金母鸡量化教学场AlgolithmicTrading是如何恢

　　现代金融市场错综复杂。有股票市场，货币市场，债券市场，商品市场等数不清的金融产品，还有以此为标的资产的衍生品，又有把这些证券化的金融产品。这些金融产品在市场中彼此关联，精密运转。
　　不过金融市场也并不是所有瞬间都能精密运转的，偶尔这种精密运转的关系会发生一时的断裂。当然金融市场本身却也有着可以修复一时不平衡的自生能力。那么当金融市场中瞬间发生不平衡状态，要如何将它回复呢？今天我们就来好好说说。
　　AlgolithmicTrading经常用于自动捕捉金融市场中瞬间发生的不平衡状态，将其恢复到均衡状态，从中获取利益。（有人会故意采取制造不平衡状态的策略）因此AlgorithmicTrading是市场不平衡状态的获利方，又是恢复市场平衡的治愈方。
　　初期的AlgorithmicTrading为了交易的便利性以及费用的节约，会用电脑代替人为的工作。也就是说，客户委托大量订单的时候，不再需要人为的一个一个促成交易，而是可以用电脑合理分配使其成交。但是近年来的AlgorithmicTrading是基于高度的金融数学策略，发展成为通过Algorithmic获得收益的模型。虽然不知道这样的变化对市场的影响是好是坏，但可以确定的是没有AlgorithmicTrading是无法谈论现代的金融市场，而且它的影响力正在逐渐加大。
　　海外团队的AlgorithmicTrading的影响力不容小觑。而且他们使用的策略是怎样的，我们也无从知晓。如果要与此对抗，需要开发可以与之抗衡的技术水平。也许未来十多年仍然无法超越，但希望通过国人不懈的努力和研究，应该能在不远的将来能够比肩而立。
　　现在Algo的研究和设计有几个方向：以Almgren为首的从衡量市场订单冲击成本和反向学者的角度，强调订单在全天不同时间段的分配。这套体系优势在于当你有显著高的市场参与率时（e。g。10），如何通过观察自己或市场大单的冲击来决策下单分配。如果有较多的客户交易数据以拟合模型以及有较大的交易量需求时，Almgren的这条路可能更有益于减少成本。
　　另外一些学者则更重视每笔限价单下单时的价格和位置选择。举例而言，多少比例买单挂一二档bid，同时是否根据当前委托队列、逐笔成交情况选择继续等待亦或是主动成交？基本上这种设计都需要考虑订单簿、逐笔委托成交，会利用这些信息对未来一段时间内的走势进行可能性判断，选择最优方案。但这种方式一般还是以TWAP为基础，强调单笔委托时短时间内的价格选择。
　　（三）最后就是从日内策略演变而来。一般量化策略参与率都不高或者限制过，所以对于它们而言，有预测作用信号在经过过滤之后，可以Timing买卖方向进行获利。本质上讲，这种算法设计思路与日内CTA并无区别，但出于算法执行的考虑需要保证无隔夜敞口。