丽海弘金副总经理张红庆日前在由智能投研技术联盟(ITL)主办的首届“1024国际智能投研开发者大会”上指出:目前,在日内交易领域的秒到几十秒的时间架构内,人类比机器仍有优势,手工交易员的收益高于机器量化交易。他认为,和AlphaGo围棋比赛的封闭系统规则不同,金融市场是一个开放系统,人类更善于处理相关市场和突发事件的影响,而这两个因素是交易员的核心盈利来源。然而如果到了超高频,如毫秒级的交易范畴里,就不再是人类擅长的了。
张红庆
丽海弘金副总经理
在国内其实做高频交易就是两个维度:一个维度是属于建仓的维度,或者叫调仓的维度;第二个维度是日内交易的维度。因为中国的A股它不是一个T+0市场,它是一个T+1的市场。你在中国的A股市场如果要做高频交易的话,其实只有一个办法,就是先把底仓建好,然后建完底仓之后,你再去做日内交易,这是国内在证券市场的做法。但是在期权和期货是不需要这个规则的,那是一个真正的T+0的市场。
我发现我们用人、用机器、用模型去仿生,去达到人的胜率,我们都做不到,所以这个地方我也觉得真的是有多少“人工”就有多少“智能”。我也去仔细地分析过,为什么在秒到几十秒的这样一个时间架构,人类还有优势?我是这么理解的,我觉得分为两个环节,第一个是model(模型),第二个是trading(交易)。那么从trading(交易)这个环节上,我觉得人类肯定是打不过机器的,这是毫无疑问的。但是在model(模型)这个环节,我们发现其实我们的各种model(模型)比人类的model(模型)还是要差很多。
大家都知道阿尔法Go打败李世石,对吧?那么就感觉人类好像没有希望了,但实际上不是这样的!因为围棋它是一个封闭式的环境,它没有噪声的输入,并且它的规则是绝对的规则,这个时候你是可以靠算力去打败人类的,这个事情我觉得已经被验证了。但是金融市场它是一个开放的市场,那么以我自己做交易的经验,我觉得一笔订单它能做对,其实是三个方面的因素在影响。第一个就是你的backtest(历史回测),就是说你能去发现一些显性的统计特征,然后希望这个特征去复现,对吧?这是一个。其实一笔交易能不能做对的另外两个影响因素,一个就是突发事件的影响,还有一个是相关市场的影响。
那么在这两个因素里头,其实机器都是比较弱的,特别是突发事件。我们做量化交易的时候,总是把这些相关市场的影响,包括突发事件的影响归为我盈利的负面因素。但实际上对手工交易员来说,这是正面因素,就是说相关市场的影响和突发事件的影响,是手工交易员的核心盈利来源,也就是说机器的减分项是人工的加分项。当然了,如果到超高频,比方说到毫秒级,这个就不是人类擅长的事情了,因为你按键盘是来不及的。
(以上为张红庆在由智能投研技术联盟(ITL)主办的首届“1024国际智能投研开发者大会”的发言节选)
制片编导:
吴磊 许姗姗 周宝平
项目制作人:
傅娆
坚持“内外资一致的原则”,对北向程序化交易监管作出安排;对高频交易提出了更严格的差异化监管要求
明确高频交易差异化管理要求,包括要求高频交易额外报告服务器所在地、系统测试报告、故障应急方案等信息,交易所可适当提高高频交易收费标准,从严管理高频交易投资者的异常交易行为等。
下一步,深交所将进一步扩大量化交易合规培训的范围对象,规范量化交易行为,维护市场正常交易秩序,保护投资者合法权益。
对于量化交易者来说,结果表明,即使放大错误定价的反馈交易可能在短期内赚取一些利润,但从长远来看却会亏损。