分类
掌握正確投資心法

风险管理与最优的交易执行

如图所示,横坐标用方差来表示我们的风险,纵坐标的期望损失,代表交易成本。因此,对于每一个方差而言,都对应一个最优最优策略,能达到相应水平下的最低交易成本。

高频交易的最优执行策略研究.pdf

《 》 经济学动态 年第 期 2013 2 ' 高频交易的最优执行策略研究* 王 丹 向修海! : , 内容提要 高频交易是最近金融行业非常热门的话题 如何在中国金融市场上实施高频交易更 。 ——— 。 是备受大家关注 本文将介绍高频交易的一个非常重要组成部分 最优执行策略研究 本文首 , 。 先剖析了最优执行策略的本质 即流动性或者流动性风险 然后基于此思想将最优执行策略模型 , 。 划分为三代 并详细分析了三代模型之间的区别和联系 本文对最优执行策略模型发展历程的总 , , 。 结 既有利于激发未来的研究 又为中国高频交易的实施提供了实践启发 : 关键词 高频交易 最优执行模型 流动性 流动性风险 。 风险管理与最优的交易执行 , 成预设的交易量 对它们来说 最优策略是将交易 、 一 引言 量分割成小额订单然后分批成交。然而从单笔交易 , 高频交易是指投资者利用计算机自动捕捉市场 来看 它们的交易会对当前均衡价格产生不利的影 , 上的每一个获利机会并生成程式化交易策略的交易 响 其均衡偏离幅度取决于当前最优价格附近的限 。 、 。 。 , 方式 其最大特点是持仓时间短 交易量巨大 一般 价指令数量 这种偏离一般会产生三种效应 一是 , , , , 地 大额交易会对市场价格产生逆行冲击 扩大买卖 长期效应 也就是在整个交易周期内都存在 它主要 , , 价差 进而导致交易的平均执行价格异于市场可利用 通过中间价格的漂移而逐渐累积 对以后各个时刻 。 , ; , 的最优价格 因此 高频交易的一个重要组成部分就 的交易价格都产生影响 二是短暂效应 即它会在当 ,

精细化您的交易——交易成本评估与交易执行策略

证券投资活动中的交易成本可分为外生成本内生成本两部分。以股票交易为例,外生成本包括佣金、印花税等,由交易所和监管部门制定收费比率,一般在股票实际交易之前就可以确定大小。内生成本是指股票成交过程中受到市场条件、执行情况等因素影响而产生的成本,也称为交易执行成本,包括机会成本冲击成本两部分。冲击成本指订单交易行为对市场价格的影响程度。当订单规模等于或者小于最优报价档位(即最优卖档或最优买档)的市场深度时,订单能够在最优买价或卖价上执行;当订单规模超过最优报价档位(即最优卖档或最优买档)的市场深度时,订单的交易会使市场价格向不利于交易者的方向变化。显然,订单的交易数量越大冲击成本也越大。机会成本指从投资者下达订单开始到订单执行完毕(或者最终没有执行而撤单)时间内的价格风险。由于新信息的进入、投资者情绪、临时流动性缺失等因素的影响,证券价格波动会导致订单执行价格相对订单下达时存在一定差别,即为该订单的机会成本。

2 交易执行策略的基本框架

2.1 即时交易还是延期交易——投资者的权衡

2.2 交易执行策略的一般范式

3 交易执行策略的方法

3.风险管理与最优的交易执行 1.交易执行的第一代算法交易策略

3.2.交易执行的第二代算法交易策略

与第一代仅实现订单提交功能的算法策略相比,第二代关于交易执行的算法交易策略始于投资者对最优执行策略认识质的变化。第二代算法交易策略已经开始关注如下问题:在确定的交易执行期,如何分配各时点的执行头寸才能使交易成本最低?若按照类似VWAP或者TWAP策略那样的每个时刻均参与交易,如何决定交易的执行期,是数天,数小时,还是数秒,在执行快慢中如何选择权衡?总的来看,此类算法不会根据市场的状况主动选择交易的时机与数量,而是按照一个既定的目标进行交易,因而也被称为被动型算法交易,或者结构型算法交易。此类算法使用也较广泛,如在国际市场上使用较多的到达价格(Arrive Price)策略、执行损失(Implementation Shortfall)算法等都属于该类。

3.3.交易执行的第三代算法交易策略

风险管理与最优的交易执行
目前,机构投资者常用的算法交易策略包括VWAP、TWAP、Target Volume、Arrive Price,在大多数海外经纪商的系统中均提供。此外,还有一些厂商为客户量身定制的策略,例如,隐身( Stealth )、游击队、狙击手(Sniper)、嗅探器(Sniffer)等等。就现有海外机构投资者的算法交易系统而言,一部分机构投资者的算法交易系统需要提供自定义参数。例如,需要交易者自定义执行的数量、执行的方式、选择的算法交易策略、交易起止时间、参与的交易量比例等,这些参数的设定决定了交易系统对该笔交易的执行情况,比如真格量化的智能单设定,或其他厂商的一些带有UI的条件单设定(见下图)。另外,许多机构投资者能够完全将自身研发的最优交易执行策略完全内嵌到交易系统中,进行类似的交易执行策略定制。

随着执行策略的研究深入和完善,算法交易策略已被对冲基金、养老基金、共同基金以及其他机构交易者广泛使用,各大经纪商或第三方交易服务商纷纷研发嵌入算法交易的交易管理系统,并在美国绝大多数的经纪商或第三方交易执行服务商中均得到了应用,如几大著名投行中Bank 风险管理与最优的交易执行 of America的Electronic Algorithmic Strategy Execution (EASE),Barclays Capital的LME系统,Credit Suisse的Advanced Execution Services, Morgan Stanley的Benchmark Execution Strategies (风险管理与最优的交易执行 BXS)等。根据服务提供商对使用这些系统的客户的分类统计,在Broker/Dealers、Hedge Funds、Mutual Funds、Proprietary trading desks四类客户中,比例最高的多数为Hedge Funds及 Mutual Funds,在绝大多数的服务提供商中超过一半多的客户来自于这两类。随着算法交易服务商队伍的扩张规模较大的投资银行、经纪商每年都会投入不菲的研究经费,用于开发更为迅速满足客户个性化需求的算法,以拉开与同业竞争对手的差距。而那些小机构则很难承担巨额的研发费用,不得不向大机构购买交易执行算法。

寻找最优交易策略(一)--模型初见

如图所示,横坐标用方差来表示我们的风险,纵坐标的期望损失,代表交易成本。因此,对于每一个方差而言,都对应一个最优最优策略,能达到相应水平下的最低交易成本。

3、n1,n2. nk,是交易者需要在每一个时间段卖出的比特币数量,比如n1=x0-x1,那么知道每一个时段要卖出的量,其实也就是求出了一种交易策略,而最优的交易策略就是某一种n1. nk的搭配。

在这个价格公式中,没有drift项

在上面的公式中要注意的是最后一项的函数g,就是价格中的永久冲击函数,而nk/τ(就是后面提到的v),是在k到k-1时间段内的平均交易速率。那么经过函数g的作用在乘以该段时间,就是permanent冲击对价格的影响了,前面的负号表示我们是在执行卖单,如果是买单则是正号。中间的那项,则是波动的影响。

h(v)在一个时间段和下一个时间段之间是相互独立的

implementation shortfall

is minimal

寻求上面这个式子的最小值,而在这里每一个λ都对应一个唯一的最优交易路径。

分析到这里我有几点思考:

1,首先关于价格,初始的价格模型中还是比较简单的,但是在之后的研究过程中,如果把jump diffusion加入进来,应该可以有更好的效果;

2,历史数据是否可以利用?能利用在哪些地方?我觉得对于投资,涉及因素太多,历史的数据参考价值不是很大,但是对于交易,尤其是聚焦在某时段的微观交易,是能够总结出不少“模式”的,这在一些论文中有有提到,今后会再做补充。

而正是基于这一点,我觉得去寻求一些“模式”,或是一些“行为”,可能我还得再研究些行为金融的论文。。。

总之,我觉得在寻求交易成本最低过程中,会比量化投资寻求利益最大化要make sense。因为在最优交易策略中,应该能够找到“模式可行集”和“行为可行集”,但是对于最优投资策略,投资逐利的可行集,真的是不容易看到呐。