高频量化投资

㈠ 高频交易 量化交易 还傻傻分不清楚么

㈡ 量化交易和高频交易有什么区别

量化交易是指把操作的信号通过程序化，用计算机控制，可以是高频的，也可以是低频的，和操作频率没有关系。高频交易，也有可能是人工的，只不过，人工太累，所有很多的高频交易都被做成了量化的。

㈢ 请问 高频量化是什么公司

1. 量化投资就是借来助现代统自计学、数学的方法，从海量历史数据中寻找能够带来超额收益的多种“大概率”策略，并纪律严明地按照这些策略所构建的数量化模型来指导投资，力求取得稳定的、可持续的、高于平均的超额回报。

2. 量化投资属主动投资范畴，本质是定性投资的数量化实践，理论基础均为市场的非有效性或弱有效性。
   

3. 量化投资特点：
   第一，投资视角更广。借助计算机高效、准确地处理海量信息，在全市场寻找更广泛的投资机会。
   第二，投资纪律性更强。严格执行数量化投资模型所给出的投资建议，克服人性的弱点。
   第三，对历史数据依赖性强。

㈣ 高频交易和量化交易到底有什么区别

从历史上看，很多高频交易公司的创始人都是交易员出身，原来就从事衍生品的做市、套利等业务。一开始这些工作并不需要多高深的知识。随着计算机技术的发展，交易的自动化程度和频率也逐渐提高，这些公司逐渐聘请一些数学、统计、计算机背景较强的人员加入以适应形势的发展。当然，这个过程也出现了一些分化，有的公司还是保留了交易员在公司的主导地位，并且始终未放弃人工交易，最终形成了人机结合的半自动交易；而另外一些公司对新鲜技术的接受程度更高一些，往往采取全自动的交易模式。事实上，也没有证据表明全自动交易的公司就比半自动交易的公司更为优越，到目前为止，也只能说是各有利弊。
人工交易的最大弊端在于手动下单的地方离交易所较远，在行情剧变的时候往往抢不到单。在这一点上，全自动交易的公司可以通过托管机房来最大程度减少信号传输的时间，不过自动化交易往往因为程序过于复杂，加上很多公司人员流动较大，在程序的维护上会出现一些失误，最终程序出错酿成大祸，比如著名的骑士资本。
至于过度拟合无法抵御黑天鹅事件，那是人工交易和自动交易都无法避免的问题。一般来说，Getco、Jane Street、SIG、Virtu Financial等是半自动交易，Tower Research、Hudson River Trading、Jump Trading等是全自动交易。
量化投资公司跟高频交易公司则有很大的不同。首先，美国的量化投资公司基本上都是量化背景极强的人创办的，比如说文艺复兴的创始人西蒙斯是数学家出身，DE Shaw的创始人David Shaw是计算机教授出身，AQR的创始人Cliff Asness是金融学家出身，而高频交易公司则更多是传统交易员创办的；其次，量化投资一般依赖于复杂的模型，而高频交易一般依赖于运行高效的代码。
量化投资公司的持仓时间往往达到1—2个星期，要预测这么长时间的价格趋势需要处理的信息自然非常庞大，模型也因此更为复杂，对程序的运行速度反而没那么敏感；高频交易处理信息的时间极短（微秒或毫秒级），不可能分析很多的信息，因此模型也趋于简单，竞争优势更多依靠代码运行的效率，很多人甚至直接在硬件上写程序；而最后，量化投资的资金容量可达几百亿美元，而高频交易公司往往只有几千万至几亿美元，但由于高频交易的策略表现远比量化投资稳定，如Virtu Financial交易1238天只亏1天，因此一般都是自营交易，而量化投资基金一般来说都是帮客户投资。

㈤ 高频交易与量化交易到底有什么区别

高频交易一般是单手利润低，单量大，频率较高的交易，基本上是赚两三个点就平仓

㈥ 高频交易和量化交易有何不同

高频交易和量化交易有3点不同：

一、两者的概述不同：

1、高频交易的概述：指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易。

2、量化交易的概述：指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略。

二、两者的作用不同：

1、高频交易的作用：这种交易的速度如此之快，以至于有些交易机构将自己的“服务器群组”安置到了离交易所的计算机很近的地方，以缩短交易指令通过光缆以光速旅行的距离。

2、量化交易的作用：极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

三、两者的特点不同：

1、高频交易的特点：

（1）高频交易都是由计算机自动完成的程序化交易；

（2）高频交易的交易量巨大；

（3）高频交易的持仓时间很短，日内交易次数很多；

（4）高频交易每笔收益率很低，但是总体收益稳定。

2、量化交易的特点：

（1）纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。

（2）系统性。具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；三是多数据，即对海量数据的处理。

（3）套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。

（4）概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。

㈦ 量化交易可以实现高频吗

你好
量化交易和高频交易有什么区别？

很多人对于量化交易和高频交易分不清，经常混淆，简单地介绍他们的区别。
量化交易是指投资者利用计算机技术、金融工程建模等手段将自己的金融操作方式，用很明确的方式去定义和描述，用以协助投资者进行投资决策，并且严格的按照所设定的规则去执行交易策略（买、卖）的交易方式。简而言之，量化交易是以定量化方法进行投资的各种技术综合。而在现实的应用中，量化交易往往与基本面投资、技术分析有机结合，帮助投资者制定决策、减少执行成本、进行套利、风险对冲和帮助做市商实现报价的功能。按照数学模型的理念和对计算机技术的利用方式，量化交易方式可以进一步细分为自动化交易（Automatic Trading）、数量化投资（Quantitative Investment）、程序化交易（Program Trading）、算法交易（Algorithm Trading）、以及高频交易（High Frequency Trading）。这五种量化交易方式侧重点各有不同，是量化交易技术发展到不同程度的产物。但是在实际应用中，五种量化交易方式的名词经常被交叉使用。
自动化交易自动化交易，是指将技术分析投资方式固化成计算机可以理解的模型、技术指标，计算机程序根据市场变化自动生成投资决策并付诸执行的交易方式。简而言之，自动化交易是技术分析投资方式的自动化。自动化交易可以避免投资人的心理变化和情绪波动，严格执行既定策略，是最基本的量化交易方式，在外汇交易和期货交易领域应用很广。数量化投资数量化投资，是指利用计算机分析宏观经济、行业、以及公司的基本面数据，选择投资组合的资产配置，并通过数学模型预测组合未来变化的数量化交易方式。简而言之，数量化投资是基本面分析投资的自动化。数量化投资可以帮助投资人在越来越多的信息中选择实质性关键信息，并转化成投资决策，在股票投资领域应用广泛。量子复利的框架体系内的不同风格的量化策略，便属于数量化投资这个范畴，即平时常说的量化投资（Quantitative Investment）。算法交易算法交易，是指把一个指定交易量的买入或者卖出指令输入到计算机模型，由计算机模型根据特定目标自动产生执行指令的时机和方式。订单执行的目标基于价格、时间或者某个基准。为降低冲击成本，避免惊动市场，算法交易采用一些计算机模型，将一个大额交易拆分成若干个小额交易，以此来减少对市场价格造成冲击。算法交易有时被称为黑箱交易。算法交易的概念是交易执行精细化发展的结果，算法交易侧重于投资策略的执行，而自动化交易和数量化投资的概念着重于投资决策。因此算法交易可以与自动化交易和数量化投资配合使用。近年来，除了信息技术是的交易速度不断加快之外，交易平台日趋多元化也使得高频交易成为可能。与高频交易相伴随的是闪电交易（Flash Trading），闪电交易是美国市场上交易所为高频交易商提供的一种特殊服务，是指股票交易传达到公众的约三十毫秒前，先显示给订用有关服务的交易员。三十毫秒的时间，对于手动交易者而言相差不大，但是对于高频交易而言，三十毫秒的时间足以完成一笔交易行为。2009年9月，美国证监会因为闪电交易明显有失公平，停止了所有交易所的闪电交易服务。

㈧ “量化高频交易”是怎样的一种概念如何去简单理解这个交易技术

#银心分享#量化投资是通过综合运用金融、数学和计算机知识，发现市场规律、寻找大概率内事件，发现容投资机会。 “量化投资简单地说，就是先通过电脑来计算：时间、价格、经济指标、市场消息等，当它们达到模型要求时，就自动买卖。”计算机根据每秒数次更新的报价不停计算，确定要不要加仓、减仓，算算用了多少钱，赚了还是亏了，赚了多少或者亏了多少。 以量化投资里面具有代表性的一种模式———统计套利为例：成都市两大菜市场都在卖大白菜，实时监控两个市场的价格，如果发现一个市场大白菜价格为八毛一斤，另一个市场大白菜价格为七毛一斤，两个市场之间的运费是每斤五分，这个时候我就可以在一个市场买入大白菜，拿到另外一个市场去卖掉，每一斤可以赚到五分钱，如果规模大，一天很多次这样做生意，那么累计的利润就很可观。“这就是统计套利基本原理的简化案例。”他说。

㈨ 什么是“量化高频交易”，相对其他交易有什么优点

高频世界里，有一条永恒的建模准则值得铭记：先看数据再建模。如果你看了上面的介绍就开始天马行空的思考数学模型，那基本上是死路一条。我见过很多年轻人，特别有热情，一上来就开始做数学定义，然后推导偏微分方程，数学公式写满一摞纸，最后一接触数据才发现模型根本行不通，这是非常遗憾的。

而看了数据的人会怎么样呢？他很可能会发现，对于冰山订单的处理，交易所的规则是非常值得寻味的。有的交易所是这样做的：一个冰山订单包含两个参数，V表示订单总量，p表示公开显示的量。比如V=100，p=10的冰山单，实际上隐藏的量是90。如果有针对这个订单的交易发生，比如交易量10，交易所会顺序发出三条信息：

成交10
Order Book的Top bid size -10
新Bid +10
这三条信息一定会连续出现，并且第三条和第一条的时差dt很小。这样做的原因是尽管冰山订单存在隐藏量，但是每次的交易只能对显示出的量（p）发生，p被消耗掉以后，才会从剩余的隐藏量中翻新出一分新的p量。这样，每个人从交易所收到的信息仍然可以在逻辑上正确的更新Order Book，就好像冰山订单并不存在一样。