有几个误区是要先澄清的。&br&&br&一，HFT不一定是套利算法。事实上HFT做的最多的业务是做市（market making），可以是把商品从一个交易所倒卖到另一个交易所，也可以是在同一个交易所内部提供某种商品的流动性。这两种方式的共同点都是让人们可以特定地点买到本来买不到的商品，所以本身就是有价值的，收服务费就可以盈利。参见我在&a href=&/question//answer/& class=&internal&&什么是高频交易系统？&/a&这个问题下的回答。&br&&br&二，延迟和流量是不同的概念。低延迟不等于高数据量，事实上大部分时间交易数据流量并不大，一个market一天最多也就几个GB。但HFT系统需要在流量高峰时也能快速响应，所以更看重延迟。这也是HFT系统和互联网系统最大的区别所在，HFT系统的精髓在于把单机的软硬件系统的性能发挥到极致，而不是像互联网那样强调高负载和延展性，动辄用几千台机器搭集群的做法在这里是不适用的。用互联网系统的性能指标来认知HFT系统也是没有意义的，像淘宝这样的应用需要保证交易的正确和一致性，包括从终端用户的浏览器到淘宝后台到银行接口之间一系列复杂的事务性数据操作，这个场景和HFT直接对接交易所走高速线路收发交易指令有天壤之别，不能用同样的思维去理解。&br&&br&三，一个HFT业务包括从主机到交易所的整条通信线路，在这条线路上有很多段不同的延迟，是需要分开讨论的。如果是做跨交易所的交易，首先需要考虑的是两个交易所之间的网络延迟。当数据通过网络到达主机的时候，有一个最基本的tick-to-trade延迟，是指主机接收到数据到做出响应所需的时间。但这个东西的测量很有技术含量，根据不同的测量方式，它可能包括或不包括网卡及网络栈的处理时间。所以拿到一个HFT系统的延迟数据时，首先要搞清楚它指的是什么，然后再来讨论。&br&&br&题主提到从一个直连计算节点的router的角度来观测，这是一个理论上看起来可行但实际仍然很模糊的概念，因为一般router本身是不做存储和处理的，一个router会收发大量不同的数据，要理解一个接收到的包是对之前发出去的某个包的“回应”，是需要相当的处理逻辑的，一般很难这样测。比较合理的测试仍然是在主机端做记录，测试从收到市场数据（tick）的TCP/UDP包到发送交易指令（trade）包的时差。目前（2014）的情况是，这个延迟如果平均控制在个位数字微秒级就是顶级了。因为网络传输才是延迟的大头，如果网络上的平均延迟是1毫秒（1000微秒）以上，你的单机延迟是2微秒还是20微秒其实是没有区别的。一般单机比网络低一个数量级就可以了，比如网络上需要100微秒（很现实的数字），单机控制在10微秒足以保证速度上没有劣势。至于公众报道，有时是为搏人眼球，难免有夸大的成分，不必太当真。&br&&br&接下来说说做为一名从业者，我对各个层面的理解。&br&&br&首先网络架设上光纤肯定是最差的方案。国外几个主要的交易所（同一洲内）之间基本上都有微波（microwave/milliwave）线路，比光纤的延迟要低很多，延迟敏感的应用一定要选择这种线路。这个差距首先受制于光在光纤中的传播速度只有在空气中的2/3左右，另外在大城市建筑密集地区（也正是一般交易所的所在地），光纤的复杂布线会进一步增大延迟，差距可能增至2到3倍。要想对此有一个具象的概念，只要看&a href=&///?target=http%3A//www.& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Quincy Data&i class=&icon-external&&&/i&&/a&的这张线路图：&br&&br&&img src=&/d0b5deb1ac33c8eb902ca_b.jpg& data-rawwidth=&1181& data-rawheight=&765& class=&origin_image zh-lightbox-thumb& width=&1181& data-original=&/d0b5deb1ac33c8eb902ca_r.jpg&&&br&&br&但微波技术有两个主要的缺点，第一是微波在空气里传播受天气影响很大，刮风下雨都会导致通信受损，有时直接故障，所以需要备用的光纤线路，以及监控天气…… 这方面进一步的发展可能是激光技术；第二是带宽太小，如果是跨交易所的业务，不可能通过微波来转移大流量的市场数据，只能用来收发下单指令，这方面有一些潜在发展空间，比如可以做一点有损压缩，传一个缩减版的市场数据，也能起到加快信息传递作用。这块网络服务本身就是一个独立的业务了，一般所说的colocation也是由服务商负责的，HFT主要需要的是选择适合自己的服务商。&br&&br&网络线路确定以后，数据就送到了HFT主机。这时候需要决定网卡的方案，专用的网卡除了自身硬件的设计外，一定需要的是切换掉系统自带的kernel space TCP/IP stack，避免昂贵的context switching。网络栈上的I/O延迟，收包发包加起来做到2～3微秒是可以的。这个层面上FPGA是很有应用价值的，因为可以做一些额外的逻辑处理，进一步解放CPU。&br&&br&对于FPGA，我同意@Nil的回答，业务逻辑烧到硬件里的开发，调试成本和周期都是很难承受的，不看好做为长期发展的路线，这个东西其实和套利，数学模型一样是赚外行眼球的东西。但做专用的网络I/O设备却是比较有优势的。（这里可以另举一个例子以供思考FPGA的特点和适用性，目前很多主流交易所的技术架构上，为了适应高速交易的需要，市场数据是采取UDP双通道的方式发放的，即同一份数据发到两个UDP broadcast channel上。客户端需要自行收发排序，大家可以思考一下这种数据要如何编程才能高效稳定的处理，开发过程需要如何调试测试，如果数据协议发生变化要如何处理？FPGA在这种场景中又该如何应用？这当然是开放问题，但是应该有助于理解真实的需求。）&br&&br&网络部分的问题解决以后，最后就是核心的业务逻辑的处理。这部分也许会用到一些数学建模，但是没有什么神话，不是什么菲尔兹奖得主才能搞的东西（那些人的用武之地更多是去投行那边做衍生品，那才是真正需要高等数学的东西）。很多时候核心的还是延迟，这个在计算机内部分两个部分，一是core的使用率，比如irq balance，cpuisol，affinity等，主要是要尽可能的独占core；另一个是cache invalidation，从L1/L2/L3 cache到TLB，page fault，memory locality之类都要仔细考虑，这个更多考验的是对体系结构的理解和程序设计的功力，跟语言的关系不大。&br&&br&具体选择那种语言，首先是取决于公司的技术积累和市场上的技术人员供给。函数式语言（erlang/ocaml等）的好处是语言表达能力强，开发速度快，逻辑不容易出错，但相对的对机器底层的控制差一些，有时候他们的编译器或运行时干了什么不太容易搞清楚，所以在性能上的调优会比在C++之类投入更多一点，这里面有一个取舍问题，要根据公司情况来具体分析。&br&&br&业务逻辑部分其实相当简单。做这种高速交易肯定不会有什么凸优化，解微分方程之类复杂的运算。核心的部分一般就是加加减减，比比大小什么的。业务逻辑本身的处理完全可以做到纳秒级，如果看到有人宣称他们的延迟是纳秒级，一般是指这种。&br&&br&操作系统同样是一个不需要神话的东西，普通的linux已经有足够的空间用来做性能优化。简单说，一个企业级的linux（如redhat）加上通用的架构（intel主流处理器）足以做到市面上已知的最低延迟，不必幻想有什么奇妙的软硬件可以做到超出想像的事情。&br&&br&另外需要提醒大家注意的是，其实做一个低延迟系统，首先需要考虑的不一定是延迟能降到多低，而是怎么测量系统的延迟？对一个HFT系统来说，所谓的tick-to-trade延迟，一定要有既精确又不影响系统性能的测试方法才有意义。可以想像一下，最理想的测试场景一定是你的系统真正运行在直连交易所，有真实的市场数据传入的情况下，并且测试的代码就是真正的交易算法时，得到的数据才有意义。如何得到这个苛刻的测试环境，以及如何测量系统的各个部分的延迟，是一个非常有技术含量的工程，难度往往并不亚于系统设计本身。&br&&br&最后说点题外话，技术发展是非常快的，在这个时代没有什么秘密能永久保鲜，HFT/low latency trading也不例外。现在欧美在这方面的市场已经逐渐趋近饱和，毕竟软硬件的性能都是有上限的，当大家都能达到微秒甚至纳秒级时，仅仅靠拼速度就没那么大优势了。目前虽然拼速度仍然有盈利空间，但是长远来看一定需要在保证速度的基础上增加算法智能性和系统稳定性，从这个角度上说像把全部算法都烧进FPGA的做法是很难维持的，开发周期和成本都太高了。接下来真正有挑战的应该是高速系统和大数据的结合，这应该是一个很有想像力的空间。&br&&br&参考资料：&br&&a href=&///?target=http%3A//queue.acm.org/detail.cfm%3Fid%3D2536492& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Barbarians at the Gateways&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A//queue.acm.org/detail.cfm%3Fid%3D2534976& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Online Algorithms in High-frequency Trading&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///images/Ultra_Low_Latency_Wireless_Solutions_White_Paper_by_LightPointe_101513a.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Ultra Low Latency Wireless Solutions&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///fpga-order-book/the-facts.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Get the facts on the FPGA Order Book&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///docs/TCP_bypass_overview.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TCP Bypass&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///buy-side-technology/analysis/2346622/dont-bother-joining-the-low-latency-arms-race-say-low-latency-traders& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Don't bother joining the low latency arms race, say low latency traders&i class=&icon-external&&&/i&&/a&
有几个误区是要先澄清的。 一，HFT不一定是套利算法。事实上HFT做的最多的业务是做市（market making），可以是把商品从一个交易所倒卖到另一个交易所，也可以是在同一个交易所内部提供某种商品的流动性。这两种方式的共同点都是让人们可以特定地点买到本来…
update1&br&
有人问到交易所敲门机制的原理，我简单说一下，上交所和深交所的敲门机制不同，深交所新的第五代交易系统和之前的也不同，以深交所第五代交易系统为例：&br&&p&
在9:14:57 TGW会向柜台发送一个预开市信号，柜台系统收到该信号时就可以开始申报委托，申报的委托不会被拒绝，暂时缓存在TGW内存中，不会发往交易所。TGW在发送预开市信号后，即开始与交易系统后台以ping-pong的形式测试回路时延，共测试N次，取平均值，假设为W；在每次测试中，交易系统后台都会返回收到ping包时距离9:30:00的时长，假设最后一次测试的时长为T。&/p&&p&
TGW在收到最后一次pong包时，等待T-W时间后，开始发送第一笔委托，如果委托以平台未开放被拒绝，则立即重新发送第一笔委托，直到委托被平台接受，然后继续发送后续委托。&/p&&br&&p&也有人提到PTP协议，ptp协议得交易所链路上支持，虽然交易所不支持ptp，但是交易所交易主机是有原子钟的，我们通过gps铷原子钟去保持相对的时间戳。&/p&&p&--------------------------------------------------------------------------------------------------------&/p&&br&谢邀~~~&br&我们的确用了铷原子钟，不过我们不是做高频交易，而是做券商的柜台交易系统。下图就是手机实拍的原子钟图。&br&&img src=&/v2-a2b7f418beffa_b.png& data-rawwidth=&2383& data-rawheight=&1342& class=&origin_image zh-lightbox-thumb& width=&2383& data-original=&/v2-a2b7f418beffa_r.png&&我们用原子钟做什么呢？一个是用来和交易所对时。大家都知道早盘集合竞价期间，交易所都采取敲门机制，也就是只有第一笔订单被接收了，后续订单才能往交易所送，那第一笔订单如果报太早了会被交易所拒绝，就进入50ms左右的轮询，如果报太晚就不能及时将订单送出。所以这个时间就很精妙拉。&br&还有一个就是产生内部高精度定时器，远比调用os层的定时器来的精确。&br&&br&利益相关：中泰证券极速交易系统XTP的牵头人。
update1 有人问到交易所敲门机制的原理，我简单说一下，上交所和深交所的敲门机制不同，深交所新的第五代交易系统和之前的也不同，以深交所第五代交易系统为例： 在9:14:57 TGW会向柜台发送一个预开市信号，柜台系统收到该信号时就可以开始申报委托，申报的…
最近大家又开始撕逼了，风起云涌的，弄得我也想找人撕逼了。&br&先贴图&br&&img data-rawheight=&720& data-rawwidth=&556& src=&/4484dae935e960fb6cb123e508861ccb_b.jpg& class=&origin_image zh-lightbox-thumb& width=&556& data-original=&/4484dae935e960fb6cb123e508861ccb_r.jpg&&&img data-rawheight=&663& data-rawwidth=&600& src=&/a62b4da95d4eb1_b.jpg& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/a62b4da95d4eb1_r.jpg&&&img data-rawheight=&263& data-rawwidth=&600& src=&/2b370c5ded4203fccde47e0c7a3e9891_b.jpg& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/2b370c5ded4203fccde47e0c7a3e9891_r.jpg&&看到没，这个人，在15年牛市之前，也不是买入就涨，卖出就跌，翻翻的个股也没几个么，大部分也就二三十个点。还有几个大幅度回撤，比如铁岭新材，东富龙，大洋电机，南洋科技，中青宝等几个个股。&br&特别是大洋电机被洗出去之后的走势，我看了都想笑。&br&&img data-rawheight=&712& data-rawwidth=&1346& src=&/51d1a16158dac1effeb2_b.png& class=&origin_image zh-lightbox-thumb& width=&1346& data-original=&/51d1a16158dac1effeb2_r.png&&这个叫徐翔的人不是很牛逼么？传说中私募第一的水平就这水平？传说中少年天才呢？传说中不到20岁，就被两黑帮争夺的男人呢？传说中老爸是中国第一牛散的二代呢？&br&&br&再看看国外。先看巴菲特。&br&&a href=&/question/& class=&internal&&巴菲特在成为股神之后犯过哪些重大错误？ - 投资&/a&&br&链接自己看。&br&&br&索罗斯呢？&br&1，1962年，玩套利，差点破产。2，1987年10月，做空日本，做多美国，结果做反了，全年盈利被席卷一空。
3，2008年，索罗斯“失手”雷曼。4，2012年一季度，索罗斯大量买入银行股，特别是摩根大通和高盛，而摩根大通股价暴跌22%，高盛也下挫
23%，遭亏损。。&br&&br&罗杰斯一两年前，让大家在黄金市场买买买，至今记忆深刻。&br&&br&看到没，这就是中国市场和美国市场上大佬的真实水平。&b&他们根本做不到一买就涨一卖就跌。根本做不到不出现大幅度回撤。甚至连不犯致命的错误都做不到！！！！！！！&br&&br&&/b&而反观知乎上的各个大神，都是能精确预测点位的。大盘涨跌国家队都控制不了，但他们能。&br&做股票永远都不亏损，买入就上涨，不谦虚的都是涨停前天买入的。&br&逃顶都是一个比一个准，比我本人短线反指都准。&br&&br&大家都知道我要说什么了吧。&br&&br&&b&知乎上没什么大神，水平高的几个都只是好学生&/b&。要么向波普尔和其几个弟子（索罗斯，纳西姆·尼古拉斯·塔勒布）学习，要么向巴菲特，查理芒格学习，要么向西蒙斯等“宽客”学习。&br&&br&&b&除此之外的高手都只是老韭菜（这里面包括十年一和魏文革，非贬义）。&/b&&br&&br&&b&而那些要把自己树立的永远正确，要么是骗子，要么就不是以股票为生，而专门以喷人撕逼为生（菌丝等）。&br&&br&所以，不要以是不是永远正确判断一个人是不是高手，而是要看他们的逻辑！！！！！！！！！&br&&/b&——————————————————————————————————————————&br&心理学上有个叫做&b&乡村维纳斯效应。&/b&&br&&br&在偏僻的乡村，村里最漂亮的姑娘会被村民们当作世界上最美的人（维纳斯）&br&&br&但是当你眼界更大的时候，你才能发现，这个姑娘离真正的女神，差远了。&br&&br&知乎就是这个偏僻的乡村，但是知乎也是一个窗口。&br&&br&如果大家通过知乎，了解更广阔的世界，那知乎对你们就是这个窗口。&br&如果大家把知乎当作这个世界的全部。那你只能一辈子呆在这个乡村中。
最近大家又开始撕逼了，风起云涌的，弄得我也想找人撕逼了。 先贴图 看到没，这个人，在15年牛市之前，也不是买入就涨，卖出就跌，翻翻的个股也没几个么，大部分也就二三十个点。还有几个大幅度回撤，比如铁岭新材，东富龙，大洋电机，南洋科技，中青宝等几…
===============
以下内容修改于 ===============&br&&br&背景和题主差不多，机器学习背景PhD，有一些顶级会议（ICML, NIPS, KDD等）的论文，只有少量金融知识，现在在美国的工业界研究院工作。&br&&br&因为这几年大数据和人工智能的大热，我工作后也收到了上百封来自猎头或其他公司技术部门的邀请邮件。以下我会通过它们做个粗浅的分析，希望能提供一个思路给题主以及有类似问题的知友。在所有这些信件中：&br&&br&* 有0封是来自美国的明星创业公司如Uber或Airbnb，说明它们自身能够吸引到足够优秀的员工并且有能力留住他们。&br&* 有数封是来自国内的明星创业公司如滴滴和蚂蚁金服，说明它们有兴趣招揽在海外的机器学习/大数据研究者。&br&* 有十多封是来自过了A轮/B轮的IT创业公司，有二十多封来自美国的IT巨头如Google, Facebook, Linkedin, Twitter, Apple, Microsoft等，平均一个公司1-2封，这个数字在我看来比较正常。&br&* 另有数十封是来自国内的科技界巨头如BAT，华为等，其中某些相同职位会由不同猎头公司发来多个邀请，扣除重复部分大概有十多个公司和职位。&br&* 剩下的基本都来自纽约，芝加哥，伦敦等地的金融机构，其中不乏一些巨头级公司如Two Sigma, Bridgewater, Citadel, Bloomberg。这类信件占总数的一半以上。&br&&br&由于体量和数量的巨大差异，IT公司对机器学习方向人才的需求量应该会远高于金融机构对机器学习人才的需求量，但从我收到的猎头邮件来看情况似乎反过来。综合其他人的评论以及我自己的理解，主要原因应该有以下几点：&br&&br&1. 由于大数据和人工智能掀起的新一轮热潮，IT公司给机器学习背景PhD们的待遇已经给得很不错，以至于quant职位已不再是他们的首选之一。有两个现象似乎可以佐证这一观点：(i) 在几年之前，quant曾是一个比码农更高大上的光鲜职位。而现在的MITBBS上已经很少见到机器学习背景PhD秀quant职位offer的帖子了，取而代之的是铺天盖地秀startup或者FLG offer的帖子，这个前后对比是很明显的；(ii) 硅谷持续高涨的房价已经证明了那里极强的吸引力和造富能力。&br&&br&2. 因为金融机构的知名度普遍小于IT类巨头，它们更加依赖猎头和主动式招聘。&br&&br&3. 金融机构相较IT公司往往会有更高的招聘标准以及淘汰率，所以它们往往需要广泛撒网+更频繁地招聘。&br&&br&其中第2, 3点是一直存在的现象，而第1点则代表了最近一轮大数据和人工智能热潮带来的新趋势。所以为了更好地进行职业规划，题主需要想清楚自己转成quant的主要动机是什么。&br&&br&1. 如果是单纯看重更高的薪资待遇而去金融机构工作，那题主可能需要三思而后行。虽然我们时常能听到一些在金融机构高收入的例子，但那可能是建立在高淘汰率，高工作强度，以及一个完全不受自己控制的好年景基础上的。相比起来，你可能能在IT领域找到性价比更高的工作。&br&&br&2. 如果是发现自己热爱金融并且以后有志于直接转行金融领域，那成为quant能积累到在任何其他地方都积累不到的宝贵经验和人脉，所以会是一个好的选择。&br&&br&3. 如果题主想寻找一个中间状态，比方说学习一些金融知识然后把自己的机器学习技能用在金融市场以获取一定的额外收益，那我想题主不需要脱产学习，因为你已经具备了所需的大部分基础。既然题主已经拥有了大数据处理经验和机器学习算法的设计能力，那要上手应该并不困难。打开你的Python或者Matlab，只要有实时数据的接口（历史数据也行，不过在回测时需要严格控制滑点，未来函数，过拟合等问题），你会发现编写一条策略比想象中容易，什么online learning, time series analysis, classification, regression, clustering, learning to rank, reinforcement learning, deep learning甚至social network analysis等等通通都可以去试一试。但是为了少走弯路，在整个设计过程中你需要思考以下一些问题：&br&&br&(i) 找准自己：你的持仓时间一般多久？你要用的主要feature是来自基本面还是近期走势？你的资金量多大？你能承受的最大风险是多少？&br&&br&(ii) 找准市场：你是做大盘，版块，蓝筹股，小盘股，还是期权期货市场？你选择市场的依据是什么？&br&&br&(iii) 找准模型：你选择特定learning task的依据是什么？你选择特定算法的依据又是什么？算法是否robust？是否是凸函数？算法有没有很好的理论保证？算法的效率怎样？算法背后的假设是否合理？&br&&br&(iv) 找准退路：如果判断成功，你应该在哪里止盈？如果失败，你应该在哪里止损？&br&&br&即使你考虑好了以上几点，最初的策略仍有较大概率是无法赚钱的，你剩下要做的就是不断找出问题并改进，直到它能真正带来比较稳定的盈利。只要别幻想着一夜暴富，我相信你所学的知识会带给你一定的回报的。
=============== 以下内容修改于 =============== 背景和题主差不多，机器学习背景PhD，有一些顶级会议（ICML, NIPS, KDD等）的论文，只有少量金融知识，现在在美国的工业界研究院工作。 因为这几年大数据和人工智能的大热，我工作后也收到了上百…
一楼讲的还是有点偏差。中文不太容易分得清，还是看英文吧。&br&&br&1. 程序化交易：program trading&br&很简单的字面意思，意味着你利用程序(program)进行交易。具体的交易时机，交易仓位，止损止盈获利标准可能包含在程序本身，也可能独立于程序之外，程序本身只是执行的方式。与程序交易对应的是人工交易。一般利用程序交易有几大优势，比如说较快的速度，脱离了人为情绪的影响，执行力有保证等等。&br&&br&同时也应注意交易程序和交易系统的区别。交易系统是一个完整的系统，具体执行的程序可能只是其中的一部分。一个良好的交易系统应该还有风险控制，资金利用，仓位管理等方面的内容，而不仅仅是买卖信号的产生。&br&&br&2. 算法交易：algorithm trading&br&意味着你的交易决定是根据一条或多条算法 (algorithm) 进行的，算法即是你交易的基础(trading logic)。算法本身千差万别，难以一概而论，常见的有以均价为基准的VWAP,通过固定时间间隔执行的TWAP, 趋势跟随的momentum trader等等，如果你自己编一个根据MACD，RSI什么的产生指标的东西，也可以勉强称为algorithm的。算法交易的执行可以是手工的，也可以是纯自动化的。如果利用交易程序来执行的话，就是程序化算法交易。现在大部分的算法交易都由程序化来实现，原因在上一条最后有提到。&br&&br&3. 量化投资：quantitative investment&br&一般概指通过概率，微积分等数学工具去研究金融市场各种资产价格的结构性原因来决定的投资。最有代表性的就是曾经盛极一时的Long term capital management,题主可以自行google之。进行量化投资对投资者的数学能力要求很高，所以一般专门进行量化投资的基金和投资公司都喜欢招数学，物理等理科的phd。一般的量化投资都涉及到比较复杂的数学模型，至于是否有效则仁者见仁智者见智。&br&&br&4. 高频交易：high frenquency trading&br&意味着每次交易从开仓到平仓只有很短的时间间隔，一般从十几分钟到几微秒不等。主要目的是通过市场短暂的价格波动而获利。无论是趋势追随交易还是套利交易，只要速度达到了都可以被称为高频交易。人工达到高频交易的标准很难，所以一般都是通过程序交易：设置好算法，策略之后由下单软件执行。为了达到有竞争力的速度还需要软硬件共同配合。现在高频交易大概占美国市场电子交易的60%-70%。这是一个winner takes all的游戏，所以到最后大家都在比拼硬件设施，比拼跟exchange的co-location以获得几微秒的优势。&br&&br&5. 统计套利: statistics arbitrage&br&统计套利是套利交易的一种，意味着通过历史数据统计来发现套利机会并试图从中获利。比如历史上玉米与大豆的价格比率(玉米价格除以大豆价格)一直维持在某个区间，假设这个区间为1到5。以往的历史数据显示至今为止只有两次玉米与大豆的价格比率突破了5，而且在突破后迅速回落至正常的区间。现在市场上玉米与大豆的比率突然再次突破了5达到了6，作为统计套利者，你很可能就会想要卖出这个比率(卖玉米买大豆)，期待比率迅速回归正常区间。如果比率真的迅速回落至4或者3，这时你再平仓(买回玉米卖出大豆)就可以获得可观利润。&br&&br&当然这只是个粗浅的比方，实际市场比这个复杂的多。如何确定正确的套利区间，如何决定最佳套利比(几手对几手)，有没有季节性影响，有没有可能的突发事件影响等等，都需要纳入考虑的范畴。&br&还有就是要注意套利与对冲的区别，套利一般意味着零风险或者很低的风险，比如你同时买卖一个在不同交易所交易的同一产品，举个例子，买上海铜卖伦敦铜，或者买近月大豆，卖远月大豆。对冲则意味着你只是通过关联性降低了风险敞口，举个例子，你买了橡胶之后又卖了铜进行对冲，因为这两者的关联性相当高。&br&&br&希望对题主有所帮助，还有什么遗漏的欢迎各路大神继续补充。
一楼讲的还是有点偏差。中文不太容易分得清，还是看英文吧。 1. 程序化交易：program trading 很简单的字面意思，意味着你利用程序(program)进行交易。具体的交易时机，交易仓位，止损止盈获利标准可能包含在程序本身，也可能独立于程序之外，程序本身只是…
我知道大家想听的故事是这样的：&br&&img src=&/a73eea6449efc2e0e6a54db_b.jpg& data-rawwidth=&506& data-rawheight=&338& class=&origin_image zh-lightbox-thumb& width=&506& data-original=&/a73eea6449efc2e0e6a54db_r.jpg&&&br&或者是这样的：&br&&img src=&/fc9fc06e568493_b.jpg& data-rawwidth=&454& data-rawheight=&261& class=&origin_image zh-lightbox-thumb& width=&454& data-original=&/fc9fc06e568493_r.jpg&&&br&但是很遗憾，今天我带来的故事是这样的：&br&&img src=&/a4dbf99ef2_b.jpg& data-rawwidth=&400& data-rawheight=&264& class=&content_image& width=&400&&&br&没有错。每天的工作都是默默地在电脑前写代码。&br&&br&那么，身为一个码农，我为什么不去一家有前途的移动……互联网公司呢？&br&&img src=&/4c7e20cc167c72f7acac926f11d666c6_b.jpg& data-rawwidth=&630& data-rawheight=&354& class=&origin_image zh-lightbox-thumb& width=&630& data-original=&/4c7e20cc167c72f7acac926f11d666c6_r.jpg&&&br&当然是因为他们给的屏幕不够多啦：&br&&img src=&/b548a1ed8e0b0f7a093d7b8ba5bdf30d_b.jpg& data-rawwidth=&985& data-rawheight=&737& class=&origin_image zh-lightbox-thumb& width=&985& data-original=&/b548a1ed8e0b0f7a093d7b8ba5bdf30d_r.jpg&&&br&开玩笑的。暖场时间结束。真实的办公室其实是这样的：&br&&img src=&/7ba8df9eb541f89ae9b0ee_b.jpg& data-rawwidth=&2592& data-rawheight=&1936& class=&origin_image zh-lightbox-thumb& width=&2592& data-original=&/7ba8df9eb541f89ae9b0ee_r.jpg&&&br&乱吗？别怕，很快你就不会在意这些事情了。无数艰难的任务等待着你。&br&&br&套用狄更斯名言：这是最好的工作，这是最坏的工作。&br&&br&好处：&br&&ul&&li&工作超级有挑战。每天换新难题，绝不带重样的。调硬件，架网络，刷系统，优化数据结构，分析交易数据，末了再写个网页程序做展示，全都得自己来。&/li&&li&同事各个能力逆天，责任心强，信得过。干这行平均年龄偏大，活下来的都是硬汉。四五十岁的上司懂你不懂的金融，数学，计算机，任何一项基本技术能力都甩你几条街。&/li&&li&接触的业务面广，交易所，网络供应商，硬件供货商，都要挨个打交道。能看到整条产业链是活的，做的久了能够感受到其内在的商业逻辑。果然感觉自己是被需要的呢。&/li&&/ul&坏处：&br&&ul&&li&有时候特别孤独，每个人的任务都很重，自己的活只能靠自己，别人帮不上什么。&/li&&li&接不上新人。入行几年，亲眼见过很多新招来的同事承受不了压力退出了。&/li&&li&业内阻力大，老派的trader们抵触技术更新，合作一个项目时不待见你。&/li&&/ul&&br&入行以来，眼见很多比自己年龄大，资历老，能力强的人比自己更努力，开始挺绝望的，后来觉得挺踏实，有榜样。很多人都拖家带口了，家里好几个孩子，工作忙的时候睡不上几个小时，但都身体健康，家庭和睦。所以自己也依样学习，坚持锻炼身体，健康生活，和家人保持高效沟通，努力成为更优秀的人。我很幸运，没有见过纯为钱卖命的，也不建议大家这么做，不值得。&br&&br&说钱么，我是没有其他哥们那么乐观。发不出工资的时候倒是挺多，来这行学到一个说法，工资发不上的时候不叫没钱，叫没有流动性。所以有时候有同事会说，我的电脑好慢，等我有了流动性就换一台。是不是景气好的时候就发一笔大的呢？反正我还没见过。和那些在互联网的小伙伴们比，我是绝对不敢说钱多的。那为什么还干这行呢？参见上面列的好处。&br&&br&在这行，大家形容优秀的人像这样：&br&&img src=&/c70fdb3b8f7f6b4cd7e4f20b_b.jpg& data-rawwidth=&750& data-rawheight=&928& class=&origin_image zh-lightbox-thumb& width=&750& data-original=&/c70fdb3b8f7f6b4cd7e4f20b_r.jpg&&带了眼罩的赛马，眼中只能看到前方，所以只会发力向前，无视困难，直奔目标。&br&&br&所以学的更多的是做人呢。&br&&br&最后，建议大家入行需谨慎，这是一条不归路。
我知道大家想听的故事是这样的： 或者是这样的： 但是很遗憾，今天我带来的故事是这样的： 没有错。每天的工作都是默默地在电脑前写代码。 那么，身为一个码农，我为什么不去一家有前途的移动……互联网公司呢？ 当然是因为他们给的屏幕不够多啦： 开玩笑的…
刚刚bing到Georgy Zarya的linkedin，这哥们做了蛮久的高频交易的。不过呢，这哥们可不是什么华尔街大鳄，而是一个俄罗斯玩家。（另外确切的说，他并不是策略方，而是渠道，帮助高频交易客户链接到俄罗斯，可能客户也有需求连接到中国，就搞了这么个如此接中国地气的法子）新闻报道里说这哥们是欧洲的，其实是引导舆论，毕竟咱们和毛子连着油管子，是穿一条裤子的感情。&br&&br&&img src=&/caef49a27cdde9ccb983_b.png& data-rawwidth=&644& data-rawheight=&791& class=&origin_image zh-lightbox-thumb& width=&644& data-original=&/caef49a27cdde9ccb983_r.png&&&img src=&/8f9b09fb845b359c658c5e351d149d67_b.png& data-rawwidth=&626& data-rawheight=&287& class=&origin_image zh-lightbox-thumb& width=&626& data-original=&/8f9b09fb845b359c658c5e351d149d67_r.png&&&br&&br&高频交易是个高度竞争的市场，简单来说美国市场水平最高，加拿大欧洲次之，俄罗斯水平再次之。中国嘛，这个领域积累还非常少，多数还是手动操作的高频人工炒单手。这家公司赚钱，就好比，洋鬼子拿着枪炮到了天津，发现沿途抵抗的只有挥舞大刀的义和团，笑着沿路抢劫过来。就像当年，不仅英法过来分一口，二流帝国和很多殖民地也都觊觎着中国这块肥肉。水平不如人，就只能任强者鱼肉嘛。&br&&br&另外呢，从新闻描述来看，这哥们用的方法有spoofing，这种交易方法在欧美全是明令禁止的。&br&&img src=&/6c7502bab9579ec45041_b.png& data-rawwidth=&677& data-rawheight=&139& class=&origin_image zh-lightbox-thumb& width=&677& data-original=&/6c7502bab9579ec45041_r.png&&&br&所以呢，抓丫的洋鬼子，这招不敢在欧美玩，跑中国来撒野，该抓。&br&&br&_____________________________________&br&&br&注：此文艺复兴可不是“文艺复兴科技”，大家看清楚，注册在塞浦路斯&br&&br&—————————————————————&br&感谢 &a data-hash=&cedca0be349a86535c2ccdac& href=&///people/cedca0be349a86535c2ccdac& class=&member_mention& data-editable=&true& data-title=&@MB MA& data-hovercard=&p$b$cedca0be349a86535c2ccdac&&@MB MA&/a&，又去看了一下新闻中另一个人Anton的简历。&br&发现可能的策略方公司，&a href=&///?target=http%3A///& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&Anton这哥们居然也是利率期货出身，还好我一心拥护国家 - - ||&br&&img src=&/6f539c2d062b9e3efc867b5b29654c91_b.png& data-rawwidth=&621& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&621& data-original=&/6f539c2d062b9e3efc867b5b29654c91_r.png&&&br&&br&————————————&br&欢迎访问&a href=&/zhi/people/839616& class=&internal&&值乎 - 说点儿有用的&/a&
刚刚bing到Georgy Zarya的linkedin，这哥们做了蛮久的高频交易的。不过呢，这哥们可不是什么华尔街大鳄，而是一个俄罗斯玩家。（另外确切的说，他并不是策略方，而是渠道，帮助高频交易客户链接到俄罗斯，可能客户也有需求连接到中国，就搞了这么个如此接中…
市场就是江湖，买卖双方永远在博弈, 这是交易过程中永恒的主题。买方也就是所谓的buy-side, 而做市商是sell-side, 因此我们不仿把高频(HFT)策略分为买方策略和做市商策略。从名子也能看出来这两方互为对手。&br&&br&先说买方吧, 这个买方当然就是指prop trading, HF之流。买方常见的高频策略有以下几种:&br&&br&Market Order&br&以最高速下市价单(market order)是买方最基本的策略&br&&br&Looking for Price Discrepancies &br&这个就是高频统计套利(high frequency statistical arbitrage)&br&&br&Indulging in Momentum Ignition&br&人为制造价格上的spike诱使其它算法交易策略下单&br&&br&Poke for Bargains&br&发不同的Immediate Or Cancel Order来试探市场, 反制做市商的Hide Your Best Prices策略 &br&&br&Join the Makers&br&买卖两边下限价单(limit order)&br&&br&Reserve Orders/Iceberg Orders/Time Slicing&br&隐藏真实交易量&br&&br&有矛就有盾，我们再来看看做市商怎么接招:&br&&br&Wait for the Other Side&br&被动等待单子成交是做市商最基本的策略&br&&br&Lean Your Market&br&主动变更报价以消化库存(inventory)&br&&br&Scratch for the Rebate&br&提供流动性(liquidity)，拿回扣&br&&br&Hide Your Best Prices&br&隐藏最佳报价&br&&br&Take Out Slow Movers&br&仗着速度快吃掉其它做市商的错价&br&&br&Penny Jump&br&微量加价&br&&br&Push the Elephant&br&跟踪巨量订单，一路拉升价格从巨量订单上赚钱&br&&br&Tow the Iceberg&br&探测市场交易意图, 这个直接反制买方的Iceberg Orders.&br&&br&Jump the Delta&br&期权做市商用动态Delta Hedging对冲风险&br&&br&&u&&b&最后提一句, 不论你身处买卖双方的哪一边，你都该牢记，HFT是一种生意，而做生意的目的就是谋利，如果你真想make the world a better place，还是去Silicon Valley吧! &/b&&/u&:)
市场就是江湖，买卖双方永远在博弈, 这是交易过程中永恒的主题。买方也就是所谓的buy-side, 而做市商是sell-side, 因此我们不仿把高频(HFT)策略分为买方策略和做市商策略。从名子也能看出来这两方互为对手。 先说买方吧, 这个买方当然就是指prop trading, H…
这个问题非常值得思考。&br&&br&首先回答问题本身：在很多做市类的东西里面，交易决策和交易执行已经自动化程度非常高了，程序完全取代人只是时间问题。&br&&br&这里面最纯粹的例子是基于三角套利的外汇做市，差不多10年前就是纯自动化了，现在应该连写代码的都没有了，全是硬件在参与。其他自动化程度极高的东西包括：基于硬套利和统计套利的Delta1（Basket, ETF, Single stock, Index future, 各种多维度衍生品中Delta大的那些），各种基于统计的配对类交易，当然还有期权做市。&br&&br&这些东西的共同点：成交量大，成交频繁，参与者分散，（杠杆后）波动不低。任何产品的市场只要达到这几个标准，人工交易员都会很快被程序取代。逻辑也很简单，这样的市场里靠纯定量，100%明确的逻辑就可以很好的描述市场行为，只需要在一个封闭式的框架里有可靠性极高的执行就行了。都是计算机擅长的事情。剩下的差不多就是性能问题了。&br&&br&&b&趣闻One:&/b&&br&&br&&i&有个在自动化程度方面一直走的很靠前的公司叫Timberhill, -哪怕业内听说过的人恐怕也不多。但母公司就比较有名了： Interactive Brokers. 不少微信公众号也都转发过这公司老板的传奇，什么用文字识别+机械手绕过Nasdaq对他程序化交易的限制什么的，真假不知道。&br&&br&但Timberhill确实很偏执的追求自动化程度，这公司的交易员10年前就改名叫Pilot了，非常明确的只是监控机器运行。Timberhill的背景导致这公司在liquidity provider的世界里是个异类：因为要吸收Interactive Brokers千奇百怪的retail flow，Timberhill是出了名的什么东西都能quote，虽然什么quote的量都没有很大，定价也经常跟其他整齐划一的做市商朋友们不太一样。&br&&br&能quote各种奇怪的、流动性不怎样的东西，其实是个很惊人的能力，尤其是10年前，服务器的运算能力跟今天根本没法比。然后出了一件事情，让大家些许了解了一些Timberhill的做法：&br&&br&Timberhill告了两个瑞典还是挪威的散户，说他们操纵市场，在一个从来没人听说过的瑞典小股票上击败了Timberhill的做市程序。击败的方法让人不知道说什么好：例如这个票价格100左右，这两个散户发现Timberhill的程序每买入一次就调低bid/ask各1块，每卖出一次就调高bid/ask各1块，而且不论买入或者卖出了多少量。。。于是他们先在100/101的价格上花101万买1万股，然后隔几秒就market order买一股，重复个10次Timberhill的quote就变成了111/112了。。。然后卖出1万股。。。比国内的黑平台随便造个假行情宰客户还简单粗暴。。。&br&&br&最后Timberhill胜诉。其他做市商都觉得Timberhill是逗逼。虽然再仔细想想，这里面也不是完全没有道理在。&/i&&br&&br&当然同样的市场里，比如期权做市商，自动化程度也有不同。行情处理+定价+执行肯定全是100%自动化了，周边很多工作就不一定了，业界自身偏好也不一样。共同的认知差不多是”越自动越好，无非是个边际效益的问题“，具体每家能做到什么程度受核心团队构成以及资金规模影响。自然资金规模越大的，越有提高自动化程度的诉求。&br&&br&具体的效果，一般是这样：人工程度高一点的，在单一市场里能挖到的钱略多一点；但要算交易员人均产生的交易收入，自动化程度高的会高不少，毕竟一个交易员可以cover的市场多。但其实算上developer和quant，又都差不多了。&br&&br&这背后的取舍，其实是人脑和计算机在所有”有完整逻辑体系可循，但还有一点模糊的因素“的领域里的竞争。计算机的优势上面讲过了，性能和简单重复工作上的可靠性。但计算机有两个问题：”猜“的能力不强；没有”常识“。&br&&br&人脑有很强的”猜“的倾向，往坏了说是对结论过分自信，往好了说是在数据和信息完全不够的情况下能做出个还算靠谱的估计。这方面计算机在高速的追上，靠的是神经网络相关技术的成熟，其实就是把人脑强大的估计引擎的估计过程抽象出来。&br&&br&而没有常识，其实更根本的看是从对于高频交易团队的成本角度来说，人更便宜。每一个合格的交易员都附带了大量的预置信息（常识），例如永远不应该用负价格offer股票，或者13.5Call永远比14Call要贵。这些东西交易员们都是在大学或者培训的时候就会的了，虽说花费了大量时间积累，积累的效率很低，但并不需要花公司一分钱。而让程序都具备所有这些所谓常识，开销大到根本不现实。这其实也是各种天方夜谭式的程序错误导致巨额亏损的根本原因。&br&&br&&b&趣闻Two：&/b&&br&&br&&i&在电子化时代之前，交易都是在pit里完成。就是大家都在电视上看过的那种，几百个穿着鲜艳马夹的男人挤在一个大厅里，疯狂的互相打手势，写纸条，从人群里递出去。&/i&&br&&br&&br&&i&Pit trading是地球历史上，人类依靠自身力量做过的最高级，最重要，最激烈也最浪漫的事情。Pit trader们完成的工作，除了今天trader们所有的工作以外，还包括交易所的matching engine, 你的pricing engine, 策略和order manager的所有功能。还有最重要的一点，交换机和网线的功能。&/i&&br&&br&&br&&i&今天所有的信息都以光的速度在传递，而在pit里，物理距离要靠肌肉的力量来覆盖。行情稍激烈的一天结束后，每个pit trader都会全身青一块紫一块。要提高自己抢到好单的概率，需要的不是一条拉直的网线和一块破FPGA，而是日复一日的训练和钢铁一样的意志。所以pit trader们很多都是NCAA美式足球运动员。&/i&&br&&br&&br&&i&有本书被称为Option trader的圣经，叫做Options, Volatility and Pricing. 这本书是圣经的原因不是因为严密全面，而是因为作者连个数学公式都懒得写。作者Sheldon Natenburg早年在芝加哥做pit trader的时候，没有电脑，没有计算器，没有打印出来的pricing table。其实那时候BS公式都没什么期权交易员了解的。所有好的交易员依靠的，无非是一些朴素的non-arbitrage pricing理念，和非常简单有效的收窄估计上下限的技巧。&/i&&br&&br&&br&&i&据说第一个试图把这个雄性斗兽场变成技术宅乐园的，（又）是InteractiveBrokers。当他们的交易员拿着掌上电脑出现在pit里的时候，所有人都觉得他们脑子进水了。当然不长的一段时间以后，技术宅们就完全统治了这一切。&/i&&br&&br&&br&&i&然而pit trader里也出过很多大神，比如Sheldon Natenburg，另外还有很多技术宅们的老板。在任何事情里，老一代接受新事物的速度都不可能快过一张白纸的年轻人们。Pit trader们会一直聚在pit里流连。所以pit消亡的速度，比合理的速度要慢很多。&/i&&br&&br&&br&&i&直到今天，pit trading仍然在进行着。除了每个人手里已经变成了Android系统的平板电脑。也许有天直接微信扫码就可以撮合。&/i&&br&&br&&br&&i&---------------------------------------------------------------------------------------------------&/i&&br&&br&&br&其实这个问题，反过来问更好：证券的电子交易市场中，有没有计算机取代不了的工作？&br&&br&当然有。计算机其实只擅长非常特定的一件事情：在&u&封闭框架&/u&里，按照&u&完全明确的逻辑&/u&，&u&高速高可靠性地重复&/u&完成同一个任务。只不过历史上这件事情在市场里需要由大量的人工完成的，而这些工作在大量被计算机接管，给人一种错觉是所有从业人员都要被取代了。&br&&br&所以这样看，计算机永远取代不了的工作有哪些就也很明显了：&br&&br&策略开发：因为不在封闭框架里。策略开发本身就是建立框架的过程。说什么大数据+深度学习自动开发策略的都是regression monkey, optimization monkey, 自己骗自己。&br&&br&风控经理：因为没有完全明确的逻辑。每个交易主体的风险偏好形态都是不一样的，而且很大程度上是主观的。&br&&br&Pilot: 因为机器只要还是为人类服务的，就少不了和人类交互。具体到电子交易这件事，至少需要有人保证计算机的运行是正常的（自体能鉴别出来并解决的问题都不叫问题）。Pilot需要对所有的业务逻辑有了解，包括通讯软件硬件策略交易风控，不然无法有效辨识出问题。所以Pilot这个职责应该是一个团队在完成。&br&&br&Trader: 因为不是所有任务都是重复的。总有那么一些时刻，常识会告诉你，过去的统计经验无法给计算机足够信息处理当下的情况。甚至逻辑框架都不再适用。好的自动交易程序应该也能做出决策，该关闭相应功能了。好的Trader应该知道，还有哪些工具是可用的，哪些已经不适用了。运用任何还可以用的工具，做出相对最准确的决策。市场在短期剧烈波动中很显然是零和的，如果对自己的能力有自信的trader当然必须留在市场中交易，不然就是在犯罪，和在一个交投稳定活跃的交易日把交易程序关掉是一样严重的犯罪。&br&&br&&b&趣闻Three：&/b&&br&&br&&i&2011年，那是一个春天。&/i&&br&&br&&i&福岛核电站进水，据说爆炸的可能性不低，据说后果很严重。欧洲是唯一一个在日间交易时段的市场，成交量放大了10倍，波动率也是10倍。&/i&&br&&br&&br&&i&但同一时刻的日经225指数期权夜盘非常平静，-所有做市商都知道该关闭自动做市程序了，市场里没有任何报价，只有一些离合理价值十万八千里的零散order留在市场里。&/i&&br&&br&&br&&i&当时指数期货的价格大概8800点。在日本接近午夜的某个时刻，一个深度价外认沽权上出现了一个大买单，bid报9000，没有ask. 无论按照什么波动率参数，这个期权的价值也很难超过100块。而且日本交易所是没有无效价格规则的。&/i&&br&&br&&br&&i&这个报价还是一个iceberg单，在市场中前后存在了有两分钟左右才陆陆续续被成交完。我的desk在伦敦，通过远程登录到一台在悉尼的电脑，手动报单到日本，拿到了这个单子总和的差不多一半，价值300万美金。&/i&&br&&br&&br&&i&具体操作的那位这辈子最值钱的一次 双击-回车 操作的价值恐怕会永远留在这个数字。这对人来说是再简单不过的一件事情，对计算、决策和执行速度的要求都低到不能再低。但似乎全世界没有一个交易系统能完成这次抢单，因为没有系统的设计需求中包含处理这种情况的要求。投入回报完全不值得。&/i&&br&&br&最后再说一些看似和我结论站在同一边，但我完全不认同的说法：&br&交易是一门艺术，机器永远不能替代人。（故弄玄虚，毫无信息含量）&br&人的经验是机器无法取代的。（机器最擅长取代的就是经验）&br&计算机会出错，所以不应该一位追求自动化。（人的可靠性和机器比根本不值得一提，只不过因为操作逻辑也没那么明确，很难定义失误，容易蒙混过去而已）
这个问题非常值得思考。 首先回答问题本身：在很多做市类的东西里面，交易决策和交易执行已经自动化程度非常高了，程序完全取代人只是时间问题。 这里面最纯粹的例子是基于三角套利的外汇做市，差不多10年前就是纯自动化了，现在应该连写代码的都没有了，全…
国内，网易可下载，包括分笔数据。&br&&br&------------以下是更新（）------------&br&为啥会有人说找不到呢？以工商银行为例的URL：&br&&br&日内实时盘口（JSON）：&br&&a href=&///?target=http%3A//api.money.126.net/data/feed/CCCCmoney.api& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&api.money.126.net/data/&/span&&span class=&invisible&&feed/,0601398,money.api&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&历史成交数据（CSV）：&br&&a href=&///?target=http%3A//quotes./service/chddata.html%3Fcode%3Dstart%3Dend%3D& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&quotes./se&/span&&span class=&invisible&&rvice/chddata.html?code=0601398&start=&end=&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&财务指标（CSV）：&br&&a href=&///?target=http%3A//quotes./service/zycwzb_601398.html%3Ftype%3Dreport& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&quotes./se&/span&&span class=&invisible&&rvice/zycwzb_601398.html?type=report&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&资产负债表（CSV）：&br&&a href=&///?target=http%3A//quotes./service/zcfzb_601398.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&quotes./se&/span&&span class=&invisible&&rvice/zcfzb_601398.html&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&利润表（CSV）：&br&&a href=&///?target=http%3A//quotes./service/lrb_601398.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&quotes./se&/span&&span class=&invisible&&rvice/lrb_601398.html&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&现金流表（CSV）：&br&&a href=&///?target=http%3A//quotes./service/xjllb_601398.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&quotes./se&/span&&span class=&invisible&&rvice/xjllb_601398.html&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&杜邦分析（HTML）：&br&&a href=&///?target=http%3A//quotes./f10/dbfx_601398.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&quotes./f1&/span&&span class=&invisible&&0/dbfx_601398.html&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&
国内，网易可下载，包括分笔数据。 ------------以下是更新（）------------ 为啥会有人说找不到呢？以工商银行为例的URL： 日内实时盘口（JSON）：
历史成交数据（CSV）：
财务指标（CSV）： …
&p&作为期货公司的从业人员，股票交易中的高频我不懂，股指期货的高频相对了解一些。我对zjh这一个多月以来的种种行动是极为反感的。个人认为这是开倒车，破坏市场机制，破坏市场信心的行为。&/p&&p&前面看了一下，有一位张叉叉是持支持zjh立场的，先试针对他提出的几点先做质疑：&/p&&p&1. “你知不知道被查的那几个账号的一日之内下单超过10个亿，其中99.8%的单子在几毫秒内被撤回了，再做空股指期货，这就是恶意操纵股价”&/p&&p&我想请问，一日之内下单超过10亿是指交易金额超过10亿还是报撤单次数超过10亿？如果是指交易金额超过10亿，究竟是股票账户上超过10亿还是期货账户上超过10亿？交易金额超过10亿的话那要看他的体量多大，期货账户上超过10亿其实根本不算什么，你这话说的根本没意义。&/p&&p&关于几毫秒撤回一说，以国内目前的期货交易水平，行情只有半秒一个tick，如果如你所说在几毫秒内就撤回的话也起不到影响价格的作用，因为根本没法看到，事实上期货高频报撤单主要还是探测市场深度的作用，并非恶意引导市场，而股票方面我是不知道几毫秒内撤回报单有什么意义。&/p&&p&2. “目前大多数量化交易的策略是基于动量的策略，在流动性及其匮乏的条件下（目前就是），会吸干股市的流动性，提高了股市的波动率，特点就是暴涨暴跌。看看SP500，很少出现5个点以上的涨跌幅，相比之下，上证？呵呵。”&/p&&p&照这个说法，真正的问题是出在“基于动量的策略”上了。这点就更加站不住脚。动量策略，追涨杀跌，古已有之，干量化交易何事？天天跌停那一阵，换你是基金经理你会不想着赶紧逃命？&/p&&p&市场之所以有序，是因为在一个公开公正的框架下有各种不同类型的交易者存在，有动量交易，有价值投资，有套利者，有啥也不懂的散户。照这么说，那还真就应该在下跌的时候把顺势卖股票的都给赶出市场了咯？只许大胆逆势操作的策略存在？&/p&&p&-----------------------------------------------------------------------------------------------------------------&/p&&p&接下来说说我自己的看法。&/p&&p&1. 高频交易者的具体策略思想我难以一一总结，但就我了解的信息而言，在股指期货上进行高频交易的一般都还是以套利思想为主，结合波动率的预测等统计手段进行，频繁报撤单主要是为了探测市场深度（因为半秒一个tick的行情不能完全揭示交易的实际情况），还有就是抢单不成要马上撤掉。高频交易者的资金容量都很小，一般最多也就1000万左右，很难说如何影响市场。频繁报撤单和大额报撤单是两个不同的异常交易情形，不应该混淆。&/p&&p&2. zjh把操纵市场归罪于高频交易、程序化交易，我不知道有何依据。毕竟硬生生把几万亿交易资金赶出市场的是zjh，而不是其他人。就算高频可以一天内来回交易1000次，用100万资金做出10亿的交易额，你也不能光看到他卖出了10亿的金额，也得看到他买入了10亿啊。高频在市场中不停的有买有卖，这操纵市场从何而来？&/p&&p&3. 程序化有很多不同的level，有最简单的将原有的主观交易法则固化而形成的程序化，有利用各种酷炫的模型对市场的特定参数作预测的程序化，也有高频这样利用市场微观结构进行套利的程序化。但不管哪种策略，我认为都很难有操纵市场的能力，尤其是中国A股这么大体量的市场。zjh对配资的一刀切已经让这个市场损失了好几万亿的市值了，希望之后不要再对程序化搞一刀切。&/p&&p&-------------------------------------------------------------------------------------------------------------------&/p&&p&最后我要大力吐槽一下zjh和交易所这样的规则制定者对于规则的漠视。&/p&&p&7月31日中国金融期货交易所出台了对股指期货交易的新的监管办法，其中规定一天之内报撤单数量达到400次的，认定是异常交易行为。&/p&&p&然后到礼拜一，有投资者在报撤单量还远没到规定的时候，就被关闭了交易权限。&/p&&p&这是怎样的一个信息？“我们是监管者，所以我们想干嘛就干嘛，我们看你不爽的时候不要拿监管规定来当挡箭牌”&/p&&p&这次流动性引发的股灾的根本是什么？是信心。&/p&&p&国家队真金白银的救市暂时把市场稳住了，希望zjh不要把投资者对于市场本身的信心给打没了。&/p&
作为期货公司的从业人员，股票交易中的高频我不懂，股指期货的高频相对了解一些。我对zjh这一个多月以来的种种行动是极为反感的。个人认为这是开倒车，破坏市场机制，破坏市场信心的行为。前面看了一下，有一位张叉叉是持支持zjh立场的，先试针对他提出的几…
&p& 作为两家量化交易巨头，收购可以说是抱团取暖，也可以说是无奈之举，但无论如何，VIRTU这波不亏的。&/p&&p& 因为现在不同于金融危机的时候，全球的波动大幅度减小，高频交易利润也出现了历史上最低的水平，导致不管是VIRTU还是KCG的营收缩水。&/p&&p&对于VIRTU来说，花14亿美金收了KCG，这波不亏，KCG 主要业务是给机构客户提供电子交易平台和为经济商户提供订单执行等,而VIRTU呢， 是全球几个规模最大的高频交易公司之一，给金融市场供应他们的产品，涉及商品、期权和股票、外汇等多个领域。收购了KCG，VIRTU 能够从经纪商那里获取销售“流量”，然后直接交易订单 ， 在成本上节约了非常多。&/p&&p&不过也不仅仅是VIRTU，双方其实还算是双赢，收购当天KCG的股价为19.73美元，涨幅超过11％，创了历史新高；同时Virtu的股价也大幅上扬10％，达到16.45美元。 &/p&
作为两家量化交易巨头，收购可以说是抱团取暖，也可以说是无奈之举，但无论如何，VIRTU这波不亏的。 因为现在不同于金融危机的时候，全球的波动大幅度减小，高频交易利润也出现了历史上最低的水平，导致不管是VIRTU还是KCG的营收缩水。对于VIRTU来说，花14…
高频数据大多“罔不因势象形，各具情态”，其中就包括题主所提到的数据非等间距问题。我们为了克服这些irregularities，我们就要对数据重新表示（re-representation）。&br&&br&高频价格数据的非等间距问题是首当其冲要解决的。解决的办法一般就是resampling。&br&比如可以自己定义一个时间间隔（segment），重新抽样。这时候的抽样可以直接取用截点的数据（如图1），或者取每个间隔内数据的均值（如图2），根据你的具体情况而定。还有也可以使用线性插值法（linear interpolation）。&br&&img src=&/daacb5c0ac48cba1ec3fc2_b.png& data-rawwidth=&654& data-rawheight=&181& class=&origin_image zh-lightbox-thumb& width=&654& data-original=&/daacb5c0ac48cba1ec3fc2_r.png&&图1&br&&img src=&/03fcdc227bfc83f0acc39533_b.png& data-rawwidth=&660& data-rawheight=&183& class=&origin_image zh-lightbox-thumb& width=&660& data-original=&/03fcdc227bfc83f0acc39533_r.png&&图2&br&&br&上面提到的方法还仅限于高频时间序列在时域（time domain）中的重新表示，但哪怕我们使用的是等间隔的高频收盘价数据，如果间隔做得比较小，数据的噪声仍然是不可避免的，这就涉及一个频域（frequency domain）的问题。那么对数据做去噪（de-noisying）或者平滑（smoothing）是一个很直接的做法。比如小波去噪（wavelet de-noising）后再做协整检验。或者更学术的做法是使用离散小波变换（DWT）把低频方差和高频方差分解开来，然后把低频和高频的&b&小波系数&/b&留下来，将其纳入到协整检验中来，成为一个专用于高频数据协整检验的算法。&br&&br&&br&其实，高频数据更有利用价值的还是order book。这类数据要是不去研究利用就太可惜了。与价格、成交量之类的time-series不同，order book这类sequence数据并不需要设置抽样点，而是直接把每个时间点上的数据当作一个事件，设定或者拟合一个针对这些事件序列（event sequences）的概率分布。比如著名的Rama Cont[注2]就把order arrival设定为服从泊松分布，每次order arrival都是独立的，order arrival rate则服从指数分布。&br&当然如果你有简化数据的需要，也可以提取关键数据点，只是这些关键数据点不需要是等间隔的。（如图3）&br&&img src=&/1fe7dede8e41707ca3dd_b.png& data-rawwidth=&661& data-rawheight=&179& class=&origin_image zh-lightbox-thumb& width=&661& data-original=&/1fe7dede8e41707ca3dd_r.png&&图3&br&&br&按照上述方法处理好高频数据后，将协整[注1]的配对股票构建一个contingent order，以两者的mid-price之差作为spread，触发交易信号的阈值也可以沿用你习惯的方法来计算。总之，在中低频统计套利中常用的entry-exit strategy都可以作为一个框架拿过来使用，无需赘言。&br&&br&但任何高频的交易环境下的问题都可以成为这个高频统计套利策略的问题，其中最突出的问题之一就是滑点。我听说有人做过测试，如果每次成交都增加一个tick的滑点，全年的收益就没了。&br&&br&那么这时候我们可不可以再研究研究order book的变化规律，特别是其中bid/ask的变化规律，摸索出一种计算在mid-price变动之前，配对股票的bid/ask上的orders得到执行的概率，然后根据这些概率判断刚刚触发的交易信号能否得到执行。这样也同时可以规避那些bid-ask价差过大的情况。&br&&br&我们知道order book的变化就来源于每个价位上的市价单、限价单和撤单指令的flow，每个flow都可以看作一个counting process。有很多实证研究表明，order arrival rate与之到bid/ask的距离有关。Rama Cont[注2]把每个价位上的未成交订单的数量的变化规律看作一个birth-death process，其中每一个event（包括市价单、限价单和撤单指令）都是独立泊松过程：&br&&br&&img src=&///equation?tex=X_%7Bt%2B1%7D%5Csim+x_%7Bt%7D%2BD%5Cleft%28+x_%7Bt%7D%5Ctheta+%28p%29%2B%5Cmu+1_%7Bp%3Dp_%7Ba%7D%7C%7Cp%3Dp_%7Bb%7D+%7D+%5Cright%29_%7Bt%2B1%7D%2BB%28%5Clambda+%28p%29%29_%7Bt%2B1%7D++& alt=&X_{t+1}\sim x_{t}+D\left( x_{t}\theta (p)+\mu 1_{p=p_{a}||p=p_{b} } \right)_{t+1}+B(\lambda (p))_{t+1}
& eeimg=&1&&&br&&br&其中D(·)为death process，xt*θ(p)代表order cancellation rate，u代表market order arrival rate，B(·)为birth process，λ(p)代表limit order arrival rate，p代表对应的价格。为了建模的简便，我们假设每一个未成交订单被取消的概率都是相等的，也是独立的。&br&&br&然后就可以用Monte Carlo模拟出在mid-price变动之前，配对股票的bid/ask上的orders得到执行的概率。与此同时，因为这个birth-death process是可以有解析解的，所以Rama Cont用拉普拉斯变换求逆推导出这个概率。推导过程比较复杂，就不写出来了。做个回测，两种方法得到的结果相近（详见[注2]）&br&&img src=&/3b2e7062adb68f61f1e24_b.png& data-rawwidth=&735& data-rawheight=&225& class=&origin_image zh-lightbox-thumb& width=&735& data-original=&/3b2e7062adb68f61f1e24_r.png&&（数值模拟得到的结果）&br&&img src=&/0e3c4e8e181bf479d9df7a_b.png& data-rawwidth=&356& data-rawheight=&226& class=&content_image& width=&356&&（拉普拉斯变换得到的结果）&br&&br&分别对你的配对股票求取这个概率。当概率高于你预设的阈值时，这次交易可以认定为在mid-price变动之前，bid/ask order可以得到执行，故以限价单分别以bid/ask价位执行建仓。平仓同理。&br&&br&Rama Cont的模型见仁见智。有的人认为太复杂，也有的人觉得太粗糙。譬如Rama Cont把order arrival看作泊松过程，order duration服从指数分布。但泊松过程太粗糙了，随便拿出一个log化的概率分布根本不成线性的，而且如果对log(duration)做一个自相关系数图，你会发现是拖尾的，也就是个AR过程。另外，等概率的马尔科夫链的假设也很粗糙，与现实的拟合不足，模拟出的概率可信度不足。而且为了追求有解析解而搞这么复杂的数学推导又显得有点没必要，毕竟Monte Carlo模拟在这里也不难实现。&br&&br&其实沿着Rama Cont的思路，你完全可以将模型简化成一个在技术上没有难度的线性模型，最多加一个时变特征。比如你掌握着order book的当前状态&img src=&///equation?tex=%5Cmathbf+%7BX%7D_%7Bt%7D& alt=&\mathbf {X}_{t}& eeimg=&1&&，并且知道下一状态&img src=&///equation?tex=%5Cmathbf+%7BX%7D_%7Bt%2B1%7D& alt=&\mathbf {X}_{t+1}& eeimg=&1&&有固定且有限种可能，那么&img src=&///equation?tex=%5Cmathbf+%7BX%7D_%7Bt%2B1%7D& alt=&\mathbf {X}_{t+1}& eeimg=&1&&仅取决于哪一种order会先到。所以直接对order arrival rate建模，也就是λ(·)，比如像这样一个加入时变特征的线性模型：&img src=&///equation?tex=%5Clambda+_%7Bt%7D%28p%29+%3D+%7B%5Crm+exp%7D%5Cleft%28+%5Cbeta+%5E%7BT%7D+%5Cmathbf+%7Bx%7D_%7Bt%7D+%5Cright%29+& alt=&\lambda _{t}(p) = {\rm exp}\left( \beta ^{T} \mathbf {x}_{t} \right) & eeimg=&1&&，分别按照limit/market/cancel、buy/sell、每个quote的价格到当前bid/ask的距离建模。然后计算λ(·)就变成一个工程问题了，无论是怎样做特征工程，还是选择怎样的回归算法。因子可以有arrival rate的滞后项，波动率因子如VIX指数，动量因子如过去若干的tick/second的涨幅，还可以有微观结构因子如bid-ask imbalance，如此等等。回归算法可以先选择线性回归，主要就看Lp regularization的设置了。&br&&br&&br&最后总结一下吧：&br&1）拿高频数据做协整，肯定要先做预处理，主要思路就是本文前半部分所说。但这不是难点；&br&2）难点之一还在于构建统计套利的协整组合，无论是把小波系数纳入协整检验，还是用合适的生成模型或者manifold做个映射什么的，总之要做好你的仿射变换，这就要考察你对策略的理解和设计了；&br&3）对统计套利这种交易时机敏感型的策略，高频环境下指令的执行就是难点之二。解决这个问题可以有非常多的算法和技术，比如很多人着急他们的机器学习怎么用在交易上，这不就是个好去处嘛。Rama Cont的模型只做个参考就好。但不妨可以把Rama Cont的模型作为一个发凡起例的入门思路，多发掘order book里面新的stylized facts。借助你对市场的观察，开发你的交易执行模块，才是坠吼的。&br&&br&----------------------------&br&&br&注1：我这里所指的“协整”，不一定是时间序列教材里看到的若干种协整检验。在统计套利的语境下，协整有着更严格的内含和更丰富的外延。总之，你可以根据你对模型和数据的探索，做出某种仿射变换，构建你的协整组合。具体可参考 &a href=&/question//answer/& class=&internal&&统计套利中的「协整」是什么意思？ - 郭小贤的回答&/a&&br&&br&注2：来自于 Cont, Stoikov and Talreja, A stochastic model for order book dynamics
高频数据大多“罔不因势象形，各具情态”，其中就包括题主所提到的数据非等间距问题。我们为了克服这些irregularities，我们就要对数据重新表示（re-representation）。 高频价格数据的非等间距问题是首当其冲要解决的。解决的办法一般就是resampling。 比…
泻药。&br&&br&自动化交易可以，高频交易A股暂时不行，因为是T+1的市场。（补充：A股中相对高频的交易是可以做的，因为“相对”嘛。但是有的人说那就是高频交易，我只好尊重他们的意见了，毕竟我不是业内人士）。&br&&br&A股的自动化交易平台数量很少，大体分为两类：&br&1. 传统券商提供的行情、下单API&br&据我所知如华宝证券，支持个人量化API的互联网接入。意思就是他们给你提供一套SDK，你写你的策略，直接连上去他们的服务器就可以交易了。这一类的并不多，另一个是华西证券，但是我不确定他们是否支持个人的量化接口。&br&&br&2. 新兴的在线量化交易平台&br&这一类平台在去年年底到今年逐渐兴起，但是还没有看到可以支持实盘交易的产品。我重点罗列一下这一类产品，因为相比传统的平台来说，它们更加适合个人使用。&br&&br&国内起步比较早的有通联数据旗下的优矿平台&a href=&///?target=http%3A//uqer.io& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&优矿 - 通联量化实验室&i class=&icon-external&&&/i&&/a&。顾名思义，他们的强项在于数据，关于数据的API也非常丰富。当然部分得益于Python的科学计算工具栈（NumPy, SciPy, Pandas, StatsModel等），以及令人瞠目的&a href=&///?target=http%3A//ipython.org/notebook.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The IPython Notebook&i class=&icon-external&&&/i&&/a&。另外他们也举办过一次模拟交易比赛，在高校中也有一定的知名度。（ 补充：优矿开通了分钟线回测和每日数据的仿真交易，并且正在举办仿真交易联赛，还有不少奖金，学生党可以去玩玩）。&br&&br&另一家平台是今年上半年刚出现的创业公司米筐量化平台&a href=&///?target=http%3A//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&RiceQuant - Beta&i class=&icon-external&&&/i&&/a&。他们的API是用Java设计的，对于个人来说Java的入门门槛比Python要略高一点。当然如果你用惯了Java，应该也很容易上手的。他们的策略界面几乎是完全照搬了&a href=&///?target=http%3A//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Quantopian&i class=&icon-external&&&/i&&/a&（来自美国的首个在线量化交易平台，起步于2012年，是这一类公司的模仿对象），如果你曾经用过quantopian，应该会很熟悉。他们的好处是给出的参数比较多，比如风险指标的Grid，每一笔成交及持仓细节。另一个好处是，如果未来他们做了高频交易，Java语言的天然优势就立即显现出来了。缺点是Java语言中没有Python的科学计算工具栈，不过看招人广告他们好像已经在做Python的接口了。（ 补充：已经支持了Python的接口，体验速度略慢于Java，毕竟是Python嘛。并且Research平台已经向公众开放了）&br&&br&还有两个平台：Keystone(&a href=&///?target=http%3A//%3A8080/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&KeyStone technology&i class=&icon-external&&&/i&&/a&)和知象科技(&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&知象科技&i class=&icon-external&&&/i&&/a&)。他们正处在刚融到钱正在招兵买马（或者已经有了demo，如Keystone）的阶段，值得关注。尤其是知象科技，创始人的背景实在是牛逼，当然缺点是现在还没有成型的产品。&br&&br&另有一个平台必须提一下的是掘金量化(&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&)。虽然他们似乎还没有正式推出A股交易，但肯定是在开发中了。他们的好处是支持多种语言，不太清楚他们是否支持个人使用，不如让我们请 &a data-hash=&404c027be4c8fdb2dd6fad5f13d53f35& href=&///people/404c027be4c8fdb2dd6fad5f13d53f35& class=&member_mention& data-editable=&true& data-title=&@李波文& data-hovercard=&p$b$404c027be4c8fdb2dd6fad5f13d53f35&&@李波文&/a& 来补充一下吧 ;) （ 补充：李波文已经补充过了，他们的确支持A股交易，但是因为政策门槛高暂时个人还比较难上手。不过提供研究功能大家都可以用，不过不是类Quantopian的平台，需要下载客户端和SDK。希望没理解错）&br&&br&补充：忽然出现了另一个类似平台JoinQuant(&a href=&///?target=http%3A//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&聚宽，人人皆为宽客&i class=&icon-external&&&/i&&/a&)，中文名叫聚宽。它们和Quantopian长的不能说非常相似了，简直完全一样……不过他们平台有目前唯一能用的分钟回测（优矿虽然也有，然而实在是等不起……）。只是其他功能还没有出现，毕竟刚放出不久，值得关注一下。似乎创始人也在玩知乎
&a data-hash=&edfff0c9bfcfb0aa6dd3540& href=&///people/edfff0c9bfcfb0aa6dd3540& class=&member_mention& data-hovercard=&p$b$edfff0c9bfcfb0aa6dd3540&&@高斯蒙&/a&
泻药。 自动化交易可以，高频交易A股暂时不行，因为是T+1的市场。（补充：A股中相对高频的交易是可以做的，因为“相对”嘛。但是有的人说那就是高频交易，我只好尊重他们的意见了，毕竟我不是业内人士）。 A股的自动化交易平台数量很少，大体分为两…
占个坑。&br&&br&入行时间不长。公司开了很多年了，创始人是个老爷子，70年代开始在芝加哥做交易员的，先在美国开公司，后来思乡心切回老家以色列开了我们现在的分公司。&br&&br&从趋势类cta到外汇到股票，公司折腾了不少。AUM一直在一个到几个billion徘徊。整体还是个对冲基金吧，并非是个纯高频的公司。&br&&br&说出来也惭愧，毕竟和众多华尔街传奇同时间出道的，人家成了传奇我们却默默无名。&br&&br&但我们猥琐的混了这么多年也没倒闭，也不算炮灰，假如桥水城堡是大炮，我们就算个歪把子机枪吧，多少能赚点钱养家糊口。。。&br&&br&老爷子偶尔跟我们讲讲他三四十年前拿技术分析走天下的故事，让一直认为技术分析是神棍的我有了另一番认识。&br&&br&公司里人都挺nice, 现在的掌门是个程序员，也50几岁了，所以公司里不少科技行业转过来的。研究部门的老大做金融前做了十年的传感器算法，但由于公司人员平均年龄偏大，从硅谷出来的其实不多。&br&&br&公司混了这么多年，多少有点积累，就干了高频自营。团队里哈佛，普林的数学博士还是有的，但是这几位大哥从来都不说话，不知道他们在搞什么。&br&&br&技术部门的人都是geek, 负责基础设施的老大最喜欢玩螺丝刀，拿螺丝刀当飞镖扔的很准，他也不怎么会写程序，但是调服务器神马的是一把好手。&br&&br&研究总监人特别nice, 进公司第一天就说有什么问题只管问，随时问，stupid 问题也不要紧。然而我到现在为止都不知道问他啥好。。。&br&&br&公司工作时间不长，每天下午到点准时被领导说 you should go home now. 想加班都没地方加班，一直担心哪天会不会被开了。。。。。&br&&br&由于以色列周五周六是休息日，周日上班又很多时候不交易，他们就在网上讨论吃啥喝啥，也不管策略了，就让机器自己运行，周一我在中国上班发现周日他们一直在讨论中国妹子和中东妹子哪个更好看。。。。&br&&br&公司的curve还是可以的，高中低频都有，乌七八糟全算下来一年30%几吧，高频肯定比这个高，但是量做不大。&br&&br&覆盖的市场哪里都有吧，最近中国不好，领导又对印度市场有了兴趣，不知道能鼓捣出来啥名堂。&br&&br&系统都是C#写的，据说原型是现掌门人十年前从小黑屋里撸出来的，我也不懂低延迟是咋解决的，以后慢慢体会吧。&br&&br&之前在内资私募干过，单单对比一下基础设施就明白了内资和外资的差距，我们这里集群有一千个cpu, Hadoop和spark什么的也都有。&br&&br&由于技术人员的鼎力支持，给matlab和python开发了大量的api, 所以刚来的数学大牛，教一下就能很轻松的上手并行计算等等基础设施。&br&&br&底层的解释器和编译器公司也进行了重新开发。所以用matlab也能很轻松的开发并很快速的回测策略。我相信大多数国内私募都没有这样的技术环境，或许不是能力不行，但是没有时间去开发也没钱去维护这些基础设施。&br&&br&至于哈佛普林剑桥毕业的员工，国内也不少了，就不做比较了吧。&br&&br&以色列和美国的办公条件好到令人发指，所有人都有独立办公室，吃吃喝喝都免费不说。公司还给每个员工一张周围餐厅随便吃的卡。以色列那边从公司走五分钟就有地中海白色沙滩，窗外也能看见蔚蓝的地中海。&br&&br&好多员工早上先去地中海游个泳，晃晃悠悠十点上班，牛奶面包咖啡早餐后干干活，一两点再拿着公司的卡出去胡吃海塞，晚上再胡吃海喝一通，有的再去沙滩喝两杯游个泳然后回家。&br&&br&我们在上海的办公环境虽说也是文艺小清新外加人体工程学座椅，但没法和蔚蓝地中海海边比啊呜呜呜。。。。。&br&&br&美国那边我交流不多，以色列办公室在以色列西部，离前线很远，所以加沙那边怎么打这边人不怎么关心。每次打仗的时候都是波动率很大的时候，靠波动率吃饭的策略打仗的时候都很赚钱。。。所以出现冲突的时候大家都很亢奋，一边开着机器赚钱一边看以色列节节胜利。。。老板有时候还开玩笑说仗应该多打几天，这样多赚点钱多交点税给政府下次可以接着打。。。。&br&&br&世界上多数对冲基金的老板都是犹太人，所以每次以色列卷入冲突我估么着都给吃波动饭的犹太老板们送了不少钱，然后回以色列捐坦克飞机，难怪以色列越来越猛。。。。。
占个坑。 入行时间不长。公司开了很多年了，创始人是个老爷子，70年代开始在芝加哥做交易员的，先在美国开公司，后来思乡心切回老家以色列开了我们现在的分公司。 从趋势类cta到外汇到股票，公司折腾了不少。AUM一直在一个到几个billion徘徊。整体还是个对…
已有帐号？
无法登录？
社交帐号登录