고주파 거래 시장 만들기 전략

전략 및 고주파 거래 (HFT) 회사의 비밀.

기밀성, 전략 및 속도는 고주파 거래 (HFT) 기업을 정의하고 실제로 존재하는 금융 산업을 가장 잘 정의하는 용어입니다.

HFT 기업은 운영 방법과 성공의 열쇠에 대해 비밀 스럽습니다. HFT와 관련된 중요한 사람들은 각광을 피하고 덜 알려졌지만 지금은 변하고 있습니다.

HFT 사업의 회사는 여러 전략을 통해 거래하고 돈을 벌어들입니다. 전략에는 차익 거래 - 인덱스 차익 거래, 변동성 차익 거래, 통계적 재정 거래 및 합병 차익 거래, 글로벌 마크로, 장단기 지분, 수동 마켓팅 등 다양한 형태가 포함됩니다.

HFT는 컴퓨터 소프트웨어의 초고속 속도, NASDAQ TotalView-ITCH, NYSE OpenBook 등 중요한 자원과 연결에 최소한의 대기 시간 (지연)으로 의존합니다.

HFT 회사의 유형, 돈을 벌기위한 전략, 주요 업체 등에 대해 자세히 알아 보겠습니다.

HFT 회사는 일반적으로 사기업, 개인 기술 및 여러 가지 사적 전략을 사용하여 이익을 창출합니다. 고주파 거래 회사는 크게 세 가지 유형으로 나눌 수 있습니다.

가장 흔하고 가장 큰 형태의 HFT 회사는 독립적 인 독점 회사입니다. 독점 거래 (또는 "소품 거래")는 회사의 돈이 아니라 고객의 돈으로 집행됩니다. LIKewise, 이익은 회사를위한 것이지 외부 고객을위한 것이 아닙니다. 일부 HTF 회사는 브로커 - 딜러 회사의 자회사입니다. 대부분의 일반 브로커 - 딜러 회사는 HFT가 완료된 독점 트레이딩 데스크라고하는 하위 섹션을 가지고 있습니다. 이 섹션은 정규 외부 고객을 위해 수행하는 비즈니스와 구분됩니다. 마지막으로 HFT 회사는 헤지 펀드로도 운영됩니다. 그들의 주요 초점은 재정 거래를 사용하여 유가 증권 및 기타 자산 범주에 걸쳐 가격을 책정하는 비효율로부터 이익을 얻는 것입니다.

Volker Rule 이전에는 많은 투자 은행이 HFT 전용 세그먼트를 가졌습니다. Post-Volcker, 상업 은행에는 독점 거래 데스크 또는 그러한 헤지 펀드 투자가있을 수 없습니다. 모든 주요 은행들이 HFT 상점을 폐쇄했지만, 이들 은행 중 일부는 과거에 행해진 HFT 관련 불법 행위에 대한 혐의에 여전히 직면 해 있습니다.

타당성있는 상인이 회사를 위해 돈을 벌기 위해 고용 한 많은 전략이 있습니다. 일부는 매우 평범한 것이며, 일부는 논란의 여지가 있습니다.

이들 회사는 양쪽에서 거래를하는데, 즉 현재 시장 (판매의 경우) 이상이고 현재 시장 가격 (구매의 경우)보다 약간 낮은 주문을 사용하여 판매 할뿐만 아니라 구매 주문을합니다. 두 가지의 차이점은 주머니에 넣는 이익입니다. 따라서이 회사들은 "시장 만들기"에 탐닉하며 입찰 제안서의 차이점만으로 이익을 얻는다. 이러한 트랜잭션은 알고리즘을 사용하는 고속 컴퓨터에 의해 수행됩니다. HFT 기업에 대한 또 다른 수입원은 전자 통신 네트워크 (ECN)와 일부 거래소가 유동성을 제공하는 것에 대해 돈을 받는다는 것입니다. HFT 기업은 하루에 여러 번 저비용의 대량 주식 (HFT의 전형적인 즐겨 찾기)을 여러 번 대량으로 판매하여 입찰가 스프레드를 만들어 시장 결정자의 역할을 수행합니다. 이 회사들은 무역을 제곱하고 새로운 무역을 창출함으로써 위험을 헤지합니다. (상위 주식 고주파 거래자 (HFT) 픽업 참조) 이들 기업이 돈을 벌 수있는 또 다른 방법은 다른 거래소 또는 자산 클래스의 증권 간 가격 불일치를 찾는 것입니다. 이 전략은 통계적 재정 거래라고하며 독점적 인 상인은 여러 거래소의 가격이 일시적으로 불일치하는 것을 경계합니다. 초고속 거래의 도움으로 많은 사람들이 알아 차리지 못하는 이러한 사소한 변동을 이용합니다. HFT 기업들은 또한 모멘텀 점화에 빠져 돈을 벌 수 있습니다. 이 회사는 일련의 거래를 사용하여 다른 알고리즘 거래자를 유인하여 해당 주식을 거래하려는 동기로 주식 가격의 급등을 유발할 수도 있습니다. 전체 과정의 선동자는 다소 "인위적으로 창조 된"급속한 가격 움직임 이후에 가격이 정상으로 되돌아 가고 따라서 일찍 포지션을 취하고 궁극적으로는 거래가 끝나기 전에 거래가 성립한다는 것을 알고있다. (Related Reading : 고주파 거래로 소매 투자자가 이익을 얻는 방법)

HFT 세계에는 중소 기업에서부터 대기업에 이르기까지 다양한 기업이 있습니다. 업계의 일부 이름은 자동화 된 트레이딩 데스크 (ATD), 초퍼 트레이딩, DRW 홀딩스 LLC, 트레이드봇 시스템스, KCG 홀딩스 (GETCO와 나이트 캐피털의 합병), 사스케 하나 인터내셔널 그룹 LLP SIG), 버트 파이낸셜 (Birtu Financial), 올 스턴 트레이딩 (Allston Trading LLC), 제네바 트레이딩, 허드슨 리버 트레이딩 (HRT), 점프 트레이딩, 파이브 링 캐피털 LLC, 제인 스트리트 등

HFT에 종사하는 기업들은 종종 소프트웨어 예외, 역동적 인 시장 조건 및 규정 및 준수와 관련된 위험에 직면합니다. 눈부신 순간 중 하나는 2012 년 8 월 1 일에 일어난 대 실패였습니다. Knight Capital Group이 파산에 가까워졌습니다. 그날 개장 한 지 1 시간도 안되어 4 억 달러가 손실되었습니다. 알고리즘 오작동으로 인한 "거래상의 결함"은 150 개의 다른 주식에 대한 잘못된 거래 및 잘못된 주문을 초래했습니다. 회사는 결국 구제되었다. 이러한 기업들은 운영 및 기술적 문제를 해결할뿐만 아니라 많은 규정 준수를 보장해야하기 때문에 위험 관리를해야합니다.

고주파 거래 전략.

대부분의 투자자들은 고주파 거래 전략의 P & L을 본 적이 없을 것입니다. 그 이유는 물론, HFT 전략의 전형적인 성과 특성을 고려할 때, 무역 회사는 외부 자본에 대한 필요성이 거의 없습니다. 게다가 HFT 전략은 기관 투자가에게 중요한 고려 사항 인 용량 제약을받을 수 있습니다. 따라서 처음으로 HFT 전략의 실적과 마주 친 투자자의 반응을 보는 것이 재미 있습니다. 그들은 운이 좋다면 Sharpe 비율이 0.5-1.5, 또는 아마도 1.8 일 정도로 높다는 것을 알고 있기 때문에, 종종 Sharpe 비율이 두 자릿수 인 HFT 전략의 엄청난 위험 조정 수익률은 진정으로 정신을 잃어 버렸다.

예를 들면, 아래의 HFT 전략의 실적 기록 아래에 eMini S & amp; P 500 계약 (야간 세션 포함)에서 하루에 약 100 회 거래하고 있습니다. 가장자리가 그렇게 크지는 않다는 점에 유의하십시오. & # 8211; 평균 55 %의 수익성있는 거래와 계약 당 수익은 약 절반 틱입니다. 이들은 HFT 거래 전략의 특징 중 일부입니다. 그러나 많은 수의 거래로 인해 상당한 이익을 얻습니다. 이 주파수에서 거래 수수료는 매우 낮습니다. 일반적으로 거래 당 $ 0.1 미만이며, $ 1 & # 8211; 소매 상인을위한 계약 당 $ 2 (실제로 HFT 회사는 일반적으로 그러한 비용을 최소화하기 위해 교환석을 소유하거나 임대합니다).

위의 분석에서 볼 수있는 이러한 전략을 구현하는 데 드는 간접비는 대용량의 메시지를 처리 ​​할 수있는 시장 데이터 피드, 실행 플랫폼 및 연결은 물론 미세 구조 신호를 모니터링하고 주문 서적 우선 순위를 관리하는 알 고 논리입니다 . 이러한 전략이 없다면 수익성있는 전략을 구현하는 것이 불가능할 것입니다.

조금이라도 조정하면 15 분 막대에서 하루에 약 10 번만 거래되는 하루 거래 전략을 살펴볼 수 있습니다. 초고주파는 아니지만 그 전략은 대기 시간에 매우 민감하기에 충분히 높은 빈도입니다. 즉, 1 밀리 초 수준에서 실행할 수있는 고품질의 시장 데이터 피드 및 낮은 대기 시간의 거래 플랫폼없이 이러한 전략을 구현하려고하지 않으려 고합니다. 예를 들어, TT의 ADL 플랫폼을 사용하여 이런 종류의 전략을 구현하는 것이 가능할 수도 있습니다.

승리율과 수익률은 첫 번째 전략과 유사하지만, 낮은 거래 빈도는 1 tick 이상의 높은 거래 PL을 허용하지만, 주식 곡선은 Sharpe 비율 (즉, # 8221; 2.7 정도.

HFT 전략에서 중요한 가정은 유효 노출 률입니다. HFT 전략은 한도 또는 IOC 명령을 사용하여 실행되며 이들 중 일정 비율 만 채워집니다. 신호에 알파가 있다고 가정하면, P & amp; L은 거래 횟수에 직접 비례하여 증가하며, 이는 차례로 채움 율에 의존한다. 일반적으로 10 % ~ 20 %의 채우기 비율로 수익성을 보장하기에 충분합니다 (신호의 품질에 따라 다름). 소매 거래 플랫폼에서 거래하려고 시도 할 때 전형적으로 볼 수있는 것과 같이 낮은 채움 율은 HFT 전략의 수익성을 파괴합니다.

이 점을 설명하기 위해 위의 전략이 거래 플랫폼에서 구현되어 시장이 제한 가격을 통해 거래 될 때만 주문이 채워지는 경우 결과를 살펴볼 수 있습니다. 그것은 꽤 광경이 아닙니다.

이야기의 도덕은 : 실행 가능한 알파 신호를 포함하는 HFT 거래 알고리즘을 개발하는 것은 그림의 절반에 지나지 않습니다. 이러한 전략을 실행하는 데 사용 된 거래 인프라는 그다지 중요하지 않습니다. 그래서 HFT 기업은 수십억 달러를 들여 최고의 인프라를 개발할 수 있습니다.

고주파 거래를위한 시장 전략 탐색 : 에이전트 기반 접근법.

이빙 시온 작가 ​​타카시 야마다 타카오 테라 노.

이 신문은 에이전트 기반 시뮬레이션을 사용하여 고주파 거래 업체 (HFT)의 시장 전략을 탐색하고 경쟁 환경에서 성능을 테스트합니다. 금융 시장에서의 HFT의 활동을 나타내는 모델을 마켓 메이커로 제안한 후 시뮬레이션을 수행하여 주문 가격과 주문 수량이 HFT의 이익과 위험에 미치는 영향을 조사합니다. 결과적으로, 우리는 마지막 거래 가격에 대한 가격 제시와 주문 불균형의 활용이 HFT의 수익을 증가시키는 것을 발견했습니다. 반면에, 우리의 결과는 이전 주문 실행률을 기준으로 적응 주문 크기를 활용하고 평균 거래량을 기준으로 순 임계 값을 설정하면 일일 재고의 위험을 제어하는 ​​데 도움이된다는 것을 보여줍니다. 또한, 우리는 경쟁자의 경쟁 환경을 소개하고 대기 시간을 줄임으로써 이러한 요소가 시장 전략의 성과에 어떻게 영향을 미치는지 살펴 봅니다.

6.1 소개.

2014 년 3 월 11 일, 1238 일 만에 하루 만의 거래 손실을 겪은 고주파 시장 제조사 인 Virtu Financial Inc. 는 최초 공모를 신청했습니다. 많은 사람들은 마켓 메이커로서 거의 완벽에 가까운 기록에 놀랐다. 다른 사람들은 경쟁으로 인해 이익이 지속 불가능 해지고 있다고 주장했다. 본고에서는 HFTs의 수익을 높이기 위해 어떤 종류의 시장 전략이 도움이되는지, 그리고 경쟁 환경에서이 전략이 어떻게 수행되는지에 대한 두 가지 질문을 제시합니다.

증권 거래위원회 (SEC)는 HFT에 의해 자주 이용되는 4 가지 유형의 거래 전략을 일반화했다. 그 중 시장 형성이 가장 투명하고 시장 규모의 60 % 이상을 차지한다 [2]. Menkveld는 현대 시장 제조사의 역할을하는 대형 HFT의 이익과 순 위 치를 신중하게 연구했습니다 [3]. 그러나 전략과 시장 조건 간의 관계뿐만 아니라이 HFT의 성과에 따른 전략은 아직 밝혀지지 않았습니다.

HFTs가 시장에서 활동할 때 HFT의 주식 시장 활동을 나타내는 인공 거래 시스템을 구축합니다. 이 시스템은 금융 시장의 주요 통계적 특성과 잘 맞으며 다른 시장 전략을 세우는 데 사용됩니다.

우리는 일일 수익률을 높이고 일일 재고를 줄이고, 마지막 거래 가격 주변의 가격을 제공하고, 주문 불균형을 활용하고, 이전 주문 집행 률과 그물을 기준으로 한 적응 주문 크기를 사용하는 하나의 시장 전략을 찾습니다 임계 값은 평균 거래량을 기준으로합니다.

다양한 시장 상황에서 전략을 테스트하기 위해 경쟁 업체의 환경을 개선하고 지연 시간을 줄였습니다.

6.2 고주파 거래의 모델링.

이 섹션에서는 에이전트가 제한 주문서 (LOB)를 통해 거래하는 인공 주식 시장을 제안합니다. 에이전트는 목표와 전략에 따라 두 가지 범주로 분류됩니다. 하나는 LFT (Low Frequency Traders)로, 자산의 가치에 관심을 갖고 근본 주의자와 차트리스트의 통합 전략을 사용하여 수익을 얻으려고합니다. 다른 하나는 자산의 가치를 무시하고 거래 환경 자체에만주의를 기울이는 고주파 거래자 (High Frequency Traders, HFT)이며 주로 시장 만들기 전략을 사용하여 스프레드에 이익을 축적하려고합니다. 우리는 두 에이전트가 하나의 단일 자산을 거래하는 일중 거래 시나리오를 활성화합니다. 모델의 프레임 워크가 먼저 제시되고 세부 사항이 제시됩니다.

6.2.1 프레임 워크.

액티브 LFT는 예상 수익에 따라 시장 진입 여부를 결정합니다. 입력하는 경우, 그들은 기대에 따라 크기 및 가격으로 판매 또는 구매 주문서를 제출합니다.

LFT에 의해 제출 된 명령을 알면, HFT는 시장 진입 여부를 결정합니다. 입력하는 경우 LFT 주문을 흡수하고 스프레드에 대한 이익을 얻기 위해 일반적으로 크기와 가격으로 판매 주문과 구매 주문을 제출합니다.

LFT 및 HFT의 주문은 가격 및 도착 시간에 따라 일치 및 실행됩니다. 마지막 거래 가격이 결정된 후 실행되지 않은 주문이 다음 거래 세션을 위해 LOB에 남아있게됩니다.

각 세션 후에 LFT와 HFT는 자신의 퍼포먼스에 따라 거래 파라미터를 업데이트할지 여부를 결정합니다.

6.2.2 저주파 거래자 활동.

활성 가능성에 따라 활성화 될지 여부를 결정합니다. \ (LF ^ ap \).

\ (LF ^ ap \)는 \ ([\ α _ ^, \ alpha _ ^] \)를 지원하는 일정한 분포에서 추출되며 개인 이익에 따라 변경 될 수 있습니다.

활성 상태 인 경우 LFT i는 예상 수익 \ (LF ^ ER \)에 기초하여 자산 \ (LF ^ EP \)의 예상 가격을 먼저 계산 한 다음 매입 가격 \ (LF ^ AP_ \) 및 입찰 가격 \ (LF ^ BP_ \)를 최종 거래 가격 pt에 기초하여 t 시간에 계산한다.

l i는 LFT i의 메모리 길이를 나타내고 \ (l_ \ sim U (1, l_) \)이다. LFT i에 대한 근본 주의자, 차트리스트 및 소음 유도 구성 요소에 대한 가중치이며, 정규 분포에 따라 무작위로 할당됩니다. \ (n_ ^ \), \ (n_ ^ \) (0, \ sigma _) \), \ sim \ vert N (0, \ sigma _) \ vert \), n 2 i~N (0, σ 2) 및 \ (n_ ^ \ sim N

LFT i의 요청 가격이 예상 미래 가격보다 높으면 LFT i는 \ (LF ^ AP_ \) 크기의 판매 주문을 \ (LF ^ AS \) 크기로 제출합니다. LFT i의 입찰 가격이 예상 미래 가격보다 낮 으면 가격 \ (LF ^ BP_ \)에 \ (LF ^ BS \) 크기의 구매 주문을 제출합니다. 주문의 유효 시간은 \ (\ gamma ^ \)입니다.

τ 세션이 끝나면 LFT는 수익 (LF ^ P_ \)에 따라 거래 매개 변수를 업데이트할지 여부를 결정합니다.

\ (LF ^ P_ & gt; 0 \)이면 LFT는 다음과 같이 매개 변수 중 일부를 업데이트합니다.

\ (LF ^ P_ \ leqslant 0 \)이면 다음과 같이됩니다.

\ (LF ^ P_ \ leqslant 0 \)와 난수 (\ sim \ [0,1] & lt; \ lambda \)가 있으면 구성 요소 가중 매개 변수와 메모리 길이가 분포에 따라 갱신됩니다.

6.2.3 고주파 거래자 활동.

HFT j는 시간 t에서의 가격 변동 \ (P_ ^ \) (bps)과 그 행동 임계 값 \ (HF ^ at \)에 기반하여 활성화 될지 여부를 결정합니다.

활성 상태 인 경우 크기 \ (HF ^ AS \) 인 판매 가격 \ (HF ^ AP \) 및 가격 \ (HF ^ BS \)의 구매 주문을 크기 \ . HFT의 모든 주문은 무작위 순서로 제출되며 주문의 유효 시간은 γ H입니다.

기본 설정 인 \ (HF ^ AP = p_ + \ kappa _ ^ \), \ (HF ^ BP = p_ - \ kappa _ ^ \)에서 κ H는 가격 변동을 나타냅니다. HFT는 LOB의 따옴표를 기반으로 주문 수량을 결정합니다. \ (HF ^ AS = HF ^ BS = 0.5 \ times (q_ + q_) \ times \ eta _ ^ \). 여기서 q b (q s)는이 세션에서 LOB의 구매 (판매) 주문의 총 크기를 나타내며 η H는 주문 흡수율을 나타냅니다.

LFT와 마찬가지로 τ 세션 후에 HFT j는 성능에 따라 \ (\ eta _ ^ \)을 업데이트할지 여부를 결정합니다.

6.2.4 모델 검증.

초기 시뮬레이션의 매개 변수.

거래 세션 수.

거래자 수.

LFT 초기 활성 가능성.

LFT 최대 메모리 길이.

LFT 주문 가격 변동.

LFT 주문 크기 변동.

LFT 매개 변수 진화 원.

LFT 매개 변수 진화 속도.

기본 구성 요소의 표준입니다.

차트리스트 구성 요소의 표준입니다.

소음 상인 구성 요소의 표준입니다.

HFT 활성 임계 값.

HFT 주문 가격 변동.

HFT 차수 흡수율.

HFT 시뮬레이션에서의 자기 상관.

HFT 시뮬레이션의 변동성 클러스터링.

HFT 시뮬레이션에서의 분포를 반환합니다.

6.3 시장 전략 수립에 대한 탐구.

이 절에서는 HFT 주문 가격, 주문 수량에 관한 실험을 설계하여 HFT의 이익 증가 및 위험 감소에 도움이되는 주문 가격 및 주문 수량의 종류를 찾습니다.

[3]에 기초하여, 우리 모형은 HFT가 일반적으로 수동적 시장 만들기를 활용하고 스프레드를 얻으 려한다고 가정한다. 그러나 LFT의 거래 동향을 파악하여 주문 불균형을 추측 할 때 적극적인 시장 조성을 활용할 수 있습니다. 이 경우 그들은 가격 이동으로부터 이익을 얻기 위해 신속하게 거래하거나 자신의 지위를 닫습니다. 이 모델에서는 HFT의 수익을 일일 수익으로, 위험을 일일 재고로 간주합니다. 모든 거래 수수료는 단순화를 위해 무시됩니다.

6.3.1 주문 가격에 대한 전략.

수동적이고 공격적인 시장 만들기.

HFT가 수동 시장 만들기를 채택하고 마지막 거래 가격 주변의 가격을 제공 할 때, 주문 주문은 pt + 0.5 x k 1 및 pt - 0.5 x k 1에서 입찰 주문으로 제공된다. 여기서 k 1은 ask - 입찰가는 수동 시장 형성 조건에서 확산되며 기본값은 틱 크기의 두 배입니다. 가장 좋은 물가 / 입찰가를 중심으로 가격을 제시하면서, LOB에서 최고의 입찰가로 물어 보는 주문 및 입찰 주문을 제공합니다.

임계 값을 0.5로 설정하는 동안 \ (\ vert__q_ \ vert_ (q_ + q_) & gt; 0.5 \) 일 때, HFT는 적극적인 시장 형성을 채택 할 것입니다. 판매 주문이 구매 주문보다 많은 경우, 임시 추세와 함께 인용하면 마지막 거래 가격 p t에서 입찰 가격을 제공하고 입찰 가격을 p ​​t - k 2로 제공하는 것을 의미합니다. k 2는 적극적인 시장 조성 조건에서 묻 / 입찰가 스프레드를 나타냅니다. 그리고 임시 추세를 인용하면 P t + k 2에 물가를 제시하고 p t에 입찰가를 제시하는 것을 의미합니다.

6.3.2 주문 수량을위한 전략.

전략에 대한 또 다른 질문은 주문 수량입니다. 더 많은 이익과 적은 위험을 얻기 위해 HFT는 두 가지 측면을 고려하여 주문 이행 가능성을 높이고 이에 따라 편평한 위치를 유지합니다.

| np | & lt; 0.5 × NT이고, 평소와 같이 거래된다.

\ (0.5 \ times NT \ leqslant \ vert np \ vert

\ (\ np \ vert \ geqslant NT \) 일 때, 한 쪽 (매매) 거래가 중단됩니다.

HFT의 최대 주문 크기는 NT입니다.

6.3.3 전략 비교.

견적 전략 목록.

다른 시장 만들기 전략의 비교.

그래프에 따르면 최상의 매매 / 낙찰가를 기준으로 한 견적은 재고에 이점이 있으므로이 전략이 가장 위험하다는 것을 알 수 있습니다. 전략에 따른 일시적인 추세를 사용하여 마지막 거래 가격을 기준으로 견적을 제출하는 동안 HFT에 대한 수익률이 가장 높습니다. 여기에서는 마지막 + 함께 전략을 향후 실험을위한 벤치 마크로 선택합니다.

6.4 경쟁에 관한 실험.

다음과 같은 시뮬레이션에서 HFT의 영향력을보기 위해 HFT의 비율을 변경합니다 (이전 실험에서 2 %). 한편, 모든 HFT는 과거 실험에서 무작위 순서로 명령을 제출합니다. 즉, 비슷한 지연 시간을 갖습니다. HFT가 현재 경쟁 업체보다 먼저 대기하기 위해 지연 시간을 줄이는 것을 고려하면 HFT에 대해 서로 다른 대기 시간을 조정합니다. 이 경우 HFT는 고정 주문으로 차례로 주문을 제출하므로 대기 시간이 더 긴 HFT는 주문을 일찍 제출하고 주문 실행 가능성이 높아질 수 있습니다.

6.4.1 HFT의 총 수익률.

HFT의 총 수익.

이 결과에 따라 흥미로운 점이 두 가지 있습니다. 한편, 대기 시간 조건 모두에서 HFT의 총 수익은 처음에는 위 아래로 떨어졌습니다. HFT 수가 적 으면 HFT가 LFT의 주문을 완전히 흡수하지 못하고 스프레드에 여전히 잉여 이익이 있기 때문일 수 있습니다. 그러나이 숫자가 커지면 HFT는 위치 불균형을 겪고 자신의 직책에서 벗어나기 위해 가격을 지불해야하므로 총 수익이 감소합니다. 반면에, 적색 곡선은 HFT가 속도에 대해 서로 경쟁하고 서로 다른 대기 시간을 갖는 조건을 나타냅니다. 파란색과 비교하면, 이 경쟁은 HFT의 수가 적을 때 HFT의 총 수익을 실제로 감소 시키지만 그 수가 더 클 때 총 수익을 증가 시킨다는 것을 나타냅니다.

6.4.2 HFT의 개별 반환.

HFTs의 개인적인 반환.

결과적으로 적색 곡선은 HFT의 평균 개별 수익률을 나타내며 HFT 비율의 증가에 따라 감소하고 정상 HFT의 수익으로 볼 수 있습니다. LFTs의 인구는 HFT보다 훨씬 많고 평균 수익률은 0으로 볼 수 있기 때문에 적색 곡선은 정상 HFT와 LFT 사이의 수익률 차이를 대략적으로 나타내며 LFT에 대한 참조로 사용하여 HFT에 참여할 가치가 있습니다. 반면에 녹색 곡선은 평균과 가장 높은 수익률 (가장 낮은 지연 시간을 갖는 HFT의 수익률) 간의 차이로 계산됩니다. 이는 장치를 갱신하거나 공동 위치 방법을 사용하여 일반적인 HFT가 가장 빠른 HFT로 될 수있는 잠재적 이익을 얼마만큼 얻는 지 해석 할 수 있습니다. 이 도표는 HFT가 증가함에 따라 HFT가되는 이익이 감소하지만 HFT가 더 낮은 대기 시간을 추구하는 것이 항상 유익하다는 것을 제시 할 수 있습니다.

6.5 결론.

본고에서는 고주파 거래 시장 전략 수립에 초점을 맞추고 세 부분으로 구성됩니다. 먼저 이전 작업을 결합하고 HFT 및 LFT의 거래 활동을 시뮬레이션하기 위해 제한 주문서를 기반으로하는 일일 트랜잭션 모델을 작성합니다. 또한 수동적이고 공격적인 시장 분석을 통해 HFT가 어떤 종류의 주문 가격과 주문 수량을 통해 이익을 늘리고 위험을 줄일 수 있는지 알아 내려고 노력합니다. 마지막으로 경쟁 업체의 경쟁 우위와 지연 시간 감소와 같은 경쟁 환경에서 전략을 테스트하여 성능을 확인합니다.

참조.

저작권 정보.

오픈 액세스이 책은 원본 저작자와 출처를 기재 한 경우 모든 매체에서 비영리 사용, 배포 및 복제를 허용하는 크리에이티브 커먼즈 저작자 표시 비영리 라이센스 약관에 따라 배포됩니다.

저자 및 제휴사.

이빙 시온 1 작가 야마다 타카시 1 테라 노 타카오 1 1. 도쿄 공업 대학 동경 일본.

이 백서에 대해서.

개인화 된 권장 사항.

종이를 인용하십시오.

.RIS 논문 참조 관리자 RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

용지를 공유하십시오.

다운로드 책.

다운로드 책.

종이를 인용하십시오.

.RIS 논문 참조 관리자 RefWorks Zotero.

.BIB BibTeX JabRef Mendeley.

용지를 공유하십시오.

목차.

손끝에서 천만 가지 이상의 과학적 문서를 제공합니다.

전환 판.

&부; 2017 Springer International Publishing AG. 스프링거 자연의 일부입니다.

고주파 거래 전략.

대부분의 투자자들은 고주파 거래 전략의 P & L을 본 적이 없을 것입니다. 그 이유는 물론, HFT 전략의 전형적인 성과 특성을 고려할 때, 무역 회사는 외부 자본에 대한 필요성이 거의 없습니다. 게다가 HFT 전략은 기관 투자가에게 중요한 고려 사항 인 용량 제약을받을 수 있습니다. 따라서 처음으로 HFT 전략의 실적과 마주 친 투자자의 반응을 보는 것이 재미 있습니다. 그들은 운이 좋다면 Sharpe 비율이 0.5-1.5, 또는 아마도 1.8 일 정도로 높다는 것을 알고 있기 때문에, 종종 Sharpe 비율이 두 자릿수 인 HFT 전략의 엄청난 위험 조정 수익률은 진정으로 정신을 잃어 버렸다.

예를 들면, 아래의 HFT 전략의 실적 기록 아래에 eMini S & amp; P 500 계약 (야간 세션 포함)에서 하루에 약 100 회 거래하고 있습니다. 가장자리가 그렇게 크지는 않다는 점에 유의하십시오. & # 8211; 평균 55 %의 수익성있는 거래와 계약 당 수익은 약 절반 틱입니다. 이들은 HFT 거래 전략의 특징 중 일부입니다. 그러나 많은 수의 거래로 인해 상당한 이익을 얻습니다. 이 주파수에서 거래 수수료는 매우 낮습니다. 일반적으로 거래 당 $ 0.1 미만이며, $ 1 & # 8211; 소매 상인을위한 계약 당 $ 2 (실제로 HFT 회사는 일반적으로 그러한 비용을 최소화하기 위해 교환석을 소유하거나 임대합니다).

위의 분석에서 볼 수있는 이러한 전략을 구현하는 데 드는 간접비는 대용량의 메시지를 처리 ​​할 수있는 시장 데이터 피드, 실행 플랫폼 및 연결은 물론 미세 구조 신호를 모니터링하고 주문 서적 우선 순위를 관리하는 알 고 논리입니다 . 이러한 전략이 없다면 수익성있는 전략을 구현하는 것이 불가능할 것입니다.

조금이라도 조정하면 15 분 막대에서 하루에 약 10 번만 거래되는 하루 거래 전략을 살펴볼 수 있습니다. 초고주파는 아니지만 그 전략은 대기 시간에 매우 민감하기에 충분히 높은 빈도입니다. 즉, 1 밀리 초 수준에서 실행할 수있는 고품질의 시장 데이터 피드 및 낮은 대기 시간의 거래 플랫폼없이 이러한 전략을 구현하려고하지 않으려 고합니다. 예를 들어, TT의 ADL 플랫폼을 사용하여 이런 종류의 전략을 구현하는 것이 가능할 수도 있습니다.

승리율과 수익률은 첫 번째 전략과 유사하지만, 낮은 거래 빈도는 1 tick 이상의 높은 거래 PL을 허용하지만, 주식 곡선은 Sharpe 비율 (즉, # 8221; 2.7 정도.

HFT 전략에서 중요한 가정은 유효 노출 률입니다. HFT 전략은 한도 또는 IOC 명령을 사용하여 실행되며 이들 중 일정 비율 만 채워집니다. 신호에 알파가 있다고 가정하면, P & amp; L은 거래 횟수에 직접 비례하여 증가하며, 이는 차례로 채움 율에 의존한다. 일반적으로 10 % ~ 20 %의 채우기 비율로 수익성을 보장하기에 충분합니다 (신호의 품질에 따라 다름). 소매 거래 플랫폼에서 거래하려고 시도 할 때 전형적으로 볼 수있는 것과 같이 낮은 채움 율은 HFT 전략의 수익성을 파괴합니다.

이 점을 설명하기 위해 위의 전략이 거래 플랫폼에서 구현되어 시장이 제한 가격을 통해 거래 될 때만 주문이 채워지는 경우 결과를 살펴볼 수 있습니다. 그것은 꽤 광경이 아닙니다.

이야기의 도덕은 : 실행 가능한 알파 신호를 포함하는 HFT 거래 알고리즘을 개발하는 것은 그림의 절반에 지나지 않습니다. 이러한 전략을 실행하는 데 사용 된 거래 인프라는 그다지 중요하지 않습니다. 그래서 HFT 기업은 수십억 달러를 들여 최고의 인프라를 개발할 수 있습니다.