算法交易员 (Algo Trader) 的工作内容是怎样的？和传统意义上的交易员有何区别？

提示: 作者被禁止或删除内容自动屏蔽

卢旺杉 · 2018-10-15 23:58:38

Algo Trader很少直接手动下单交易，通常是使用编写的程序来执行自己的交易策略。

这类名词在业界没有统一的定义，为避免误导，我们这里只讨论高频交易范畴或者更准确一点是低延迟交易的Algo Trader，而不讨论通过量化方法进行的日内少量甚至日间交易的交易员。在这个范畴之内我们不再区分Quant Trader和Algo Trader。对应的，传统交易员或者说Manual Trader范围，也有一些是进行日间多次交易的交易员，比如国内期货界有所谓炒单和炒手的概念。

Algo Trader或者Quant Trader工作的特点通常是：

花大量时间处理数据
他们的工作根据风格不同，或者会把更多时间放在看盘寻找灵感，或是使用数学工具从中挖掘出有意义的信息来继续研究。不管比例如何，他们都同样会花大量时间将自己的看法和结论在历史数据中进行检验，而手动交易者则较少的进行有意识和系统性的数据检验。

更多的团队合作
对于高频交易来说，交易系统的低延迟十分重要，所以交易系统的执行部分通常由低延迟开发者进行开发，交易员只负责核心的策略部分的开发。有一些交易者甚至会配备所谓的Quant Developer来负责实现核心策略的开发，而让自己腾出更多的时间做研究。相比而言，传统交易员更容易单打独斗。

承担的心理压力较低
由于低延迟交易次数多，持仓时间短，通常他们所面对的风险是明显小于手动交易员的。要么好长时间做不出一个好的策略，要么做出来则稳定赚钱。而手动交易员则更容易面对盈利和亏损的起伏，需要较长时间的锻炼才能在心理上入门，而即使在很有经验之后，仍然要面对明显更大的心理压力。当然承担风险也使得运气好时，手动交易员中更容易出现“明星交易员”，在技能和运气的双重作用下拿走大额奖金。

交易文化不同
最后，上面所说的区别会衍生一些工作文化的区别。手动交易员由于工作压力较大，通常会形成一种释放性的文化，他们通过外向性的社交来维持一个好的自信从而抵御较大的精神压力。而量化交易员圈则比较少形成外向性社交文化，而通常较为智力导向，倾向于内在审视。

总体上来说，量化或者算法交易员的比例会越来越大，交易员这个圈子里，十分聪明的人也会越来越多。

腾天 · 2018-10-15 23:58:39

补充一下卢大的，在银行里，Quant Trader和Algo Trader是有区别的。前者主要指用数量模型和计算机模型进行交易（做市、对冲、风险管理等），而后者主要是帮助客户维和使用银行的Algo产品，工作性质前台支持人员差不多。

Algo的特殊意义来自于早些年银行开发的，帮客户自动执行大单的程序被成为Algo。这些执行策略大多对市场走向没有见解，更专注减小大单对市场的影响，降低交易成本这个问题。最著名的开山鼻祖就是TWAP和VWAP策略，现在已经衍生出无数个变种。

我当年在瑞银的时候曾经帮助外汇部门开发ALGO产品。瑞银的股票Algo拿了许多大奖是个明星产品，我当年花了半年就把它们搬到外汇市场上来了。这类只负责执行的Algo产品并不复杂，管理维护它们的Algo Trader的工作挑战性和压力也没有那么高，和Quant Strategist、Quant Trader的工作性质有很大的区别。

来值乎问我问题

Edward.Fu · 2018-10-15 23:58:41

algo trader，传统意义就是VWAP,TWAP这些东东以及其衍生出来的拆单算法，楼上的梅师兄解释的非常好，他本人也是这领域的专家，在此受教了。

不过话说来回，这个词其实也没个准确的定义。广义上来说，“用计算机程序代替手工交易员来执行下单的交易”都是algo，所以algo trader顾名思义也就是用程序来对市场做出合理的判断后执行交易的交易员。

目前国内的量化公司，分工还不是很细，尤其是一些小的工作室和刚起步的fund，基本上一个人把活全干了，累得跟狗一样，这种人就是我口中的algo trader。其实按照国外大的量化公司来说，有如下几个分工：
1.data analyst，负责数据购买，落地和整理，大的公司的data analyst都会开发自用的数据库，负责对公司的数据整合规划，通常这种analyst干两年转研发岗的居多，也勉强算半个researcher。所以对于新人而言，这个岗位是一个比较好的切入fund的职位；
2. quant researcher，主要负责coding策略和维护现有策略，包括backtest和forwardtest这两块，俗称矮人矿工；
3. IT support，负责接口维护、代码管理和提供coding支持，俗称金融码农；
4. PM，组合管理岗，负责对公司整体的portfolio下的各个策略分配系数，并按照市场行情灵活调整各类策略的比例，与绩效最为相关的岗位，最容易被老板操练，业绩不好老板第一个找的人，最容易被研发吐糟的人，最容易被风控打小报告的人，总之就是最容易拉仇恨的那种存在。这类岗一般由researcher转岗而来，负责和实盘相关的大大小小的事情，基本上来说money相对也是最多的。用火影里面火影里面迪达拉的话来说，就是——艺术就是组合。基本上10-100个矮人矿工对应一个PM；
5. RM，risk manager，风险控制岗，顾名思义；
6. 此外作为执行程序无法完成的下单为了补刀而存在的交易员，也是一类了；

like · 2018-10-15 23:58:42

Sell side的Algo/Quant Trader和buy side seeking Alpha的Quant Trader很多时候的工作是不太一样的：

Sell Side更多时候做的事情是帮助execution，即如何减轻对市场的冲击，算法都是非常常用的一批，以前我基本上都写过，然后会有brokerage的公司买去我们的系统在我们的Algo基础上进行一些他们的细微改动。更多时候这些algo都是提供一些execution的便利，并不能从中直接获利，但是可以减低cost抑或是提供止损等便利，譬如：
- Iceberg Order. 顾名思义就是你想sell掉一个大山般巨大的position，那么如果一个巨大的volume的order落到市场上是自杀式行为，会造成价格的大幅下降。那么就好比冰山一样，每次只把你的sell order露出来上面的一小部分即可，然后fill掉了继续落下面一小部分。该算法并不难，很多时候track住last trade基本就可以了。
- Peg Order. 很多时候是track住order book里面的一个depth level的order来动态调整，比如我就是落一个peg order peg住best bid然后和他保持一定的offset。这个算法就比较麻烦，需要keep an eye at order book并且防止被市场上其他玩家给利用。
- 和limit有关的各类synthetic order，比如stop limit etc etc
Buy Side的Algo Trader有会细分很多种:
- 高频交易的更多时候需要对market的微观了解非常清楚，比如香港市场和美国市场会有很多交易的细节不同，如果不清楚你的algo会造成很大的问题，也只有在这个基础上才可以基于各种order book的高频算法来进行开发。也有很多HFT algo trader不得不参与performance tuning中。我们当年为了一个basket order的HFT算法奋斗了半年，每天一到office第一件事就是看看performance metrics降低了多少个微秒...
- statistics arbitrage 又需要对数学统计非常在行，更多时候偏向于data research
- Seeking Alpha, 各种data crunching或者是对一些特殊市场现象先观察然后去用数据验证
- machine learning...? 似乎也是有不停被提到，那就是挖矿挖矿挖矿

总体来说是混合技能很重要，编程、数学、金融、数据库、网络知识各种混搭，必要的时候还要自己洗刷数据，因为经常会有感觉，你有时间交代清楚给别人可能你自己写几行代码就搞定了。

Chandeman · 2018-10-15 23:58:43

写着简单的程序，卖弄着复杂的模型，忽悠着不明真相的观众。人生如戏，全靠演技。

算法交易员 (Algo Trader) 的工作内容是怎样的？和传统意义上的交易员有何区别？

5 个回复