高频交易和量化交易有何不同

1. 高频交易和量化交易有何不同

量化投资公司和高频交易公司一般说来，既有区别又有联系。在美国，人们常说的量化投资公司一般都是对冲基金，包括DE Shaw、Two Sigma、RenTec、BlueCrest、Citadel、AQR、WorldQuant、Winton等；而常说的高频交易公司一般都是自营交易公司，这些公司主要有Tower Research、Hudson River Trading、Getco、Jane Street、Virtu Financial、SIG、Jump Trading、RGM Advisor、Chopper Trading等。除此之外，既有量化投资业务，又有高频交易业务的公司有Two Sigma、Citadel等；还有许多公司向着更综合的方向发展，DE Shaw等公司，既有量化投资，又有非量化投资。
  对于量化投资来说，除了行情信息，整理收集其他基本面的信息也相当重要，预测模型中要融入整理出的对应的时间序列。成功的模型是什么？重点在于它整合了多少不同来源的信息，而不是运用了多高深的数学理论。以简单的线性回归为例，想要模型的预测效果好，需要各个参数都有很强的预测能力，同时相关性很低；反之，如果选取的参数毫无意义，就算运用在复杂的深度学习理论，得出的模型也没有用。美国的一些公司，除了利用新闻等文本信息建模外，谷歌卫星拍摄到的港口集装箱的图像也会用来建模，商品价格走势如何，通过对商品集装箱的数目来预测，取得了很好的预测效果。

       求解模型其实与建模同样重要。比如说物理学上有很多能精确描述现实的模型，可还是难以求解，因为缺乏高效的科学计算方法，量化交易也一样的。伴随着巨大计算量的参数的计算、筛选、优化、回测等，怎样精妙求解是一门颇为高深的学问。著名的文艺复兴公司内部有着明确的分工——物理学家分析数据建立模型，数学家构建优化算法并求解模型等，计算机程序员从各个来源收集数据，西蒙斯这样透露。

2. 高频交易和量化交易有何不同

量化投资公司跟高频交易公司则有很大的不同。首先，美国的量化投资公司基本上都是量化背景极强的人创办的，比如说文艺复兴的创始人西蒙斯是数学家出身，DE Shaw的创始人David Shaw是计算机教授出身，AQR的创始人Cliff Asness是金融学家出身，而高频交易公司则更多是传统交易员创办的；其次，量化投资一般依赖于复杂的模型，而高频交易一般依赖于运行高效的代码。
量化投资公司的持仓时间往往达到1—2个星期，要预测这么长时间的价格趋势需要处理的信息自然非常庞大，模型也因此更为复杂，对程序的运行速度反而没那么敏感；高频交易处理信息的时间极短（微秒或毫秒级），不可能分析很多的信息，因此模型也趋于简单，竞争优势更多依靠代码运行的效率，很多人甚至直接在硬件上写程序；而最后，量化投资的资金容量可达几百亿美元，而高频交易公司往往只有几千万至几亿美元，但由于高频交易的策略表现远比量化投资稳定，如Virtu Financial交易1238天只亏1天，因此一般都是自营交易，而量化投资基金一般来说都是帮客户投资。

3. 高频交易和量化交易相比，有什么区别？

字面意思很简单，就是对应人工交易，用计算机程序辅助、决策、执行交易。《证券期货市场程序化交易管理办法》定义的程序化交易，是指通过既定程序或特定软件自动生成或执行交易指令的交易行为。

程序化交易中的具体交易机会、头寸、止损和盈利标准可以写入交易程序或独立于程序。编程只是交易执行的一种方式。
一般来说，使用程序交易有一些众所周知的优势，例如更快的交易速度，不受人类情绪的影响，以及更好地执行保证。
同时要注意交易程序和交易系统的区别。交易系统是一个完整的系统，具体的执行程序可能只是其中的一部分。一个好的交易系统还应该包括风险控制、资金运用、仓位管理等方面，而不仅仅是交易信号的产生。

我们在数据和历史统计的基础上，通过概率、微积分等数学工具研究市场上各种资产价格的结构性因素，从而做出一些交易决策。量化交易不一定需要使用计算机来执行交易。然而，基于交易因素数量变化的交易可以称为数量交易。一般的量化投资涉及复杂的数学模型，对投资者的数学能力要求很高，但并不意味着量化投资一定会赚钱，而是要看模型是否有效。
不得不提一下这两年非常流行的“人工智能”和“机器学习”。它们太容易与量化交易同时被提及。但具体来说，它们相互包容，但又各不相同。量化交易是寻找有一定逻辑基础的相对规律。这些规律并不是一成不变的，机器学习中“学习”的概念是，如果一个系统可以通过执行某个过程来提高其性能，那么它就是“学习”。因此，机器只能“执行过程”。这个过程必须是决定性的。但这并不能完全概括量化与人工智能的关系。因为机器学习只是人工智能的一种方式。
从交易模型来看，“模型先生”西蒙斯的复兴科技基金可以说是量化投资或者人工智能，但传统的量化模型也可以看作是人工智能模型，但并不是现代意义上的“强人工智能模型”。有人预测，未来五到十年，人工智能可能是科技产业发展的主要方向。

当通过人工智能的方法和手段可以更准确地做出交易判断时，现在有些交易系统已经提前48小时达到预测股市涨跌的方向，准确率高达75%。只是对一些“假突破”临界点的判断有待进一步提高，而当其对交易结果产生积极影响时，更多的人会选择使用人工智能进行交易。未来人工智能交易系统的策略可能会根据高频、中频、低频、短线、中线、长线、市场情绪分析和大势变化进行分类组合。人工智能与量化策略的融合，最终成为一个巨大的、深度细分的领域。

4. 什么叫高频量化交易？

Gate.io区块链入门第十七期，带你了解什么是量化交易。

5. 什么是“量化高频交易”，相对其他交易有什么优点？

高频世界里，有一条永恒的建模准则值得铭记：先看数据再建模。如果你看了上面的介绍就开始天马行空的思考数学模型，那基本上是死路一条。我见过很多年轻人，特别有热情，一上来就开始做数学定义，然后推导偏微分方程，数学公式写满一摞纸，最后一接触数据才发现模型根本行不通，这是非常遗憾的。

而看了数据的人会怎么样呢？他很可能会发现，对于冰山订单的处理，交易所的规则是非常值得寻味的。有的交易所是这样做的：一个冰山订单包含两个参数，V表示订单总量，p表示公开显示的量。比如V=100，p=10的冰山单，实际上隐藏的量是90。如果有针对这个订单的交易发生，比如交易量10，交易所会顺序发出三条信息：

成交10
Order Book的Top bid size -10
新Bid +10
这三条信息一定会连续出现，并且第三条和第一条的时差dt很小。这样做的原因是尽管冰山订单存在隐藏量，但是每次的交易只能对显示出的量（p）发生，p被消耗掉以后，才会从剩余的隐藏量中翻新出一分新的p量。这样，每个人从交易所收到的信息仍然可以在逻辑上正确的更新Order Book，就好像冰山订单并不存在一样。

6. 高频量化交易是什么意思？

高频量化交易，起源于程序化交易和做市商机制，是指利用人们无法利用的极其短期的市场变化来谋取利益的计算机化交易。
通过超高速超级计算机算法，分析高频交易数据中的价格变化模式，实现高速、高频申报的交易模式，并利用这些价格变化模式获利。高频交易还具有隔夜仓位低、报撤单频率高、开仓平仓频率高、换手率高的特点。
高频交易是指通过预设的计算机算法实现的一种高速、高频的交易模式，具有隔夜仓位低、报撤频率高、换手率高的特点。
量化交易是用先进的数学模型代替人工主观判断，利用计算机技术从庞大的历史数据中选择各种“高概率”事件来制定策略。这样可以避免在市场极度狂热或悲观时做出非理性的投资决策。

扩展资料：
高频量化交易的危害性
首先，高频交易行为，将会扰乱市场正常的交易秩序，损害其他投资者的利益，也有违市场的公平原则。中小投资者受制于资金、交易通道等多方面的限制，根本不可能实施高频交易。与之相比，机构在这方面不存在短板，机构实施高频量化交易，这对中小投资者而言也难言公平。
其次，高频量化交易的本质是超短线投机，不仅与监管部门倡导的价值投资、理性投资、长期投资的理念不符，而且容易引发市场波动，放大市场的投资风险。高频量化交易的背后，与“薅市场羊毛”并没有什么区别。此外，一旦高频量化交易出现交易规模过大，交易方向趋同的现象，无疑会产生严重的负面影响。

7. 什么是量化交易

一、什么是量化交易量化交易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预期年化预期收益的多种“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、量化交易的优点1、投资业绩稳定。因为量化交易业绩所依靠的通常是由很多次的大概率事件产生的利润积累起来的，达到它的要求才能够进场。经过多个步骤，层层把关，从而极大地提高成功率。尽管它并不能保证你每一次都能够赚钱，但它能够它靠概率取胜。这主要表现在两个方面：量化交易从历史数据中不断地挖掘有望在未来重复的规律并进行利用。依靠一组股票来获胜，而不是一个或者几个股票获胜。从投资组合理念来看就是捕捉大概率获胜的股票，而不是押到单个股票上。2、能够理性投资。在容易失去理性的情况之下帮助你保持理性，因而在市场反应过度、丧失理性的时候能够及时把握住时机。3、信息的处理能力强。个人交易证券市场，对市场各种信息必然会感到十分茫然，而量化交易对信息的处理能力更强。当我们而对证券市场时，感觉它就如同大海似的，在茫茫的大海之中，要想持续地获取回报，就需要一个指引。而这个指引就是我们的交易模型，就像是茫茫证券市场航行时的罗盘。

8. 什么是量化交易？

量化交易，也有自动化交易，程序化交易，EA， 高频交易，算法交易等等，大致意思差不多，不同的领域可以叫法不一样，譬如外汇市场大多叫EA。主要是把自己的交易系统通过计算机语言（Python ，matlab等等，很多）程序编写实现出来，把这个程序和数据信息（量价信息，基本面，金融政策信息等等）接口接上，通过在计算机或服务器（现在大部分都是租一个云服务器）上运行，实时执行各种分析，选股，择时，买，卖，加仓，减仓，止损止盈等等。这样可以省去一些人力成本（人力分析慢，3000只股票得需要很对人天天），省去不必要的盯盘时间，一定程度规避情绪心理因素影响。一个完整的量化交易包括很多东西：

1、资金管理或投资组合管理；
2，选股，基于数据面的技术分析（均线，macd等等，太多了），基于基本面的分析（市盈率，财务报表等），基于经济面的分析（财政及货币政策，经济周期，行业周期轮动等），基于情绪面的分析；
3，择时也即建仓的时机，止损止盈，加仓减仓平仓等；
4，交易记录总结改进。当然还有别的很多内容。也有办自动化的，譬如只采用分析做选股。这个东西老美搞了30多年了，国内搞了十几年。可以了解一下大神西蒙斯和文艺复兴基金。国内这几年也出现很多平台，还不是特别成熟，入聚宽，掘金量化等等，也有几十个，可以关注一下。
数量金融也与金融工程领域重叠。后者侧重于应用和建模，通常借助于随机资产模型，而前者除了分析外，还侧重于构建模型的实施工具。总的来说，有两个独立的金融分支需要先进的定量技术：一方面是衍生品定价，另一方面是风险和投资组合管理。
如果应用于股票市场的话，一般包括量化选股和量化择时两点。
选股模型主要包括：多因子模型、风格轮动模型、行业轮动模型、资金流模型、动量反转模型、一致预期模型、趋势跟踪模型和筹码选股模型。
择时包括：趋势择时、市场情绪择时、时变夏普率模型、牛熊线模型、Hurst指数模型、SVM模型、SWARCH模型和异常指标择时等等。
量化投资的优点在于纪律性、系统性、及时性、准确性和分散化。