高频交易(HFT)，顾名思义就是一种每次交易的时间间隔都极为精短，一般为几分钟甚至几微秒。最早出现于上世纪90年代末，目前已经发展成外汇交易市场的主要力量。但近年来高频交易颇受争议，银行、交易商以及一些专家开始指责高频交易的弊端，而另一些支持人士则大力支持高频交易的发展，那么高频交易为什么在外汇交易中如此的充满争议呢?
高频交易的好处
先来说说高频交易在外汇交易中各种好处，首先，高频交易运用复杂的算法交易，同时依靠超高速的程序交易软件和相关硬件设施来达到在短暂的市场波动中获利的效果。这种交易模式对于交易者来说优势巨大，因为在短短的几秒到几微妙中可以灵敏地捕捉到外汇市场的波动从而达到比较稳定的收益，理论上一天之内可以进行百万次的高频交易，那么获得的收益将是永无止境的。
其次，高频交易处理信息的速度接近光速，目前纽约到伦敦光速65毫秒，纳斯达克最快交易速度介于0.001毫秒到1毫秒之中，而人类的最快反应速度也就1000毫秒，即1秒。因此，如此高效快捷的处理速度极大地为外汇交易市场注入充足的流动性，降低买卖差价，从而进一步降低点差成本，进一步提升市场效率。
高频交易的坏处
一般来说，高频交易需要通过程序交易，并且为了达到竞争力需要更为专业的硬件设施，可以说，高频交易到最后拼的都是“谁的网速快谁厉害”，而这却给外汇市场中的普通投资者带来了不公平的竞争环境。因为普通投资者并不具备专业的硬件设施和繁杂的算法交易，高频交易就是利用普通投资者交易速度慢的弱点，一天之内高达百万次的交易是普通投资者怎么都无法企及的，扰乱了整个外汇交易市场，普通投资者很容易蒙受损失，特别是短线投资者。
除了速度上的影响外，高频交易技术的不稳定极大地加剧了外汇市场的波动性，由于高频交易需要精确的程序化算法交易，如果交易编码中出现一个小小失误，那么其带来的结果将会是损失全部资金，同时大量的高频交易可能会造成交易系统负担，造成市场局部迅速崩盘。有数据表明，2006-2011年发生的超快速崩溃将近1.852万次，平均每天10次。
高频交易的带来的负面影响还不止于此，其真正受争议的地方在于其监管空白。高频交易很容易被别有用心的人来操纵价格，往往会抛出不会执行的订单，造成需求的假象，引诱投资者或相关机构下单，缺乏公平性和透明性。不仅对普通投资者还是交易商又或是大型银行，高频交易既排斥了普通投资者的参与，又不断损害者各大机构的利益，似乎是一只人人喊打的过街老鼠。
高频交易将何去何从
如今，高频交易已经成为市场上无法忽视的力量，在为市场创造巨额交易量的同时却一直游离于监管之外。2014年，美国证券交易委员会(SEC)、联邦调查局(FBI)、商品期货和交易委员会(CFTC)和美国司法部(DOJ)纷纷开始着手调查高频交易领域的内幕交易行为。今年7月，对冲基金文艺复兴科技(Renaissance Technologies)利用复杂的计算机算法，配合大量服务器以及原子钟，能够实现在数十亿分之一秒内同步执行交易指令，旨在消除高频交易。
而今年瑞信策略师Ana Avramovic使用了瑞信独有的ExPRT 交易数据。在10-12%的美股交易量数据支持下，得到了纯非高频交易者(包括买方、买方、零售和机构交易者)执行每笔交易所需时间的大数据。通过数据Avramovic认为，市场的所有参与者不可能全部得到平等对待。对于那些风险偏好较低，并且对交易成交时间十分重视的投资者来说，如果他不愿意承担持仓的风险，那他必须在其他方面做出一些让步。
由此可见，支持与不支持高频交易的各方都有各自合理的道理和数据，争议或许还将继续争论下去。
AQF：量化金融分析师（简称AQF ，Analyst of Quantitative Finance）由量化金融标准委员会（Standard Committee of Quantitative Finance，SCQF）主考并颁证，是代表量化金融领域的专业水平证书。
AQF量化金融分析师实训项目学习大纲
1.1.1. 第一部分：前导及课程介绍
1.AQF核心课程
2.量化策略的Python实现和回测
3.整体代码介绍
1.1.2. 第二部分：量化投资基础
1.量化投资背景及决策流程
2.量化择时
3.动量及反转策略
4.基金结构套利
5.行业轮动与相对价值
6.市场中性和多因子
7.事件驱动
8.CTA_1（TD模型）
9.统计套利_低风险套利
10.大数据和舆情分析
11.机器学习
12.高频交易和期权交易
13.其他策略和策略注意点
1.1.3. 第三部分：Python编程知识
Python语言环境搭建1.Python语言环境搭建
Python编程基础1.python数字运算和Jupyter notebook介绍
2.字符串
3.Python运算符
4.Tuple和List
5.字典
6.字符串格式化
7.控制结构_1.For循环
8.函数
9.全局和局部变量
10.模块
11.Python当中的重要函数
Python编程进阶1.Numpy数据分析精讲
2.Pandas数据分析详解
数据可视化1.Pandas内置数据可视化
2.Matplotlib基础
3.Seaborn
金融数据处理实战1.数据获取_1.本地数据读取
1.数据获取_2.网络数据读取_1
1.数据获取_2.网络数据读取_2.tushare
1.数据获取_2_网络数据读取_3.文件存储
2.金融数据处理_1.同时获取多只股票
2.金融数据处理_2.金融计算
2.金融数据处理_3.检验分布和相关性
3.金融时间序列分析_1.Python下的时间处理
3.金融时间序列分析_2.Pandas时间格式
3.金融时间序列分析_3.金融数据频率的转换
4.金融数据处理分析实战案例_案例1
4.金融数据处理分析实战案例_案例2_多指标条件选股分析_1
4.金融数据处理分析实战案例_案例2_多指标条件选股分析_2
金程AQF实训项目
1.1.4. 第四部分：量化交易策略模块
三大经典策略1.三大经典策略_1.SMA
1.三大经典策略_2.动量Momentum
1.三大经典策略_3.均值回归
配对交易策略2.配对交易
技术分析相关策略3.量化投资与技术分析_1.技术分析理论
3.量化投资与技术分析_2.CCI策略的Python实现
3.量化投资与技术分析_3.布林带策略的Python实现_1
3.量化投资与技术分析_4.SMA和CCI双指标交易系统
3.量化投资与技术分析_5.形态识别和移动止损策略
大数据舆情分析策略4.大数据舆情分析策略_基于谷歌搜索的大数据舆情分析
CTA交易策略5.CTA交易策略_Aberration趋势跟踪系统
量化投资与机器学习6.量化投资与机器学习_1_机器学习算法原理_2_逻辑回归原理
6.量化投资与机器学习_1_机器学习算法原理_3_SVM算法原理
6.量化投资与机器学习_1_机器学习算法原理_4_决策树算法原理
6.量化投资与机器学习_1_机器学习算法原理_5_KNN算法原理
6.量化投资与机器学习_1_机器学习算法原理_6_神经网络算法了解
6.量化投资与机器学习_1_机器学习算法原理_7_K-means算法原理和算法总结
6.量化投资与机器学习_2_机器学习算法实现_1_数据集生成原理
6.量化投资与机器学习_2_机器学习算法实现_2_数据集可视化
6.量化投资与机器学习_2_机器学习算法实现_3_逻辑回归算法的python实现
6.量化投资与机器学习_2_机器学习算法实现_4_DT_KNN_NB算法的python实现
6.量化投资与机器学习_2_机器学习算法实现_5_SVM算法的python实现
6.量化投资与机器学习_3_机器学习算法实战_6_基于逻辑回归和SVM的股市趋势预测
1.1.5. 第五部分：面向对象和实盘交易
1.模块内容整体介绍
2.面向对象、类、实例、属性和方法
3.创建类、实例、方法
4._init_初始化方法
5.面向对象程序实例
6.继承的概念及代码实现
7.面向对象继承的实战案例
8.多继承和量化交易平台的面向对象开发思路
9.用面向对象方法实现股债平衡策略
1.1.6. 第六部分 实盘模拟交易
基于优矿平台的面向对象策略1.优矿平台介绍
2.优矿平台回测框架介绍
3.优矿框架之context对象、account和position对象
4.优矿其它重要操作
5.优矿之小市值因子策略
6.优矿之双均线策略
7.优矿之均值回归策略
8.优矿之单因子策略模板
9.优矿之多因子策略模板
10.优矿之因子数据处理：去极值和标准化
面向对象实盘交易之Oanda1.Oanda平台介绍和账户配置
2.Oanda账户密码配置和交易框架原理
3.Oanda链接账户并查看信息
4.Oanda API获取历史数据
5.Oanda市价单和交易状态查询
6.Oanda高级交易订单
7. Oanda其它高级功能
8. Oanda实战ADX策略全讲解：策略逻辑、数据读取、历史数据处理、可视化、实时数据和实时交易
9. Oanda通过实时数据API调取实时数据、resample
面向对象实盘交易之IB1.IB实战平台介绍及API安装调试
2.IB实战平台请求和响应远离、线程控制
3.IB响应函数wrapper讲解
4.IB请求函数及合约定义
5.IB程序化下单、仓位及账户查询
6.IB三均线交易_金字塔仓位下单控制模型实盘交易之策略原理、线程控制原理、策略结构总览、响应函数、交易信号、策略展示等全讲解。
1.1.7. 第七部分：基于优矿的进阶学习
1.1回测与策略框架
1.2评价指标
1.3.1量化策略设计流程简介
1.3.2择时策略举例（双均线）
1.3.3量化投资模板1.0选股和择时
2.1基于技术分析的量化投资
2.2.1技术指标简介
2.2.2 MACD择时策略
2.2.3 WVAD择时策略
2.2.4 RSI择时策略
2.2.5 MFI择时策略
2.2.6 CCI择时策略
2.2.7技术指标总结
2.3通道技术
3.1.1日期效应
3.1.2动量效应
3.2.1格雷厄姆成长投资
3.2.2积极投资策略
3.2.3价值投资策略
3.2.4小型价值股投资策略
3.3.1交易系统设计的一般原理
3.3.2均线排列系统
3.3.3金肯纳特交易系统
3.3.4海龟交易法系统
网友评论