+
경제의 고주파 거래 마르코 Lutat 프랑크푸르트 대학교 학부 및 경제 경영 팀 Uhle 프랑크푸르트 대학교 학부와 경영학 고주파 거래 (HFT)가 최근 미국 2010년 5월 6일 플래시 충돌에 힘 입어 대규모 대중의 관심을 받고있다 및 HFT 전략의 거래 볼륨의 엄청난 증가한다. 여지, HFT는 거래 가치 체인의 모든 레이어 정교한 기술에 의해 구동되는 시장에서 중요한 요소이다. 그러나, 이 주제에 대한 토론은 종종 충분하고 정확한 정보 부족합니다. HFT에 대한 학술 연구의 결과와 대중, 미디어 시장에 미치는 영향 인식과 규제 논의 사이의 현저한 차이는 관찰 할 수있다. 수작업으로 조사 HFT에 최신 배경 정보를 제공하는 것을 목적으로한다. 이것은 정의, 드라이버, 전략, 학술 연구 및 현재 규제 논의가 포함되어 있습니다. 그것은 HFT를 분석하여 새로운 시각을 제공하고 솔루션 제안을 제공하기 위해 노력하고, 특정 제안 된 규제 조치를 평가하여 지속적인 토론에 기여한다. PDF 파일의 페이지 수 : 86 키워드 : 고주파 거래, 전자 시장, 알고리즘 거래 JEL 분류 : G14, G15, G24 날짜 게시 : 6 월 6 일 HFT는 야곱 알고리즘을 경쟁에 의해 직면 2011 고주파 거래에서 온라인 알고리즘 과제를 사랑이없는, 사샤 Stoikov 및 롤프 Waeber HFT (고주파 거래) 현대 금융 시장에서 강력한 세력으로 등장했다. 20 년 전, 거래량의 대부분은 인간이 몸짓과 거래 의도를 비명 것 밝은 색상의 의상을 입고 뉴욕 증권 거래소 등의 교류가 발생했습니다. 요즘 거래는 컴퓨터가 네트워크 메시지를 통해 거래 의도를 통신 데이터 센터, 전자 서버에서 주로 발생합니다. 전자 플랫폼에 대한 물리적 교환에서이 전환은 새로운 환경의 인프라에 많은 투자를 HFT 회사를 위해 특히 수익성이되고있다. 장소와 참가자의 모습이 극적으로 변화하고 있지만, 모든 상인의 목표는 전자 또는 인간의 여부에 관계없이 동일하게 유지 : 하나의 위치 / 상인에서 자산을 구입하고 높은 가격에 다른 위치 / 상인에게 판매 할 수 있습니다. 인간의 상인과 HFT의 정의 차이는 후자가 더 자주, 더 빨리 반응 할 수 있다는 것입니다, 매우 짧은 포트폴리오 보유 기간이 있습니다. 인간의 눈의 깜박임이 약 300 밀리 초를 필요로 전형적인 HFT 알고리즘은, 인간의 상인이 경쟁 할 수있는 서브 밀리 초 시간 규모에서 작동합니다. HFT 알고리즘이 서로 경쟁, 그들은이 문제에 직면 : 그들은 많은 양의 데이터를 모든 마이크로 나타납니다. 그들은 매우 빠르게 붕괴 관찰되는 신호의 수익성 같이 수신 된 데이터에 매우 빠르게 작용할 수 있어야한다. 온라인 알고리즘은 HFT 애플리케이션에 적합한 알고리즘의 자연적인 클래스를 제공합니다. 온라인 문제에서, 새로운 입력 변수는 순차적으로 공개된다. 각각의 새로운 입력 후, 알고리즘은 통상 제출 여부, 예를 들어 결정을 내릴 필요가있다. 이것은 전체 입력 데이터가 의사 결정시 사용할 수있는 것으로 가정 오프라인 문제 완전히 대조적이다. 컴퓨터 과학 및 운영 연구 응용 프로그램에서 해결 많은 실제 최적화 문제는 온라인 문제입니다. 1 온라인 문제를 해결 외에, HFT 알고리즘은 또한 시장 업데이트에 매우 빠르게 반응 할 필요가있다. 빠른 응답 시간을 보장하기 위해, 효율적인 메모리 처리는 실시간 거래 알고리즘에 대한 필요성이다. 메모리에서 대량의 데이터를 유지하는 것은 어떤 CPU 느려, 그래서 알고리즘은 L1 캐시로 빠른 액세스 메모리에 저장 될 수있는 데이터 및 파라미터의 최소량을 사용하는 것이 중요 할 것이다. 또한, 이들 요인은 시장의 현재 상태를 반영해야하고, 새로운 데이터 포인트가 발견 될 때 실시간으로 업데이트되어야한다. 요약하면, 메모리에 저장해야 할 계수의 작은 수 및 각각의 계수를 갱신하는 데 필요한 간단한 연산, 빠른 알고리즘 시장 업데이트에 반응 할 수있다. 속도 요구 및 HFT 문제 온라인 특성에 기초하여, 하나의 패스 알고리즘의 클래스 HFT 애플리케이션에 특히 적합하다. 이러한 알고리즘은 한 번에 하나의 데이터 포인트를 수신 및 인자들의 세트를 업데이트하기 위해 사용. 업데이트 한 후에, 데이터 포인트가 삭제되고 만 갱신 요소가 메모리에 저장된다. 세 가지 문제가 HFT 알고리즘에 발생할 수 있습니다. 첫번째 주행의 추정이 특정 전자 교환을 성공적으로 실행할 가능성이 순서의 크기를 결정하는데 HFT에 유용 유동성 의미이다. 두 번째 문제는 위치의 단기 위험을 정량화 도움 주행 변동 추정된다. 세 번째 문제는 관련된 자산 거래 쌍으로 사용될 수있는 선형 회귀 실행된다. 이러한 문제의 각각을 효율적으로 온라인 원 - 패스 알고리즘을 사용하여 해결 될 수있다. 이 문서에서 우리는 매우 유동적 인 ETF의 (상장 지수 펀드)에 대한 제한 주문 책 데이터에 대한 하나의 패스 알고리즘의 성능을 backtest과 실제로 이러한 알고리즘을 교정하는 방법에 대해 설명합니다. HFT 온라인 알고리즘 HFT가 다른 시장 참여자 이상이 한 가지 장점은 반응 속도입니다. HFT 회사는 시장에서 모든 작업을 볼 수 있고 마이크로 초 내에 반응한다. 일부 HFT 알고리즘이 시장 외부 정보의 소스에 자신의 행동을 기반으로 수 있지만 (예를 들어, 뉴스 보도를 분석 온도를 측정, 또는 시장 심리를 계측하여), 대부분은 전적으로 시장에 도달하는 메시지에 자신의 결정을 기반으로. 일부 추정으로 뉴욕 증권 거래소에 초당 215,000 견적 업데이트는 약이 있습니다. 4 HFTs의 과제는 그들의 그러한 위치를 입력하거나 위험을 감소시키는 경우와 같은 결정을 할 수 있도록하는 방식으로 데이터를 처리 할 수있다. 이 문서에 사용 된 예는 HFTs 최고의 입찰의 모든 업데이트를 관찰하고 최적의 입찰을 포함하여, 가격을 물어와 크기를 요청할 수 있다고 가정합니다. 한계 주문서에 포함 된 정보의 이러한 서브 세트는 종종 레벨 I는 도서 정보 순서로 지칭된다. 온라인 알고리즘의 다음 세 가지 예는, 각각이 문서에 자세히 설명되어 있습니다, HFT의 응용 프로그램과 동기 부여 : 온라인 알고리즘을 의미한다. 최고 입찰가의 크기의 합으로 정의 가능한 유동성 예측 인자를 구성하여 도시되고 가장 미래에 고정 수평선 물어. 이 양은 위해 크기가 소정의 지연에 가장 시세 실행 가능성 어떤 추정에 유용 할 수있다. 온라인 분산 알고리즘. 나중에 고정 수평선 위에 실현 변동성 예측 인자를 구성 그림. 이 양은 인벤토리를 유지하는 단기 리스크 추정에 유용 할 수있다. 온라인 회귀 알고리즘입니다. 이 관련 자산의 장단기 위치의 예상 PNL (손익)을 예측하는 인자를 구성하는 그림. 이 긴 짧은 위치가 유익 할 가능성이있을 때를 나타내는 신호를 구성하는데 유용 할 수있다. 세 경우 모두에서, 상기 알고리즘은 이전 정보가 분실되는 속도를 제어하는 단일 파라미터 알파를 갖는다. 1 플롯 원시 유동성 측정도 (입찰 크기 플러스 사이즈 문의) 파란색. 적색과 녹색은 각각 0.9 알파 알파 0.99 온라인 유동성 계수를 나타낸다. 알파 값이 1에 접근함에 따라, 신호 부드럽게 얻고 효율적 기본 데이터에서의 트랜드를 추적합니다. 이 플롯 알파의 다양한 값에 대한 온라인 변동성 측정 그림. 다시 한번, 조치가 더 큰 알파에 대한 부드러운 것을 알 수 있습니다. 더 큰 알파 매끄러운 신호를 제공하지만 더 오래된 데이터에 가중치를 많이 부여로, 또한 기본적인 경향 뒤에 더 떨어진다. 후술하는 바와 같이, 알파 값을 선택하는 것은 원활한 신호 경향의 감소 지체 사이의 트레이드 오프 (tradeoff)로 변환한다. 온라인 회귀 알고리즘을 설명하기 위해, 우리는 SPY 및 SSO에 대한 중간 가격의 시계열 보면, 두 개의 매우 관련 ETF의 (SSO는 SPY의 이중 레버리지 버전입니다). 도 3에 도시 된 바와 같이, 두 자산의 관계는 하루에 걸쳐 선형 매우 근접 보인다. 알파의 두 값 4 플롯 온라인 평균과 절편 그림. 그 이름이 나타내는 바와 같이 하나의 패스 알고리즘은 하나의 패스 알고리즘을 정확히 한번씩 입력 변수를 판독하고이를 폐기한다. 이 메모리에 저장 될 데이터의 최소량을 필요로 알고리즘이 유형의 메모리 처리의 관점에서 매우 효율적이다. 지수 이동 평균, 가중 기하 급수적으로 분산하고, 지수 가중 회귀이 섹션 온라인 원 - 패스 알고리즘의 중요한 세 가지 예를 보여준다. 다음 섹션은 HFT에 대한 이러한 알고리즘의 적용을 설명합니다. 우선, (S)가 시계열의 단순 이동 평균 간략히 살펴 보자. 이 고정 된 크기의 이동 창 위에 시계열의 평균의 추정치이다. 긴 창을 통해 하나의 짧은 창을 통해 하나 금융, 종종 두 가지 간단한 이동 평균을 비교하여 특히 가격 동향을 감지하는 데 사용됩니다. 다른 응용 프로그램에서의 평균은 다음 분에서 거래 볼륨의 예측이 될 수는 지난 5 분 동안 볼륨을 거래. 지수 이동 평균에 대조적으로, 단순 이동 평균은 1 패스 알고리즘으로 해결 될 수 없다. 하자 (X t) t X 0, X 1, X 2. 입력 변수의 관찰 시퀀스 일. 주어진 시간 t에서 우리는 다음의 결과 X의 t 일을 예측합니다. M 들어입니다. 이동 평균은 다음과 같은 재귀를 통해 계산 될 수있다 : 다음 이동 평균에 추가 일단이 온라인 알고리즘이지만 정확히 두 데이터를 가리 키 입력을 액세스해야하는 것처럼, 그것은 하나의 패스 알고리즘 아니다 다시 이동 평균 추정치에서 드롭합니다. 이러한 알고리즘은 두 단계 알고리즘이라고도 및 메모리 사이즈 M의 전체 배열을 유지 필요. 이 지수 가중 평균은 이전 데이터 포인트에 비해 최근의 입력에 더 중요성을주기 때문에, 여기서는 1 : 실시 예 1 : 통상 평균 달리 원 패스 지수 가중 평균, 지수 가중 평균은 이전에 관찰에 기하 급수적 감소 가중치 부여 종종 단순한 이동 평균의 근사치로 간주된다. 단순 이동 평균에 비해 지수 가중 평균은 계정에 이전의 모든 데이터뿐만 아니라 마지막 M 관측을합니다. 평균 더욱 지수 가중 이동 평균 단순한를 비교하기 위해 그림 5 점을받을 얼마나 많은 데이터 표시 80, 90, 95, 99, 및 0.95의 기능을 관찰 한 후 마지막 M (90)으로 추정 중량의 99.9 %를 데이터 요소 추정값의 99 %에 기여한다. 경고로, 경우 시계열 (X의 t) 이동 평균이 결국 관찰 창 밖으로 드롭으로 극단적 인 관측에 덜 경향이있는 반면, t는 다음 지수 평활 평균 극단적 인 관찰에 의해 지배 될 수 있습니다 매우 무거운 꼬리를 가지고 . 추정 절차를 자주 재시동은 지수 평활이 장기 메모리 효과를 해결할 수있다. HFT의 단순 이동 평균 위에 지수 이동 평균을 선호하는 이유는 효율적이어야 초기 브라운 (1956)에 도입 한 패스 알고리즘을 사용하여 풀 수 있다는 것이다. (3)이 공식은 또한 모든 이전의 관찰과 비교하여, 가장 최근의 관찰에 주어진다 얼마나 많은 무게의 제어 파라미터 등의 단순한 해석을 제공한다. 실시 예 2 : 원 패스 지수 적 가중 분산 이전 섹션에서 설명 된 지수 평활 시계열의 이동 평균을 추정한다. 금융, 시계열의 변동뿐만 아니라 종종 중요한 요소이다. 광범위하게 말하기, 변동성 시계열은 평균 주위에 변동이 얼마나 캡처합니다. 고주파 재무 데이터에 대한 변동성이 더 널리 정의는 없다. 이 섹션에서는 시계열 (X t) t의 데이터 포인트의 표준 편차 (분산의 제곱근)를 될 수있는 변동성을 고려합니다. 이전 섹션에서 지수 가중 이동 평균과 유사하게, 온라인 원 - 패스 알고리즘의 시간 시리즈 (X t) t와 지수 가중 방식의 변동을 추정하는 구성 될 수있다. 확률 변수의 분산은 바르로 정의된다 (X) E X - E X) 2. 평균 E X 추정 한 상기 분산을 추정 한 : (1)는 다음과 같이 추정되는 다음 측정점 X (T)의 표준 편차 시계열의 지수 가중 분산을 추정하는 두 추정기를 필요로한다. 다시, 입력 파라미터 (0,1)는 사용자가 선택한 최신 관측 데이터 입력에 비해 오래된 데이터 요소에 할당 된 얼마나 많은 무게를 반영한다. 여기서는 오히려 임의 선택 인 1 분산의 추정을 초기화. 또 다른 방법은 번인 시간 윈도우가 추정기를 초기화하는데 사용될 수있는이 위에 시계열 (X t) t 관측되는 기간의 초기에 번 - 상기 일련의 표준 편차 추정기를 갖는 것이다. 물론, 동일한 방법은 지수 가중 평균 추정기의 추정을 초기화하는 데 사용될 수있다. 실시 예 3 : 지수 적 가중 선형 회귀 마지막으로 예를 들어 하나의 패스 알고리즘은 지수 가중 회귀 모델 온라인 원 - 패스 알고리즘이다. 이 모델은 일반 선형 회귀와 비슷하지만, 다시 이전의 관찰보다 최근의 관측 (지수 가중치에 따라) 더 중요성을 제공합니다. 이미 도시 된 바와 같이, 이러한 회귀 방법 쌍 거래 전략을 만드는데 이용, 예를 들어 수있는 다른 자산의 관계를 추정 HFT 전략에서 매우 유용하다. 이 모델에서는 이차원 시계열 (X의 t, Y의 t) t와 변수 X와 Y가 제로 평균과 잡음 용어 t에 의해 손상되는 선형의 관계로 연관되어 있음을 추측을 고려한다. 즉, X가 설명 변수라고 반면, 변수 Y는 반응 변수로 지칭된다. 단순화를 위해의 여기에 하나의 설명 변수를 가정하자, 하지만 몇 가지 설명 변수의 확장은 간단합니다. 모든 데이터 지점을 관찰 한 후 선형 회귀에 표준 오프라인 방법에서, 변수 1를 보정한다. 이러한 데이터 포인트는 벡터 Y에 (Y 0. Y 1. Y t) 수집 우리가 더 후 Y 사이의 관계를 매개 변수를 작성하는 경우 행렬 X에서 사람의 T와 매트릭스의 열이 식 (3)의 요격에 대응 및 X 편리 확률 잡음 조건의 벡터이며, 이러한 오류 조건들 각각은 제로 평균을 갖는 경우로 행렬 표기법으로 기록 될 수있다. 매개 변수를 추정하는 가장 일반적인 방법은 잔차 제곱의 합을 최소화하도록 선택된다. 이러한 최소화 문제에 대한 해결책이다. 파라미터의 빠른 추정 연산에 필요한 대한 평균 및 분산 추정 마찬가지로 최근의 데이터 포인트가 더 중요 할 것이다. 다음 s는 다시 순차적으로 업데이트하고 최소화하는 재귀 방법, 매개 변수 1 벡터 V의 t의 필요성을 생각해 보자는 메모리에 저장되고 새로운 데이터로 업데이트 될 다음 재귀에 따라 가리 킵니다 평균과 분산 추정의 초기화로 재귀는 번인 시간을 이용하여 수행 될 수있다. 마지막으로, 시간 t 이후. 의 최선의 추정치입니다. 문헌에서이 방법은 지수 망각와 재귀 최소 제곱이라고합니다. 하나는 알파의 최적 값을 결정 않는 방법이 산정 알파, 모든 온라인 모델의 하나의 파라미터는 모든 세 가지 모델에 대한 우리의 방식은 우리가 예측하고자 응답 함수를 정의하고, 상기 응답 RI 사이의 제곱 오차를 최소화 할 수 있으며 우리의 요인 Fi를. 이 방법은 과거 시계열에 최적의 알파를 찾습니다. 다른 방법뿐만 아니라 온라인 최적 알파를 추정하는 것이다. 그러나 이것은 더 많은 작업을 필요로하며이 문서의 범위를 넘어 간다. 우리는 지금 설명 온라인 추정기에 대한 세부 정보를 제공하고 특정 데이터 세트에 최적의 알파 추정된다. 1. 평균 유동성 추정은 인덱스 i가 견적 시간을 나타냅니다으로 정의된다. 기지국 I (10), i 번째 인용 후 입찰가 크기 10 초 나타냄 응답은 10 초 유동성 정의된다. 알파 통해 최적화 루틴을 실행하면 주어진 데이터에 대한 최적의 알파 요인과 응답의 산포도와 같은 그림 6에 표시, 0.97 있음을 보여줍니다. 2. 변동성 추정은 인덱스가 나는 초 실시간을 나타냅니다으로 정의된다. 응답은 다음 분을 통해 실현 변동성으로 정의된다 : 다시, 알파의 서로 다른 값을 통해 검색하면 지정된 데이터 세트에 대한 0.985의 최적의 알파를 산출한다. 그림 7은 요소와 응답의 산포도를 표시합니다. 3. 쌍 거래 회귀 추정은 인덱스 i가 견적 시간을 나타냅니다으로 정의된다. 요인은 SPY의 양이 긍정적 인 경우, 다음 SPY이 상대적으로 저렴하다 SSO에 대해 긴 SPY 수익성이 될 가능성이있는 무역의 값을 나타냅니다. 60 초 동안 SPY의 가격을 나타냅니다 응답은 SPY 및 SSO의 짧은 주식의 긴 일주하는 무역의 다음 분을 통해 PNL로 정의된다. 시간 전에서 SSO의 주식을 SPY의 일주를 구매 및 판매 : 응답 r에 나는 다음과 같은 장단기 전략의 PNL을 나타냅니다. 60 초 동안 위치를 종료합니다. 분석 된 데이터에서 최적의 알파는 0.996로 밝혀 설정합니다. 도 8은 인자 및 응답의 산포도이다. 결론 온라인 원 패스 알고리즘은 모든 데이터가 마이크로 대량 수신하고 수신 된 데이터에 대해 매우 빠르게 작동 할 수 있어야 고주파 거래 수단이된다. 이 문서는 HFT 알고리즘이 직면 세 가지 문제를 해결했습니다 특정 전자 거래소에 성공적으로 실행 변동성 추정을 실행할 가능성이 주문의 크기를 결정하는 데 유용 할 수 있습니다 유동성의 실행 평균의 추정, 도움을 줄 수있는 위치의 단기 위험과 관련된 자산 거래 쌍으로 사용될 수있는 실행 선형 회귀를 정량화. 온라인 원 - 패스 알고리즘은 이러한 문제를 각각 해결하는 데 도움이 될 수 있습니다. 참고 문헌 1. 알버스, S. 2003 온라인 알고리즘 : 설문 조사. 수학 프로그래밍 97 (1-2) : 3-26. 2. 스트롬 A. Wittenmark, B. 1994 적응 제어, 두 번째 버전. 애디슨 웨슬리. 수요 예측 3. 브라운, R. G. 1956 지수 평활. 아서 디 리틀 주식 회사 쪽. 15 IT를 사랑 IT는 미국 JACOB 사랑이없는이 Lucera의의 CEO 및 캔터 피츠 제럴드에 대한 고주파 거래의 전 머리 알려 싫어. 씨 사랑이없는 거의 모든 전자 자산에 지난 10 년 동안 고주파 거래 그룹 및 교류 모두 근무하고있다. 금융에서 생활하기 전에는 사랑이없는 논의 할 수없는 것들에 대한 경험적 분석에 초점을 맞춘 미국 국방부위한 특별한 계약자이었다. 그 이전에, 그는 CTO 및 데이터 과학, 분산 시스템 분석의 선구자의 창시자였다. 사샤 STOIKOV는 캔터 피츠 제럴드의 고주파 거래 그룹의 코넬 금융 공학 맨하탄 (CFEM)와 전 부사장의 선임 연구원이다. 그는 갤리온 그룹과 모건 스탠리 (Morgan Stanley)에서 컨설턴트로 근무하고 NYU의 쿠랑 연구소와 컬럼비아의 IEOR 부서에서 강사이었다있다. 그는 박사 학위를 보유하고 텍사스 대학과 MIT에서 BS에서. ROLF WAEBER는 Lucera의에서 양적 연구원이며, 이전에 캔터 피츠 제럴드의 고주파 트레이딩 그룹에서 양 연구원으로 재직했습니다. 그는 바젤 II 내 유동성 위험 조정 / 도이치 연방 은행에서 III 규제 프레임 워크에 대한 연구에 참가했다. 롤프는 자신의 박사 학위를 취득 2013 년 코넬 대학에서 오퍼레이션 리서치 및 정보 공학 그는 BS 및 ETH 취리히, 스위스에서 수학 석사를 보유하고있다. / 13 / 0800 10.00 2013 ACM 1542-7730은 원래 큐 권에 발표했다. 11, 아니. 8 ACM 디지털 도서관 앙드레 메데이로스에서이 항목을 참조 - 변화의 역학 : 왜 반응성은 자신의 모듈의 각 문제를 중앙 집중화하여 길들인에게 변화의 역학 사항. 브렌든 그레그 - 불꽃 그래프 소프트웨어 실행이 시각화 성능 프로파일 링 및 디버깅을위한 새로운 필요성이다. 바르 제이콥슨, 이안 스펜스, 브라이언 커 - 유스 케이스 2.0은 소프트웨어 개발 타일러 McMullen의 허브 - 적용 가능하지만, 일부 프로그래머가 실제로 사용할 수있는 기회를 찾아뿐만 아니라 - 그것은 아마 확률 알고리즘이 모든 우리 주위에 작동합니다. 댓글 XXX 월, 저자, 러버의 2013년 10월 21일 세계 협정시 07시 48분 57초 이름입니다. 제곱근을 계산하는 동안 타이 디아 오 르 mperez 2016년 1월 8일 (금)은 변동성을 측정 할 때, 그들은 단지 분산을 사용하는 대신 표준 편차를 계산하는 이유는, 세계 협정시 21시 47분 19초 그들은 시간을 잃게됩니다. 브랜든 2016년 5월 8일 (일) 나는 현재 베타를 계산하는 데 사용되는 평균과 분산 추정량을 계산 붙어 세계 협정시 21시 39분 10초. 이 기사는 알고리즘 2 2 매트릭스 산의 각 단계에서 말했다와 2 1 벡터 버몬트가 가리키는 다음 재귀에 따라 새로운 데이터를 메모리에 저장하고 업데이트해야합니다. 평균 및 분산 추정에 관해서는, 재귀 초기화 번인 시간을 이용하여 수행 될 수있다. 오전 데 문제는 내가 M 값과 V 매개 변수가 번인 (burn-in) 기간을 사용하여 초기화해야하는지 잘 모르겠어요 것입니다. 나는 2 × 2 행렬 값 또는 2 × 1 벡터가 될해야하는지 모르겠습니다. 2016 ACM, Inc. 모든 권리는 저작권에 의해 보호됩니다. 고주파 거래는 주식 거래자가 보도 장소 입찰 및 제안에 교환 바닥을 가로 질러 주자를 보내는 연습을 시작했을 때 필립 Porado과 사라 Tatelman 2016년 2월 22일 당신 단지 19 세기 블루 냉혈한 턱 떨어지는 상상할 수있을 여기 왜. 그러나 승인은 t 자신의 바람 달리기 연습을하거나 그들을 위해 실행을 수행하는 보조 학교 트랙 별 고용에서 그 상인을 중지 바랬다 -. 시간은 항상 돈이었다. 나중에 그 같은 세기, 불평은 주문을 할 수있는 새로운 신기한 전신을 사용하는 기업에 대해 quacked. 방법 전화 및 컴퓨터 증권 주식 교환의 품위 사업을 변경하여 20 세기는 불만을 보았다. 고주파 거래는 게시물에 경주의 오늘의 것과 동일하고, 증거가 부당하게 더 큰 투자 이점 않습니다 보여줍니다 반면, 전문가는 여기에 있습니다이야 말한다. 12 월에 캐나다 투자 산업 규제기구는 추가 규제 대응을 보증하는 우려를 공개하지 않은 연구 발표와 토론에 더 많은 사료를 추가했다. 기회는 누군가가 고주파 거래를 언급 할 때, 나쁜 일이 마음에 도약하는 것이 좋다 : 불량 거래자, 알고리즘은 t의 일을 돈 때 발생하는 나노초 거래 기술의 큰 wirehouses 때로는 설명 할 수없는 주식 시장 급락으로 투자의 불안 수준. 최신 기술 붐이 월 스트리트, 베이 스트리트와 런던, 영국을 치고, 2010 년 E-미니 S P 500 계약을 판매하는 하나의 큰 뮤추얼 펀드 회사에 의해 트리거 이벤트를 플래시 크래시 다음과 나쁜 언론의 점유율을 받았다. 플래시 충돌은 구입과 번개 속도로 많은 양을 판매하고는 작은 가격 변화에 돈을 벌 수 있도록 정교한 알고리즘을 사용으로 뮤추얼 펀드에서 고주파 상인에 의해 축적 된 오랜 선물 위치의 적극적인 거래를하고있었습니다. 그 활동은 나중에 몇 분을 복구하기 전에 천 엄청난 포인트 (주식 시장의 역사에서 두 번째로 큰 장중 하락) 아래에서 다우 존스 산업 평균을 보냈다. 육식으로 가장 빠르고 최고의 기술보기 등의 거래 관행에 액세스 할 수없는 사람. 그리고 알고리즘 거래의 많은 틀림없이 단락 그들에게 성장에 필요한 기업에 자금을 가지고있는 자본 시장의 본래의 목적. 다음 인용 먹거리, 상인 입찰의 수백만 플러그 만 나중에 그들에게 순간을 취소 무역 몽타주로 제공하는 프로세스가이야. 연습은 데이터 흐름에 관계없는 정보를 부가하고 어려운 사운드 결정에 도달함으로써 다른 시장 참가자를 방해하도록 설계된다. 유동성 부스트 비판은 따로하지만, 전체 고주파 거래 시장에 가치있는 유동성을 제공합니다. 우리는 감소 스프레드의 형태로 시장에 혜택을 볼 수, 케빈 샘슨, 사업 개발 및 전략의 TMX의 부사장은 말한다. 궁극적으로, 투자자들은 더 나은 가격을 얻고있다. 우리의 시장은 지금 이제까지 것보다, 아마 효율적, 또는 더 효율적입니다. 그는 투자자들이 때때로 때문에 고주파 거래 활동의 높은 비용을 지불해야 지적하지만, 그 문제는 항상 존재 의미한다. 라이언 리오 단, 여왕의 대학의 비즈니스 교수는 비슷한보기를 표현한다. 우리는 HFTs 시장을 불안정 증거가 없다, 그는 말한다. 그의 연구는 고주파 거래는 일반적으로 시장에 유동성을 제공하는 입찰-물어 확산 축소를위한 좋은 수 있습니다 발견했다. 즉, 차례대로, 고주파수 상인 짧은 판매 거래를 제외하고 비용을 낮춘다. 우리는 당신이 주문을 제출 다시 때 유동성에 대한 큰 다시 발견, 그는 말한다. 12 월 HFT에 IIROC 결과는 캐나다 투자 산업 규제기구는 고주파 거래에 대한 연구를 발표했다. 그것은 발견하거나 개선 큰 무역 HFTs는 가격 발견에 실질적으로 기여하는 일에 모든 거래량의 정상보다 높은 비율 HFT가 입력 한 수동 명령의 대부분을 나타낼 때 HFTs는 일반적으로 상당히 낮은 수 있습니다 더 많은 유동성 HFT 유동성 공급을 제공 최고의 가격은 HFTs 느린 비 HFTs 또는 전면 운영하는 비 HFTs을 활용할 수 있다는 증거가 지배적 가장 좋은 가격을 일치하거나. 이 연구의 결과는 측정 이미 IIROC에 의해 구현 및 HFT의 존재가 캐나다 주식 시장과 그 시장에 투자하는 사람들에 서로 다른 영향을 가지고 있음을 나타냅니다 넘어 규제 대응을 보증하는 우려를 공개하지 않았다 IIROC는 결과를 발표했다 당신이 주문을 제출하지 12월 (9)의 연구는 유동성이 꺼집니다. 하지만 장점은 t이 기관 투자자를 위해 많은 일을 아무튼, 로버트 영, 리퀴드의 전 최고 경영자 (CEO)는 말한다. HFT 추가 s의 유동성이 t 정말 기관 투자자를 도와 아무튼, 최근 리퀴드에서 은퇴 한 젊은는 말한다. 오히려, 그는 추가, IIROC는 기관 투자자들이 구매 모드로 입력 할 때 큰 무역을 시작할 때 고주파 상인이 경쟁을하게 발견했다. 결과는 더 적은 주식 가격에 영향을 미치는 수요 상승, 로 사용할 수 있다는 것입니다. 누군가가 사람이 많이 사는 s를 알게되면 그들은 가격이 상승 할 것이다 알고 있기 때문에, 그들이 구매를 시작, 그는 고주파 상인이 더 민첩 경향 지적했다. 그리고 작은 규모의 가격 변동, 작은 심지어 사람은 한 푼도 있지만, 반복 횟수만큼 큰 거래를 만드는 사람에 더 큰 영향을 미친다. 당신이 그것을 곱하면, 그것은 26 최고의 공연에서 25 최고의 공연을 분리하기에 충분이야, 젊은 말한다. 그들이 그 페니을 잃지 않도록에 정말 중요하다. 견적 소 및 정보에 판매 초기 액세스와 같은 방법으로, 그것은 국경의 양쪽에 놀라운 상인은 고주파 거래의 공정한 할 수있는 방법을 찾고되지 않습니다이야. 일부는 경기장을 발휘 한 전자 속도 범프의 종류를 제안했다. 젊은는 지적으로 그리고, IIROC 자신의 활동이 생성하는 추가 메시지 볼륨 고주파 상인에 특정 비용을 할당하여 몇 가지 조치를 취했습니다. 또한, 익명의 상인에 음식의 연습 걱정되는 사람은 트랜잭션을 구입하거나 주요 시장 시세 몽타주에서 멀리 재고의 큰 블록을 판매하고자하는 당사자 사이에 발생하는 소위 어두운 수영장, 최대 조명에 대한 제안을 제안했다. 캐나다에서는 젊은 IIROC 미국에서 어두운 풀 보았고, 그들이 여기 적절하지 다시 결정했다고 밝혔습니다. 그들은 나쁜 일이었을 것이다 작은 차 다크 풀의 성장을 방해, 그는 말한다. 이 기관 투자자에 올 때 더 중요한 것은, 젊은 블록 거래는 고주파 거래로 인한 일시적인 가격 변화 외부에서 발생할 수 있도록 유연성을보고 싶습니다. 블록 거래 주변의 규칙에 약간의 유연성이 있어야한다, 그는 합병 적어도 캐나다의 증권 규제 어느 정도의 대형 고주파 상인의 영향에 대응하는 능력을 강화 도움이 될 것을 추가했다. 캐나다와 미국의 일부 교환 공정성을 만들기 한편, 또 다른 길을 갔을 : 엄격한 규칙과 높은 비용에 구속 자신의 거래 시스템을 만들. IEX 그룹 주식 회사는 미국에 등록 된 브로커 - 딜러, 뮤추얼 펀드, 헤지 펀드, 가족 사무실과 개인의 그룹에 의해 독점적으로 자금을 구독 기반의 대체 거래 시스템입니다. 햄, 온타리오에 의해 설립. 기본 브래드 가쓰 야마, 그것은 약탈 거래에서 주문을 보호하기위한 인프라를 만들었습니다 파악하고 단점 기존 투자자의 주문 흐름을 시도 고주파 거래의 서브 클래스. HFT를 얻고있다라는 명성에도 불구하고, 시장에 가치있는 서비스를 제공하는 많은 HFT 전략이있다. 약탈 거래는 그들 중 하나가 아닙니다. 우리의 계획은 IEX 문서에 따르면, 그것을 중지하는 것입니다. Aequitas 네오 교환, 이름이 공정성을 의미하며, 그 투자자의 신뢰에 영향을 미치는 공정, 유동성과 투명성의 가압 시장 문제를 해결하기위한 목적을 알리는 새로운 교류의 출시 지난해 투자자들은 다른 대안이있을 것이다. Aequitas 겸 최고 경영자 (CEO) 호세 슈미트는 그가 약탈 고주파 거래를 처리하지 않습니다 느낌이 다른 캐나다 교환에 대한 대안으로 Aequitas을 계획 중인데. 현 장터는 볼륨으로 HFT 클라이언트를 참조하십시오. 그들에게 그것은 큰 돈 메이커에요. 그는 고주파 거래에 대한 Aequitas의 ISN의 t을 말한다 그러나 그는 그의 목표는 정보 이점을 가지고 그 시장 참가자와 그 돈의 t 사이에 공평한 경쟁의 장을 다시 설정하기 위해 기술 및 시장 구조 솔루션의 숫자를 구현하는 것입니다 지적한다. 균형에서 마크 야마다, 시장 가격의 차이를 관리하는 좋은 일을 주식 투자 P R 사장은 말한다. 나를 위해, HFT가 단지 더 진보 된 기술 형태이며, 그는 말한다. 그것은 조금 악용 될 수 있지만, 내가 말하는대로, 균형, 그것은 시장 사이의 불일치를 멀리 차익 거래. 공평한 경쟁의 장 좋은 일이다. 강한 약한 다이하자, 살아남을 수 있습니다.
No comments:
Post a Comment