演算法交易（也稱為自動交易、黑匣子交易或演算法交易）使用一個計算機程式，該程式遵循一組定義的指令（演算法）進行交易。從理論上講，這種交易能夠以人類交易者無法達到的速度和頻率產生利潤。

定義的指令集基於時間、價格、數量或任何數學模型。除了交易者的獲利機會，algo交易透過排除人類情緒對交易活動的影響，使市場更具流動性，交易更系統。

演算法交易實踐

假設交易員遵循以下簡單的交易標準：

• 當一隻股票的50日移動平均線高於200日移動平均線時，買入50股(移動平均線是過去資料點的平均值，可以平滑日常價格波動，從而確定趨勢。）
• **股票 當其50日移動平均線跌破200日移動平均線時。

使用這兩個簡單的指令，一個計算機程式將自動監測股票價格（和移動平均指數），併在滿足規定條件時發出買入和賣出指令。交易者不再需要監控實時價格和圖表，也不需要手動輸入訂單。演算法交易系統透過正確識別交易機會來自動實現這一點。

2:01

演算法交易基礎

演算法交易的好處

Algo trading提供以下好處：

• 交易以盡可能最好的價格進行。
• 貿易 下單是即時和準確的（有很高的機會執行所需的水平）。
• 交易的時間是正確的和即時的，以避免重大的價格變化。
• 降低交易成本。
• 同時自動檢查多種市場狀況。
• 在進行交易時減少了手動錯誤的風險。
• Algo交易可以 使用可用的歷史和實時資料進行回溯測試，看看這是否是一個可行的交易策略。
• 減少 人類交易者基於 情緒和心理因素。

目前大多數的algo交易都是高頻交易（HFT），它試圖利用預先程式設計的指令，在多個市場和多個決策引數之間快速下大量訂單。

Algo交易用於多種形式的交易和投資活動，包括：

• 中長期投資者或購買方公司養老基金、共同基金、保險公司使用algo交易 買入股票 當他們不想影響庫存的時候 價格與離散，大批次投資。
• 短期交易員和賣方參與者做市商（如經紀公司）， 投機者， 套利者從自動交易執行中獲益；此外， algo貿易 有助於為市場上的賣方創造足夠的流動性。
• 系統交易員趨勢跟蹤者、對沖基金或 結對交易者 (一 市場中性 一種交易策略，在一對高度集中的股票中，將多頭頭寸與空頭頭寸相匹配 相關 兩支股票等工具， 交易所買賣基金 (ETF）或 貨幣）-發現程式設計他們的交易規則和讓程式自動交易效率更高。

與基於交易者直覺或直覺的方法相比，演算法交易提供了一種更系統的主動交易方法。

演算法交易策略

任何演算法交易策略都需要一個確定的機會，該機會在提高收益或降低成本方面是有利可圖的。以下是algo交易中常用的交易策略：

趨勢跟蹤策略

最常見的演算法交易策略遵循移動平均線、通道突破、價格水平變動和相關技術指標的趨勢。這些是透過演算法交易實現的最簡單和最簡單的策略，因為這些策略不涉及任何預測或價格預測。交易是基於理想趨勢的發生而發起的，這種趨勢很容易透過演算法直接實現，而無需考慮預測分析的複雜性。使用50日和200日移動平均線是一種流行的趨勢跟蹤策略。

套利機會

在一個市場以較低的價格買入一隻雙重上市股票，同時在另一個市場以較高的價格賣出，這種價差就是無風險利潤或套利。同樣的操作也可以複製到股票和期貨工具上，因為價格差異確實不時存在。實施一個演算法來識別這樣的價差，並有效地下訂單，可以帶來盈利的機會。

指數基金再平衡

指數基金已經確定了重新平衡的時期，以使其持有量與各自的基準指數持平。這為演算法交易員創造了盈利機會，他們利用預期交易，根據指數基金重新平衡前指數基金中的股票數量，提供20到80個基點的利潤。此類交易透過演算法交易系統啟動，以便及時執行和獲得最佳價格。

基於數學模型的策略

經驗證的數學模型，如delta中**易策略，允許在期權和基礎證券的組合上進行交易(Delta neutral是一種由多個頭寸組成的投資組合策略，這些頭寸抵消了正Delta和負Delta，即將資產（通常是有價證券）的價格變化與其衍生產品價格的相應變化進行比較的比率，從而使相關資產的總Delta為零。）

交易區間（均值回歸）

均值回歸策略是基於這樣一個概念，即資產的高、低價格是一種臨時現象，週期性地回歸到其均值（平均值）。識別和定義一個價格範圍，併在此基礎上實現一個演算法，當資產的價格突破其定義的範圍時，可以自動進行交易。

成交量加權平均價格

成交量加權平均價格策略分解一個大的訂單，並使用特定於股票的歷史成交量曲線將動態確定的較小的訂單塊釋放到市場。目的是執行接近批次加權平均價格（VWAP）的訂單。

時間加權平均價格

時間加權平均價格策略分解一個大的訂單，並使用開始和結束時間之間平均分配的時間段將動態確定的較小的訂單塊釋放到市場。其目的是在開始和結束時間之間執行接近平均價格的訂單，從而最大限度地減少市場影響。

體積百分比（pov）

在交易訂單完全填滿之前，該演算法根據定義的參與率和市場交易量繼續傳送部分訂單。相關的“steps策略”以使用者定義的市場交易量百分比傳送訂單，併在股價達到使用者定義的水平時增加或減少該參與率。

執行差額

執行缺額策略的目標是透過交易實時市場來最小化訂單的執行成本，從而節省訂單的成本，並從延遲執行的機會成本中獲益。該策略在股票價格向好時提高目標參與率，在股票價格向壞時降低目標參與率。

超越了通常的交易演算法

有一些特殊的演算法試圖識別另一邊的“事件”。例如，賣方做市商使用的這些“嗅探演算法”具有內建智慧，可以識別大額訂單買方是否存在任何演算法。這種透過演算法進行的檢測將有助於做市商識別大額訂單機會，並使他們能夠透過以更高的價格完成訂單而獲益。這有時被認為是高科技前沿。一般來說，根據具體情況，前臺執行的做法可能被視為非法，並受到金融業監管局（FINRA）的嚴格監管。

演算法交易技術要求

使用計算機程式實現演算法是演算法交易的最後一個組成部分，並伴隨著回溯測試（在過去股市表現的歷史時期嘗試演算法，看看使用它是否會有利可圖）。所面臨的挑戰是將確定的戰略轉變為一個綜合的計算機化程序，使之能夠進入交易賬戶下訂單。以下是演算法交易的要求：

• 計算機程式設計知識，程式設計所需的交易策略，聘請程式設計師，或預先制定 交易軟體。
• 網路連線和進入交易平臺下訂單。
• 訪問市場資料來源，該資料來源將由該演算法監控下訂單的機會。
• 這個 回溯測試的能力和基礎架構 這個系統一旦建成，就會在真正的市場上投入使用。
• 可用 用於回溯測試的歷史資料取決於演算法中實現的規則的複雜性。

演算法交易的一個例子

荷蘭皇家殼牌公司（RDS）在阿姆斯特丹證券交易所（AEX）和倫敦證券交易所（LSE）上市。 我們首先建立一個演算法來識別套利機會。以下是一些有趣的觀察結果：

• AEX以歐元交易，而LSE以英鎊交易。
• 由於一個小時的時差，AEX比倫敦證交所提前一個小時開盤，隨後兩個交易所在接下來的幾個小時內同時交易，然後在AEX收盤的最後一個小時內只在倫敦證交所交易。

我們能否探討以兩種不同貨幣在這兩個市場上市的荷蘭皇家殼牌股票進行套利交易的可能性？

要求：

• 可以讀取當前市場價格的計算機程式。
• LSE和AEX的價格反饋。
• A 外匯 (（外匯）英鎊兌歐元匯率。
• 下單功能，可以將訂單路由到正確的交易所。
• 對歷史價格提要的回溯測試功能。

計算機程式應執行以下操作：

• 閱讀來自兩個交易所的RDS股票的傳入價格提要。
• 使用可用的外匯匯率，將一種貨幣的價格轉換成另一種貨幣。
• 如果存在足夠大的價格差異（扣除經紀成本）導致了盈利機會，那麼該計劃應將購買訂單放在價格較低的交易所，併在價格較高的交易所**訂單。
• 如果訂單按預期執行，套利利潤將隨之而來。

簡單易用！然而，演算法交易的實踐並不是那麼容易維護和執行的。記住，如果一個投資者可以進行algo生成的交易，那麼其他市場參與者也可以。因此，價格在毫秒甚至微秒之間波動。在上面的例子中，如果一個買入交易被執行，而賣出交易沒有執行，因為賣出價格隨著訂單到達市場的時間而改變，會發生什麼？交易者將被留下一個空頭頭寸，使得套利策略一文不值。

還有其他風險和挑戰，如系統故障風險、網路連線錯誤、交易訂單和執行之間的時間延遲，最重要的是，演算法不完善。演算法越複雜，在實際應用之前就需要越嚴格的回溯測試。