高频交易

高频交易是金融市场上的闪电般的交易活动，通过先进的算法和极速的计算机网络，在毫秒甚至微秒级别完成买卖决策，追求微小但稳定的利润。这种交易依赖复杂的数学模型，对市场数据进行实时分析并快速做出反应。由于交易速度极快，高频交易能在极短时间内捕捉到市场上的微小变动并从中获利，但也因其高速和大规模的特性，有时可能加大市场的波动性和系统风险。高频交易在现代金融市场中占据重要地位，既是技术进步的产物，也带来了市场监管和风险管理的新挑战。

交易引擎介绍

HFTrade是宽邦科技推出的致力于为用户提供便捷、功能强大的高频量化交易策略编写、回测分析、模拟测试和实盘交易的工具。

支持的品种

股票、基金、期货，可转债，未来会支持期权、债券、两融

交易频率

日线、分钟、Tick、逐笔

策略编写

策略程序架构

名称	说明
initialize	策略初始化函数，只触发一次。可以在该函数中初始化一些变量，如读取配置等
before_trading	策略盘前交易函数，每日盘前触发一次。可以在该函数中一些启动前的准备，如订阅行

更新时间：2024-06-18 10:48

光大证券-技术指标高频系列（一）——基于KDJ优化指标的高频交易

/wiki/static/upload/26/26e8ef87-1e69-42d3-9dea-e8be4ae5e150.pdf

更新时间：2024-06-18 06:16

方正证券-“聆听高频世界的声音”系列研究（三）-跟踪聪明钱：从分钟行情数据到选股因子

/wiki/static/upload/98/98b68b06-687a-48cb-98af-760360071119.pdf

更新时间：2024-06-18 06:15

核心观点

短期涨跌的预测相比长期更容易，但覆盖交易成本后再获利的难度更大。所以在高频交易场景，机器学习更适合有限状态下的订单执行。而对于长期的预测，机器学习的训练目标可以不是评估在给定状态下的每股总利润或买入行为的回报，而是监控在该状态下买入与在所有可能状态下买入的相对盈利能力。

Michael Kearns在2010年的关于讨论机器学习在高频交易应用的论文中，提出了很多机器学习应用与高频交易的限制，很多思考放到现在都值得我们去学习。机器学习在高频交易中主要有两个方向，一是订单的执行优化，二是高频涨跌方向的预测。这两者本质的区别是执行优化是在一个确定性的空间寻找最优解，即交易

更新时间：2024-06-12 05:53

无论你如何看待数据科学这门学科，都不能轻易忽视数据的重要性，以及我们分析、组织和理解数据的能力。Glassdoor 网站收集了大量的雇主和员工的反馈数据，发现在美国“25个最好的工作职位清单”中排名第一的是数据科学家。尽管排名摆在那里，但毫无疑问，数据科学家们研究的具体工作内容仍会不断增加。随着机器学习等技术变得越来越普遍，像深度学习这样的新兴领域获得了来自研究人员、工程师以及各大公司更多的关注，数据科学家会继续站在创新浪潮之巅并且推动技术的不断发展。

尽管拥有强大的编码能力非常重要，但数据科学也并非全部都是关于软件工程的（事实上，能够熟练掌握python已经足够很好的开展工作了）。数据科学

更新时间：2024-06-12 05:51

量化投资

导语

1989年发表的论文《The Fundamental Law of Active Management》及其随后的相关论文揭示了寻求主动投资的alpha收益的数量化关系，这为主动组合投资管理带来一套令人信服的分析框架，这个数量化关系很好揭示了数量化技术(量化投资)可以如何或者应该如何切入投资管理领域。

和被动组合管理(passive porfolio management)相比,主动组合管理(active porfolio management)更显投资水平的能力，或者说运气。被动投资力求完全复制相应的基准成分股及其权重，所以每当某指数做成分股的调整时，新入选的股票

更新时间：2024-06-12 02:56

AI量化策略，我该如何理解你？

人工智能（AI）技术得到了飞速发展，其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术，因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。

理解机器学习算法

机器学习算法太多，本文讨论只针对适用于金融数据预测的常用有监督型机器学习（Supervised Machine Learning）算法：StockRanker。假设我们要去预测某个连续变量$ Y$未来的取值,并找到了影响变量$ Y$取值的$K$ 个变量，这些变量也称为特征变量（Feature Variable）。机器学习即是要找到一个拟合函数$f(X_1,X_2,\ldots,X_K|

更新时间：2024-06-11 03:20