策略和技术

国内量化交易平台

国内量化交易平台简介中低端平台适合投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略,高端交易平台适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、逻辑复杂度高的策略。从广义上讲,量化交易是指投资者利用计算机技术、金融工程建模等手段将自己的金融操作用很明确的方式去定义和描述,用以协助投资者进行投资决策,并且严格按照所设定的规则去执行交易策略(买卖、价格、数

高频开发的实施阶段

高频交易系统的开发大致可以分为三个阶段:研究阶段,模型阶段和实施阶段。每一个阶段都有自己的内部过程和子系统。一旦建立的交易策略和风险模型进入实施阶段,之前的设计文档细节就是这一阶段的基础。实施编程实施系统的编程应该遵循软件工程的标准。一些公司可能会依赖软件工程师的个人能力而不采用系统设计的方法进行系统编程,虽然出类拔萃的程序员确实可以胜任,但软件开发领域里的个人英雄主义往往

高频交易系统的网络技术

在高频交易中,你永远希望比你的竞争对手快。如果你能比你的竞争对手更快对市场行情做出响应,更早地得到成交,你就能比你的竞争对手获得更多的利润。在之前的“高频交易的技术与设备”中,我们把加速分为电脑内和电脑外的加速,并且主要介绍了电脑内的加速,这期主要谈谈电脑外的加速。正如前面所讲到的,做高频交易的公司把服务器放到交易所撮合引擎服务器所在的数据中心里(co-location),

高频交易开发的模型阶段

高频交易系统的开发大致可以分为三个阶段:研究阶段、模型阶段和实现阶段。每一个阶段都有自己的内部过程和子系统。在建立模型之前,抽象化的交易想法可能会在数学上存在些逻辑错误和缺陷。模型阶段就是要验证你的交易想法,找出逻辑错误,评估备选方案,帮助他人理解交易想法背后的数学机制。模型阶段解决开发过程前期的不确定性,考察数学模型的可行性以及在不同市场环境下盈利是否稳健。同样,你还可以

高频交易的历史意义

虽然高频交易听起来是最近几年才出来的新鲜事,但从技术的角度追本溯源,高频交易其实是这二十年来交易电子化发展的必然过程。美国的交易技术最近一次大变革始于1995年前后,主要是DMA (Direct Market Access,直接入市)技术的应用引起的。在没有采用DMA技术之前,当时美国证券市场的订单大都是间接送到市场中进行撮合,NYSE股票还是以手工撮合成交为主,NASDA

高频交易的新思想

高频数据规模巨大,一些低频数据所不适用的统计方法在高频数据分析中也能得到很好的发挥,如分析尾部数据。在高频数据分析中,分析师可以轻易地从海量的高频数据中分析出低频小概率事件。相对于基于基本面投资研究方法,高频投资分析更偏重对市场数据信息本体的分析,以数量模型为基础,将客观的模型信号作为投资分析对象。基于高频数据的模型能充分利用市场发布的信息,为投资者描述出全息的市场状况。

高频交易的核心

高频交易的核心有两个方面:一方面是速度,这取决于计算机的运行速度和交易网络的传输速度;另一方面是交易策略,这种策略有各式各样,但基本基于“动态数学公式+先验概率判决+统计推理”组成的量化数理模式进行,而且可以通过软件自动优化算法。高频交易有若干不同的类型,包括流动性回扣交易、掠夺性的算法交易、自动交易做市商、程序化交易、“闪(flash)”式交易等等。高频交易种类虽然很多,

主宰这个世界的10种算法

Reddit有篇帖子介绍了算法对我们现在生活的重要性,以及哪些算法对现代文明所做贡献最大。如果对算法有所了解,读这篇文章时你可能会问“作者知道算法为何物吗?”,或是“Facebook的‘信息流’(News Feed)算是一种算法吗?”,如果“信息流”是算法,那就可以把所有事物都归结为一种算法。才疏学浅,结合那篇帖子,接下来我试着解释一下算法是什么,又是哪10个算法正在主导我

机器学习具体算法系列之聚类分析

聚类分析(Cluster analysis)是对于静态数据分析的一门技术,在包括机器学习的许多领域受到广泛应用,如数据挖掘,模式识别,图像分析以及生物信息。聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集(subset),这样让在同一个子集中的成员对象都有相似的一些属性,常见的包括在坐标系中更加短的空间距离等。一般把数据聚类归纳为一种非监督式学习。数据聚类

计算机科学中最重要的32个算法

奥地利符号计算研究所(Research Institute for Symbolic Computation,简称RISC)的ChristophKoutschan博士在自己的页面上发布了一篇文章,提到他做了一个调查,参与者大多数是计算机科学家,他请这些科学家投票选出最重要的算法,以下是这次调查的结果,按照英文名称字母顺序排序。1、A*搜索算法——图形搜索算法,从给定起点