#DryGoods - 하이프레크 트레이딩은 어떻게 돈을 벌고 있습니까?

어떻게 하이프레크 거래가 수익을 창출하는가?

이 글의 앞면에는 다음과 같은 내용이 있습니다. 2016년 7월 30일, 거래소 주연, 고전도 거래자 리오오가 홍콩 교통대학교 홍콩 졸업생 모임의 초청으로 '량화 금융과 고전도 거래소'라는 주제로 토론회를 열었다.

• 저는 IT를 하고 있기 때문에 IT에 대해 조금 편견을 가지고 있습니다. 저는 수학과 통계를 정식으로 배우지 않았기 때문에, 좀 더 정식으로 보일 수 있습니다. 저는 네 가지 유형의 거래 전략을 이야기 할 것이고, 수학과 IT에 대해 이야기 할 것입니다. 양적 거래는 이름 그대로 양적, 거래라는 두 가지 부분으로 나눌 수 있습니다. 양적 (Quantitative) 은 전통적인 수동 거래와 비교하여 많은 것을 직감보다는 모델로 측정하는 방식이다. 양적 트레이딩은 여러 종류로 나눌 수 있습니다. 기본 부분에는 장기/단기 주식과 알파 전략이 있습니다. 또 다른 종류는 가격량, 예를 들어 옵션 가격, 어떻게 가격을 설정하는 방법입니다. 또 다른 유형은 순수 시장 데이터의 양입니다. 즉, 그는 가격과 부피, 가격과 부피에 대한 기술 분석, 순수 시장 데이터에 대해만보고 있습니다.

그림 1

• 고주파 거래는 기본적으로 순수 시장 데이터로 이루어집니다. 시장 데이터는 항상 변하지만, 근본적인 것은 일반적으로 변하지 않습니다. 하이프레크 트레이딩이란 무엇인가? 첫째는 자동화이다. 하이프레크 트레이딩은 수동으로 하는 것이 불가능하고, 시간적 수준에 있지 않으며, 많은 계산 능력이 필요하고, 강력한 컴퓨터가 필요하며, 그 다음에는 많은 주문이 있으며, 사람의 손으로 하는 것과는 달리, 아마도 초당, 밀리 초당 거래가 이루어지고 있다. 물론 이 목록에는 많은 철회, 많은 신고 철회도 포함되어 있습니다. 어떤 전략은 많은 철회, 아마도 백만 개 이상의 요청을 신고하고 만 개 이상의 거래를 처리합니다. 다른 하나는 매우 빠른 속도입니다. 또한 정의가 있습니다. 복잡한 알고리즘이 필요합니다. 계속 이야기하기 전에, 먼저 몇 가지 시간 개념에 대해 소개합니다. 우리의 평상시 시계를 보면, 작은 단위는 초, 심지어 분자일 수도 있습니다. 초 아래에는 밀리 초: 천분의 한 초입니다. 눈을 깜빡이면 약 300 밀리 초처럼 보입니다. 상하이에서?? 진로로 데이터 전송, 핑은 약 30 밀리 초입니다. 아래로 내려가면 마이크로 초, 밀리 초, 백만분의 한 초입니다. 고주파 거래에서 거래 결정을 내리는 것은 10-20 마이크로 초입니다. 물론 일부 하드웨어 방식으로도 2 마이크로 초 정도 될 수 있습니다. 마이크로 초 아래에는 나노 초, 밀리 초 중 하나 있습니다. 이것은 매우 빠르다.

그림 2

• 이 사진은 눈을 감고, 350 밀리초; 고주파 거래는 1000개의 트레이드 결정을 15 밀리초에 합니다. 우리는 종종 눈을 깜빡일 때, 눈을 깜빡일 때, 높은 주파수 거래는 10,000번 이상의 거래 결정을 내릴 수 있다고 말합니다. 그래서 높은 주파수 거래의 시간선은 다르며, 높은 주파수 거래의 경우, 1초는 너무 길다.

• 아래는 HFT 거래에 대한 몇 가지 주요 전략 유형입니다.

그림 3

• 도시 전략

  시장상거래 전략의 주요 목적은 시장에서 유동성을 제공하는 것입니다. 입찰/구매를 할당하고, 입찰/구매를 좁히고, 중간 차이를 얻는 것입니다. 간단하게 들리지만 많은 모델이 있습니다. 그래서, 여기 몇 개의 이 더 잘하고 있습니다. 많은 것들이 이야기 될 수 있습니다. 당신의 지분을 통제하는 방법, 당신의 위험을 통제하는 방법, 많은 예측을 하는 방법, 변동성과 가격을 예측하는 방법, 경쟁이 치열하기 때문에 IT 문제가 매우 중요합니다. 더 빠른 제안을 제공하는 방법, 더 빠른 환불을 하는 방법, 모두 매우 중요한 문제입니다. IT의 비용은 높습니다. 왜냐하면 모두가 경쟁하고 있기 때문입니다. 모두가 더 빨리하고 싶어합니다. Co-Location에서 FPGA에 이르기까지, 이제 마이크로파일이 있습니다. 경쟁은 매우 치열합니다. 문턱이 높기 때문에 나머지 몇몇은 잘합니다. 일반 투자자에게는 시장의 존재가 더 작은 가격 차이로 구매를 할 수 있다는 것이 유리합니다. 그림 4이것은 작년 8월 12일 상장된 지표 50 지표의 선물에 대한 나의 전략의 성과이다. 그 날 전체 시장의 거래량은 225,000개이고 나의 전략은 4.1% (9,180개) 였으며, P&L도 좋고 드라다운도 작았다. 자본 요구도 낮았고, 하루 동안 500,000원밖에 필요하지 않았고, 210,000명 이상을 벌었고, 수익은 43.5%였다. 지난해 7월, 주식 재난으로 인해 중화민국은 주식 선물에 일부 투자자들을 제한하기 시작했다. 7월, 7일까지, 중화민국은 주식 보증금을 40%로 높이고, 평상시 처리 수수료를 10만분의 23로 높이고, 단일 종목 일일 개시 거래량은 10명 이상이 아니다. 시장 거래량은 이전보다 1% 미만으로 감소했다. 시장 전략을 제대로 하지 못했기 때문에, 10인 시장 전략을 전혀 할 수 없었고, 일부는 종료되었다. 그림 5그림 6따라서 시장 전략을 사용하면 시장 유동성을 증가시킬 수 있으며, 입상/구매 스프레드를 좁히고, 많은 매출을 올리는 경우 많은 점유점이 없습니다. 시장 전략을 세우는 것은 아마도 더 합리적인 가격이 무엇인지 추정하는 것이 필요합니다. 주식 선물은 시장으로, 누군가가 주식의 합리적인 가격을 예측하기 위해 주식 바구니를 사용합니다.

• 통계적 편익 이 모든 것들은 큰 주제들이죠. 저는 그저 토론을 하고 있는 것 같습니다. 통계적 수단은 확률, 데이터 채굴, 모델링, 거래 실행, 데이터 클리닝에 관한 것입니다. 데이터 채굴은 매우 중요하고, 잘 처리되지 않는 것은 때때로 매우 두통이 될 수 있습니다. 고전적인 말이 있습니다: Garbage in, Garbage out. 많은 쿼트는 데이터를 처리하는 데 많은 시간을 소비합니다. 때로는 매우 흥미로운 결과를 발견하고, 다시 돌아와서 데이터가 잘못되었다는 것을 발견합니다. 가장 간단한 이매 모델은 역사 가격의 변동률이며 양쪽에 실행 구역을 더합니다. 예를 들어, 우유가 100달러에 홍콩에서 구입되고 120달러로 중국 본토로 판매됩니다. 중간에는 10달러를 지불하고 10달러를 벌입니다. 이것이 당신의 이매 공간입니다. 예를 들어, 금, 국내외 시장에는 표준 계약이 있으며, 이론적으로 동일한 가치가 있으며, 두 개의 금을 꺼냅니다. 그러나 가격은 변동이있을 것입니다. 우리는 이 차이를 계산할 것입니다. 만약 그것이 역사 통계권에서 벗어난 것을 발견한다면, 예를 들어 브렉시트 때, 중국의 금이 저렴하고 미국의 금이 비싸다는 것을 알게 될 것입니다. 그러면 우리는 저렴한 가격으로 구매하고 높은 가격으로 판매 할 수 있습니다. 물론 실제 운영에서 유동성 등의 요소가 영향을 미치므로 약간의 경험이 필요합니다.

• 예측 과거 시장 데이터와 현재 시장 환경의 비교를 통해 미래의 가격 움직임을 예측합니다:Price=a+b+c;; 이 미래 은 다음 초, 다음 분, 다음 거래 날, 다음 주, 다음 달이 될 수 있습니다. 만약 당신의 모델이 예측이 정확하다면 NB를 능가합니다. 그림 7이 기본 과정은 데이터를 정리하고 시장에 영향을 미치는 요소를 파악하는 것입니다. 당신은 빨리 시작하고, 일정한 선을 가지고, 결과를 얻을 수 있습니다. 하지만 얼마나 오랫동안 당신의 모델의 안정성이 안정적으로 유지될 수 있는지에 대해, 당신은 계속 조정하고, 계속 순환하는 것을 필요로 합니다. 당신은 훈련, 모델을 평가하고, 당신의 요소를 최적화합니다. 물론 현재는 많은 요소들이 있고, 어떤 사람들은 500가지 요소를 던져버리는 방식을 취하고 있습니다. 그의 모델은 어떤 요소가 유용하고 어떤 요소가 쓸모가 없는지 알려줄 수 있고, 고조연 관계 요소를 제거할 수도 있습니다. 하지만 이 부분은, 저는 아직 배우고 있습니다. 저는 많은 경험이 없습니다. 저는 단지 이러한 방법이 있다는 것을 알고 있습니다. 슈퍼 심플의 비결은 간단하게 사용해도 좋다는 것이 아니라, 가장 간단한 예측 모델은 가격이 평균선으로 돌아갈 것이라는 것입니다. 평균선이 어떤 주기적인지 스스로 닦아보세요. 이 중간 복잡성은 대부분 데이터에서 왔습니다. 모델의 말, R에는 많은 패키지가 있으며, 좋은 자동화를 할 수 있습니다. 많은 지표가 자동화 될 수 있으며, 그래프도 도움이됩니다. 데이터와 팩터는 계속 닦아야 합니다.

  • 마이크로 구조 이것은 매우 높은 빈도이고 일반적인 쿼트는 사용하지 않을 수 있습니다. 예를 들어 주식 거래에서 종종 지원 지점, 압력 지점, 또는 간단한 마이크로 구조를 듣습니다. 이것은 지원 지점이라고 볼 수 있습니다. 많은 주문이 있고 많은 입찰이 있습니다. 지난 해 미국 증권위원회가 조사한 것을 보세요. 스푸퍼, 시장에서 블러핑하는 플레이어들. 원래 시장은 정상이었고, 지불금은 10, 20이었다. 갑자기 플레이어가 와서 1000을 사려고 했다. 모든 사람들이 큰 지불금이 있다고 생각하고, 그것을 훔쳐 갔다. 주식의 움직임은 미세한 관점에서 수요와 공급 관계에 있습니다. 더 많은 구매자가 증가합니다. 누군가가 백만 개의 주문을 넣고 상승하기 시작했습니다. 그리고 그는 판매를 시작했습니다. 이것은 스푸핑입니다. 미국 규제 당국이 엄격하게 시장 조작으로 정의하는 행위로 불법입니다. 이 글은 한 가지 흥미로운 링크를 붙였습니다. 스푸퍼를 잡는 방법http://www.bloomberg.com/graphics/2015-spoofing/아이스버그 명령http://www.marketdelta.com/blog/2011/10/footprint-chart/iceberg-orders/수학, 제 경험에 따르면, 초등학교 수학과 박사 수학은 모두 사용됩니다. 초등학교 수학을 무시하지 마십시오. 그것은 또한 많은 구멍을 심을 것입니다. 고급, 가격과 같은 것은 매우 전문적입니다. 또한 예측 모델링은 매우 광범위하고 오랜 시간 동안 많은 회사에서 사용되고 있습니다. 고주파 단점은 용량이 너무 작다는 것입니다. 당신은 그에게 500,000을 주면, 그는 200,000을 벌고, 당신은 그에게 5,000만을 주면, 그는 아마 200,000을 벌고 있습니다.

• IT. 우리 모두는 광 대우조선 지문 사건에 대해 알고 있습니다. 또한, 라이벌 캐피탈은 한 시간 동안 440 만 달러를 잃었습니다. 프로그래머 업그레이드 시스템, 아마도 8 개의 생산기, 업그레이드되지 않은 하나, 잘못된 명령이 실행되는 것을 초래하여 계속 거래했습니다. 핵심은 30 분 동안 거래했습니다. 어떻게 30 분 동안 발견되지 않았는지 모르겠습니다.

이 두 가지 사례는 IT가 중요하고 많은 돈을 잃을 수 있다는 것입니다. 그림 8IT 시스템에는 크게 4개의 부분이 있습니다. 프라이스 데이터 (Price Data) 는 비교적 간단하고, 기본 데이터 (Fundamental Data) 와 구조화되지 않은 데이터 (Unstructured Data) 와 같은 것들은 좀 더 복잡하고, 수집, 포맷, 통일, 액세스 (Access) 등에 대한 많은 프로그래머 코드가 필요합니다. 퀀트로서, 저는 어느 날의 데이터를 가지고 그림을 그리고 싶습니다. 우리는 기본적으로 지금 이 상황을 가지고 있습니다. 데이터의 덩어리를 가지고 여러 가지 일을 쉽게 할 수 있고, 다른 쪽의 퀀트는 거의 코드를 쓰지 않습니다. 왜냐하면 우리는 많은 데이터 구조와 데이터 인터페이스를 통일하고 있기 때문입니다. C++, C#, 또는 Scala에서 같은 포맷으로 데이터를 가져가는 것이 매우 편리합니다. 물론 당신은 틀릴 수 없으며, 당신의 실수 용도와 오류를 검사하는 능력도 매우 높습니다. 우리는 이전에 이런 상황을 겪었습니다. 재검토는 매우 좋고 매일 돈을 벌고 데이터를 잘못 발견했습니다. 매우 어리석은 실수입니다. 자주 발생하고 나중에 일어날 것이라고 믿습니다. 이 실행은 다양한 API, 다양한 시장 접근, 다양한 풍선 제어입니다. 높은 주파수 영역에서 속도는 매우 중요합니다. 왜냐하면 많은 데이터가 공개되어 많은 사람들이 볼 수 있기 때문입니다. 많은 사람들이 기회를 볼 때 가장 빠른 사람만이 그것을 얻을 수 있습니다. 모든 시장에는 다른 API가 있으며, FIX 프로토콜과 같은 통일 된 프로토콜이 있습니다. 모든 거래소가 지원하지는 않지만 FIX 프로토콜 자체는 느립니다. 백테스팅, 때로는 퀀트가 생각해낸 것이 당신의 백테스팅 시스템이 지원하지 않을 수도 있고, 당신은 다시 테스트하는 프레임워크를 변경해야 합니다. 시각화는 매우 중요합니다. 여러분은 "나에게 숫자의 무리를 생성해 주세요"라고 말할 수 없습니다. 그래프를 보는 것이 훨씬 더 간단합니다. 우리는 스칼라에서 그래프를 그리고 R에서 그래프를 그리는데 많은 노력을 기울였습니다. 왜냐하면 그래프 무리와 데이터 무리의 해석이 다르기 때문입니다. 재검토 속도는 또한 중요합니다. 예를 들어, 1년 데이터의 전략을 재검토하는 데 1주일이 걸립니다. 누가 당신의 결과를 보기 위해 1주일을 기다려야 할까요? 1분이 더 걸릴지도 모릅니다. 정책 내의 매개 변수는 반복적인 과정이 있습니다. 예를 들어, 매개 변수는 1에서 100까지 시도하고보고 싶습니다. 여기에도 많은 최적화를 해봤습니다. 예를 들어, 데이터를 가져가는 방법, 저장하는 방법, 중간에서 성능을 향상시키는 방법. 이전에는, 전 회사에서 클라우드 컴퓨팅을 시도해봤습니다. 몇 가지 재검토 엔진을 여러 서버에 모두 배포했습니다. 또 다른 하나는 모니터링입니다. 여기에는 많은 자동화가 포함되어 있습니다. 또 다른 많은 전략이 있습니다. 어떻게 하면 위험을 모니터링하고 어떻게 하면 알림을 받을 수 있는지도 매우 중요한 부분입니다. 지금과 같은 전략은 자동화되어 운영되고, 모든 전략은 모니터링되고, 각 전략의 위험 수준은 경보보다 훨씬 높지 않습니다. 특히 우리는 야간 거래도 하고, 프로그래머가 자주 자도록 하는 것은 현실적이지 않습니다. 그래서 만약 비결적 오류가 있다면 바로 휴대폰에 전화합니다. 이제 우리는 훨씬 더 쉬워집니다. 만약 당신이 많은 품종을 거래할 때, 기본적으로 모든 사람들이 거기에 있을 가능성이 거의 없습니다. 그래서 많은 모니터링이 필요합니다.

• 이 글의 내용은

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

링크