股票高频交易数学模型

㈠ 股票中的“高频交易”是怎么操作的

按照字面意思，任何能够以较高频率进行交易的系统都可以叫“高频交易系统”。比如说你用VBA写个小程序，连上券商给你的接口，也完全可以按毫秒级进行交易，你也可以说自己开发了一个“高频交易系统”。

1. 交易指令：交易指令完全由电脑发送，对市场数据的响应延时在微秒级（VBA退散）。

2. 系统：系统由专用的软硬件组成，研发时需要大量计算机专家级的工作（散户随便编个小程序退散）。

3. 位置：系统的硬件需要放在离交易所主机很近的位置上，所谓 co-location。并且得到门的准入许可证，交易指令直接发送至交易所（而不是通过券商中转）。

   符合这三点的，就可以叫做高频交易系统。有人说你这三条没有一条在说频率，只能叫低延迟系统不叫高频交易。的确，我再一次深切赞同“高频交易”是一个很差劲的名字。但现在市面上的主流媒体，包括大部分新闻和畅销书在谈到这个话题时，说的就是这种系统，所以我在这里就不纠结字面意思了。
   

㈡ 高频交易都有哪些著名的算法

统计套利
另一种策略设置高频交易是经典套利策略可能涉及的范围等几个证券利率平价在外汇市场的关系赋予外国货币之间的价格计价债券的国内债券，一，现货价格货币和价格的远期合约的货币。如果有足够的市场价格从模型中所隐含的不同，以支付交易成本，然后四个交易，可保证无风险的利润。高频类似套戥交易允许使用更复杂，涉及许多超过4证券模式。在塔布集团估计，每年的总延时套利策略目前的低利润超过210亿美元。
统计套利的战略已经制定了一系列决定，使交易的基础上作出的偏差从统计学的关系。像市场庄家策略，统计套利可以适用于所有资产类别。
低延时交易
高频交易是经常混淆低延时交易，使用计算机在几毫秒内执行，或“行业具有极低延迟”在该行业的行话。低延时交易是高度超低延迟网络的依赖性。他们的算法利润提供信息，如竞争性招标，并提供到他们比竞争对手更快微秒。
低延时交易的速度revolutionary in advance已导致need为公司具有即时时间，同位trading平台，以得益于高频率的战略实施。战略是不断改变，以反映市场的细微变化以及打击造成威胁的战略的逆向工程竞争者。
还有一个非常强大的压力不断增加新功能或改进某一特定算法，如client具体的修改和enhancing变化的各种性能（regarding基准交易表现，以及为贸易firm或许多其他的实现range cost减少）。这是由于算法交易策略的演变性质——它们必须能够适应和贸易智能，无论市场条件，这涉及足够的灵活性，能够承受巨大的市场情景阵列。因此，从企业的重大收入净额的比例是花费在研发系统D这些自主交易。
战略的实施
大部分的算法策略是使用现代编程语言，虽然仍有部分执行试算表的设计策略。基本模型可以依靠低至一元线性回归，而更复杂的游戏理论和模式识别或预测模型也可以用于启动交易。神经网络和遗传规划已被用来创建这些模型。

㈢ 什么是“量化高频交易”，相对其他交易有什么优点

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。

而看了数据的人会怎么样呢？他很可能会发现，对于冰山订单的处理，交易所的规则是非常值得寻味的。有的交易所是这样做的：一个冰山订单包含两个参数，V表示订单总量，p表示公开显示的量。比如V=100，p=10的冰山单，实际上隐藏的量是90。如果有针对这个订单的交易发生，比如交易量10，交易所会顺序发出三条信息：

成交10
Order Book的Top bid size -10
新Bid +10
这三条信息一定会连续出现，并且第三条和第一条的时差dt很小。这样做的原因是尽管冰山订单存在隐藏量，但是每次的交易只能对显示出的量（p）发生，p被消耗掉以后，才会从剩余的隐藏量中翻新出一分新的p量。这样，每个人从交易所收到的信息仍然可以在逻辑上正确的更新Order Book，就好像冰山订单并不存在一样。

㈣ 什么是股票高频交易高频交易好吗

即指交易频率只有几毫秒的高频交易操作员。高频交易稳稳的把价差赚到了手，而且整过过程可能只有几毫秒的时间。
个人投资者要买某一只股票的时候输入了一个买入指令，这个指令传达到美国第三大股票交易所BATS。几乎同一时间，高频交易员就能获取这一指令（这就相当于交易员已经确切地知道了你的交易计划），并抢在个人投资者之前买入这只股票。几毫秒之后，高频交易员再将这一股票加价卖给个人投资者。
任何拥有股票的人都是高频交易者这种手段的受害者，交易员们能够得知投资者将要买入那只股票，并利用先进的技术先于投资者买入这些股票，然后紧接着把这些股票以更高的价格卖给投资者。

㈤ 到底是高频交易更需要数学能力还是中低频交易更需要

中低频交易更需要数学能力，高频交易更需要代码运行的效率。
我想大多数人对中低频较熟悉，我就高频交易说一说：高频交易处理信息的时间极短（微妙或毫秒），不可能分析很多信息，因此模型也趋于简单，竞争优势更多依靠代码运行的效率和个人交易经验，很多人甚至直接在硬件上写程序。高频交易表现比中低频交易更稳定，管理资金比中低频少。

㈥ 高频交易和量化交易有何不同

高频交易和量化交易有3点不同：

一、两者的概述不同：

1、高频交易的概述：指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易。

2、量化交易的概述：指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略。

二、两者的作用不同：

1、高频交易的作用：这种交易的速度如此之快，以至于有些交易机构将自己的“服务器群组”安置到了离交易所的计算机很近的地方，以缩短交易指令通过光缆以光速旅行的距离。

2、量化交易的作用：极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

三、两者的特点不同：

1、高频交易的特点：

（1）高频交易都是由计算机自动完成的程序化交易；

（2）高频交易的交易量巨大；

（3）高频交易的持仓时间很短，日内交易次数很多；

（4）高频交易每笔收益率很低，但是总体收益稳定。

2、量化交易的特点：

（1）纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。

（2）系统性。具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；三是多数据，即对海量数据的处理。

（3）套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。

（4）概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。

㈦ 高频交易和量化交易相比，有什么区别

字面意思很简单，就是对应人工交易，用计算机程序辅助、决策、执行交易。《证券期货市场程序化交易管理办法》定义的程序化交易，是指通过既定程序或特定软件自动生成或执行交易指令的交易行为。

当通过人工智能的方法和手段可以更准确地做出交易判断时，现在有些交易系统已经提前48小时达到预测股市涨跌的方向，准确率高达75%。只是对一些“假突破”临界点的判断有待进一步提高，而当其对交易结果产生积极影响时，更多的人会选择使用人工智能进行交易。未来人工智能交易系统的策略可能会根据高频、中频、低频、短线、中线、长线、市场情绪分析和大势变化进行分类组合。人工智能与量化策略的融合，最终成为一个巨大的、深度细分的领域。

㈧ 高频交易和统计/机器学习套利模型，哪个技术含量高

中低频统计套利属于盈利高、风险大、容量大的策略类型，与高频套利不在同一个次元。假设单笔胜率同为70%，高频每天交易上千笔，根据大数定律，单日胜率几乎收敛到1；而中低频几天做一笔，遇到价差的结构性变化时难免资金回撤，但赚到一笔的利润胜过高频千笔。正是对这些利润的追求，保证了股指期货各合约之间的价差不会出现大幅的非理性偏离：高频消灭微观上的偏离，而中低频消灭宏观上的偏离。他们各司其职，互相尊重，互不干涉内政。

㈨ 股票高频交易算法，懂的进

高频交易，就是短暂的市场变化中寻求获利，不理会大趋势，（平衡市里比较适合）定好止损止盈位，得要有精确的计算能力，制定自己的一套理念，不理会别人会影响自己的任何观点。你认为可以进就进，想出就出。10次交易6次获利，你就是赢家。没有固定的算法，只有单间的加减乘除。

㈩ AI都能炒股了，以后就要拼谁的算法牛了

人工智能量化交易平台宣布获得数百万人民币融资。据悉，本轮融资将主要用于团队建设、产品开发和硬件设备投入。

是一家基于人工智能的量化投资公司，成立于2017年10月，主要将技术应用于量化投资领域，实现低风险高收益的投资回报。

中国私、公募基金规模呈大跨步发展，截止2018年2月底，中国私募基金规模已达12.01万亿元，公募资金规模已达12.64万亿，在控制风险的前提下，提高获得投资收益的效率，是公、私募投资最大需求，国外盛行的量化交易越来越被国内机构所接受。

在量化交易这个领域，目前已有不少项目：私人量化交易平台JoinQuant、RiceQuant以及优矿，为量化交易领域提供核心算法支持的众加，量化策略商城微量网、以量财富为代表的量化理财平台，以及为量化投资者提供智能交易和分析工具的名策数据。

量化交易策略的建立是量化交易的重要环节。目前主要方式有两种，一种是输入与这套逻辑相关联的因子，比如历史表现、公司财务数据、宏观经济数据、上下游供应商数据等众多参数，建立一套模型，以算出标的上涨或下跌的概率，并生成投资组合和调仓策略。随着近几年人工智能兴起，不少人开始选用机器学习等方式，输入众多因子，让AI自己生成策略。

创始人兼CEO庞表示，的做法则不同，是用神经管网络替代原来用逻辑和策略构建的数学模型，通过输入股票相关数据，利用训练不同结构的神经网络来实现机器自主的量化交易。想做量化交易界的Deepmind（研发阿尔法狗的团队），成为中国的基金。

目前，的首个产品A股机器人“狗”已上线，应用于国内二级市场的投资，产品已实盘测试8个月。数据显示，狗实盘业绩显著，在2017年11月A股普跌的情况下(中证1000跌幅超4%)，狗依然实现了5.23%的收益，最大回撤控制在2.7%，并在2018年1月底上证指数大跌12%的情况下，智富狗做到了提前清盘避险，业绩明显优于大盘。

投资人黄表示：“人工智能是非常好的提高效率的方式，非常关注人工智能在各个领域的应用，我们认为以为代表的、基于神经网络的人工智能量化交易平台，能极大地提高大型的高频交易的效率。人的精力有限，一个再好的操盘手也不可能同时看2000支股票，但机器能轻易办到。”