智能交易 | 创造价值
金纳视界
以客户为中心，产品至上，服务第一
GENUS
2022年1月
今天的质量是明天的市场，
企业的信誉是无形的市场，
客户的满意是永恒的市场。
半年刊
Shanghai Genus-Finance Information Technology Co.,Ltd.
网 址：
电 话：
www.genus-finance.com
021-68912331
01
编 委：夏阳、林锋、杨进、张永宇
主 编：陈晓昕
编 辑：杨柳青
目录
CONTENTS
02
专业&专注
文化与融合
2021年证券市场与量化投资年度回顾
03
2021年证券行业聚焦与政策回顾
10
首届“国际资管科技创业者与投资者大会”
“量化投资及交易技术专场”专场
15
高频交易的前世今生
17
私募量化策略超额收益来源分析
25
机器学习在算法交易中的应用现状
31
日内交易综述
37
43
齐心同行 共创未来
回顾及聚焦
03
Genus | 匠心筑梦
2021年证券市场与量化投资年度回顾
2021年，国内金融市场活跃度再度提升，市场的赚钱效应也带动了资管行业发展，公募和私募基金的规模增长保持强劲的势头。此外，银行理财子、FOF/MOM、基金投顾等为行业带来新的增长点和发展机遇。量化交易、量化私募基金则在去年初显锋芒后，受到的市场关注度进一步提升，但也面临逐步趋严的监管政策。
一、市场交易活跃，十月末累积成交额已超2020全年
回顾2021年，虽然年初以来由于周期股、成长股、碳中和相关板块等的强势和消费股、医药股的大幅回调，使得不同板块、不同指数间表现分化加剧，以中证500、创业板50等为代表的指数分别创下2016年以来新高，但A股整体延续了2020年的赚钱效应，市场活跃度再度提升。
截止2021年10月末，上交所和深交所的累计成交额分别达到92.66万亿元和114.46万亿元，合计207.1万亿元，已经超过2020年全年206.8万亿元的成交额。而三季度两市活跃度创近几年新高，月均成交额在8月一度接近30万亿元。
数据来源：东方财富，交易所，21YTD截止21年10月
图表1：近十年两市成交金额及换手率
回顾及聚焦
04
图表2：2020年至21年10月末两市月成交金额
二、公募私募管理规模再创新高，私募头部基金份额进一步扩张
公募基金和私募基金在国内大资管行业内的占比，相较于国际市场的共同基金仍然较低，但在18年的资管新规后，近几年保持高速增长。2020年是国内证券类公募基金、私募基金蓬勃发展的一年，尤其是公募权益型基金（股票基金+混合基金的合计规模），管理规模于去年翻倍。而2021年则延续了这种增长势头，尤其是私募证券基金，规模保持高速增长。
数据来源：东方财富，交易所，21YTD截止21年10月
图表3：证券类基金规模增长趋势及季度新增净额
数据来源：中国基金业协会
回顾及聚焦
05
Genus | 匠心筑梦
截止2021年10月，公募基金1和私募基金2的总管理规模分别达到约24.4万亿元和19.7万亿元。其中，公募权益型基金规模达到8.2万亿元，较2020年末同比增长27.6%；私募证券基金的管理规模达到6.1万亿元，较2020年末同比大幅增长61.4%。受益于业绩表现，私募证券基金的管理规模季度增量在今年一季度和三季度均超过公募权益型基金。
在规模高速增长的同时，资金涌向头部的规模效应进一步显现，私募基金头部管理人规模的份额继续扩张。中基协数据显示，截止今年10月末，存续私募证券投资基金管理人数量约为9,007人，较20年末微增99家。根据中信证券的测算，50亿元以上管理人的数量在今年三季度增加到约170家，数量上不足2%，但规模占私募证券基金的份额则进一步提升至62.7%，较20年末约53%的份额占比提升将近10个百分点。而100亿元以上的管理人数量增至约92家，即50-100亿元的管理人数量也达到约78家。头部基金的规模效应，让中小私募基金，尤其是规模徘徊在5亿元以下的基金（截止三季度末有7,632家）面临更大的挑战。
三、量化投资备受市场关注，业绩靓丽助力规模增长
量化基金近两年在国内蓬勃发展，尤其是量化私募基金，在今年二季度规模已经突破万亿元。量化基金整体的规模和业绩是在2020年初露锋芒，而在今年则继续保持高增长态势。
根据中信证券报告显示，截至2021年三季度，量化私募和量化公募基金的管理规模分别达到1.43万亿元和0.28万亿元。其中，量化私募基金得益于20年以来的高速增长，占私募证券投资基金的占比不断提升，较20年末的20%再度提升至25.6%；而量化公募基金的规模在近年一季度小幅回落后恢复增长，占权益型公募基金的份额回升至3.5%。
1 指包含货币基金、债券基金、股票基金、混合基金等合计规模
2 指包含股权投资基金、证券基金等合计规模
06
图表4：量化私募基金规模及占比
数据来源：中国基金业协会，中信证券报告
除了量化投资理念在国内市场的渗透率不断提升，头部私募近几年相对不错的业绩，也是支撑量化投资高速发展的主要因素之一。根据中信证券测算，在规模10亿元以上的私募管理人中，今年以来3量化私募股票策略产品均值收益率18.1%，远高于主观私募9.6%的均值，尤其是在500指数增强产品上表现突出。
图表5：量化与主观投资产品业绩均值对比
数据来源：中信证券报告
回顾及聚焦
回顾及聚焦
07
Genus | 匠心筑梦
3 今年以来(21YTD)指截止2021年10月8日的业绩表现
对比公募和私募产品21年前三季度的表现来看，私募证券基金整体表现优于公募基金权益型产品，表现领先的私募策略为管理期货、宏观策略和多策略。而从部分量化私募细分策略的代表性产品看，中高频策略表现优异。
图表6：公募、私募、量化产品业绩对比
数据来源：朝阳永续，中信证券报告，国金证券报告
08
四、理性看待量化，监管趋严促规范化是每个行业的必然趋势
不过，量化基金规模的增长、头部管理人知名度的提升、百亿量化私募的扩张，在给量化投资带来关注度的同时，也给行业带来了更多的争议。而量化基金在今年下半年的回撤、控制权之争事件等，似乎也让市场对量化的解读有所妖魔化。
2021年9月6日，证监会主席易会满在第60届世界交易所联合会(WFE)会员大会暨年会上表示，“在成熟市场，量化交易、高频交易比较普遍，在增强市场流动性、提升定价效率的同时，也容易引发交易趋同、波动加剧、有违市场公平等问题”。次日，便有“知名量化私募天演资本宣布暂停募集、公募基金西部利得量化成长将单个账户单日单笔申购等业务金额限制在1,024元以下”等新闻，引发市场对于监管机构将严控量化基金的各种传闻。11月以来，中基协、中证协等监管机构也陆续发布对量化私募、券商开展量化交易等加强数据报送、信息披露等要求。其实，理性看待量化，可以从两方面去解读：一方面是交易，另一方面是投资。
首先，量化交易（包括算法交易、量化策略交易等）在改善市场流动性、修正错误定价、增强价值发现上有重要贡献，在成熟的国际市场上已基本成为标配。而高频交易有高频率报撤单、高换手的特点，需要通过高速和复杂的计算机程序、直连交易所数据通道等来完成，对速度和算力都有较高要求。客观来看，追求高性能、智能化是科技时代下每个行业的发展趋势，量化交易则是金融与科技紧密结合的重要部分之一，监管机构在信息收集和监测等方面加强监管，来促进行业规范化发展是每个行业发展到一定阶段的必然趋势，应理性看待而不是过度解读。
回顾及聚焦
回顾及聚焦
09
Genus | 匠心筑梦
此外，量化投资其实和主观投资一样，一个是相信从大量数据去用算法客观分析，一个是相信人的主观判断，本质都是投资策略和投资理念。当大部分主观基金管理人的主观判断一致时，策略实施下的交易自然也会趋同，例如年初抱团股的瓦解。而量化证券基金目前加起来不到2万亿元，在证券类公募私募中占比仅约12%，因而量化策略能造成趋同、闪崩、剧烈波动的可能性较小。市场对于量化的过度解读，往往是因为量化投资理念进入国内较晚，对新事物的本能过激反应。
五、总结
2021年量化投资行业延续20年的高增长，受到的市场关注度不断提升。而量化交易的不断渗透、量化私募基金的蓬勃发展，是顺应时代发展的必然趋势，监管机构对行业规范化发展会起到促进作用，也是每个行业迈向成熟的必经之路。
10
2021年证券行业聚焦与政策回顾
一、北交所开市给市场注入新活力
2021年11月15日，北京证券交易所正式开市，成为中国第一家公司制的证券交易所，公司制交易所符合全球交易所的发展趋势，对标世界主流交易所，更具竞争性。北交所要求发行人应当为在新三板连续挂牌满12个月的创新层挂牌公司，主要服务中小型的“专精特新”企业且放宽了投资者的准入门槛，将给融资困难但具有潜在增长价值的中小型企业提供直接融资渠道，帮助这些企业获得更长远的发展。未来，北沪深三大交易所将服务不同行业、不同地域以及不同发展阶段的企业，形成多层次的资本市场体系；并且能够吸引更多投资者参与市场投资，让更多的投资者能够享受高增长型中小企业成长红利的机会。
沪深两市成交额今年再度提升，而北交所开市以来也取得了不错的活跃度，开市首周81只新上市股票合计成交212.49亿元，新增合格个人投资者达到34万户，8只北交所主题基金已经募集超过100亿元资金。市场不断扩容，流动性不断提升，将给金融机构和金融科技企业带来更多的发展机会，如券商可以开拓更丰富的业务范围，投资者开户数量和交易量上涨将给券商提供更多的利润空间；并且交易规则的变化以及交易量的增长导致的扩容需求，短时间内券商难以独立承担交易系统、风控软件等方面的更新换代，将为金融科技服务商带来新的增长亮点。
回顾及聚焦
回顾及聚焦
11
Genus | 匠心筑梦
二、银行理财子公司发展迅速
银行作为资管规模占比最大的金融领域，资管新规的逐步落地让银行理财子公司应运而生，从经营范围上来看，银行理财子公司的经营范围包括公募理财和私募理财，同时还包括咨询和顾问业务，极大的拓展了理财子公司的市场空间和竞争优势。银行理财子公司的发展迅速，规模不断扩增。
截至2021年9月底，共有29家银行理财子公司获批筹建，其中有21家已经正式开业，存续规模已突破10万亿人民币，投资者数量超过6000万个，较年初增长47.45%。从发行的产品种类来看，银行理财子公司主要发行固定收益类、权益类和混合类三种产品类型，其中固定收益类产品占比最高，接近80%。同时理财子公司也在积极探索“固收+”类型产品，包括偏债混合型基金、混合债券型一级基金和混合债券型二级基金，通过配置稳健的债券类资产和其他中高风险资产，在控制回撤的同时获得比传统固收类产品更高的收益，未来混合类和权益类产品的占比也许将进一步提升。
银行理财子公司作为监管鼓励的发展方向，加上银行母公司自有的广大零售客户群体，未来理财子公司可以为居民投资者提供更多元化的资产配置种类，将拉动居民对金融资产配置的比例。同时，银行理财子公司规模发展迅速将成为A股市场重要的机构投资者，从而提高机构投资者的比重，投资者机构化的趋势将更加明显。
三、各类金融机构大力发展FOF，资管行业迎来FOF-LOF新物种
近年来，随着公募私募基金带动下资管行业的高速发展，以及理财产品净值化转型的推进，FOF/MOM产品也在高速扩容，成为资管行业的新增长点。根据朝阳永续的数据，截至到2021年11月4日，市场上存续的FOF/MOM/多策略基金共8226只。截止11月中旬，今年FOF的发行规模超过千亿份，在年内新发基金中占比4.0%，也是2017年FOF面世以来的最高值。
自从2017年公募FOF基金正式发行以来，公募FOF基金产品的数量以及规模都在不断提升，产品的数量从2017年末的6只增长到了2021年10月末的205只，规模从130亿元增长到接近2000亿元。其中，偏债混合型FOF基金规模占比最大，其余还有偏股混合型、目标日期型、平衡混合型等。公募FOF产品主要由个人投资者构成，个人投资者从专业程度、时间精力和资金实力等方面难以与机构投资者竞争，所以更偏好于通过基金或者FOF的形式来间接投资资本市场。
12
就私募FOF基金来说，虽然首只私募FOF成立于2006年，但之后发展进程缓慢，直到2014年《私募投资基金监督管理暂行办法》允许私募基金投资范围扩展到基金份额之后才开始大幅增长。根据通联数据显示，目前一共有5458只私募FOF，较年初新增了1789只，其中私募基金自行发行的占比约40%。2021年7月，景林资产首只FOF产品发行，首日募集资金就达到接近100亿元，成为目前私募市场首发募集规模最大的FOF基金。对私募FOF产品关注度的提升也体现了投资者对于资产配置、分散风险的重视程度。
银行理财子也是近年FOF增长靓丽推动力之一。除了大力发展“固收+”类产品，银行理财子也加快与公募基金的合作，积极布局权益类资产市场，不断推出FOF型产品。截止到2021年6月底，银行及理财子公司存续FOF型理财产品共153只，存续规模1144亿元人民币，其中理财子公司FOF产品规模占比达到70.94%。FOF型理财产品重点投资公募基金，而其中股票基金、混合型基金的规模占所投资的公募基金规模达到36.80%，银行理财子公司从而间接的实现了权益类资产的配置。
与此同时，2021年资管行业也迎来了FOF-LOF、QDII-FOF-LOF等创新产品的新尝试，解决了投资FOF产品在封闭期内无法变现的问题。11月19日，由兴证、交银施罗德、中欧、广发成立的首批4只FOF-LOF基金已经上市，发行总规模接近100亿元，而民生、工银瑞信、富国等机构也在加快FOF-LOF产品的发行，成为今年四季度以来基金发行市场的亮点。此外，在12月2日，华宝基金、景顺长城基金已率先上报了QDII-FOF-LOF基金，将为中国投资者配置海外优质资产提供更多选择。
四、金融科技发展与监管并存
近两年由于疫情影响，数字化转型的重要性也越来越明显，国家也鼓励实体企业和金融机构发展数字化转型。不少金融机构通过设立金融科技子公司、持续加大金融科技资源投入，通过人工智能、大数据、区块链、云存储等技术来推动机构数字化转型，从而提高自身的竞争力。例如，北交所的成立利好证券交易领域厂商；A股交易量的上涨以及投资者机构化趋势给算法交易公司带来更多业务增量；银行也大力发展科技子公司加速自身数字化转型从而提高自身竞争力；证券行业对信息技术的投入也不断增强，根据中国证券业协会数据，2020年券商对信息技术的投入金额达到262.78亿元，同比增长21.31%，主要集中于信息化系统建设，包括云计算与大数据、人工智能、区块链、流程自动化等领域。
回顾及聚焦
回顾及聚焦
13
Genus | 匠心筑梦
金融科技领域稳步发展的同时也伴随着更严格的监管举措：如未来支付业务领域将面临更严格的监管；金融控股公司将实施并表管理，规范关联交易，加强审慎监管；金融作为特许行业将必须持牌经营；强化反垄断监管，维护公平竞争秩序；强化信息安全和数据安全等。
在严监管的情况下，也给金融科技厂商带来了新的机遇以及挑战。企业和金融机构将对使用的软件系统的合规、风控模块是否满足监管要求更看重，软件厂商是否能快速地响应监管需求将突显其优势和竞争力。
五、监管机构对量化投资提出更多规范化发展要求
沪深两市成交额今年也连续破万亿，公募基金调仓、北向资金持续流入、融资融券交易额上升、中高频量化私募活跃推动A股成交额上升，增强了资本市场的流动性。
截至2020年，中国个人财富资产已达到205万亿元人民币，创下历史新高。根据麦肯锡数据，我国家庭财富中金融产品类资产相较美国居民占比过低，但高净值人群在未来五年有望成为高增速板块，2020-2025年CAGR预计达到13%。随着财富管理需求多元化，个人金融资产中的基金与股票占比将持续增长，预计2025年将较2020年提升3%，规模达到70万亿元。随着高净值人群的投资热情高涨，量化私募基金也引来了快速增长阶段。不过到了9月，量化私募基金大面积回撤以及规模的爆发式增长让量化私募机构纷纷减缓扩张的脚步，并且监管对于量化投资的关注度也在逐步提升，如要求更高的报送频率、更详细的报送数据、禁止一些不规范的操作等：
11月1日，中基协向私募下发《关于上线“量化私募基金运行报表”的通知》，将量化私募数据报送频率从“季报”改为“月报”，相关报送指标相较以往也更为细化。
11月4日，中证协向券商下发《关于开展证券公司量化交易数据信息报送工作的通知》，明确要求券商开展量化交易数据信息报送工作，以进一步掌握证券行业自营、资管量化策略和规模情况。
14
未来量化投资的规模预计也将呈现上升的趋势，随着监管制度的不断完善和体系化，量化领域将形成良性的竞争环境，为资本市场和投资者提供更多样化的选择。
六、总结
中国资本市场目前正处于快速发展阶段，多层次的资本市场体系让中国向欧美成熟资本市场趋近。中国资本市场的蓬勃发展不光吸引北向资金的不断流入，也让中国居民对金融资产的配置比例不断提升。FOF产品、量化交易的盛行更有利于专业机构投资者直接投资资本市场，投资者机构化的趋势也逐渐明显。在严峻的竞争环境下，对数字化系统的足够投入将成为金融机构是否能长远发展的必要因素。与此同时，市场也面临更多的监管举措，未来对信息数据安全、金融投资的规范化发展将成为长久的话题。
回顾及聚焦
回顾及聚焦
15
金纳科技副总经理杨进对公司的发展现状、智能算法策略以及未来发展规划进行了介绍。金纳科技是中国金融市场智能交易执行领域最专业的服务提供商。公司面向公募基金、保险资管、银行理财子公司、券商、私募基金以及高净值个人等金融机构和专业投资者，提供安全稳定、智能高效的算法交易策略和智能化投资整体解决方案。2020年，A股交易量超过200万亿人民币，创下近5年新高，使用金纳算法的交易量也超过了8万亿人民币。
首届“国际资管科技创业者与投资者大会” “量化投资及交易技术专场”专场
2021年7月6日下午，由智能投研技术联盟（ITL）与陆家嘴金融城发展局联合主办、清华大学金融科技研究院作为学术支持单位的首届“国际资管科技创业者与投资者大会”的展示活动——“量化投资及交易技术”专场在陆家嘴金融科技产业园举行。金纳科技等10家量化投资与交易技术相关领域的科技企业参与技术展示活动，来自交易所技术公司、券商、公募基金、私募基金、知名金融科技企业、创投机构的百余位资管科技领域专业人士共同参与了交流。
Genus | 匠心筑梦
07
金纳科技为客户提供不同类型的算法交易策略，包括时间驱动型、事件驱动型以及智能型主动策略等，将大数据分析和机器学习融合进算法策略，能够满足客户在不同场景下的使用需求。同时，金纳科技还开发出了一套完整的算法配套工具，在交易前、交易中、交易后为客户提供完整的配套服务，比如交易前对市场行情进行分析、预测订单会对市场造成的可能影响；配套的订单预警模块实时为客户的交易保驾护航，避免对市场造成异常冲击；在交易后为客户的交易情况提供TCA报告，对本次的交易质量、成本、表现等进行全面分析。
金纳科技经过多年的不懈努力，得到了众多金融机构的认可，在公募基金、保险资管领域的市占率全国领先。同时，金纳科技持续拓展客户群体，开发出私募机构、高净值专业投资者更适用的IMS智能交易系统，以及组建专门的量化技术团队，帮助客户改善算法策略和量化模型，取得更好的投资绩效。
多年来金纳科技在智能算法领域积累深厚，对交易理解深刻，用优质的产品和服务赢得市场的青睐。恒生电子的战略投资，给公司奠定了更加稳健的长期发展基础，未来金纳科技将持续推动资管领域的科技创新，为投资交易赋能！
04
16
回顾及聚焦
回顾及聚焦
17
Genus | 匠心筑梦
高频交易的前世今生
本文作者：
夏阳，金纳科技董事长，金纳精诚董事长；曾任华兴资本合伙人、管理委员会成员、董事总经理兼全球证券业务总裁；曾任美银美林集团董事总经理兼大中华区证券业务主管；曾任瑞银集团董事总经理兼中国证券业务主管、瑞银期货董事长，亚太区电子交易业务主管。
近期，高频交易成为市场热点。
证监会主席易会满出席2021年第60届世界交易所联合会（WFE）会员大会暨年会时指出：在成熟市场，量化交易、高频交易比较普遍，在增强市场流动性、提升定价效率的同时，也容易引发交易趋同、波动加剧、有违市场公平等问题。
万物均有一体两面，针对各类新型交易工具，市场上既多有积极接受的声音，也存在着被夸大的恐慌。高频交易作为当前常见的交易策略，需要较强的技术手段和较大的资金投入，同时也面临着监管制度亟待优化、规范建立的未来路径。
成效与风险，创新与监管，本文就和大家一起聊聊高频交易颇受争议的前世今生。
高频交易是啥？
高频交易（High Frequency Trading，HFT），一种高速度，高频次的交易方式，通过预设的计算机算法实现，具有低隔夜持仓，高报撤单频率，高换手率等特点。操作上体现出以下几种显著特征：
① 使用高速和复杂的计算机程序来生成、传递、执行命令
② 直连交易所的数据通道
③ 设立和清算头寸的时限很短
④ 大量发送和取消委托订单
⑤ 收盘时不留头寸
18
高频交易策略主要有三类：
● 套利策略包括跨期套利，跨交易所套利，统计套利等。
● 做市策略是当市场买卖价差较大的时候，通过提供流动性，同时低买高卖而获利，此外作为提高流动性的报酬，获取某些交易所提供的手续费。
● 趋势/事件驱动策略是利用数据传输速度优势，获取市场上的交易信息流（如量价、订单簿、订单流信息）和外部事件信息（如经济数据，突发事件等），识别出尚未被股价反应的新信息从而迅速交易获利。
专业&专注
专业&专注
Genus | 匠心筑梦
对市场流动性的影响？
正方：高频交易在很短的时间内创造很大的报单量和成交量，这些报单同时产生于买卖双方，这有助于市场上的交易者迅速找到对手方，降低买卖价差和匹配时间，降低转换成本。很多学者认为，高频交易的参与增加了市场深度，提升了市场流动性。
反方：高频挂撤单（做市交易）往往提供的是虚假的，不可与之成交的流动性，或者在市场出现单边走势，流动性欠缺，需要做市商真正提供流动性的时候，高频交易者可能率先逃离市场，容易引发踩踏，遑论做“接刀子”的流动性提供者。
高频交易策略的实际成交主要是通过打单完成的，实际上从市场上抽取了流动性；高频交易增加了信息不对称，提升了买卖价差；高频交易给优势拥有者们带来的信息优势迫使普通投资者选择减少交易直至退出市场，最终降低市场质量。
对市场稳定性的影响？
正方：学术界暂时普遍认为高频交易（做市和套利类策略）降低了市场短期波动性，高频交易不会放大多空任何一方的力量，有效降低了证券资产日内的波动。
反方：高频交易的一部分策略（尤其是趋势策略）抢先预测和发现趋势，可能也引导和主张单边趋势的形成，可能造成股价的单向大幅波动，对市场稳定是不利的。
总的来说，尽管高频交易对市场有积极的影响，但也存在很多异议。
主要的反对声音集中在：
① 高频交易订单速度和数量可能会对交易所服务器形成威胁：在短时间内频繁且大量发单、撤单、成交，对交易所的通信系统是一个巨大挑战；
② 高频交易的某些策略会损害市场利益，给市场带来更多的不确定性的风险，导致出现“乌龙指”、“闪崩”等情况。
如果高频交易相比普通的交易方式有更多更快的信息优势，那显然有损市场公平性。因此，我们必须认识到高频交易对市场结构、其他参与者的影响，以及可能利用漏洞操纵市场的行为。
规范的监管，势在必行。
高频交易对市场有啥影响？
19
高频交易起源于美国，快速发展后为全球市场带来了巨大的改变。2010年“闪崩”之后，美国主要从四大方面建立了监管措施：
① 信息收集和监测：各交易所向监管机构统一提供完整的订单数据，供监管机构对市场中的高频交易行为进行直接监管。
② 过滤机制：券商有对客户订单审核和监测的义务，不能直接将订单接入交易所的交易系统而不经过事前审查和过滤。
③ 应急处理机制：熔断机制和涨跌停制度，建立错单取消机制。
④ 特定行为限制：禁止“闪电交易”（Flash Order），闪电交易是各交易所为高频交易客户提供的服务，属于抢先交易行为，这有损市场透明度，具有不公平性。
2015年，美国商品期货委员会通过了《程序化交易监管规定》，包含一系列风险控制、透明度措施和其他保障措施。
截至2017年，欧盟已经有11个成员国相继开始征收金融交易税以平滑高频交易的发展。
2018年，欧盟开始实施《金融工具市场指令II》，明确高频交易是程序化交易的特定子集，将高频交易和程序化交易统一纳入监管框架。
从技术层面，交易所要确保交易系统具有弹性并通过适当性测试，以应对增加的订单流量或市场压力；交易所应设置断路器以暂停交易或在突发意外时限制交易。
从经济层面，交易所确保费用结构的透明性，非歧视性和公平性，允许交易所对立即撤单行为征收更高的费用，以抵消对其他参与者和交易所的额外负担。
高频交易在国外是咋监管的？
20
专业&专注
专业&专注
Genus | 匠心筑梦
我国的股票市场与国外股票市场在交易机制、市场微结构、市场参与者等方面有明显区别。
美国是多撮合中心，我国是单一撮合中心，前者会带来跨交易所套利，引发交易所之间的竞争，从而争相为高频交易者返利，以及滋生“抢跑”或“暗池”等不公平的交易方式，而单一的交易所制度则不会产生这样的高频交易方式。
此外，我国股票市场T+1的交易制度和印花税的征收，也极大程度限制了国外市场流行的高频交易策略。
尽管如此，2015年我国证券市场异常波动也被认为是受到高频交易的影响，证监会当时紧急将融券规则由T+0改为T+1，投资者在融券卖出后，需从次一交易日起方可偿还融券负债，此举主要防止部分投资者利用融资融券业务，进行日内回转交易，加大股票价格异常波动。
▷ 2015年初，伊世顿公司将自行开发的报单交易系统非法接入中金所交易系统，直接进行交易，公司利用逃避期货公司资金和持仓验证等手段获取交易速度优势，大量交易沪深300，中证500股指期货，非法获利人民币3.8亿元。伊世顿案提醒我们，高频交易可能存在损害市场公平性的可能，也反应了我们需要对高频交易建立相应的法律规范。
▷ Citadel子公司司度（上海）贸易有限公司在2015年通过日内高频量化交易，在A股市场下跌期间获取巨额利润。直到2020年1月，证监会发布公告，与司度（上海）贸易有限公司等五家机构及其有关工作人员达成行政和解，司度交纳行政和解金6.7亿元，证监会依照规定终止对申请人有关行为的调查、审理程序。尽管最终达成行政和解，但是事件本身凸显了证券市场需要对此类事件进行风险防控。
本文认为，我国高频交易监管体系建设应顺应三大方向：
我国高频交易监管体系的建设
21
22
专业&专注
专业&专注
23
Genus | 匠心筑梦
24
适应科技时代，规范发展
高频交易深刻地改变着全球金融市场，在为市场稳定性和有效性的提升做出贡献的同时，也面临很多对其风险、提供虚假流动性和不公平性的争议。
但是，理论和实践都证明，有序的量化交易、算法交易能改善市场的流动性和稳定性，让市场更加有效，我们应坚持规范发展，无需矫枉过正。
同时，维护市场稳定创新的发展，需要社会各方力量共同的努力，监管层建立法律和规范，填补漏洞，增强对欺诈和操纵行为的监管能力。金融中介机构和交易系统商也应承担起责任，提升风控和审查能力，主动接受监管，和监管层保持有效沟通，共同营造有序稳定的市场环境。
我国的资本市场制度不存在高频交易野蛮生长的土壤，各方应整体提升IT建设能力，但必须对高频交易策略做衡量和评估，以高并发，大容量为核心方向，不能仅仅为了追求技术上的低延迟而花费巨幅投入，产生全市场共同承担的高额成本。
基于海外业态的演变以及我国市场实际状态，系统商提供设计之初就应考虑到风险控制、公平性、投资者保护等，金融中介机构应向投资者竞争性地提供交易服务，不能仅向部分特定投资者提供好的机会，要考虑机会公平和结果公平的平衡。
随着我国金融开放水平的提高和制度建设的完善，高频交易在未来市场中的占比会越来越高，我们需要充分借鉴国外市场经验，立足于我国市场实际情况进行充足研究，助力我国证券市场适应新时代科技发展和国际化需要。
专业&专注
专业&专注
25
Genus | 匠心筑梦
私募量化策略超额收益来源分析
随着国内证券市场的复杂程度日益提升，传统投资手段面临着越来越大的挑战，因此越来越多的投资机构特别是私募基金公司开始采用了量化投资的手段。在我国，量化投资虽然起步较晚，但随着近几年我国金融科技产业的蓬勃发展，我国的量化私募行业也进入了一个相对高速的发展时期。自 2010 年股指期货推出以后，越来越多的海外量化基金经理开始回归国内私募基金市场，越来越多的私募基金开始推出了各自的量化产品。
本文从量化私募的发展历程出发，通过对国内主流量化私募投资策略的列举，对比私募量化和公募量化的差别，得出超额收益对于私募之所以重要性的根本原因，并阐述为帮助实现超额收益，我们在金融科技领域为大家的一些所作所为。
量化投资策略作为国内主要投资策略和产品形式之一，其发展历程大体可以划分为两个阶段：第一阶段大致在2010年-2015年之间，以中低频的多因子策略作为主要策略形式。这一阶段可以算是国内量化机构经历的初始红利期。2015年下半年以来，随着监管收紧，中低频多因子策略遭遇挑战，国内量化发展进入新的阶段。在这一阶段，一批以中高频量化策略为主打的量化私募脱颖而出，完成了量化从粗放发展到重视科技和技术含量的转变。
国内量化私募的发展
资料来源：证监会官网
26
在这新的私募量化主流策略由中低频转向中高频的阶段中，策略的精细程度和复杂程度有了明显提升。具有高换手率特征的中高频策略不再靠长线因子，而是通过价量因子捕捉短线的定价偏差，进而实现超额收益增加。同时机器学习和大数据等技术加入，使得因子挖掘和模型迭代效率更高，也是这个阶段的显著特点之一。
量化私募的投资策略
进入新阶段的量化私募，投资策略类型主要分两类：
1.量化对冲策略
2.量化多头策略
量化对冲策略将市场beta风险对冲掉，只获取超额alpha收益，属于中低风险的稳健型策略。按照对冲资产不同，量化对冲策略可以进一步划分为量化中性策略和量化多空策略；
量化多头策略通过量化的手段筛选出优质股票构建多头组合，以战胜市场指数获取超额收益。按照选股样本空间的不同，量化多头策略可以进一步划分为量化指数增强和量化多头选股。
专业&专注
专业&专注
27
Genus | 匠心筑梦
量化公募和量化私募由于不同机构属性导致两者存在多方面的差异性。他们之间一个最重要的区别在于两者产品收费方式不同。对于公募来说，管理费是主要收入来源，同时会考核产品业绩的相对排名。私募方面，管理费和超额业绩提成共同决定了收入来源。部分产品超额业绩提成占据绝大比例，甚至不再收取管理费只收取超额业绩提成，这是私募重视超额收益的主要原因。
在系统配置方面，由于量化策略本身的专业性和技术性，数据和系统配置的投入往往决定了最终策略模型的表现和稳健性。对于量化私募，特别是一些顶级的量化私募来说，数据和系统配置上的资源投入较大，技术具有领先优势。对于公募量化来说，数据和系统配置比较成熟，风控体系比较完善。
在投资方式和品种上，由于监管限制的差异，私募量化限制较少相对更加灵活。私募量化可以对股票底仓和可转债进行日内T0交易，日内T0交易部分能够贡献相对可观的超额收益；但公募量化被限制了日内反向操作。在对冲限制上，私募量化可以灵活使用股指期货或期权进行对冲；公募量化对股指期货和期权的使用有一定限制。
在交易费率上，私募交易手续费一般万1至万2，公募交易手续费一般万8。另外，众所周知，在信息披露上，私募相对不透明，而公募信息披露公开透明。
私募量化和公募量化的差别
资料来源：开源证券研究所
私募量化和公募量化的差别
通过对私募量化和公募量化的对比，在上述介绍的量化对冲策略和量化多头策略中，如何获取稳健超额收益是策略的关键。由于私募量化约束相对较少，因此超额收益来源相对多元化，主要可以分为算法交易和日内T0交易两个来源：
05
算法交易：
算法交易是80年代后期在美国诞生，90年代初在美国证券市场的全面电子化成交和电子撮合市场ECN (Electronic Communication Networks) 开始发展。
算法交易要解决的问题主要是当投资者有大量证券资产需要交易时，一般都会把交易拆细，分批执行。但是，这就出现了一个问题：如何安排这些交易对是最有利的？对于任何投资机构，希望交易不要对市场产生太大的冲击，同时也不希望交易拖太久导致市场价格向不利于我们的方向变动。但是，这是一个两难：市场冲击是交易速度的增函数； 等待风险则是交易速度的减函数。当交易执行速度较快时，等待风险很小，冲击成本很大；交易执行慢时，冲击成本很小，等待风险很大。算法交易的核心问题是在冲击成本与等待风险之间进行平衡。
作为恒生的控股子公司—金纳科技是中国金融市场上智能交易执行领域最专业的服务提供商。金纳提供的算法交易是把一个具有指定交易量、交易时间区间和价格区间约束的交易指令通过计算机程序来完成，用算法来决定交易指令的递交时间、价格、数量和指令的类型。其目的是为了优化交易的执行，管理交易成本和风险，从而帮助客户从交易中获得alpha。
金纳科技将交易、咨询服务、技术开发三者结合，不仅提供安全、稳定和有效的工具，还将算法应用的咨询服务同步提供给客户。公司核心团队具备20年以上的全球金融市场算法交易相关行业经验，深刻理解算法交易在金融机构的应用。2020年金纳服务了A股市场超8万亿元的交易量，而A股的总交易量为206万亿元，市场占有率已有4%。
日内T0交易：
日内T0交易是私募比较重要的超额收益来源，同时对系统配置要求较高。顶级量化私募一般都有自主研发的模型和交易系统，来实现T0交易的自动化。部分系统配置较低的私募，会采用人工进行手动T0操作来实现收益增强；甚至对于部分主动股票型私募，也会招聘交易员进行人工T0收益增强。部分私募还会将T0交易业务外包给规模较小的主做T0业务的私募来做。一般来说，在市场波动和交易活跃程度较高的行情中，T0超额收益增强效果比较明显。
28
专业&专注
专业&专注
29
Genus | 匠心筑梦
面对这种现状，在国内三方接入还未放开的情况下，具有T0算法增强能力的金融科技公司，助力券商的PB业务向私募提供T0增强收益的外包服务。这在国外的交易服务市场已经很普遍，对应的就是“High Touch”服务，国内翻译的比较好的就是“高附加值交易”服务，是指卖方机构提供的一套交易服务，为了实现最佳的交易效果，卖方机构可以根据买房交易员的需求量身定制。因此，高附加值交易的佣金，显然是最高的。T0增强收益，是当前比较流行的一种“High Touch”服务。上述在执行算法领域深耕已久的金纳科技，当前在这块业务上已经取得了重大的进展。
除此之外，因子选股alpha和择时策略也是较常用的超额收益来源：
因子选股alpha：
近几年来，因子挖掘逐渐由中低频基本面因子转向中高频量价因子，主要用于捕捉中短期交易的定价偏差。中高频价量因子的生命周期较短，因此需要不断的进行挖掘。一些当前流行的科技手段被应用到其中，如利用机器学习算法作为批量因子挖掘的手段。恒生电子的alphamind产品在此也提供了解决方案。
还有投资机构成立研究机构，与著名高校建立实习生资源合作，进行因子研究。在这块，恒生电子的研究院和浙大的合作，就属于这一范畴。
随着基础数据的频率越来越高，因子的挖掘和计算对硬件的算力要求也越来越高，对也系统配置和有效算力提升带来了更高的要求。如何向私募提供整体解决方案，提供系统的租用服务，这无疑是金融科技领域未来的一个巨大市场空间。
择时策略：
择时策略包括大盘择时和个股择时。大盘择时用来控制总体仓位高低或者股票风险敞口大小；个股择时用来决定对具体个股的超配和低配。有效的择时体系能够给产品带来一定收益增强。
择时策略具体有多种实现方案，根据研报披露，较常见的有：基于条件夏普率时变性的择时策略，基于资金流向构造指标的择时策略，基于龙头股短期市场择时策略，支持向量机对指数进行择时等。
择时策略需要高要求的系统配置，恒生电子在此领域的投研产品均有相关涉及。
30
量化私募还有一些较传统的超额收益来源，如打新收益。其主要分为新股打新和可转债打新。
随着大数据、云计算、人工智能等科技的快速发展及渗透，新一代信息技术对金融行业特别是量化投资领域的影响越来越深入。量化私募行业是受数字化和智能化技术革命影响最深入的金融子行业之一，与科技能力的全面融合正在提速。
互联网届有句名言“我们不预测未来，我们创造未来。”期待在金融科技的引领下，我们在量化私募界能够开拓出更广阔的空间，实现更加精彩的未来。
专业&专注
专业&专注
31
Genus | 匠心筑梦
机器学习在算法交易中的应用现状
算法交易（Algorithm Trading）起源于美国，它是采用量化分析手段，由计算机根据算法模型决定交易委托的下单时机、委托价格以及委托笔数等，通过自动发出指令实现证券买卖和资产组合管理。
算法交易的主要目的是通过设计合理的交易策略，最大限度降低投资者交易成本，包括冲击成本和机会成本，减弱市场影响，提高投资收益。
算法交易简介
算法交易市场规模（十亿美元） 数据来源：Markets and Markets Analysis
算法交易中比较基础的策略有TWAP、VWAP和IS等交易策略。我们以市场上最常用的算法交易策略VWAP为例，其基本思想是通过拆分订单来匹配市场真实的成交量分布，减少市场冲击成本，获得与市场一致的 VWAP 价格（Volume Weighted Average Price，交易量加权平均价格）。这个策略也是许多其他算法交易策略的基础。
对于算法策略的改进研究主要有两方面：
第一方面集中在对交易量分布的预测。
市面上比较常见的方法有：通过基于时间序列因素分解的乘法误差模型对市场交易量的预测。此外还有利用主成分分析方法对市场成交量进行动态分解建模，从而预测日内交易量。近些年来也有很多人使用高频数据从交易量预测层面对策略进行了模拟和优化，从而预测日内交易量分布。
32
第二方面是对交易策略进行改进。
主流的做法是利用价格信息分析日内各个决策点前价格变化，来对传统的比如VWAP策略的决策进行调整，从而提高了执行的效果及稳定性，从而节省了交易成本。另外一种做法是基于统计仿真的价格交易量模型，并通过动态策略来捕捉价格的波动性。对于国内A股，可以利用高频数据处理方法构建一种适合市场交易规则自相关的分时算法，其有效性也是得到验证的。还有就是通过放松理想化市场的假设条件，构建流动性调整的最优交易策略模型，在任意初始持仓以及不同行情时的算法表现，也是得到证明的。
基于以上两点，通过对于交易量的研究，产生了对学术上有效市场假说（EMH）的一个矛盾。大家通过研究和实践，至少是在中国证券市场否定了这一假设。因此通过预测交易量的分布来提升算法交易绩效上，成为大家研究的重点和目标。
机器学习和算法交易的结合
机器学习作为人工智能领域的热门方向之一，其在语音识别、文本挖掘、自动驾驶等方面取得了巨大的商业成就。从1930 年代至今，机器学习已经发展成为一门独立成熟的学科，有超过数百种算法被提出。与此同时，机器学习在金融投资领域尤其是基于金融时间序列的算法交易应用方面，和智能投顾、反欺诈、风险管理、投资预测等领域一样，也是近年学界和业界一直在积极探索的问题。
人工智能算法发展里程碑
在传统的时间序列预测方面，对于线性时间序列，一般使用自回归移动平均模型(Auto-Regressive and Moving-Average,ARMA)、自回归模型(Auto-Regressive,AR)等方法，经过实盘的测试，这些比较常用的方法是有效的，但是比较有限。
专业&专注
专业&专注
33
Genus | 匠心筑梦
对于非线性的时间序列，业内使用了移动平均模型(Mowing-Average,MA)，然而面对一些复杂的金融时间序列和一些更高阶的金融时间序列结构，为了分析金融时间序列的不确定性和稳定性，业内也会将AR和MA模型进行了一定的结合，提高其线性和非线性的预测效果。
实际上，我们面对的量价数据基本都是非平稳的，对于这些非平稳的序列一般都是要先转化为平稳的才能使用模型进行预测。因此，差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA) 被用来对非平稳信号进行预测，但是由于 ARIMA 模型的使用需要满足很多苛刻的假设条件，而这些假设条件在实际金融时间序列中很难成立，加上ARIMA 模型的参数确定也非常困难，同时金融时间序列收益率波动具有的集群性问题，综合这些因素，进阶地采用自回归条件异方差(Autoregressive Conditional Heteroscedastic,ARCH)模型，其主要是利用时间序列的自回归性，通过分析其自回归过程来刻画随机扰动的条件异方差的特征。不止于此，在ARCH模型的基础上继续改进，提出了一种广义自回归条件异方差(Generalized Autoregressive Conditional Heteroscedasic,GARCH)模型，它解决了模型对参数要求过多的条件。基于这个GARCH模型在波动分析中的应用，取得了很好的预测成果。
面对受到各种复杂因素的影响的时序数据，普遍的是呈现非线性变化规律的，机器学习相对于上述的传统模型方法，是另外一种解决方案。大量的机器学习方法被应用在了对于非线性时间序列的预测上。机器学习中主流的神经网络，决策树，贝叶斯、随机森林等研究方向，在这方面几乎都有大量涉及。
在不同的数学假设基础上，对于不同特性的数据，不同的评测标准，业界和学界也在机器学习各条方向做出了大量的尝试，总结出了很多成果。例如：在基于分笔（tick）数据的分析上，采用防止陷入局部最优的一种改进的自适应遗传算法优化的 BP 神经网络方法进行预测，这种改进后的模型回测结果表明其可以获得较高的预测精度。
再比如：支持向量机(SVM)被广泛使用适用于时间序列预测，其具有良好的非线性映射能力，它是实现结构风险最小化原则的一种算法。但在实际应用中存在如何选择一些参数，使支持向量机可以性能可以达到最优。业内采用蚁群优化算法来获得最优参数。
目前业内比较领先的做法，是组合模型的预测方法。即结合传统模型方法和机器学习方法的优点，互相结合使用，提高预测的精度。比如：利用近邻传播(AP)算法和支持向量
34
机(SVM)算法相互结合，将具有相同变化规律的数据分析他们之间的相关性，获取和更多的信息，然后再输入到 SVM 中，这样能产生更好的预测结果。
还有值得一提的就是利用萤火虫算法加强支持向量机模型，对其参数进行寻优，得到 FASVR，然后利用 FWKNN 对参数进行修正，使其更能接近预测的精确度，然后用传统的异同移动平均线MACD对T0的数据进行预测，跟前面算法进行组合构建 FASVR－FWKNN－MACD涨跌的趋势预测，用于产生对于未来价格是否有利的判断，从而实现交易算法的优化。
关于机器学习的可解释性
人工智能算法的本质仍是样本拟合，人工智能并不具备真正的“智能”。和传统的方式相比，无非是机器学习模型的非线性拟合能力更强。我们需要打开机器学习模型的黑箱，不弄清机器学习模型的“思考”过程，直接使用机器学习的判断结果，可能带来较大的风险。目前这也是业内大多数金融工程团队普遍不足的地方。
近年来学术界也提出诸多机器学习模型解释方法，核心思想各有不同，除了传统的特征重要性外，ICE、PDP、SDT、LIME、SHAP 都是揭开机器学习模型黑箱的有力工具。
这里对各种解释工具做简单说明：ICE 和 PDP 考察某项特征的不同取值对模型输出值的影响。SDT 用单棵决策树解释其它更复杂的机器学习模型。LIME 的核心思想是对于每条样本，寻找一个更容易解释的代理模型解释原模型。SHAP 的概念源于博弈论，核心思想是计算特征对模型输出的边际贡献。
模型解释方法总结 资料来源：Goldstein，Lundberg等
专业&专注
专业&专注
35
Genus | 匠心筑梦
机器学习算法的高复杂性和低解释性，决定了它在多数时候难以被人脑理解。而资管行业的特殊性在于，资产管理人和交易员有义务理解投资策略或者交易策略的风险所在，此时模型的可解释性就显得尤为关键。行业的伦理需要可解释的机器学习“白箱”模型。有了这些工具和方法，我们能很好的管理和优化那些说不清道不明的所谓“人工智能”算法的运作。
对于算法优化的理性总结
市场上总能充斥着大量的宣传，比如，“我们的交易算法能打赢均价5bps！”——类似这种神话。
要知道，面对流动性，无论卖家还是买家往往涉及风险和回报之间的权衡。比如其中一个简单的使用限价购买的指令，本身目的是期望更低的价格成交，其风险在于卖家对于价格的不接受，相应的股票就不能被成交。如果买家对于买入股票的意愿不是很强烈，那么这种执行失败的后果可能是微不足道的。但如果对买入股票的意愿很强烈，后果就非常严重。简而言之，限价订单通常要等待愿意接受他的价格的订单的到来，这种延迟可能导致风险。其中成本、执行失败的风险、交易者的意愿都是其中考量的因素。
现代科学体系已经摆脱了决定论或决定主义（Determinism）这种基于以牛顿为代表的古典物理体系下的哲学观念。在决定论科学观下，如同数学家拉帕拉斯说的那样：“你只要给我全世界粒子的初试位置和速度，我就可以预测整个世界的未来。”这是古典机械物理的决定论的典型观点，而现在科学家已经不这么认为。
威廉·布莱克的名画《牛顿》，画中牛顿被贬低为一位“神学几何学者”
36
随着量子力学的发展，我们认识到对于未来的预测一定是或然的、统计的，这根源于微小世界本身的性质。前提与结论间不具有因果关系。对于此，产生了目前比较流行的混沌学（Chaos）。其实这种思维在古典辩证哲学中就已经存在，只是没有在这方面有很好的继承和发展。拉丁格言“ignoramus et ignorabimus”（we do not know and will not know），中文译为“我们现在不知道，将来也不知道。”说明的正是这个道理。一味鼓吹自己科学方法一定能够预测未来，那么它要么就是犯了科学主义错误，将科学作为另外一种迷信的替代；要么它就是一个骗子！对于在我们社会普遍缺少科学思维的现状下，大家一定要有对此有清晰理性的认知。
金融市场是一个复杂系统，机器学习只是一种方法，目的是对算法交易策略的改进优化，它一定是在满足科学研究的四个步骤下进行的，那就是：一，观察现象，总结规律；二，提出假说，通过数据训练提炼理论；三，进行预测；四，搜集结果数据，同理论的预测相对照。这里面的关键点在于，我们通过这些步骤，不会得到正确答案。我们得到的结果一定是可证伪的。我们只有通过不断的迭代和推翻，使得我们的成果尽量逼近于真实的市场演绎。
这是一个系统工程，在技术上需要数据资源、技术平台以及对于金融机构系统方案整合能力；在金融业务方面，除了对市场交易、微结构的深刻理解，还需要强大的金融工程投研能力；此外，还需要学术界、顶尖高校的支持合作。在这个基础上，我们才能快速方法的迭代和更新，我们面对不确定，才能不断地实现认知的升级。
专业&专注
专业&专注
37
Genus | 匠心筑梦
日内交易研究框架梳理
日内交易综述
38
各细分方向综述
1）波动率预测
对于日内波动率的预测是研究得比较全面而且成熟的，从文献数量与研究结论两个角度看，已有文献整体上具备了很大的参考价值。由于波动率具有“较大的波动往往跟随较大的波动”这一自回归特性，因此大多数多波动率的预测模型都基于GARCH进行改进。如[1] 使用EGARCH-M模型研究了日内的成交量与收益率波动率之间（包括同时与各阶滞后）的相关性，结果表明不同标的结果显著性有一定的差异。[2] 检验了马尔可夫链用于预测日内金融数据的可行性，并认为当搭配相关GARCH模型使用时有比较好的效果。[20] 基于GARCH模型，将多种波动率统合在一起，给出了一种预测日内波动率的模型，并对美股超过2700只个股进行了测试，认为对波动率的预测效果显著有比较明显的提升。还有其他大量的基于GARCH模型进行日内波动率预测的文献，这类方法共同的一个问题就是缺乏明确的从“日内波动率预测”转化为“日内交易策略”的方法。如从波动率预测入手进行日内策略开发的话，该策略需要基于波动率进行操作。
2）收益率预测
对于收益率预测的文献数量相较波动率预测少了很多，一个主要原因是收益率的时间序列性质相较波动率差很多。目前主流的研究方法基本基于线性回归，挖掘日内收益率的自相关性，其解释变量不局限于收益率，也包括时间段的哑变量等。如[5] 提供了一种研究日内收益率自相关性的思路，认为日内收益率同样满足U型的条件下，并讨论了日内自相关性的产生原因。[9] 提出了一种改进的带有哑变量的AR模型，哑变量为日内交易时间的不同时间段，结果表明日内收益率与部分时间段有显著关系，并认为改预测模型可以提升策略效果。
也有文献研究了回归方程对自相关性解释能力与日内的波动率的关系。[11] 研究了每个交易日日内第一个30分钟收益率与最后一个30分钟收益率之间的自相关性。通过对不同标的基于第一个30分钟的波动率进行分组，认为开盘时波动率越大，则自相关性越强，可以用于预测每日最后一个30分钟的收益率。
另外有一些文献选择了一些非线性或者更复杂的模型来进行收益率预测。[4] 分别使用遗传算法与一种线性优化方法尝试预测外汇市场的日内收益率，并认为两种方法均能捕
专业&专注
专业&专注
39
Genus | 匠心筑梦
捉到一些日内数据的特征。[6] 认为股票的日内收益率相比日、周级别数据有着极为显著的自相关性，并对包括AR、Markov switch、GARCH等多种线性与非线性模型预测日内收益率的性能做了综合的测试，[8] 使用了VR-HAR-RV与VR-HAR-RV-CJ模型研究了中国股市日内序列的自相关性，并认为深综指有着明显的日内自相关性。[10] 结合马尔可夫链，提出一种动态因子的日内收益预测模型。实证结果表明模型表现结果受参数影响较大。[13] 没有直接预测日内收益率，转而通过预测日内的VAR，利用FGARCH模型构建日内策略。实证认为该策略可以提升收益。此外机器学习中的神经网络等算法也是目前比较热门的预测日内收益率的手段，因为方法实现较复杂，因此略过文献。
3)日内波动率、成交量特性、周期性
关于日内波动率与成交量的一些特性，学术界基本形成了统一的共识：多个国家股票市场中，日内波动率基本都呈现出U形态，即在开盘和收盘时波动率、成交量显著高于其他时间段。[7] 主要关注日内收益率在部分时间段波动较其他时间段波动更大的原因，并发展出相应的模型进行了解释。部分文献认为A股和港股这一特性的呈现形式会略语区别。[3] 研究了港股日内的波动率特性，发现与传统发达国家市场日内波动率的U型不同，港股日内波动率多呈现出双U型。[21] 研究了上证综指的日内波动率与时间段的关系，认为以中午休市为分界线，上证综指波动率在日内呈现出两个L型。另有研究者认为这一特性可以推广到动量与价格层面。[19] 认为不仅仅是成交量与波动率，从长期的均值角度来看，个股的价格同样在日内呈现出U型，既在午时买入收盘卖出从长期来看是一个可行的日内策略，并进行了验证。这部分的研究结论与上述的收益率预测亦有一定关联性。[11]集中关注每日第一个交易时间段与最后一个交易时间段的收益率的自相关性，并认为开盘时波动率越大，线性回归层面的解释度（R2）也越高。[9]在回归方程中加入了时间段的哑变量，这种时间段对收益率的影响可能正是来自于波动率高低对自相关性的影响。[18]认为刚开盘时动量反转效应最明显，可能也可以由波动率的高低进行解释。因此在后续策略中有必要考虑日内波动率对策略效果的影响。
4）日内动量/动量反转效应
一些研究者认为日内无论是时间序列层面，还是横截面层面，都存在比较明显的动量反转效应。[14] 在德国市场上研究了日内的动量与动量分钟效应，对15、30、45、60分钟进行了测试，认为日内动量效应不明显，但存在比较显著的动量饭庄效应。[18] 在台
40
湾市场中检验了动量反转在日内交易中的有效性，在多组参数下动量反转策略均取得了显著的超额收益。并且作者指出动量反转策略与日内的时间段有显著关系，从收益的角度看每日刚开盘时动量反转效应最明显。关于时间序列上的动量/动量反转效应的研究较少，并且效果不如横截面动量反转。[16] 研究了开盘价/前一日收盘价-1与日内动量效应之间的联系，认为当日开盘价/前一日收盘价-1如果较小，则开盘时动量反转效应会较为明显；反之如果较大，动量反转效应相对较弱。考虑到实际的日内交易中，采取横截面动量反转策略可能难度较大，因此没有进行比较深入的文献挖掘。
5）技术指标
从券商的日内策略研报[22][23]及一些公开的CTA策略来看，国内的t+0策略的构建思路更多的集中在长短周期共振，即长周期指标确认趋势给与保护，短周期指标给出入场离场信号。[24]则给出了一种基于多项式拟合进行预测的方法。
国外关于偏技术指标类的日内交易策略文献较少。[15] 测试了日内交易策略——opening range breakout，研究测试发现该类策略在标的高波动的时候更容易取得更好的回报。[17] 统计了所有K线组合对日内收益率的预测效果，测试发现相较于小市值股票，纯K线组合对大市值股票预测效果更好。[12] 对几种常见的偏技术指标的日内交易进行的测试，并逐一分析不足，提出改进方法。
专业&专注
专业&专注
41
Genus | 匠心筑梦
【参考文献】
[1] Intraday trading volume and return volatility of the DJIA stocks: A note
[2] EVALUATING INTERVAL FORECASTS OF HIGH-FREQUENCY FINANCIAL DATA
[3] Intraday stock return volatility: evidence
[4] Intraday technical trading in the foreign exchange market
[5] Autocorrelation of daily index returns: Intraday-to-intraday versus close-to-close intervals
[6] Forecasting Performance of Nonlinear Models for Intraday Stock Returns
[7] A Theory of Intraday Patterns: Volume and Price Variability
[8] Dynamics of Intraday Serial Correlation in China's Stock Market
[9] Intraday stock price patterns in the Greek stock exchange
[10] Intraday patterns and trading strategies in the Spanish stock market
[11] Market Intraday Momentum
[12] An investigation of simple Intraday Trading Strategies
[13] Intraday Value-at-Risk Estimation for Directional Change Events and Investment Strategies
[14] Are Momentum Strategies Feasible in Intraday-Trading? Empirical Results from the German Stock Market
[15] Assessing the profitability of intraday opening range breakout strategies
[16] The intraday directional predictability of large Australian stocks: A cross quantilogram analysis
42
[17] The intra-day performance of market timing strategies and trading systems based on Japanese candlesticks
[18] The Intraday Performance of Contrarian Strategies: Evidence from the Taiwan Stock Exchange
[19] Momentum Strategies and Financial Databases: An investigation of Intraday Pattern in Price Momentum
[20] Forecasting intraday volatility in the US equity market. Multiplicative component GARCH
[21] Interday and intraday volatility: Additional evidence from the Shanghai Stock Exchange
[22] 广发证券-另类交易策略之二十八：论RSI指标在股指期货日内交易中的使用
[23] 海通证券-海通证券宏观对冲研究之五：宏观预期数据的选择与应用-184120
[24] 兴业证券-基于多项式回归的股指期货日内交易策略
专业&专注
专业&专注
43
Genus | 匠心筑梦
齐心同行 共创未来
在金纳加入恒生大平台的半年后，我们在七月新秋前往杭州恒生总部以及萧山开展为期两天的团队建设活动，旨在总结上半年工作、加强团队凝聚力、激发大家动力，同时丰富业余生活。
7月16日上午，金纳小伙伴一行到达位于杭州滨江区的恒生电子大厦，在总部共进午餐后，结伴参观总部大楼，直观感受世界500强企业的内部工作状态与环境，随后大家齐聚在恒生创新体验中心参加员工大会。
44
会议伊始，恒生电子执行总裁兼金纳科技董事范径武发表讲话。范总首先对金纳团队的到来表示了热烈欢迎，肯定了两个团队的融合，并对金纳科技的未来发展提出了殷切期望：未来金纳科技不光要成为全国第一的智能交易算法服务商，更要成为全球领先的金融科技公司！范总也表示，在这一过程中，恒生电子也会对金纳科技提供全方位的支持和帮助，让金纳科技成长得更快，变得更强！
随后，金纳科技董事长夏阳对大家上半年的工作表现与成果进行了总结，不仅对大家的劳动成果给予了充分的肯定，也鼓励大家再接再厉。夏总表示，期待恒生和金纳两个团队在接下来的工作中，能有更深入的合作，有更充分透明的沟通与交流，共同让公司的发展更上一层楼。
金纳科技副总经理张永宇以及恒生人力资源经理兼金纳监事斯雯雯对恒生的发展历程、总体情况及人力资源体系和文化进行了详细介绍，在让金纳小伙伴更了解母公司的同时，也为未来金纳参照母公司的制度进行管理打下坚实的基础。
在会议期间，我们也进行了提问互动环节，考验大家对母公司的了解程度。小伙伴们都积极参与并获得恒生定制的周边礼品。
文化与融合
文化与融合
45
Genus | 匠心筑梦
7月17日上午，万众瞩目的拓展活动开始啦。大家早早地来到酒店庭院集合，所有人被分成了6个小团队，在各小队长的带领下同心协力完成指定的任务，并参与拔河比赛决出冠军团队。
46
尽管烈日炎炎，大家仍坚持不懈地完成任务，不断地进行团队沟通和作战计划调整，都为所在的队伍拼尽全力，贡献自己的力量。活动是短暂的，但每个小伙伴都从中感受到了团队合作的精神，更坚信只要大家拧成一股绳，齐心协力就能开创一片更广阔的未来！
文化与融合
文化与融合
金纳科技
智能交易 | 创造价值
网址：www.genus-finance.com
增值电信业务经营许可证：陕B2-20210327 | 
陕公网安备 61102302611033号