高频交易和量化交易有何不同

如题所述

高频交易和量化交易有3点不同:

一、两者的概述不同:

1、高频交易的概述:指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易。

2、量化交易的概述:指以先进的数学模型替代人为的主观判断,利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略。

二、两者的作用不同:

1、高频交易的作用:这种交易的速度如此之快,以至于有些交易机构将自己的“服务器群组”安置到了离交易所的计算机很近的地方,以缩短交易指令通过光缆以光速旅行的距离。

2、量化交易的作用:极大地减少了投资者情绪波动的影响,避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

三、两者的特点不同:

1、高频交易的特点:

(1)高频交易都是由计算机自动完成的程序化交易;

(2)高频交易的交易量巨大;

(3)高频交易的持仓时间很短,日内交易次数很多;

(4)高频交易每笔收益率很低,但是总体收益稳定。

2、量化交易的特点:

(1)纪律性。根据模型的运行结果进行决策,而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点,也可以克服认知偏差,且可跟踪。

(2)系统性。具体表现为“三多”。一是多层次,包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型;二是多角度,定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度;三是多数据,即对海量数据的处理。

(3)套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会,从而发现估值洼地,并通过买入低估资产、卖出高估资产而获利。

(4)概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用;二是依靠组合资产取胜,而不是单个资产取胜。

参考资料来源:百度百科-高频交易(交易策略及技术)

参考资料来源:百度百科-量化交易(投资方法)

温馨提示:答案为网友推荐,仅供参考
第1个回答  2019-07-09

1、含义上的区别

高频交易是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易。

量化交易是指以先进的数学模型替代人为的主观判断,利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,极大地减少了投资者情绪波动的影响,避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

2、特性上的区别

高频交易的特性是都是由计算机自动完成的程序化交易;高频交易的交易量巨大;高频交易的持仓时间很短,日内交易次数很多;高频交易每笔收益率很低,但是总体收益稳定。

量化交易的特性有纪律性。根据模型的运行结果进行决策;系统性。具体表现为多层次、多角度、多数据;套利思想。定量投资通过全面、系统性的扫描捕捉估值洼地,并通过买入低估资产、卖出高估资产而获利;概率取胜。定量投资不断从历史数据中挖掘有望重复的规律并加以利用。

3、交易策略上的区别

高频交易的交易策略有低延时交易。低延时交易是高度超低延迟网络的依赖性。他们的算法利润提供信息,如竞争性招标,并提供到他们比竞争对手更快微秒。

量化交易的交易策略包括统计套利、算法交易。统计套利是利用资产价格的历史统计规律进行的套利,是一种风险套利,其风险在于这种历史统计规律在未来一段时间内是否继续存在。算法交易是指通过设计算法,利用计算机程序发出交易指令的方法。

参考资料来源:

参考资料来源:

本回答被网友采纳
第2个回答  2017-09-27
量化交易是指投资者利用计算机技术、金融工程建模等手段将自己的金融操作方式,用很明确的方式去定义和描述,用以协助投资者进行投资决策,并且严格的按照所设定的规则去执行交易策略(买、卖)的交易方式。按照数学模型的理念和对计算机技术的利用方式,量化交易方式可以进一步细分为自动化交易(Automatic Trading)、数量化投资(Quantitative Investment)、程序化交易(Program Trading)、算法交易(Algorithm Trading)、以及高频交易(High Frequency Trading)。这五种量化交易方式侧重点各有不同,是量化交易技术发展到不同程度的产物。但是在实际应用中,五种量化交易方式的名词经常被交叉使用。 自动化交易,是指将技术分析投资方式固化成计算机可以理解的模型、技术指标,计算机程序根据市场变化自动生成投资决策并付诸执行的交易方式。简而言之,自动化交易是技术分析投资方式的自动化。自动化交易可以避免投资人的心理变化和情绪波动,严格执行既定策略,是最基本的量化交易方式,在外汇交易和期货交易领域应用很广。
数量化投资,是指利用计算机分析宏观经济、行业、以及公司的基本面数据,选择投资组合的资产配置,并通过数学模型预测组合未来变化的数量化交易方式。简而言之,数量化投资是基本面分析投资的自动化。数量化投资可以帮助投资人在越来越多的信息中选择实质性关键信息,并转化成投资决策,在股票投资领域应用广泛。
算法交易,是指把一个指定交易量的买入或者卖出指令输入到计算机模型,由计算机模型根据特定目标自动产生执行指令的时机和方式。订单执行的目标基于价格、时间或者某个基准。为降低冲击成本,避免惊动市场,算法交易采用一些计算机模型,将一个大额交易拆分成若干个小额交易,以此来减少对市场价格造成冲击。算法交易有时被称为“黑箱交易”。算法交易的概念是交易执行精细化发展的结果,算法交易侧重于投资策略的执行,而自动化交易和数量化投资的概念着重于投资决策。因此算法交易可以与自动化交易和数量化投资配合使用。
程序化交易,是从美国七十年代的证券市场上的系统化交易发展演变而来的,是伴随着股指期货与现货市场套利交易而兴起的数量化交易方式。纽约证券交易所(NYSE)把程序化交易定义为:Program trading encompasses a wide range of portfolio-trading strategies involving the purchase or sale of a basket of at least 15 stocks with a total value of $1 million or more.即任何含有标普500指数15只股票以上,其价值100万美元以上的交易,属于程序化交易。纽约证券交易所的定义主要突出的是交易规模和集中性。程序化交易发展到今天,其含义已经远远超过了纽约证券交易所当初的定义。国泰君安证券对程序化交易给出了一个更为市场化的定义:根据一定的交易规模和规则生成买卖信号,由计算机自动执行买卖指令的交易过程。简单的说,就是利用计算机程序来控制买进卖出的事迹并自动执行。在这个定义中,突出的是交易模型、计算机程序对交易的重要性。随着量化技术的深入发展,程序化交易和算法交易的界限逐渐模糊,有些市场使用高频交易描述流行的量化交易方式。
高频交易,源于程序化交易和做市商机制,是指透过极高速的超级电脑分析高频交易数据中的价格变化模式,并且利用这些价格变化模式获利,通常高频交易利用服务器的地理位置优势(Co-location),在相对更快的时间内获得市场行情和执行大量交易指令,从而取得普通交易方式难以获得的利润空间。近年来,除了信息技术是的交易速度不断加快之外,交易平台日趋多元化也使得高频交易成为可能。 与高频交易相伴随的是闪电交易(Flash Trading),闪电交易是美国市场上交易所为高频交易商提供的一种特殊服务,是指股票交易传达到公众的约三十毫秒前,先显示给订用有关服务的交易员。三十毫秒的时间,对于手动交易者而言相差不大,但是对于高频交易而言,三十毫秒的时间足以完成一笔交易行为。2009年9月,美国证监会因为闪电交易明显有失公平,停止了所有交易所的闪电交易服务。本回答被提问者采纳
第3个回答  2021-06-15
高频交易是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易,比如,某种证券买入价和卖出价差价的微小变化,或者某只股票在不同交易所之间的微小价差。这种交易的速度如此之快,以至于有些交易机构将自己的“服务器群组”(server farms)安置到了离交易所的计算机很近的地方,以缩短交易指令通过光缆以光速旅行的距离。
量化交易是指以先进的数学模型替代人为的主观判断,利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,极大地减少了投资者情绪波动的影响,避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
应答时间:2021-06-15,最新业务变化请以平安银行官网公布为准。
[平安银行我知道]想要知道更多?快来看“平安银行我知道”吧~
详情
    官方服务
      官方网站智能问答
第4个回答  2017-09-27
量化投资公司和高频交易公司一般说来,既有区别又有联系。在美国,人们常说的量化投资公司一般都是对冲基金,包括DE Shaw、Two Sigma、RenTec、BlueCrest、Citadel、AQR、WorldQuant、Winton等;而常说的高频交易公司一般都是自营交易公司,这些公司主要有Tower Research、Hudson River Trading、Getco、Jane Street、Virtu Financial、SIG、Jump Trading、RGM Advisor、Chopper Trading等。除此之外,既有量化投资业务,又有高频交易业务的公司有Two Sigma、Citadel等;还有许多公司向着更综合的方向发展,DE Shaw等公司,既有量化投资,又有非量化投资。
对于量化投资来说,除了行情信息,整理收集其他基本面的信息也相当重要,预测模型中要融入整理出的对应的时间序列。成功的模型是什么?重点在于它整合了多少不同来源的信息,而不是运用了多高深的数学理论。以简单的线性回归为例,想要模型的预测效果好,需要各个参数都有很强的预测能力,同时相关性很低;反之,如果选取的参数毫无意义,就算运用在复杂的深度学习理论,得出的模型也没有用。美国的一些公司,除了利用新闻等文本信息建模外,谷歌卫星拍摄到的港口集装箱的图像也会用来建模,商品价格走势如何,通过对商品集装箱的数目来预测,取得了很好的预测效果。

相关了解……

你可能感兴趣的内容

本站内容来自于网友发表,不代表本站立场,仅表示其个人看法,不对其真实性、正确性、有效性作任何的担保
相关事宜请发邮件给我们
© 非常风气网