程序化交易的模型和應用

       程序化交易,是從上個世紀70 年代的美國證券市場上的系統化交易發展逐漸演變而來的,依據美國紐約證券交易所（NYSE）的定義,凡是任何含有標普500 指數中15 只股票以上,或者是一百萬美元以上的交易,都屬于程序化交易。

       NYSE的定義主強調的是交易規模和集中性。然而程序化交易發展到今天,其含義已經遠遠超出了紐約證券交易所當初的定義。現在給程序化交易一個更為市場化的定義:由一定的交易模型和規則生成的買賣信號,由計算機自動執行買賣指令的交易過程。也就是用計算機程序來控制買進賣出的時機并由計算機自動執行。在這個定義當中,突出的是交易模型、計算機程序對交易的重要性。建立在一定交易模型基礎上的程序化交易被運用到真正的投資當中,除了可以加快投資的時間效率,還能為我們創造出額外收益,這是我們所要研究程序化交易的關鍵。

       程序化交易有交易效率高、幫助投資者規避人性弱點、便于交易中風險及成本的控制及管理、能把握市場中的精細機會等優點。

       程序化交易的應用領域主要有趨勢交易、組合管理、套利交易及其他量化策略等。國內推出的股指期貨也對國內程序化交易領域形成推動,跨期套利、期現套利、期指趨勢投機等各種交易策略將會被集中使用。

       從交易機制上來說,程序化交易不但可以以技術分析類模型為基礎,也可以以預測類模型為交易準則。

       技術分析類模型是目前程序化交易中的主流模型,在國外這種模型已經運用得比較成熟了,在國內商品期貨等市場應用的也不較多。技術分析類模型出現的最大缺點就是具有滯后性,但準確性相對較高；預測類模型雖然克服了滯后性這個缺點,但準確率相對要低點。

       隨著市場上對預測類模型研究的深入以及對該類模型的改進,該類模型的預測準確性正在不斷提高,這也是該類模型在程序化交易中的運用前景看好的原因之一。越來越多的研究表明當前投資市場并不是完全有效的,投資者試圖通過對股價的預測獲取超額收益。國內外對股票價格進行預測的模型類別很多。根據其建模理論不同,可將這些預測模型劃分為兩大類:一類是創新類模型,建立在現代數學、生物技術等學科發展的基礎上,如灰色模型、人工神經網絡等；另一類是以統計原理為基礎的傳統預測模型,如馬爾柯夫鏈模型、ARIMA 模型等。