उच्च आवृत्ति एल्गोरिदम से ज्यादा महत्वपूर्ण सोच है।

उच्च आवृत्ति एल्गोरिदम से ज्यादा महत्वपूर्ण सोच है।

प्रोग्रामेटिक ट्रेडिंग को वास्तव में सार्वजनिक दृष्टि में लाने के लिए दो साल पहले पूरे बाजार को झकझोरने वाले लाइट सिक्योरिटीज के उरुंग उंगलियों की घटना थी, जब उंगलियों ने एक मिनट के भीतर 5% से अधिक की वृद्धि की थी, क्योंकि ब्रोकर के ईटीएफ सूट के उच्च आवृत्ति वाले ट्रेडिंग सिस्टम में ऑर्डर जनरेशन और निष्पादन में त्रुटियां थीं।

चीन के वित्तीय वायदा एक्सचेंज के तांग 7•31 नई नीति के तांग से, तांग डेंग एक्सचेंज लगातार तीन बैचों के खातों पर प्रतिबंध लगाने के लिए ट्रेडिंग उपायों की घोषणा करने के लिए, और हाल ही में फिक्स्ड सिक्योरिटीज तांग T + 0 तांग ट्रेडों को तांग T + 1 तांग में बदलने के लिए, नियामक स्तर पर प्रक्रियात्मक ट्रेडों पर लगातार घेरा खोलने के लिए। विशेष रूप से 31 जुलाई को जारी की गई चार्ज घोषणा शुल्क के उपायों, तांग T + 0 तांग से तांग T + 1 तांग में बदलने के लिए, कुछ प्रक्रियात्मक व्यापारियों को यहां तक कि अस्थिर कर दिया गया है।

यह आलेख अगस्त 2014 में यूजर्स को पता है कि कौन से प्रसिद्ध एल्गोरिदम उच्च आवृत्ति लेनदेन के लिए उपलब्ध हैं?

इस विषय में उल्लिखित हिमस्खलन एल्गोरिथ्म के बारे में मुझे कुछ जानकारी है और मैं आपको बता सकता हूं। बहुत से लोग क्वांटिफाइंग ट्रेडिंग के बारे में एकतरफा समझ रखते हैं और इसे मौद्रिक साधनों के बराबर मानते हैं, मैं इस दृष्टिकोण से सहमत नहीं हूं। ट्रेडिंग पहले से ही लेनदेन है, इसका अपना आर्थिक अर्थ है, इसे नजरअंदाज करना और इसे केवल एक डिजिटल गेम के रूप में देखना जो पैसे को बढ़ाता है, यह बहुत आसान है।

मैं यह भी नहीं मानता कि एल्गोरिदम अपने आप में दुर्लभ हैं, और अच्छे एल्गोरिदम भी मर चुके हैं, और वास्तव में मूल मूल्य उन लोगों के लिए होना चाहिए जो एल्गोरिदम को समझते हैं और उनका उपयोग करते हैं। वास्तव में, मैं जो कुछ भी कह रहा हूं वह सार्वजनिक जानकारी है, लेकिन बहुत कम लोग हैं जो तकनीकी विवरणों को जानते हैं, लेकिन वास्तव में इसे अच्छी तरह से कर सकते हैं।

उम्मीद है कि यह जवाब आपको क्वांटिफाइड और हाई-फ्रीक्वेंसी ट्रेडिंग के बारे में एक स्पष्ट समझ देगा।

सबसे पहले, मुझे विश्वास है कि कई लोगों के लिए उच्च आवृत्ति लेनदेन की अवधारणा इस तरह दिखती हैः

लेकिन उच्च आवृत्ति ट्रेडिंग के लिए, यह जानकारी बहुत असभ्य है. इसलिए, जो लोग इसके बारे में नहीं जानते हैं, उन्हें ऑर्डर बुक के बारे में बताएं. आज के समय में, मुख्यधारा के एक्सचेंजों में ऑर्डर बुक का उपयोग किया जाता है, और ऑर्डर बुक में सभी खरीदारों और विक्रेताओं की बोली दर्ज की जाती है, जैसे किः

बोली खरीदार को और प्रस्ताव विक्रेता को दर्शाता है, यह बोली सूची खरीदार और विक्रेता दोनों के बीच सभी बोली सूची ("सीमा आदेश") को दर्शाता है। यह तालिका उच्च आवृत्ति व्यापार के लिए सबसे अधिक जानकारी है। किसी भी समय, खरीदार की बोली हमेशा विक्रेता से कम होती है (जैसे कि यहाँ 98 बनाम 101) । इसलिए बोली बदलती रहती है, लेकिन केवल बोली ही कोई लेनदेन नहीं करती है।

दो स्थितियां हैं, पहला यह है कि बाजार आदेश किसी भी पक्ष द्वारा जारी किया जाता है, उदाहरण के लिए, एक खरीदार ने 10 के लिए एक एकल बाजार आदेश जारी किया है, और विक्रेता ने 101 पर 10 को खरीदा है। व्यापार सफल होने के बाद, ऑर्डर बुक इस तरह बन जाता हैः

दूसरा, एक सीमा शुल्क सूची जारी करना, जिसका मूल्य दूसरे पक्ष के सर्वोत्तम प्रस्ताव के बराबर है, वही परिणाम देता है जो उपरोक्त स्थिति में है।

यह ध्यान देने योग्य है कि यद्यपि वास्तविक ऑर्डर बुक केवल एक्सचेंज के भीतर मौजूद है और सभी लेनदेन एक्सचेंज में किए जाते हैं, लेकिन एक्सचेंज हर बोली और बाजार सूची को सभी को भेजती है, इसलिए सभी खरीदार और विक्रेता एक ही डेटा संरचना को बनाए रख सकते हैं, जो एक्सचेंज ऑर्डर बुक के प्रतिबिंब के बराबर है। अपने हाथों में इस प्रतिबिंब के परिवर्तन को ट्रैक करके विश्लेषण करके, व्यापार रणनीति बनाने के लिए, उच्च आवृत्ति व्यापार एल्गोरिदम का मुख्य विचार है।

यह एक बहुत ही सरल तरीका है कि हम आदेश पुस्तकों के बारे में बात कर सकते हैं, लेकिन यह एक बहुत ही सरल तरीका है कि हम आदेश पुस्तकों के बारे में बात कर सकते हैं।

यह आलेख उस ऑर्डर बुक के अनुरूप है जो लेख की शुरुआत में है, यह स्पष्ट रूप से देखा जाना चाहिए, क्षैतिज अक्ष मूल्य को दर्शाता है, लंबवत अक्ष ऑर्डर मात्रा को दर्शाता है, हरा खरीदार को दर्शाता है, लाल चार विक्रेता को दर्शाता है। ऐसा करने का उद्देश्य इस चर्चा के विषय को शुरू करना हैः हिमशैल आदेश।

उपरोक्त आधारभूत विश्लेषण से यह देखा जा सकता है कि एक्सचेंजों में लेन-देन का डेटा पूरी तरह से सार्वजनिक है, बाजार में किसी भी समय, कोई भी कितना खरीदना / बेचना चाहता है, सभी के लिए एक नज़र में, कोई रहस्य नहीं है। ऐसा करना अपने आप में आर्थिक रूप से समझ में आता है, क्योंकि केवल खरीदारी की मांग को दिखाने से संभावित व्यापारियों को व्यापार करने के लिए आकर्षित किया जाता है, इसलिए बाजार में अपनी जरूरतों को कुछ हद तक सार्वजनिक करना आवश्यक है। लेकिन यह एक गंभीर परिणाम भी लाता है, एक बार जब कोई व्यक्ति बड़ी मात्रा में खरीदना / बेचना चाहता है, तो उसके द्वारा जारी की गई भारी सीमा मूल्य सीधे सभी को दिखाई देती है। उदाहरण के लिए, एक खरीदार ने बड़ी मात्रा में भुगतान करने के बाद, ऑर्डर बुक इस तरह दिखता हैः

यह उसके लिए बहुत प्रतिकूल है, क्योंकि सभी लोग इस जानकारी का उपयोग करेंगे और उसके साथ सही करेंगे। यह माना जाएगा कि बाजार में अब बहुत अधिक खरीद दबाव है, इसलिए एक बड़ी संख्या में लोग हैं जो पैसे कमाने के लिए तेजी से खरीदते हैं, और कीमतें तेजी से बढ़ जाती हैं, ताकि वह व्यक्ति जो 98 की कीमत पर खरीद सकता है, वह जल्दी से अधिक कीमत पर खरीद सकता है। इस स्थिति में, जो लोग बाद में करते हैं, वे फ्रंट रनिंग हैं, जबकि मूल व्यक्ति जोखिम का सामना कर रहे हैं। .. इस समस्या को हल करने के लिए, एक्सचेंजों ने एक लक्षित उपकरण प्रदान किया है, जिसे आइसबर्ग ऑर्डर कहा जाता है। इस तरह के आदेश बड़े हो सकते हैं, लेकिन केवल एक छोटा सा हिस्सा सार्वजनिक है, और अधिकांश छिपा हुआ है, जो कि एक्सचेंज और ऑर्डर देने वाले के अलावा किसी को भी नहीं दिखाई देता है, वास्तव में एक हिमशैल की तरह है। उदाहरण के लिए इस तरहः

ग्रे भाग हिमशैल के आदेशों के छिपे हुए भाग हैं। इस प्रकार, एक्सचेंज केवल तभी अन्य लोगों को सूचित करता है जब संबंधित छिपी हुई मात्रा में लेनदेन होता है, जिससे दूसरों को आदेशों को दिखाने के लिए जानकारी का उपयोग करने से रोकता है।

सभी के फायदे और नुकसान होते हैं. हिमस्खलन आदेश जारी करने वाले के हितों की रक्षा करते हुए, अन्य बाजार के खिलाड़ियों के लिए एक अनुचित नियम बन जाता है. वास्तविक लेनदेन की आवश्यकता वाले खिलाड़ियों को स्थिति के गलत आकलन के कारण भारी नुकसान होता है. इसलिए अगला सवाल यह बन जाता है कि बाजार में हिमस्खलन आदेश कैसे पाए जाते हैं?

सबसे पहले, सबसे आसान तरीका है. कभी-कभी, हिमशैल ऑर्डर सबसे अच्छे खरीद और बिक्री मूल्य के बीच (स्प्रेड) लटका होता है, जैसेः

इस स्थिति के लिए, एक बहुत ही सरल पता लगाने का तरीका है, यह है कि प्रसार में एक न्यूनतम सीमा आदेश जारी करना, इसके बाद इस आदेश को रद्द करना। उदाहरण के लिए, इस उदाहरण में, 99 की बिक्री की कीमत के लिए एक सीमा आदेश जारी करना और रद्द करना। क्योंकि यह कीमत स्वयं स्पष्ट रूप से खरीद मूल्य के लिए नहीं है))) अगर हिमशैल आदेश की उपस्थिति नहीं है, तो लेनदेन होना चाहिए। लेकिन हिमशैल आदेश के मामले में, एक बार जब व्यापार इस बिक्री आदेश को प्राप्त नहीं करता है, तो यह तुरंत हिमशैल में संबंधित राशि का लेनदेन करता है, जिसके बाद रद्द निर्देश निष्क्रिय हो जाता है। इस प्रकार, एक मामूली लागत के लिए, बाजार में छिपे हुए आदेशों का पता लगाया जा सकता है। वास्तव में, कोई ऐसा करता है, और अक्सर आदेशों को हटा दिया जाता है, जो सबसे कम कीमतों के बीच एक उच्च आवृत्ति विघटन बनाता है, जिसे छिपे हुए आदेशों की खोज के लिए उपयोग किया जाता है।

इस तरह के विघटनकारी पता लगाने के लिए, आम तौर पर लोग सीधे प्रसार में सूचीबद्ध नहीं होते हैं; लेकिन सामान्य सीमा के आदेशों के साथ पहले की तरह संलग्न होते हैं, इसलिए लेनदेन के बाद, यह अनुमान लगाना मुश्किल है कि क्या आप सामान्य सीमा के आदेशों या हिमशैल के आदेशों का उपभोग कर रहे हैं; तो क्या किया जाना चाहिए?

सबसे पहले, एक सीधा विचार है; हिमशैल आदेश का अस्तित्व, कुछ हद तक, हिमशैल आदेश का उपयोग करने के लिए बाजार की स्थिति की व्याख्या करने वाले व्यक्ति के निर्णय को दर्शाता है; यह रेखांकित करना आवश्यक है कि हिमशैल आदेश का उपयोग करना लागत रहित नहीं है, क्योंकि आप वास्तविक मांग को छिपाते हैं और संभावित हमलावरों को छिपाते हुए वास्तविक व्यापारियों को भी छिपाते हैं! और लेनदेन के समय में काफी वृद्धि करते हैं - क्योंकि कोई भी नहीं जानता कि आप इतना धीमा खरीदना / बेचना चाहते हैं, आप केवल हाथ की हथेली के लिए धीमी गति से इंतजार कर सकते हैं। इसलिए जब कोई हिमशैल आदेश जारी करने का निर्णय लेता है, तो बाजार की स्थिति पर विचार किया जाता है, और केवल सही समय पर ऐसा विकल्प बनाया जाता है।

सही समय क्या है? कुछ डेटा प्रासंगिक होना चाहिए, जैसे कि खरीद-बिक्री का अंतर, खरीद-बिक्री का अनुपात, आदि. इन आंकड़ों के लिए, आप ऐतिहासिक डेटा पर प्रतिगमन विश्लेषण कर सकते हैं और उनके और हिमशैल के आदेशों के बीच एक रैखिक/गैर-रैखिक मॉडल बना सकते हैं। इस मॉडल को ऐतिहासिक डेटा के माध्यम से प्रशिक्षित किया जा सकता है, जो कि वास्तविक समय में व्यापार करते समय आपके द्वारा उपयोग किए जाने वाले हिमशैल ऑर्डर डिटेक्टर के रूप में काम करता है। On the Dark Side of the Market: Identifying and Analyzing Hidden Order Placements इस पेपर में इस्तेमाल किया गया तरीका है।

मूल मॉडल को इस प्रकार परिभाषित किया जा सकता हैः F ((spread, bidSize/offerSize,...) = Probability ((Iceberg)

यदि आप उच्च गहराई से खेलना चाहते हैं, तो आप इसके आधार पर एचएमएम, एसवीएम, तंत्रिका नेटवर्क आदि के उन्नत मॉडल भी बना सकते हैं, लेकिन मूल विचार समान हैः डिश विश्लेषण के माध्यम से हिमशैल आदेशों की संभावना की गणना करें।

उपरोक्त विधि, जो बहुत उन्नत लगती है, वास्तविक प्रभाव के बारे में क्या है? मुझे लगता है कि आप सभी ने देखा है कि यह मॉडलिंग बहुत सटीक नहीं है। बाद के विश्लेषण के साधन के रूप में यह बताने के लिए उपयोग किया जाता है कि किस स्थिति में हिमशैल ऑर्डर हो सकता है, लेकिन वास्तविक समय में व्यापार के लिए एक डिटेक्टर के रूप में यह बहुत आश्वस्त नहीं है। क्योंकि उपयोग की गई जानकारी बहुत अस्पष्ट है, और यह कहना है कि मॉडलिंग का उद्देश्य केवल एक प्रासंगिकता है, कोई गारंटी नहीं है कि हिमशैल ऑर्डर भेजने वाले को इस तर्क के अनुसार एक कार्ड दिया जाना चाहिए।

इसलिए, अब हम आपको एक उच्च आवृत्ति वाले खिलाड़ियों के लिए वास्तव में उपयोगी तरीके के बारे में बताएंगे, जो कि ग्लोबएक्स फ्यूचर्स के लिमिट ऑर्डर बुक में छिपी हुई तरलता के अनुमान से लिया गया है।

　　高频世界里，有一条永恒的建模准则值得铭记：先看数据再建模。如果你看了上面的介绍就开始天马行空的思考数学模型，那基本上是死路一条。我见过很多年轻人，
  特别有热情，一上来就开始做数学定义，然后推导偏微分方程，数学公式写满一摞纸，最后一接触数据才发现模型根本行不通，这是非常遗憾的。

और डेटा को देखने वाले व्यक्ति को क्या लगता है? वह शायद पाएगा कि हिमशैल ऑर्डर के लिए एक्सचेंजों के नियम बहुत दिलचस्प हैं. कुछ एक्सचेंजों ने ऐसा किया हैः एक हिमशैल ऑर्डर में दो पैरामीटर होते हैं, V ऑर्डर की कुल मात्रा को दर्शाता है, और p सार्वजनिक रूप से प्रदर्शित मात्रा को दर्शाता है. उदाहरण के लिए, V = 100, p = 10 के हिमशैल सूची में, वास्तव में छिपी हुई मात्रा 90 है। यदि इस ऑर्डर के लिए कोई लेनदेन होता है, उदाहरण के लिए, लेनदेन की मात्रा 10, तो एक्सचेंज क्रम में तीन संदेश भेजता हैः

भुगतान 10

ऑर्डर बुक के लिए शीर्ष बोली आकार -10

नई बोली +10

ये तीन सूचनाएं लगातार आनी चाहिए, और तीसरे और पहले के बीच का अंतर बहुत छोटा होता है; ऐसा इसलिए है क्योंकि हिमशैल के आदेशों में छिपी हुई मात्रा होने के बावजूद, प्रत्येक लेनदेन केवल प्रदर्शित मात्रा (p) पर होता है, और जब p समाप्त हो जाता है, तो शेष छिपी हुई मात्रा में से एक नई मात्रा (p) का नवीनीकरण होता है। इस प्रकार, प्रत्येक व्यक्ति को एक्सचेंज से प्राप्त जानकारी अभी भी तर्कसंगत रूप से सही रूप से अद्यतन हो सकती है। . इसलिए, एक बार जब हम इस नियम को डेटा में देख लेते हैं, तो हम बहुत निश्चित रूप से यह निर्धारित कर सकते हैं कि बाजार में हिमशैल के आदेश मौजूद हैं, और p का मान निर्धारित किया जा सकता है! अगला महत्वपूर्ण सवाल यह है कि V का मूल्य कैसे निर्धारित किया जाए, अर्थात् यह निर्धारित किया जाए कि इस हिमशैल के आदेश का शेष स्टॉक कितना है? . यह प्रश्न मूल रूप से सटीक रूप से हल नहीं किया जा सकता है, क्योंकि V और p का निर्णय किसी भी व्यक्ति द्वारा किया जाता है, जो कि किसी भी मूल्य का हो सकता है। लेकिन यह दो बिंदुओं पर विचार किया जा सकता हैः पहला, दोनों मान पूर्णांक हैं; दूसरा, मनुष्य एक पूर्ण यादृच्छिक संख्या जनरेटर नहीं है, और निर्णय एक निश्चित नियम का पालन करेगा।

इन दो बिंदुओं से, V और p के लिए एक संभावना मॉडल बनाया जा सकता है, यानी एक दिए गए ((V, p) मान संयोजन के होने की संभावना क्या है? यहाँ गहन गणितीय विश्लेषण में नहीं जाना है, रुचि रखने वाले मित्र स्वयं देख सकते हैं। सरल शब्दों में, आप ऐतिहासिक डेटा पर अपने संभावना घनत्व फ़ंक्शन के आकार का अनुमान लगाने के लिए कर्नेल अनुमानन तकनीक का उपयोग कर सकते हैं। संयोग से, यदि आपने इस अनुमानन कार्यक्रम को स्वयं लिखा है, तो आप समझ सकते हैं कि मुझे यह क्यों समझना चाहिए कि एक उत्कृष्ट क्वांट बनने के लिए आपको किस प्रोग्रामिंग स्तर की आवश्यकता है?

इस प्रकार, जब आप वास्तविक समय में डेटा में एक p मान का अवलोकन करते हैं, तो आप एक संबंधित v मान के लिए एक सशर्त संभावना घनत्व फ़ंक्शन प्राप्त कर सकते हैं, जैसे कि ऊपर दिए गए ग्राफ का एक खंड, जैसे कि ((p = 8):

इसके बाद, यह स्पष्ट रूप से गणना करना आसान है कि V का सबसे अधिक संभावित मूल्य क्या है। इस फ़ंक्शनल वक्र का एक महत्वपूर्ण कार्य यह भी है कि यह आपको शेष स्टॉक का गतिशील आकलन करने में मदद करता है, जैसे कि जब आप देखते हैं कि पहले से ही 5 p का उपयोग किया गया है, तो आप V> = 40 का अनुमान लगा सकते हैं, और ऊपर दिए गए चित्र से आप नए V के मूल्य और शेष स्टॉक का अनुमान लगा सकते हैं ((V-5p) ।)

कुल मिलाकर, एल्गोरिथ्म का मूल यह है कि यह वास्तविक समय के डेटा में निगरानी के लिए तीन लगातार दिखाई देने वाले संबंधित रिकॉर्डों के माध्यम से हिमशैल के आदेशों के अस्तित्व का न्याय करता है, जबकि हिमशैल के आदेशों का मात्रात्मककरण ऐतिहासिक डेटा द्वारा प्रशिक्षित संभावना मॉडल द्वारा किया जाता है।

मुझे यकीन है कि आप देखेंगे कि यह एल्गोरिथ्म धोखाधड़ी का कोई उपकरण नहीं है; यह केवल बाजार में खुले डेटा का उपयोग करके एक अनुमान है; और यह अनुमान केवल संभावनाओं पर आधारित है, और अधिक एक संदर्भ के रूप में होना चाहिए; यह बाजार के रूप में काम करने वाले तरलता प्रदाताओं के लिए मायने रखता है, ताकि वे स्थिति के गलत आकलन के कारण नुकसान से बच सकें; लेकिन यदि आप इसे एक हमले के रूप में उपयोग करना चाहते हैं, तो यह एक बहुत ही मूर्खतापूर्ण विकल्प है।

अंत में, यह एल्गोरिथ्म केवल एक विशिष्ट एक्सचेंज के लिए है; अन्य एक्सचेंजों में शायद ही कोई आइसबर्ग ऑर्डर प्रोसेसिंग है; इसलिए वास्तविक डेटा से मॉडल करने का यह विचार वास्तव में मूल्यवान है, और विशिष्ट एल्गोरिथ्म इसके लायक नहीं हैं।

यह छोटा एल्गोरिथ्म आपको उच्च आवृत्ति व्यापार के क्षेत्र में एक हिमशैल का एक किनारा दिखाता है. यह जटिल नहीं लग सकता है, लेकिन मुझे यह पसंद है. क्योंकि यह स्पष्ट रूप से दिखाता है कि पहले विचार करें, फिर मात्रा। क्योंकि हिमशैल ऑर्डर के साथ एक वास्तविक मांग है जो कि आर्थिक रूप से बुनियादी आपूर्ति और मांग संबंधों से निकलती है, वास्तविक डेटा का विश्लेषण करके एक सुराग खोजने के लिए, और अंत में गणितीय मॉडल के माध्यम से एक मात्रात्मक रणनीति तैयार करने के लिए। यह एक सुंदर रणनीति अनुसंधान है।

यदि आप इस सिद्धांत का उल्लंघन करते हैं, तो एक बार डेटा सेट करने के लिए विभिन्न उन्नत मॉडल ले जाएं, और उम्मीद करें कि मॉडल स्वचालित रूप से आपको ट्रेडिंग सिग्नल उत्पन्न करेगा, जो मेरे लिए पागलपन का सपना है। दुर्भाग्य से, यह सपना बहुत आकर्षक है, और दुनिया में कभी भी कायरों की कमी नहीं होती है। और चलते हैं और प्यार करते हैं।

सातहे नेट से अनुप्रेषितलिंक