算法交易基础：概念和例子

龙听

算法交易（也称为自动交易、黑盒交易或算法交易）使用遵循一组定义的指令（算法）的计算机程序进行交易。理论上，这种交易可以以人类交易者无法企及的速度和频率产生利润。

定义的指令集基于时间、价格、数量或任何数学模型。除了交易者的获利机会外，算法交易通过排除人类情绪对交易活动的影响，使市场更具流动性，交易更加系统化。

实践中的算法交易

假设交易者遵循以下简单的交易标准：

当 50 天移动平均线高于 200天移动平均线时，买入 50 股股票。（移动平均线是过去数据点的平均值，可以消除日常价格波动，从而确定趋势。）
当股票的 50 天移动平均线低于 200 天移动平均线时卖出股票。

使用这两个简单的指令，计算机程序将自动监控股票价格（和移动平均线指标），并在满足定义的条件时下达买单和卖单。交易者不再需要监控实时价格和图表或手动下订单。算法交易系统通过正确识别交易机会来自动执行此操作。

2:01
算法交易基础

算法交易的好处

算法交易提供以下好处：

交易以尽可能最好的价格执行。

交易订单下达是即时且准确的（很有可能在所需的水平上执行）。

交易时间正确且即时，以避免重大的价格变化。

降低交易成本。

同时自动检查多个市场条件。

降低进行交易时出现手动错误的风险。

可以使用可用的历史和实时数据 对算法交易进行回测，以查看它是否是可行的交易策略。

减少了人类交易者基于情绪和心理因素出错的可能性。

当今大多数算法交易是高频交易(HFT)，它试图利用基于预编程指令在多个市场和多个决策参数中快速下大量订单。

算法交易用于多种形式的交易和投资活动，包括：

中期到长期投资者或买方公司，养老基金，共同基金，保险公司使用的算法中交易来购买股票数量大时，他们不希望影响股票价格离散，大容量的投资。
短期交易者和卖方参与者——做市商（如经纪公司）、 投机者和套利者——受益于自动交易执行；此外，算法交易有助于为市场上的卖家创造足够的流动性。
系统交易者——趋势追随者、对冲基金或 配对交易者 （一种市场中性交易策略，将多头头寸与一对高度相关的工具，如两只股票、交易所交易基金 (ETF) 或货币的空头头寸相匹配） — 发现对他们的交易规则进行编程并让程序自动进行交易会更有效率。
与基于交易者直觉或本能的方法相比，算法交易为主动交易提供了一种更系统的方法。

算法交易策略

任何算法交易策略都需要一个确定的机会，在提高收益或降低成本方面有利可图。以下是算法交易中常用的交易策略：

趋势跟踪策略

最常见的算法交易策略遵循移动平均线、通道突破、价格水平变动和相关技术指标的趋势。这些是通过算法交易实施的最简单和最简单的策略，因为这些策略不涉及进行任何预测或价格预测。交易是基于理想趋势的发生而启动的，通过算法可以轻松直接地实现，而无需涉及预测分析的复杂性。使用 50 天和 200 天移动平均线是一种流行的趋势跟踪策略。

套利机会

在一个市场以较低的价格购买双重上市的股票，同时在另一个市场以较高的价格出售它提供了作为无风险利润或套利的价格差异。由于价格差异不时存在，因此可以对股票与期货工具复制相同的操作。实施算法来识别这种价格差异并有效地下订单可以提供盈利机会。

指数基金再平衡

指数基金定义了重新平衡期，以使其持有量与各自的基准指数持平。这为算法交易者创造了盈利机会，他们利用预期交易提供 20 到 80 个基点的利润，具体取决于指数基金重新平衡之前指数基金中的股票数量。此类交易是通过算法交易系统启动的，以便及时执行并获得最佳价格。

基于数学模型的策略

经过验证的数学模型，如 delta 中性交易策略，允许对期权和基础证券的组合进行交易。（Delta中性是一种由多个头寸组成的投资组合策略，具有抵消的正和负deltas——一种资产价格变化的比率，通常是一种有价证券，与其衍生品价格的相应变化——这样整体相关资产的 delta 总计为零。）

交易范围（均值回归）

均值回归策略基于这样一种概念，即资产的高低价格是一种临时现象，会周期性地恢复到它们的均值（平均值）。识别和定义价格范围并实施基于它的算法允许在资产价格进入和超出其定义范围时自动进行交易。

成交量加权平均价格 (VWAP)

成交量加权平均价格策略分解大订单，并使用特定于股票的历史成交量概况动态确定的较小订单块发布到市场。目的是执行接近成交量加权平均价格(VWAP)的订单。

时间加权平均价格 (TWAP)

时间加权平均价格策略分解大订单，并使用开始时间和结束时间之间的均分时间段将动态确定的较小订单块发布到市场。目的是执行接近开始和结束时间之间平均价格的订单，从而最大限度地减少市场影响。

体积百分比 (POV)

在交易订单完全成交之前，该算法会根据定义的参与率和市场交易量继续发送部分订单。相关的“步骤策略”以用户定义的市场交易量百分比发送订单，并在股票价格达到用户定义的水平时增加或减少该参与率。

实施不足

该实施差额战略旨在通过减少交易订单的执行成本关闭实时市场，从而节省订单的成本和延迟执行的机会成本中获益。该策略将在股价有利时提高目标参与率，在股价不利时降低目标参与率。

超越通常的交易算法

有一些特殊类别的算法试图识别另一端的“发生的事情”。这些“嗅探算法”（例如，由卖方做市商使用）具有内置智能，可以识别大订单买方是否存在任何算法。通过算法进行的此类检测将帮助做市商识别大订单机会，并使他们能够通过以更高的价格填写订单而受益。这有时被认为是高科技领先。通常，根据情况，抢先交易的做法可能被视为非法，并受到FINRA（金融业监管局）的严格监管。

算法交易技术要求

实现利用计算机程序的算法，算法交易的最后一个组成部分，伴随着 回溯测试 （尝试的算法的过去股票的市场表现的历史时期，以查看是否使用它是有利润）。面临的挑战是将确定的策略转换为一个集成的计算机化流程，该流程可以访问交易账户以下订单。以下是算法交易的要求：

计算机编程知识来编写所需的交易策略、聘请程序员或预制交易软件。
网络连接和访问交易平台以下订单。

访问将由算法监控的市场数据馈送，以获得下订单的机会。
系统构建后在实际市场上运行之前对其进行回溯测试的能力和基础设施。
可用于回测的历史数据取决于算法中实现的规则的复杂性。

算法交易的一个例子

荷兰皇家壳牌 (RDS) 在阿姆斯特丹证券交易所 (AEX) 和伦敦证券交易所 (LSE) 上市。1 我们首先构建一个算法来识别套利机会。以下是一些有趣的观察：

AEX 以欧元交易，而 LSE 以英镑交易。1

由于一小时的时差，AEX 比 LSE 早一个小时开盘，随后两个交易所在接下来的几个小时内同时交易，然后在 AEX 收盘时仅在最后一个小时在 LSE 交易。

我们能否探讨以两种不同货币对在这两个市场上市的荷兰皇家壳牌股票进行套利交易的可能性？

要求：

一种可以读取当前市场价格的计算机程序。
来自 LSE 和 AEX 的价格信息。
GBP-EUR 的外汇（外汇）汇率馈送。
下订单功能可以将订单路由到正确的交易所。
历史价格反馈的回测能力。
计算机程序应执行以下操作：

从两个交易所读取 RDS 股票的传入价格。
使用可用的外汇汇率，将一种货币的价格转换为另一种货币。
如果有足够大的价格差异（折扣经纪成本）导致盈利机会，那么程序应该在价格较低的交易所下买单，并在价格较高的交易所上卖单。
如果订单按要求执行，套利利润就会随之而来。

简单易行！然而，算法交易的实践并不是那么容易维护和执行。请记住，如果一个投资者可以进行算法生成的交易，那么其他市场参与者也可以。因此，价格以毫秒甚至微秒为单位波动。在上面的例子中，如果买入交易被执行但卖出交易没有执行，因为在订单进入市场时卖出价格发生变化，会发生什么？交易者将留下未平仓头寸，使套利策略一文不值。

还有其他风险和挑战，例如系统故障风险、网络连接错误、交易订单和执行之间的时间延迟，最重要的是算法不完善。算法越复杂，在付诸实施之前就需要越严格的回测。