股票高頻交易數學模型

㈠ 股票中的「高頻交易」是怎麼操作的

按照字面意思，任何能夠以較高頻率進行交易的系統都可以叫「高頻交易系統」。比如說你用VBA寫個小程序，連上券商給你的介面，也完全可以按毫秒級進行交易，你也可以說自己開發了一個「高頻交易系統」。

1. 交易指令：交易指令完全由電腦發送，對市場數據的響應延時在微秒級（VBA退散）。

2. 系統：系統由專用的軟硬體組成，研發時需要大量計算機專家級的工作（散戶隨便編個小程序退散）。

3. 位置：系統的硬體需要放在離交易所主機很近的位置上，所謂 co-location。並且得到門的准入許可證，交易指令直接發送至交易所（而不是通過券商中轉）。

   符合這三點的，就可以叫做高頻交易系統。有人說你這三條沒有一條在說頻率，只能叫低延遲系統不叫高頻交易。的確，我再一次深切贊同「高頻交易」是一個很差勁的名字。但現在市面上的主流媒體，包括大部分新聞和暢銷書在談到這個話題時，說的就是這種系統，所以我在這里就不糾結字面意思了。
   

㈡ 高頻交易都有哪些著名的演算法

統計套利
另一種策略設置高頻交易是經典套利策略可能涉及的范圍等幾個證券利率平價在外匯市場的關系賦予外國貨幣之間的價格計價債券的國內債券，一，現貨價格貨幣和價格的遠期合約的貨幣。如果有足夠的市場價格從模型中所隱含的不同，以支付交易成本，然後四個交易，可保證無風險的利潤。高頻類似套戥交易允許使用更復雜，涉及許多超過4證券模式。在塔布集團估計，每年的總延時套利策略目前的低利潤超過210億美元。
統計套利的戰略已經制定了一系列決定，使交易的基礎上作出的偏差從統計學的關系。像市場莊家策略，統計套利可以適用於所有資產類別。
低延時交易
高頻交易是經常混淆低延時交易，使用計算機在幾毫秒內執行，或「行業具有極低延遲」在該行業的行話。低延時交易是高度超低延遲網路的依賴性。他們的演算法利潤提供信息，如競爭性招標，並提供到他們比競爭對手更快微秒。
低延時交易的速度revolutionary in advance已導致need為公司具有即時時間，同位trading平台，以得益於高頻率的戰略實施。戰略是不斷改變，以反映市場的細微變化以及打擊造成威脅的戰略的逆向工程競爭者。
還有一個非常強大的壓力不斷增加新功能或改進某一特定演算法，如client具體的修改和enhancing變化的各種性能（regarding基準交易表現，以及為貿易firm或許多其他的實現range cost減少）。這是由於演算法交易策略的演變性質——它們必須能夠適應和貿易智能，無論市場條件，這涉及足夠的靈活性，能夠承受巨大的市場情景陣列。因此，從企業的重大收入凈額的比例是花費在研發系統D這些自主交易。
戰略的實施
大部分的演算法策略是使用現代編程語言，雖然仍有部分執行試算表的設計策略。基本模型可以依靠低至一元線性回歸，而更復雜的游戲理論和模式識別或預測模型也可以用於啟動交易。神經網路和遺傳規劃已被用來創建這些模型。

㈢ 什麼是「量化高頻交易」，相對其他交易有什麼優點

高頻世界裡，有一條永恆的建模准則值得銘記：先看數據再建模。如果你看了上面的介紹就開始天馬行空的思考數學模型，那基本上是死路一條。我見過很多年輕人，特別有熱情，一上來就開始做數學定義，然後推導偏微分方程，數學公式寫滿一摞紙，最後一接觸數據才發現模型根本行不通，這是非常遺憾的。

而看了數據的人會怎麼樣呢？他很可能會發現，對於冰山訂單的處理，交易所的規則是非常值得尋味的。有的交易所是這樣做的：一個冰山訂單包含兩個參數，V表示訂單總量，p表示公開顯示的量。比如V=100，p=10的冰山單，實際上隱藏的量是90。如果有針對這個訂單的交易發生，比如交易量10，交易所會順序發出三條信息：

成交10
Order Book的Top bid size -10
新Bid +10
這三條信息一定會連續出現，並且第三條和第一條的時差dt很小。這樣做的原因是盡管冰山訂單存在隱藏量，但是每次的交易只能對顯示出的量（p）發生，p被消耗掉以後，才會從剩餘的隱藏量中翻新出一分新的p量。這樣，每個人從交易所收到的信息仍然可以在邏輯上正確的更新Order Book，就好像冰山訂單並不存在一樣。

㈣ 什麼是股票高頻交易高頻交易好嗎

即指交易頻率只有幾毫秒的高頻交易操作員。高頻交易穩穩的把價差賺到了手，而且整過過程可能只有幾毫秒的時間。
個人投資者要買某一隻股票的時候輸入了一個買入指令，這個指令傳達到美國第三大股票交易所BATS。幾乎同一時間，高頻交易員就能獲取這一指令（這就相當於交易員已經確切地知道了你的交易計劃），並搶在個人投資者之前買入這只股票。幾毫秒之後，高頻交易員再將這一股票加價賣給個人投資者。
任何擁有股票的人都是高頻交易者這種手段的受害者，交易員們能夠得知投資者將要買入那隻股票，並利用先進的技術先於投資者買入這些股票，然後緊接著把這些股票以更高的價格賣給投資者。

㈤ 到底是高頻交易更需要數學能力還是中低頻交易更需要

中低頻交易更需要數學能力，高頻交易更需要代碼運行的效率。
我想大多數人對中低頻較熟悉，我就高頻交易說一說：高頻交易處理信息的時間極短（微妙或毫秒），不可能分析很多信息，因此模型也趨於簡單，競爭優勢更多依靠代碼運行的效率和個人交易經驗，很多人甚至直接在硬體上寫程序。高頻交易表現比中低頻交易更穩定，管理資金比中低頻少。

㈥ 高頻交易和量化交易有何不同

高頻交易和量化交易有3點不同：

一、兩者的概述不同：

1、高頻交易的概述：指從那些人們無法利用的極為短暫的市場變化中尋求獲利的計算機化交易。

2、量化交易的概述：指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略。

二、兩者的作用不同：

1、高頻交易的作用：這種交易的速度如此之快，以至於有些交易機構將自己的「伺服器群組」安置到了離交易所的計算機很近的地方，以縮短交易指令通過光纜以光速旅行的距離。

2、量化交易的作用：極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。

三、兩者的特點不同：

1、高頻交易的特點：

（1）高頻交易都是由計算機自動完成的程序化交易；

（2）高頻交易的交易量巨大；

（3）高頻交易的持倉時間很短，日內交易次數很多；

（4）高頻交易每筆收益率很低，但是總體收益穩定。

2、量化交易的特點：

（1）紀律性。根據模型的運行結果進行決策，而不是憑感覺。紀律性既可以剋制人性中貪婪、恐懼和僥幸心理等弱點，也可以克服認知偏差，且可跟蹤。

（2）系統性。具體表現為「三多」。一是多層次，包括在大類資產配置、行業選擇、精選具體資產三個層次上都有模型；二是多角度，定量投資的核心思想包括宏觀周期、市場結構、估值、成長、盈利質量、分析師盈利預測、市場情緒等多個角度；三是多數據，即對海量數據的處理。

（3）套利思想。定量投資通過全面、系統性的掃描捕捉錯誤定價、錯誤估值帶來的機會，從而發現估值窪地，並通過買入低估資產、賣出高估資產而獲利。

（4）概率取勝。一是定量投資不斷從歷史數據中挖掘有望重復的規律並加以利用；二是依靠組合資產取勝，而不是單個資產取勝。

㈦ 高頻交易和量化交易相比，有什麼區別

字面意思很簡單，就是對應人工交易，用計算機程序輔助、決策、執行交易。《證券期貨市場程序化交易管理辦法》定義的程序化交易，是指通過既定程序或特定軟體自動生成或執行交易指令的交易行為。

當通過人工智慧的方法和手段可以更准確地做出交易判斷時，現在有些交易系統已經提前48小時達到預測股市漲跌的方向，准確率高達75%。只是對一些「假突破」臨界點的判斷有待進一步提高，而當其對交易結果產生積極影響時，更多的人會選擇使用人工智慧進行交易。未來人工智慧交易系統的策略可能會根據高頻、中頻、低頻、短線、中線、長線、市場情緒分析和大勢變化進行分類組合。人工智慧與量化策略的融合，最終成為一個巨大的、深度細分的領域。

㈧ 高頻交易和統計/機器學習套利模型，哪個技術含量高

中低頻統計套利屬於盈利高、風險大、容量大的策略類型，與高頻套利不在同一個次元。假設單筆勝率同為70%，高頻每天交易上千筆，根據大數定律，單日勝率幾乎收斂到1；而中低頻幾天做一筆，遇到價差的結構性變化時難免資金回撤，但賺到一筆的利潤勝過高頻千筆。正是對這些利潤的追求，保證了股指期貨各合約之間的價差不會出現大幅的非理性偏離：高頻消滅微觀上的偏離，而中低頻消滅宏觀上的偏離。他們各司其職，互相尊重，互不幹涉內政。

㈨ 股票高頻交易演算法，懂的進

高頻交易，就是短暫的市場變化中尋求獲利，不理會大趨勢，（平衡市裡比較適合）定好止損止盈位，得要有精確的計算能力，制定自己的一套理念，不理會別人會影響自己的任何觀點。你認為可以進就進，想出就出。10次交易6次獲利，你就是贏家。沒有固定的演算法，只有單間的加減乘除。

㈩ AI都能炒股了，以後就要拼誰的演算法牛了

人工智慧量化交易平台宣布獲得數百萬人民幣融資。據悉，本輪融資將主要用於團隊建設、產品開發和硬體設備投入。

是一家基於人工智慧的量化投資公司，成立於2017年10月，主要將技術應用於量化投資領域，實現低風險高收益的投資回報。

中國私、公募基金規模呈大跨步發展，截止2018年2月底，中國私募基金規模已達12.01萬億元，公募資金規模已達12.64萬億，在控制風險的前提下，提高獲得投資收益的效率，是公、私募投資最大需求，國外盛行的量化交易越來越被國內機構所接受。

在量化交易這個領域，目前已有不少項目：私人量化交易平台JoinQuant、RiceQuant以及優礦，為量化交易領域提供核心演算法支持的眾加，量化策略商城微量網、以量財富為代表的量化理財平台，以及為量化投資者提供智能交易和分析工具的名策數據。

量化交易策略的建立是量化交易的重要環節。目前主要方式有兩種，一種是輸入與這套邏輯相關聯的因子，比如歷史表現、公司財務數據、宏觀經濟數據、上下游供應商數據等眾多參數，建立一套模型，以算出標的上漲或下跌的概率，並生成投資組合和調倉策略。隨著近幾年人工智慧興起，不少人開始選用機器學習等方式，輸入眾多因子，讓AI自己生成策略。

創始人兼CEO龐表示，的做法則不同，是用神經管網路替代原來用邏輯和策略構建的數學模型，通過輸入股票相關數據，利用訓練不同結構的神經網路來實現機器自主的量化交易。想做量化交易界的Deepmind（研發阿爾法狗的團隊），成為中國的基金。

目前，的首個產品A股機器人「狗」已上線，應用於國內二級市場的投資，產品已實盤測試8個月。數據顯示，狗實盤業績顯著，在2017年11月A股普跌的情況下(中證1000跌幅超4%)，狗依然實現了5.23%的收益，最大回撤控制在2.7%，並在2018年1月底上證指數大跌12%的情況下，智富狗做到了提前清盤避險，業績明顯優於大盤。

投資人黃表示：「人工智慧是非常好的提高效率的方式，非常關注人工智慧在各個領域的應用，我們認為以為代表的、基於神經網路的人工智慧量化交易平台，能極大地提高大型的高頻交易的效率。人的精力有限，一個再好的操盤手也不可能同時看2000支股票，但機器能輕易辦到。」