算法交易

\

https://bigquant.com/experimentshare/4cd77a18145849ba935b42c775c2694e

\

1988年出生的英国人李轶睿（Daniel James Lightwing，网络上以Lightwing闻名）最早被人关注，是因为他在数学方面表现出的天赋。在BBC纪录片Beautiful Young Minds（2007）中，导演Morgan Matthews记录了一组年轻人备战2006年第47届国际数学奥林匹克竞赛的过程，来自约克郡的李轶睿就是其中之一。镜头记录了他在训练营学习并与一位中国女孩相恋的经历。这一年李轶睿在斯诺文尼亚摘得银奖。

2014年，导演Morgan Matthews拍摄了电影X+Y。阿沙•巴特菲尔德（Asa Butterfield）饰演的主角Nathan Ellis，原

高频交易的最早历史及原型可以追溯到17世纪，是指一种伴有高周转率以及高订单率的算法交易（Algorithmic Trading）。而且其原理并不复杂，主要基于两个重要因素：

• 一是速度，现在能比竞争对手快万分之一甚至百万分之一秒就是胜利
• 第二，尽管每一笔交易的利润只有万分之一厘钱，赚钱靠的是高频的大交易量。下面让我们通过一组图带领大家简要回顾高频交易的历史

现在一家高频交易的基金公司里，并不是金融或者经济性类专业的毕业生在做交易，而是物理、计算机、数学等学科的理工科硕士博士，他们编制程序管理者负责寻找程序错误和客户交流并执行交易策略。

通过一组图带大家简要回顾高频交易的历史：

围棋人类第一高手柯洁在与AlphaGo的第二局对阵中再次惜败。有报道称此次的AlphaGo已经比当初跟李世石下的版本进化了几代，想当于给上一版本”让3子“的水平，鉴于柯洁第一局仅输1/4子，可见柯洁的水平应该能完胜上一代的AlphaGo。

AlphaGo主要采取了两种模型——深度学习和增强学习。深度学习（Deep Learning）本质上是一种监督学习（Supervised Learning），或回归分析（Regression Analysis）。它从传统的神经网络发展而来，但最近几年在计算方法上有了突破，加上硬件上的发展，使得它可以拟合更复杂的数据，因此在计算机视觉、图像识别上发展

模型发展的回顾

前面介绍的模型主要站在更为宏观的角度，然后不断地进入围观的世界。我们面对的数据是一个三维的张量（Tensor），它有三个维度：通道（Channel），长（Height），宽（Width）。这三个维度统一起来形成了我们要分析处理的数据。

在卷积操作爆发之前，神经网络的主要运算方式是全连接，也就是说，每一次运算过程中，输出的每一个元素都要受三个维度共同的影响（当然，一般来说全连接是没有三个维度的，这个只是做一个比方）。后来前辈们发现了卷积操作的妙用，于是大家开始广泛采用卷积操作。在卷积操作中，每一个输出的元素中，三个维度的影响力如下：

1 所有的通道

2 局部的高度

写在文前：周末为大家奉上一篇来自棋剑资产王晓光的一篇报告，文有点长，但是确实系统地讲解了量化投资这件事。海纳百川，多学习不同的观点能拓宽视野。先祝大家周末快乐。


*原文：

量协的统计套利策略小组成立快一个月了，这一个月来小组成员的主要活动内容就是进行大量paper的阅读与分享。和其他策略类型不同，统计套利或是配对交易本身涉及统计学、随机过程的理论和方法比较多，所以学术界可以参考的paper也较为丰富成体系。

我们这次主要阅读的是[Statistical Arbitrage Pairs Trading Strategies：Review and Outlook](https://link.zhihu.com/?target=https%3A//www.econstor.eu/dspace/bitstream/10419/116783/1/833997289.pd

ICLR 2018年的接收的论文已经release出来很久了，链接：https://chillee.github.io/OpenReviewExplorer/index.html

最近整理了其中一些论文的摘要和官方评价做了翻译整理和分类，涉及分布式训练、模型压缩、模型训练优化、生成式模型等，分享给大家，感兴趣的可以看看，了解下学术界前沿的研究热点。

分布式训练

Deep Gradient Compression: Reducing the Communication Bandwidth for Distributed Training

**摘要：**大规模分布式训练

\


本期作者：MoonX

本期翻译：Kiwi | 公众号翻译部成员

文末获取资料

正文

高频交易是一种更频繁地用于快速启动金融交易的方法。这种由高速发送订单组成的自动交易形

在本文中，我将介绍机器学习中关于传统机器学习中几乎最为强大的方法——支持向量机。

因为知乎中对于markdown的支持太差了，本文不在知乎直接排版，所以阅读体验不是很好，若想获得更好的阅读体验，请点击下文链接进行阅读。

[支持向量机​chrer.com ](https://link.zhihu.com/?target=http%3A//chrer.com/2018/08/04/%25E6%259

如果你对银行以及金融领域的机器学习或人工智能（AI）应用感兴趣的话，你一定了解 JPM（摩根大通）去年发布的在金融领域有关大数据及人工智能应用指南 68，你也一定会对他们刚刚发布的一份关于将 “数据驱动下的机器学习应用于算法交易”问题的新报告感兴趣。

去年那份长篇报告是由JPM 宏观量化研究团队负责人，素有“半人半神”之称的 Marko Kolanovic，以及另一位在去年四月刚从美林银行离职的量化策略师 R

\

**编者按：**人生之三境界的第一层，“看山是山，看水是水”，本质上展示了人“看见”的过程，以及思绪与理解在这一过程中所起的作用。

“看见”，对于人类而言，似乎是一个很简单自然的事情，其实则不然，从地球上第一个长出眼睛的生物三叶虫，走到今天的人类视觉，经历了五亿四千万年的漫长旅程。人类获得今天的视觉能力，是大自然长期进化的结果，大脑中三分之一的皮层是与视觉相关的。

因此人的视觉任务，本质上是人脑对外界视觉信号作出反应的过程，那么，研究人脑的工作机理，是否能够为计算机视觉提供一些启发，让机器“看山是山”呢？基于此，学术界开展了脑启发视觉计算领域的研究。那么过去一年中，在这一领域都取得

在本讲中，我会给大家介绍隐马尔可夫模型（HMM）的基本原理。HMM是一种非常重要的机器学习算法，在自然语言处理和语音识别中有着极其广泛的应用。HMM涉及到的内容非常的多，本次讲解无法面面俱到，希望大家能抽出时间更加系统地学习这个模型。

一个进入HMM世界的简单例子是：在赌场内有一个赌徒玩得一手好骰子，战无不胜，赌场老板怀疑赌徒偷换了骰子（不均匀的），于是通过摄像头把每次骰子出现的点数都记录了下来，现在问题是通过这一串点数你能判断赌徒是否偷换了骰子吗？如果偷换了那么用了几个作弊的骰子？这几个作弊的骰子每个点数出现的概率是多大？（该例子来源于[小小鸟小小 - 博客频道 - CSDN.NET](h

如何生动有趣的入门线性代数

目录

• 矩阵乘法
• [向量点乘](https://link.z

如何跟上交易风险管理的变化趋势？怎样才能更好地管理风险？

交易中的风险管理可能是一个被低估的概念，但它是算法交易中不可或缺的一部分。风险管理与创建投资组合时的投资组合优化、对冲、策略规划等有关。

随着算法交易的实践，风险管理现在还意味着确保不涉及其他方面的风险，例如数据质量、技术等等！

围绕交易活动的风险管理

交易的风险管理是为了创建交易组合策略以及围绕交易活动进行。

您可以在下面看到算法交易架构的图示：

![算法交易架构{w:100}](https://d1rwhvwstyk9gu.cloudfront.net/2022/07/Architecture-for-Algor

伦敦的哈默史密斯街是英格兰最后一个你可能期望找到对冲基金经理的地方之一。这是一条绿树成荫的住宅街，位于伦敦西部一个不那么时髦的地方。

元盛资本（Winton Capital）的创始人大卫·W·哈丁（David Harding）坐在一间简陋的办公室里，远离伦敦著名的梅菲尔区（Mayfair）庄严的米色市政厅。正如康涅狄格州的格林威治被称为美国对冲基金的中心，梅菲尔也是面向超级富豪和机构的投资池的所在地。

元盛资本在1997年成立时只有160万美元的资产，几十年前在欧洲成为商品交易顾问，简称CTA，是一种通过跟踪各种商品、货币、债券和股票市场趋势进行交易的投资工具。

从那时起，元盛已演变成一

原文章来自元盛Winton网站，本文为原文章的中文翻译。本文仅用于交流学习使用，不得用于商业用途。如对相关著作人造成侵害，请立即联系译者及时删除。

原文标题：Winton Capital's Idiosyncratic Founder on Artificial Intelligence and Statistical Fallacies

原文时间：2018年12月

翻译：雷闻

伦敦的哈默史密斯街是英格兰最后一个你可能期望找到对冲基金经理的地方之一。这是一条绿树成荫的住宅街，位于伦敦西部一个不那么时髦的地方。

元盛资本（Winton Capital）的创始人大卫·

知乎上关于隐马尔科夫模型的科普非常详细了。可以直接参考这个问题下面大神们的回答。

如何用简单易懂的例子解释隐马尔可夫模型？ - 数学

中文互联网上关于隐马模型在股票上的应用，基本都直接或间接引用了广发证券的2010年的一篇照理不应该公开的报告。知乎上面的就有：

陈小米 的 [【研究】西蒙斯的赚钱秘籍：隐马尔科夫模型（HMM）的择时应用 - 神秘的宽客们 - 知乎专栏](https://zhuanlan.zhihu.


本期作者：Evan Akutagawa

本期翻译：Chloe | 公众号翻译部成员

正文

全球最大最知名的高频交易公司有哪些呢？开始涉猎算法交易的个人交易者可能对这个问题最感

指标介绍

乖离率指标（Bias）：

所需数据和参数：Bias(close,nDay,threshold )

指标伪码：

MAVAL:=MA(CLOSE,nDay);

BIAS:=100*(CLOSE-MAVAL)/MAVAL;

指标含义

/wiki/static/upload/21/210c8875-0828-4472-a65c-1ee21ec1bfec.pdf

\

\

摘要

国内外发展情况

起源于1975年，美国股票市场推出了股票组合的自动化交易二十世纪90年代，计算机的快速发展使电子化交易取得了突破性进展二十一世纪以来，一些大型金融软件服务机构开发的交易平台使得中小型投资者也开始进入算法交易领域国内尚处于萌芽阶段，主要是一些公募基金在使用，集中在传统的套利交易和投机交易上，但未来有广阔的提升空间

为什么选择算法交易

优点

减小市场摩擦，有效降低交易中的冲击成本

提高交易执行的效率，降低人力成本

避免由于人的不理性而出现的一些非正常交易

对于大规模的交易而言，可以隐藏自己的交易行为为什么选择算法交易

**主流策略