The Simmons Grand Prize Fund adalah sebuah Wall Street hedge fund mitos, yang selama 20 tahun berturut-turut menghasilkan rata-rata 35 persen per tahun, dan jika Anda memperhitungkan 5 persen dari biaya manajemen dan 40 persen dari penarikan dana, itu menghasilkan lebih dari 60 persen per tahun. Ini jauh lebih baik daripada Buffett dan Soros.

Strategi Simmons adalah menggunakan model matematika yang kuat dan perangkat lunak komputer untuk melakukan perdagangan frekuensi tinggi di berbagai produk di pasar global, untuk mendapatkan perbedaan fluktuasi kecil, sehingga mendapatkan keuntungan yang stabil dan berkelanjutan. Ini adalah strategi netral pasar, tidak terlalu terpengaruh oleh bull market dan bear market, dan dapat menghasilkan uang selama ada fluktuasi.

Secara keseluruhan, perdagangan frekuensi tinggi terutama mencakup beberapa strategi berikut: Perdagangan Rebat Likuiditas, Perdagangan Predatory Algorithmic, dan Perdagangan Market Maker Otomatis.

Untuk memperjelas strategi perdagangan frekuensi tinggi di atas, berikut adalah contoh yang sangat sesuai dengan transaksi yang sebenarnya. Seorang investor institusional pembeli memutuskan untuk membeli 10.000 saham XYZ dengan harga sekitar $ 30, seperti kebanyakan investor institusional pembeli seperti dana bersama, dana pensiun, dan lainnya.

Transaksi likuiditas

Untuk mendapatkan lebih banyak pesanan perdagangan, semua bursa saham di Amerika Serikat memberikan potongan biaya transaksi tertentu kepada broker yang menciptakan likuiditas, biasanya 0,25 sen / saham. Tidak peduli apakah pembelian atau penjualan, jika transaksi berhasil, bursa membayar potongan kepada broker yang memberikan likuiditas tersebut, dan membebankan biaya yang lebih tinggi kepada broker yang menggunakan likuiditas untuk melakukan perdagangan.

Dalam kasus ini, asumsikan bahwa harga transaksi psikologis investor institusional adalah antara \( 30 dan \) 30,05. Jika pembelian pertama dalam sistem perdagangan (misalnya, 100 saham) berhasil dipasangkan, transaksi dengan harga \( 30. Dengan demikian, pembelian kedua dalam sistem perdagangan (misalnya, 500 saham) melompat. Asumsikan bahwa pembelian itu juga berhasil dipasangkan, transaksi dengan harga \) 30.

Setelah suksesnya transaksi, pedagang rebat segera mengubah arah transaksi dengan menjual 100 saham yang baru saja dibeli dengan harga \( 30,01 dengan harga yang sama, yaitu \) 30,01 untuk penyerahan. Karena harga $ 30 saham tidak lagi ada, penyerahan itu kemungkinan besar akan diterima oleh investor institusional.

Dengan demikian, meskipun pedagang rebound tidak menang dalam seluruh proses perdagangan, mereka menerima komisi rebound 0,25 sen per saham yang disediakan oleh bursa karena opsi jual beli kedua memberikan likuiditas ke pasar. Jelaslah, keuntungan 0,25 sen per saham yang diperoleh pedagang rebound adalah biaya tambahan 1.0 sen yang dibayarkan oleh investor institusional.

Perdagangan algoritma mangsa

Di Amerika Serikat, lebih dari setengah dari laporan algoritma investor institusional mengikuti prinsip harga terbaik nasional SEC (National Best Bid or Offer, NBBO). Yang disebut NBBO, yaitu ketika pelanggan membeli sekuritas, broker harus menjamin memberikan harga jual terbaik yang ada di pasar; juga ketika pelanggan menjual sekuritas, broker harus menjamin memberikan harga beli terbaik yang ada di pasar. Menurut prinsip ini, ketika satu laporan melebihi satu lainnya dalam urutan karena harga lebih diutamakan, harga saham sering disesuaikan dan dijamin konsisten dengan yang sebelumnya.

Strategi perdagangan algoritma predator didesain berdasarkan studi tentang hukum historis perubahan harga saham di atas. Secara umum, strategi ini menggunakan harga buatan untuk memikat investor institusional untuk menaikkan harga pembelian atau menurunkan harga jual, sehingga dapat mengunci keuntungan perdagangan.

Dalam kasus ini, asumsikan bahwa investor institusional mengikuti NBBO dan harga transaksi psikologisnya adalah antara \(30 dan \)30.05. Seperti trader dengan pengembalian likuiditas di contoh sebelumnya, trader algoritma perburuan menggunakan prosedur dan teknik yang sangat mirip untuk mencari pesanan algoritma berturut-turut potensial dari investor lain. Setelah komputer mengkonfirmasi keberadaan tagihan algoritma dengan harga \(30, proses perdagangan algoritma perburuan melancarkan serangan: tagihan dengan harga \)30.01, sehingga memaksa investor institusional untuk dengan cepat menaikkan harga tagihan berikutnya menjadi \(30.01; kemudian pedagang algoritma perburuan mendorong harga lebih tinggi menjadi \)30.02, memikat investor institusional untuk terus mengejar.

Dengan asumsi ini, trader algoritma predator memaksakan harga ke harga tertinggi yang dapat diterima oleh investor institusional dalam sekejap, yaitu \(30.05, dan menjual sahamnya kepada investor institusional pada harga tersebut. Pedagang algoritma predator tahu bahwa harga \)30.05 umumnya sulit untuk dipertahankan, sehingga mereka mengambil keuntungan ketika harga turun.

Strategi Pemasaran Otomatis

Seperti yang diketahui, fungsi utama dari market maker adalah untuk memberikan likuiditas perdagangan ke pusat perdagangan. Seperti halnya market maker biasa, market maker otomatis meningkatkan likuiditas dengan memberikan pesanan beli dan jual ke pasar. Sebaliknya, mereka biasanya melakukan operasi terbalik dengan investor. Sistem komputer berkecepatan tinggi dari market maker otomatis memiliki kemampuan untuk menemukan niat investor lain dengan mengeluarkan pesanan super cepat.

Dalam kasus ini, asumsikan bahwa investor institusional mengirim serangkaian pembelian dengan harga antara \( 30.01 dan \) 30.03 ke sistem perdagangan algoritmanya, tanpa diketahui orang lain. Untuk mendeteksi keberadaan pesanan potensial, sistem komputer yang cepat dari pedagang frekuensi tinggi yang melakukan pasar otomatis mulai mengeluarkan satu penawaran 100 saham dengan harga $ 30.05. Karena harga lebih tinggi dari batas harga investor, tidak ada reaksi, maka penawaran itu segera dicabut.

Ketiga strategi tersebut adalah strategi perdagangan frekuensi tinggi yang dominan, yang sangat menuntut kinerja komputer dan jaringan, sehingga beberapa lembaga perdagangan menempatkan server farm mereka sendiri di dekat komputer bursa untuk mengurangi jarak instruksi perdagangan yang bepergian dengan kecepatan cahaya melalui kabel optik.

Faktanya, dampak perdagangan frekuensi tinggi terhadap pasar telah lama diperdebatkan di antara lembaga perbankan. Laporan dari Federal Reserve Bank of Chicago menunjukkan bahwa meskipun perdagangan frekuensi tinggi juga bermanfaat bagi pasar dan dapat meningkatkan likuiditas pasar saham, namun jika kesalahan prosedur atau kelalaian manusia dapat berdampak buruk pada pergerakan pasar.

Masalah lain adalah bahwa perdagangan frekuensi tinggi melibatkan masalah keadilan pasar, dan peralatan dan kemampuan komputasi yang dibutuhkan untuk perdagangan frekuensi tinggi adalah ambang batas yang tidak dapat dilewati oleh investor kecil dan menengah, yang memanfaatkan perdagangan frekuensi tinggi untuk mendapatkan keuntungan, yang dapat menyebabkan ketidakadilan pasar.

　　在国内市场，目前基本上没有高频交易的土壤，股票市场是T+1，股指期货市场的持仓、交易频率都有很大的限制。商品期货市场可以做一些日内的短线交易，但是离高频交易尚且有很大的距离。从监管层的态度以及国内市场的发展来看，高频交易在国内短期内无法成为一个主要的交易方式。