Hoë-frekwensie Trading Marco Lutat Goethe Universiteit Frankfurt Fakulteit Ekonomie en Bedryfsingenieurswese Tim Uhle Goethe Universiteit Frankfurt Fakulteit Ekonomiese en Administrasie 'n hoë-frekwensie handel (HFT) het onlangs getrek massiewe openbare aandag aangevuur deur die Amerikaanse 6 Mei 2010 flits ongeluk en die geweldige toename in handel volumes HFT strategieë. Onteenseglik, HFT is 'n belangrike faktor in die markte wat gedryf word deur gevorderde tegnologie op alle lae van die handel waardeketting. Maar besprekings oor hierdie onderwerp dikwels gebrek aan voldoende en akkurate inligting. 'N merkwaardige gaping tussen die resultate van akademiese navorsing oor HFT en sy vermeende impak op markte in die openbare, media en regulatoriese besprekings waargeneem kan word. Die navorsing het naby gekom het ten doel om up-to-date agtergrond inligting oor HFT. Dit sluit in definisies, bestuurders, strategieë, akademiese navorsing en huidige regulatoriese besprekings. Dit ontleed HFT en dus bydra tot die deurlopende gesprekke met die evaluering van sekere voorgestelde regulatoriese maatreëls, probeer om nuwe perspektiewe te bied en te lewer oplossing voorstelle. Aantal bladsye in PDF lêer: 86 Keywords: hoë-frekwensie handel, elektroniese markte, algoritme handel JEL Klassifikasie: G14, G15, G24 Datum gepos: 6 Junie 2011 Online Algoritmes in hoë-frekwensie Trading Die uitdagings wat meeding HFT algoritmes Jakob liefdelose, Sasha Stoikov, en Rolf Waeber HFT (hoë-frekwensie handel) het na vore gekom as 'n kragtige werking in die moderne finansiële markte. Slegs 20 jaar gelede, het die meeste van die handel volume plaasgevind het in ruil soos die New York Aandelebeurs, waar mense geklee in helderkleurige uitrustings sal beduie en skree hulle handel bedoelings. Deesdae, handel kom meestal in elektroniese bedieners in data sentrums, waar rekenaars kommunikeer hul handel bedoelings deur netwerk boodskappe. Hierdie oorgang van fisiese ruil vir elektroniese platforms het besonder winsgewend vir HFT maatskappye wat swaar in die infrastruktuur van hierdie nuwe omgewing belê. Hoewel die voorkoms van die plek en die deelnemers het dramaties verander, die doel van alle handelaars, of elektroniese of menslike, bly dieselfde: om 'n bate te koop van een plek / handelaar en verkoop dit aan 'n ander plek / handelaar vir 'n hoër prys. Die definisie van verskil tussen 'n mens se handelaar en 'n HFT is dat laasgenoemde vinniger meer gereeld kan reageer, en het 'n baie kort portefeulje hou tydperke. 'N Tipiese HFT algoritme bedryf op die sub-millisekonde tydskaal, waar menslike handelaars nie kan meeding, soos die knip van 'n mens se oog neem ongeveer 300 millisekondes. Soos HFT algoritmes met mekaar meeding, het hulle in die gesig staar twee uitdagings: Hulle ontvang groot hoeveelhede data elke micro. Hulle moet in staat wees om baie vinnig op te tree op die ontvang data, soos die winsgewendheid van die seine wat hulle baie vinnig waarneem verrot. Online algoritmes bied 'n natuurlike klas van algoritmes wat geskik is vir HFT aansoeke. In 'n aanlyn probleem, is nuwe insette veranderlikes agtermekaar geopenbaar. Na elke nuwe insette die algoritme moet 'n besluit byvoorbeeld maak, of om 'n handelsmerk te dien. Dit is in skrille kontras met 'n aflyn probleem, wat veronderstel dat die hele insette data is beskikbaar by die tyd van die besluitneming. Baie praktiese optimeringsprobleme in rekenaarwetenskap en operasionele navorsing programme aangespreek is aanlyn probleme. 1 Buiten die oplossing van 'n aanlyn probleem, HFT algoritmes moet ook baie vinnig te reageer op die mark updates. Om 'n vinnige reaksie tyd waarborg, doeltreffende geheue hantering is 'n noodsaaklikheid vir 'n lewendige handel algoritme. Hou 'n groot hoeveelheid data in die geheue sal vertraag enige CPU, daarom is dit belangrik dat 'n algoritme gebruik slegs 'n minimale bedrag van data en parameters, wat in 'n vinnige toegang geheue gestoor kan word soos die T1 kas. Daarbenewens moet hierdie faktore die huidige stand van die mark weerspieël en moet in reële tyd opgedateer word wanneer nuwe data punte waargeneem. Om op te som, hoe kleiner die aantal faktore wat in die geheue gehou moet word en hoe eenvoudiger die berekening wat nodig is om elke faktor te werk, hoe vinniger 'n algoritme is in staat om te reageer op die mark updates. Op grond van die spoedvereiste en die aanlyn aard van HFT probleme, die klas van een-pass algoritmes is veral geskik vir HFT aansoeke. Hierdie algoritmes ontvang een datapunt op 'n slag en gebruik dit om 'n stel faktore te werk. Na die werk, is die data punt weggegooi en net die opgedateer faktore in die geheue bewaar. Drie probleme kan ontstaan in HFT algoritmes. Die eerste is die beraming van 'n lopende beteken van likiditeit kan dit nuttig wees om 'n HFT wees in die bepaling van die grootte van 'n bevel wat waarskynlik suksesvol uit te voer op 'n bepaalde elektroniese ruil. Die tweede probleem is 'n lopende wisselvalligheid skatting, wat kan help om te kwantifiseer die kort termyn risiko van 'n posisie. Die derde probleem is 'n lopende lineêre regressie, wat gebruik kan word in die handel pare van verwante bates. Elkeen van hierdie probleme opgelos kan word effektief gebruik te maak van 'n aanlyn one-pass algoritme. In hierdie artikel backtest ons die prestasie van een-pass algoritmes op limiet-orde-boek data vir hoogs likiede ETF (beursverhandelde fondse) en beskryf hoe hierdie algoritmes kalibreer in die praktyk. Online Algoritmes in HFT Die een voordeel wat HFT het meer as ander deelnemers aan die mark is reaksie spoed. HFT maatskappye in staat is om elke aksie in die mark te sien en te reageer binne mikrosekondes. Alhoewel sommige HFT algoritmes hul optrede kan baseer op 'n bron van inligting buite die mark (byvoorbeeld deur die ontleding van nuusberigte, meet temperatuur, of meet marksentiment), die meeste baseer hulle besluite uitsluitlik op die boodskappe wat aankom by die mark. Deur sommige skattings is daar ongeveer 215,000 kwotasie updates per sekonde op die New York Aandelebeurs. 4 Die uitdaging vir HFTs is om hierdie data te verwerk in 'n manier wat hulle in staat stel om besluite te neem, soos wanneer om posisies te betree of te verminder die risiko te maak. Die wat in hierdie artikel voorbeelde aanvaar dat HFTs elke update in die beste bod kan waarneem en vra pryse, insluitend die beste bod en vra groottes. Dit subset van inligting vervat in die limiet bestelboek is dikwels na verwys as die vlak-Ek bestelboek inligting. Die volgende drie voorbeelde van aanlyn algoritmes, elke gemotiveer met 'n aansoek in HFT, is in detail beskryf in hierdie artikel: Online beteken algoritme. Geïllustreer deur die bou van 'n faktor wat die beskikbare likiditeit voorspel, gedefinieer as die som van die groottes van die beste bod en die beste te vra, teen 'n vaste horison in die toekoms. Hierdie hoeveelheid mag nuttig in die beraming van watter grootte orde is geneig om uit te voer op die beste aanhalings op 'n gegewe latency wees. Online variansie algoritme. Geïllustreer deur die bou van 'n faktor wat die besef wisselvalligheid oor 'n vaste horison in die toekoms voorspel. Hierdie hoeveelheid mag nuttig in die skatte van die kort termyn risiko van voorraadhouding wees. Online regressie algoritme. Geïllustreer deur die bou van 'n faktor wat die verwagte PNL (wins en verlies) van 'n lang-kort posisie voorspel in twee verwante bates. Dit kan nuttig wees in die bou van 'n sein wat daarop dui wanneer 'n lang-kort posisie is waarskynlik winsgewend te wees. In al drie gevalle, die algoritme het 'n enkele parameter, Alpha, wat die tempo waarteen ou inligting is vergete beheer. Figuur 1 erwe die rou likiditeit maat (bod grootte plus vra grootte) in blou. Rooi en groen verteenwoordig die aanlyn likiditeit faktor, met alfa 0,9 en alfa 0,99, onderskeidelik. Let daarop dat as alfa benaderings 'n waarde van 1, die sein kry gladder en doeltreffend volg die tendens in die onderliggende data. Figuur 2 erwe die aanlyn wisselvalligheid maatstaf vir verskeie waardes van alfa. Weereens, let dat die maatstaf is gladder vir groter alfa. Hoewel 'n groter Alpha bied 'n gladder sein, dit loop ook verder agter die onderliggende tendens want dit gee 'n baie gewig ouer data. Soos later bespreek, die keuse van 'n waarde vir Alpha vertaal in 'n nadeel tussen 'n gladde sein en 'n verlaagde sloerende van die tendens. Om die aanlyn regressie algoritme te illustreer, kyk ons na die tyd reeks van middel pryse vir SPY en SSO, twee hoogs verwant ETF (SSO is die dubbel-aged weergawe van SPY). Soos getoon in figuur 3, die verhouding tussen die twee bates lyk baie naby aan lineêr in die loop van 'n dag. Figuur 4 erwe die aanlyn gemiddelde en onderskep vir twee waardes van alfa. Een-pass Algoritmes Soos die naam aandui, 'n een-pass algoritme lees elke insetveranderlike presies een keer en dan terug gooi dit. Hierdie tipe algoritme is baie effektief in terme van geheue hantering, aangesien dit slegs 'n minimale bedrag van data word gestoor in die geheue benodig. Hierdie afdeling bied drie belangrike voorbeelde van online een-pass algoritmes: die eksponensiële bewegende gemiddelde, die eksponensieel geweeg variansie, en die eksponensieel geweegde regressie. Die volgende afdeling beskryf dan die toepassing van hierdie algoritmes vir HFT. Eerstens, laat ons kyk kortliks na die eenvoudige bewegende gemiddelde van 'n tydreeks. Dit is 'n skatting van die gemiddelde van 'n tydreeks oor 'n bewegende venster van 'n vaste grootte. In finansies, is dit dikwels gebruik om tendense in die prys, in die besonder op te spoor deur twee eenvoudige bewegende gemiddeldes te vergelyk: een oor 'n lang venster en een oor 'n kort venster. In 'n ander program, die gemiddelde verhandel volume oor die afgelope vyf minute kan as 'n voorspelling van die volume verhandel in die volgende minuut dien. In teenstelling met die eksponensiële bewegende gemiddelde, kan die eenvoudige bewegende gemiddelde nie opgelos word met 'n een-pass algoritme. Laat (X t) t X 0, x 1, x 2. wees die waargeneem volgorde van insette veranderlikes. Op enige gegewe tyd t wil ons die volgende uitkoms X t 1 voorspel. Vir M dit is,. Die bewegende gemiddelde kan ook bereken word deur die volgende rekursie: Terwyl dit is 'n aanlyn algoritme, dit is nie 'n een-pass algoritme, as wat dit nodig het om toegang te verkry tot elke insette data wys presies twee keer: keer om dit toe te voeg tot die bewegende gemiddelde en dan weer om dit te laat val uit die bewegende gemiddelde skatting. So 'n algoritme word na verwys as 'n twee-pass algoritme en vereis hou 'n hele verskeidenheid van grootte M in die geheue. Voorbeeld 1: Een-pass Eksponensiële Geweegde Gemiddelde In teenstelling met die gewone gemiddelde, die eksponensiële geweegde gemiddelde ken 'n eksponensieel afneem gewig ouer waarnemings: Hier 1. Aangesien hierdie eksponensiële geweegde gemiddelde gee meer waarde aan meer onlangse insette in vergelyking met ouer datapunte, dit word dikwels beskou as 'n goeie benadering van die eenvoudige bewegende gemiddelde wees. In vergelyking met die eenvoudige bewegende gemiddelde, die eksponensiële geweegde gemiddelde neem alle vorige data in ag, en nie net die laaste M waarnemings. Om die eenvoudige vergelyk bewegende gemiddelde en die eksponensiële geweegde gemiddelde verder Figuur 5 toon hoeveel data punte ontvang 80, 90, 95, 99, en 99,9 persent van die gewig in die beraming as 'n funksie van 0.95, dan is die laaste M 90 waargeneem datapunte bydra tot 99 persent van die beraamde waarde. As 'n waarskuwing, indien die tyd reeks (X t) t het 'n baie swaar sterte, dan is die eksponensiële stryk gemiddelde dalk oorheers deur 'n uiterste waarneming, terwyl die bewegende gemiddelde is minder geneig om uiterste waarnemings so hierdie uiteindelik uitsak van die waarneming venster . Gereelde aanskakel van die skatting proses kan hierdie langtermyngeheue effek van eksponensiële gladstryking los. Die rede vir ten gunste van die eksponensiële bewegende gemiddelde oor die eenvoudige bewegende gemiddelde in HFT is dat dit doeltreffend opgelos kan word met behulp van 'n een-pass algoritme, aanvanklik in Brown (1956) bekendgestel. 3 Hierdie formule bied ook 'n eenvoudige interpretasie van die parameter as 'n beheer oor hoeveel gewig word aan die mees onlangse waarneming, in vergelyking met al die vorige waarnemings. Voorbeeld 2: Een-pass eksponensieel Geweegde Variansie Die eksponensiële gladstryking in die vorige afdeling beskryf skat 'n bewegende gemiddelde van 'n tydreeks. In finansies, die wisselvalligheid van 'n tydreeks is dikwels 'n belangrike faktor as well. Breedweg moet wisselvalligheid vang hoeveel 'n tydreeks skommel rondom sy gemiddelde. Daar is geen algemeen aanvaarde definisie van wisselvalligheid vir 'n hoë-frekwensie finansiële data. Hierdie afdeling van mening dat die wisselvalligheid van die standaardafwyking (vierkantswortel van variansie) van 'n data punt in die tyd reeks (X t) t. Soortgelyk aan die eksponensieel geweeg bewegende gemiddelde van die vorige artikel, kan 'n aanlyn one-pass algoritme word gebou dat die wisselvalligheid van die tydreeks (X t) t met 'n eksponensiële gewig skema skat. Die variansie van 'n ewekansige veranderlike word gedefinieer as Var (X) E X - E X) 2. Skatte van die eksponensiële geweegde variansie van die tydreeks vereis twee beramers: een wat skat die gemiddelde E X en een wat die variansie skat: Die standaardafwyking van die volgende meetpunt X t 1 word dan na raming as. Weereens, is die insette parameter (0,1) gekies deur die gebruiker en weerspieël hoeveel gewig aan ouer datapunte in vergelyking met die nuutste waargenome data insette. Hier geïnisialiseer ons die beramer van die stryd met 1, wat is 'n redelik arbitrêre keuse. Nog 'n manier is om 'n aanvanklike burn-in tydperk waarvoor die tyd reeks (X t) t waargeneem en 'n standaard afwyking beramer van die reeks oor hierdie burn-in tyd venster kan gebruik word om die beramer inisialiseer het. Natuurlik, kan 'n soortgelyke metode gebruik word om die beramer van die eksponensieel gemiddelde beramer inisialiseer. Voorbeeld 3: Een-pass Algoritme vir eksponensieel Geweegde lineêre regressie Die laaste voorbeeld is 'n aanlyn one-pass algoritme vir die eksponensieel geweegde lineêre regressiemodel. Hierdie model is soortgelyk aan gewone lineêre regressie, maar gee weer meer belang (volgens 'n eksponensiële gewig) tot Onlangse waarnemings as ouer waarnemings. Soos reeds aangetoon, soos regressie metodes is baie nuttig in HFT strategieë om die verhouding van die verskillende bates, wat kan wees, byvoorbeeld, uitgebuit in die skep van n paar handel strategieë te skat. In hierdie model beskou ons 'n twee-dimensionele tydreekse (X t, Y t) t en veronderstelling dat die veranderlikes x en y verwant via 'n lineêre verhouding wat beskadig deur 'n geraas termyn t met 'n nul gemiddelde. Dit is die veranderlike Y word na verwys as die reaksie veranderlike, terwyl X die verklarende veranderlike genoem. Vir eenvoud laat ons veronderstel net een verklarende veranderlike hier, maar die uitbreiding van 'n paar verklarende veranderlikes is eenvoudig. In die standaard af benadering tot lineêre regressie, is die parameters 1 gekalibreer na al die datapunte is waargeneem. Hierdie data punte ingesamel in 'n vektor Y (Y 0. Y 1. Y t) T en 'n matriks Die kolom van kinders in die matriks X ooreenstem met die onderskep in vergelyking 3. As ons verder die parameters van die verhouding tussen Y skryf dan en X kan gerieflik geskryf in matriksnotasie as waar 'n vektor van stogastiese geraas terme, en elk van hierdie foute terme het nul gemiddelde. Die mees algemene benadering tot die bepaling van die parameter is sodanig gekies word dat dit verminder die bedrag van 'n vierkant residue. Die oplossing vir hierdie minimalisering probleem is. Soos in die gemiddelde en variansie skattings, moet meer onlangse data punte belangriker wees vir die beraming van die parameter is nodig vir 'n vinnige berekening. Volgende laat s oorweeg om 'n rekursiewe metode wat agtermekaar updates en verminder Verder is die parameter 1 vektor V t behoefte om gered te word in die geheue en opgedateer met 'n nuwe data wys volgens die volgende rekursie: Soos vir die gemiddelde en variansie beramer, die inisialisering van die rekursie kan gedoen word met behulp van 'n brand-in periode. Ten slotte, na tyd t. die beste raming van is. In die literatuur word ook hierdie metode genoem rekursiewe kleinste kwadrate met eksponensiële vergeet. 2 Skat Alpha Hoe besluit op die optimale waarde van Alpha een parameter van al hierdie aanlyn modelle Ons benadering vir al drie modelle is 'n reaksie funksie wat ons poog om te voorspel definieer, en die kwadraat fout tussen die reaksie ri verminder en ons faktor fi. Hierdie metode vind die optimale alfa op 'n historiese tyd reeks. Nog 'n benadering sou wees om die optimale alfa aanlyn skat sowel. Dit verg egter meer werk en gaan buite die bestek van hierdie artikel. Ons bied nou die besonderhede oor die beskryf aanlyn beramers en skat die optimale alfa op 'n gegewe datastel. 1. Die gemiddelde likiditeit beramer word gedefinieer as waar die indeks i verteenwoordig kwotasie tyd. Die reaksie word gedefinieer om die likiditeit in 10 sekondes wees: waar BS ek (10) verteenwoordig die bod grootte 10 sekondes nadat die i-de quote. Hardloop 'n optimalisering roetine oor Alpha toon dat die optimale alfa vir die gegewe data is 0.97, vertoon in figuur 6 as 'n spreidiagram van die faktor en die reaksie. 2. Die wisselvalligheid beramer word gedefinieer as waar die indeks i verteenwoordig realtime in sekondes. Die reaksie word gedefinieer om die besef wisselvalligheid oor die volgende minuut: Weereens, soek oor verskillende waardes van alfa 'n optimale alfa van 0,985 vir die gegewe datastel oplewer. Figuur 7 toon 'n spreidiagram van die faktor en die reaksie. 3. Die pare handel regressie beramer word gedefinieer as waar die indeks i verteenwoordig kwotasie tyd. Die faktor verteenwoordig die waarde van SPY relatief tot SSO dit is, as die hoeveelheid positiewe is, dan SPY is relatief goedkoop en 'n bedryf wat lank SPY is geneig om winsgewend te wees. Die reaksie word gedefinieer as die PNL oor die volgende minuut van 'n handelsmerk wat lank een deel van SPY en kort aandele van SSO: waar die prys van SPY 60 sekondes nadat verteenwoordig. Die reaksie r i verteenwoordig die PNL van die volgende lang-kort Strategie: Koop 1 aandeel van SPY en verkoop aandele van SSO op keer as ek. verlaat die posisie na 60 sekondes. In die ontleed data stel die optimale Alpha blyk te wees 0,996. Figuur 8 is 'n spreidiagram van die faktor en die reaksie. Gevolgtrekking Online een-pass algoritmes is instrumenteel in die hoë-frekwensie handel, waar hulle ontvang groot hoeveelhede data elke micro en moet in staat wees om baie vinnig op te tree op die ontvang data. Hierdie artikel het aangespreek drie probleme wat HFT algoritmes in die gesig staar: die beraming van 'n lopende gemiddelde van likiditeit, wat nuttig kan wees in die bepaling van die grootte van 'n bevel wat waarskynlik suksesvol uit te voer op 'n bepaalde elektroniese ruil 'n lopende wisselvalligheid skatting, wat kan help kwantifiseer die kort termyn risiko van 'n posisie en 'n lopende lineêre regressie, wat gebruik kan word in die handel pare van verwante bates. Online een-pass algoritmes kan help oplos elkeen van hierdie probleme. Verwysings 1. Albers, S. 2003. Online algoritmes: 'n oorsig. Wiskundige Programmering 97 (1-2): 3-26. 2. Åström, A. Wittenmark, B. 1994 Adaptive beheer, tweede uitgawe. Addison Wesley. 3. Brown, R. G. 1956. Eksponensiële Smoothing vir die voorspelling van die vraag. Arthur D. Little Inc. p. 15 love it, haat dit KOM ONS WEET JACOB liefdelose is die hoof uitvoerende beampte van Lucera en voormalige hoof van High Frequency Trading vir Cantor Fitzgerald. Mnr Loveless het gewerk vir beide 'n hoë frekwensie handel groepe en handel vir die afgelope 10 jaar in byna elke elektroniese bate. Voor 'n lewe in finansies, mnr Loveless was 'n spesiale kontrakteur vir die Amerikaanse Departement van Verdediging met 'n fokus op heuristiese analise op dinge wat nie bespreek kan word. Voor dit was hy die tegniese direkteur en stigter van Data Wetenskaplike, 'n pionier in verspreide stelsels analise. SASHA STOIKOV is 'n senior navorsingsgenoot aan die Cornell Finansiële Ingenieurswese Manhattan (CFEM) en 'n voormalige vise-president in die High Frequency Trading groep by Cantor Fitzgerald. Hy het gewerk as 'n konsultant by die galjoen Groep en Morgan Stanley en was 'n instrukteur by die Courant Instituut van NYU en aan die Columbia se IEOR departement. Hy het 'n Ph. D. aan die Universiteit van Texas en 'n BS van MIT. ROLF WAEBER is 'n Kwantitatiewe navorsingsgenoot by Lucera en voorheen gedien as 'n kwantitatiewe navorser by Cantor Fitzgerald se High Frequency Trading Group. Hy het deelgeneem aan studies oor likiditeitsrisiko aanpassings binne die Basel II / III regulasie raamwerke op die Deutsche Bund. Rolf verdien sy Ph. D. in Operasionele Navorsing en Inligting Ingenieurswese van Cornell Universiteit in 2013. Hy het 'n BS en 'n MS in Wiskunde van ETH Zurich, Switserland. 2013 ACM 1542-7730 / 13/0800 10.00 Oorspronklik gepubliseer in die tou vol. 11, no. 8 sien hierdie item in die ACM Digital Library André Medeiros - dinamika van verandering: Hoekom Reaktiwiteit Aangeleenthede Tame die dinamika van verandering deur die sentralisering van elke saak op sy eie module. Brendan Gregg - die vlam Grafiek Dit visualisering van uitvoering sagteware is 'n nuwe noodsaaklikheid vir prestasie profilering en debugging. Ivar Jacobson, Ian Spence, Brian Kerr - Gebruik-Case 2.0 die middelpunt van die Software Development Tyler McMullen - dit werk Waarskynlik probabilistiese algoritmes is oral rondom ons - nie net is dit aanvaarbaar, maar 'n paar programmeerders eintlik soek na kanse om dit te gebruik. Kommentaar xxx Mon, 21 Oktober 2013 07:48:57 UTC naam van die outeur, Loveless. Tai Diao Le mperez Fri, 8 Januarie 2016 21:47:19 UTC Hoekom, wanneer die meet van wisselvalligheid, hulle bereken die standaardafwyking in plaas van net die gebruik van die variansie Hulle verloor tyd, terwyl die berekening van die vierkantswortel. Brandon Sun, 8 Mei 2016 21:39:10 UTC Ek is tans vas berekening van die gemiddelde en variansie beramers gebruik om beta bereken. Die artikel sê By elke stap van die algoritme n 2 2 matriks Mt en 'n 2 1 vektor Vt moet in die geheue gestoor word en opgedateer met 'n nuwe data wys volgens die volgende rekursie. Soos vir die gemiddelde en variansie beramer, kan die inisialisering van die rekursie word gedoen met behulp van 'n brand-in periode. Die probleem is ek het, is dat ek nie seker wat die M waardes en V parameters moet geïnisialiseer om met behulp van 'n brand-in periode. Ek is nie seker watter waardes die 2x2 matriks of die 2x1 vektor moet wees. 2016 ACM, Inc. Alle regte voorbehou. Hoekom 'n hoë-frekwensie handel is hier om te bly Philip Porado en Sara Tatelman 22 Februarie 2016 Jy kan net dink 19de eeu blou-bloedige kake val wanneer voorraad handelaars na bewering begin die praktyk van die stuur hardlopers regoor ruil vloere te plaas bod en bied. Maar afkeuring didn t stop die handelaars uit te oefen hul wind naellope of verhuring sekondêre skool-track sterre om die verloop vir hulle te doen. Tyd was nog altyd geld. Later daardie selfde eeu, kla kwaak oor maatskappye in diens van die nuwerwetse Telegraph om bestellings te plaas. En die 20ste eeu het ontevredenheid met die manier telefone en rekenaars verander die deftig besigheid van uitruiling voorraad aandele. Hoë-frekwensie handel is vandag se ekwivalent van die wedrenne in die pos, en terwyl bewyse toon dit onregverdig bevoordeel groter beleggers, kenners sê dit is hier om te bly. In Desember het die beleggingsbedryf regulerende organisasie van Kanada bygevoeg meer voer om die debat met die vrystelling van 'n studie wat geen bekommernisse uitmaak n verdere regulatoriese reaksie het onthul. Die kans is goed dat wanneer iemand noem hoë-frekwensie handel, slegte dinge sprong na vore: boef handelaars, 'n ontstellende vlak van belegging deur groot wirehouses in nano sekonde handel tegnologie en soms onverklaarbare aandelemark stort wat gebeur wanneer die algoritmes Don t werk. Die nuutste tegnologie boom te tref Wall Street, Bay Street en Londen, Engeland, het sy deel van slegte pers na die Flash Crash in 2010, 'n gebeurtenis veroorsaak deur 'n enkele groot onderlinge fonds firma verkoop E-Mini S P 500 kontrakte. Die Flash Crash betrokke aggressiewe verhandeling van lang termynkontrak posisies opgehoopte deur 'n hoë-frekwensie handelaars uit die onderlinge fonds as hulle gekoop en verkoop groot volumes teen weerlig spoed en gebruik ingewikkelde algoritmes wat laat hulle geld te maak op klein prys veranderinge. Dit aktiwiteit gestuur die Dow Jones Industrial Average af 'n verbysterende duisend punte (die tweede grootste intraday afname in die geskiedenis van die aandelemark s) voor die herstel van 'n paar minute later. Diegene wat nie toegang tot die vinnigste en beste tegnologie oog sulke handel praktyke as buit. En 'n groot deel van die algoritme handel waarskynlik kortsluitings die oorspronklike doel van die finansiële markte, wat is om fondse aan maatskappye wat dit nodig het om te groei bring. Dan is daar kwotasie vulsel, 'n proses waardeur handelaars prop miljoene bod en bied tot 'n handelsentrum montage net om hulle oomblikke later kanselleer. Die praktyk is ontwerp om ander deelnemers aan die mark te lei deur die toevoeging van vreemde inligting om die data vloei en maak dit moeilik om goeie besluite te bereik. Likiditeit hupstoot Kritiek ter syde stel, al is, 'n hoë-frekwensie handel as 'n geheel bied waardevolle likiditeit aan die mark. Ons sien voordele vir die mark in die vorm van laer versprei, sê Kevin Sampson, TMX vise-president van sake-ontwikkeling en strategie. Uiteindelik is beleggers beter pryse. Ons markte is waarskynlik so doeltreffend, of meer doeltreffende, nou as ooit tevore. Hy wys daarop beleggers moet soms hoër koste as gevolg van 'n hoë-frekwensie handel aktiwiteit te betaal, maar dui die uitdagings sal altyd bestaan. Ryan Riordan, 'n sake-professor aan koningin se Universiteit, spreek 'n soortgelyke siening. Ons het geen bewyse HFTs destabiliseer die mark, sê hy. Sy navorsing het bevind 'n hoë-frekwensie ambagte kan goed wees vir die verskaffing van likiditeit aan die markte deur, oor die algemeen, die vernouing van die bod-vra versprei wees. Dit, op sy beurt, verlaag handel koste, behalwe wanneer 'n hoë-frekwensie handelaars kort verkoop. Ons het gevind dat hulle weer 'n groot vir likiditeit wanneer jy weer die indiening van die orde, sê hy. IIROC bevindinge op HFT In Desember het die beleggingsbedryf regulerende organisasie van Kanada vrygestel van 'n studie oor 'n hoë-frekwensie handel. Dit het bevind: HFTs verskaf oor die algemeen meer likiditeit HFT likiditeit voorsiening kan aansienlik laer wees as 'n groot handel verteenwoordig 'n hoër-as-normale persentasie van alle handel volume op die dag HFTs aansienlik bydra tot die prys ontdekking die meerderheid van passiewe bestellings deur HFT geloop óf verbeter die beste prys of ooreenstem met die heersende beste pryse daar is min bewyse dat HFTs neem voordeel van stadiger nie-HFTs of front-hardloop nie-HFTs. Die resultate van die studie het geen kommer dat 'n regulerende reaksie buite maatreëls reeds geïmplementeer deur IIROC en dui daarop dat die teenwoordigheid van HFT het verskillende invloede op die Kanadese aandelemarkte en diegene wat belê op die markte geregverdig openbaar, IIROC gesê in die aankondiging van die resultate van die studie oor Desember 9. Wanneer jy ophou indiening van die orde, likiditeit afgeskakel. Maar dit maak doesn t doen baie vir institusionele beleggers, sê Robert Young, 'n voormalige hoof uitvoerende beampte van Liquidnet. Die likiditeit wat s bygevoeg deur HFT kom nie t regtig help institusionele beleggers, sê Young, wat onlangs afgetree het uit Liquidnet. Inteendeel, voeg hy by, het IIROC gevind hoë-frekwensie handelaars geword kompetisie wanneer institusionele beleggers begin om 'n groot handel te maak toe daardie manne in die koop af te tree. Die gevolg is dat minder voorraad beskikbaar is soos die vraag styg, wat die prys beïnvloed. As iemand uitvind iemand s koop van 'n baie, hulle begin koop, want hulle weet pryse sal styg, sê hy, en let op 'n hoë-frekwensie handelaars is geneig om meer ratse te wees. En kleinskaalse prysskommelings, selfs dié so klein as 'n pennie, maar herhaal baie keer, het 'n groter impak op iemand wat groot ambagte. Wanneer jy dit vermenigvuldig word, dit is genoeg om die 25-beste presteerder te skei van die 26-beste presteerder, sê Young. Dit is regtig belangrik om hulle nie aan dié pennie verloor. Met praktyke soos kwotasie vulsel en verkoop vroeë toegang tot inligting, dit is geen verrassing handelaars aan beide kante van die grens is op soek na maniere om 'n hoë-frekwensie handel skoner te maak. Sommige het 'n soort van elektroniese spoedwal om die speelveld gelyk te stel. En as Young wys daarop, het IIROC paar stappe wat die toekenning van sekere koste om 'n hoë-frekwensie handelaars vir die bykomende boodskap volume hul aktiwiteite te genereer. Verder diegene bekommerd oor die praktyk van spyseniering vir anonieme handelaars het voorstelle aangebied vir verligting van sogenaamde donker poele, waar transaksies plaasvind tussen partye wat om te koop of te verkoop groot blokke van voorraad weg van die groot mark kwotasie montages. In Kanada, Young sê IIROC het gekyk na donker poele in die Verenigde State van Amerika en bepaal hulle weer nie geskik hier. Hulle het verhoed dat die groei van klein-orde donker poele, wat 'n slegte ding sou gewees het, sê hy. Meer belangrik, wanneer dit kom by institusionele beleggers, sou Young graag 'n paar buigsaamheid toelaat blok ambagte te buite die tydelike prys skofte wat veroorsaak word deur highfrequency handel voorkom sien. Daar moet 'n bietjie buigsaamheid in die reëls rondom blok ambagte wees, sê hy, en voeg by dat 'n samesmelting ten minste 'n mate van Kanada se sekuriteite reguleerders sal ook help versterk hul vermoë om die invloed van groot hoë-frekwensie handelaars teen te werk. Die skep van regverdigheid Sommige handel in Kanada en die Verenigde State van Amerika, intussen, het 'n ander roete gegaan: die skep van hul eie handel stelsels gebind deur streng reëls en hoër fooie. IEX Group Inc. 'n Amerikaanse-geregistreerde makelaar-handelaar, is 'n inskrywing-gebaseerde alternatiewe handel stelsel uitsluitlik befonds deur 'n groep van onderlinge fondse, verskansingsfondse, familie kantore en individue. Gestig deur Markham, Ont. moedertaal Brad Katsuyama, het dit 'n infrastruktuur wat gemik is op bestellings te beskerm teen predatoriese handel geskep, 'n sub-klas van 'n hoë frekwensie handel, wat poog om te identifiseer en nadeel tradisionele belegger orde vloei. Ten spyte van die reputasie dat HFT het daardeur, daar is baie HFT strategieë, wat 'n waardevolle diens aan die mark te lewer. Roofsugtige handel is nie een van hulle. en ons plan is om dit te stop, volgens IEX dokumente. Met die bekendstelling verlede jaar van aequitas Neo Exchange, 'n nuwe ruil wie se naam beteken regverdigheid en wat sê 'n doel om die druk mark kwessies van regverdigheid, likiditeit en deursigtigheid impak beleggersvertroue aan te spreek, sal beleggers 'n ander alternatief het. Aequitas president en hoof uitvoerende beampte Jos Schmitt se visie aequitas as 'n alternatief vir ander Kanadese ruil, wat hy voel sal nooit aan te spreek roofsugtige hoë-frekwensie handel. Die posbekleër markte sien HFT kliënte as volume. Vir hulle is dit is 'n groot geld gemaak het. Hy sê aequitas isnt teen 'n hoë-frekwensie handel, maar hy wys daarop sy doel is om 'n aantal van tegnologiese en markstruktuur oplossings te implementeer om hervestig 'n gelyke speelveld tussen die deelnemers aan die mark wat 'n inligting voorsprong en diegene wat don t. Op balans, sê Mark Yamada, president van P R Belegging Inc. die mark 'n goeie werk van die bestuur van prysverskil. Vir my is HFT is net 'n meer gevorderde tegnologiese vorm van wat, sê hy. Dit misbruik kan word 'n bietjie, maar soos ek sê, op die balans, is dit arbitrages weg die verskille tussen markte. 'N gelyke speelveld is 'n goeie ding. Laat die sterker oorleef, laat die swakker sterf.
No comments:
Post a Comment