算法交易在国内运用.docVIP

算法交易在国内运用 　　国内投资者对算法交易(AIgorithmic Trading)的关注不少源于对冲基金之王西蒙斯(James Simons)的明星效应，他负责的大奖章基金(Medallion Fund)借助电脑程序的高频买卖操作捕捉短线机会，获得了远高于市场平均的超额收益，与巴菲特的长期价值投资正好形成投资理念的两极。 　　国内证券市场经过十多年的发展，已具备实施算法交易的硬件条件，而且量化思想也开始被大众所接受，不过算法交易的门槛较高，国内当前真正意义上的算法交易者凤毛麟角，先行者有望在这个尚未充分开发的领域获得相当可观的超额收益，并在后期市场竞争中占尽先机，这也是我们开展算法交易研究的意义所在。 　　 　　算法交易的种类 　　 　　算法交易，就是由计算机程序自动生成买卖信号，并执行交易下单的交易策略。它由人设计，借助计算机程序实施，根据交易策略目标的不同可以分为三类： 　　 　　alpha交易策略 　　 　　该类策略的目标是要通过对市场数据和财经资讯的挖掘，发现市场效率低洼之处，赚取超额收益，例如ETF套利，股指期货期现套利，市场中性策略，趋势跟随等。该类策略大多被买方对冲基金和卖方券商的自营部门所采用。 　　随着证券电子化交易的普及和市场参与者的增多，传统的利用低频数据(日线，小时线)的aIpha交易策略的获利空间越来越小。该市场的领导者，如复兴科技(Renalssance Tech)，城堡集团(Citadel Group)，高盛(GoIdman Sachs)，将交易速度的竞争提升到了毫秒(1毫秒=0.000001秒)甚至微秒(1微秒=0.01毫秒)级别，而数据分析对象也由原来的分时线价格数据转为每笔成交数据(tick-bv-tick data)，挂单数据和即时财经资讯数据。高频数据的分析需要极高的数据存储与运算能力，采用算法交易的机构每年都花费巨资更新维护lT设备。据Aite Group的对欧美市场算法交易机构的调查，2008年他们在订单管理系统(Order MgmtSystems)，路由(Routing)，数据库(Database)上的平均lT花费超过3亿美元，2004年到2008年的IT费用复合增长率高达11％，在欧美成熟市场上利用该类策略获利的门槛越来越高。 　　 　　交易执行策略 　　 　　该类策略的目的是通过交易数据的分析，辅助交易员下单，降低交易成本，隐藏交易痕迹，算法交易机构通过收取相应的服务费用而获利。在有些资料中，算法交易专指此类交易而不包括前面的aIpha交易策略。常见的该类算法交易策略包括： 　　(1)VWAP策略　VWAP(Volume WeiqhtedAverage　Price)，顾名思义，是以成交量加权平均成交价为比较基准的交易策略，策略执行效果的好坏通过某只证券的实际成交均价与交易时间段内整个市场的成交均价的差值来衡量。VWAP策略的原理，简单说就是把大单拆散成小单，在市场交易活跃时多成交，而在交易平淡时少成交，策略的设计者需对市场未来不同时间段内的成交量作出预测，并根据实际成交情况调整原有的订单执行计划。 　　VWAP策略是出现最早也是使用频率最高的一种算法交易策略，适合追求市场平均价格的被动交易者。当前欧美主流算法交易机构大多提供带担保的VWAP算法交易策略，承诺投资者可以低于市场VWAP一定数量基点的价格成交，实际成交价格高出的部分由机构赔付，投资者须为此类承诺支付额外的费用。 　　(2)TWAP策略TWAP(Time WeightedAverage Price)不需要预测成交量，而是把交易的时间段划分为若干个区间，根据区间段的长短分配下单数量，适合那些流动性不好，成交量不易预测的证券品种，同时那些要求买入／卖出量较大的交易人员，也可以通过TWAP策略分散交易，降低市场冲击。 　　(3)lS策略对于规模较大的证券交易，如果一次性全部按市价下单，则该交易会造成巨大的市场冲击(Market Impact)；如果分成几笔，在不同时间段内成交，投资者又面临市场价格和流动性发生不利变动的时间风险(Time RIsk)。IS(1mplementatlon Shortfal1)策略，即是要按投资者的个人偏好，权衡优化一笔交易的市场冲击与事件风险，尽量减小最终实际成交价格与目标价之间的差距。这里目标价可以是开盘价，收盘价，或者是到达价格(ArrlvaI Price)，即交易指令下达时的市场价格。一般来说，该类策略都允许交易人员设置买入(出)时的最高(低)容忍价格，并按照交易速度的要求选择激进，中性和保守的策略风格。 　　(4)SOR策略SOR(Smart Order Routinq)，下单路径优选策略，该策略跟欧美市场的证券交易制度的多样化有关，投资者