手動交易策略,一般是相對于程序化、自動化交易類型的策略而言,也泛指傳統(tǒng)交易的下單方式的交易策略。這樣的策略存在主觀意識流部份,也同時存在客觀統(tǒng)計算法部份。手動交易只是下單報盤的形式,手動下單報盤形式下的交易頻率,同時也存在高低之分,當然報單的頻率是相對的。
那么很重要的一點,提高交易的頻率,似乎是一條必經(jīng)之路,
但,事情可不是這么簡單的,提高交易頻率這個東西,沒有意外,又是一把雙刃劍。尤其是對于手動交易類型的策略來說,似乎提高交易頻率,有兩座大山橫在面前
一、第一座大山,提高交易頻率后的理論是否仍然成立?
很多的策略,只能是極低頻的交易策略,比如每月交易一次,比如股票的多因子選股策略,采用按月進行輪動調倉,這種類型的交易策略,交易報單采用,每月調進一批股票,調出一批股票,也就是每月一次交易。這樣的策略,在調整到每周調倉一次,甚至每天調倉一次的情況下,是否盈利邏輯仍然成立?
答案是未知的,或是否定的。
高頻改進的前期經(jīng)常會失敗,但不要灰心,雖然是否仍然成立未可知,但我們可以對期望進行降低,或者改變具體常量,或是另類做法,只需要耗費大量的時間進行歷史樣本測試,或是實盤測試的。理論上是能檢測出此次高頻改進是否成功。
二、第二座大山,人的生理機能極限如何突破?
有幸解決了理論仍然成立的問題之后,人的生理機能這個問題,是硬件問題,是真實物理世界的限制,妄想通過強化生理機能來越過這座大山,基本無解。但,人不是死腦筋單細胞動物這件事決定了,這事有轉機。
我們可以通過,團隊合作,招聘大量交易員來機械化執(zhí)行我的交易策略。這不就完美解決了這個難題了嗎?參考歷史上出名的海龜交易策略的,商品投機家理查德·丹尼斯想弄清楚偉大的交易員是天生造就的還是后天培養(yǎng)的。為此,在1983年他招募了13個人,來重復了上面我所描述的事情。
事實證明他成功了,這也是一般從業(yè)機構為何要雇傭大量交易人員執(zhí)行交易策略的原因。
當然手動交易策略的交易頻率高低始終是一個相對高低頻的概念。許多常年交易的老人對這些概念都混淆不清,我覺得有必要拿出來講一講。
國內有一些傳統(tǒng)高頻的概念,這種概念的出處是來源于一些著名的“高頻”交易團隊,相對“傳統(tǒng)低頻”普通交易者而言,一些機構資金,他們往往采用雇傭高頻交易員進行報單。他們涉獵的主要戰(zhàn)場一般集中在期貨市場,或其它T+0衍生品市場,而股票領域則以股票日內T0交易員為代表。
好的交易員一定是擁有無限自由開火權的,一般情況下,并不需要根據(jù)上峰指令進行報單。他們的交易策略一般采用祼K交易法,或純數(shù)量化算法交易,或盤感交易等等?,F(xiàn)在大家逐漸熟悉了解的網(wǎng)格交易策略,就是來源于這些高頻交易團隊。策略的研究參考對象一般都通過時間切片,采用大中小周期進行嵌套價格觀察,例如,對于股票T0日內交易員來說,除了價格關系之外,還有一些盤口數(shù)據(jù),或者TICK級別的報盤數(shù)據(jù)進行分析,以供自己進行靈活快速的決策。整個分析思考到實際決策執(zhí)行的時間很短,短到像是隨意而為之。
但你要知道:
高頻交易員,每天經(jīng)手的單量多到數(shù)以千百計,因為交易很頻繁,他們的策略往往盈虧比不高,但相對于普通較低周期的策略來說,勝率卻是相對較大的。
他們的業(yè)績回報曲線在某個歷史時間段的夏普是很高的(想像一條幾乎沒有波動的,斜率45度向上的曲線),這樣的交易員,數(shù)量奇少,他們不僅身經(jīng)百戰(zhàn),擁有強大的身體與心理素質。好的高頻交易員更像是一臺嚴格自律,同時又充滿無限可能,還具備極致的藝術氣息的機器人。
不管是期貨還是股票市場,他們的目標都是統(tǒng)一的,通過短期內的報單差價進行盈利,不產(chǎn)生隔夜倉,能成多少有效價產(chǎn)左配對才是他們策略持續(xù)盈利的關鍵。對于一些股票日內T0交易策略來說,交易完畢后還要保持底倉數(shù)量與交易之前相等。
這就是傳統(tǒng)高頻交易員的魅力,對于我們普通交易人來說,他們更像是某種命運的掌控者。
那么這些交易員,他們的交易策略可以被程序代為執(zhí)行,以自動化交易的方式實現(xiàn)嗎?
答案是可以!
只要這些高頻交易員的策略,具備具象化的交易邏輯表達,數(shù)量化的參數(shù)設定,以及可重復執(zhí)行的歷史依據(jù)(未來大概率獲勝的歷史研究依據(jù))。
那么,你完全可以利用程序來進行這種交易的策略的替代執(zhí)行,而且,效果完全不輸給當年的海龜團隊。你要記得海龜團隊,是有據(jù)可查的:利用海龜交易的法的他們,在隨后的四年中,他們取得了年均復利80%的收益。
當然還有一些程序化高頻交易的概念,也就是大名鼎鼎的HFT,這里涉及更加衍生的量化交易的知識體系了,以后有機會單獨開個專題再來講。