其实就是用颜色表示第三维的信息。&br&&br&如下图：&br&&img src=&/fa08c3da11ee1e7eb7655_b.jpg& data-rawwidth=&640& data-rawheight=&563& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/fa08c3da11ee1e7eb7655_r.jpg&&&br&假设从红到蓝表示值从大到小，那么 Depth 的部分就是说订单簿每个价位上的订单量在事件之前很多，到事件发生前后骤然减小
，事件发生之后又逐渐回升的过程。其中色块的宽度表示离开 Best Bid and Offer 有多远，比如在 8:20，可以看到最差的买入价（Bid）大概是 339.7 左右，最差的卖出价（Offer）在 340.7 左右。&br&&br&Size 不知道是指什么，如果猜测是对应每笔交易的交易量的话，表示的就是每一时刻在不同量值上的成交分布，比如 8:20 时可能就是大都成交的是 125 这个量 。&br&&br&以上是大致的猜测，如果要仔细理解这张图的含义，还是需要作图者给出清晰的定义。比如他的颜色含义很可能和我猜的不同，他不说我们没人能知道这图究竟是 怎么画出来的。&br&&br&至于可视化方法，对于分析师来说，肯定是根据想要看什么样的信息，来设计作图方法，不一定有什么定势。我自己画图的时候是首先想怎么样最清晰的把我想要的信息表达出来，如果 3D 图方便就画 3D，柱状图方便就画柱状图。画图只是为了帮助理解，不是目的。
其实就是用颜色表示第三维的信息。 如下图： 假设从红到蓝表示值从大到小，那么 Depth 的部分就是说订单簿每个价位上的订单量在事件之前很多，到事件发生前后骤然减小 ，事件发生之后又逐渐回升的过程。其中色块的宽度表示离开 Best Bid and Offer 有多远，…
Andreas Eckner 写过几篇关于非等间距时间序列的文章&br&他的主页是&a class=& wrap external& href=&///?target=http%3A///research.html& target=&_blank& rel=&nofollow noreferrer&&Homepage - Andreas Eckner&i class=&icon-external&&&/i&&/a&&br&&br&文章链接:&br&&a class=& wrap external& href=&///?target=http%3A///papers/ts_operators.pdf& target=&_blank& rel=&nofollow noreferrer&&Some Properties of Operators for Unevenly Spaced Time Series&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///papers/unevenly_spaced_time_series_analysis.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&A Framework for the Analysis of Unevenly Spaced Time Series Data&i class=&icon-external&&&/i&&/a&&br&&a class=& wrap external& href=&///?target=http%3A///papers/ts_alg.pdf& target=&_blank& rel=&nofollow noreferrer&&Algorithms for Unevenly-Spaced Time Series: Moving Averages and Other Rolling Operators&i class=&icon-external&&&/i&&/a&&br&&a class=& wrap external& href=&///?target=http%3A///papers/trend_and_seasonality.pdf& target=&_blank& rel=&nofollow noreferrer&&A Note on Trend and Seasonality Estimation for Unevenly-Spaced Time Series&i class=&icon-external&&&/i&&/a&&br&&br&另外，一个常用的方法就是通过插值将非等间距时间序列变为等间距时间序列，但这么做会引入Biases，所以不是很好的解决方案。
Andreas Eckner 写过几篇关于非等间距时间序列的文章 他的主页是 文章链接:
&p&首先，该购买发生的大环境是高频交易行业的利润缩水。由于低波动率和其他因素，美股做市公司的利润已经从09年的7.2 bn美元跌至去年的1.1 bn美元。而与此同时，data feeds、surveillance、tech的支出都在上升。你看，为了挣钱， Virtu去年都已经向摩根大通卖平台和科技了（相关新闻报道在这里：&a href=&///?target=https%3A///news/articles//jpmorgan-to-use-computerized-trader-s-technology-for-treasuries& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&/news/arti&/span&&span class=&invisible&&cles//jpmorgan-to-use-computerized-trader-s-technology-for-treasuries&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&）。&/p&&p&那购买的钱从哪来呢？当然是股权和债券咯（募集了1.65 bn的debt和750 mm的equity）。大头卖给了两个sovereign wealth funds（Temasek和GIC），小头是Silver Lake和North Island拿，是两个PE firms。其中Silver Lake好像还是Virtu的VC呢。两家PE还各向Virtu派了一个director。&/p&&p&该并购可以为Virtu带来如下好处：&/p&&p&（1）通过裁员和技术平台的共用，在第三季度预计可以削减208 mm美元的成本。&/p&&p&（2）拓展Virtu的新业务。KCG是老牌公司，服务上百位客户，因此合并可以给KCG带来更多订单流量（Virtu的agency business合并前只服务不到10个客户）。新流量中包括很多大型基金（institutional）的单子，以及个人投资者的订单流（retail flow），争取例如E Trade、TD Ameritrade之类的公司的生意。&/p&&p&有趣的是，KCG合并之前有Virtu 6倍之多的员工（截至去年底，KCG 950人，Virtu 150人），其中包括很多人工的交易员和销售，而这些在Virtu是没有的，因此大量裁员是难以避免的。消息一出，连一些叫不太出名的小公司/创业基金都开始蹦跶了，放出消息说要雇佣被KCG裁掉的员工。比如你看LinkedIn上这家波士顿的小公司。&/p&&p&倒也不是贬低谁，只是觉得这个现象很有意思：）&/p&&img src=&/v2-ab2dafdbc58871adc70fc_b.jpg& data-rawwidth=&750& data-rawheight=&1071& class=&origin_image zh-lightbox-thumb& width=&750& data-original=&/v2-ab2dafdbc58871adc70fc_r.jpg&&&br&&p&Reference:&/p&&p&1. Matthew Leising and Annie Massa, Virtu Agrees to Buy Speed-Trading Rival KCG for $1.4 Billion, &i&Bloomberg&/i&: April 19 2017, &a href=&///?target=https%3A///news/articles//virtu-said-poised-to-announce-deal-to-acquire-trading-rival-kcg& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&/news/arti&/span&&span class=&invisible&&cles//virtu-said-poised-to-announce-deal-to-acquire-trading-rival-kcg&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&. &/p&&p&2. Philip Stafford, High frequency trader Virtu buys rival KCG in $1.4bn deal, Financial Times: April 20, 2017, &a href=&///?target=https%3A///content/2f1e316a-caf4-3a9c-af90-da69aac7234d& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&/content/2f1e316a&/span&&span class=&invisible&&-caf4-3a9c-af90-da69aac7234d&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&. &/p&
首先，该购买发生的大环境是高频交易行业的利润缩水。由于低波动率和其他因素，美股做市公司的利润已经从09年的7.2 bn美元跌至去年的1.1 bn美元。而与此同时，data feeds、surveillance、tech的支出都在上升。你看，为了挣钱， Virtu去年都已经向摩根大通卖…
&img src=&/v2-e1c36d391b24ef606b693d_b.jpg& data-rawwidth=&1080& data-rawheight=&1920& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&/v2-e1c36d391b24ef606b693d_r.jpg&&&br&&br&&img src=&/v2-fb620e3a00_b.jpg& data-rawwidth=&1080& data-rawheight=&1920& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&/v2-fb620e3a00_r.jpg&&&br&&br&中英夹杂得还能更酸爽点吗？&br&&br&有兴趣的朋友来数一数，题主这段文字中有多少个math？在中文语言环境下，难道“数学”和“职业”这两个词比“纽约墙街”更难表达？
中英夹杂得还能更酸爽点吗？ 有兴趣的朋友来数一数，题主这段文字中有多少个math？在中文语言环境下，难道“数学”和“职业”这两个词比“纽约墙街”更难表达？
说一种最粗糙的基于level1数据的回测方法，可将订单划分为“必得单”与“或得单”进行考虑。&br&&br&&b&以做多1手、基于卖一价加价AddPrice为例：&/b&&br&设：交易触发tick为t1，下一个tick为t2，无成交明细数据则视为t1行情延续。&br&若(卖一价t1+AddPrice)&=卖一价t2，则该单为“必得单”，成交价介于卖一价t2与真实成交价之间。&br&若(卖一价t1+AddPrice) & 卖一价t2，则该单为“或得单”，成交价为空或某一概率水平下的(卖一价t1,卖一价t1+AddPrice) 区间内的真实成交价中的某期望值。&br&&br&“必得单”说明你要下单时市场上并无其他参与者跟你争抢，反之就是“或得单”。实践中如果是高频策略发出的信号且自己又缺乏高速信号产生与抢单的IT平台（即普通交易者），可以直接视为抢不到。对于有专业软硬件解决方案的高频交易者而言，可以基于实盘情况视为能以一定概率抢到。不过，由于越好的订单越难抢到，所以均匀估计下的收益其实是高估的。&br&&br&在此之上可以思考更多：&br&比如市场上既然存在成交，说明就一定有人成功抢到单了，而你是否能够抢到单取决于跟你抢单的是谁。可以简单地假设如果抢同一订单，则专业高频交易者一定能抢过普通交易者（99.9%），而高频交易者之间抢单则是软硬件解决方案最强的一方能够抢到（赢者通吃），或者无显著差异的最强多方分别以一定概率能够抢到。笼统地说，高频交易者和中低频交易者的目标单是错位的，因此一般高频策略的抢单对手也是高频交易者，互相PK或虐杀。&br&基于level2数据的订单流分析，你可以估计某一tick下跟你抢单的是中低频交易者还是高频交易者，进而辅助判定你能否拿到某个订单，但实践中搞这么复杂并没卵用，还是以实盘结果为准吧。此外，上述只谈到了抢单1手的最简单情况，实践中除非调试策略，否则一般不会只下1手。不过建议先在下1手实盘能盈利的情况下再说吧，那时候你自己就明白了。
说一种最粗糙的基于level1数据的回测方法，可将订单划分为“必得单”与“或得单”进行考虑。 以做多1手、基于卖一价加价AddPrice为例： 设：交易触发tick为t1，下一个tick为t2，无成交明细数据则视为t1行情延续。 若(卖一价t1+AddPrice)&=卖一价t2，则该单…
这也是没办法的事。&br&&br&监管有两个办法，一个是严管宽查，一个是宽管严查。私募本来应该是宽管严查比较好的，有创业热情的都可以来做，但是我们有各种规则告诉你不能干什么，如果你执意要干，那么监管有办法干死你。但实际上，严查对于监管的水平，要求非常高。即使是美国这样司法效率和调查水平都很高的国家，依然存在着这样那样的窝案，就不要提我国的监管们了。&br&&br&现在的问题是口子开出去了，监管层之前觉得自己的水平可以查出来，结果e租宝宝们这脸打得都可以表演非洲鼓了，监管们终于可以正视自己了。回到严管宽查这边，宁肯错杀一百，不可漏过一个，就这样吧。&br&&br&我国“不管就乱，一管就废”这也不是新鲜事了，大家还是习惯了的好。希望监管层以及监管层背后的头头们，可以思考一下，如何提高自己的水平，以及改革管理、制度，提供水平提高的空间吧。这事还真不容易，希望国家好吧，要不咋办呢。
这也是没办法的事。 监管有两个办法，一个是严管宽查，一个是宽管严查。私募本来应该是宽管严查比较好的，有创业热情的都可以来做，但是我们有各种规则告诉你不能干什么，如果你执意要干，那么监管有办法干死你。但实际上，严查对于监管的水平，要求非常高…
泻药&br&题主的前面描述的高频交易的提速都是没有任何问题的，但是真的很看是在国内还是国外，以及你的对手是谁，只要做的比市场的绝大部分已有对手已经快就可以了。&br&&br&国内限制比较多，做高频交易还是很麻烦的，这个已经有挺多知乎问题都提到了。&br&&br&我仅仅回答一下这几个问题：&br&&b&例如，网络延迟非常大的情况下，你的高频交易系统是用python写的还是用c++写的，节省那点时间有意义吗？&/b&&br&&br&&br&L & 关键计算部分用C++或Java写还是很有意义的，因为纯Python几乎对低延迟数据更新，还有大量复杂的运算以及底层处理存储等等的还是效率较为低下的，导致最后的策略延迟很容易超过了网络延迟的比重。&br&另外当你有一个团队决心做高频交易，并且投入了大量研发在软件、策略上，为何不顺手解决下网络延迟部署服务器在交易所机房呢？&br&&br&如无意义为何现在的高频系统都用c++或JAVA，不用脚本语言？&br&&br&L & 如上面回答如果做高频系统用编译型语言还是有价值的。&br&&br&&b&能否直接用一种或几种脚本语言例如python把整个软件端从策略研究到交易系统开发全做了？&/b&&br&&b&或者以后想提升高频速度，就猛干网络延迟就行了，硬件延迟软件延迟可以忽略，这是正道？&/b&&br&&br&&br&L & 只猛干网络延迟是拼不过对手的，大家基本在同一个机房部署完性能差不多的服务器之后就是拼应用层的研发了。
泻药 题主的前面描述的高频交易的提速都是没有任何问题的，但是真的很看是在国内还是国外，以及你的对手是谁，只要做的比市场的绝大部分已有对手已经快就可以了。 国内限制比较多，做高频交易还是很麻烦的，这个已经有挺多知乎问题都提到了。 我仅仅回答一…
既然你是个人投资者，就不能完全按机构的思路来，比如很多套利机会由于规模限制大机构根本不屑一顾，但对于个人却够吃了，这要分情况看待。比如一个常规性的套利策略，市场状态目前也比较稳定，那就按部就班地来。而如果因为某些事件导致突发性地使有些策略出现巨大的低风险机会，而你在这方面恰恰之前又没什么积累，那就得争分夺秒地实盘。你的目的就是赚钱，而事件性的低风险赚钱机会一旦出现，马上会有大量的人意识到后跑来竞争，此刻时间比什么都重要，哪怕很粗糙的实盘程序，但只要把握住这短短一两天的机会，就能赚半年一年的钱（对小资金而言），等大行情消失后有的是时间研究细节问题。&br&对高频交易而言，模拟盘是不可靠的，比如有些套利赚的就是流动性的钱，要求必须抢到指定价位，而这个价位可能就一手挂单，实盘中有很大概率抢不到。且套利是有对冲的，要么双边同时下单，出现单腿后再调整，要么一前一后下单，但承担中间的单腿风险。总之，很多风险与成本模拟不出来，必须实盘来观察。对个人交易者而言，技术积累非常匮乏，编出的程序bug多是必然的，模拟盘可以发现很多显性的低级错误，当排除显性错误后，就需要实盘来发现隐性错误了。因此模拟依旧是重要的，坏的结果要重视，好的结果别当真。&br&回测要考虑很多成交上的细节问题，而成交与软硬件的个体差异有关，需要通过实盘测试得出参数，然后带入回测中去，在实盘与回测之间反复反馈调节。比如tick数据其实并不是按照其时间戳到达的，比如你觉得自己会以一定概率落后于人一个tick下单，那就要看看之后你所需要的盘口变没变。你的挂单未必会成交，那么就有一个撤单率，同时每次撤单会有一个平均的成本，这个也要带入回测中。其他问题还多着呢，但有两点是最基本的，首先是几乎必然要用到盘口数据否则很扯淡，其次是必须考虑时间延迟与失败因素。&br&再多的不懂，高频没入门。个人或小团体玩高频初期肯定和专业机构在软硬件调校上差好几个等级，不要妄想正面竞争，而要避其锋芒。多留意低流动性品种，将单次期望收益拉大，降低交易频率，算是一些维生的方法。
既然你是个人投资者，就不能完全按机构的思路来，比如很多套利机会由于规模限制大机构根本不屑一顾，但对于个人却够吃了，这要分情况看待。比如一个常规性的套利策略，市场状态目前也比较稳定，那就按部就班地来。而如果因为某些事件导致突发性地使有些策略…
误导人的答案太多了。&br&假设MACD的信号对一次让你挣100，错一次让你亏80，胜率50%。那么这个信号的收益是20。但是量化参与者多了后，他们会在信号发出前进场，导致信号对一次你只能挣80，弱化你的盈亏比。结果就是收益是0，这个MACD失效了。&br&市场结构是会改变的，规则改变或者参与者的博弈技巧改变，都会让你的策略失效。&br&或者反证，假如市场的博弈方式不变（所谓的没有新鲜事），那么必然存在一种一定战胜市场的方法，那么用这个方法的人能挣光市场上所有的钱，市场将消失。
误导人的答案太多了。 假设MACD的信号对一次让你挣100，错一次让你亏80，胜率50%。那么这个信号的收益是20。但是量化参与者多了后，他们会在信号发出前进场，导致信号对一次你只能挣80，弱化你的盈亏比。结果就是收益是0，这个MACD失效了。 市场结构是会改…
目前传统的交易柜台系统为上期所的的CTP平台，大商所的飞创，郑商所的易盛和中金所的飞马，还有比如现在拿市场上高频FPGA开发较为成熟的南京艾科朗克开发的行情硬件加速系统 （Xele）和杭州盛立开发的极速柜台交易系统（ REM）与之前所提的传统柜台做一个行情和交易速度方面的测试。&br&
1，基于 FPGA 硬件行情加速系统&br&
1.1 测试环境&br&&img src=&/v2-67eaa20c144bdcfcdbd903_b.png& data-rawwidth=&940& data-rawheight=&659& class=&origin_image zh-lightbox-thumb& width=&940& data-original=&/v2-67eaa20c144bdcfcdbd903_r.png&&
Xele系统的行情是通过众信的行情服务器进行转发的，再经过一次 TAP， 到达 fpga 服务&br&器，测试机和 fpga 服务器之间是一条万兆网卡的直连线。 &br&&br&
1.2 测试方案&br&1. 测试程序分别采集众信的 udp 广播裸行情， 以及 fpga 的行情， 记录交易所发出的时间&br&
戳（ UpdateTime + UpdateMillisec），以及测试程序收到时的时间戳。&br&2. 测试程序根据收到时的时间戳， 减去交易所发出的时间戳，即为行情的系统延迟； 匹配&br&
交易所发出的时间戳， 同时比较行情的系统延迟， 即可以知道各行情的快慢。 &br&&br&
1.3 测试结果&br&
下列图中中， 横坐标代表的是各行情的延迟，相对于 Xele（艾科朗克） 行情延迟，即各行情延迟减去 Xele（艾科朗克） 行情延迟（ 单位：微妙）。这个数据小于 0， 代表的是各行情延迟比 Xele行情延迟小， 这个数据大于 0， 代表的是各行情比 Xele-MD 行情延迟大。纵坐标代表的是累积积分概率，即各行情相对延迟小于某个值时，其概率是多少。&br&&img src=&/v2-ecc32901cbef257a415f65bdaf3c692a_b.png& data-rawwidth=&767& data-rawheight=&592& class=&origin_image zh-lightbox-thumb& width=&767& data-original=&/v2-ecc32901cbef257a415f65bdaf3c692a_r.png&&
行情数据是从下午 14:08:50.200 到交易结束， 总共统计的是 4621 个 ticker。从上图可以看出， 众信的 udp 裸行情（1阶）比 Xele行情慢， 90%多都要慢500个微妙以上。 &br&&img src=&/v2-816cd713f878c0e37a0aa6_b.png& data-rawwidth=&752& data-rawheight=&567& class=&origin_image zh-lightbox-thumb& width=&752& data-original=&/v2-816cd713f878c0e37a0aa6_r.png&&
行情数据是从上午 09:23:04.200 到交易结束， 总共统计的是 17937 个 ticker。从上图可以看出，众信的 udp 裸行情（ 1 阶） 以及飞马 8 上的 tcp（ v1_01）行情，都比 Xele行情慢， 特别是 tcp 行情几乎都要要慢 1 毫秒以上。 &br&
从统计数据来看， 艾科朗克公司的硬件情加速系统（ Xele），比我们当前使用的所有行情， 包括飞马行情， 以及众信的极速裸行情，都要快。&br&
跟众信比， 艾科的硬件行情加速大概快 0.3 到 1.6 个毫秒。&br&
跟 ctp 柜台比，优势更加明显， 大概快 1.3 到 6 个毫秒。
同样的方法对FPGA系统穿越柜台的上行延迟时间来测试相对传统柜台系统对交易端的加速，结果显示代表传统柜台的众信上行穿越时间在 50 微妙左右， 上下波动 10 个微妙； 艾科的极速交易柜台， 基本稳定在 2.5 微妙， 上下波动 0.5 微妙， 表现的非常稳定。&br&
通过以上测试，基于FPGA的硬件加速系统无论是在行情转发和交易管理方面相比传统柜台有一定的提升，对于交易延迟敏感的高频交易策略，FPGA无疑是非常好的解决方案。
目前传统的交易柜台系统为上期所的的CTP平台，大商所的飞创，郑商所的易盛和中金所的飞马，还有比如现在拿市场上高频FPGA开发较为成熟的南京艾科朗克开发的行情硬件加速系统 （Xele）和杭州盛立开发的极速柜台交易系统（ REM）与之前所提的传统柜台做一个行…
楼主患了典型的中国国家足球队综合症，输球的原因都怪草皮太硬，怪温度太高，怪湿度太低，怪裁判黑哨，怪对方球迷打扰......&br&国足开出的方子也和楼主一样，换最牛逼欧冠的教练，换最强的技术力量型打法，换最好的足球尖子去南美训练。&br&结果呢？&br&&br&你不赚钱的原因是因为不高频吗？高频一定就赚钱吗？&br&编程水平达到计算机博士就能在美股赚钱了吗？&br&数学水平达到数学博士就能在美股赚钱了吗？&br&&br&我这样回答，是因为希望楼主看到问题的本质——你不赚钱的原因在于缺乏策略，不在于缺乏技术。&br&&br&假设有一天，你计算机和数学都达到博士水平了，万一（其实是99%）和原来一样不赚钱，你怎么办？&br&&br&高频的本质，就是比竞争对手更快，知道他要买卖，抢在他之前买卖。如果你不知道他的买卖方向，高频不变成发神经病？&br&好了，最后问题又回到原点：你怎么知道他买卖的方向？这是策略问题还是技术问题？&br&&br&最后，我告诉楼主美股高频交易的策略吧—— 跨市场 or 跨品种 or 跨期限 的差价。但有什么用？凡是别人告诉你的策略都是很难赚钱的，否则我自己干嘛不偷偷赚钱呢？
楼主患了典型的中国国家足球队综合症，输球的原因都怪草皮太硬，怪温度太高，怪湿度太低，怪裁判黑哨，怪对方球迷打扰...... 国足开出的方子也和楼主一样，换最牛逼欧冠的教练，换最强的技术力量型打法，换最好的足球尖子去南美训练。 结果呢？ 你不赚钱的…
引用原新闻内容：&br&&blockquote&&p&东海恒信涉嫌操纵180ETF案系证监会查处的操纵ETF第一案。&a href=&///?target=http%3A///node/223744& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&该公司控制使用&i class=&icon-external&&&/i&&/a&“千石资本-东海恒信1期”等12个账户与日至7月30日，在自己实际控制的账户之间进行180ETF交易，影响180ETF交易量，变相进行180ETF与相应成分股日内回转交易套利，非法获利184,291,170.59元。&/p&&p&私募明星叶飞涉嫌操纵“信威集团”、“晋西车轴”等5支股票价格，被没收违法所得663.8万元，并处以1991万元罚款。而牛散袁海林因为操纵“苏宁云商”和“蓝光发展”两支股票价格，被依法处理非法持有的证券，并处以300万元罚款，尽管他还亏损了2.78亿元。&/p&&p&据证监会披露，袁海林于日-7月31日，通过利用资金优势、持股优势连续买卖、在自己实际控制的账户之间交易、虚假申报、反向交易等方式影响“苏宁云商”和“蓝光发展”两只股票，并反向卖出，亏损近2.78亿。&br&&/p&&/blockquote&原文里面明确说明了问题，包括：&b&操控股价，频繁交易，自成交，虚假申报。&/b&&br&很多做投机的眼里，只要能赚钱，就是好方法，如果被查了肯定是证监会要搞我背锅。&br&请多看看证券法先。&br&&br&在知乎，已经形成一种喷证监会，证监会任何监管一定是找人背锅的奇妙氛围。&br&&b&我也是乐于阴谋背锅论的，这种氛围形成不是不智，而是屁股决定脑袋，一帮做投机的恨不得证监会没有任何监管。&/b&&br&&b&&u&国内证券市场远不是过于监管，而是缺乏监管。&/u&&/b&
引用原新闻内容： 东海恒信涉嫌操纵180ETF案系证监会查处的操纵ETF第一案。“千石资本-东海恒信1期”等12个账户与日至7月30日，在自己实际控制的账户之间进行180ETF交易，影响180ETF交易量，变相进行180ETF与相应成分股日内回转交…
Hft系统一般都尽量绕开os. 比如：把线程绑定到单独的核上绕开调度器；使用object pool和预先分配绕开内存管理；使用kernel bypass避开os的协议栈；我的地盘我做主，实时os能提供的东东西，大家并不怎么需要。你能在16个核上跑32个线程，同时保证合理的latency -- 可是你为毛要跑那么多线程啊？
Hft系统一般都尽量绕开os. 比如：把线程绑定到单独的核上绕开调度器；使用object pool和预先分配绕开内存管理；使用kernel bypass避开os的协议栈；我的地盘我做主，实时os能提供的东东西，大家并不怎么需要。你能在16个核上跑32个线程，同时保证合理的laten…
不合理的制度通常会导致坏的后果，合理的制度则是达到好后果的必要条件。交易所的电子化导致参与者的去人格化，人们在做交易的时候面对的是一堆数字而不是活生生的人，所以道德驱使更加无力。只有交易所建立好合理的制度，设计出有效的交易规则，大范围上的公平性才能得以维持。因为这个机制这个题目实在是很大，所以这里只摘一个小的方面，交易所的下单类型。&br&&br&&br&假设现在交易所告诉你某个股票的行情是&br&买单量(手)
卖单量(手)&br&　　　　　107　
2&br&　　　　　105 　19&br&　　　　　103 　8&br&　　　　　102 　11&br&　　　　　101 　38&br&　　　21　
99&br&　　　10　
98&br&　　　 2　
97&br&　　　10　
95&br&　　　31　
93&br&你需要买入50手。&br&&br&如果你希望成交的价格对你比较有利，也就是价格比较低，那么你可以选择以99元买入50手，等待卖方来吃掉你的买单。如果你希望比较快速的获得成交，你可以使用市价单，选择市价买入50手。或者选择以103元买入50手。这是最常见的委托单类型，限价单(Limit order)和市价单(Market order)。&br&但问题在于，在你的委托单到达交易所的时候，当时的行情(准确的说是委托单薄)可能并不是刚才我们看到的那个行情了。这样，你基于当时那个行情做的下单决定，在委托单到达交易所的时候就并不适用了。比如假如行情在你的委托单到达交易所的时候变成这个样子。&br&&br&买单量(手)
卖单量(手)&br&　　　　　117
30&br&　　　　　105
2&br&　　　　　103
1&br&　　　　　102
3&br&　　　　　101
1&br&　　　21　 99&br&　
　　10 　98&br&　　 　2 　97&br&　 　　10 　95&br&　 　　31 　93&br&&br&相比于上一个行情，如果你的市价委托单在这个行情成交，那么你的成交价要贵至少每手10块。如果你使用103元买入50手，结果就是成交了5手，剩下的45手以103挂到委托单簿，让大家都知道有人希望赶快成交，结果可能是价格继续上涨。&br&高频交易者如何避免这一点呢？&br&快。&br&当你看到行情与你委托单到达交易所的时间小于1毫秒的时候，显然委托单变动的可能性以及幅度会更小。&br&但如果交易所只提供这两种委托单类型，普通交易者或者速度慢的交易者就只能干瞪眼了，完全无法有效的控制交易结果。&br&这个时候交易所的交易机制就有了用武之地。这里的交易机制就是各种新型的委托单。&br&很多交易所包括国内的中金所都有不成即撤(Fill and Kill)委托单类型。这是指的指定一个限价，在进入委托单簿之后成交不了的就全部撤掉，而不留下成为靶子。如果你希望用限价单而不留靶子，则可以用这一个。(这里还有更深层次的原因，即是不让人知道你有大单需要成交，这是高频对高频)&br&CME则有所谓的Market Order with Protection(&a href=&///?target=http%3A///confluence/display/EPICSANDBOX/Order%2BTypes%2Bfor%2BFutures%2Band%2BOptions& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Order Types for Futures and Options&i class=&icon-external&&&/i&&/a&)。你可以指定市价，同时说希望成交价不能过高。如果你想用市价单，但不希望成交价格波动太大，比如不超过当时最优价5块钱，那么你可以使用这种委托单。你的委托单则会在成交到105价格之后，在104留下剩下的单量，等待其他人给你成交，而不会一路滑到117的成交价格。&br&&br&提供多样的委托方式能够使得所有市场参与者能更好的把控交易结果。这样，速度较慢的交易者也能够在相当程度上控制自己的结果。用抽象一点的话来说就是交易所通过实施好的机制，使得所有参与者都能享有高准确度的信息。信息在上面一个例子中就是当委托单到达交易所时的最优卖价。通常来说这个信息对于速度慢的市场参与者是非常不准确的。但Protection Price机制则将这个信息融入了市场参与者的下单逻辑中间，即使此参与者可能速度极慢。&br&&br&&br&其余的设计比如是否是完全集中式的交易，或者是否交易所有意留有不当的后门也都是所谓是否合理争论的目标。待有能力及时间之时再来编辑。
不合理的制度通常会导致坏的后果，合理的制度则是达到好后果的必要条件。交易所的电子化导致参与者的去人格化，人们在做交易的时候面对的是一堆数字而不是活生生的人，所以道德驱使更加无力。只有交易所建立好合理的制度，设计出有效的交易规则，大范围上的…
高频交易种类繁多，除了大名鼎鼎的Jump, Tower这种高频套利机构之外，大多数可持续发展的公司都是高频做市商。他们的主要策略是为各大机构提供流通性并赚取买卖价差。这种公司很多，Virtu, Knight, Getco, GSA, Lucid Markets都是其中佼佼者。这些机构都有一个共同特点，就是几千天里面只有一两天亏钱。其中秘密说简单也简单说难也难。&br&&br&简单来说，这类自营交易或者基金其实并未参与投资。他们的社会作用主要是为买家、卖家提供买入、卖出的机会。在他们出现之前，买家和卖家在市场里都需要等待对方的出现才能完成交易。而他们的作用就是能让买卖双方都能在另一方缺席的情况下完成自己的交易。从这个意义上来说这类公司是在为市场提供一种服务，而其赚取的买卖价差就是其服务的酬劳。这就好像做餐馆的，如果不算房租水电人工，肯定大多数时间都赚钱。&br&&br&但高频做市商并不是一个简单的生意。正如刚所说，餐馆要不算水电房租人工才能天天赚钱，而高频做市商的所谓“天天都赚”其实也是这个道理。高频交易的固定花销很大，比如Getco的外汇部门，在和骑士合并前他们一天能赚10万到15万美金，但他们一年的机房、数据、员工工资等固定开销加在一起就有三千多万，所以年底常常是收支持平。更别说高频交易的运营风险巨大，稍一不小心就出现巨额亏损。最著名的就是骑士资本因为一个很简单的由于部门间沟通不足引起的失误导致其在不到一小时亏损4.5亿美元。此事发生时我已离开骑士资本，但每次想起，总有如履薄冰之感，而在现在的工作里更是千查万细，不敢有一丝怠慢。&br&&br&来说做市商在自动交易普及之前就存在，他们是保持市场效率不可或缺的一环。而高频做市商只是把这个古老的职业电子化、自动化了而已。
高频交易种类繁多，除了大名鼎鼎的Jump, Tower这种高频套利机构之外，大多数可持续发展的公司都是高频做市商。他们的主要策略是为各大机构提供流通性并赚取买卖价差。这种公司很多，Virtu, Knight, Getco, GSA, Lucid Markets都是其中佼佼者。这些机构都有…
请阅读交易所文档，请阅读交易所文档，请阅读交易所文档，重要事情强调三遍！好吧，文档我也给你找来了（&a href=&///?target=http%3A///confluence/display/EPICSANDBOX/Matching%2BAlgorithms& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Matching Algorithms&i class=&icon-external&&&/i&&/a&）。 其实是matching algorithm不一样，农产品都是price/time FIFO，利率类是time-based pro-rata，订单流过来时，前者挂单要价格挂得好并且够早才能抢到优先权，后者只要量大就能按比例分配到相应的份额...&br&&br&最新更新： 刚读到这篇论文刚好有提到利率类的产品的pro-rata撮合算法导致交易员都是挂大单来争取更多份额的行为，有兴趣的可以了解一下
&a href=&///?target=https%3A//www.cass.city.ac.uk/__data/assets/pdf_file//Large.pdf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&cass.city.ac.uk/__data/&/span&&span class=&invisible&&assets/pdf_file//Large.pdf&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&
请阅读交易所文档，请阅读交易所文档，请阅读交易所文档，重要事情强调三遍！好吧，文档我也给你找来了（）。 其实是matching algorithm不一样，农产品都是price/time FIFO，利率类是time-based pro-rata，订单流过来时，前者挂单要价格…
量化交易确实更科学，这点毋庸置疑。但是更科学的东西并不一定更好，更科学的东西完全不能保证在交易市场上能取得更高的回报。科学和社会学的兼容性一直就是一个问题。&br&量化交易正是因为其科学性，因此存在相应的缺点。因为要对市场上的情形进行量化，因此要舍弃掉大量的无法量化的信息，而这些信息很有可能是有价值的。因为要保证框架上的科学性，因此很多情况下需要进行一定的假设，但是假设往往与实际偏离，为了整体的科学必须接受这些不切实际的偏离（这个问题主要出现在资产定价方面）。&br&没有哪种能够学得到的交易方法是凌驾于其他方法之上的，某个人的独门秘籍可能有这样的效果，但是这不在我们的讨论范围之内。其实较好的路径应该是各种方法都尝试的去了解，找到自己最精通的一门技艺，将其效力最大化。交易这行没有人不走弯路的，弯路也是自己能力的一部分。
量化交易确实更科学，这点毋庸置疑。但是更科学的东西并不一定更好，更科学的东西完全不能保证在交易市场上能取得更高的回报。科学和社会学的兼容性一直就是一个问题。 量化交易正是因为其科学性，因此存在相应的缺点。因为要对市场上的情形进行量化，因此…
匿了，怕被熟人看到了打我。&br&14年在成都一家投资公司用.net做交易系统。偶尔会参加一些私募量化基金的路演，这些活动一般都是期货公司牵头，一方面是期货公司为了拉资金做交易量，另一方面还是期货公司为了拉资金做交易量。&br&
会上各路大神过招，有常春藤练过武，华尔街耍过刀的。有500强炫过技，BAT垒过码的。从Linux内核优化讲到FPGA加速，再从大数据讲到人工智能。PPT上各种技术名词，看得我眼花缭乱，目瞪口呆，自卑感顿生心头。&br&
后来在这个行业混久了，慢慢的和这些大神有了交流，有用文华财经的，也有用金字塔开拓者的，甚至还有MACD均线KDJRSV拼了一个奇怪的指标手动开撸的。&br&&br&&img src=&/v2-98fafdec6b_b.jpg& data-rawwidth=&353& data-rawheight=&300& class=&content_image& width=&353&&
匿了，怕被熟人看到了打我。 14年在成都一家投资公司用.net做交易系统。偶尔会参加一些私募量化基金的路演，这些活动一般都是期货公司牵头，一方面是期货公司为了拉资金做交易量，另一方面还是期货公司为了拉资金做交易量。 会上各路大神过招，有常春藤练过…
已有帐号？
无法登录？
社交帐号登录