Bagaimana cara mendapatkan uang dari perdagangan barang-barang kering dengan frekuensi tinggi?

Bagaimana perdagangan frekuensi tinggi menghasilkan uang?

Di bagian depan, tertulis: Pada tanggal 30 Juli 2016, tokoh utama portal, pedagang frekuensi tinggi Lio, diundang oleh Universitas Transportasi Hong Kong untuk mengadakan seminar tentang Quantifying Finance and High Frequency Trading. Dengan izin Lio, portal ini secara eksklusif memulai acara ini.

• Saya akan berbicara sedikit tentang IT karena saya selalu melakukan IT. Karena saya tidak pernah belajar matematika dan statistik secara formal, mungkin terlihat tidak formal, ada beberapa informasi dan pengalaman setelah saya melakukan transaksi. Saya akan berbicara tentang empat jenis strategi perdagangan, dan kemudian saya akan berbicara tentang matematika dan IT. Trading kuantitatif, seperti namanya, dapat dibagi menjadi dua bagian, yaitu Quantitative dan Trading. Trading kuantitatif adalah perdagangan yang dilakukan melalui pemrograman, bukan perdagangan manual. Quantitative Trading dapat dibagi menjadi banyak kategori, seperti mingguan dan bulanan. Bagian Fundamental memiliki beberapa Ekuitas Panjang / Singkat, ada beberapa Strategi Alpha. Ada juga kategori Pricing Quant, seperti melakukan Option Pricing, bagaimana untuk menetapkan harga.

Gambar 1- Perdagangan frekuensi tinggi pada dasarnya menggunakan data pasar murni, karena itu sendiri membutuhkan data yang sedikit lebih tinggi. Data pasar berubah setiap saat, tetapi fundamental, berita, pada umumnya tidak berubah setiap saat. Apa itu perdagangan frekuensi tinggi? Pertama adalah otomatisasi. Perdagangan frekuensi tinggi tidak mungkin dilakukan dengan tangan, tidak pada tingkat waktu, membutuhkan banyak daya komputasi, membutuhkan komputer yang kuat, dan kemudian banyak pesanan, tidak seperti tangan manusia, mungkin setiap detik, setiap milidetik, diperdagangkan. Tentu saja daftar ini juga termasuk banyak penarikan, banyak penarikan laporan. Beberapa strategi penarikan banyak, mungkin lebih dari satu juta pesanan, hanya transaksi lebih dari sepuluh ribu pesanan. Yang lain adalah kecepatan yang sangat tinggi. Ada juga definisi bahwa membutuhkan algoritma yang rumit. Sebelum melanjutkan, saya akan memperkenalkan beberapa konsep waktu. Dalam waktu kita, satuan kecil mungkin dalam detik atau bahkan menit. Di bawah detik, masih ada milidetik: satu per seribu detik. Terlihat seperti 300 milidetik. Pengiriman data dari Shanghai ke Shenzhen, satu ping sekitar 30 milidetik.

Gambar 2- Perbandingan: Tutup mata, 350 millisecond; perdagangan frekuensi tinggi membuat 1000 keputusan perdagangan hanya dalam 15 millisecond. Kami sering mengatakan bahwa dalam sekejap, perdagangan frekuensi tinggi dapat membuat lebih dari 10.000 keputusan perdagangan. Jadi timeline perdagangan frekuensi tinggi berbeda, satu detik terlalu lama untuk perdagangan frekuensi tinggi.

• #### Berikut ini adalah beberapa jenis strategi utama untuk perdagangan frekuensi tinggi.

Gambar 3

• Strategi Kota

  Strategi pedagang pasar yang dimaksudkan adalah untuk memberikan likuiditas di pasar, untuk memasang penawaran, untuk mempersempit penawaran, untuk mendapatkan selisih di tengah-tengah. Dengan kata lain, beberapa jembatan di sini bekerja lebih baik. Ada banyak hal yang bisa dibicarakan, seperti bagaimana mengendalikan kepemilikan Anda, risiko Anda. Juga banyak Prediksi. Bagaimana Mengprediksi Volatilitas dan Harga. Masalah IT sangat penting di sini karena persaingan sangat ketat. Bagaimana memberikan penawaran yang lebih cepat, penarikan yang lebih cepat, semuanya sangat penting. Biaya IT sangat tinggi, karena semua orang bersaing, semua orang ingin lebih cepat, dari Co-Location, ke FPGA, sekarang semua naik. Untuk investor biasa, adanya pasar yang memungkinkan mereka untuk membeli dan menjual dengan harga yang lebih kecil adalah hal yang menguntungkan. Gambar 4Ini adalah salah satu strategi yang saya lakukan pada tanggal 12 Agustus tahun lalu untuk memperdagangkan futures di indeks 50 saham. Pada hari itu, volume perdagangan keseluruhan pasar adalah 225.000 tangan, strategi saya mencapai 4.1% (9.180 tangan), P&L juga berjalan dengan baik, dan penarikan juga relatif kecil. Pada bulan Juli tahun lalu, karena bencana saham, Bank Sentral mulai membatasi sebagian investor pada futures saham. Seperti yang dapat dilihat pada bulan Juli, beberapa hari ini Bid/Ask Spread memiliki tanda-tanda menarik, pada tanggal 7 September, Bank Sentral mulai membatasi para spekulator, dengan menaikkan jumlah jaminan saham menjadi 40%, kenaikan biaya transaksi hingga 23 persen, dan volume perdagangan satu hari tidak lebih dari 10 tangan. Gambar 5Gambar 6Oleh karena itu, strategi pasar dapat meningkatkan likuiditas pasar, mempersempit Bid/Ask Spread, dan tidak memiliki banyak titik slip ketika volume jual beli tinggi. Strategi pasar mungkin membutuhkan perkiraan harga yang lebih wajar. Di pasar saham, seseorang akan menggunakan keranjang saham untuk memprediksi harga saham yang wajar.

• Keuntungan Statistik Setiap topik di sini adalah topik besar. Saya hanya membahasnya. Perangkat lunak statistik ini mencakup probabilitas, penggalian data, pemodelan, pelaksanaan transaksi, dan bagaimana melakukan Data Cleaning. Data mining sangat penting, yang kadang-kadang bisa menjadi masalah yang sangat menyakitkan. Ada pepatah klasik yang disebut: Garbage in, Garbage out. Banyak Quant menghabiskan banyak waktu untuk memproses data. Salah satu model harga termudah adalah fluktuasi harga historis, ditambah beberapa ruang pelaksanaan di kedua sisinya. Misalnya, bubuk susu, 100 dolar dibeli dari Hong Kong, 120 dolar dijual ke daratan. Di tengah, Anda menghabiskan 10 dolar untuk biaya perjalanan, dan akhirnya menghasilkan 10 dolar. Itulah ruang harga Anda. Atau misalnya emas, di pasar domestik dan luar negeri ada kontrak standar, nilai teorinya sama, keluarkan dua batang emas. Tetapi harga akan berfluktuasi, kita akan menghitung perbedaan ini, jika kita menemukan bahwa ia menyimpang dari rentang statistik historis, misalnya saat Brexit, kita akan menemukan emas China lebih murah, emas AS lebih mahal.

• Prediksi Dengan membandingkan data pasar masa lalu dengan lingkungan pasar saat ini, memprediksi pergerakan harga di masa depan: Harga = a + b + c. Ini bisa menjadi detik berikutnya, menit berikutnya, hari perdagangan berikutnya, minggu depan, bulan depan. Jika model Anda memprediksi dengan benar, itu akan melampaui NB, apakah itu detik berikutnya, menit berikutnya atau minggu depan. Gambar 7Proses dasar ini adalah mengumpulkan data dan mencari tahu faktor-faktor apa yang mempengaruhi pasar. Anda bisa memulai dengan cepat, melakukan hal yang lurus, dan hasilnya mungkin akan cepat, tetapi seberapa lama stabilitas model Anda akan stabil, itu membutuhkan terus-menerus penyesuaian, terus-menerus berputar. Anda pergi ke Pelatihan, Evaluasi Model, lalu Optimalkan Faktor Anda. Tentu saja sekarang ada banyak faktor, beberapa orang hanya membuang 500 faktor. Modelnya bisa memberi tahu dia faktor mana yang berguna dan faktor mana yang tidak berguna, dan juga bisa menghilangkan faktor dengan korelasi tinggi itu sendiri. Tapi hal ini, saya masih belajar, saya tidak memiliki banyak pengalaman. Sebuah trik Super Simple tidak hanya sederhana, namun model yang paling sederhana untuk memprediksi adalah bahwa harga akan kembali ke garis rata-rata. Apakah garis rata-rata berputar, perbaiki sendiri. Kompleksitas di tengah ini sebagian besar berasal dari Data. Data dan Factor harus terus-menerus digosok.

  • Struktur Mikro Ini adalah tingkat yang sangat tinggi, dan kuantitas umum mungkin tidak digunakan. Misalnya, dalam perdagangan saham, Anda sering mendengar tentang level dukungan, level tekanan, atau struktur mikro sederhana. Lihatlah sebuah survei yang dilakukan oleh Securities and Exchange Commission AS tahun lalu. Spoofer, beberapa pemain yang menggertak di pasar. Pada awalnya pasar normal, pembayaran adalah 10, 20, tiba-tiba ada pemain yang datang dan mengatakan saya ingin membeli 1000. Semua orang berpikir bahwa ada pembayaran yang besar, mereka pergi untuk membeli. Gerakan saham dari sudut pandang mikro adalah hubungan pasokan dan permintaan. Di sini ada dua link yang menarik: Cara Menangkap Spooferhttp://www.bloomberg.com/graphics/2015-spoofing/Perintah Iceberghttp://www.marketdelta.com/blog/2011/10/footprint-chart/iceberg-orders/Matematika, dalam pengalaman saya, matematika SD dan matematika PhD akan digunakan. Jangan meremehkan matematika SD, juga akan menanam banyak lubang. Ada juga Predictive Modeling, yang sangat luas dan bisa dikatakan panjang, banyak perusahaan yang menggunakan. Singkat dari frekuensi tinggi adalah, kapasitasnya sangat kecil. Itu seperti Anda memberi dia 500.000, dia menghasilkan 200.000. Anda memberi dia 5.000, dia mungkin menghasilkan 200.000.

• #### IT. Semua orang tahu tentang peristiwa Fungus Big Bang. Selain itu, Cavalier Capital pernah kehilangan $ 440 juta dalam setengah jam. Sistem pembaruan programmer, mungkin 8 mesin produksi, satu tidak ditingkatkan, yang menyebabkan satu perintah yang salah dijalankan, terus berdagang. Kuncinya adalah 30 menit berdagang. Saya tidak tahu bagaimana hal itu dilakukan selama 30 menit tidak ditemukan. Dalam dua kasus ini, IT sangat penting dan dapat membuat Anda kehilangan banyak uang (yang membuat uang, tetapi didenda banyak uang). Gambar 8Sistem IT dibagi menjadi empat bagian. Price Data relatif sederhana, lebih seperti Fundamental Data, Unstructured Data agak rumit, membutuhkan banyak kode programmer untuk mengumpulkan, memformat, mengintegrasikan, dan mengakses. Sebagai Quant, saya ingin mengambil data suatu hari dan menggambarnya. Tentu saja Anda tidak bisa salah, Anda juga memiliki kemampuan yang sangat tinggi untuk menerima kesalahan dan Anda juga memiliki kemampuan yang sangat tinggi untuk memeriksa kesalahan. Kami telah mengalami situasi seperti ini sebelumnya, re-testing sangat baik, setiap hari kami menghasilkan uang, dan hasilnya adalah data yang salah. Kesalahan yang sangat bodoh. Sering terjadi, dan saya yakin akan terjadi lagi. Eksekusi ini adalah berbagai API, berbagai akses pasar, berbagai kendali angin. Dalam bidang frekuensi tinggi, kecepatan sangat penting. Karena banyak data terbuka, banyak orang dapat melihatnya. Ketika banyak orang melihat peluang, hanya orang tercepat yang dapat mengambilnya. Setiap pasar memiliki API yang berbeda, ada protokol yang seragam, seperti protokol Fix, tetapi tidak selalu didukung oleh setiap pertukaran, tetapi protokol Fix sendiri juga relatif lambat. Back Testing, kadang-kadang sesuatu yang datang dari Quant, mungkin tidak didukung oleh sistem backtesting Anda, Anda perlu mengubah kerangka kerja backtesting. Visualization sangat penting. Anda tidak bisa mengatakan, "Beri saya tumpukan angka, saya tidak bisa melihatnya". Lihat grafik lebih jelas. Kami menghabiskan banyak waktu untuk menggambar grafik di Scala, menggambar gambar di R. Karena tumpukan grafik dan tumpukan data tidak sama. Kecepatan uji ulang juga penting. Misalnya, uji ulang strategi, data setahun, Anda membutuhkan satu minggu. Siapa yang menunggu seminggu untuk melihat hasil Anda! Satu menit mungkin masih bisa menerima sedikit. Parameter dalam strategi ada proses iterasi, seperti parameter, saya ingin melihat bagaimana dari 1 sampai 100. Di sini kita juga melakukan banyak pengoptimalan, seperti bagaimana mengambil data, bagaimana menyimpan data, dan meningkatkan kinerja di antara. Sebelumnya, saya telah melakukan beberapa percobaan komputasi awan di perusahaan saya yang lalu, dengan mendistribusikan semua mesin yang diuji ulang ke banyak server. Jadi, satu permintaan berlalu, banyak mesin berjalan secara bersamaan. Satu lagi adalah Monitoring. Banyak otomatisasi di dalamnya. Banyak strategi. Bagaimana untuk memantau risiko, bagaimana untuk Alert, ini juga merupakan bagian yang sangat penting. Seperti strategi kami saat ini adalah otomatisasi, semua strategi dipantau, tingkat risiko dari setiap strategi tidak dapat melebihi sedikit, lebih dari alarm. Terutama kami juga berdagang di malam hari, membuat programmer sering tertidur, tidak terlalu realistis. Jadi jika ada Critical Error, kami langsung menghubungi ponsel. Ketika Anda berdagang dengan banyak varietas, tidak mungkin semua orang berada di sana, jadi banyak pemantauan dilakukan.

• #### Rekomendasi untuk dibaca:

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

Tautan