作者:201746日 于北京

程序化算法交易

进入2000年后,交易延迟时(latency在金融行业变得极为重要,买方开始使用直联交易所(DMADirect Market Access)的电子工作台(Electronic Desks)下单,卖方开始在交易中引入初期的算法交易向买方提供算法交易报价。交易所开始提供机房托管/共同位置(Co-location)和接近主机(Proximity)服务。

算法交易又称自动交易、黑盒交易或者机器交易,是利用电子平台,输入涉及算法的交易指令,通过使用计算机程序执行预先设定好的交易策略,发出交易指令的方法。 据美国商品期货交易委员会(CFTC)对2014年十月份之前两年内的数据分析显示,算法交易系统(Algorithmic trading systemATS)的应用在外汇期货交易中占80%,在利率期货交易中占67%,在股票期货交易中占62%,在金属和能源产品交易中占47%左右(至少买卖的一方),甚至在农产品——自动化进程格格不入的一个领域,算法交易系统的应用也至少占据了农产品期货交易的38%。 总的来说,CFTC近两年的数据表明,算法交易系统(ATS)占据了各种期货交易的近60%。对于一些高流动性的产品,算法交易系统(ATS)在交易买卖双边都占据了50%以上的比例。

 

首先因特网技术催发信息通信标准的建立,最明显就是fix的使用,降低交易成本信息通信的成本。以前大家建N多个系统,使用不同的信息标准,现在只要建一个系统,通过fix就可以和另外的系统集成,对操作的风险也有了很好的控制。

  

典型的算法交易系统架构,由三大块组成,最上面的是市场行情和金融数据,中间模块主要是交易平台,最下面的是监控或者分析模块。策略层面和执行层面有一个有效的分离,执行层面是指整个系统的平台进行订单管理除了这个策略和执行层面以外级上下游之间的连接,上游的OMS和下游的EMS连接点对点的方式。特别强调对实时行情数据和交易数据的采集、汇总、清一、采样、分析的实时操作,对整个交易技术提出了很高的要求。风险控制是散布在整个交易平台的各个模块里面,而不是单独在一个模块上实现。主要模块有数据、系统、策略、集成、记录、分析、系统检测等。

大数据算法云服务器

对程序算法交易而言大数据有两个层面上的意义,第一是实时对数据进行处理,在技术上成为可能,而且越来越快。另外一个是对复杂事件的处理,大家都知道CEP复杂事件处理引擎的概念。其他一些新型的通讯和数据处理技术,如FPGA软件硬化的技术,不断完善、不断成熟和使用也推动了程序算法交易的发展。除了交易技术蓬勃发展以外,不得不提高量化分析能力的迅速提高。这体现在多个方面,由于大量交易数据的储存和处理能力不断提高,使得人们对市场微观结构有深入分析和研究,从而涌现出了较多复杂的量化分析模型,无论是时间序列的还是结构性的数据分析。各种各样的量化模型都可以使用进来。加上越来越快的分析和通讯速度,使得人们可以在瞬间对市场短期趋势进行判断,也使得盈利的高频交易策略成为可能。

大数据必须要跑在云端,而金融大数据更需要和业内其他企业展开数据、支付、业务等一系列的合作。金融云对可用性、安全性的要求严格,比如说对一个高度可控可信的云安全体系而言,基础环境安全、风控与审计、数据安全三者缺一不可。而金融云在未来的竞争中将发挥越来越重要的作用。

发表评论