作者簡介：吳迪（1990-），男，漢族，湖北武漢市人，工學碩士研究生在讀，貴州大學管理學院管理科學與工程專業(yè)，研究方向：金融工程。

摘要：高頻交易算法是利用計算機實現(xiàn)短期的量化投資策略，通常用于股票，期貨和一些電子交易，需要設(shè)計一個適應(yīng)性很強的交易算法。由算法的技術(shù)指標要求，本文以移動平均數(shù)、相對強弱指標等一系列函數(shù)為基礎(chǔ)，并基于Matlab語言環(huán)境下選用相應(yīng)函數(shù)，設(shè)計金融模型，再由所提供的數(shù)據(jù)通過最優(yōu)化模型掃描得出最優(yōu)參數(shù)，由此實現(xiàn)高頻交易算法的設(shè)計與實際一般性的運用。

關(guān)鍵詞：高頻數(shù)據(jù)；程序化交易；遺傳算法；技術(shù)指標

一、引言

算法交易指的是通過使用計算機程序來發(fā)出交易指令遺傳算法可以解決各類問題，而不論這個問題本身是否有明確的函數(shù)表達式。因此，它在各個學科都有所應(yīng)用。遺傳算法在金融學的應(yīng)用已經(jīng)屢見不鮮，在資產(chǎn)定價、風險對沖等方面都有很好的應(yīng)用。本文采用遺傳算法更多的是基于數(shù)學的層面，是為了尋求最優(yōu)。的參數(shù)組合，使投資策略的累積收益率盡可能大。本文采取的類似遺傳算法中基因編碼的序列，將交易信號及之間的邏輯關(guān)系以二進制表示，本文所使用二進制組合，對于每一種信號以“1”表示可以使用，以“0”表示無法使用；信號之間存在兩種邏輯關(guān)系，即“AND”（用“00”表示）和“OR”（用“01”表示）“AND”表示信號之間同時使用，“OR”則表示只能選取一種類別的信號。

二、技術(shù)指標說明

（一）移動平均線，原本的意思是移動平均，由于我們將其制作成線形，所以一般稱之為移動平均線，簡稱均線。

（二）相對強弱指標：RSI強弱指標是由爾斯.懷爾德最早應(yīng)用于期貨買賣，后來人們發(fā)現(xiàn)在眾多的圖表技術(shù)分析中，強弱指標的理論和實踐極其適合于股票市場的短線投資，于是被用于股票升跌的測量和分析中

（三）廉指標這個指標是一個振蕩指標，是依股價的擺動點來度量股票/指數(shù)是否處于超買或超賣的現(xiàn)象。

三、交易策略的判斷依據(jù)

本文采取夏普比率和作為策略的判斷指標，在既定風險范圍之內(nèi)策略年化收益率與夏普比率越高則代表策略越優(yōu)化。

四、實證部分

對于每一種技術(shù)指標而言，本文都將80%的數(shù)據(jù)用于建模數(shù)據(jù)，20%的數(shù)據(jù)用于驗證數(shù)據(jù)。這次使用的數(shù)據(jù)是同花順（300033）三年來每日收盤價和近三個月每分鐘收盤價，數(shù)據(jù)來于萬得數(shù)據(jù)庫。

（一）移動平均數(shù)

指標及變量的說明：lead提前指標；lag滯后指標；movavg移動平均指標；frequency交易頻率sharpe ratio沒風險單位能夠換取的平均收益率；final return最終回報（率）。

模型的建立與求解，調(diào)用matlab中movavg函數(shù)，設(shè)定lead=5，lag=20，做為原始測試，到大致以下規(guī)律，當lead位于lag之上股價上行，當lead位于lag之下股價下行。由此設(shè)立交易信號當s（lead>lag）=1時視為買入信號；當s（lead

參數(shù)掃描確定最優(yōu)值，依次確定提前與滯后指標，提前指標設(shè)置為1，滯后指標設(shè)置為m，從1-200之間取值，利用for循環(huán)獲得最大sharpe ratio。由圖5可知，當lead=65，lag=67時，Maxsharpe ratio=2.32，Maxfinal return=927%。利用窮舉法對lead和lag同時進行掃描。

模型的完善，設(shè)置cost=0.2%，現(xiàn)在利用2015年06月30日—2015年08月27日每分鐘收盤價的高頻交易數(shù)據(jù)進行模型的掃描統(tǒng)計，將數(shù)據(jù)分為80%的建模數(shù)據(jù)，20%的檢驗數(shù)據(jù)。同時引入f（交易頻率）這一參數(shù)，掃描變量為lead/lag/f，掃描范圍相應(yīng)增加，檢測結(jié)果如下：當lead=1，lag=11，f=28時，sharpe ratio=5.84，final return=78.7%。

（二）RSI相對強弱指標

指標及變量的說明：rsi相對強弱指標；threshhold閥值。RSI交易策略：交易信號的產(chǎn)生當RSI的值高于或者低于閥值?，F(xiàn)在利用2015年06月30日-2015年08月27日每分鐘收盤價的高頻交易數(shù)據(jù)進行模型的掃描統(tǒng)計，將數(shù)據(jù)分為80%的建模數(shù)據(jù)，20%的檢驗數(shù)據(jù)，同樣考慮交易成本。

RSI通常被用于更長的時間趨勢中從而到達優(yōu)化的目的，當RSI=2時，sharpe ratio=6.53，final return=84.5%。

（三）MA+RSI交易策略

設(shè)置參數(shù)N=1，M=11，threshhold=55利用遺傳進化算法重復(fù)以上過程，交易信號的產(chǎn)生并用遺傳進化算法確定交易信號，

best=100111

這里對結(jié)果進行說明，MA與RSI之間的邏輯關(guān)系是“00”，既并列，最后連續(xù)的“11”表示兩種交易信號可以使用。利用參數(shù)掃描確定最優(yōu)化數(shù)值，sharpe ratio=9.87，final return=80.1%

五、結(jié)語

本文采取科技類股票進行模擬交易，基于選擇的幾只股票的2015年的高頻交易數(shù)據(jù)，首先利用技術(shù)指標模型構(gòu)建交易量持續(xù)期預(yù)測模型，確定交易時點。而投資策略的設(shè)計則結(jié)合理論和實踐，充分利用了本論文的參數(shù)，根據(jù)技術(shù)指標給予關(guān)鍵參數(shù)以閾值，只有當參數(shù)都達到閾值時，交易信號才能夠被觸發(fā)，這樣就能在給定的范疇內(nèi)最大程度的保證交易信號的高質(zhì)量，從而提高收益率。然后分別建立交易量分布預(yù)測模型和股票價格波動預(yù)測模型，并根據(jù)價格波動的預(yù)測對交易量進行修正，進一步，本文引入了遺傳算法的思想，利用這種科學計算法，以求能夠快速的尋找出最優(yōu)的參數(shù)組合，與此同時采取for循環(huán)進行參數(shù)掃描，大大縮短了參數(shù)確定的時間并提高了精確度。（作者單位：貴州大學管理學院）

參考文獻：

[1]張連華.基于高頻數(shù)據(jù)的股指期貨期現(xiàn)統(tǒng)計套利程序交易[J].計算機應(yīng)用與軟件，2011，28（9）：93—95.

[2]謝中華.MATLAB統(tǒng)計分析與應(yīng)用：40個案例分析[M].第1版.北京：北京航空航天大學出版社，2010.187-213.

[3]Eric P.Xing，Qirong Ho，Pengtao Xie，Wei Dai.Strategies and Principles of Distributed Machine Learning on Big Data[D]，School of Computer Science，Carnegie Mellon University，2016.

[4]W.Dai，A.Kumar，J.Wei，Q.Ho，G.Gibson，and E.P.Xing.High-performance distributed ml at scale through parameter server consistency models[Z].In AAAI，2015.

[5]C.J.Hsieh，H.-F.Yu，and I.S.Dhillon.Passcode：Parallel asynchronous stochastic dual co-ordinatedescent[J].In ICML[Z]，2015.