量化交易——算法交易策略

前言:量化交易的算法里面是有很多的,我们一直都在讲智能算法交易策略,但是什么才是具体的算法交易交易?常见的算法交易策略具有有那些?今天我们详细来了解下算法交易,到底是怎么运行的?

首先我们先看看算法交易到底是什么?

算法交易是指由计算机系统根据证券的历史数据分析、实时市场行情和交易员选择的策略及参数等利用计算机程序和数学模型来决定交易下单的时机、价格和数量等,通过将大单拆为小单,以减小市场冲击成本,提高交易效率和交易隐蔽性的智能化交易执行方式,是人工交易与计算机辅助交易系统的完美组合。简单点说就是人工智能交易,降低我们的交易成本,提高交易速度。

常见的智能算法策略及其运用场景

一:交易量加权平均价格策略

交易量加权平均价格策略是在指定的时间范围内,参考该证券历史成交量分布并结合实时行情拆单的算法,使得在母单交易时段内的成交均价尽可能接近于相应时间段的市场按成交量加权的均价。


运用场景:一般大盘股等成交分布有规律的证券运用相对来说要多一些,常用于指定时间内平滑完成、调仓交易、大宗减持、股份回购等。

二:交易时间加权平均价格策略

交易时间加权平均价格策略这个和交易量加权平均价格策略很类似,是在指定的时间范围内,按时间均匀拆单的算法,使得在母单交易时段内的成交均价尽可能接近相应时间段内市场算术平均价格。


运用场景:不活跃型、流动性不佳的证券,这个就不适用于大盘股了,适合盘子较小的个股。如创业板篮子交易、指定时间内均匀完成、调仓交易、套利交易等。


三:跟量策略

跟量策略:是按照用户设定的一定比例参与市场成交的算法,即从运行时间起母单的成交量与对应时间内的市场成交总量之比接近于该用户设定的比例。跟量属于市场驱动型策略类型。市场放量时,会相应加大成交量;市场缩量时,也会相应减少成交量,严格按照市场成交量的一定比例参与市场成交。


运用场景:按照一定市场占比快速建仓或调仓、控制量比,避免大的市场冲击、大宗减持、股份回购等。

 

四:跟价策略

跟价策略属于市场驱动型策略按照设置的一定比例参与市场成交,并智能优化价格。相对于参考价格(默认为过去一段时间的市场),当市场价格有利时,加大成交量比例;当市场价格不利时,相应减少成交量比例。

 

运用场景:按照市场成交量的一定比例参与市场成交,同时需要优化执行价格的场景。

 

五:快捷策略

快捷策略属于主动型策略。旨在兼顾市场冲击和监管要求的同时,尽可能快速地完成交易执行。

 

运用场景:快速完成金额不是很大的个股或者篮子的场景。

 

六:冰山

冰山属于功能型策略在设定的价格上挂一定比例的量,挂单有成交后或盘口价格发生变化再不断补单,并按照交易时间长度保持一定的成交进度,以便能够完成指令,主要优势是在大部分交易时段内不暴露交易意图。


运用场景:适合金额较大的指令,在预设的目标价位尽可能以被动单的形式完成,避免暴露真实的交易量规模。

 

七:换仓

换仓属于功能型策略,可实现在现有资金不足的情况下,同时进行一买一卖操作,仅在一键买卖有此策略。换仓是以均价策略为基础,增加对买卖成交金额的统一调控。

A.买入只用卖出成交的资金,即不使用资金账号的原可用资金(不考虑佣金等费用)

B.锁定累计买卖偏差(即成交差额)的上限


运用场景:有同时买卖的换仓需求。量化交易运用的算法交易有很多很多,算法交易也是量化交易中其中一个优势,算法交易正式运行其实也没有我们想象中那么困难,详情可以直接关注交流,具体运用!

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,189评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,577评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,857评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,703评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,705评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,620评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,995评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,656评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,898评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,639评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,720评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,395评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,982评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,953评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,195评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,907评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,472评论 2 342

推荐阅读更多精彩内容