高频量化交易框架结构

转载自：
本文叙述了高频量化交易的框架结构，末尾是书籍推荐。

说明
1.本篇书籍推荐侧重于数理与ML/DL/RL算法，关于高频交易的书籍推荐可参考作者上一篇文章《高频量化交易相关书籍》；
2.高频量化交易这一学术分支仍在高速发展，本篇所言难免遗漏，仅作为框架参考；
3.本文内容尚需调整增补，远未定稿；

一、研究对象——限价订单簿
限价订单簿数据的获取
一些经验事实的实证检验
订单匹配机制模拟

二、限价订单簿的建模：每类模型对应限价订单簿的不同特征；
基本过程类别：随机过程、点过程、levy过程、跳过程
Markov链，隐Markov模型：状态的转移；
泊松过程（Zero-intelligence Model）：基础模型，采用泊松过程模拟限价单、市价单、撤单的行为速率；
Ornstein-Uhlenback过程：极短时间内价格的均值回归现象；
排队论模型（Queueing Model）：生灭过程、稳态下的限价订单簿形态；
Hawkes过程：订单流的相互影响、时间集聚性的建模；

三、交易者的行为动机：理解价格形成的逻辑
存货模型
信息不对称模型
双边拍卖模型

四、数学方法
常用分布与过程：正态分布、泊松分布、布朗运动、几何布朗运动
随机最优控制
偏微分方程、数值求解方法
鞅、停时
跳跃扩散模型
随机波动率模型

五、做市策略
Avellaneda-Stoikov模型
A-S模型的变种-库存限制
A-S模型的变种-含有逆向选择的情形
基于Markov决策过程和动态规划的研究

六、最优订单执行问题
订单分拆——多个交易所间的订单分配
订单分拆——引入暗池的情形
市场冲击模型
Almgreen-Chriss模型
A-C模型的后续扩展

七、最优订单放置问题
订单执行概率

八、机器学习类策略
特征工程
树模型，集成方法
模型融合与优化

九、深度学习、时间序列类策略
时间序列-波动性：GARCH
时间序列-记忆性：ARMA、ARIMA、LSTM
神经网络与深度学习：CNN、RNN、GAN

十、强化学习类策略

——————————————————————————————————————-
书籍推荐
《金融衍生品定价模型——数理金融引论》孙健著
《随机过程及其在金融中的应用》冯玲、方杰编著
《统计学习方法》李航著
《神经网络与深度学习》邱锡鹏著
《深度强化学习》王树森、张志华著