原主题：AI时代的量化投资（实际上是介绍市场基础内容）
仓库笔记标题：11.12 国信参访笔记-发布版
-
主讲人：国信证券 曾先生
-
笔记整理者： Jay Bridge 刘华杰 （南科大 普利智策）
风险提示：本文整理者没有金融相关执照，不保证内容完整清晰，不构成任何投资建议。笔记整理仅供参考/学习交流用。
[!notes] 本次涉及 AI 的部分着墨不多，主要是给大家一个对市场的 overview
市场挂单委托的旅途
stateDiagram-v2
接收行情/资讯 --> 发现交易机会，通过交易端发单
发现交易机会，通过交易端发单 --> 券商柜台接受委托
券商柜台接受委托 --> 验资/验券
验资/验券 --> 券商报盘机发送委托到交易所
券商报盘机发送委托到交易所 --> 委托进入交易所队列
委托进入交易所队列 --> 交易所撮合市场委托
交易所撮合市场委托 --> 交易所发送成交回报，券商分发交易结果
交易所发送成交回报，券商分发交易结果 --> 收盘清算
stateDiagram-v2
direction LR
情景 --> 数据：残缺，延迟
情景 --> 下单柜台延迟
情景 --> 撮合引擎
情景 --> 滑点控制
情景 --> 收盘清算
收盘清算 --> 交易所回退信息/资讯：wind，iFinD，券商app页面 交易端发单：PB（如恒生），功能：交易所风控（比如：行业持仓占比）
数据
基本数据
- level 1 五档盘口 3s推送
- level 2 逐笔数据（市场snapshot） 即量价数据，每笔推送
国信：GFinD
急速行情和大数据
数据解析
stateDiagram-v2
direction LR
服务器 --> FPGA卡:光纤
FPGA卡* --> 服务器B:光纤
FPGA硬件解码 --> FPGA卡*
FPGA卡 --> FPGA硬件解码
交易所 --> 券商接收:原始格式行情（交易所自有）
券商接收 --> FPGA硬件解码
券商接收 --> 普通软件解码
服务器A --> 网卡:光纤
网卡 --> 内存
网卡 --> 普通软件解码
内存 --> CPU缓存
CPU缓存 --> 内存*
内存* --> 服务器C:光纤传统的解码方式比较慢 通过 FPGA 硬解码，可以达到各类延迟最大限度地降低，到 3ns 尺度左右（交换机延迟）
服务
用户画像
stateDiagram-v2
direction LR
用户 --> 极速量化机构
极速量化机构 --> 超低延迟，系统定制<br>托管环境<br>尽调/限制
用户 --> 成熟量化机构
成熟量化机构 --> 国信云核策略托管平台<br>SDK套件开发运维<br>托管环境
用户 --> 普通量化投资者
普通量化投资者 --> 国信iQuant<br>策略编写，回测投研<br>互联网环境
用户 --> 特定机构客户<br>上市公司及大股东
特定机构客户<br+上市公司及大股东 --> 算法交易<br>TWAP,VWAP,DMA,Iceberg<br>减少冲击成本分布式柜台
资金和持仓，分沪市/深市两地，在对应柜台服务器进行订单处理
算法交易
交易成本：冲击成本，速度，规模，大机构的致命伤
pie title
"冲击成本" : 66
"价差成本" : 28
"佣金成本" : 6
市场环境：2020 年后涌现出许多算法公司，比较新
[!优势]
- 降低交易成本
- 分拆母单，拟合市场成交量分布，战胜市场均价
- 降低人力成本
- 高盛-自动化货币交易：4个交易员=1个计算机工程师
- 减少监管以及合规性风险
- 实盘回测经验设置参数
- 隐藏交易意图
- 避免引起市场异动，保护交易意图
- 机器理性
- 规避人性 贪婪-恐惧
量价数据+新闻面因子挖掘
效果对比
-
沪市人工交易 人工交易冲击成本 60个基点
-
美/英/日/港 平均冲击成本 10个基点
-
国内算法交易 5-15个基点 可降低50个基点左右，消除85%的冲击成本
-
举例：卡方Plus算法跟踪上证指数
商业模式和潜力
按成交额/节省成本等收费，前景广阔
量化策略
2010年前的量化：excel 中低频
策略分类
mindmap
root((量化策略))
指数增强
增强上涨，减少下跌
市场中性
去掉α, 只留β
量化选股
哪一类股票会涨
市场套利
ETF与现货价差
一二级市场价差
日内T0[!市场套利] ETF与现货价差（涨停板限制）以及流动性差（T0与T1）套利 期货期权 股指等套利策略
- 优势：回撤小，按周结算无回撤
- 缺点：容量小，crowding out，市场风格切换
AI辅助面
- 消息面（公告出来了进行分析+自动下单）
- 因子挖掘（可解释性）
- 量价形态（自动训练，识别）