高频交易都有哪些著名的算法？
作为一个计算机系的金融研究者，这里发几篇读过的高频交易相关论文，大家可以参详一下其中的算法。首先我必须说，前面有一个回答者说关键是模型，得到了0赞同，对这个现象我表示非常欣慰，哈哈。 reinforcement learning for optimizied trade execution试图解决在一个给定的时间间隔内以较小的花费买入给定量的某股票的问题。用的是经典的reinforcement learning的方法。这篇文章最大的贡献是如何将交易的问题转化成一个reinforcement learning可以解决的形式，以及如何构建特征。2. censored exploration and the dark pool problem我觉得这篇文章非常好。现在有很多交易都是在暗池（dark pool）中进行的。向某个暗池提交v股的交易量，如果实际成交量小于v，我们知道其容量；而如果实际交易量就是v，则只能知道其实际容量是大于v的。假使在某时刻，我们需要在K个暗池中交易V手股票，我们就需要根据历史数据推断哪些暗池的容量大，在这些暗池里我们就多投入。第二篇文章尤其值得注意，因为它所涉及的问题，其实跟赞同数最多的回答中提到的冰山算法的问题形式几乎相同，也就是说这个两个问题是共通的。坦率地说，这是一个水论文的好机会。哈哈。
来源：知乎
【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
此问题还有
延伸阅读：
您将要订阅:
知乎每日精选
一个人大脑中从未分享过的知识、经验、见解和判断力，总是另一群人非常想知道的东西。知乎的使命是把人们大脑里的知识、经验、见解搬上互联网，让彼此更好的连接。
【上一篇】：
【下一篇】：
相关文章：
猜你喜欢：
用微信扫描二维码分享至好友/朋友圈高频交易都有哪些著名的算法？
【JiangXF的回答(71票)】:
貌似大家都有所保留，也可以理解，交易算法和策略是赚钱的独门秘器。我也来补充一点吧，但不知道是否能回答到点子上。我愿意尽量来回答很大原因是我不是从事这一行的，也不指望从中交易，而是从academic角度来讨论。但缺点是门外汉，没有实践经验，只能是自己一厢情愿的想想而已。不见的契合这个问题，大家就随便看看把
鄙人最近恰好写了一篇论文，当然论文并不是探讨交易算法和赚钱，只是一篇典型的学术论文。但借助这个问题想探讨一些能将学术研究恰当应用化的可能性。该论文是 如果您没有下载SD论文权限的话，可以从预印本文库arxiv上下载，该版本与最终的发表版本完全一致，只是排版不一样。
由于精力有限，我不准备在这里详细介绍我的数学模型和详细，我假设读者先自己粗略读了论文后再来讨论。简言之，在我们论文中，通过引入残余波动率，刻画了金融市场在经历大波动事件前后的动力学弛豫行为，并计算其动力学指数，利用非平衡态统计物理的理论来分析这些指数间的关系。以往的理论认为金融市场在金融危机时便进入非稳态，但我们的研究表明只有是外部事件驱动的大波动才驱使系统进入非稳态，而内生型的大波动并不必然导致非稳态。
更重要的是，我们发现内生型和外部事件驱动的大波动在弛豫行为上存在显著不同，可见论文中的图。由于是学术论文，我们并未在论文中提及其可能的应用。但是我个人认为这些结果可能有助于我们建立一些基于events driven的交易策略和量化交易模型。譬如，利用不同事件驱动的波动率行为，我们可以预测接下来的波动率行为，并估测其风险水平，这对于我们的风险管理也是具有重要参考价值的。比如，我们明确提出大波动之后，市场的风险水平呈幂律下降。
----------------------------------------------------------------
实际上，证券市场大波动的动力学行为和地震有很大的相似之处，称之为Omori Law。在发生一次巨大地震后，往往会跟随大量的余震，震幅逐渐降低。证券市场发生一个大波动后，接下来波动率呈幂率下降，即具有长程关联，也就是有记忆性。大地震之后的余震我们可以部分地预测，因此，我们有理由相信证券市场也是如此，在经历一次巨幅波动后，我们可以预测接下来的小波动。当然更重要的问题是，能否预测大波动的发生，目前也有关于此的研究，下次再来介绍。
-----------------------------------------------------------------
这两天比较忙，先简单写到这里，如果大家都兴趣的话，等忙过这几天再来补充更详细的内容
【宋思源的回答(13票)】:
这个问题是好问题，但是我估计绝对不会有特别详细的答案
答多了涉及核心的东西就是泄密了
我给几个关键词吧 都是可以做高频交易的“理念”
conversion arbitrage
market maker
event driven
可惜 Virtu Financial的IPO推迟了 要不它上市了以后可以看看它怎么做的
【杨影枫的回答(3票)】:
不过考虑几天决定放弃作答这个问题，泛泛而谈的东西大家都可以从百度、google、wiki上搜到，但答的太深入是在砸自己饭碗。
如果有兴趣可以看一些关于市场微观结构的论文，里面会对高频的一些算法有所涉及。
【孙文铜的回答(0票)】:
高频交易的实现必须具备四个条件:
1.充分的市场流动性
2.强大的计算设备
3.急速的网络
4.低廉的手续费
没有这4点的支持，任何算法都无法实现很好的实现高频交易。一个交易算法往往是针对某个市场特点和历史高频数据设定的。未必国外很好的算法就能很好的适应国内市场。国内最具备高频交易条件的当属股指期货了。能力有限，目前还未掌握有效的高频交易模型，也没有实施的条件。
如果你是数学统计和计算模型方面的大牛，去找找国内屈指可数的量化投资的团队吧，也许你能发现真谛。
楼上的，发表意见还是低调点额。你说的国内庄家玩的那点套路，在国际市场完全就是小儿科的，你让他们去外汇、黄金和其他流动性大的国际市场试试，有多少死多少。国外从事量化投资的基金动不动就是几百亿美元，再加上杠杆效应，你能设想他们怎么在运作么。
【SeanGo的回答(2票)】:
我理解HFT是一种交易类型的统称，并且对于什么是高频也有不同的见解，总之要很高就是了．而算法是一个交易策略的局部，一个策略可能有一个或者多个算法．这样看来，更恰当的是给交易策略起一个响亮的名字。
你说的那个冰山算法我没有找到，只在google中查到了数据挖掘中的冰山检索算法，可能相差比较大．总之，并没有听说过专门的HFT算法。
谢邀！我才疏学浅，回答不正确就折叠我吧。
【知乎用户的回答(1票)】:
谢邀，一直只听说过高频交易，从没研究过，因此只能给出一些“自以为然”的胡言乱语。这与我本科尚未毕业，更没见过什么世面，尤其是喜欢道听途说有关。
别人的回答中提到了市场微观结构，我倒蹭过一点该课。其主要内容首先是市场价格机制：连续竞价机制、集合竞价机制、做市商制度、拍卖机制等。然后是参与者：知情交易者、非知情的策略交易者、噪声者。最后是一些理论模型：存货模型、信息模型等。还有一些细节：最小报价单位、熔断机制、订单流到达过程等……
高频交易的主要目的？我只知道抢帽子和降低冲击成本，而这两个玩意儿就是矛和盾，自相矛盾。冰山算法就属于抢帽子吧，涨停板敢死队大抵是这种套路，至少在中国市场有限，而且已经没从前那么吃香了。同理大资金希望降低冲击成本，甚至想不被发现，基本不可能，只是早晚与其他资金屑不屑的问题。
其实不少人怀疑高频交易的价值，感觉处于不尴不尬的低位，属于锦上添花的技术。小资金无力支付相应的技术成本，而对大资金而言又没有足够的效果（属于打牙祭）。当然，也是有不少人靠这个赚钱的，只是市场有限。
听老师说过一位超级散户的故事，那人雇了几个人天天盯着股票图形，专做打板营生。很多人都希望将钱给他运营，但他说自己钱已经够了，随便一打就涨停板，钱多了没用。
还听老师说过一位庄家的故事，那人先把图形做的很有欺骗性，然后涨停盘出尾货，吸引敢死队。第二天跌停价出最后的余筹，直接把几只敢死队坑死了，还有人打电话给他哭着求饶。
听说大资金是不会以期货交易为主业的，那是一个钱杀钱的市场，而且经过327这种事件后，中国期货市场基本成为了狩猎场，大一点的资金很少选择生死大战，而是专吃新人。
听说对大资金而言，市场短时间内所提供流动性根本不够看，不会过于注重高频交易，而是重视长期的运营，尤其是资金管理。
听说过涨停板吸货、跌停板吸货、诈杀老鼠仓么？这些霸气侧漏之举能甩高频交易几条街？
【知乎用户的回答(1票)】:
flash boys
&&&&&本文固定链接:
【上一篇】
【下一篇】
您可能还会对这些文章感兴趣！
最新日志热评日志随机日志研究高频交易有哪些好的参考书目？【期货吧】_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：272,309贴子：
研究高频交易有哪些好的参考书目？收藏
支持高频交易Inside the Black Box: A Simple Guide to Quantitative and High Frequency Trading: Rishi K. Narang这是我看过的关于高频交易业务和策略讲的最清楚的一本书。作者本人就是资深业内从业者(Tradeworx co-founder）。关于高频交易的几种不同策略都有非常清晰的解释，前半部关于Quant Trading的讲解也非常精彩。如果想要对高频交易业务有一个全面，正确的理解，这本是必读的。必须强调的是，这本书是这张书单里唯一正确给出Top of Order Book（ToB）示例的一本。Order book是高频交易策略最核心的概念，不管你是想介绍交易策略，还是想说明高频交易的弊端，如果没有正确的ToB分析，一定是耍流氓。那么ToB长什么样呢？书里说的很清楚，感兴趣的朋友可以自己去看。我想说的重点是，记得这张表的样子。如果一篇关于高频交易策略的文章没有给出类似的东西，那么它的论点一定是非常值得怀疑的，意味着：它不知道策略具体是怎么执行的，即是说在纸上谈兵，或它的逻辑经不起推敲。事实上通过分析ToB，很可能会得出完全相反的结论。ToB变化是交易世界中的原子事件。而正因为HFT可以看到所有的ToB事件，用这个原子级的数据说话就必须是一条铁律。这一条也是任何人都要遵守的，和立场无关。The Science of Algorithmic Trading and Portfolio Management: Robert Kissell这一本主要是讲量化交易，教你如何系统化，科学化的研究交易策略，这部分是本书精髓。最后一章介绍了一些高频交易算法，但主要是关于套利方面，相比上面一本显得不够全面，或者说，不够“高频”（参见我在什么是高频交易系统？中的回答）。但整本书来看仍然十分优秀，对于量化交易技术的阐述非常全面。Algorithmic Trading and DMA: An introduction to direct access trading strategies: Barry Johnson这本书我没有读过，但是从目录上来看是值得推荐的，主要是因为它介绍了不同的订单类型（Order Type）和下单策略，这个是HFT的重点研究对象，是必须要了解的。反对高频交易：Flash Boys: Michael Lewis关于HFT最热门的畅销书，作者是记者。本书是目前最著名的反HFT著作。但除去立场以外，这本书以记者的视角，从多个角度挖掘了很多关于HFT行业的信息，这些是很值得读的，可以建立一个感性认识（你至少会了解为了比拼交易速度，有人会开山凿洞，架天线搞微波，这都是真实的产业），但是技术上错误比较多。Broken Markets: How High Frequency Trading and Predatory Practices on Wall Street Are Destroying Investor Confidence and Your Portfolio主编也是交易行业资深从业者（Themis Trading co-founder）。本书也提供了非常全面的审视HFT的视角，技术水平上比Michael Lewis高很多，给你提供了更多的技术细节。但是我个人认为本书主编的立场值得怀疑，我猜HFT对Themis Trading的业务冲击比较大，所以他们急于出来打压，这从他们主页上力推Flash Boys可见一斑。非常需要强调的是这本书里对技术细节的展示非常有迷惑性，有很多危言耸听的言论是经不起推敲的。比如说其中（第七章 It's the Data, Stupid）提到交易所给HFT提供的数据中包含了Order ID，以此来说明HFT可以根据ID来判断机构用户的大单。这里的问题在于同一个ID只能对应一个Order，如果你把一个大单拆成若干小Order，每个都会有不同的ID，不可能有人能看到一个就推出整体的大单，而这是目前主流算法交易引擎都会做的事情，单凭这一点我不认为可以构成攻击HFT的理由，最多说明机构用户需要升级他们的引擎。因为这本书里到处有这种迷惑性言论包装在不详细的技术细节展示里，所以建议大家小心阅读。非常耐人寻味的是，作为一本专业人士编写的书，竟然没有一处使用ToB分析来说明问题。就冲这一点，要是我有钱的话，绝对投给Tradeworx，不给Themis Trading。顺便一提，市场中的隐藏与反隐藏是一场永恒的博弈，而且是一个严肃的学术问题。用这个问题做幌子来做道德攻击是很流氓的。对此有兴趣的同学可以参考我在 高频交易都有哪些著名的算法？ 这个问题中的回答。The Problem of HFT: Collected Writings on High Frequency Trading & Stock Market Structure一些反对，质疑HFT的言论集。这个相对比较轻松，适合作为马桶读物。
金牛趋势期货智能语音提示买卖信号;独创经典分时线;全国咨询热线:400-699-8586期货免费下载试用.金牛趋势远程预警监控庄家多空资金流向.
支持高频交易Inside the Black Box: A Simple Guide to Quantitative and High Frequency Trading: Rishi K. Narang这是我看过的关于高频交易业务和策略讲的最清楚的一本书。作者本人就是资深业内从业者(Tradeworx co-founder）。关于高频交易的几种不同策略都有非常清晰的解释，前半部关于Quant Trading的讲解也非常精彩。如果想要对高频交易业务有一个全面，正确的理解，这本是必读的。必须强调的是，这本书是这张书单里唯一正确给出Top of Order Book（ToB）示例的一本。Order book是高频交易策略最核心的概念，不管你是想介绍交易策略，还是想说明高频交易的弊端，如果没有正确的ToB分析，一定是耍流氓。那么ToB长什么样呢？书里说的很清楚，感兴趣的朋友可以自己去看。我想说的重点是，记得这张表的样子。如果一篇关于高频交易策略的文章没有给出类似的东西，那么它的论点一定是非常值得怀疑的，意味着：它不知道策略具体是怎么执行的，即是说在纸上谈兵，或它的逻辑经不起推敲。事实上通过分析ToB，很可能会得出完全相反的结论。ToB变化是交易世界中的原子事件。而正因为HFT可以看到所有的ToB事件，用这个原子级的数据说话就必须是一条铁律。这一条也是任何人都要遵守的，和立场无关。The Science of Algorithmic Trading and Portfolio Management: Robert Kissell这一本主要是讲量化交易，教你如何系统化，科学化的研究交易策略，这部分是本书精髓。最后一章介绍了一些高频交易算法，但主要是关于套利方面，相比上面一本显得不够全面，或者说，不够“高频”（参见我在什么是高频交易系统？中的回答）。但整本书来看仍然十分优秀，对于量化交易技术的阐述非常全面。Algorithmic Trading and DMA: An introduction to direct access trading strategies: Barry Johnson这本书我没有读过，但是从目录上来看是值得推荐的，主要是因为它介绍了不同的订单类型（Order Type）和下单策略，这个是HFT的重点研究对象，是必须要了解的。反对高频
高频成功率级低的吧
看了基本没用，自己悟吧，悟出来才是自己的，就像黄药师亲自传授的几个徒弟也没几个厉害的，只有自己悟，悟出来，才是自己的
登录百度帐号推荐应用
为兴趣而生，贴吧更懂你。或苹果/安卓/wp
积分 21648, 距离下一级还需 9952 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限, 设置回复可见, 签名中使用代码
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶, 变色卡, 置顶卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
TA的文库&&
开心签到天数: 881 天连续签到: 131 天[LV.10]以坛为家III
& && &&&近年来，国内外学术界对金融高频交易数据、超高频交易数据展开了广泛的研究，为此类研究提出了新的思考。
一、澄清金融高频交易数据认识上的误区
& && &&&在明晰金融高频数据概念的同时，我们发现很多文献对高频与超高频这两个概念混同使用，高频、超高频与低频之间的界限也较为随意。事实上，根据数字信号处理的相关理论，设若频率小于某个临界值，会出现混叠现象，进而无法真实还原序列所要传达的信息。为此，需要从更严格的意义上对低频数据、高频数据与超高频数据做出界定和辨析，进而从统计学理论和方法的角度来审视金融高频数据挖掘的内容和方法，这一方面有利于明确统计方法的应用现状和所面临的困难；另一方面可以引起统计学界对金融高频数据挖掘的广泛关注，也有利于统计学方法研究的进一步拓展和深入。
& && &&&此外，不少文献认为金融高频数据仅仅是加细了取样间隔，增加了样本容量，因而包含了比以往更多的信息。然而事实上并非取样频率越高就越精确，因为取样频率越高也越容易受到微结构噪声（microstructure noise）的影响。需要注意，对金融高频数据的建模方法不同于低频，比如ARCH模型族在金融高频数据中基本无法使用；超高频数据与高频数据的研究方法也有质的区别，比如超高频数据取样间隔不等距且随机，而多数统计计量方法都是针对固定等距情形而设计的。但是目前国内对金融（超）高频数据的研究多集中在引入国外模型做应用实证分析，对研究方法的探讨并不多。
二、探索金融高频数据挖掘的统计方法
& && &&&单从数据处理的角度来看，低频数据似乎可以看作是对高频数据的抽样。在抽样理论中，用一个点代表它所属的“层”是可以接受的，而事实上日内高频数据似乎更应该理解为“群”，因为群间有相似的统计特征（如“U”型分布），群内异质性较大（如开盘和收盘交易量较大，而中间时段交易量小）。所以需要对高频数据的日内效应进行更为细致的统计观察和分析，进而探索其中的微结构。
& && &&&以波动率的研究为例，金融研究领域的很多模型都是为刻画波动的时变性、聚集性、非对称性和长记忆性等特征提出的，然而这些模型大都无法直接应用于高频数据，与低频数据采用ARCH模型族讨论波动不同的是，高频数据主要采用已实现波动率（realizedvolatility）来对波动率进行测量，通过波动率来深入分析和研究交易的内在机制。这方面主要集中在对市场微观结构理论的探讨。与时间序列模型强调数据的统计性质所不同的是，微结构模型（market microstructure）更多地关注市场行为，着意于交易的细节，如交易价格的形成过程、代理人的行为、交易成本、交易机制等。狭义地来讲，微结构模型旨在考察市场参与者的潜在需求如何转化为交易价格和交易量的过程。尽管这部分内容与金融高频数据分析紧密相关，但从数据挖掘角度的深入研究并不多。这样就有必要从统计学理论和方法的角度来审视金融高频数据挖掘的内容和方法。
三、从观测尺度来理解高频与低频数据的差异
& && &&&金融工程理论通常采用几何布朗运动（the GeometricBrownian Motion）来刻画价格波动，但研究发现，金融高频交易数据不再像低频数据那样遵循布朗运动。那么二者仅仅是频率上的差别吗？研究表明，高频与低频的区别仅仅是噪声层面的：在低频数据里，噪声可以被忽略;然而在高频交易数据里，噪声是显著的。这就好像是在较小的尺度上（如短期）可能犯错，导致出现一个凸点，但是在较大的尺度上（如长期），这个凸点可能就被“磨圆”了。
& && &&&所以，不同尺度下，可以有截然不同的结论，“横看成岭侧成峰，远近高低各不同”，从系统论的角度看，我们必须承认，不同层次（类别）有不同层次（类别）的规律（除了无特征尺度的“自相似”，它在不同的尺度上表现出相似或统计相似的性质）。比如研究了微观个体的行为，并不可以简单加总去推断群体的行为;研究了短期的行为，也不可以妄断长期。应该注意，这里本身并不涉及推断问题，不能用这个层次的观察来推断另一个层次，推断应该是在同一个层面（尺度的，包括外推和横向比较。比如，由可获得的样本推断未知总体，它仅仅是数量上的策略。
四、抽样并不必然造成信息的损失
& && &&&大多研究金融高频数据的文献认为，金融市场上的信息对证券价格变化的影响具有连续性，而低频数据是离散的，这必然会造成信息的丢失。而且，数据频率越低，则信息丢失就越多。但是，根据数字信号处理的相关理论，模拟信号（连续信号）首先要经过离散化处理（抽样）变成数字信号，才可以进入下一步分析。
& && &&&退一步而言，根据统计抽样理论，如果采用合适的抽样方法，那么抽样的效果并不弱于全面调查。所以，问题并不在于是否采用抽样方法，而在于如何设计和实施抽样。由于很多金融时序数据在总量观察的尺度上多呈异方差（异质程度较高），所以通过提高抽样频率来挖掘其中所包含的丰富的波动信息是很自然的。另一方面，根据总体辅助信息设计合理的抽样方法也是值得努力的方向。
& && &&&事实上，从统计的视角来看，过于细致的数据并不利于展现数据的总体特征。因而才会引出分组的重要性，即分组对数据进行人为的、有目的的离散化梳理，这有助于问题的发现。模型也正是通过显现本质忽略枝蔓而简化了现实，使我们专注于要解决的问题。
五、金融高频交易数据的本质在于微结构发现
& && &&&相对于低频数据而言，高频交易数据不仅仅是加细了取样间隔，增加了样本容量，实现了大样本推断，更重要的是，金融高频数据挖掘的目标其实并不是为了改进抽样和样本代表性，而是为了发现日内的交易行为结构。比如，原先只是取日收盘价，以日作为分析单位；现在则加细日内的间隔，以发现日内的微结构。我们希望通过这种研究视角的变换——改变了分析的单位或尺度——来发现更多背后的信息，如宏观经济学转向微观经济基础构建、金融工程学转向行为金融的研究一样。
来源：程式化交易
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
本帖被以下文库推荐
& |主题: 4817, 订阅: 201
To hedge or to speculate，that ’s a problem.
中级学术勋章
中级学术勋章
中级热心勋章
中级热心勋章
中级信用勋章
中级信用勋章
高级学术勋章
高级学术勋章
高级热心勋章
高级热心勋章
高级信用勋章
高级信用勋章
初级学术勋章
初级学术勋章
初级热心勋章
初级热心勋章
初级信用勋章
初级信用勋章
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师