演算法交易is

『壹』 根據特定的時間間隔在每個時間點上平均下單的演算法是什麼

根據特定的時間間隔在每個時間點上平均下單的演算法是時間加權平均價格演算法(TWAP)。

時間加權平均價格演算法，是一種最簡單的傳統演算法交易策略。TWAP模型設計的目的是使交易對市場影響減小的同時提供一個較低的平均成交價格，從而達到減小交易成本的目的。在分時成交量無法准確估計的情況下，該模型可以較好地實現演算法交易的基本目的。

用公式來表示就是：

存貨的加權平均單位成本=(月初結存貨成本+本月購入存貨成本)/(月初結存存貨數量+本月購入存貨數量)。

月末庫存存貨成本=月末庫存存貨數量×存貨加權平均單位成本。

本期發出存貨的成本=本期發出存貨的數量×存貨加權平均單位成本或=期初存貨成本+本期收入存貨成本-期末存貨成本。

『貳』 個人投資者如何量化交易

量化投資是運用機器學習、模式識別、數據挖掘等方法建立數學模型，形成投資策略並做成計算機程序，進行自動化交易的一種投資方式。如果從大類上劃分，它又可分為「量化策略」和「演算法交易」。
簡單來說，前者是利用量化的方式，對金融市場進行分析、判斷從而交易的策略。當我們研究策略時，可以在歷史數據上回測，對過去指定時間段進行模擬交易，從而得到的收益以及凈值變情況，並通過實時數據進行策略模擬，模擬策略的實時交易進行結果的預判。而演算法交易是一種程序化交易方式，利用特定演算法決定交易下單的時機、價格乃至最終下單的數量等，可以減少交易摩擦成本。
量化投資的方式可以幫助我們避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。於是，越來越多的投資者開始參與其中。
【拓展資料】
一、何謂量化交易
量化交易（Quantitative Trading），即使用現代統計學和數學工具，藉助計算機建立數量模型，制定策略，嚴格按照既定策略交易。具體又可分為高頻交易和非高頻交易，其中非高頻交易適合一般個人投資者和中小機構。
量化交易是以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。
二、量化交易的發展
對多數普通投資者而言，量化交易仍是一個較為陌生的概念，但該模式已在國內流行了數十年。2010年，國內股指期貨上市，成交量在兩年內增加了1.4倍，為量化交易提供了極佳的交易標的，國內量化交易便快速發展。
據華聯期貨介紹，2012年上半年，量化交易量占國內證券市場總交易量8%左右，但占股指期貨交易量的比例已達20%左右。目前，絕大部分的券商和期貨公司開始進行量化交易，部分私募公司和個人投資者也開始使用量化交易產品。事實上，3年多來，在股市連續下跌的大環境中，傳統投資策略紛紛失效，而一批以股指期貨、商品期貨、債券為投資標的，以量化投資、程序化交易為工具的新興投資方式，卻在國內投資市場嶄露頭角，並實現了較為穩定的收益。
「傳統投資策略依靠人的主觀感覺來投資；而量化投資是根據數學統計模型，由計算機來實現自動化交易。」國信證券東莞營業部財富管理中心負責人林玉偉指出，量化投資的應用涵蓋幾乎所有金融投資領域，是在計算機和網路的支持下，把人腦投資策略編寫成語言程序，由計算機觸發買賣條件，完成自動化交易的投資方式，實際上是傳統投資的嚴謹化。

『叄』 在自主許可權內什麼通過交易系統向交易室下達交易指令

在自主許可權內基金經理通過交易系統向交易室下達交易指令。交易系統或相關負責人員審核投資指令的合法合規性，違規指令將被攔截，反饋給基金經理。其他指令被分發給交易員。交易員接收到指令後有權根據自身對市場的判斷選擇合適時機完成交易。基金公司投資交易包括形成投資策略、構建投資組合、執行交易指令、績效評估與組合調整、風險控制等環節。
拓展資料:
1、演算法交易是通過數學建模將常用交易理念同化為自動化的交易模型，並藉助計算機強大的存儲與計算功能實現交易自動化（或半自動化）的一種交易方式。 交易演算法的核心是其背後的量化交易模型，而模型的優劣取決於人的交易理念和基於數據的量化分析，以及兩者的有效結合。
2、演算法與人（交易員）的互動是至關重要的，兩者之間互為補充：人（交易員）教授「演算法」交易理念，反過來被訓練過的演算法可以幫助人（交易員）實現快速的交易執行。
3、常見的演算法交易策略簡介如下： （1）成交量加權平均價格演算法（VWAP），是最基本的交易演算法之一，旨在下單時以盡可能接近市場按成交量加權的均價進行，以盡量降低該交易對市場的沖擊。 （2）時間加權平均價格演算法（TwAP），是根據特定的時間間隔，在每個時間點上平均下單的演算法。 （3）跟量演算法（TVOL），旨在幫助投資者跟上市場交易量。若交易量放大則同樣放大這段時間內的下單成交量，反之則相應降低這段時間內的下單成交量。交易時間主要依賴交易 期間市場的活躍程度。 （4）執行偏差演算法（Is），是在盡量不造成大的市場沖擊的情況下，盡快以接近客戶委託時的市場成交價格來完成交易的最優化演算法。

『肆』 如何建立自己的演算法交易

在股票市場中交易過兩、三年的人，幾乎都有一套自己的交易方法。
雖然你有方法但如果還沒有形成交易系統，那也先別著急去勉強建立,因交易系統是自然形成的.並不可人為刻意能建起來的。就好比計劃經濟與市場經濟不斷的適應市場的變化，時間長了，如果你還能在市場中生存.交易系統自然形成。而如果過早的固定自己的交易行為使之系統化，固定不變，在沒有充分的了解市場的前提下，面臨的只能是品嘗失敗。
一套自己的交易系統，不是一勞永益的蓋世絕招，而是你對市場每一個細微之處都能深入了解---達到很細微.並且很全面。要總結經驗，形成框架，這個框架就是你對市場的初步認識，它決定著你的行為，也就是你的交易。隨著研究的深入，逐漸系統化，而這個框架至關重要，決定你今後的發展方向，不要去計劃什麼，在你眼前只有一個目標，深入分析市場，不斷實踐總結，周而復始，直到有一天你的交易系統就會自然成型。
曾有一個用波浪理論的高手和我交流，他說其經常能夠預測到價格波動的高低點，並且因此而獲利。但總體上的交易成績並不是很理想。
在我的大多數朋友開始向我學習的時候，幾乎都有一些實戰經驗，事實上，很多人的成績相當不錯。但是在交易的系統性方面，卻有明顯的欠缺。
如果你想長期穩定的獲利，那麼整體的交易應該是一個過程，而絕不是簡簡單單的一次預測或者一次全倉買入。其間至少包括：
另一方面，大多數投機者相信有一個通向市場的魔術：一個指標，一個形態，或者一個機械的交易系統，他們還肯定一小部分人正在使用著-------我在網上還見過售價24萬元的一個公式，據說可百戰百勝--------他們努力的想揭開這個魔術的秘密，從此而獲利。
正確答案是:有，且答案就在你自己身上。
我可明確的告訴你：成功交易的一個秘密就是找到一套適合你的交易系統。這交易系統是非機械的，適合你自己個性的，有完善的交易思想、細致的市場分析和整體操作方案的。
交易系統，或說系統的交易方法，才是你長期穩定獲利的正確方法。

『伍』 演算法交易的交易策略

為了滿足不同的交易策略需求，很多不同的演算法層出不窮。這些演算法技巧通常都會被冠以一個名字，例如「冰山一角Iceberging」、 「游擊隊員Guerrilla」, 「基準點Benchmarking」, 「狙擊手Sniper」 和 「嗅探器Sniffer」。 「基準點」演算法被交易員用來模擬指數收益，而「嗅探器」演算法被用來發現最動盪或最不穩定的市場。
任何類型的模式識別或者預測模型都能用來啟動演算法交易。神經網路和基因編程也已經被用來創造演算法模型。
麻省理工學院金融工程實驗室主任Andrew Lo表示，「現在演算法交易開始成為一場軍備競賽，每個人都在設計更復雜的演算法，而且競爭越多，利潤空間越小。」

『陸』 演算法交易的問題進展

更復雜的模型和智能程序已經引出了模型會否失效的問題。
有人批評演算法交易系統的「黑匣子」特性：「交易員有世界如何運轉的直覺。但是對這些系統你輸入一串數字，然後從另一端出來一些結果，而黑匣子為什麼會產生這些數據或關系，確並不那麼直觀或清晰。」
英國的金融服務管理局（Financial Services Authority, FSA）一直在關注著演算法交易的發展。在該機構年報上，監管層強調這項新科技給市場帶來的巨大功效，但同時也指出，對復雜的技術和模型的依賴性越強，系統失效導致業務中斷的風險會越大。
其他的問題包括報價傳遞給交易員的技術延遲或延誤問題，安全問題和超前交易（Front Running），以及全部系統失效導致市場崩盤的可能性。
開發和維護演算法的成本還是相對較高，對市場新入者而言尤其如此，這是由於演算法交易對系統的穩定性、網路帶寬和速度的要求比常規的下單指令執行要高很多。沒有自行開發演算法交易的公司不得不從競爭對手手中購買。
高盛公司在演算法交易上花了數千萬美金，他們技術部門的人員比交易部門還要多……市場的性質已經發生了巨大的改變。
如今金融市場的信息已被諸如路透、道瓊斯、彭博、湯姆遜金融等公司格式化，通過演算法的解讀來形成交易。
計算機被用來生產消息，譬如公司公布盈利結果或公布經濟統計數據，這些消息幾乎在瞬間同步直接傳輸給其它計算機，由它們根據消息進行交易。
交易演算法並不僅僅是根據簡單的消息進行交易，它還能翻譯更難理解的消息。一些公司還試圖對消息自動「設置表情」（以表示該消息是好是壞），這樣的話自動交易就可以直接根據消息進行了。
「將消息從人類語言翻譯到機器語言這一進程實在很有意義，」路透演算法交易全球業務經理克里斯蒂．蘇塔尼說，「我們越來越多的顧客發現了利用消息賺錢的途徑」。
消息報道的速度對演算法交易的重要性不言而喻，在一例廣告宣傳中（2008年3月1日的《華爾街日報》W15版面刊登），道瓊斯聲稱自己在報道英格蘭銀行降息時比其他新聞媒體快了2秒鍾。
2007年7月，早已自行開發演算法交易的花旗集團，花了6.8億美元購買了自動化交易平台，它原來屬於一家每天交易約2億股（佔美國市場交易量的6%）股票的具有19年歷史的公司。在這以前花旗集團還購買過Lava交易與OnTrade有限公司。

『柒』 algorithm trading是什麼意思

algorithm trading
演算法交易

1. 演演算法交易
例句:

"Anyone who is observant and trading in a stock with low liquidity and astupid computer [ algorithm] can do this," said mr brosveet.
布魯斯威特表示：「面對一個愚蠢的電腦（演算法）和一隻流動性較低的股票，任何觀察力敏銳的人都能夠如法炮製。」
.
很高興為你解答！

如有不懂，請追問。 謝謝！

『捌』 什麼是量化交易

量化交易是指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。

拓展資料：

量化投資和傳統的定性投資本質上來說是相同的，二者都是基於市場非有效或弱有效的理論基礎。兩者的區別在於量化投資管理是「定性思想的量化應用」，更加強調數據。量化交易具有以下幾個方面的特點：

1、紀律性。根據模型的運行結果進行決策，而不是憑感覺。紀律性既可以剋制人性中貪婪、恐懼和僥幸心理等弱點，也可以克服認知偏差，且可跟蹤。

2、系統性。具體表現為「三多」。一是多層次，包括在大類資產配置、行業選擇、精選具體資產三個層次上都有模型;二是多角度，定量投資的核心思想包括宏觀周期、市場結構、估值、成長、盈利質量、分析師盈利預測、市場情緒等多個角度;三是多數據，即對海量數據的處理。

3、套利思想。定量投資通過全面、系統性的掃描捕捉錯誤定價、錯誤估值帶來的機會，從而發現估值窪地，並通過買入低估資產、賣出高估資產而獲利。

4、概率取勝。一是定量投資不斷從歷史數據中挖掘有望重復的規律並加以利用;二是依靠組合資產取勝，而不是單個資產取勝。

量化投資技術包括多種具體方法，在投資品種選擇、投資時機選擇、股指期貨套利、商品期貨套利、統計套利和演算法交易等領域得到廣泛應用。在此，以統計套利和演算法交易為例進行闡述。

1、統計套利

統計套利是利用資產價格的歷史統計規律進行的套利，是一種風險套利，其風險在於這種歷史統計規律在未來一段時間內是否繼續存在。

統計套利的主要思路是先找出相關性最好的若干對投資品種，再找出每一對投資品種的長期均衡關系(協整關系)，當某一對品種的價差(協整方程的殘差)偏離到一定程度時開始建倉，買進被相對低估的品種、賣空被相對高估的品種，等價差回歸均衡後獲利了結。

股指期貨對沖是統計套利較常採用的一種操作策略，即利用不同國家、地區或行業的指數相關性，同時買入、賣出一對指數期貨進行交易。在經濟全球化條件下，各個國家、地區和行業股票指數的關聯性越來越強，從而容易導致股指系統性風險的產生，因此，對指數間的統計套利進行對沖是一種低風險、高收益的交易方式。

2、演算法交易

演算法交易又稱自動交易、黑盒交易或機器交易，是指通過設計演算法，利用計算機程序發出交易指令的方法。在交易中，程序可以決定的范圍包括交易時間的選擇、交易的價格，甚至包括最後需要成交的資產數量。

『玖』 量化交易有什麼類型

閃牛分析：
概念
量化交易是指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。

特點
定量投資和傳統的定性投資本質上來說是相同的，二者都是基於市場非有效或弱有效的理論基礎。兩者的區別在於定量投資管理是「定性思想的量化應用」，更加強調數據。量化交易具有以下幾個方面的特點：
1、紀律性。根據模型的運行結果進行決策，而不是憑感覺。紀律性既可以剋制人性中貪婪、恐懼和僥幸心理等弱點，也可以克服認知偏差，且可跟蹤。
2、系統性。具體表現為「三多」。一是多層次，包括在大類資產配置、行業選擇、精選具體資產三個層次上都有模型；二是多角度，定量投資的核心思想包括宏觀周期、市場結構、估值、成長、盈利質量、分析師盈利預測、市場情緒等多個角度；三是多數據，即對海量數據的處理。
3、套利思想。定量投資通過全面、系統性的掃描捕捉錯誤定價、錯誤估值帶來的機會，從而發現估值窪地，並通過買入低估資產、賣出高估資產而獲利。
4、概率取勝。一是定量投資不斷從歷史數據中挖掘有望重復的規律並加以利用；二是依靠組合資產取勝，而不是單個資產取勝。
應用編輯
量化投資技術包括多種具體方法，在投資品種選擇、投資時機選擇、股指期貨套利、商品期貨套利、統計套利和演算法交易等領域得到廣泛應用。在此，以統計套利和演算法交易為例進行闡述。
1、統計套利
統計套利是利用資產價格的歷史統計規律進行的套利，是一種風險套利，其風險在於這種歷史統計規律在未來一段時間內是否繼續存在。
統計套利的主要思路是先找出相關性最好的若干對投資品種，再找出每一對投資品種的長期均衡關系（協整關系），當某一對品種的價差（協整方程的殘差）偏離到一定程度時開始建倉，買進被相對低估的品種、賣空被相對高估的品種，等價差回歸均衡後獲利了結。股指期貨對沖是統計套利較長採用的一種操作策略，即利用不同國家、地區或行業的指數相關性，同時買入、賣出一對指數期貨進行交易。在經濟全球化條件下，各個國家、地區和行業股票指數的關聯性越來越強，從而容易導致股指系統性風險的產生，因此，對指數間的統計套利進行對沖是一種低風險、高收益的交易方式。
2、演算法交易。
演算法交易又稱自動交易、黑盒交易或機器交易，是指通過設計演算法，利用計算機程序發出交易指令的方法。在交易中，程序可以決定的范圍包括交易時間的選擇、交易的價格，甚至包括最後需要成交的資產數量。
演算法交易的主要類型有: (1) 被動型演算法交易，也稱結構型演算法交易。該交易演算法除利用歷史數據估計交易模型的關鍵參數外，不會根據市場的狀況主動選擇交易時機和交易的數量，而是按照一個既定的交易方針進行交易。該策略的的核心是減少滑價（目標價與實際成交均價的差）。被動型演算法交易最成熟，使用也最為廣泛，如在國際市場上使用最多的成交加權平均價格（VWAP）、時間加權平均價格（TWAP）等都屬於被動型演算法交易。 (2) 主動型演算法交易，也稱機會型演算法交易。這類交易演算法根據市場的狀況作出實時的決策，判斷是否交易、交易的數量、交易的價格等。主動型交易演算法除了努力減少滑價以外，把關注的重點逐漸轉向了價格趨勢預測上。 (3) 綜合型演算法交易，該交易是前兩者的結合。這類演算法常見的方式是先把交易指令拆開，分布到若干個時間段內，每個時間段內具體如何交易由主動型交易演算法進行判斷。兩者結合可達到單純一種演算法無法達到的效果。
演算法交易的交易策略有三：一是降低交易費用。大單指令通常被拆分為若干個小單指令漸次進入市場。這個策略的成功程度可以通過比較同一時期的平均購買價格與成交量加權平均價來衡量。二是套利。典型的套利策略通常包含三四個金融資產，如根據外匯市場利率平價理論，國內債券的價格、以外幣標價的債券價格、匯率現貨及匯率遠期合約價格之間將產生一定的關聯，如果市場價格與該理論隱含的價格偏差較大，且超過其交易成本，則可以用四筆交易來確保無風險利潤。股指期貨的期限套利也可以用演算法交易來完成。三是做市。做市包括在當前市場價格之上掛一個限價賣單或在當前價格之下掛一個限價買單，以便從買賣差價中獲利。此外，還有更復雜的策略，如「基準點「演算法被交易員用來模擬指數收益，而」嗅探器「演算法被用來發現最動盪或最不穩定的市場。任何類型的模式識別或者預測模型都能用來啟動演算法交易。

潛在風險
量化交易一般會經過海量數據模擬測試和模擬操作等手段進行檢驗，並依據一定的風險管理演算法進行倉位和資金配置，實現風險最小化和收益最大化，但往往也會存在一定的潛在風險，具體包括：
1、歷史數據的完整性。行情數據不完整可能導致模型與行情數據不匹配。行情數據自身風格轉換，也可能導致模型失敗，如交易流動性，價格波動幅度，價格波動頻率等，而這一點是目前量化交易難以克服的。
2、模型設計中沒有考慮倉位和資金配置，沒有安全的風險評估和預防措施，可能導致資金、倉位和模型的不匹配，而發生爆倉現象。
3、網路中斷，硬體故障也可能對量化交易產生影響。
4、同質模型產生競爭交易現象導致的風險。
5、單一投資品種導致的不可預測風險。
為規避或減小量化交易存在的潛在風險，可採取的策略有：保證歷史數據的完整性；在線調整模型參數；在線選擇模型類型；風險在線監測和規避等。

『拾』 演算法交易的相關圖書

演算法交易——國際金融市場新趨勢
國泰君安期貨吳泱 何笑凡 宋瀟 編譯
在進行電子交易的金融市場里，演算法交易（Algorithmic Trading）是通過計算機程序來下交易訂單，即利用計算機演算法決定交易下單的時機、價格乃至最終下單的數量與筆數等。演算法交易被對沖基金、養老基金、共同基金以及其他機構交易者廣泛使用，他們將大額的交易分解為若干筆小額的交易，以便更好地管理市場沖擊成本、機會成本和風險。諸如對沖基金一類的交易者也利用演算法交易來根據電子方式接收的信息流啟動交易指令，而此時人工下單的交易者甚至都不知道這些信息，如此大大提高了交易的時效性。
演算法交易可以被應用於任何投資策略，包括做市、跨市套利、期現套利和單邊投機（包括趨勢追隨）。在投資決策和執行的任何一個階段，演算法交易信號都能夠提供良好的技術支持，甚至整個投資決策和執行可以完全依靠演算法交易自動運行。
根據美國Aite Group LLC咨詢公司的統計數據，2006年在歐洲及美國股票市場中，有1/3的交易是由自動交易系統或演算法化交易完成的。預計到2010年，這個比例將達到50%。
2006年，倫敦證券交易所有超過40%的交易訂單來自演算法交易者，2007年預計將達到60%。總體上看，美國市場與股票市場中演算法交易的使用率要高於其他市場，預計2008年在某些市場中演算法交易的使用率將達到80%。演算法交易在外匯市場中也很活躍，2006年大約占總交易的25%。演算法交易也可以輕而易舉地被應用於期貨和期權市場，預計到2010年大約20%的期權交易量將源於計算機程序。債券市場也將逐漸引入更多的演算法交易者。
國際金融業演算法交易介紹
作者：VishalaSri-Pathma/文趙蓉/編譯 2009-6-5 0:00:00
最大的演算法交易者是Citadel投資集團、TransMarket集團公司和倫敦的GSA資本合夥公司。這三家公司被認為給衍生品市場帶來了很高的流動性。交易手續費優惠，吸引了演算法交易公司，因為他們的交易頻率很高，對交易策略的磨擦成本很敏感。較低的交易手續費激勵這些公司開發新的交易策略。除此以外，對沖基金和自營交易公司被允許直接進入期貨交易所，這是交易量增加的又一個驅動因素。直接進入市場對市場參與者來說，意味著交易指令被更快地執行，這一點對於許多演算法交易者來說特別重要。不為響應時間徹夜難眠與演算法交易者談論響應時間，你並沒有感覺到他們拚命地想獲得1毫秒的響應時間優勢。相反，許多演算法交易者很輕松，甚至很反感拼搶1毫秒的響應時間優勢。
倫敦的一名交易者說：「響應時間不是非常重要，響應時間能達到100毫秒就可以了，對於機構交易者來說，100毫秒足以執行一筆演算法交易。與一般的限價指令單相比，幾毫秒不算什麼。」交易者說，誰都想獲得響應時間優勢，但獲得響應時間優勢不是自營交易公司和數量化交易公司的最終目標。
倫敦一名交易者說：「你不能把所有雞蛋都放在一個籃子里，只用一種試圖在亞毫秒或1毫秒的時間內捕捉到很小的定價錯誤的交易策略，這是一種如果成功，就獲得所有收益的交易策略。但可能的結果是，一天早上你去上班，發現有一個競爭對手比你提前1毫秒捕捉到這個很小的定價錯誤，結果是你全部虧損。」交易頻率高的數量化交易公司正在不斷努力構造更多樣化、更穩定的產品組合，這種產品組合不是完全依賴對響應時間極度敏感的交易策略。維持必要的速度優勢的成本是極其昂貴的，速度優勢總有被超過的風險，這使得利用響應時間優勢設計長期投資策略並將此種交易作為唯一收入來源是非常困難的。
交易秘密進行交易者不認為交易業績與系統之間有非常大的關系，他們認為系統不會對交易業績產生重要的影響。一名交易者說，根據我的經驗，系統性能提高20%，不會對交易的盈利結果產生多少影響。但這名交易者強調了隱藏交易策略的重要性。
他說：「例如，對於一隻流動性不高的股票，你需要一個能夠模仿這只股票價格和交易量的模擬系統，理想的情況是兩個時間序列完全一致，這對於提供流動性的交易策略來說很重要。如果你希望下20%的買入指令單，你不能把這20%的指令單全部下到系統中。你需要把這20%的買入指令單拆小。這樣，該模擬系統就可以模仿該只股票的價格和交易時間的流動性的分布形態，使流動性看上去非常自然地進入市場。當價格上漲或下跌的時候，你不能同時取消和替換你所有的指令至下一個價格水平。另一名交易者說，高頻率交易捕捉價格交易策略的能力有限，這種交易策略的盈利主要依賴獲得亞毫秒的響應時間優勢。但他也認為這具有邊界相關性。他說：「很多情況取決於你隱藏交易策略的程度。如果你隱藏得很好，我認為市場很難發現在提供流動性，因而，對你有利的市場環境持續地時間就會長一些。」交易者有時經常不能很好地隱藏他們的交易策略。這名交易者說：「如果你分析每一筆數據，經常能夠很容易地察覺到流動性。總之，高頻率地使用流動性提供交易策略很容易被察覺。」仔細計算成本美國一名銀行家認為是障礙而不是響應時間是當今演算法交易公司最關心的問題，主要是成本問題。這名銀行家所在的銀行是市場重要的交易賣出方，同時向自營交易公司和其他銀行等提供基礎設施，使這些公司和銀行能夠在交易所交易。他說：「我們認為我們是通往市場的重要的管道，我們在衍生品市場進行了大量的買賣交易。」他認為：「總的交易量在下降，演算法交易的交易量正在上升，這與市場的演變有關，特別是流動性價差交易。」這名銀行家說，市場要求以較少的資源進行賣出交易，這也促使很多新的創新交易策略和有效性建議的提出。他相信，演算法交易將在新興市場得到發展，亞洲和非洲將有更多的公司進行自動交易。他認為，賣出交易的發展將依賴銀行的交易技術預算。他說：「目前公司對演算法交易的費用支出很謹慎，公司選擇將錢花在業務的其他領域。總體來看，同公司管理的資產一樣，公司的投資支出在下降。」他強調說，考慮到去年市場的變化，他所在的銀行感到繼續投資很重要。他說：「使客戶能夠交易我們的產品很重要，這些產品要容易理解，涉及不同的資產類別。」敏捷能力去年獲利豐厚的TransMarket集團公司數量化交易業務負責人邁爾斯·庫瑪瑞森（Miles Kumaresan）說：「去年我們做得很好，希望2009年做得與2008年一樣好。庫瑪瑞森是2008年4月離開Dresdner Kleinwort公司，加入TransMarket集團公司的。他說：「TransMarket集團公司是自營交易集團，這正是我想去的地方。我每天的大部分時間都在進行人員篩選，我們積極地尋求擴大人員隊伍，能夠招聘到交易人才。」
縱觀全行業，軟體供應商Quod金融公司創始人之一皮徹威（Pichvai）認為，目前的市場狀況對於演算法交易來說不是最理想的。他預測，今年演算法交易的業務增長將很小。皮徹威說：「由於對沖基金去年的去杠桿化程度很高，交易規模縮減了很多，導致期貨交易量下降。令人不能相信的是，期權市場的交易很分散。過去在美國，訂單分派智能系統（smart order routing vendors）使想進行期權交易的交易者能夠找到流動性，但也只有大約三個交易所能做到這一點。場外交易的結構性產品轉移至交易所交易，這有助於交易量的增加。但現在重要的是要記住，如果市場沒有交易量，就不需要演算法交易，因為演算法交易沒有用處。」皮徹威解釋說：「TransMarket集團公司使用的模型是很適用的。交易的執行取決於市場狀況，我們總是針對市場當時的波動情況，臨時做出決定。執行是交易的關鍵，應當引起足夠的重視。我們設計的演算法交易模型是量身定做的，非常適合我們的交易風格。」他還強調了對當天的風險監控的重要性，特別是在市場存在波動的情況下。每一筆交易都要監控。他說：「不進行當天的風險監控，是在冒一個很大的風險。當日交易結束後才進行風險監控，是一種不好的控制損失的方法。」這一點很重要。像許多其他自營交易者一樣，TransMarket集團公司至多隻隔夜持倉一天，不進行長期的方向性交易。這可以防止演算法交易遭遇像搞垮銀行和其他金融公司那樣的風險。
在惡劣的市場環境下，TransMarket集團公司還使用其他的方法對交易進行調整，以適應市場狀況。另一名交易者說：「我對於保護流動性有天然的偏愛，我相信在流動性交易方面有很多機會。超高頻率地使用流動性提供交易策略是一個很好的想法，但也存在一個限制條件，就是如果你真的想進行交易，你使用的交易策略必須容量大，而且能夠提供流動性，這是必須要滿足的條件，同時對市場的波動不是特別敏感。即使市場沒有波動，還可以進行交易，獲得利潤。」演算法交易者也是人通過經常觀察可以看到，衍生品市場的波動情況導致交易量下降、流動性差，演算法交易的空間變小。這意味著也許只有最聰明或資產管理最好的演算法交易者才能應對這個市場，在充滿壓力的市場上獲得利潤。經驗豐富的交易員布萊德·普雷斯頓（Brad Preston），是位於開普敦的Mergence經紀公司數量化交易分析師和演算法交易專家,他對市場交易者說：「要想取得對競爭對手的優勢，了解市場的本質很重要。」普雷斯頓認為，與經紀人保持良好的關系很重要，經紀人能夠幫助你增加價值。你可以請人幫你交易，相信他們，他們的經驗可以指導交易，特別是在市場波動的時期。有趣的是，目前演算法交易發展的限制因素似乎不是減少1毫秒的響應時間或者使用技術設計一個新的演算法交易模型。例如，TransMarket集團公司去年掙了很多錢，他們利用掙到的錢繼續投資，周而復始地投資。庫瑪瑞森說：「當掙錢的時候，說服合夥人同意新的想法比較容易，這樣可以使持有同一想法的人更多。」他面臨的問題是找到合適的人才。他說：「找到有經驗的人才就像是一場戰爭，如果有適合的，你必須馬上搶到。」對於演算法交易模型來說，技術進步很重要，與找到合適的、具有數量化交易能力的人才一樣重要。庫瑪瑞森說：「扎實的編程技能、擁有數學才能和具有強烈的獲得alpha（alpha是指在與其他機構投資者機會均等的情況下，通過減少沖擊成本、選擇合適的交易方式，獲得相對於競爭對手略高的收益率）的天賦本能同先進的技術一樣重要。我們需要能夠運作和理解演算法交易的人才，心裡始終提醒自己要找到能夠利用交易機會的模型的人才。」
（本文譯自2009年5月《FOW》）