速度、速度，喵！
就如同上一篇專欄中貓大所說，在高頻交易的世界裡，最重要的一個特徵之一，就是 速度。除了增快連線速度，比別人更快的拿到分析資料外；加快策略分析速度，更快的算出市場趨勢，更是重中之重。如果分析趨勢的速度太慢，等到分析完成，下 單的時間點都過了，還談什麼獲利呢？沒有速度，即便策略判斷準確、百發百中，也是枉然。因為根本趕不上高頻交易世界中有如閃電般的趨勢變化。
然而，高頻交易不但每秒的資料吞吐量極大，分析時間的要求又極為嚴苛，究竟該如何在短至數十秒的時間裡，從紛亂龐雜的資料中找出不斷改變的市場趨勢呢？
分散式運算技術及In-Memory DB
為了解決高頻交易中對於速度的苛刻要求，我們設計了一套分散式處理系統，將資料分散到多個節點進行前置運算。運用分散式處理系統的優勢，解決了高頻交易要求的一部份「速度」問題。
分散處理的好處在於可以將大量的資料分配給多部機器同時處理，增加策略運算效率。至於將資料分散儲存在各節點上，則有助於降低自硬碟讀取資料的時間。因為 分散式儲存系統的優勢除了可彈性增加儲存節點、較容易擴充儲存容量外，藉助於多個節點同時讀取，亦可更快獲取所需的資料。
使用分散式運算技術，或許可以借助多台電腦共同分擔高頻交易的大量運算量，但是，這並不足以解決高頻交易的「高速」需求。我們還需要借助In-Memory Database的幫助。
In-Memory DB是相對於傳統資料庫而言，不將資料儲存於硬碟上，而是儲存在記憶體中，如此資料存取都不必通過硬碟讀取，只需在記憶體中操作即可。由於去除了磁碟I/O的拖累，使用In-Memory DB可以大幅提升運算速度。
讓電腦幫我們「想」策略
解決了速度問題，接下來就是準確度的問題了。
這讓貓大想到上個禮拜正好有個貓朋友咪咪，是個對程式交易小有研究的OL。咪咪想要寫一支程式輔助投資，於是她花費了幾天到幾個禮拜的時間，設計一支自己 的策略。這支策略融合了咪咪畢生絕學，將她研究了好幾年市場走勢的心得融入，並精心挑選了幾個技術指標，才融會貫通出一個策略。咪咪興沖沖的擺上這支策 略，於是在某一個時間點，這支策略說：「時候到了，買吧」咪咪立馬按下下單鍵，進行下單。
聽咪咪說，這支程式幫她賺了一點錢（讓她買了好幾條魚加菜），而且不必時常盯著走勢，著實讓她省了不少時間。
的確，在以往，這種方式似乎無往不利：只要使用一支可靠縝密的策略，我們便可坐收長期穩定的獲利。然而，現在換到高頻交易上，一樣都是下單決策，同樣一套難道不能照搬過去嗎？
很可惜，這種方式在高頻交易上是行不通的。
為什麼？因為市場變動得太快了。
在高頻交易中，由於時間刻度被拉得很小，只要外部的一個小事件發生，對電腦來說可能就會偵測到另一段截然不同的趨勢，這段趨勢延續一段時間之後，再發生一 個事件，可能又會立即改變這個趨勢。換句話說，高頻交易可供預測的趨勢是非常短的，短到什麼程度則視事件的延續時間而定，一般短到數分鐘內都有可能。市場 一旦改變趨勢，策略就會立即失靈，進而導致巨大損失，後果是非常嚴重的。
在這種情況下，當然不能一直使用同一個策略進行下單決策。我們必須要因應時局，不斷更新策略，以跟上「趨勢」變化的速度。然而，在超短時間中，人腦已經跟不上這麼快的趨勢變化。因此，我們需要依賴電腦來幫我們「想」策略，也就是運用「資料挖礦」技術啦！
規劃與交易
「規劃」與「交易」剛好對應了高頻交易中的兩個階段：根據市場趨勢建置策略，以及驗證策略是否能夠獲利。在使用人工智慧演算法，即時依據當下的市場趨勢，規劃出適當的策略之後，再將該策略放到交易室中，驗證這個策略是否符合當下的趨勢，即「是否能夠獲利」。
每一個產生出來的策略，由於時效不長，因此一旦策略「過期」，就需要再度進行規劃。此時，規劃出來的策略究竟符不符合市場趨勢就非常重要，必須透過交易室 進行驗證，確保它是一個可行的策略。透過規劃和交易的共同合作，可以保證策略能夠緊緊跟隨市場趨勢，並且能夠因應小事件的亂流，靈活應變。
資料來源：採礦貓
留下你的回應
以訪客張貼回應