运用matlab开发高频交易算法,数学建模论文 高频交易算法

2012年东华大学数学建模竞赛论文

赛题编号(

高频交易算法设计

参赛队号：

参赛队员：

2012年5月21日

摘要

高频交易算法利用计算机在上千个股票，上万个期权，每时每刻的交易数据中，筛选出合适的交易对象，立即交易，短时间后有利可图即卖出。如反向，也可即时止损。

本文以稳定盈利为目标，以移动平均值函数为基础，运用matlab设计程序算法，并调用相关的函数扫描算法，设计一个高频交易算法，利用扫描程序与变化图像获取最大利润值以及此时的最优交易方式。通过所提供数据中的一部分作为模拟，另一部分作为验证，由此获得最为一般性的最大盈利方式，选择最优的量化投资策略。实现高频交易获得的累加利润。

一． 问题分析

高频交易算法是利用计算机实现短期的量化投资策略，通常用于股票，期货，和一些电子交易，需要设计一个适应性很强的交易算法。由算法的技术指标要求，首先想到moving average的一系列函数，由本例算法要求可知，应选用moving(finance)函数，设计基本的函数模型，再由所提供的数据通过最优化模型扫描得出最优参数，由此实现高频交易算法的设计与实际一般性的运用。

二 .符号变量说明与函数定义

Lead：提前指标

lag：滞后指标

Movavg: 移动平均指标

Frequency:交易频率

Sharpe ratio：是用以衡量每单位风险所能换得的平均报酬率

Final return:最终结算率

三． 模型的建立与求解

1. 基本模型假设：将所提供的数据分为两部分，80%作为建模

数据，20%作为验证数据。利用移动平均指标，先设定lead为5，lag

为20，做最原始的测试，得到如下图形：

由图可知：当lead线高于lag线时，收盘价close处于上升阶段，反之则下降。由此可设定盈利信号s：1则买入，-1则卖出，r为每次的盈亏值(大于0盈利，小于0亏损)，求和即为总利润。

由上述策略，当由1变-1时能够带来利润

当lead与lag分别取5,20；1,20时，sharper ratio分别为1.1与1.28，如下图所示：

2. 参数扫描确定：

依次确定提前指标与滞后指标。(1)先设定提前指标为1，将滞后指标设为m，从1——200取值，利用for循环

当lead与lag分别取5,20；1,20时，sharper ratio分别为1.1与1.28，

如下图所示：

2. 参数扫描确定：

依次确定提前指标与滞后指标。(1)先设定提前指标为1，将滞后指

标设为m，从1——200取值，利用for循环

获得最大sharper ratio。如下图：

可知，当lead为1，lag为2是可得最大sharper ratio为3.13，最后结

算final return为6.48(比率与所用数据量有关)。(2).利用穷举法对lead

与lag同时进行扫描，将结果可视化得下图：

横轴为lead，纵轴为lag，高度即为sharper ratio，可直观的得出各种组

合的效果。再用数据分析取最大值方法求取最优组合即为1和2。

3.模型一般性测试：

将所建立的模型去测试另一部分数据，结果如下:

可见，sharper ratio和final return依然保持较高数值，模型具有很好的一般性。

4.模型完善：

(1).对于市场交易的高频率与大数量而言，交易的成本(买进卖出的差值)是一个非常重要的不可忽视的因素。在以上模型基础上再加上对成本cost的定义与计算(利用leadlagfun函数对数据进行更系统的扫描)结果如下：

与先前模型的结果一致，也同样证明了模型良好的一般性。

(2).对于高频交易，由于其高频特性，应以每一分钟的数据进行扫描

统计(同样以80%数据建模，20%数据检测)，由此再引入频率这一参数，则在扫

描中应有3个变量(lead，lag，频率f)，扫描范围应适当增加，所得结果如下：

建模数据结果

检测结果

则可得交易频率为27min，，sharper ratio依旧保持较高数值。

综上模型的建立，最终策略为：提前指标取1,滞后指标取2，交易频率取27min。

四． 模型的优化与改进

对于模型中所涉及的计算时间问题，由于高频交易在很短的时间(可以微秒

计算)完成，对算法的计算时间应有很苛刻的计算速度要求。因此可引入matlab

中并行计算的方法，即运用后台开启多个matlab同时运行，并列同时计算相同

的程序代码，可成倍的缩短计算时间，但对计算机的硬件要求较高(多核计算机

或计算机集群)。

参考文献

【1】 【美】艾琳·奥尔德里奇 著 王仰琪 等 译 高频交易 机械工业

出版社 2011

【2】 魏奋 运用MATLAB开发高频交易算法 http://www.mathworks.cn

2012/5/18

【3】 王晓东 算法设计与分析 清华大学出版社 2003