近年來，演算法交易越來越受歡迎。事實上，據統計，量化對沖基金行業在2018年管理的資產超過1萬億美元，幾乎是10年前的兩倍。
在數字化和機器學習的時代，投資界對量化投資過程的方法越來越感興趣。越來越多的傳統投資管理公司聘用資料科學家和機器學習專家，希望採用嚴格的科學方法投資，從而提高收益率。
在本系列的文章中，我將帶領你瞭解鮮為人知的演算法交易行業內部的工作秘密。
起源
量化投資的理念絕不是最近才出現的，它們很可能源自哈里•馬科維茨（Harry Markowitz）的著作。在1952年發表於《金融雜誌》（Journal of Finance）的開創性論文《投資組合選擇》（Portfolio Selection）中，馬科維茨介紹了應用數學模型解決最優投資組合配置的思想。
自那以後，由於過去二十年技術爆炸性增長，出現了許多先進的演算法。隨著計算能力的提高，越來越多的數學家和電腦科學家開始從事科學投資，每天都在開發更復雜的模型。
要理解演算法交易，或許最好的起點是它要解決的問題本質：增加收益，降低風險。
雖然在隨後的文章中我們會詳細地討論這兩個概念，但有一點，問題的核心一直是最佳化，從數學的角度來看，演算法交易必須依賴於科學！
整個量化投資流程都服從於最佳化原則，仔細想想，是不是任何一家企業都是如此？
問題的關鍵是如何預測收益和風險？
這就是量化交易員和研究人員要做的：預測收益和風險。量化的方式因地制宜，但目的一致。
預測風險和收益
交易員和研究人員如何做出他們的預測？有很多方法，一種是統計分析金融資產的價格，一種是分析替代資料集。
替代資料集的一個著名例子是大型零售商停車場的衛星影象。如果停車場停放很多車，大量人群購物，公司的利潤將會更大！
上例屬於消費者行為類別，還有許多其他類別。替代資料行業在過去十年蓬勃發展，截至本文撰寫之時，已有近一半的對沖基金公司依靠此類資料進行投資。
替代資料行業增長的主要動力在於，它使基金經理對未來收益的預測優於市場共識。
基金經理還依賴其他一些優勢來提高利潤，優質資料只是其一。
面臨的挑戰
在實踐中，預測風險和收益是一項頗具挑戰的任務，因為獲取的資料量非常大，而且資料非常繁雜。
而且，如果一個人能夠以一定的準確性預測收益，根據自己的預測進行交易，但隨著時間的推移，他預測的準確性會降低。
的確，假設有人預測某隻股票會在某一事件發生時增值，那麼交易策略就是每次發生這種事件時買進這隻股票，等賺到錢後再把它賣回市場。
這種策略的後果之一是，透過購買股票，他會推高股票價格，從而要支付花費更多的資金回購股票——因此獲得的利潤比他理論上應得的要少。
如果這個人只買了小部分股票，那麼就不會推高股票的價格。用金融行話來說，他對市場沒有影響。因此，如果他要按照自己的預測進行交易，那麼他必須在低影響和儘可能多地買入股票獲利之間取得平衡。
讓我們繼續這個例子，並假設其他市場參與者也對該股票有良好的預測。這些其他的市場參與者最終也會購買股票，他們累積的市場影響最終會推高股票，從而減少交易者本能獲得的更高利潤。
這是量化交易的一個關鍵因素，策略在長時間內的收益往往是遞減的，因此交易者必須重新校準他們的策略，並應用新的策略。
向零賽跑
另一種優勢是更好的技術基礎設施。如果一家公司能夠比市場上的其他公司更快交易，那麼他們將比基於相同資訊進行交易的競爭對手獲得更好的收益。
這導致了高頻交易的發展，其特點是高處理和高執行速度、高週轉率（某項資產的頭寸變化快）和高訂單交易率（傳送到市場的訂單很少找到交易對手）。這種特殊型別的交易嚴重依賴高頻金融資料和電子交易工具。
隨著高頻交易的出現，意味永遠會出現更快的交易機器，首先透過程式碼最佳化，然後透過其他方法，從在GPU（圖形卡）而不是CPU上執行模型到可程式設計門陣列（FPGA，一種積體電路，可以由程式設計師配置）上執行。
金融機構（主要是量化對沖基金）尋求獲得速度優勢的另一種方法是，透過提高伺服器與不同交易場所之間的通訊速度。
一個著名的例子是連線芝加哥商品交易所和新澤西納斯達克的光纜，它於2010年落成，總成本為3億美元。這條電纜允許資訊在6.5毫秒內穿越800英里，相當於每秒12.5萬英里的速度。
為了適應那些希望更快交易的交易者，不同的交易場所建立了共同位置空間，不同的市場參與者可以將他們的交易伺服器放置在匹配引擎附近。
其他型別的演算法交易
還有許多其他型別的演算法交易策略，我們將在後續的文章中介紹。舉幾個例子：
· 造市：連續地令限價買單的價格低於現在最高的限價買單（最低出價），令限價賣單高於當前的最高限價賣單（最高問價），從出價與問價的差價中獲利（最高問價與最低出價之間的差價）。
· 統計套利：利用偏離正常的統計關係的價格套利。
· 事件套利：利用諸如併購、註冊審批和法院裁決等影響公司股價的事件套利。
· 套利：利用多個市場一些證券的價格差異套利。例如，如果一隻股票在某一交易所的價格是100美元，在另一交易所的價格是101美元。在第一個交易所買入股票，在第二個交易所賣出，在不承擔任何風險的情況下獲得1美元的利潤。
· 對價交易：指建立一個由兩種證券（買進一種證券，賣空另一種證券）組成的多空投資組合，這兩種證券是相似的替代品（例如同一行業的股票），投資者從它們相對價值的價格差異中獲利。
· 執行：在一定的價格上買入或賣出大量的某種證券。它的策略有將一個大訂單拆分成小訂單發到市場。比如VWAP（成交量加權平均價），VWAP演算法尋求一個執行價格等於某段時間內的量加權平均價格，TWAP代表時間加權平均價格。
結論
本篇文章介紹了演算法交易背後的主要思想，探討了其發展背後的主要動因、目標、挑戰，並簡要介紹了最受歡迎的交易形式。
