金融高頻交易策略研究述讀

張丹丹

【摘 要】 本文通過對S. LAHMIRI關(guān)于高頻交易價格預測文章的精讀，闡述了其嚴謹?shù)姆治龇椒ǎ⑼ㄟ^結(jié)合之前對相關(guān)文章的總結(jié)與對比，綜述了高頻交易策略研究這一熱點話題的方向及目前可供采用的科學的分析方法，以期為相關(guān)研究提供可供參考的意見。

【關(guān)鍵詞】 高頻交易 小波降噪 金融預測

（一）研究背景

隨著中國的改革開放及現(xiàn)代化發(fā)展，金融領(lǐng)域的衍生產(chǎn)品諸如股票、保險、期貨、基金等越來越成為人們熱衷的投資手段。金融市場的波動狀況反映著一國經(jīng)濟運行的平穩(wěn)性以及可以預見的問題，對投資者、企業(yè)的管理者以及國家的政策制定者都有著不可忽視的作用。

我國金融市場相對來說起步較晚，但是經(jīng)過幾十年的實踐發(fā)展，取得了不錯的經(jīng)濟效果和社會效益。然而市場的不斷波動引起了社會各界的廣泛關(guān)注，同時也表明我國金融市場的發(fā)展仍不成熟，很脆弱，缺少相應的市場監(jiān)管以及行之有效的補救措施。另一方面，說明我國在金融方面的制度不到位，政府監(jiān)管缺乏，所以造成了違法成本低，給了不法分子的可乘之機，對市場的波動造成了嚴重的后果。

隨著社會各界對于金融市場的關(guān)注逐漸增強以及人們投資觀念的轉(zhuǎn)變，因此對金融衍生品也就投注了更多的目光。學者們嘗試使用不同的方法，從不同的角度對這一熱點問題展開討論。

（二）文章述讀

國內(nèi)近幾年內(nèi)對于此方面的文章研究逐漸增多，本文選取了有代表性的兩篇。陳艷等（2015）立足于我國金融衍生品市場的現(xiàn)狀提出了基于LASSO變量選擇方法和遺傳網(wǎng)絡規(guī)劃的期貨高頻交易策略。該策略首先使用LASSO從眾多技術(shù)指標中，選出極少數(shù)最有效的指標作為判斷函數(shù)，然后通過一種進化算法遺傳網(wǎng)絡規(guī)劃來搜索合適的買點和買點，從而構(gòu)建交易策略，并以黃金、鋁和橡膠期貨的5分鐘高頻交易數(shù)據(jù)為例進行回測檢驗。于航（2015）選取股指期貨中的主力合約作為研究對象。保證較高的預測正確率，對股指期貨價格變化趨勢進行分類識別預測，使用在分類識別領(lǐng)域表現(xiàn)突出的支持向量機模型進行預測。文中首先利用中間價動量變化情況對訓練集進行分類，并采用聚類欠抽樣等方法均衡訓練集；然后經(jīng)過特征指標選取和參數(shù)尋優(yōu)，對主力合約中的價格變化趨勢進行預測；最終建立了單個多分類支持向量機模型，二分類支持向量機和多分類支持向量機組合模型以及動態(tài)支持向量機模型。應用三個模型的預測結(jié)果，結(jié)合相應的交易策略，進行回測分析檢驗。

由于發(fā)展環(huán)境的差異，國外在此方面的研究則更加先進。本文重點推薦文章的題目《通過同時使用低頻和高頻小波系數(shù)實現(xiàn)提高標準普爾500指數(shù)日內(nèi)價格預測的精度》（S. LAHMIRI，2014）。

有效的股票價格預測對于資產(chǎn)管理很有價值。而投資者作出的錯誤決定可能造成巨大損失。經(jīng)濟、政治和社會等因素可能會導致股票價格高度非線性和混亂的趨勢。因此，重要的是要抓住股價波動的根本機制。事實上，國際上對金融動態(tài)數(shù)據(jù)的分析與研究近幾年受到很大的關(guān)注。特別是近年來股票價格預測研究人員強調(diào)了離散小波變換（DWT）的分解方法，以捕捉股價的內(nèi)在趨勢。DWT是將給定信號（數(shù)據(jù)或時間序列）分解為高頻和低頻分量的信號處理技術(shù)。在較短的時間間隔內(nèi)，小波高頻分量能夠捕獲原始數(shù)據(jù)中的不連續(xù)性，破裂和奇點。在更長的時間間隔內(nèi)，小波低頻分量表征粗略的數(shù)據(jù)結(jié)構(gòu)，以識別長期趨勢。以前的研究僅使用小波低頻分量來預測股價趨勢。在這個意義上，近似分量被嘗試用作去噪后的數(shù)據(jù)。然而，使用近似系數(shù)僅用于捕獲數(shù)據(jù)的主要趨勢。為了更好地模擬金融時間序列，在基于最小化預測誤差的預測股票價格上，軟件計算技術(shù)應用日益受到關(guān)注，以下對推薦文章做簡要概述。

在金融數(shù)據(jù)的分解和預測上，大量的研究者已經(jīng)成功地應用了小波分析方法。特別地，使用離散小波變換（DWT）分析股票價格時間序列，遵循固定的子波編碼方式，為低頻數(shù)據(jù)提供低時間分辨率并且為高頻數(shù)據(jù)提供高時間分辨率。在以往文獻使用的標準方法中，只有低頻要素被視為預測股價的主要因素。然而，這種方法缺乏關(guān)于原始數(shù)據(jù)生成過程的細節(jié)。在本文中，作者依靠離散小波變換（DWT）高頻子波來提取短間隔隱藏信息，以便使用經(jīng)過反向傳播算法訓練的人工神經(jīng)網(wǎng)絡，提前一分鐘對未來標準普爾500指數(shù)（標準普爾500指數(shù)英文簡寫為S&P; 500 Index，是記錄美國500家上市公司的一個股票指數(shù)）進行更好的分類。模擬結(jié)果表明，同時使用低頻系數(shù)（近似）和高頻系數(shù)（細節(jié)）的方法提供的分類率比標準方法得到的分類率更優(yōu)。另外，模擬結(jié)果還表明，低頻要素適用于檢測未來標準普爾500指數(shù)的下降趨勢，而這篇文章的方法適合預測未來指數(shù)的上升趨勢。因此，標準方法能為風險厭惡型的投資者交易標準普爾500指數(shù)提供有價值的信息，而上述方法結(jié)合了高低頻率系數(shù)，對于在標準普爾500指數(shù)買賣時尋求短期利潤的風險愛好者有很好的指導作用。

（三）小結(jié)及展望

本文的作者從金融高頻交易這一熱點問題入手，創(chuàng)新地使用低頻和高頻小波系數(shù)結(jié)合的研究方法進行股票指數(shù)價格預測，具有一定的理論意義與現(xiàn)實指導意義。由于我國經(jīng)濟發(fā)展的需要，高頻數(shù)據(jù)在近幾年才逐漸被分析利用，因此國內(nèi)研究者也逐漸轉(zhuǎn)向研究高頻數(shù)據(jù)，但與國外相比研究還不成熟，根據(jù)參考的文獻，應用的分析方法除了人工神經(jīng)網(wǎng)絡法、小波分析法外，還有基于遺傳網(wǎng)絡規(guī)劃、SVM（支持向量機模型）的高頻交易策略研究，或者將好幾種算法或者分析方法結(jié)合起來使用混合模型進行預測，目的是提高預測精度。因此，要深入金融預測方面的研究，除了相關(guān)金融背景知識外，還需掌握相關(guān)的算法或統(tǒng)計分析方法（包括指標選取、數(shù)據(jù)去噪及模型優(yōu)化等方面），以達到減小預測誤差、提高預測精度的目的。

由于知識有限，且接觸金融高頻交易這一領(lǐng)域時間不太長，以上僅是本人對于已讀文獻的一點淺談，金融高頻交易是一個新興的、很有挑戰(zhàn)性的研究領(lǐng)域，值得深入研究，結(jié)合中國實際探索出真正符合中國國情的分析方法也更具現(xiàn)實意義。

【參考文獻】

[1] S. LAHMIRI.Improving Forecasting Accuracy Of The S&P500; Intra-day Price Direction Using Both Wavelet Low And High Frequency Coefficients[J].Fluctuation and Noise Letters，2014.

[2] 陳艷，王宣承.基于變量選擇和遺傳網(wǎng)絡規(guī)劃的期貨高頻交易策略研究[J].中國管理科學，2015，23（10）：47-56.