[心得] 我是高頻交易員, AMA. Ask Me Anything!
我三年多前離開了科技業的工作, 到一間小公司做高頻交易.
想和大家分享一下這幾年來我在這個產業的一些心得和見聞.
不過我有點懶得寫成一篇完整的文章, 所以想用問答的形式來回答大家的問題.
規則是:
1. 在Trading版的這篇底下推文發問, 我有時間的時候會來修文回答.
2. 期限一個星期到下星期六為止. 問題內容不限.
不過先說明兩點:
1. 我沒有賺很多錢, 公司也沒有, 因為我們在之前市場好的時候沒有scale得很好,..
而最近市場變得愈來愈難賺錢. 我們沒有交易台灣 沒有交易crypto. 保證沒有賺到各位大大der錢.
2. 我為什麼要做這個問答呢? 我今年的目標是希望可以多認識一些業內人士互相交流.
也希望透過資訊的分享 提升我個人的知名度 為將來出書開課做準備(誤).
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.30.32
※ 文章網址: https://www.ptt.cc/bbs/Trading/M.1550903204.A.2B2.html
※ zxcmnb:轉錄至看板 Option 02/23 14:27
→
02/23 14:50,
5年前
, 1F
02/23 14:50, 1F
沒錯 其實嚴格來說 沒有所謂的High Frequency Trading
大家真正做的是Low Latency Trading
有些策略可能要求很低的latency 但是實際上交易的次數和頻率並不高
速度當然是愈快愈好 latency愈低愈好
從收到報價 中間運算 到下單到交易所 時間單位是microsecond
有些策略要搶快 那就要低於10 microsecond
有些比較複雜運算較久的也會低於100 microsecond
但大部分應該都會低於20~30 microsecond
→
02/23 14:51,
5年前
, 2F
02/23 14:51, 2F
資料愈多愈準確愈好
level 2 orderbook, 逐筆成交紀錄等等
愈多愈精確的資料有助於產生各種有預測力的feature.
不過當然還是要看你怎麼用這些資料
→
02/23 14:52,
5年前
, 3F
02/23 14:52, 3F
這個問題很難 因為我也不知道正確答案
有些人的交易策略會用好幾年的資料
市場的結構和狀態是會不斷改變的
如果你的模型可以抓住這些改變的話
用長時間的資料可能可以讓你的預測更準確...
商品當然是每個能賺錢的商品都跑
跑多商品還有個好處是可以考慮hedge自己不想要的risk factor
→
02/23 14:54,
5年前
, 4F
02/23 14:54, 4F
你覺得會賺錢就上線跑 跑到你賠到受不了就拿下來
... 這好像是廢話 不過也是事實 我們目前沒有一個很科學的方法來做這件事
一個好的策略通常可以活幾個月
推
02/23 15:43,
5年前
, 5F
02/23 15:43, 5F
跟公司業務有關的問題不方便回答.. 還有我還在公司ㄟ
推
02/23 16:21,
5年前
, 6F
02/23 16:21, 6F
交易系統會找有網路, 作業系統相關知識的人
交易策略開發會找有機器學習相關經驗的人
推
02/23 16:52,
5年前
, 7F
02/23 16:52, 7F
任何市場裡基本上都會有高頻交易 做市商就是高頻交易的一種
推
02/23 17:01,
5年前
, 8F
02/23 17:01, 8F
決定要做什麼市場這個問題和公司業務有關不方便回答.
交易成本的絕對值是多少其實不重要.
重要的是你能不能拿到最低的成本.
交易成本高的商品會有比較寬的spread 比較高的波動性 和比較低的交易量
但不代表不能賺錢 比較寬的spread對造市策略來說有比較高的利潤
比較高的波動性代表有更高的可能有錯價
基本上如果你有最快的速度 最好的預測 最低的成本
那麼在每個市場都可以很容易賺到錢.
說到交易成本 可以舉例來說 假設某個商品的交易稅突然調降
這時你本來的策略不但很可能不會多賺錢 反而會因此而少賺或賠錢.
這是因為假設本來市場參與者的均衡狀態是
每筆單要平均能賺100元才下單, 如果交易下降20元,
這時候大家看到有賺80元的機會就會衝了,
而還在傻傻等賺100元機會的人可能就等不到機會了.
→
02/23 17:02,
5年前
, 9F
02/23 17:02, 9F
篩選方法就是只要回測可以賺錢的都交易.
基本上可以把商品按micro structure分成三種
一種是tick size很大 掛單很厚 每天動很少的
一種是tick size很小 掛單很薄 動得很劇烈
第三種就是中間的
三種商品交易有不同的難處
問我建議的商品的話 我會建議大家不要交易.
交易是一個很不公平的競賽 想要交易的人應該先想想自己的edge在哪裡
市場上有人有比你快的速度 比你多的資料
比你聰明/努力的人做的預測模型 比你低的交易成本...
想要賺錢 必須在每方面都做到盡可能的好,
而當你賺錢的時候也不能鬆懈. 因為後面永遠有在追趕你的人...這是一條永無止境的路
→
02/23 17:03,
5年前
, 10F
02/23 17:03, 10F
幾分鐘到幾天
看你的預測模型 用到nvidia gpu的話就要裝cuda.
通常機器學習大家會用會用python或r或是matlab 看個人喜好
推
02/23 18:37,
5年前
, 11F
02/23 18:37, 11F
我不會
聽說確實有人這樣做 不知道效果好不好
(我好像修壞推文了)
), 02/23/2019 20:02:38
推
02/23 21:31,
5年前
, 12F
02/23 21:31, 12F
公司業務有關的問題不方便回答喔
推
02/23 21:34,
5年前
, 13F
02/23 21:34, 13F
risk free arbitrage基本上不太存在 看得到的大概也吃不太到
推
02/23 21:34,
5年前
, 14F
02/23 21:34, 14F
多看書學習相關知識囉
推
02/23 21:37,
5年前
, 15F
02/23 21:37, 15F
spread很窄的時候不太會有快市吧
快市就是一筆賺錢單或是賠錢單而已
大家比較怕的是flash crash
需要在異常狀態的時候暫停交易
推
02/23 21:40,
5年前
, 16F
02/23 21:40, 16F
我不知道怎麼'校正'策略
但是當基本面受到改變而策略又開始賠錢的話 應該要把策略直接關掉
例如當貿易戰提高黃豆關稅的時候
不同月份黃豆期貨原有的相關性也會跟著改變
這很可能會讓本來交易calendar spread的策略失效
推
02/23 21:57,
5年前
, 17F
02/23 21:57, 17F
還有賺錢喔
推
02/23 22:47,
5年前
, 18F
02/23 22:47, 18F
聽說Jump, Tower, Optiver都在台灣賺很多
→
02/23 22:48,
5年前
, 19F
02/23 22:48, 19F
多商品喔
推
02/23 23:47,
5年前
, 20F
02/23 23:47, 20F
還有 49 則推文
還有 28 段內文
如果預測的品質很好 不是最快的確實還是有可能賺錢
但是還是會有一些侷限 例如某些本來就很好預測的商品
你如果搶不過別人 就很難賺錢
推
02/26 22:36,
5年前
, 70F
02/26 22:36, 70F
→
02/26 22:36,
5年前
, 71F
02/26 22:36, 71F
可以一直賺錢的策略當然是全下
除非是有市場容納量問題
那會優先考量相關性低的策略
→
02/26 22:37,
5年前
, 72F
02/26 22:37, 72F
推
02/27 00:55,
5年前
, 73F
02/27 00:55, 73F
→
02/27 00:55,
5年前
, 74F
02/27 00:55, 74F
在我們這種公司 可能可以負責訂便當(誤)
在交易週期比較長的量化公司
可能會需要懂財報的人
還有選擇權定價需要懂財務工程的人
還有沒有專找DL人喔 deep learning只是個buzzword...
推
02/27 02:28,
5年前
, 75F
02/27 02:28, 75F
→
02/27 13:03,
5年前
, 76F
02/27 13:03, 76F
我覺得不行
我覺得至少要懂機器學習 而且對交易有興趣的人
推
02/27 22:05,
5年前
, 77F
02/27 22:05, 77F
推
03/01 13:57,
5年前
, 78F
03/01 13:57, 78F
→
03/01 13:58,
5年前
, 79F
03/01 13:58, 79F
沒有什麼特別的方法 一直賠錢的策略就會關掉
如果是實盤不賺錢但是那天的回測還是賺錢 => 速度太慢或是回測有問題 => 關
回測每天交易100次天天賺錢的策略 假設連續賠錢一個星期 => 關
但如果是回測10天只有6天會賺錢的策略 就會需要比較長的觀察時間
推
03/01 19:34,
5年前
, 80F
03/01 19:34, 80F
這我不知道哩
推
03/02 02:01,
5年前
, 81F
03/02 02:01, 81F
→
03/02 02:01,
5年前
, 82F
03/02 02:01, 82F
公司業務不方便透漏喔
推
03/02 03:28,
5年前
, 83F
03/02 03:28, 83F
→
03/02 22:24,
5年前
, 84F
03/02 22:24, 84F
推
03/03 19:42,
5年前
, 85F
03/03 19:42, 85F
中文資料:
1. 知乎上 高頻交易 量化交易 的討論和一些live
2. babyquant的《中国期货市场量化交易(R与C++版)》
英文書:
入門書
1. Ernest Chan的三本<<Quantitative Trading>>, <<Algorithmic Trading>>,
<<Machine Trading>> 我個人比較喜歡第二本
2. World Quant老闆Igor Tulchinsky的
<<Finding Alphas>>搭配101 Alphas的paper
看完以後可以了解WorldQuant(或是量化基金)在做什麼
3. Euan Sinclair的<<Option Trading>>和<<Volatility Trading>>
我覺得寫得很好 即使你不交易選擇權 也可以獲得一些啟發
進階
1. <<Quantitative Equity Portfolio Management>> by Chincarini & Kim
雖然年代有點久遠了 不過我覺得這本內容還是蠻扎實
可以當工具書或是尋找靈感的參考
2. <<Quantitative Equity Portfolio Management>> by Qian, Hua & Sorensen
<<Active Equity Management>> by Zhou & Jain
這兩本也不錯 不過其實這類書很多內容都大同小異
我只要是感覺書上有寫我感興趣的東西的話就會買來看
3. <<Advances in Financial Machine Learning>> by Lopez de Prado
作者是業界的名人 書裡一大部分我覺得都是在教你怎麼處理資料避免overfitting
純理論
1. <<Algorithmic and High-Frequency Trading>> by Cartea, Jaimungal & Penalva
這本書會告訴你在給定的數學模型下 optimal execution會是什麼
當然現實生活和數學模型其實有很大的差距
2. <<Market Microstructure in Practice>> by Lehalle & Laruelle
這本介紹了很多microstructure相關的知識
這兩本如果是想找交易策略靈感的話 可以不用看.
但是看了以後可以對市場有更深的理解.
最後來鋪個開課梗(誤):
我以前會覺得開課/出書的人都是沒辦法在市場上賺到錢的人
所以這些人的課程或是書籍都是沒用的 想要賺錢的話 只能靠自己想辦法
但是我後來發現其實不是這樣
這些人可能基於各種原因真的沒辦法從市場賺到錢 所以才出來開課/出書
但他們的資訊對我來說還是可能是有用的
舉例來說
某個開課大師他可能有個交易策略 可以平均每口交易賺10元
但交易成本是50元 這樣交易完他還要倒賠40元
而我是一個穩定獲利的交易員 平均每次交易可以賺65元
加上他的方法以後 我可以變成每次交易賺75元 扣除成本之後
我的淨利會從15元提升40%變成25元
一個在別人手中沒用的資訊 到了我的手上變成黃金!
(這個例子有點過於理想化 但其實交易在做的事情大致就是這樣
到處收集各種微小微弱的信號 把他們合在一起 團結力量大)
心態改變以後 我會很願意去看書或是聽課
即使大部分內容都是沒用的 但只要有一兩個有用的資訊就值回票價
而有時候真的也還可以找到一些有幫助的想法
(當然個人的時間和金錢都是有限的 所以還是要篩選一下)
===
感謝大家的發問 公開的回應就到這邊結束了
希望業界的朋友可以站內信交流囉
(還有開課梗是開玩笑的 目前沒有開課的打算 將來應該也沒有)
※ 編輯: zxcmnb (1.160.197.32), 03/04/2019 00:27:18
推
03/04 07:43,
5年前
, 86F
03/04 07:43, 86F
推
03/04 11:41,
5年前
, 87F
03/04 11:41, 87F
推
03/04 17:41,
5年前
, 88F
03/04 17:41, 88F
推
03/04 22:39,
5年前
, 89F
03/04 22:39, 89F
推
03/05 14:20,
5年前
, 90F
03/05 14:20, 90F
推
03/05 17:54,
5年前
, 91F
03/05 17:54, 91F
推
03/06 23:45,
5年前
, 92F
03/06 23:45, 92F
推
03/07 10:32,
5年前
, 93F
03/07 10:32, 93F
推
03/07 16:54,
5年前
, 94F
03/07 16:54, 94F
推
03/07 18:14,
5年前
, 95F
03/07 18:14, 95F
推
03/19 13:07,
5年前
, 96F
03/19 13:07, 96F
推
03/19 13:59,
5年前
, 97F
03/19 13:59, 97F
推
03/21 22:04,
5年前
, 98F
03/21 22:04, 98F
噓
04/02 10:50,
5年前
, 99F
04/02 10:50, 99F
推
05/19 21:49,
5年前
, 100F
05/19 21:49, 100F
推
05/29 01:14,
5年前
, 101F
05/29 01:14, 101F
Trading 近期熱門文章
PTT職涯區 即時熱門文章