算法交易的分类

1.算法交易与高频交易介绍

算法交易（Algorithmic Trading）是指在进行电子交易的金融市场里，通过计算机程序来下交易订单，即利用计算机算法决定交易下单的时机、价格乃至最终下单的数量与笔数等。通过算法交易，计算机根据预先定义的交易目标和交易模型自动的持续生成订单并输送到交易系统进行撮合成交，直到预设的订单数量已经全部成功执行。算法交易可以使用在任何交易策略，包括做市、跨市场价差套利、统计套利及纯投机（包括趋势跟随）等。从速度上来说，算法交易系统每秒可以产生数千个交易指令，其中许多指令顷刻间就可能被取消或被新的指令所取代。算法交易被一些机构投资者广泛使用，他们将大额的交易分解为若干笔小额的交易，以便更好地管理市场冲击成本、机会成本和风险。目前已经成为投资者投资管理基金（Buy-side Investment Funds）最主要的订单执行方式。

算法交易起源于美国。80年代后期及90年代，美国证券市场的全面电子化成交和电子撮合市场ECN（Electronic Communication Networks）开始发展。纽约证券交易所NYSE在1997年就批准了从分数制报价方式改为十进制小数点报价的方案，这个推进的过程用了三四年。2000年8月开始小范围试点，到2001年才完成，NASDAQ后来在证监会的压力下也跟进这个改革方案。股票报价的最小变动单位由1/16美元或者1/32美元，调低到了0.01美元。买卖之间的最小变动差价大幅缩小了七八成，也减少了做市商的交易优势，因此降低了市场的流动性，（买卖报价被稀释在更多的报价单位上），这些情况改变了证券市场的微观结构。市场流动性的降低导致机构投资者使用计算机来分割交易指令，用以执行到更优越的均价，就形成了最初的算法交易的概念。

主要算法交易

依据订单大小以及对于执行紧急程度的要求，可以大致将算法交易分为四大类：

这里分别对四类算法交易进行详细的介绍。

1) 降低市场冲击类型（Impact Reduction）

对于机构投资者的大额订单，如果对于执行时间没有太高的要求，通常以匿名的方式在交易系统进行成交。订单数量将不向市场进行披露，这样可以避免别的市场参与者的干扰以获得最优的订单执行结果。

隐藏订单(Hidden Orders)

不显示在公共订单簿中，但是成交后的成交信息将进行披露，市场参与者可以根据披露的成交信息来获知隐藏订单的存在。

冰山订单(Iceberg Orders)

只在订单簿中披露一部分订单数量，剩余部分不可见，只有当披露部分的订单被执行了，剩余部分的订单才继续披露一部分数量。

暗池交易(Dark Pools)

类似于隐藏订单，同时暗池交易产生的成交对于市场也同样是不可见的。

2) 节省工作量类型（Work Delegation）

依据预先定义的逻辑和模型来进行订单生成和输入，以此来降低交易员的工作负荷。

交易量加权平均价格算法VWAP

交易量加权平均价格算法（VWAP，Volume Weighted Average Price）是最基本的交易算法，指在进行买/卖下单时，根据历史成交量进行，以尽量降低该交易对市场的冲击。VWAP 主要是为了防止因为超出正常水平的交易量以至于影响当前交易的价格，从而增加交易的成本。

时间加权平均价格算法TWAP

时间加权平均价格算法（TWAP，Time Weighted Average Price），是根据特定的时间间隔，在每个时间点上平均下单的算法。TWAP旨在使市场影响最小化的同时提供一个平均执行价格。对于流动性不足的标的来说，TWAP比VWAP来说更有实际意义。

3) 提高成交率类型（Quiet Accumulation）

随着多边交易机制的发展，一个上市股票往往可以在多个交易所同时进行交易，这就带来了市场分裂的问题，会引起流动性的下降。在这种情况下，由于没有足够的市场深度，大额订单很难立即完全成交。

大宗交易（Block Crossing）

在交易所以协商的价格、匿名的方式达成的巨额成交。允许交易员输入一定非特定价格的巨额订单，公开订单簿和隐藏订单簿都会被遍历以进行撮合成交。

保证交易量加权平均价格算法（Guaranteed VWAP）
保证交易量加权平均价格算法（Guaranteed VWAP），指券商对VWAP 算法提供担保，当他们运用Guaranteed VWAP 进行下单交易时，必须保证成交价格为交易量加权平均价格，若成交价格与交易量加权平均价格不一致，则经纪商需要承担相应损失。

券商成交（Broker Capital）

券商利用其自有订单簿进行订单的撮合成交。

4) 快速完成交易类型（Immediate Completion）

对成交有迫切时间要求的小额订单，要求在执行过程中无需人工干预。

市场直通（Direct Market Access）

一些投资基金及大型机构投资者可以不通过券商柜台系统、风控系统的人工干预，直接将订单发送给交易所进行撮合成交。由于这些投资者并不是交易及清算会员，需要通过指定的清算会员进行清算及结算。

攻击性算法（Aggressive Algorithms）

这类交易算法根据市场的状况做出实时的决策，判断是否交易、交易的数量、交易的价格等。例如狙击兵算法（Sniper）就是非常具有攻击性的算法，只有当达到限定的价格时它才会下单交易，直到交易量达到计划目标。Sniper 着眼于市场数据分析，从不暴露自己，并能够找出对手隐藏的交易。与直接在市场上少量下单相比，狙击兵算法显然是更好的选择。

2.高频交易（High Frequency Trading）

高频交易也是一种算法交易，它的目标是当市场上有极为短暂的机会出现时，能第一时间得知并从中获利。它的最大特点是速度快，交易量大。高频交易虽然有很多种类，但其原理基本是一致的，第一是发现市场信息，包括差价信息、报价信息、流量信息等，第二判断交易条件，发现符合预先设定的条件就促发交易，第三是交易执行，整个交易过程可能只需要不到一毫秒的时间。

高频交易是以做市商和统计学意义上的获利为基础的。高频交易的每一笔成交的获利是很微小的，但是依靠大量成交累计起来的收益还是很可观的。它的核心有两个方面，一方面是速度，这取决于计算机的运行速度和交易网络的传输速度；另一方面是交易策略，基于各种量化数理模式进行，而且可以通过软件自运行自动优化算法。

高频交易并不合适普通的市场投资者，它的参与者主要是做市商，私募基金以及一些机构投资者，他们利用技术架构和数据分析的优势，寻找短暂的交易机会。这些公司的典型特征是利用自有资金，同时保留头寸的时间很短（通常少于几分钟甚至只有几秒钟的时间）。高频交易者一方面从买卖订单的价差中获得利益，同时也可以从交易所获得一定的返利（某些交易所会提供返利给流动性提供者）。

高频交易参与者可以从以下的一些交易策略中获得收益：

价格相关度较高的资产之间的价格差异
正股和对应的权证和期权间的溢价（折价）
ETF和成份股之间的价格差

随着高频交易的日益发展，其在整个股票市场所占的比重也日益增加，在美国，高频交易已占到整个成交量60%以上的份额。从高频交易的参与者来看，专业交易员和流动性提供商是其主要部分。

— — — — — — E N D — — — — — —
往期文章：
Numpy处理tick级别数据技巧
真正赚钱的期权策略曲线是这样的
多品种历史波动率计算
如何实现全市场自动盯盘
AI是怎样看懂研报的
真格量化策略debug秘籍
真格量化对接实盘交易
常见高频交易策略简介

如何用撤单函数改进套利成交

Deque提高处理队列效率

策略编程选Python还是C++

如何用Python继承机制节约代码量

十大机器学习算法
如何调用策略附件数据

如何使用智能单

如何扫描全市场跨月价差

如何筛选策略最适合的品种

活用订单类型规避频繁撤单风险

真格量化回测撮合机制简介

如何调用外部数据

如何处理回测与实盘差别

如何利用趋势必然终结获利

常见量化策略介绍

期权交易“七宗罪”

波动率交易介绍

推高波动率的因素

波动率的预测之道

趋势交易面临挑战
如何构建知识图谱
机器学习就是现代统计学

AI技术在金融行业的应用

如何避免模型过拟合

低延迟交易介绍

架构设计中的编程范式

交易所视角下的套利指令撮合

距离概念与特征识别

气象风险与天气衍生品

设计量化策略的七个“大坑”

云计算在金融行业的应用

机器学习模型评估方法
真格量化制作期权HV-IV价差
另类数据介绍

TensorFlow中的Tensor是什么？

机器学习的经验之谈

用yfinance调用雅虎财经数据

容器技术如何改进交易系统
Python调用C++
如何选择数据库代理
统计套利揭秘
[h1]一个Call搅动市场？让我们温习一下波动率策略[/h1][h1]如何用真格量化设计持仓排名跟踪策略[/h1][h1]还不理解真格量化API设计？我们不妨参考一下CTP平台[/h1][h1]理解同步、异步、阻塞与非阻塞[/h1][h1]隐波相关系数和偏度——高维风险的守望者[/h1]Delta中性还不够？——看看如何设计Gamma中性期权策略
[h1]Python的多线程和多进程——从一个爬虫任务谈起[/h1]线程与进程的区别皮尔逊相关系数与历史K线匹配
Python2和Python3的兼容写法 Python代码优化技巧
理解Python的上下文管理器
如何写出更好的Python代码？这是Python软件基金会的建议
评估程序化模型时我们容易忽视的指标
看看如何定位Python程序性能瓶颈
什么是Python的GIL
投资研究中的大数据分析趋势及应用
理解CTP中的回调函数
如何围绕隐含波动率设计期权交易策略
看看如何用Python进行英文文本的情感分析

真格量化可访问：
https://quant.pobo.net.cn

真格量化微信公众号，长按关注：

遇到了技术问题？欢迎加入真格量化Python技术交流QQ群 726895887