量化分享 | 从零开始了解算法交易

以下内容@来源于网络，如侵删~

01 什么是算法交易？
算法交易（AlgorithmicTrading）是交易员在二级市场进行交易时所使用的一种程序化交易方式。
算法交易专注于订单的执行过程，在执行过程中根据数学模型、统计数据、市场实时信息等多方面的信息通过预先设计好的算法进行下单，核心目标是又好又快地完成交易订单。在欧洲和美国，算法交易作为订单执行的策略和工具，被机构交易者广泛采用，并诞生了很多著名的量化基金，比如数学家西蒙斯所组建的文艺复兴技术公司。

市场之所以青睐算法交易，其原因在于其能够快速有效地降低交易成本，控制市场冲击成本和争取最优的成交价格和数量以及隐藏交易意图等传统交易方法不具有的交易方式。如荀子《劝学》所言——“不积跬步，无以至千里；不积小流，无以成江海”，算法交易所体现的正是这样一种化整为零、积少成多的思想。02 哪些场景和机构在使用算法交易？算法交易的主要应用场景有大额交易、篮子交易、回购交易等应用场景。对于大额交易，如果直接向市场下单容易造成严重的市场冲击，且易于被交易对手发现交易意图。算法交易的拆单功能可以很好的平滑市场冲击与防止被交易对手发现。对于篮子单交易或者称组合交易，通过交易员一只证券一只证券的去交易已不太现实，需要通过自动化交易的方式交易。算法交易给交易员提供了极大的便利性使得交易员一次可以交易上百只证券，同时降低交易成本。对于回购交易，交易时间长、交易金额大，极度耗费交易员精力。使用算法交易可以把交易员从繁重的键盘敲击下单的过程中解放出来，使得交易员专注择时，以提高工作效率。算法交易的主要客户类型有两大类，传统机构类客户和新型交易型客户。传统机构类客户包括公募基金、保险资管、私募基金等。这些客户的主要特征是交易量大、交易需求丰富，对交易成本比较敏感，交易合规要求严。新型交易型客户主要包括经常做回购交易的各类保险、私募、公募基金客户，增持减持类客户，高净值合格投资者客户。
03 使用算法交易的优势
为什么要使用算法交易？我们认为大体有以下几个原因：
首先，算法交易受到投资者追捧的主要原因，也正是其产生的根本目的，在于其可以减小市场摩擦，有效降低交易中的冲击成本，从而使得整个交易可以以最优价格完成。其次，算法交易可以提高交易执行的效率。伴随着大单拆分，不同的小单按照不同的价格进行动态成交，这些复杂而频繁的交易对于人工来说是非常繁琐的。
一方面，交易员在进行交易时总是需要进行思考和判断的，这将有可能错过最佳的交易时机、增加等待风险或交易成本，而程序化交易的整个流程则仅需要计算机经过非常短暂的计算，就可以将指令发出，并且在这一过程中可以避免由于人的不理性而出现的一些非正常交易。另一方面，拆分后复杂的下单指令，特别是对于组合投资来说，容易使交易者手忙脚乱，而计算机程序化交易则可以在准确的时点对交易系统完成准确的下单指令，避免忙中出错。
使用算法交易的另一个优点，特别是对于机构投资者而言，是它可以降低传统交易部门的人力成本，即只需要雇佣少量的交易员对整个算法交易过程进行监控和维护即可。最后，使用算法交易，对于大规模交易而言，是一种很好的隐蔽自己交易行为的方式。对于进行大规模交易的投资者，特别是机构投资者，一般情况下都希望能够将自己的交易行为隐蔽起来，从而避免对手根据自己的“套路”出牌。
通过将大单拆细进行交易，类似于一片平静海面下暗涌着的激流，对手只能看到成交量的放大，但却看不出有少数人在大量买入或是卖出，整个交易过程表现出的仅仅是一种大众行为。

当然，在隐蔽大规模交易方面仅仅依靠传统的算法交易还是不够的，这个过程可能还需要一些其他策略的配合，例如在细分的下单量上附加一些噪声、或者使用随机算法对大单进行拆分等，这里我们暂时不做过多讨论。
04 常见的一些算法交易策略
算法交易的策略多达30多种，目前已经发展到第四代算法技术。

第一代算法交易比较简单，注重交易的执行效率和目的，如TWAP、VWAP等；
第二代算法交易注重提高交易质量，降低交易成本，如最大限度接近开盘价、收盘价、或心理价等某一特定价格为目标，该算法有I/S（按照执行价格和期望价格差来拆分大单）、MOC(让成交价尽可能接近闭市价格)、MOO（让成交价尽可能接近开市价格）、Peg/Pegging（让成交价尽可能接近某一档价格）；

第三代算法交易是你在这样交易，对手也在这样交易，为了蒙蔽对手，引入Iceberg算法（按给定比例逐步暴露订单直至全部成交），之后又引入了反侦察算法比如用来发现潜在Iceberg算法的Sniffer算法等。

第四代算法技术更趋向于智能交易，例如复杂事件处理（CEP）、新闻交易（News Trading）等。这些策略根据不同的市场特点和交易需求进行设计。下文简单介绍了最常见的TWAP和VWAP策略。简单地说，TWAP是等时间间隔下等量的单；VWAP是预估一天内成交量的分布，按照分布下单。1TWAP策略
TWAP（TimeWeighted Average Price），时间加权平均价格算法，是最为简单的一种传统算法交易策略。该模型将交易时间进行均匀分割，并在每个分割节点上将均匀拆分的订单进行提交。
例如，A 股市场一个交易日的交易时间为4 小时，即240 分钟。首先将这240 分钟均匀分为N 份（或将240 分钟中的某一部分均匀分割），如240份。TWAP 策略会将该交易日需要执行的订单均匀分配在这240 个节点上去执行，从而使得交易均价跟踪TWAP。

TWAP 策略设计的目的是在使交易对市场影响最小化的同时提供一个较低的平均成交价格，从而达到减小交易成本的目的。在分时成交量无法准确估计的情况下，该模型还是较好地实现了算法交易的基本目标。但是TWAP 遇到比较大的问题是，在订单规模很大的情况下，均匀分配到每个节点上的下单量仍然较为可观，仍有可能对市场造成一定的冲击。
另一方面，真实市场的成交量是在波动变化的，将所有的订单均匀分配到每个节点上显然是不够合理的。因此，人们很快建立了基于成交量变动预测的VWAP 模型。不过，由于TWAP 操作和理解起来非常简单，因此其对于流动性较好的市场和订单规模较小的交易仍然较为适用。2VWAP策略VWAP（VolumeWeighted Average Price），成交量加权平均价格算法，将大额报单按照规定期限内预测的交易量分布比例拆分成多个小额订单进行委托交易，其比较基准为时间段内的市场交易量加权均价。是目前市场上最为流行的算法交易策略之一，也是很多其它算法交易模型的原型。适合日均交易量10-30%以上的大额报单。首先定义VWAP，它是一段时间内证券价格按成交量加权的平均值。

其中t price 和t volume 分别是某个时点上证券的成交价格和成交量。VWAP 算法交易策略的目的就是尽可能地使订单拆分所成交的VWAP成交盯住市场的VWAP市场。从VWAP 的定义（2）式来看，若希望能够跟住VWAP市场，则需要将拆分订单按照市场真实的成交量分时按比例进行提交，这就需要对市场分时成交量进行预测，通常来说，VWAP 策略会使用过去M 个交易日分段成交量的加权平均值作为预测成交量，这里就要涉及到M 和权数的确定，这里我们暂不进行深入探讨。更为严格地说，假设需要在某段时间买入一定数量的股票，采用算法交易将这段时间分为N 部分，并预测每部分时间的成交比例（占所需成交量）为i vp ，而市场真实的分段成交比例（占市场真实成交量）为i vm ，市场在每个时点的真实成交价格为i P ，则可以定义跟踪误差。

从TE的定义（3）式可以看出两点：
1.跟踪误差与成交量预测的关系非常紧密，预测结果的好坏直接影响到VWAP 算法交易的结果。
2.当某段时间的i vp 超过市场真实t vm 时，有可能造成订单无法全部成交，这样就会造成算法交易执行效率的下降，因此，更为常用的是被称为“带反馈的”VWAP 算法交易策略。
所谓带反馈的VWAP 算法交易策略，是指在原有VWAP 跟踪的基础之上，将每个时段未成交的订单按比例分摊至后面的时间段中，这样可以有效提高成交比率。之前所讨论的TWAP 策略也可以采用该类反馈技术，使执行效率大幅提升。