机器交易：利用算法赢得市场先机

本书详细阐述了与机器交易相关的基本解决方案，主要包括算法交易基础、因子模型、时间序列分析、人工智能技术、期权策略、日内交易与市场微观结构、比特币、算法交易有益身心健康等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。

本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学教材和参考手册。

序 言

想学好一些东西的最好方法，就是把它传授给其他人（Bargh & Schul，1980．见参考文献）。因此我承认，我写这本书（第三本，并且是一个系列中目前为止最高级的）的一个主要动机，是迫使自己更深入地研究如下题目。

? 最新的回测与交易平台，以及最佳的与最节省成本的数据供应商（第1章）。

? 如何挑选算法执行的最佳经纪人，以及应该采用哪些预防措施（第1章）。

? 对于不同的资产与策略，优化配置的最简单方法（第1章）。

? 因子模型，包括那些从期权市场衍生出来的因子模型，以及为什么它们对短线交易者有用（第2章）。

? 时间序列技术：ARIMA、VAR与状态空间模型（带隐变量的），以及在实际交易中的应用（第3章）。

? 人工智能/机器学习技术：特别是抑制过拟合的方法（第4章）。

? 期权与波动交易策略，包括涉及期权投资组合的策略（第5章）。

? 日内和高频交易：市场微观结构、订单类型与路由优化、暗池、逆向选择、订单流以及如何回测带有滴答数据的日内策略（第6章）。

? 比特币：将已掌握的一些技术用于这种新的资产类（第7章）。

? 如何掌握最新的知识（第8章）。

? 从一名自营交易员（a proprietary trader）转变为一名投资顾问（an investment advisor）（第8章）。

我不知道这些话题是否能让读者感兴趣，或为读者带来盈利，但是通过对它们的研究，我自己的金钱管理技能确实已经提升。另外，分享知识与想法是一件有趣的事情，并且最终对创造力和利润有帮助。

读者会发现，大部分材料对于那些在定量领域有一些经验的人都是易读的，无论是计算机科学、工程学还是物理学。并不要求读者在交易与金融方面有太多的先验知识（第5章除外，在那里我们需要假设具有一些基础了解）。但是，如果读者对交易一无所知，读者会在《量化交易》（Chan，2009）与《算法交易》（Chan，2013）中找到许多更基本的介绍，则更容易理解。这本书应看作前两本书的一个延续，它包含了之前未曾讨论的话题，但它也可以单独地阅读。

尽管许多原型交易策略已作为例子包含其中，但建议读者不要把它们当作收缩薄膜包装好的产品（shrink-wrapped products）而直接部署到真实现场交易（live trading）中。与我前面两本书中强调的一样，没有人应该拿别人现成的策略来交易，应经过全面且独立的回测，排除会带来偏差和数据错误的所有可能源头，以及为提升表现而增加不同的变化。我所描述的策略大多数包含这种或者那种方式的隐含偏差，等待读者去发掘并消除。

在所有交易的研究过程中，我总使用MATLAB。我发现它对用户特别友好，提供不断改进的或者新的特色功能，以及那些可供吸收利用的数量不断增加的专用工具包。例如，如果没有统计与机器学习（Machine Learning，ML）工具包，那么可能需要花费更长的时间来探索如何用AI/ML技术做交易（在参考文献Murphy 2015中可以看到，为什么谷歌科学家及机器学习专家Kevin Murphy在AI/ML研究中更喜欢用MATLAB，而不是R）。在过去，读者已经对MATLAB授权的高价问题有所抱怨。但是今天，对于“家庭”授权仅需150美元，每个附加的工具包也只需45美元。认真的交易者不应因为这笔小的成本而在生产力方面做出妥协让步。我也能熟练使用R，它与MATLAB是近亲的关系。但坦率地讲，按照性能表现与用户友好性，R无法与MATLAB相匹敌。这些语言的详细对比可在第1章和第6章找到。如果读者之前对MATLAB完全陌生，很容易从mathworks.com申请到一个月的试用授权，并使用许多免费在线教程来学习这门语言。相对于R或者其他开源语言，MATLAB的一大优点就是有出色的客户支持：如果读者有问题，只需发邮件或打电话给Mathworks的员工（经常会有博士头衔的人来回答读者的问题）。

在伦敦每半年一次的研讨会上，以及网上在线（www.epchan.com）活动中，我对散户交易员与机构交易员（both retail and institutional traders）讲授了这些话题的多数内容。为方便教师采用这本书作为算法交易专业课程的教材，本书大多数章节的末尾包含了许多练习。这些练习中有一些应当看作是自由回答项目的提议，并没有现成的答案。

读者会在网址epchan.com/book3上找到所有的软件，以及例子中用到的一些数据。用户名与密码嵌入在专栏1.1中。但与以前的书不同的是，范例策略用到的一些数据具有严格的授权限制，因此不能从我的网址免费下载。请读者从它们的原始出处购买或租赁这些数据，这些在第1章里有完整介绍。

在材料汇总的过程中，我从许多人那里获得了秘诀、想法和帮助，受益匪浅。一份不完整列表包括如下。

? Stephen Aikin，一位著名作家兼教育家，帮助我看懂了期货市场中由日历价差引起的隐含报价（第6章）。

? Lime Brokerage公司的David Don与Joseph Signorelli，纠正了我对市场微观结构的一些误解（第6章）。

? 对比特币具有无限知识的Jonathan Shore，帮助我编译了那个市场中的一些订单流并与我分享（第7章）。

? 我们QTS资本管理公司的CTO，Roger Hunter博士，检查了我的手稿，并且从不遗漏我代码中的bug。

? 非常感激Interactive Brokers公司的团队（特别是Joanne、Ragini、Mike、Greg、Ian以及Ralph），关于我对交易有关的所有疑问，他们都无比耐心地给予解答。

我要感谢西北大学（Northwestern University）的教授Thomas Miller，他请我在预测分析方向的科学硕士培养计划中讲授风险分析课程。同样地，我还要感谢环球市场训练公司（Global Markets Training，是英国公司Global Markets Media Ltd的一部分）的Matthew Clements与Jim Biss，多年来他们为我组织了伦敦研讨会。这本书有不少有价值的知识点，来自于这些课程与研讨会的材料或讨论。

对我而言，交易与研究已经变得更有趣和更令人愉快，因为我能够与我所在的QTS小组近距离地工作，他们对研究、策略的想法和常规知识均有贡献，有一些内容就包含在这本书中。在他们当中，当然要提到Roger，没有他就没有QTS，另外还有Yang、Marcin、Sam、排在最后但同样重要的Ray。

当然，如果没有Wiley的支持，我的这些书都不可能问世，特别是我长期合作的编辑Bill Falloon、开发编辑Julie Kerr、出版编辑Caroline Maria以及文字编辑Cheryl Ferguson（对于for循环漏掉的end，无一能逃过她的眼睛）。与他们一起工作真是一件令人高兴的事，他们的热情和专业尤其让我感激。

目 录

第1章 算法交易基础 1

1.1 历史市场数据（Historical Market Data） 2

1.2 现场市场数据（Live Market Data） 4

1.3 回测与交易平台（Backtesting and Trading Platforms） 5

1.4 经纪商（Brokers） 8

1.5 表现度量（Performance Metrics） 10

1.6 投资组合优化（Portfolio Optimization） 11

专栏1.1：净收益与对数收益的均值 13

专栏1.2：采用二次规划来计算效率限界 14

专栏1.3：使一个投资组合的夏普比率最大化 17

1.7 小结 19

1.8 练习 19

1.9 尾注 20

第2章 因子模型 23

2.1 时间序列因子（Time-series Factors） 24

例2.1：使用Fama-French因子来预测第二天收益 26

2.2 横截面因子（Cross-sectional Factors） 27

例2.2：拟合一个横截面因子模型，预测下一季度的收益 28

2.3 双因子模型 31

例2.3：拟合ROE和BM因子模型，来预测下个月的收益 33

2.4 使用期权价格来预测股票收益 34

2.4.1 隐含矩（Implied Moments） 34

例2.4：做多（或做空）有较高（或较低）隐含矩的股票 36

2.4.2 隐含波动率的每月变化量 37

2.4.3 看涨看跌隐含波动率 38

2.4.4 价外看跌期权减去平价看涨期权的隐含波动率 38

2.4.5 隐含市场波动性的每日变化量 39

2.5 空头净额（Short Interest） 39

2.6 流动性（Liquidity） 40

2.7 统计因子（Statistical Factors） 41

例2.5：使用PCA找到有预测性的统计因子 43

2.8 把所有因子汇集到一起 44

2.9 小结 46

2.10 练习 46

2.11 尾注 48

第3章 时间序列分析 49

3.1 AR(p) 49

3.2 ARMA(p, q) 52

3.3 VAR(p) 56

3.4 状态空间模型（State Space Models，SSM） 59

3.5 小结 67

3.6 练习 67

3.7 尾注 68

第4章 人工智能技术 69

4.1 逐步回归（Stepwise Regression） 71

4.2 回归树（Regression Tree） 73

4.3 交叉验证（Cross Validation） 76

4.4 装袋算法（Bagging） 77

4.5 随机子空间和随机森林（Random Subspace and Random Forest） 79

4.6 提升算法（Boosting） 80

4.7 分类树（Classification Tree） 82

4.8 支撑向量机（Support Vector Machine） 83

4.9 隐马尔科夫模型（Hidden Markov Model） 85

4.10 神经网络（Neural Network） 87

4.11 数据集成与标准化（Data Aggregation and Normalization） 91

4.12 在股票选择中的应用（Application to Stocks Selection） 93

4.13 小结 96

4.14 练习 97

4.15 尾注 98

第5章 期权策略 99

5.1 交易不含期权的波动率（Trading Volatility without Options） 100

例5.1：比较SPY和VX的杠杆复合收益 101

5.2 预测波动率（Predicting Volatility） 105

例5.2：预测SPY的波动率 106

5.3 事件驱动策略（Event-Driven Strategies） 111

例5.3：做空原油期货的期权跨式组合（Shorting Crude Oil Futures

Options Straddles） 112

5.4 Gamma牟利（Gamma Scalping） 114

例5.4：通过跨式组合在原油期货上做Gamma牟利 116

5.5 离差交易（Dispersion Trading） 118

例5.5：SPX成分跨式组合对指数跨式组合的离差交易 120

5.6 隐含波动率的横截面均值回复（Cross-Sectional Mean Reversion of Implied

Volatility） 127

5.7 小结 129

5.8 练习 130

5.9 尾注 131

第6章 日内交易与市场微观结构 133

6.1 降低延迟（Latency Reduction） 134

6.2 订单类型和路由优化 136

6.2.1 增加流动性（Adding Liquidity） 136

专栏6.1：为什么BATS的BZX交易对流动性增加者收费？ 140

6.2.2 使用流动性（Taking Liquidity） 140

例6.1：ISO订单如何在一个订单簿上游走 141

6.2.3 路由到暗池（Routing to Dark Pools） 143

6.3 减少逆向选择（Adverse Selection Reduction） 145

6.4 日内策略回测（Backtesting Intraday Strategies） 148

例6.2：使用ITCH消息来构造BBO 149

专栏6.2：当心低频数据（Beware of Low Frequency Data） 152

专栏6.3：跨期报价数据（Calendar spread quotes data） 153

6.5 订单流（Order Flow） 155

专栏6.4：使用总量分类（BVC）来确定订单流 156

例6.3：订单流策略 157

6.6 订单簿的不平衡性（Order Book Imbalance） 163

6.7 小结 164

6.8 练习 164

6.9 尾注 166

第7章 比特币 169

7.1 比特币真相（Bitcoin Facts） 169

7.2 时间序列技巧 170

7.3 均值回复策略（Mean Reversion Strategy） 172

7.4 人工智能技术（Artificial Intelligence Techniques） 173

7.5 订单流（Order Flow） 174

例7.1：一个订单流策略 175

7.6 跨交易所套利（Cross-Exchange Arbitrage） 177

7.7 小结 178

7.8 练习 178

7.9 尾注 179

第8章 算法交易有益身心健康 181

8.1 算法交易员的身心健康（Mind and Health） 181

8.2 交易作为一种服务（Trading as a Service） 183

8.3 可行性 184

8.4 知晓最新动向（Keeping Up with the Latest Trends） 186

8.5 代人理财（Managing Other People’s Money） 186

8.6 小结 189

8.7 尾注 190

参考文献 191