一文了解算法交易的秘密 預測風險和收益_SBF

近年來，算法交易越來越受歡迎。事實上，據統計，量化對沖基金行業在2018年管理的資產超過1萬億美元，幾乎是10年前的兩倍。

在數字化和機器學習的時代，投資界對量化投資過程的方法越來越感興趣。越來越多的傳統投資管理公司聘用數據科學家和機器學習專家，希望采用嚴格的科學方法投資，從而提高收益率。

在本系列的文章中，我將帶領你了解鮮為人知的算法交易行業內部的工作秘密。

起源

量化投資的理念絕不是最近才出現的，它們很可能源自哈里?馬科維茨（Harry Markowitz）的著作。在1952年發表于《金融雜志》（Journal of Finance）的開創性論文《投資組合選擇》（Portfolio Selection）中，馬科維茨介紹了應用數學模型解決最優投資組合配置的思想。

上海徐匯：加強對數字經濟、區塊鏈、網絡直播等新業態新領域的知識產權保護:金色財經報道，據上海市人民政府網站消息，上海市徐匯區人民政府今天發布《關于創建上海市知識產權保護示范區實施方案》，根據《實施方案》，上海市徐匯區將加強對數字經濟、區塊鏈、網絡直播等新業態新領域的知識產權保護。完善兩個版權保護協作機制，構建富有徐匯特色和亮點的版權多方保護共治格局。加強計算機軟件、互聯網等領域著作權行政執法工作，強化老字號、非物質文化遺產和中醫藥等傳統領域的知識產權保護。[2023/7/18 11:01:10]

自那以后，由于過去二十年技術爆炸性增長，出現了許多先進的算法。隨著計算能力的提高，越來越多的數學家和計算機科學家開始從事科學投資，每天都在開發更復雜的模型。

要理解算法交易，或許最好的起點是它要解決的問題本質：增加收益，降低風險。

報告：銀行業監管機構將數字資產視為對銀行業和傳統金融業安全構成威脅:金色財經報道，根據標準普爾市場情報公司 2 月 14 日的一份報告，銀行業監管機構將數字資產視為對銀行業和更廣泛的傳統金融業安全構成威脅。雖然美國機構尚未發布正式規則，但行業專家告知標準普爾全球市場情報，監管機構已明確表態。?

該報告提供了監管機構為處理加密資產的銀行發布的指南的時間表。時間表始于貨幣監理署 2021 年發布的信函，該信函要求國家銀行和儲蓄機構披露其從事某些加密貨幣活動的意圖，并為此獲得 NOC。[2023/2/15 12:08:54]

雖然在隨后的文章中我們會詳細地討論這兩個概念，但有一點，問題的核心一直是優化，從數學的角度來看，算法交易必須依賴于科學！

整個量化投資流程都服從于優化原則，仔細想想，是不是任何一家企業都是如此？

微軟首席戰略官：隨著世界走向更加數字化的格局，元宇宙是必備的:金色財經報道，在內華達州拉斯維加斯舉行的 CES 2023 現場直播中，微軟首席戰略官 Henry Bzeih表示，隨著世界走向更加數字化的格局，混合模式很可能成為消費者和公司關系的未來。當我們談論整個客戶體驗時，你必須考慮到元宇宙。

Bzeih表示，消費者在購買汽車時，無需長途跋涉前往當地經銷商處，而是通過元宇宙，能夠將汽車的顏色、特征和功能。微軟與元宇宙公司Touchcast合作領導Fiat模型的數據開發是自然的過程。[2023/1/6 10:24:33]

問題的關鍵是如何預測收益和風險？

這就是量化交易員和研究人員要做的：預測收益和風險。量化的方式因地制宜，但目的一致。

預測風險和收益

SBF支持對廣泛的衍生品交易進行披露和知識測試:金色財經報道，FTX CEO Sam Bankman-Fried（SBF）同意美國商品期貨交易委員會（CFTC）專員Christy Goldsmith Romero對交易信息披露和知識測試的看法，但他補充說，它們不需要特定于加密貨幣。Romero在Twitter上說：“建立一個家庭散戶投資者類別可以為他們提供更多的消費者保護。例如，以普通人理解的方式編寫的披露信息，或者在權衡杠桿使用規則時可以被使用的披露。”

SBF表示，100%同意披露、知識測試等。對期貨傭金商等廣泛的中介機構進行披露和基于知識的測試的規定可能是有意義的。（The Block）[2022/10/16 14:29:25]

交易員和研究人員如何做出他們的預測？有很多方法，一種是統計分析金融資產的價格，一種是分析替代數據集。

今日恐慌與貪婪指數為26，等級由極度恐慌轉為恐慌:金色財經報道，今日恐慌與貪婪指數為26（昨日為25），恐慌程度較昨日下降，等級由極度恐慌轉為恐慌。

注：恐慌指數閾值為0-100，包含指標：波動性（25%）＋市場交易量（25%）＋社交媒體熱度（15%）＋市場調查（15%）＋比特幣在整個市場中的比例（10%）＋谷歌熱詞分析（10%）。[2022/10/6 18:41:01]

替代數據集的一個著名例子是大型零售商停車場的衛星圖像。如果停車場停放很多車，大量人群購物，公司的利潤將會更大！

上例屬于消費者行為類別，還有許多其他類別。替代數據行業在過去十年蓬勃發展，截至本文撰寫之時，已有近一半的對沖基金公司依靠此類數據進行投資。

替代數據行業增長的主要動力在于，它使基金經理對未來收益的預測優于市場共識。

基金經理還依賴其他一些優勢來提高利潤，優質數據只是其一。

面臨的挑戰

在實踐中，預測風險和收益是一項頗具挑戰的任務，因為獲取的數據量非常大，而且數據非常繁雜。

而且，如果一個人能夠以一定的準確性預測收益，根據自己的預測進行交易，但隨著時間的推移，他預測的準確性會降低。

的確，假設有人預測某只股票會在某一事件發生時增值，那么交易策略就是每次發生這種事件時買進這只股票，等賺到錢后再把它賣回市場。

這種策略的后果之一是，通過購買股票，他會推高股票價格，從而要支付花費更多的資金回購股票——因此獲得的利潤比他理論上應得的要少。

如果這個人只買了小部分股票，那么就不會推高股票的價格。用金融行話來說，他對市場沒有影響。因此，如果他要按照自己的預測進行交易，那么他必須在低影響和盡可能多地買入股票獲利之間取得平衡。

讓我們繼續這個例子，并假設其他市場參與者也對該股票有良好的預測。這些其他的市場參與者最終也會購買股票，他們累積的市場影響最終會推高股票，從而減少交易者本能獲得的更高利潤。

這是量化交易的一個關鍵因素，策略在長時間內的收益往往是遞減的，因此交易者必須重新校準他們的策略，并應用新的策略。

向零賽跑

另一種優勢是更好的技術基礎設施。如果一家公司能夠比市場上的其他公司更快交易，那么他們將比基于相同信息進行交易的競爭對手獲得更好的收益。

這導致了高頻交易的發展，其特點是高處理和高執行速度、高周轉率（某項資產的頭寸變化快）和高訂單交易率（發送到市場的訂單很少找到交易對手）。這種特殊類型的交易嚴重依賴高頻金融數據和電子交易工具。

隨著高頻交易的出現，意味永遠會出現更快的交易機器，首先通過代碼優化，然后通過其他方法，從在GPU（圖形卡）而不是CPU上運行模型到可編程門陣列（FPGA，一種集成電路，可以由程序員配置）上運行。

金融機構（主要是量化對沖基金）尋求獲得速度優勢的另一種方法是，通過提高服務器與不同交易場所之間的通信速度。

一個著名的例子是連接芝加哥商品交易所和新澤西納斯達克的光纜，它于2010年落成，總成本為3億美元。這條電纜允許信息在6.5毫秒內穿越800英里，相當于每秒12.5萬英里的速度。

為了適應那些希望更快交易的交易者，不同的交易場所創建了共同位置空間，不同的市場參與者可以將他們的交易服務器放置在匹配引擎附近。

其他類型的算法交易

還有許多其他類型的算法交易策略，我們將在后續的文章中介紹。舉幾個例子：

· 造市：連續地令限價買單的價格低于現在最高的限價買單（最低出價），令限價賣單高于當前的最高限價賣單（最高問價），從出價與問價的差價中獲利（最高問價與最低出價之間的差價）。

· 統計套利：利用偏離正常的統計關系的價格套利。

· 事件套利：利用諸如并購、注冊審批和法院裁決等影響公司股價的事件套利。

· 套利：利用多個市場一些證券的價格差異套利。例如，如果一只股票在某一交易所的價格是100美元，在另一交易所的價格是101美元。在第一個交易所買入股票，在第二個交易所賣出，在不承擔任何風險的情況下獲得1美元的利潤。

· 對價交易：指建立一個由兩種證券（買進一種證券，賣空另一種證券）組成的多空投資組合，這兩種證券是相似的替代品（例如同一行業的股票），投資者從它們相對價值的價格差異中獲利。

· 執行：在一定的價格上買入或賣出大量的某種證券。它的策略有將一個大訂單拆分成小訂單發到市場。比如VWAP（成交量加權平均價），VWAP算法尋求一個執行價格等于某段時間內的量加權平均價格，TWAP代表時間加權平均價格。

結論

本篇文章介紹了算法交易背后的主要思想，探討了其發展背后的主要動因、目標、挑戰，并簡要介紹了最受歡迎的交易形式。

原文鏈接：

https://medium.com/the-capital/a-brief-introduction-to-algorithmic-trading-3b35ff012d72

譯者：Aslan

Tags：元宇宙SBF數字資產ION數字孿生和元宇宙的區別SBF幣數字資產和數字貨幣的區別Fusion Heroes

BNB