被动型算法交易

问:量化投资,如何量化呢

量化投资技术几乎覆盖了投资的全过程,包括量化选股、量化择时、股指套利、商品套利、统计套利、算法交易,资产配置,风险控制等。
1·量化选股
量化选股就是采用数量的方法判断某个公司是否值得买入的行为。根据某个方法,如果该公司满足了该方法的条件,则放入股票池,如果不满足,则从股票池中剔除。量化选股的方法有很多种,总的来说,可以分为公司估值法、趋势法和资金法三大类
2·量化择时
股市的可预测性问题与有效市场假说密切相关。如果有效市场理论或有效市场假说成立,股票价格充分反映了所有相关的信息,价格变化服从随机游走,股票价格的预测则毫无意义。众多的研究发现我国股市的指数收益中,存在经典线性相关之外的非线性相关,从而拒绝了随机游走的假设,指出股价的波动不是完全随机的,它貌似随机、杂乱,但在其复杂表面的背后,却隐藏着确定性的机制,因此存在可预测成分。
3·股指
股指套利是指利用股指市场存在的不合理价格,同时参与股指与股票现货市场交易,或者同时进行不同期限,不同(但相近)类别股票指数合约交易,以赚取差价的行为,股指套利主要分为期现套利和跨期套利两种。股指套利的研究主要包括现货构建、套利定价、保证金管理、冲击成本、成分股调整等内容。
4·商品
商品套利盈利的逻辑原理是基于以下几个方面 :
(1)相关商品在不同地点、不同时间对应都有一个合理的价格差价。
(2)由于价格的波动性,价格差价经常出现不合理。
(3)不合理必然要回到合理。
(4)不合理回到合理的这部分价格区间就是盈利区间。
5·统计套利
有别于无风险套利,统计套利是利用证券价格的历史统计规律进行套利,是一种风险套利,其风险在于这种历史统计规律在未来一段时间内是否继续存在。统计套利在方法上可以分为两类,一类是利用股票的收益率序列建模,目标是在组合的β值等于零的前提下实现alpha 收益,我们称之为β中性策略;另一类是利用股票的价格序列的协整关系建模,我们称之为协整策略。
6·期权套利
期权套利交易是指同时买进卖出同一相关但不同敲定价格或不同到期月份的看涨或看跌期权合约,希望在日后对冲交易部位或履约时获利的交易。期权套利的交易策略和方式多种多样,是多种相关期权交易的组合,具体包括:水平套利、垂直套利、转换套利、反向转换套利、跨式套利、蝶式套利、飞鹰式套利等。
7·算法交易
算法交易又被称为自动交易、黑盒交易或者机器交易,它指的是通过使用计算机程序来发出交易指令。在交易中,程序可以决定的范围包括交易时间的选择、交易的价格、甚至可以包括最后需要成交的证券数量。根据各个算法交易中算法的主动程度不同,可以把不同算法交易分为被动型算法交易、主动型算法交易、综合型算法交易三大类。
8·资产配置
资产配置是指资产类别选择,投资组合中各类资产的适当配置以及对这些混合资产进行实时管理。量化投资管理将传统投资组合理论与量化分析技术的结合,极大地丰富了资产配置的内涵,形成了现代资产配置理论的基本框架。
它突破了传统积极型投资和指数型投资的局限,将投资方法建立在对各种资产类股票公开数据的统计分析上,通过比较不同资产类的统计特征,建立数学模型,进而确定组合资产的配置目标和分配比例。

问:量化交易的应用

量化投资技术包括多种具体方法,在投资品种选择、投资时机选择、股指套利、商品套利、统计套利和算法交易等领域得到广泛应用。在此,以统计套利和算法交易为例进行阐述。
1、统计套利。
统计套利是利用资产价格的历史统计规律进行的套利,是一种风险套利,其风险在于这种历史统计规律在
未来一段时间内是否继续存在。
统计套利的主要思路是先找出相关性最好的若干对投资品种,再找出每一对投资品种的长期均衡关系(协
整关系),当某一对品种的价差(协整方程的残差)偏离到一定程度时开始建仓,买进被相对低估的品种、
卖空被相对高估的品种,等价差回归均衡后获利了结。
股指对冲是统计套利较长采用的一种操作策略,即利用不同国家、地区或行业的指数相关性,同时
买入、卖出一对指数进行交易。在经济全球化条件下,各个国家、地区和行业股票指数的关联性越来越
强,从而容易导致股指系统性风险的产生,因此,对指数间的统计套利进行对冲是一种低风险、高收益的交
易方式。
2、算法交易。
算法交易又称自动交易、黑盒交易或机器交易,是指通过设计算法,利用计算机程序发出交易指令的方
法。在交易中,程序可以决定的范围包括交易时间的选择、交易的价格,甚至包括最后需要成交的资产数
量。
算法交易的主要类型有: (1) 被动型算法交易,也称结构型算法交易。该交易算法除利用历史数据估计交
易模型的关键参数外,不会根据市场的状况主动选择交易时机和交易的数量,而是按照一个既定的交易方针
进行交易。该策略的的核心是减少滑价(目标价与实际成交均价的差)。被动型算法交易最成熟,使用也最
为广泛,如在国际市场上使用最多的成交加权平均价格(VWAP)、时间加权平均价格(TWAP)等都属于被
动型算法交易。 (2) 主动型算法交易,也称机会型算法交易。这类交易算法根据市场的状况作出实时的决
策,判断是否交易、交易的数量、交易的价格等。主动型交易算法除了努力减少滑价以外,把关注的重点逐
渐转向了价格趋势预测上。 (3) 综合型算法交易,该交易是前两者的结合。这类算法常见的方式是先把交易
指令拆开,分布到若干个时间段内,每个时间段内具体如何交易由主动型交易算法进行判断。两者结合可达
到单纯一种算法无法达到的效果。
算法交易的交易策略有三:一是降低交易费用。大单指令通常被拆分为若干个小单指令渐次进入市场。
这个策略的成功程度可以通过比较同一时期的平均购买价格与成交量加权平均价来衡量。二是套利。典型的
套利策略通常包含三四个金融资产,如根据市场利率平价理论,国内的价格、以外币标价的价
格、汇率现货及汇率远期合约价格之间将产生一定的关联,如果市场价格与该理论隐含的价格偏差较大,且
超过其交易成本,则可以用四笔交易来确保无风险利润。股指的期限套利也可以用算法交易来完成。三
是做市。做市包括在当前市场价格之上挂一个限价卖单或在当前价格之下挂一个限价买单,以便从买卖差价
中获利。此外,还有更复杂的策略,如“基准点“算法被交易员用来模拟指数收益,而”嗅探器“算法被用来发现
最动荡或最不稳定的市场。任何类型的模式识别或者预测模型都能用来启动算法交易。

问:如何建立自己的算法交易

ST----公司经营连续二年亏损,特别处理,或有特殊情况被特别处理。
*ST---公司经营连续三年亏损,退市预警。
S*ST--公司经营连续三年亏损,退市预警+没有完成股改。
SST---公司经营连续二年亏损,特别处理+没有完成股改。

问:算法交易的历史回顾

也是在80年代,程序化交易被应用于投资组合保险中。投资组合保险是根据基于Black-Scholes期权定价模型的计算机模型,利用动态地交易股指来复制股票组合的合成看跌期权(Synthetic Put Option)。
这两类策略,通常被笼统地称为“程序化交易”,曾经被许多人指责为制造并加剧1987年的股票市场危机的罪魁祸首。
进入80年代后期及90年代,随着电信网络的发展,金融市场才实现完全电子化。在美国,百分位报价改革(Decimalization)把每股的最小变动价位从1/16(0.0625)美元变为0.01美元。这改变了市场的微观结构,让买卖竞价价差可以变得更小,遏制了做市商的交易优势,因此也降低了市场的流动性。但这个改革却可能促进了算法交易的发展。
市场流动性的降低促使机构投资者把交易指令按照计算机算法拆分,从而让下单指令在更有利的平均价位上成交。平均价格的基准可以是时间算术平均价(Time Weighted Average Price,TWAP), 更常用的基准价则是成交量加权平均价(Volume Weighted Average Price,VWAP)。
随着越来越多电子交易市场的出现,其他的算法交易策略逐渐成为可能,这些策略包括期现套利、统计套利、趋势追随以及均值回归等。用计算机来实现这些交易策略要更加便捷,因为计算机对转瞬即逝的错误定价(Mis-pricing)反应更迅速,并且可以对多个市场的价格同时实时监控。

问:高频交易都有哪些著名的算法

统计套利
另一种策略设置高频交易是经典套利策略可能涉及的范围等几个证券利率平价在市场的关系赋予外国货币之间的价格计价的国内,一,现货价格货币和价格的远期合约的货币。如果有足够的市场价格从模型中所隐含的不同,以支付交易成本,然后四个交易,可保证无风险的利润。高频类似套戥交易允许使用更复杂,涉及许多超过4证券模式。在塔布集团估计,每年的总延时套利策略目前的低利润超过210亿美元。
统计套利的战略已经制定了一系列决定,使交易的基础上作出的偏差从统计学的关系。像市场庄家策略,统计套利可以适用于所有资产类别。
低延时交易
高频交易是经常混淆低延时交易,使用计算机在几毫秒内执行,或“行业具有极低延迟”在该行业的行话。低延时交易是高度超低延迟网络的依赖性。他们的算法利润提供信息,如竞争性招标,并提供到他们比竞争对手更快微秒。
低延时交易的速度revolutionary in advance已导致need为公司具有即时时间,同位trading平台,以得益于高频率的战略实施。战略是不断改变,以反映市场的细微变化以及打击造成威胁的战略的逆向工程竞争者。
还有一个非常强大的压力不断增加新功能或改进某一特定算法,如client具体的修改和enhancing变化的各种性能(regarding基准交易表现,以及为贸易firm或许多其他的实现range cost减少)。这是由于算法交易策略的演变性质——它们必须能够适应和贸易智能,无论市场条件,这涉及足够的灵活性,能够承受巨大的市场情景阵列。因此,从企业的重大收入净额的比例是花费在研发系统D这些自主交易。
战略的实施
大部分的算法策略是使用现代编程语言,虽然仍有部分执行试算表的设计策略。基本模型可以依靠低至一元线性回归,而更复杂的游戏理论和模式识别或预测模型也可以用于启动交易。神经网络和遗传规划已被用来创建这些模型。

问:同样作为程序化交易,高频交易和低频交易各有什么优势和劣势

高频交易还有优势?有没有搞错!程序化就能赚钱?深刻地理解市场吧!只有深刻理解市场的人才能赚到钱!高频交易程序化是无法赚钱的,人工高频交易也许有人能赚钱!但极少,而且不能长久,还损坏健康!程序化交易的优势在于保证执行技术的每一个买卖点,避免人性弱点!劣势在于试错成本太高!所以高频交易是赚不到钱的!由于试错成本高,不能重仓,比手工交易没啥优势!任何一个有良知的交易员都不会建议您单独使用程序化交易的!