易策略分享出来。

    第一章:期货日内高频:普通均值回归策略

    1. 课程准备与数据来源 0:53

    2. 均值回归概念介绍 4:53

    3. 均值回归的数据研究 上 20:41

    4. 均值回归的数据研究 下 22:59

    5. 均值回归的历史数据统计程序 5:38

    6. 均值回归的历史数据统计结果分析

    7. 编写简单的策略进行测试

    第二章:日内高频:中间价格与平均交易价格的均值回归

    1. 订单不平衡与平均成交价均值回归 (大量特征数据准备)

    2. 统计检验

    3. 模型一:多项式拟合

    4. 模型二:隐马尔可夫HMM

    5. 模型三:支持向量机SVM

    6. 模型四:随机森林 RF

    7. 模型五:朴素贝叶斯

    8. 编写简单的策略进行测试

    第三章:C++策略编写

    1. 高频C++实盘策略编写:均值回归 上

    2. 高频C++实盘策略编写:均值回归 下

    3. 高频C++实盘策略编写:预测策略 上

    4. 高频C++实盘策略编写:预测策略 下

    5. 结束语

    展开全文
  • 高频交易(High-frequencyTrading)的历史最早要从十七世纪罗斯柴尔德家族说起,罗斯柴尔德利用信鸽来先...然而自出现以来,高频交易一直备受市场的关注和争议,此前有过研究表明,在美国,有70%的股票交易量都是由...
  • 沪深A股高频交易数据

    2020-04-21 10:19:04
    本人因研究购买了沪深A股高频交易数据,原始数据为毫秒级高频交易数据,经过处理整合为包括每分钟交易数据,每五分钟交易数据,每日交易数据,以及各类指标等,以上数据时间跨度均为2014-2018五年。具体如下: 每...
  • 为解决当前实时高频交易领域所面临的计算效率与准确性问题,选取了电力现货交易为研究案例,提出了一种基于分布式计算为核心的算法平台。针对电力现货交易中,交易出清时间短、交易频率高,且交易模型复杂等特征,...
  • 高频交易,盘口 , 微观变化,加剧了波动的无序性,对低频交易的伤害,高频的算法是不是赢家通吃呢?算法 是不是会很快失效?有待于进一步研究
  • 他们才是全球高频交易顶级玩家

    千次阅读 2018-02-08 20:24:33
    他们才是全球高频交易顶级玩家 原创 2016-06-10 汇商 汇商传媒 提示:点上方蓝字可关注 汇商传媒:外汇投资领域新媒体传播平台。关注汇商传媒微信公号(ID:forexpress123),将免费参加全国各地举办的线下沙龙并...
  • 最近一直在以比特币为基础研究高频交易的算法以及策略(同时也在仔细研读《封神演义》小说)。在此期间,在网上学习了很多指标相关的知识,也看了很多“牛人”所谓的“股票预测大法”,也颇感可笑。通过无数次的试验...
  • 《日内高频交易实战,从python数据分析到C++编写策略》是《从编程小白到量化宗师之路》系列的第二个中级课程。本课程宗旨是缩短个人和小型结构投资者和大型机构投资者的差距。 课程内容从数据统计基本概念入手,抛开...
  • 高频交易系统的开发大致可以分为三个阶段:研究阶段、模型阶段和实现阶段。每一个阶段都有自己的内部过程和子系统。在建立模型之前,抽象化的交易想法可能会在数学上存在些逻辑错误和缺陷。模型阶段就是要验证你的...
  • 前言今天,你AI了没?关注:决策智能与机器学习,学点AI干货算法就是计算的方法,自古已有关于计算这门学问的研究,到现代社会发展为计算机科学。根据使请注意,高频交易(HFT...
  • 1、介绍 本文介绍了机器学习在市场微观结构数据和高频交易中的应用问题。机器学习是计算机科学一个充满活力的领域,它...现有关于机器学习在高频交易中的应用的研究较少,因此,我们围绕几个案例展开。这些案例包括...
  • 目前刚刚入职公司,拿到的第一份任务是做数据清洗,关于数据清洗,还是要看国外的大师的研究,根据《统计视角下的金融高频数据挖掘理论与方法研究》一书(这里要多说一句的是,jackson啊jackson,你总是能找到一些很...
  • 高频交易算法研发心得--WAVT指标(Warensoft交易量趋势指标)算法及应用 注:WAVT指标由Warensoft(王宇)原创。 前面聊了一系列的常见应用指标,包括短线、长线的指标,并且也无耐的指出每种指标的问题。当然每写...
  • 订单流数据表示订单间隔分析订单信息率平稳性研究订单流动性研究限价单相对价格分析 1.2 实验环境 R 3.4.1Rstudio 二、订单流数据描述分析 2.1 订单流数据表示 当我们在金融市场上做交易时 , 可以看到一个...
  • 趋势交易策略是至今应用最广泛以及最重要的投资策略之一,它的研究手段种类繁多,所运用的分析工具也纷繁复杂,其特长在于捕捉市场运动的大方向。股指期货市场瞬息万变,结合趋势分析方法,量化投资策略能够得到更...
  • 加拿大皇家银行的市场部门在该奖截止前几天通知他们,建议他们将研究成果拿去参赛。于是他们正冥思苦想,看看自己以哪种类型的成果报名,才能让Thor一鸣惊人。但几经考虑后,Park发现:“没有适合我们类别的奖项。”...
  • 高频量化交易之王--李庆在华尔街

    千次阅读 2019-05-03 09:29:35
    转 “高频量化交易之王”李庆:在华尔街与狼共舞的岁月 在华尔街打拼16年,成为最顶尖的量化投资基金经理,李庆并没有忘记初心,依然几十年如一日的努力、勤奋。他相信一个人无论做什么,要成功只有一句话,...
  • 论文研究-基于高频数据的中国市场股指期货套利.pdf, 利用上证50ETF, 上证红利ETF 和深证100ETF 来复制沪深300指数作为现货, 构建沪深300 股指期货的无套利边界,并对IF...
  • 论文研究-不规则时间序列波动率建模:高频与低频的统一.pdf, 在Kim和Wang(2016)提出的统一的GARCH-Itô模型的基础上进行推广,提出了一种将高频与低频数据相结合进行...
  • 基于价格强度模型设计的高频交易策略可以获得显著的超额收益,表明A股市场仍然不是弱式有效市场.相比于纯价格数据,交易量数据具有预测价格的额外信息.本文为高频价格动态研究提供了新的建模分析框架,同时为日内量...
  • 邢不行的系列帖子“量化小讲堂”,通过实际案例教初学者使用python进行量化投资,了解行业研究方向,希望能对大家有帮助。 【历史文章汇总】请点击此处 【必读文章】EOS期现套利,一周时间,15%无风险收益 10年...

空空如也

空空如也

1 2 3 4 5 ... 8
收藏数 147
精华内容 58
关键字:

高频交易研究