《高频交易》读书笔记

这本书的翻译有很多句子不通，有能力还是读原版的吧。

我只记录了高频交易实践内容，用来为机器自动交易提供参考。包括功能架构、常见缺陷、测试，三部分。

一  功能架构

 

上图为大多数系统交易平台结构，主要由5个步骤构成：1、核心引擎；2、报价归档；3、交易后分析；4、模拟；5、人力监督；

1、核心引擎：为了快，多为C++开发，有些用Java的关闭了GC。核心系统和投资组合管理系统启动，核心系统调自营商下单，response为价格和成交数额，核心系统计算收益，反馈到投资组合管理系统的风险管理参数，

投资组合管理系统包括：原始报价输入、计量经济模型、当前头寸（仓位）规模、投资多元化信息、投资组合回报最大化投入、最小化投资组合的风险。

客户与自营商传递报文用的是财务信息交换协议（FIX），

风险管理系统：突破绩效盈亏限制时，生成警告信息。

2、报价归档：高频交易中最具有时效性的功能是数据归档。（IO速度远低于CPU、内存的速度，核心计算用c，IO功能用速度慢的python也行）我觉得可以加入非关系型数据库、异步IO。

3、交易后分析：交易后，分析系统去分析，代码模拟的结果，与实际交易的结果，是否有一致预期。然后更新收益分布、交易成本、风险管理参数，用来反馈到核心系统、投资组合优化过程、风险管理组成模块。

4、模拟：指一个交易策略的虚拟执行，模拟引擎是个独立模块，跟上面那些代码不在一起。

模拟市价订单时，为了更接近实时交易结果，要估计每单位交易规模平均市场冲击，然后调整最低报价的市场冲击估计值。

模拟限价订单时，要考虑价格要超过限价时，才能保证被买入或卖出。

模拟结果可能在实际中没用，这就需要大量数据做测试，数据越多能最大限度减少数据抽样偏差。

回测也用于估计风险，可以反馈给风险管理模型、收益分布等。

另外，为应对闪电崩盘，要进行压力测试。

如果策略在回测结果中令人满意，就进行纸上模拟交易——基于实时数据运行，但没有真正进行交易。这时要记录：订单粒度，至少1毫秒；交易性金融工具代码；观测最优买价和最优买价规模，最优卖价和最优卖价规模，记录这些以便订单和数据的日后调节；订单数量；假设执行价格；

最后上生产，要和纸上模拟交易一样，记录数据，用于以后评估策略。

生产和纸上模拟的绩效差异，叫执行落差，用于反馈对滑点和其他潜在成本的对策考虑。

5、人力监督：监督系统别中病毒和宕机。

 

二  常见缺陷

 信息确认循环：报文传输时间长会使算法偏离；对于多下单的情况，可以设置两个计数器，一个发送指令，另一个确认订单执行位置。

时间失真：各个环节都有耗时，为了保证不出乱子，给报价打上时间戳并放入队列执行。

执行速度：最好靠近自营商的服务器。

 

三  测试交易系统

数据集测试：测试数据的有效性，减少数据中的不良影响和数据失真。（比如避免单边行情的数据导致多空偏差）

单元测试：检查系统每个单独组件是否正常工作。

整合测试：就是集成测试，不同功能联调。

系统测试：GUI测试，压力测试，安全测试，可扩展性测试，可靠性测试（高可用4个9），恢复测试

回归测试（回测）

自动化测试

 最后俩归属于用例测试，就是功能测试。