Das ist eine sehr schwierige Sache. Am 30. Juli 2016 veranstaltete der Hauptakteur des Handelsplatzes, der Hochfrequenzhändler Lio, ein Workshop zum Thema Quantitative Finanzen und Hochfrequenzhändler auf Einladung der Alumniversammlung der Verkehrsuniversität Hongkong.
Abbildung 1
Abbildung 2
Abbildung 3
Die Stadtstrategie
Der Hauptzweck einer Marktführungsstrategie ist es, Liquidität in den Märkten zu bieten, um den Angebotskurs zu verringern, um die Differenz zwischen den Märkten zu erzielen. Das bedeutet, dass einige der Brücken hier besser funktionieren. Es gibt viele Dinge, über die man sprechen kann, wie zum Beispiel, wie man seine Bestände kontrolliert, wie man sein Risiko steuert. Man muss auch viel Prediction machen. Wie man Volatilität und Preis vorhersagt. Die Kosten für IT sind hoch, weil alle miteinander konkurrieren, alle wollen schneller sein, von Co-Location bis hin zu FPGA, die jetzt auf Mikrowellen sind. Für den normalen Anleger ist es von Vorteil, wenn die Märkte existieren, damit er weniger Geld für seine Käufe und Verkäufe verdient. Abbildung 4Dies war die Entwicklung einer meiner Strategien am 12. August letzten Jahres bei einer Börsen-Futures-Aktie im Aktienindex 50. An jenem Tag handelte der Gesamtmarkt mit 225.000 Händen, meine Strategie betrug 4,1% (9,180 Händen), P&L war gut und Drawdowns waren gering. Der Kapitalbedarf war auch gering, nur 500.000 Händler waren für einen ganzen Tag erforderlich, mehr als 210.000, Gewinn von 43,5%. Im Juli letzten Jahres begann die Zentralbank, aufgrund der Aktienkatastrophe, einige Anleger auf Aktienfutures zu beschränken. Wie man sehen kann, zeigte sich im Juli, dass die paar Tage der Bid/Ask-Spread sich ausbreitete. Am 7. September begann die Zentralbank, Spekulanten zu beschränken, indem sie die Sicherheiten auf 40% erhöhte, die Abwicklungsgebühren auf 230.000 erhöhte und die Einheitshandelsmenge nicht mehr als 10 Hände betrug. Abbildung 5Abbildung 6Eine Marktstrategie kann also die Marktliquidität erhöhen und den Bid/Ask Spread verringern, sodass bei hohem Kaufvolumen nicht viele Gleitpunkte vorliegen. Eine Marktstrategie erfordert wahrscheinlich eine Schätzung, was ein vernünftigerer Preis ist.
Statistische Gewinnsätze Jeder dieser Artikel ist ein großes Thema. Die statistische Suite umfasst die Bereiche Wahrscheinlichkeit, Datenmining, Modellierung, Transaktionsdurchführung und Datenreinigung. Das ist sehr wichtig und manchmal ist es eine große Kopfschmerzen. Es gibt ein klassisches Sprichwort: "Garbage in, Garbage out". Viele Quant verbringen viel Zeit mit der Datenverarbeitung. Ein einfaches Modell ist die historische Preisschwankung, die an beiden Seiten mit einigen Ausführungsbereichen kombiniert wird. Zum Beispiel Milchpulver, das man für 100 Dollar in Hongkong kauft und für 120 Dollar auf dem Festland verkauft. Auch bei Gold gibt es Standardverträge auf dem In- und Auslandsmarkt, die theoretisch den gleichen Wert haben. Es werden zwei Goldstücke herausgenommen. Aber der Preis wird schwanken. Wenn wir diesen Preisdifferenz berechnen, wenn wir feststellen, dass er sich von historischen Statistikbereichen entfernt, wie zum Beispiel beim Brexit, wird man feststellen, dass chinesisches Gold billiger ist, amerikanisches Gold teurer.
Prognose Durch den Vergleich von vergangenen Marktdaten mit der aktuellen Marktumgebung, die Zukunft der Preisbewegung vorherzusagen: Preis = a + b + c. Diese Zukunft kann in der nächsten Sekunde, in der nächsten Minute, am nächsten Handelstag, in der nächsten Woche, im nächsten Monat sein. Wenn Ihr Modell genau prognostiziert, ist es besser als NB, ob in der nächsten Sekunde, in der nächsten Minute oder in der nächsten Woche. Schaubild 7Der grundlegende Prozess besteht darin, die Daten zu sammeln und herauszufinden, welche Faktoren den Markt beeinflussen. Sie können schnell anfangen, ein Gleichgewicht anlegen und vielleicht schnell Ergebnisse erzielen, aber wie lange kann die Stabilität Ihres Modells stabil bleiben, das erfordert ständiges Tuning, ständige Schleifen. Natürlich gibt es jetzt viele Faktoren, manche Leute werfen 500 Faktoren hinein. Sein Modell kann ihm sagen, welche Faktoren nützlich sind und welche nicht, und er kann die Faktoren mit hoher Korrelation selbst entfernen. Ein Super Simple-Modell ist nicht einfach, sondern das einfachste Vorhersage-Modell, bei dem die Preise wieder an die Durchschnittslinie zurückkehren. Data und Factor müssen ständig geschliffen werden.
Die beiden Fälle sind, dass IT wichtig ist und man viel Geld verlieren kann. Abbildung 8Das IT-System besteht hauptsächlich aus vier Teilen. Preisdaten sind relativ einfach, aber mehr Dinge wie Fundamental Data und Unstructured Data sind etwas komplizierter und erfordern viel Programmierkode, wie man sie sammelt, formatiert, vereinheitlicht und Access. Als Quant möchte ich Daten eines Tages nehmen, um ein Diagramm zu zeichnen. Natürlich kannst du dich nicht irren, deine Fehlervermögen und deine Fähigkeit, Fehler zu überprüfen, ist auch sehr hoch. Wir haben es schon mal erlebt, dass Re-Tests sehr gut sind und wir täglich Geld verdienen, wenn wir herausfinden, dass die Daten falsch sind. Sehr dumme Fehler. Diese Execution ist eine Vielzahl von APIs, verschiedenen Marktzugängen, verschiedenen Windkontrollen. Im Hochfrequenzbereich ist Geschwindigkeit sehr wichtig, da eine große Menge an Daten öffentlich ist und viele Menschen sie sehen können. Wenn viele Menschen eine Chance sehen, nur der Schnellste kann sie bekommen. Back Testing, manchmal kommt Quant auf etwas, das vielleicht nicht von Ihrem Testsystem unterstützt wird, und Sie müssen das Rahmenwerk ändern. Visualisierung ist wichtig. "Du kannst nicht sagen, dass du mir einen Haufen Zahlen erzeugst, den ich nicht sehen kann". "Die Grafiken sehen ist viel einfacher". "Wir haben viel Mühe in Scala investiert, um Grafiken in R zu zeichnen. Die Geschwindigkeit der Überprüfung ist auch wichtig. Zum Beispiel, wenn Sie eine Strategie mit einem Jahr Daten überprüfen, brauchen Sie eine Woche. Wer eine Woche wartet, um Ihre Ergebnisse zu sehen! Eine Minute kann vielleicht noch etwas akzeptieren. Hier haben wir auch viele Optimierungen gemacht, wie zum Beispiel, wie man Daten abruft, wie man sie speichert, um ihre Leistung in der Mitte zu verbessern. Ich habe bei der letzten Firma auch einige Cloud-Computing-Versuche gemacht, um einige der getesteten Engines komplett auf viele Server zu verteilen. Ein weiteres Problem ist Monitoring. Es gibt viele Automatisierungen. Es gibt viele Strategien. Wie man Risiken überwacht, wie man Alarme sendet, das ist auch ein wichtiger Punkt. Wie bei uns ist die Strategie jetzt automatisch, alle Strategien werden überwacht, jeder Strategie kann nicht mehr als ein paar Risiken haben, die Alarme auslösen. Wenn man viele Sorten verkauft, ist es praktisch unwahrscheinlich, dass alle Leute da sind, also muss man viel überwachen.
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