290 lines
11 KiB
Markdown
290 lines
11 KiB
Markdown
|
# Chap 1: Algorithmic Trading Fundamentals
|
|||
|
|
|
|||
|
|
## 1. 我们为何交易？
|
|||
|
|
|
|||
|
|
* 交易是人类天性
|
|||
|
|
* 交易的历史
|
|||
|
|
* 在古罗马广场上，有钱人交易货币、债券
|
|||
|
|
* 在14世纪威尼斯，交易国债
|
|||
|
|
* 1531年，比利时出现了最早的股票交易市场
|
|||
|
|
* 在1602（航海时代），荷兰东印度公司公募
|
|||
|
|
* 17世纪，法国为探索路易斯安娜公募
|
|||
|
|
* 上述案例共同点：
|
|||
|
|
* 有钱人想变得更有钱；
|
|||
|
|
* 最终都失败
|
|||
|
|
* 交易听起来有利可图，但并非一直如此
|
|||
|
|
|
|||
|
|
## 2. 现代交易的基本概念
|
|||
|
|
|
|||
|
|
* 市场基本因素：供需（从古至今）
|
|||
|
|
* 现代交易：高效的市场价格发现（技术因素）
|
|||
|
|
* 竞争点:
|
|||
|
|
* 精细程度
|
|||
|
|
* 洞察力
|
|||
|
|
|
|||
|
|
### 2.1 market sector
|
|||
|
|
|
|||
|
|
vs asset classes: 基于标的的不同
|
|||
|
|
|
|||
|
|
* 商品（金属，农产品）
|
|||
|
|
* 能源（油，气）
|
|||
|
|
* 股票
|
|||
|
|
* 债权
|
|||
|
|
* 外汇
|
|||
|
|
|
|||
|
|
### 2.2 Asset classes
|
|||
|
|
|
|||
|
|
vs market sectors: 基于金融产品的不同
|
|||
|
|
|
|||
|
|
* 债券，外汇，股票
|
|||
|
|
* 基于上述标的的衍生品
|
|||
|
|
* future contract (期货合约)
|
|||
|
|
* 必须交割
|
|||
|
|
* option contract (期权合约)
|
|||
|
|
* 可不交割，但要付premium(权利金)
|
|||
|
|
* call option
|
|||
|
|
* put option
|
|||
|
|
|
|||
|
|
## 3. 现代交易系统
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
### 3.1 Exchange market data protocol
|
|||
|
|
|
|||
|
|
沟通交易中心和参与者的通讯协议。可基于通讯协议来设计，编写交易软件
|
|||
|
|
|
|||
|
|
### 3.2 Market data feed handlers
|
|||
|
|
|
|||
|
|
让参与者与指定的exchange market data protocol交互的**程序**. 可以:
|
|||
|
|
|
|||
|
|
* subscribe
|
|||
|
|
* receive
|
|||
|
|
* decode
|
|||
|
|
* 检查错误，断网
|
|||
|
|
|
|||
|
|
### 3.3 Exchange order book
|
|||
|
|
|
|||
|
|
Exchange order book记录、维护所有的买卖信息，包括：
|
|||
|
|
|
|||
|
|
* 价格
|
|||
|
|
* 数量
|
|||
|
|
* order types
|
|||
|
|
* ID
|
|||
|
|
|
|||
|
|
Buy order (bids) 根据价格从到到低排列 (价高者先被匹配), 相同价格的由匹配算法决定。
|
|||
|
|
|
|||
|
|
匹配算法包括：
|
|||
|
|
|
|||
|
|
* FIFO
|
|||
|
|
* Pro-rata (按比例)
|
|||
|
|
|
|||
|
|
### 3.4 Limit order book
|
|||
|
|
|
|||
|
|
类似Exchange order book,但由参与者创建，因此只有部分信息。
|
|||
|
|
|
|||
|
|
目标：收集并安排买卖来获取市场信息。
|
|||
|
|
|
|||
|
|
### 3.5 Order types
|
|||
|
|
|
|||
|
|
大多数交易中心支持多种下单类型：
|
|||
|
|
|
|||
|
|
* **IOC (Immediate Or Cancel)**: 从不加入book，要么被全部执行，要不被取消
|
|||
|
|
* 优点：避免由于 order management 带来的麻烦
|
|||
|
|
* **GTD (Good Till Day)**: 被记入book，如果匹配成功，则交易可执行部分，剩余则加入book，直到能被完全匹配
|
|||
|
|
* **Stop orders**: 等到stop price (a specific price)，orders 才会被加入 book，并成为GTD
|
|||
|
|
* 优点：可被用来止损，或者获利
|
|||
|
|
|
|||
|
|
### 3.6 Exchange order entry protocols
|
|||
|
|
|
|||
|
|
发出交易请求时用的通讯协议。交易中心同样用它来回复交易者
|
|||
|
|
|
|||
|
|
### 3.7 Order entry gateway
|
|||
|
|
|
|||
|
|
* 交易者的 client app
|
|||
|
|
* 通过 order entry protocols 来与交易中心的匹配引擎进行交流（下单，更改价格...)
|
|||
|
|
|
|||
|
|
Drop-copy gateways:
|
|||
|
|
|
|||
|
|
* 第二套gateway来确定交易的真实性
|
|||
|
|
|
|||
|
|
### 3.8 Positions (仓位) and PnL (profit and loss) management
|
|||
|
|
|
|||
|
|
#### 3.8.1 Position
|
|||
|
|
|
|||
|
|
下单后交易者就得到了 **position （仓位\头寸）** in the instruments that they got executed, for 执行时的 数量 & 价格
|
|||
|
|
|
|||
|
|
* **Long position (多头头寸)** = buy side execution
|
|||
|
|
* 多头赚钱：market price > position price (i.e. buy low)
|
|||
|
|
* **Short position (空头头寸)** = sell sid execution
|
|||
|
|
* 空头赚钱：market price < position price (sell high)
|
|||
|
|
* **Being flat** = no position
|
|||
|
|
|
|||
|
|
* **Open position (未平仓头寸)** = 指尚未对冲或交割的头寸，即持仓者承诺要买入或卖出某些未履约的商品，或买入或卖出没有相反方向相配的商品。
|
|||
|
|
* **Close position (平仓)** = 期货交易者买入或卖出与其所持期货合约的品种、数量及交割月份相同但交易方向相反的期货合约，了结期货交易的行为。
|
|||
|
|
|
|||
|
|
#### 3.8.2 VWAP (Volume Weighted Average Price)
|
|||
|
|
|
|||
|
|
在不同价位、数量不同的多头或空头，组合为 **Volume Weighted Average Price (成交量加权平均价**)
|
|||
|
|
|
|||
|
|
#### 3.8.3 Profit and Loss (PoL) of position
|
|||
|
|
|
|||
|
|
通过比较当前市场价格和 open position (未平仓头寸/持仓头寸，即尚未交割的头寸) 的价格，可以得到 unrealized PoL:
|
|||
|
|
|
|||
|
|
* Long position 有 unrealized profit (loss) 当市场价格上涨（下降）
|
|||
|
|
* Profit/Loss is realized when open position is closed (平仓)
|
|||
|
|
* 平仓: sell to close a long position, or buy to close a short position.
|
|||
|
|
* After close position, PnL become *realized PnL*.
|
|||
|
|
* total PnL = realized PnLs + unrealized PnLs for open position.
|
|||
|
|
|
|||
|
|
## 4. 从直觉到程序交易
|
|||
|
|
|
|||
|
|
* 大多数情况下，交易策略来自于直觉。e.g.
|
|||
|
|
* trend-following (趋势跟踪)，跟着大盘走（如果你觉得大盘还会涨、跌)
|
|||
|
|
* mean reversion strategies, 逆着大盘走（如果你觉得大盘已经到顶、底）
|
|||
|
|
|
|||
|
|
No trading idea is right all the time.
|
|||
|
|
|
|||
|
|
### 4.1 为何要自动交易?
|
|||
|
|
|
|||
|
|
手动交易的进化：对人大叫手动挂单 -> 打电话（broker）来挂单 -> 在程序里手动输入来挂单
|
|||
|
|
|
|||
|
|
缺点：
|
|||
|
|
|
|||
|
|
1. 慢
|
|||
|
|
2. 容易错过信息
|
|||
|
|
3. 容易犯错
|
|||
|
|
4. 容易分心
|
|||
|
|
|
|||
|
|
### 4.2 算法交易的进化: rule-based to AI
|
|||
|
|
|
|||
|
|
以趋势跟踪来做案例，分析算法交易的进化：
|
|||
|
|
|
|||
|
|
* 早期的经典趋势交易：交易员通过图表观测趋势是否开始/持续。e.g. 股票价格连续一周每天上身5%， 那就应该买入；若股票价格两小时内下跌10%，那就要卖出
|
|||
|
|
|
|||
|
|
## 5. 算法交易的部件
|
|||
|
|
|
|||
|
|
实际应用中，算法交易系统可以分为两部分：
|
|||
|
|
|
|||
|
|
* Core infrastructure (核心基础设施)， 负责：
|
|||
|
|
* deals with exchange-facing market data protocol integration 与交所的数据协议进行整合
|
|||
|
|
* market data handler: 作为handler读取市场数据
|
|||
|
|
* internal market data format normalization 在内部对市场数据进行标准化
|
|||
|
|
* historical data recording 记录历史数据
|
|||
|
|
* instrument definition recording/dissemination 记录并传播金融工具的定义
|
|||
|
|
* exchange order entry protocols 交所下单的通讯协议协议
|
|||
|
|
* exchange order entry gateway 负责下单
|
|||
|
|
* core side risk systems
|
|||
|
|
* broker-facing app, 与中介沟通
|
|||
|
|
* back office reconciliation app, 与后台调和
|
|||
|
|
* addressing compliance requirement 解决合规问题
|
|||
|
|
* ...
|
|||
|
|
* Algorithmic trading strategy (算法交易系统)，负责：
|
|||
|
|
* normalizing market data 标准化市场数据
|
|||
|
|
* building order book 建立 order book
|
|||
|
|
* generating signals from incoming market data and order flow information 通过接收到的市场数据和下单情况产生交易信号
|
|||
|
|
* aggregation of different signals 整合不同的交易信号
|
|||
|
|
* efficient execution logic built on top of statistical predictive abilities (alpha) 基于统计判断能力(alpha)的高效执行
|
|||
|
|
* position and PnL management inside the strategies 仓位管理
|
|||
|
|
* risk management inside strategies 风险控制
|
|||
|
|
* backtesting 回测
|
|||
|
|
* historical signal trading research platforms 研究
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
### 5.1 Market Data subscription 订阅市场数据
|
|||
|
|
|
|||
|
|
负责与 feed handler components 沟通来传播标准化数据。数据在内部网络或本机上通过 Inter-Process Communication (IPC) 来进行传播。
|
|||
|
|
|
|||
|
|
### 5.2 Limit order books
|
|||
|
|
|
|||
|
|
当交易策略得到标准化后的数据，它能为目标金融工具构建出一个limit order book。
|
|||
|
|
|
|||
|
|
* 简单版：记录多空两方的参与者数量
|
|||
|
|
* 复杂版：构建出参与者的先后顺序
|
|||
|
|
|
|||
|
|
### 5.3 Signals（交易信号)
|
|||
|
|
|
|||
|
|
limit order book构建完成后，每次数据更新都能激发交易信号
|
|||
|
|
|
|||
|
|
signals 又可被称为 indicators, predictors, calculators, features, alpha, etc.
|
|||
|
|
|
|||
|
|
* 交易信号是精心定义的
|
|||
|
|
* 从收到的市场数据信息，limit order book 和交易信息中获取
|
|||
|
|
* 让参与者得到对其他参与者的相对优势 (edge or advantage vias-a-vis other market participants)
|
|||
|
|
* 交易员花费大量时间构建、更新、添加交易信号
|
|||
|
|
|
|||
|
|
### 5.4 Signal aggregators （信号整合）
|
|||
|
|
|
|||
|
|
* 很多程序交易系统会整合数个交易信号来得到一个更强(better edge)的信号。
|
|||
|
|
* different aggregtion approach:
|
|||
|
|
* linear/non-linear combination 线性、非线性组合
|
|||
|
|
* regression 递归
|
|||
|
|
* ...
|
|||
|
|
|
|||
|
|
### 5.5 Execution logic 执行逻辑
|
|||
|
|
|
|||
|
|
好的交易策略要达到 **快速**&**复杂/富有经验**两个目标，二者往往互相冲突。因此，execution logic 需要在二者之间取得平衡，同时尽量隐藏自己的意图。
|
|||
|
|
|
|||
|
|
市场是双向透明的，其他参与者可以得到所有挂单的信息，并且推测影响。同时**slippage(滑点)** 和 **fee(交易费)**也不能忽视。
|
|||
|
|
|
|||
|
|
#### slippage
|
|||
|
|
|
|||
|
|
* slippage = 预期的交易价格和真实交易价格间的差异
|
|||
|
|
* 两个主要原因：
|
|||
|
|
* latency (延迟)，当交易请求抵达交易所慢了一步
|
|||
|
|
* large volume (大当量),当挂单数量巨大而被分批次（在不同价位）被成交，那整个交易的 VWAP 就会与预期不同
|
|||
|
|
|
|||
|
|
当交易算法的仓位数量变大时，滑点会更加显著
|
|||
|
|
|
|||
|
|
#### fee
|
|||
|
|
|
|||
|
|
exchange fees & broker feed 往往与交易量正相关
|
|||
|
|
|
|||
|
|
有时一个优异的交易策略会因为滑点和交易费而赚不到钱
|
|||
|
|
|
|||
|
|
### 5.6 Position and PnL management (盈亏管理)
|
|||
|
|
|
|||
|
|
不同的交易策略会导致不同复杂程度的盈亏管理。
|
|||
|
|
|
|||
|
|
e.g.:
|
|||
|
|
|
|||
|
|
* pairs trading (配对交易)： 基于两个相关性较高的股票或者其他证券，如果在未来时期保持着良好的相关性，一旦两者之间出现了背离的走势，且这种背离在未来是会得到纠正的，那么就可能产生套利的机会。
|
|||
|
|
* 需要跟踪多个仓位并对多个金融产品进行盈亏管理。复杂度上升
|
|||
|
|
|
|||
|
|
### 5.7 风险管理
|
|||
|
|
|
|||
|
|
风控是算法交易的基石(cornerstone)：
|
|||
|
|
|
|||
|
|
* 违反交易所的规定会导致法律性惩罚。
|
|||
|
|
* 高频交易的风险在于bug
|
|||
|
|
* 需要大量测试，压力测试，鲁棒测试, etc.
|
|||
|
|
|
|||
|
|
### 5.8 Backtesting 回测
|
|||
|
|
|
|||
|
|
研究交易算法需要回测。回测能够模拟交易系统的行为并且得到 expected PnL, expected risk exposure, other matrices.
|
|||
|
|
|
|||
|
|
高精度的回测系统非常复杂。
|
|||
|
|
|
|||
|
|
回测系统可以提供:
|
|||
|
|
|
|||
|
|
* Profit and loss (P and L): 排除交易费用所产生的盈亏
|
|||
|
|
* Net profit and loss (net P and L): 包括交易费用的盈亏
|
|||
|
|
* Exposure: The capital invested 投入的本金
|
|||
|
|
* Number of trades 交易过程中产生的交易数量
|
|||
|
|
* Annualized return: 年化收益
|
|||
|
|
* Sharpe ratio (夏普率): 一项投资（例如证券或投资组合）在对其调整风险后，相对于无风险资产的表现。 计算方法为一项投资（例如证券或投资组合）在对其调整风险后，相对于无风险资产的表现
|
|||
|
|
|
|||
|
|
## Why Python?
|
|||
|
|
|
|||
|
|
此处会实现一个简单的基于趋势跟踪的交易策略(买低卖高)。算法的大致步骤是：
|
|||
|
|
|
|||
|
|
1. 得到GOOGLE从2014-01-01到2018-01-01的股票数据，包括当日高位、低位、开盘价、收盘价、交易量
|
|||
|
|
2. 生成交易信号:
|
|||
|
|
1. 使用GOOGLE股票的修正后收盘价作为基础，计算每日价格变动
|
|||
|
|
2. 假如价格变动为正(价格上涨)，那就卖出，反之买入（基于自身所拥有仓位的数量上）
|
|||
|
|
3. 生成交易数量的图表，向上箭头表示买入，向下箭头表示卖出
|
|||
|
|
4. 回测：
|
|||
|
|
1. 假设拥有$1000作为启动资金，计算3年来 cash (initial amount of money) 和 holding (invest this money)
|
|||
|
|
1. 若股票价格上涨，value of holding 上涨
|
|||
|
|
2. 卖出后，这只股票value of the holding 被转移至 cash amount中。
|
|||
|
|
3. **总资产价格 (sum total of the assets)** = cash + holding
|