算法交易is

‘壹’ 根据特定的时间间隔在每个时间点上平均下单的算法是什么

根据特定的时间间隔在每个时间点上平均下单的算法是时间加权平均价格算法(TWAP)。

时间加权平均价格算法，是一种最简单的传统算法交易策略。TWAP模型设计的目的是使交易对市场影响减小的同时提供一个较低的平均成交价格，从而达到减小交易成本的目的。在分时成交量无法准确估计的情况下，该模型可以较好地实现算法交易的基本目的。

用公式来表示就是：

存货的加权平均单位成本=(月初结存货成本+本月购入存货成本)/(月初结存存货数量+本月购入存货数量)。

月末库存存货成本=月末库存存货数量×存货加权平均单位成本。

本期发出存货的成本=本期发出存货的数量×存货加权平均单位成本或=期初存货成本+本期收入存货成本-期末存货成本。

‘贰’ 个人投资者如何量化交易

量化投资是运用机器学习、模式识别、数据挖掘等方法建立数学模型，形成投资策略并做成计算机程序，进行自动化交易的一种投资方式。如果从大类上划分，它又可分为“量化策略”和“算法交易”。
简单来说，前者是利用量化的方式，对金融市场进行分析、判断从而交易的策略。当我们研究策略时，可以在历史数据上回测，对过去指定时间段进行模拟交易，从而得到的收益以及净值变情况，并通过实时数据进行策略仿真，模拟策略的实时交易进行结果的预判。而算法交易是一种程序化交易方式，利用特定算法决定交易下单的时机、价格乃至最终下单的数量等，可以减少交易摩擦成本。
量化投资的方式可以帮助我们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。于是，越来越多的投资者开始参与其中。
【拓展资料】
一、何谓量化交易
量化交易（Quantitative Trading），即使用现代统计学和数学工具，借助计算机建立数量模型，制定策略，严格按照既定策略交易。具体又可分为高频交易和非高频交易，其中非高频交易适合一般个人投资者和中小机构。
量化交易是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，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。
二、量化交易的发展
对多数普通投资者而言，量化交易仍是一个较为陌生的概念，但该模式已在国内流行了数十年。2010年，国内股指期货上市，成交量在两年内增加了1.4倍，为量化交易提供了极佳的交易标的，国内量化交易便快速发展。
据华联期货介绍，2012年上半年，量化交易量占国内证券市场总交易量8%左右，但占股指期货交易量的比例已达20%左右。目前，绝大部分的券商和期货公司开始进行量化交易，部分私募公司和个人投资者也开始使用量化交易产品。事实上，3年多来，在股市连续下跌的大环境中，传统投资策略纷纷失效，而一批以股指期货、商品期货、债券为投资标的，以量化投资、程序化交易为工具的新兴投资方式，却在国内投资市场崭露头角，并实现了较为稳定的收益。
“传统投资策略依靠人的主观感觉来投资；而量化投资是根据数学统计模型，由计算机来实现自动化交易。”国信证券东莞营业部财富管理中心负责人林玉伟指出，量化投资的应用涵盖几乎所有金融投资领域，是在计算机和网络的支持下，把人脑投资策略编写成语言程序，由计算机触发买卖条件，完成自动化交易的投资方式，实际上是传统投资的严谨化。

‘叁’ 在自主权限内什么通过交易系统向交易室下达交易指令

在自主权限内基金经理通过交易系统向交易室下达交易指令。交易系统或相关负责人员审核投资指令的合法合规性，违规指令将被拦截，反馈给基金经理。其他指令被分发给交易员。交易员接收到指令后有权根据自身对市场的判断选择合适时机完成交易。基金公司投资交易包括形成投资策略、构建投资组合、执行交易指令、绩效评估与组合调整、风险控制等环节。
拓展资料:
1、算法交易是通过数学建模将常用交易理念同化为自动化的交易模型，并借助计算机强大的存储与计算功能实现交易自动化（或半自动化）的一种交易方式。 交易算法的核心是其背后的量化交易模型，而模型的优劣取决于人的交易理念和基于数据的量化分析，以及两者的有效结合。
2、算法与人（交易员）的互动是至关重要的，两者之间互为补充：人（交易员）教授“算法”交易理念，反过来被训练过的算法可以帮助人（交易员）实现快速的交易执行。
3、常见的算法交易策略简介如下： （1）成交量加权平均价格算法（VWAP），是最基本的交易算法之一，旨在下单时以尽可能接近市场按成交量加权的均价进行，以尽量降低该交易对市场的冲击。 （2）时间加权平均价格算法（TwAP），是根据特定的时间间隔，在每个时间点上平均下单的算法。 （3）跟量算法（TVOL），旨在帮助投资者跟上市场交易量。若交易量放大则同样放大这段时间内的下单成交量，反之则相应降低这段时间内的下单成交量。交易时间主要依赖交易 期间市场的活跃程度。 （4）执行偏差算法（Is），是在尽量不造成大的市场冲击的情况下，尽快以接近客户委托时的市场成交价格来完成交易的最优化算法。

‘肆’ 如何建立自己的算法交易

在股票市场中交易过两、三年的人，几乎都有一套自己的交易方法。
虽然你有方法但如果还没有形成交易系统，那也先别着急去勉强建立,因交易系统是自然形成的.并不可人为刻意能建起来的。就好比计划经济与市场经济不断的适应市场的变化，时间长了，如果你还能在市场中生存.交易系统自然形成。而如果过早的固定自己的交易行为使之系统化，固定不变，在没有充分的了解市场的前提下，面临的只能是品尝失败。
一套自己的交易系统，不是一劳永益的盖世绝招，而是你对市场每一个细微之处都能深入了解---达到很细微.并且很全面。要总结经验，形成框架，这个框架就是你对市场的初步认识，它决定着你的行为，也就是你的交易。随着研究的深入，逐渐系统化，而这个框架至关重要，决定你今后的发展方向，不要去计划什么，在你眼前只有一个目标，深入分析市场，不断实践总结，周而复始，直到有一天你的交易系统就会自然成型。
曾有一个用波浪理论的高手和我交流，他说其经常能够预测到价格波动的高低点，并且因此而获利。但总体上的交易成绩并不是很理想。
在我的大多数朋友开始向我学习的时候，几乎都有一些实战经验，事实上，很多人的成绩相当不错。但是在交易的系统性方面，却有明显的欠缺。
如果你想长期稳定的获利，那么整体的交易应该是一个过程，而绝不是简简单单的一次预测或者一次全仓买入。其间至少包括：
另一方面，大多数投机者相信有一个通向市场的魔术：一个指标，一个形态，或者一个机械的交易系统，他们还肯定一小部分人正在使用着-------我在网上还见过售价24万元的一个公式，据说可百战百胜--------他们努力的想揭开这个魔术的秘密，从此而获利。
正确答案是:有，且答案就在你自己身上。
我可明确的告诉你：成功交易的一个秘密就是找到一套适合你的交易系统。这交易系统是非机械的，适合你自己个性的，有完善的交易思想、细致的市场分析和整体操作方案的。
交易系统，或说系统的交易方法，才是你长期稳定获利的正确方法。

‘伍’ 算法交易的交易策略

为了满足不同的交易策略需求，很多不同的算法层出不穷。这些算法技巧通常都会被冠以一个名字，例如“冰山一角Iceberging”、 “游击队员Guerrilla”, “基准点Benchmarking”, “狙击手Sniper” 和 “嗅探器Sniffer”。 “基准点”算法被交易员用来模拟指数收益，而“嗅探器”算法被用来发现最动荡或最不稳定的市场。
任何类型的模式识别或者预测模型都能用来启动算法交易。神经网络和基因编程也已经被用来创造算法模型。
麻省理工学院金融工程实验室主任Andrew Lo表示，“现在算法交易开始成为一场军备竞赛，每个人都在设计更复杂的算法，而且竞争越多，利润空间越小。”

‘陆’ 算法交易的问题进展

更复杂的模型和智能程序已经引出了模型会否失效的问题。
有人批评算法交易系统的“黑匣子”特性：“交易员有世界如何运转的直觉。但是对这些系统你输入一串数字，然后从另一端出来一些结果，而黑匣子为什么会产生这些数据或关系，确并不那么直观或清晰。”
英国的金融服务管理局（Financial Services Authority, FSA）一直在关注着算法交易的发展。在该机构年报上，监管层强调这项新科技给市场带来的巨大功效，但同时也指出，对复杂的技术和模型的依赖性越强，系统失效导致业务中断的风险会越大。
其他的问题包括报价传递给交易员的技术延迟或延误问题，安全问题和超前交易（Front Running），以及全部系统失效导致市场崩盘的可能性。
开发和维护算法的成本还是相对较高，对市场新入者而言尤其如此，这是由于算法交易对系统的稳定性、网络带宽和速度的要求比常规的下单指令执行要高很多。没有自行开发算法交易的公司不得不从竞争对手手中购买。
高盛公司在算法交易上花了数千万美金，他们技术部门的人员比交易部门还要多……市场的性质已经发生了巨大的改变。
如今金融市场的信息已被诸如路透、道琼斯、彭博、汤姆逊金融等公司格式化，通过算法的解读来形成交易。
计算机被用来生产消息，譬如公司公布盈利结果或公布经济统计数据，这些消息几乎在瞬间同步直接传输给其它计算机，由它们根据消息进行交易。
交易算法并不仅仅是根据简单的消息进行交易，它还能翻译更难理解的消息。一些公司还试图对消息自动“设置表情”（以表示该消息是好是坏），这样的话自动交易就可以直接根据消息进行了。
“将消息从人类语言翻译到机器语言这一进程实在很有意义，”路透算法交易全球业务经理克里斯蒂．苏塔尼说，“我们越来越多的顾客发现了利用消息赚钱的途径”。
消息报道的速度对算法交易的重要性不言而喻，在一例广告宣传中（2008年3月1日的《华尔街日报》W15版面刊登），道琼斯声称自己在报道英格兰银行降息时比其他新闻媒体快了2秒钟。
2007年7月，早已自行开发算法交易的花旗集团，花了6.8亿美元购买了自动化交易平台，它原来属于一家每天交易约2亿股（占美国市场交易量的6%）股票的具有19年历史的公司。在这以前花旗集团还购买过Lava交易与OnTrade有限公司。

‘柒’ algorithm trading是什么意思

algorithm trading
算法交易

1. 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.
布鲁斯威特表示：“面对一个愚蠢的电脑（算法）和一只流动性较低的股票，任何观察力敏锐的人都能够如法炮制。”
.
很高兴为你解答！

如有不懂，请追问。 谢谢！

‘捌’ 什么是量化交易

量化交易是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，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。

拓展资料：

量化投资和传统的定性投资本质上来说是相同的，二者都是基于市场非有效或弱有效的理论基础。两者的区别在于量化投资管理是“定性思想的量化应用”，更加强调数据。量化交易具有以下几个方面的特点：

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。

量化投资技术包括多种具体方法，在投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易等领域得到广泛应用。在此，以统计套利和算法交易为例进行阐述。

1、统计套利

统计套利是利用资产价格的历史统计规律进行的套利，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。

统计套利的主要思路是先找出相关性最好的若干对投资品种，再找出每一对投资品种的长期均衡关系(协整关系)，当某一对品种的价差(协整方程的残差)偏离到一定程度时开始建仓，买进被相对低估的品种、卖空被相对高估的品种，等价差回归均衡后获利了结。

股指期货对冲是统计套利较常采用的一种操作策略，即利用不同国家、地区或行业的指数相关性，同时买入、卖出一对指数期货进行交易。在经济全球化条件下，各个国家、地区和行业股票指数的关联性越来越强，从而容易导致股指系统性风险的产生，因此，对指数间的统计套利进行对冲是一种低风险、高收益的交易方式。

2、算法交易

算法交易又称自动交易、黑盒交易或机器交易，是指通过设计算法，利用计算机程序发出交易指令的方法。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格，甚至包括最后需要成交的资产数量。

‘玖’ 量化交易有什么类型

闪牛分析：
概念
量化交易是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，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。

特点
定量投资和传统的定性投资本质上来说是相同的，二者都是基于市场非有效或弱有效的理论基础。两者的区别在于定量投资管理是“定性思想的量化应用”，更加强调数据。量化交易具有以下几个方面的特点：
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。
应用编辑
量化投资技术包括多种具体方法，在投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易等领域得到广泛应用。在此，以统计套利和算法交易为例进行阐述。
1、统计套利
统计套利是利用资产价格的历史统计规律进行的套利，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。
统计套利的主要思路是先找出相关性最好的若干对投资品种，再找出每一对投资品种的长期均衡关系（协整关系），当某一对品种的价差（协整方程的残差）偏离到一定程度时开始建仓，买进被相对低估的品种、卖空被相对高估的品种，等价差回归均衡后获利了结。股指期货对冲是统计套利较长采用的一种操作策略，即利用不同国家、地区或行业的指数相关性，同时买入、卖出一对指数期货进行交易。在经济全球化条件下，各个国家、地区和行业股票指数的关联性越来越强，从而容易导致股指系统性风险的产生，因此，对指数间的统计套利进行对冲是一种低风险、高收益的交易方式。
2、算法交易。
算法交易又称自动交易、黑盒交易或机器交易，是指通过设计算法，利用计算机程序发出交易指令的方法。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格，甚至包括最后需要成交的资产数量。
算法交易的主要类型有: (1) 被动型算法交易，也称结构型算法交易。该交易算法除利用历史数据估计交易模型的关键参数外，不会根据市场的状况主动选择交易时机和交易的数量，而是按照一个既定的交易方针进行交易。该策略的的核心是减少滑价（目标价与实际成交均价的差）。被动型算法交易最成熟，使用也最为广泛，如在国际市场上使用最多的成交加权平均价格（VWAP）、时间加权平均价格（TWAP）等都属于被动型算法交易。 (2) 主动型算法交易，也称机会型算法交易。这类交易算法根据市场的状况作出实时的决策，判断是否交易、交易的数量、交易的价格等。主动型交易算法除了努力减少滑价以外，把关注的重点逐渐转向了价格趋势预测上。 (3) 综合型算法交易，该交易是前两者的结合。这类算法常见的方式是先把交易指令拆开，分布到若干个时间段内，每个时间段内具体如何交易由主动型交易算法进行判断。两者结合可达到单纯一种算法无法达到的效果。
算法交易的交易策略有三：一是降低交易费用。大单指令通常被拆分为若干个小单指令渐次进入市场。这个策略的成功程度可以通过比较同一时期的平均购买价格与成交量加权平均价来衡量。二是套利。典型的套利策略通常包含三四个金融资产，如根据外汇市场利率平价理论，国内债券的价格、以外币标价的债券价格、汇率现货及汇率远期合约价格之间将产生一定的关联，如果市场价格与该理论隐含的价格偏差较大，且超过其交易成本，则可以用四笔交易来确保无风险利润。股指期货的期限套利也可以用算法交易来完成。三是做市。做市包括在当前市场价格之上挂一个限价卖单或在当前价格之下挂一个限价买单，以便从买卖差价中获利。此外，还有更复杂的策略，如“基准点“算法被交易员用来模拟指数收益，而”嗅探器“算法被用来发现最动荡或最不稳定的市场。任何类型的模式识别或者预测模型都能用来启动算法交易。

潜在风险
量化交易一般会经过海量数据仿真测试和模拟操作等手段进行检验，并依据一定的风险管理算法进行仓位和资金配置，实现风险最小化和收益最大化，但往往也会存在一定的潜在风险，具体包括：
1、历史数据的完整性。行情数据不完整可能导致模型与行情数据不匹配。行情数据自身风格转换，也可能导致模型失败，如交易流动性，价格波动幅度，价格波动频率等，而这一点是目前量化交易难以克服的。
2、模型设计中没有考虑仓位和资金配置，没有安全的风险评估和预防措施，可能导致资金、仓位和模型的不匹配，而发生爆仓现象。
3、网络中断，硬件故障也可能对量化交易产生影响。
4、同质模型产生竞争交易现象导致的风险。
5、单一投资品种导致的不可预测风险。
为规避或减小量化交易存在的潜在风险，可采取的策略有：保证历史数据的完整性；在线调整模型参数；在线选择模型类型；风险在线监测和规避等。

‘拾’ 算法交易的相关图书

算法交易——国际金融市场新趋势
国泰君安期货吴泱 何笑凡 宋潇 编译
在进行电子交易的金融市场里，算法交易（Algorithmic Trading）是通过计算机程序来下交易订单，即利用计算机算法决定交易下单的时机、价格乃至最终下单的数量与笔数等。算法交易被对冲基金、养老基金、共同基金以及其他机构交易者广泛使用，他们将大额的交易分解为若干笔小额的交易，以便更好地管理市场冲击成本、机会成本和风险。诸如对冲基金一类的交易者也利用算法交易来根据电子方式接收的信息流启动交易指令，而此时人工下单的交易者甚至都不知道这些信息，如此大大提高了交易的时效性。
算法交易可以被应用于任何投资策略，包括做市、跨市套利、期现套利和单边投机（包括趋势追随）。在投资决策和执行的任何一个阶段，算法交易信号都能够提供良好的技术支持，甚至整个投资决策和执行可以完全依靠算法交易自动运行。
根据美国Aite Group LLC咨询公司的统计数据，2006年在欧洲及美国股票市场中，有1/3的交易是由自动交易系统或算法化交易完成的。预计到2010年，这个比例将达到50%。
2006年，伦敦证券交易所有超过40%的交易订单来自算法交易者，2007年预计将达到60%。总体上看，美国市场与股票市场中算法交易的使用率要高于其他市场，预计2008年在某些市场中算法交易的使用率将达到80%。算法交易在外汇市场中也很活跃，2006年大约占总交易的25%。算法交易也可以轻而易举地被应用于期货和期权市场，预计到2010年大约20%的期权交易量将源于计算机程序。债券市场也将逐渐引入更多的算法交易者。
国际金融业算法交易介绍
作者：VishalaSri-Pathma/文赵蓉/编译 2009-6-5 0:00:00
最大的算法交易者是Citadel投资集团、TransMarket集团公司和伦敦的GSA资本合伙公司。这三家公司被认为给衍生品市场带来了很高的流动性。交易手续费优惠，吸引了算法交易公司，因为他们的交易频率很高，对交易策略的磨擦成本很敏感。较低的交易手续费激励这些公司开发新的交易策略。除此以外，对冲基金和自营交易公司被允许直接进入期货交易所，这是交易量增加的又一个驱动因素。直接进入市场对市场参与者来说，意味着交易指令被更快地执行，这一点对于许多算法交易者来说特别重要。不为响应时间彻夜难眠与算法交易者谈论响应时间，你并没有感觉到他们拼命地想获得1毫秒的响应时间优势。相反，许多算法交易者很轻松，甚至很反感拼抢1毫秒的响应时间优势。
伦敦的一名交易者说：“响应时间不是非常重要，响应时间能达到100毫秒就可以了，对于机构交易者来说，100毫秒足以执行一笔算法交易。与一般的限价指令单相比，几毫秒不算什么。”交易者说，谁都想获得响应时间优势，但获得响应时间优势不是自营交易公司和数量化交易公司的最终目标。
伦敦一名交易者说：“你不能把所有鸡蛋都放在一个篮子里，只用一种试图在亚毫秒或1毫秒的时间内捕捉到很小的定价错误的交易策略，这是一种如果成功，就获得所有收益的交易策略。但可能的结果是，一天早上你去上班，发现有一个竞争对手比你提前1毫秒捕捉到这个很小的定价错误，结果是你全部亏损。”交易频率高的数量化交易公司正在不断努力构造更多样化、更稳定的产品组合，这种产品组合不是完全依赖对响应时间极度敏感的交易策略。维持必要的速度优势的成本是极其昂贵的，速度优势总有被超过的风险，这使得利用响应时间优势设计长期投资策略并将此种交易作为唯一收入来源是非常困难的。
交易秘密进行交易者不认为交易业绩与系统之间有非常大的关系，他们认为系统不会对交易业绩产生重要的影响。一名交易者说，根据我的经验，系统性能提高20%，不会对交易的盈利结果产生多少影响。但这名交易者强调了隐藏交易策略的重要性。
他说：“例如，对于一只流动性不高的股票，你需要一个能够模仿这只股票价格和交易量的仿真系统，理想的情况是两个时间序列完全一致，这对于提供流动性的交易策略来说很重要。如果你希望下20%的买入指令单，你不能把这20%的指令单全部下到系统中。你需要把这20%的买入指令单拆小。这样，该仿真系统就可以模仿该只股票的价格和交易时间的流动性的分布形态，使流动性看上去非常自然地进入市场。当价格上涨或下跌的时候，你不能同时取消和替换你所有的指令至下一个价格水平。另一名交易者说，高频率交易捕捉价格交易策略的能力有限，这种交易策略的盈利主要依赖获得亚毫秒的响应时间优势。但他也认为这具有边界相关性。他说：“很多情况取决于你隐藏交易策略的程度。如果你隐藏得很好，我认为市场很难发现在提供流动性，因而，对你有利的市场环境持续地时间就会长一些。”交易者有时经常不能很好地隐藏他们的交易策略。这名交易者说：“如果你分析每一笔数据，经常能够很容易地察觉到流动性。总之，高频率地使用流动性提供交易策略很容易被察觉。”仔细计算成本美国一名银行家认为是障碍而不是响应时间是当今算法交易公司最关心的问题，主要是成本问题。这名银行家所在的银行是市场重要的交易卖出方，同时向自营交易公司和其他银行等提供基础设施，使这些公司和银行能够在交易所交易。他说：“我们认为我们是通往市场的重要的管道，我们在衍生品市场进行了大量的买卖交易。”他认为：“总的交易量在下降，算法交易的交易量正在上升，这与市场的演变有关，特别是流动性价差交易。”这名银行家说，市场要求以较少的资源进行卖出交易，这也促使很多新的创新交易策略和有效性建议的提出。他相信，算法交易将在新兴市场得到发展，亚洲和非洲将有更多的公司进行自动交易。他认为，卖出交易的发展将依赖银行的交易技术预算。他说：“目前公司对算法交易的费用支出很谨慎，公司选择将钱花在业务的其他领域。总体来看，同公司管理的资产一样，公司的投资支出在下降。”他强调说，考虑到去年市场的变化，他所在的银行感到继续投资很重要。他说：“使客户能够交易我们的产品很重要，这些产品要容易理解，涉及不同的资产类别。”敏捷能力去年获利丰厚的TransMarket集团公司数量化交易业务负责人迈尔斯·库玛瑞森（Miles Kumaresan）说：“去年我们做得很好，希望2009年做得与2008年一样好。库玛瑞森是2008年4月离开Dresdner Kleinwort公司，加入TransMarket集团公司的。他说：“TransMarket集团公司是自营交易集团，这正是我想去的地方。我每天的大部分时间都在进行人员筛选，我们积极地寻求扩大人员队伍，能够招聘到交易人才。”
纵观全行业，软件供应商Quod金融公司创始人之一皮彻威（Pichvai）认为，目前的市场状况对于算法交易来说不是最理想的。他预测，今年算法交易的业务增长将很小。皮彻威说：“由于对冲基金去年的去杠杆化程度很高，交易规模缩减了很多，导致期货交易量下降。令人不能相信的是，期权市场的交易很分散。过去在美国，订单分派智能系统（smart order routing vendors）使想进行期权交易的交易者能够找到流动性，但也只有大约三个交易所能做到这一点。场外交易的结构性产品转移至交易所交易，这有助于交易量的增加。但现在重要的是要记住，如果市场没有交易量，就不需要算法交易，因为算法交易没有用处。”皮彻威解释说：“TransMarket集团公司使用的模型是很适用的。交易的执行取决于市场状况，我们总是针对市场当时的波动情况，临时做出决定。执行是交易的关键，应当引起足够的重视。我们设计的算法交易模型是量身定做的，非常适合我们的交易风格。”他还强调了对当天的风险监控的重要性，特别是在市场存在波动的情况下。每一笔交易都要监控。他说：“不进行当天的风险监控，是在冒一个很大的风险。当日交易结束后才进行风险监控，是一种不好的控制损失的方法。”这一点很重要。像许多其他自营交易者一样，TransMarket集团公司至多只隔夜持仓一天，不进行长期的方向性交易。这可以防止算法交易遭遇像搞垮银行和其他金融公司那样的风险。
在恶劣的市场环境下，TransMarket集团公司还使用其他的方法对交易进行调整，以适应市场状况。另一名交易者说：“我对于保护流动性有天然的偏爱，我相信在流动性交易方面有很多机会。超高频率地使用流动性提供交易策略是一个很好的想法，但也存在一个限制条件，就是如果你真的想进行交易，你使用的交易策略必须容量大，而且能够提供流动性，这是必须要满足的条件，同时对市场的波动不是特别敏感。即使市场没有波动，还可以进行交易，获得利润。”算法交易者也是人通过经常观察可以看到，衍生品市场的波动情况导致交易量下降、流动性差，算法交易的空间变小。这意味着也许只有最聪明或资产管理最好的算法交易者才能应对这个市场，在充满压力的市场上获得利润。经验丰富的交易员布莱德·普雷斯顿（Brad Preston），是位于开普敦的Mergence经纪公司数量化交易分析师和算法交易专家,他对市场交易者说：“要想取得对竞争对手的优势，了解市场的本质很重要。”普雷斯顿认为，与经纪人保持良好的关系很重要，经纪人能够帮助你增加价值。你可以请人帮你交易，相信他们，他们的经验可以指导交易，特别是在市场波动的时期。有趣的是，目前算法交易发展的限制因素似乎不是减少1毫秒的响应时间或者使用技术设计一个新的算法交易模型。例如，TransMarket集团公司去年挣了很多钱，他们利用挣到的钱继续投资，周而复始地投资。库玛瑞森说：“当挣钱的时候，说服合伙人同意新的想法比较容易，这样可以使持有同一想法的人更多。”他面临的问题是找到合适的人才。他说：“找到有经验的人才就像是一场战争，如果有适合的，你必须马上抢到。”对于算法交易模型来说，技术进步很重要，与找到合适的、具有数量化交易能力的人才一样重要。库玛瑞森说：“扎实的编程技能、拥有数学才能和具有强烈的获得alpha（alpha是指在与其他机构投资者机会均等的情况下，通过减少冲击成本、选择合适的交易方式，获得相对于竞争对手略高的收益率）的天赋本能同先进的技术一样重要。我们需要能够运作和理解算法交易的人才，心里始终提醒自己要找到能够利用交易机会的模型的人才。”
（本文译自2009年5月《FOW》）