QTF量化科技嘉年華組委會(huì)-量化科技行業(yè)：中國(guó)量化科技白皮書2023

量化科技嘉年華中國(guó)量化科技白皮書20232023年5月版權(quán)說(shuō)明版權(quán)說(shuō)明本白皮書所載材料和信息，包括但不限于文本、圖表、數(shù)據(jù)、觀點(diǎn)、建議，其版權(quán)屬于QTF量化科技嘉年華組委會(huì)并受法律保護(hù)。轉(zhuǎn)載、摘編或利用其他方式使用本白皮書文字或者觀點(diǎn)的，應(yīng)注明“來(lái)源：中國(guó)量化科技白皮書(2023)”。量化科技嘉年華 歐陽(yáng)群宋霽鵬王俊興王習(xí)平溫聿錚俞楓周樂(lè)峰朱斌2023年5月同推動(dòng)下，量化技術(shù)得到了飛速發(fā)展。從20世紀(jì)50年代，美國(guó)商品期貨市場(chǎng)開(kāi)始采用電子交易平臺(tái)，到90年代互聯(lián)網(wǎng)促進(jìn)各種自動(dòng)化交易系統(tǒng)、智能匹配算法和高效交易策略的出現(xiàn)，再到21世紀(jì)以來(lái)書(2023),既是向大眾普及量化概念以消除行業(yè)“神秘感”,也是為行業(yè)的可持續(xù)健康發(fā)展厘清脈絡(luò)，本量化科技白皮書的課題組成員單位包括(排名不分先后);湘財(cái)證券股份有限公司、國(guó)泰君安證 1、量化科技的內(nèi)涵 2、量化科技的外延 1、國(guó)際量化科技發(fā)展歷程 2、國(guó)內(nèi)量化科技發(fā)展歷程 1、經(jīng)濟(jì)與社會(huì)發(fā)展是根本驅(qū)動(dòng)因素 2、科技進(jìn)步是保障性驅(qū)動(dòng)因素 3、投資和理財(cái)需求是直接驅(qū)動(dòng)因素 1、價(jià)格籠子機(jī)制設(shè)立凸顯量化優(yōu)勢(shì) 2、融券券源擴(kuò)大利好中性量化策略 3、上市公司擴(kuò)容提升量化策略空間 1、多模態(tài)數(shù)據(jù)處理 2、數(shù)據(jù)清洗 2、文件存儲(chǔ) 3、數(shù)據(jù)倉(cāng)庫(kù)整合 1、機(jī)器學(xué)習(xí)算法 1.策略編程邏輯 2.策略編程語(yǔ)言 4、風(fēng)險(xiǎn)指標(biāo)分析 5、Brinson分析 3、行業(yè)服務(wù)生態(tài)化 2、期貨交易所 1.證券公司 2.公募基金 3.期貨公司 4.量化私募 1、量化交易對(duì)市場(chǎng)有效性影響的研究 2、學(xué)術(shù)界的量化科技研究 3、學(xué)術(shù)界與業(yè)界的合作 1、量化科技人才畫像 3、企業(yè)培訓(xùn) 1、量化交易監(jiān)管框架仍需完善 2、行業(yè)技術(shù)標(biāo)準(zhǔn)建設(shè)有待加強(qiáng) (二)機(jī)構(gòu)層面 1、技術(shù)與業(yè)務(wù)創(chuàng)新迭代頻繁 2、數(shù)據(jù)治理體系仍需優(yōu)化 3、量化科技投入競(jìng)爭(zhēng)加劇 4、量化風(fēng)控體系有待升級(jí) (三)生態(tài)層面 1、量化科技人才緊缺 2、尖端技術(shù)部分受限 3、跨機(jī)構(gòu)協(xié)作較困難 4、量化科技不夠普及 2、從業(yè)務(wù)本質(zhì)出發(fā)進(jìn)行監(jiān)管 (二)機(jī)構(gòu)層面 1、加強(qiáng)前沿科技的研發(fā)與應(yīng)用 2、賦能多層次多類型業(yè)務(wù)場(chǎng)景 3、持續(xù)推進(jìn)綜合風(fēng)控體系優(yōu)化 4、推進(jìn)交易平臺(tái)服務(wù)功能建設(shè) (三)生態(tài)層面 1、加速量化科技人才培養(yǎng) 2、提升基礎(chǔ)設(shè)施服務(wù)建設(shè) 3、強(qiáng)化行業(yè)生態(tài)共建共贏 4、促進(jìn)曾惠與投資者教育 第一章量化科技概述本章摘要：(一)量化科技內(nèi)涵與外延1.量化科技的內(nèi)涵第一章量化科技概述2、量化科技的外延(二)量化科技發(fā)展歷程1、國(guó)際量化科技發(fā)展歷程1(1)量化投資的產(chǎn)生與興起(60-80年代)在1989-2009的二十年間，平均年收益率為35%,若算上44%的收益提成，則該基金實(shí)際的年化收益(2)量化投資的高速發(fā)展(90年代)(3)量化投資的新發(fā)展(21世紀(jì)以來(lái))第一章量化科技概述2、國(guó)內(nèi)量化科技發(fā)展歷程圖1.1)。2002年10月15日，華安基金管理公司依托上交所同年6月剛剛發(fā)布的上證180成份股指數(shù)，在量化基金——華安上證180指數(shù)增強(qiáng)型基金，2002年11月8日該基金正式成立，募集資金共計(jì)30.94第一章量化科技概述行設(shè)立“光大保德信量化核心證券投資基金”,首期募集資金25.44億元，開(kāi)啟國(guó)內(nèi)主動(dòng)量化投資的時(shí)投資和量化科技的開(kāi)發(fā)應(yīng)用尚處于起步、摸索階段。因此，對(duì)于公募基金量化產(chǎn)品來(lái)說(shuō)，2010年之前(2)加速發(fā)展階段(2010-2018)2010年開(kāi)始，我國(guó)證券市場(chǎng)進(jìn)入創(chuàng)新發(fā)展新階段，融資融券業(yè)務(wù)與期指期貨的推出標(biāo)志著我國(guó)股金管理與資產(chǎn)配置等提供了基礎(chǔ)性金融工具。2013年6月，新《證券投資基金法》正式實(shí)施，陽(yáng)光私在這個(gè)階段，金融工具的進(jìn)一步擴(kuò)充也是量化投資出現(xiàn)爆發(fā)式發(fā)展的原因之一。2015年2月，上證50ETF期權(quán)獲準(zhǔn)推出；同年4月，上證50與中證500兩個(gè)股指期貨在中金所上市交易。這些都給量來(lái)，打造出綜合性的交易平臺(tái)和生態(tài)系統(tǒng)，量化交易規(guī)模不斷壯大，至2018年底，國(guó)內(nèi)僅公募基金發(fā)行與管理的股票指數(shù)基金就有572只2,資產(chǎn)管理規(guī)模合計(jì)達(dá)到5320億元(不計(jì)ETF基金),占據(jù)全部股票型公募基金的72%。(3)逐步成熟階段(2019年至今)2018年4月27日，中國(guó)人民銀行、銀保監(jiān)會(huì)、證監(jiān)會(huì)、外管局聯(lián)合發(fā)布《關(guān)于規(guī)范金融機(jī)構(gòu)資產(chǎn)管理業(yè)務(wù)的指導(dǎo)意見(jiàn)》,這一政策被市場(chǎng)俗稱為“資管新規(guī)”,其出臺(tái)抑制了P2P、影子銀行等不規(guī)(三)量化科技發(fā)展驅(qū)動(dòng)因素(四)全面注冊(cè)制實(shí)施推動(dòng)量化科技發(fā)展第一章量化科技概述2、融券券源擴(kuò)大利好中性策略兩融余額3%,而發(fā)達(dá)國(guó)家這一比例為20%-30%,融券比例明顯偏低，在一定程度上影響了量化交易3、上市公司擴(kuò)容提升量化策略空間(一)數(shù)據(jù)獲取階段(二)數(shù)據(jù)加工階段(三)數(shù)據(jù)存儲(chǔ)階段(四)策略研究階段(五)策略構(gòu)建階段(六)策略執(zhí)行階段(七)投后分析階段第二章科技在量化交易中的應(yīng)用本章摘要：(一)數(shù)據(jù)獲取階段數(shù)據(jù)實(shí)例數(shù)據(jù)供應(yīng)商市場(chǎng)數(shù)據(jù)成交量、成交額、市值和波動(dòng)率等。交易所：紐約證券交易所、芝加哥期貨交易所、倫敦證券交易所、上海證券交易所、深圳證券交易所等；金融數(shù)據(jù)服務(wù)商：Bloomberg、開(kāi)源數(shù)據(jù)接口：Tushare等；社交媒體平臺(tái)：Twitter、Facebook、微博、微信等；氣象服務(wù)商：TheWeatherCompany華云氣象等；地理信息服務(wù)商：谷歌地圖、百度地圖、高德地圖等。財(cái)務(wù)數(shù)據(jù)上市公司的財(cái)務(wù)報(bào)表，如利潤(rùn)表、資產(chǎn)負(fù)債表和現(xiàn)金流動(dòng)量表等，以及其他衍生財(cái)務(wù)指標(biāo)。新聞數(shù)據(jù)各種新聞報(bào)道、公告和分析報(bào)告等，這些數(shù)據(jù)可以用于分析市場(chǎng)行情、資訊面的影響等。社交媒體數(shù)據(jù)各種社交媒體平臺(tái)上的討論、評(píng)論和評(píng)分等，這些數(shù)據(jù)可以用于分析市場(chǎng)行情、產(chǎn)品口碑等。宏觀經(jīng)濟(jì)數(shù)據(jù)國(guó)內(nèi)外的GDP、CPI、PPI等宏觀經(jīng)濟(jì)指標(biāo)，這些數(shù)據(jù)可以用來(lái)分析宏觀經(jīng)濟(jì)走勢(shì)和影響。氣象數(shù)據(jù)氣溫、降雨量、風(fēng)力等氣象信息。地理數(shù)據(jù)地圖、衛(wèi)星圖像等。第二章科技在量化交易中的應(yīng)用在量化交易領(lǐng)域，網(wǎng)絡(luò)爬蟲的最終目的是自動(dòng)從互聯(lián)網(wǎng)(包括新聞媒體和財(cái)經(jīng)網(wǎng)站上的公開(kāi)數(shù)據(jù))中獲取交易所需的信息。目前用于爬蟲開(kāi)發(fā)的主要語(yǔ)PHPJavaPython(二)數(shù)據(jù)加工階段1、多模態(tài)數(shù)據(jù)處理第二章科技在量化交易中的應(yīng)用Short-TermMemory,簡(jiǎn)稱LSTM)神經(jīng)網(wǎng)絡(luò)和預(yù)訓(xùn)練的基于詞表/規(guī)則的情感分析工具(Valence第二章科技在量化交易中的應(yīng)用(三)數(shù)據(jù)存儲(chǔ)階段1、數(shù)據(jù)庫(kù)存儲(chǔ)第二章科技在量化交易中的應(yīng)用圖2.1:最受歡迎的前10種關(guān)系型數(shù)據(jù)庫(kù)(2)時(shí)序數(shù)據(jù)庫(kù)技術(shù)時(shí)序數(shù)據(jù)庫(kù)是一種專門用于處理時(shí)序數(shù)據(jù)的數(shù)據(jù)庫(kù)。時(shí)序數(shù)據(jù)是指時(shí)間上有規(guī)律的數(shù)據(jù)，包括行情數(shù)據(jù)、傳感器數(shù)據(jù)、網(wǎng)絡(luò)日志和運(yùn)動(dòng)數(shù)據(jù)等，這些數(shù)據(jù)的時(shí)間戳是最重要的因素之一。無(wú)論是程序化交易還是量化投資，都是基于歷史的證券交易數(shù)據(jù)以及各種宏觀數(shù)據(jù)做出實(shí)時(shí)的交易決策，因此量化金融已成為時(shí)序數(shù)據(jù)庫(kù)最重要的應(yīng)用場(chǎng)景之一。常見(jiàn)的時(shí)序數(shù)據(jù)庫(kù)包括InfluxDB(Go語(yǔ)言編寫的分布式時(shí)間序列數(shù)據(jù)庫(kù))、Kdb(收費(fèi)的高性能金融序列數(shù)據(jù)庫(kù))和DolphinDB(我國(guó)國(guó)產(chǎn)的高性能分布式時(shí)序數(shù)據(jù)庫(kù)，由浙江智臾科技有限公司自主研發(fā))等。時(shí)序數(shù)據(jù)庫(kù)通常具有以下特點(diǎn)：(a)時(shí)間戳索引：時(shí)序數(shù)據(jù)庫(kù)通常會(huì)自動(dòng)將時(shí)間戳作為 (c)實(shí)時(shí)采集和處理數(shù)據(jù)：時(shí)序數(shù)據(jù)庫(kù)可以實(shí)時(shí)地采集和處理流式數(shù)據(jù)，包括數(shù)據(jù)解析、清洗、過(guò)濾、聚合等操作，還可以進(jìn)行數(shù)據(jù)分發(fā)和復(fù)制等。圖2.2列出了目前業(yè)界最受歡迎的前10種時(shí)序數(shù)據(jù)庫(kù)。第二章科技在量化交易中的應(yīng)用圖2.2:最受歡迎的前10種時(shí)序數(shù)據(jù)庫(kù)(四)策略研究階段第二章科技在量化交易中的應(yīng)用策略研究階段，可用于開(kāi)發(fā)預(yù)測(cè)模型；無(wú)監(jiān)督學(xué)習(xí)所給的學(xué)習(xí)數(shù)據(jù)不帶標(biāo)簽(未知類別),常用的模型有主成分分析、聚類等，適用于分析金融市場(chǎng)結(jié)構(gòu)；強(qiáng)化學(xué)習(xí)以環(huán)境反饋(獎(jiǎng)/懲信號(hào))作為輸入，致力于實(shí)現(xiàn)獎(jiǎng)勵(lì)最大化，可用于優(yōu)化交易策略。(1)監(jiān)督學(xué)習(xí)監(jiān)督學(xué)習(xí)的基本思想是利用有標(biāo)簽數(shù)據(jù)來(lái)構(gòu)建模型，以便預(yù)測(cè)新數(shù)據(jù)的標(biāo)簽，特別適合解決分類和回歸問(wèn)題，可用于開(kāi)發(fā)預(yù)測(cè)模型，具體流程如圖2.3所示。圖2.3:監(jiān)督學(xué)習(xí)的流程示意圖新數(shù)據(jù)標(biāo)簽監(jiān)督學(xué)習(xí)模型的訓(xùn)練由兩個(gè)主要步驟組成：特征工程和模型訓(xùn)練。特征工程涉及選擇和提取能夠代表數(shù)據(jù)的特征，而模型訓(xùn)練則是使用有標(biāo)簽數(shù)據(jù)訓(xùn)練機(jī)器學(xué)習(xí)模型，以便可以對(duì)新數(shù)據(jù)進(jìn)行預(yù)測(cè)。在訓(xùn)練階段中，監(jiān)督學(xué)習(xí)需要從訓(xùn)練數(shù)據(jù)中提取有用的特征，并建立一個(gè)能夠?qū)⑤斎胗成涞捷敵龅暮瘮?shù)(即模型)。在測(cè)試階段中，監(jiān)督學(xué)習(xí)模型會(huì)將新數(shù)據(jù)輸入模型中進(jìn)行預(yù)測(cè)，然后將預(yù)測(cè)標(biāo)簽與實(shí)際標(biāo)簽進(jìn)行比較，以評(píng)估模型的性能。監(jiān)督學(xué)習(xí)的最終目標(biāo)是在測(cè)試數(shù)據(jù)上獲得較高的準(zhǔn)確率和泛化能力。金融市場(chǎng)預(yù)測(cè)模型是監(jiān)督學(xué)習(xí)在金融市場(chǎng)的具體應(yīng)用，旨在預(yù)測(cè)未來(lái)金融市場(chǎng)產(chǎn)品(如股票、外匯、債券等)的價(jià)格或市場(chǎng)趨勢(shì)。這些模型基于不同的數(shù)學(xué)原理和假設(shè)，主要根據(jù)歷史數(shù)據(jù)和多種市場(chǎng)指標(biāo)進(jìn)行訓(xùn)練和預(yù)測(cè)，具有不同的優(yōu)點(diǎn)和缺點(diǎn)。以下是一些常見(jiàn)的預(yù)測(cè)模型。A、股票價(jià)格預(yù)測(cè)：監(jiān)督學(xué)習(xí)可以用于分析歷史股票價(jià)格和市場(chǎng)數(shù)據(jù)，以學(xué)習(xí)股價(jià)變動(dòng)的模式。常見(jiàn)的算法有支持向量機(jī)(SupportVectorMachine,簡(jiǎn)稱SVM)、隨機(jī)森林和神經(jīng)B、信用評(píng)分：通過(guò)對(duì)客戶的歷史信用數(shù)據(jù)進(jìn)行分析，監(jiān)督學(xué)習(xí)可以預(yù)測(cè)客戶未來(lái)的信用表現(xiàn)，從而幫助銀行和金融機(jī)構(gòu)降低信用風(fēng)險(xiǎn)。常用的算法有邏輯回歸、決策樹(shù)和梯度提升機(jī)等。C、風(fēng)險(xiǎn)管理：監(jiān)督學(xué)習(xí)可以用于預(yù)測(cè)企業(yè)或個(gè)人的違約概率，從而為風(fēng)險(xiǎn)管理提供數(shù)據(jù)支持。此第二章科技在量化交易中的應(yīng)用(2)無(wú)監(jiān)督學(xué)習(xí)圖2.4:無(wú)監(jiān)督學(xué)習(xí)基本流程可以應(yīng)用于股票、債券、商品等多種金融產(chǎn)品的分類和組合方案制定。常見(jiàn)的聚類算法有K均值聚類 無(wú)監(jiān)督學(xué)習(xí)在金融市場(chǎng)結(jié)構(gòu)分析中的另一個(gè)應(yīng)用是降維。降維可以削減高維數(shù)據(jù)的冗余和噪聲，加速模型訓(xùn)練和推理，同時(shí)提供更加直觀和可解釋的特征空間。在金融市場(chǎng)中，降維可以幫助發(fā)現(xiàn)相(3)強(qiáng)化學(xué)習(xí)第二章科技在量化交易中的應(yīng)用(4)大模型大模型，例如GPT(GenerativePre-trainedTransformer)系列和BERT(BidirectionalEncoder訓(xùn)練語(yǔ)言模型。大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型采用“預(yù)訓(xùn)練-微調(diào)”兩步走的訓(xùn)練流程，第一步在大規(guī)模無(wú)標(biāo)注數(shù)據(jù)(如互聯(lián)網(wǎng)文本)上進(jìn)行模型預(yù)訓(xùn)練，學(xué)習(xí)通用的語(yǔ)言模式；第二步在給定自然語(yǔ)言處理任務(wù)的小規(guī)模有標(biāo)注數(shù)據(jù)上進(jìn)行模型微調(diào)，快速提升模型完成這些任務(wù)的能力，最終形成可部署應(yīng)用的模型，與經(jīng)典機(jī)器學(xué)習(xí)流程的對(duì)比如圖2.5所示。圖2.5:“預(yù)訓(xùn)練-微調(diào)”流程與經(jīng)典機(jī)器學(xué)習(xí)流程對(duì)比特定任務(wù)有標(biāo)注測(cè)煉數(shù)據(jù)模型訓(xùn)練模型微調(diào)滿試教據(jù)最終模型最終模型國(guó)OpenAl研發(fā)的聊天機(jī)器人程序，于2022年11月30日發(fā)布。ChatGPT是人工智能技術(shù)驅(qū)動(dòng)的自然語(yǔ)言處理工具，它能夠通過(guò)理解和學(xué)習(xí)人類的語(yǔ)言來(lái)進(jìn)行對(duì)話，還能根據(jù)聊天的上下文進(jìn)行互動(dòng)，真正像人類一樣來(lái)聊天交流，甚至能完成撰寫郵件、視頻腳本、文案、翻譯、代碼、論文等任務(wù)。公開(kāi)資料顯示，ChatGPT已經(jīng)可以完成一些簡(jiǎn)單的量化策略，例如構(gòu)建平均回歸模型，輸出均線策略。理論上甚至可以利用Scikit-learn數(shù)據(jù)庫(kù)(針對(duì)Python編程語(yǔ)言的免費(fèi)機(jī)器學(xué)習(xí)庫(kù))建立制作未來(lái)利率的預(yù)測(cè)模型，并使用均方誤差(Mean-SquareError,簡(jiǎn)稱MSE)對(duì)其進(jìn)行評(píng)價(jià)。第二章科技在量化交易中的應(yīng)用(五)策略構(gòu)建階段第二章科技在量化交易中的應(yīng)用(六)策略執(zhí)行階段1、低延遲技術(shù)第二章科技在量化交易中的應(yīng)用加速CPU第二章科技在量化交易中的應(yīng)用到2030年將達(dá)到4473.7億美元，期間年均復(fù)合增長(zhǎng)率達(dá)33.3%。根據(jù)JonPeddieResearch數(shù)據(jù)，2022Q4獨(dú)立GPU市場(chǎng)中，英偉達(dá)、AMD和英特爾三家的份額分別為85%、9%和6%。第二章科技在量化交易中的應(yīng)用圖2.6:低延遲網(wǎng)卡示意圖可編程交換機(jī)可編程交換機(jī)(ProgrammableSwitch)是一種具有可編程能力的網(wǎng)絡(luò)交換機(jī)。它與傳統(tǒng)交換機(jī)不同，傳統(tǒng)交換機(jī)的功能是固定的，提供基本的層二、層三網(wǎng)絡(luò)通信功能，而可編程交換機(jī)可以根據(jù)需要進(jìn)行編程，實(shí)現(xiàn)各種不同的網(wǎng)絡(luò)功能。在量化交易中，可編程交換機(jī)可以提供更快的數(shù)據(jù)包處理速度和更低的延遲，從而為交易算法提供更加實(shí)時(shí)的數(shù)據(jù)支持。低延遲交換機(jī)免碎片轉(zhuǎn)發(fā)(Fragment-Free)和存儲(chǔ)轉(zhuǎn)發(fā)(Store-and-Forward)。存儲(chǔ)轉(zhuǎn)發(fā)模式需要等到整個(gè)數(shù)據(jù)包全部收到后才開(kāi)始發(fā)送，這樣雖然可靠性高，但是增大了延時(shí)。低延遲交換機(jī)使用直接轉(zhuǎn)發(fā)模式，當(dāng)收到數(shù)據(jù)包的部分字節(jié)時(shí)就可以開(kāi)始轉(zhuǎn)發(fā)，相對(duì)于存儲(chǔ)轉(zhuǎn)發(fā)模式，大大減少了數(shù)據(jù)緩存時(shí)間，轉(zhuǎn)發(fā)延遲可以降低至500納秒以內(nèi)。第二章科技在量化交易中的應(yīng)用交易所托管機(jī)房上海證券交易所證券技術(shù)大廈數(shù)據(jù)中心、金橋數(shù)據(jù)中心東莞南方中心機(jī)房上海期貨交易所張江機(jī)房、農(nóng)商行機(jī)房中國(guó)金融期貨交易所中金所唐鎮(zhèn)數(shù)據(jù)中心大連商品交易所大連高新鄭州商品交易所鄭州技術(shù)中心聯(lián)通白云北第二章科技在量化交易中的應(yīng)用進(jìn)一步提高傳輸效率。網(wǎng)絡(luò)拓?fù)鋬?yōu)化主要包括直線傳輸和最短路徑傳輸兩種方式。直線傳輸技術(shù)是一種沿著地理直線路徑傳輸數(shù)據(jù)，而非經(jīng)過(guò)多個(gè)節(jié)點(diǎn)的方法，以達(dá)到降低延遲的目的。這種技術(shù)通常通過(guò)光纖傳輸線、無(wú)線電波等方式實(shí)現(xiàn)。最短路徑傳輸技術(shù)旨在尋找數(shù)據(jù)傳輸過(guò)程中的最短路徑，以最小化經(jīng)過(guò)的節(jié)點(diǎn)數(shù)量，從而降低延遲。在實(shí)際應(yīng)用中，交易公司可以通過(guò)軟件算法來(lái)計(jì)算和選擇最佳路徑，以提高傳輸效率。提高網(wǎng)絡(luò)帶寬在局域網(wǎng)內(nèi)，提高網(wǎng)絡(luò)帶寬是降低延遲最直接有效的方法。增加網(wǎng)絡(luò)帶寬可以讓更多的數(shù)據(jù)在同一時(shí)間內(nèi)傳輸，從而縮短傳輸時(shí)間并提高交易速度。然而，這種提升往往伴隨著設(shè)備更新?lián)Q代的成本，需要根據(jù)實(shí)際情況權(quán)衡投入與收益。在現(xiàn)代局域網(wǎng)中，千兆網(wǎng)絡(luò)與萬(wàn)兆網(wǎng)絡(luò)是兩種常見(jiàn)的帶寬規(guī)格。千兆網(wǎng)絡(luò)的傳輸速率可達(dá)1Gbps(1000Mbps)20,而萬(wàn)兆網(wǎng)絡(luò)的速率則可達(dá)10Gbps(10000Mbps)。以1kB的數(shù)據(jù)為例，在千兆網(wǎng)絡(luò)中傳輸需要10微秒，而在萬(wàn)兆網(wǎng)絡(luò)中傳輸僅需1微秒。通過(guò)升級(jí)網(wǎng)絡(luò)帶寬，交易公司可以顯著提高網(wǎng)絡(luò)延遲測(cè)量設(shè)備采集整個(gè)交易網(wǎng)絡(luò)中的流量，并打上硬件時(shí)間戳，可以客觀地測(cè)量和監(jiān)控交易系統(tǒng)中各個(gè)節(jié)點(diǎn)的延遲。根據(jù)延遲測(cè)量結(jié)果，可以有針對(duì)性地改善系統(tǒng)性能，降低處理延遲和抖動(dòng)。圖2.7給出了網(wǎng)絡(luò)延遲測(cè)量設(shè)備示意圖。圖2.7:網(wǎng)絡(luò)延遲測(cè)量設(shè)備示意圖5第二章科技在量化交易中的應(yīng)用針對(duì)金融領(lǐng)域的特點(diǎn)，可以采用專門設(shè)計(jì)的應(yīng)用層協(xié)議，如FIX'/FAST1協(xié)議、STEPl3協(xié)議和14指二進(jìn)制鍵，指關(guān)鍵字。值，指關(guān)鍵字對(duì)應(yīng)的值。第二章科技在量化交易中的應(yīng)用表2.3:常用壓縮算法性能參考?jí)嚎s算法壓縮率壓縮速度(MB/s)解壓縮速度(MB/s)2、極速柜臺(tái)3、極速行情選取最快的行情。行情分隔傳輸是將不同類的數(shù)據(jù)通過(guò)不同的組播地址或TCP連接傳輸，達(dá)到傳輸加4、算法交易第二章科技在量化交易中的應(yīng)用5、聯(lián)合風(fēng)控聯(lián)合風(fēng)控系統(tǒng)一般采用內(nèi)存流式計(jì)算的方法，并發(fā)計(jì)算規(guī)則，在千萬(wàn)級(jí)計(jì)算路徑下仍可實(shí)現(xiàn)微秒1、凈值分析2、持倉(cāng)分析3、收益分析相對(duì)基準(zhǔn)收益進(jìn)行收益分解，將組合的收益分解到配置(自上而下)和選股(自下ers上)的維度，4、風(fēng)險(xiǎn)指標(biāo)分析第二章科技在量化交易中的應(yīng)用(一)國(guó)際量化科技監(jiān)管環(huán)境(二)國(guó)際量化科技典型公司(三)國(guó)際量化科技發(fā)展特征第三章國(guó)際量化科技發(fā)展現(xiàn)狀本章摘要：(一)國(guó)際量化科技監(jiān)管環(huán)境1、美國(guó)對(duì)量化交易的監(jiān)管表3.1:美國(guó)量化交易監(jiān)管政策(一)監(jiān)管方式監(jiān)管機(jī)構(gòu)/交易所影響改進(jìn)信息獲取和收集的方式2012年7月推出《綜合審計(jì)追蹤》CAT),2020年成功開(kāi)始了CAT第一階段的數(shù)據(jù)收集。信息來(lái)源更加集中，交易數(shù)據(jù)統(tǒng)計(jì)粒度更加細(xì)致，可以捕捉所有交易從訂單生成到執(zhí)行或取消的完整記錄，能夠?qū)Ω哳l交易的訂單進(jìn)行合并監(jiān)測(cè)和分第三章國(guó)際量化科技發(fā)展現(xiàn)狀影響對(duì)量化交易信息做出標(biāo)示SEC提出對(duì)交易量符合一定標(biāo)準(zhǔn)的交易者(買賣股票單日超過(guò)兩百萬(wàn)股、單月超過(guò)兩千萬(wàn)股或執(zhí)行價(jià)值單日超過(guò)兩千萬(wàn)美元、單月超過(guò)兩億美元)分配大戶交易商識(shí)別代碼(LTID)。 (theFinancialIndustryRegulatoryAuthority,簡(jiǎn)稱FINRA)的提案，要求參與算法交易策略的設(shè)計(jì)、開(kāi)發(fā)或重大修改的相關(guān)人員進(jìn)行注冊(cè)，并于次年開(kāi)始實(shí)施。便于監(jiān)管機(jī)構(gòu)分析和調(diào)查是否存在操縱市場(chǎng)等違規(guī)行為。CFTC要求高頻交易者至少注冊(cè)姓名和地址，并為大額交易者分配識(shí)別代碼。在上述監(jiān)管主體的要求下，各個(gè)交易所和自律組織也發(fā)布了自己針對(duì)高頻交易、程序化交易的標(biāo)示方式。例如芝加哥商品交易所(ChicagoMercantileExchange,簡(jiǎn)稱CME)規(guī)定，所有在其環(huán)球交易平臺(tái)(Globex)的用戶必須注冊(cè)唯一的身份認(rèn)證，并使用該身份認(rèn)證進(jìn)行下單。在注冊(cè)身份認(rèn)證時(shí)，會(huì)有特定的選項(xiàng)表明其是否為程序化交易者。Globex用戶發(fā)送的每筆交易指令都含有身份認(rèn)證。因此CME可以有效地監(jiān)控通過(guò)程序化交易發(fā)送的指令及其在整個(gè)市場(chǎng)所有交易指令中所占的比重。(2)保障系統(tǒng)的安全性隨著量化交易，尤其是高頻交易在美國(guó)市場(chǎng)大行其道，為了保障系統(tǒng)的安全性，美國(guó)監(jiān)管部門推出了“事前·事中-事后”全周期監(jiān)管措施，具體如表3.2所示。表3.2:美國(guó)量化交易監(jiān)管政策(二)監(jiān)管方式監(jiān)管機(jī)構(gòu)影響事前預(yù)防措施2020年發(fā)布《電子化交易風(fēng)險(xiǎn)原則》,一是要求量化交易算法事先進(jìn)行充分的測(cè)試并通過(guò)交易所認(rèn)證授權(quán)；二是對(duì)流量進(jìn)行管控，例如CME對(duì)投資者發(fā)出的撮合引擎信息量有一定的報(bào)單規(guī)模限制，每個(gè)產(chǎn)品在CMEGlobex中都有一個(gè)單筆下單最大量規(guī)定，這些規(guī)定因產(chǎn)品而異，并會(huì)定期進(jìn)行修訂；三是禁止市場(chǎng)擾亂行為，例如，美國(guó)納斯達(dá)克交易所明確規(guī)定，所有訂單的輸入必須具有執(zhí)行真實(shí)交易的目的，并且明確禁止避免成交、誤導(dǎo)其他市場(chǎng)參與者、超負(fù)荷或延遲其他市場(chǎng)交易者系統(tǒng)運(yùn)作等行為。該監(jiān)管框架更為靈活，在行業(yè)自律的交易所監(jiān)管層面，賦予交易所更多的自律監(jiān)管權(quán)利，即交易所應(yīng)當(dāng)制定并實(shí)施相關(guān)市場(chǎng)交易規(guī)則，并根據(jù)市場(chǎng)實(shí)際情況及時(shí)進(jìn)行調(diào)整，從而更好地適應(yīng)具體監(jiān)管需第三章國(guó)際量化科技發(fā)展現(xiàn)狀影響事中保護(hù)機(jī)制漲跌停板機(jī)制：SEC規(guī)定當(dāng)某只股票漲跌幅超過(guò)一定幅度(根據(jù)股票類型分為10%,30%,50%)時(shí)，交易將被暫停5分鐘。全市場(chǎng)熔斷機(jī)制：SEC于2012年制定全市場(chǎng)熔斷機(jī)制，以在出現(xiàn)由于量化交易導(dǎo)致的市場(chǎng)波動(dòng)時(shí)，保護(hù)投資者。具體措施分為一級(jí)、二級(jí)、三級(jí)熔斷，分別對(duì)應(yīng)標(biāo)準(zhǔn)普爾500指數(shù)跌幅達(dá)到7%,13%和20%時(shí)，一級(jí)、二級(jí)熔斷都將暫停交易15分鐘，三級(jí)將導(dǎo)致當(dāng)日交易停止且不再恢復(fù)，以上情況如果發(fā)生在美東時(shí)間15:35之后，則不暫停交易。交易所交易平臺(tái)斷鏈開(kāi)關(guān)機(jī)制：SEC要求所有交易所都要配備斷鏈開(kāi)關(guān)機(jī)制，當(dāng)交易系統(tǒng)出現(xiàn)異常或者錯(cuò)誤時(shí)，該機(jī)制可迅速中斷交易系統(tǒng)的運(yùn)行。保護(hù)系統(tǒng)和市場(chǎng)免受量化交易程序錯(cuò)誤帶來(lái)的風(fēng)險(xiǎn)。CFTC規(guī)定了各個(gè)品種的漲跌幅限制，當(dāng)價(jià)格達(dá)到限制時(shí)，交易也將被暫停。事后取消機(jī)制2013年9月，CFTC發(fā)布《自動(dòng)化交易環(huán)境風(fēng)險(xiǎn)控制和系統(tǒng)維護(hù)概念公告》,提出了交易取消和調(diào)整的相關(guān)建議，主要包括取消或調(diào)整交易的具體時(shí)間、交易者通知交易所錯(cuò)單情況的有效時(shí)間、以及交易所需立即告知市場(chǎng)參與者可能會(huì)被調(diào)整或取消的交易。旨在防止錯(cuò)誤交易對(duì)市場(chǎng)造成不必要的影響和損失。2、歐盟對(duì)量化交易的監(jiān)管時(shí)間影響2016年《市場(chǎng)濫用法規(guī)》Regulation,簡(jiǎn)稱規(guī)定了量化交易可能涉及的市場(chǎng)操縱行為：(1)擾亂或延遲交易所的運(yùn)作；(2)影響其他交易者，致使無(wú)法或難以在交易系統(tǒng)上識(shí)別真正的買賣訂單；(3)影響金融資產(chǎn)的供求，給其他投資者帶來(lái)誤導(dǎo)。使監(jiān)管關(guān)口前移，更加重視對(duì)跨市場(chǎng)和跨國(guó)界濫用行為的防范。第三章國(guó)際量化科技發(fā)展現(xiàn)狀時(shí)間影響2018年《金融工具市場(chǎng)指令Ⅱ》(MarketsinFinancialDirectiveⅡ,簡(jiǎn)稱MiFIDⅡ)增加了對(duì)量化交易的監(jiān)管要求：(1)從事算法交易的投資機(jī)構(gòu)必須在其業(yè)務(wù)開(kāi)展國(guó)和公司注冊(cè)地所在國(guó)家的監(jiān)管機(jī)構(gòu)進(jìn)行報(bào)備，并需通過(guò)算法交易策略評(píng)審；(2)參與人有義務(wù)標(biāo)注所有通過(guò)算法交易產(chǎn)生的訂單，以此來(lái)區(qū)分人工交易和自動(dòng)化交易；(3)要求參與算法交易的投資公司內(nèi)部都必須有有效的信息系統(tǒng)和風(fēng)險(xiǎn)管理體系來(lái)確保交易系統(tǒng)的穩(wěn)定性和韌性，同時(shí)應(yīng)設(shè)置相應(yīng)的交易閾值從而保證不會(huì)發(fā)出錯(cuò)算法交易或高頻交易專門征收費(fèi)用，尤其針對(duì)取消率較高的交易；(5)明確禁止量化交易可能涉及的市場(chǎng)操縱行為。更加嚴(yán)格的金融監(jiān)管法規(guī)，迫使金融系統(tǒng)做出調(diào)整，保護(hù)投資者利益。3、英國(guó)對(duì)量化交易的監(jiān)管2008年金融危機(jī)后，英國(guó)加強(qiáng)了對(duì)包括量化交易在內(nèi)的各項(xiàng)交易活動(dòng)的監(jiān)管。2012年英國(guó)通過(guò)的PolicyCommittee,金融政策委員會(huì))、PRA(PrudentialRegulatoryAuthority,審慎監(jiān)管局)和FCA 依據(jù)為歐盟發(fā)布的MiFIDⅡ。其他量化交易監(jiān)管依據(jù)包括PRA發(fā)布的相關(guān)FCA在量化交易參與者準(zhǔn)入與授權(quán)方面，英國(guó)有FCA批準(zhǔn)從業(yè)資格準(zhǔn)入的制度。英國(guó)金融服務(wù)和市場(chǎng)取得FCA的授權(quán)許可或在FCA登記，而某PRAFCA(二)國(guó)際量化科技典型公司券交易，2009年實(shí)現(xiàn)線上無(wú)費(fèi)用ETFs交易，2011年為活躍投資者推出全新交易平臺(tái)，2015年推出3、先鋒領(lǐng)航201987年，先鋒領(lǐng)航改進(jìn)了計(jì)算機(jī)技術(shù)，使先鋒領(lǐng)航指數(shù)基金在跟蹤市場(chǎng)基準(zhǔn)方面的能力有了顯著提高，從1984年到1994年，S&P500指數(shù)基金的十年業(yè)績(jī)表現(xiàn)超過(guò)78%的普通股票基金；Vanguard500指數(shù)基金自推出之后每年都實(shí)現(xiàn)了凈現(xiàn)金流入，從1985年到1999年年底，Vanguard500指數(shù)基金的總回報(bào)率達(dá)到了1204%,遠(yuǎn)高于大盤股混合基金類886%的平均回報(bào)率。(三)國(guó)際量化科技發(fā)展特征1、數(shù)據(jù)依賴加深第三章國(guó)際量化科技發(fā)展現(xiàn)狀2、技術(shù)發(fā)展迅速3、硬件算力提高4、風(fēng)控性能增強(qiáng)5、監(jiān)管審查趨嚴(yán)(二)國(guó)內(nèi)量化科技典型公司第四章國(guó)內(nèi)量化科技發(fā)展現(xiàn)狀本章摘要：(一)國(guó)內(nèi)量化科技監(jiān)管環(huán)境1、對(duì)于量化交易的監(jiān)管時(shí)間機(jī)構(gòu)相關(guān)內(nèi)容2010年2月中金所《股指期貨合約、交易規(guī)則及其實(shí)施細(xì)則》增加會(huì)員、客戶采取程序化交易方式應(yīng)當(dāng)事先報(bào)備的內(nèi)容。2010年9月證監(jiān)會(huì)《期貨交易所業(yè)務(wù)活動(dòng)監(jiān)管工作指引第9號(hào)——關(guān)于程序化交易的認(rèn)定及相關(guān)監(jiān)管工作的指導(dǎo)意見(jiàn)》(9號(hào)指引)將程序化交易定義為“由計(jì)算機(jī)事先設(shè)定的具有行情分析、風(fēng)險(xiǎn)管理等功能的交易模型，自動(dòng)下達(dá)交易信號(hào)或報(bào)單指令的交易方式”,各期貨交易所根據(jù)自身情況制定標(biāo)準(zhǔn)。2010年10月中金所《期貨異常交易監(jiān)控指引(試行)》第(九)項(xiàng)中規(guī)定了“通過(guò)計(jì)算機(jī)程序自動(dòng)批量下單、快速下單”中的異常交易行為。2015年1月上交所《上海證券交易所股票期權(quán)試點(diǎn)交易規(guī)則》對(duì)程序化交易的報(bào)備與監(jiān)管相關(guān)內(nèi)容進(jìn)行了規(guī)定。2015年1月上交所《證券公司股票期權(quán)業(yè)務(wù)風(fēng)險(xiǎn)控制指南》對(duì)程序化交易的報(bào)備范圍、報(bào)備內(nèi)容進(jìn)行了規(guī)定。時(shí)間政策名稱相關(guān)內(nèi)容2015年3月上交所《關(guān)于加強(qiáng)股票期權(quán)程序化交易管理的通知》對(duì)于期權(quán)經(jīng)營(yíng)機(jī)構(gòu)程序化交易權(quán)限的管理、風(fēng)險(xiǎn)隔離、異常交易監(jiān)控等明確要求。2015年3月證券業(yè)協(xié)會(huì)《證券公司網(wǎng)上證券信息系統(tǒng)技術(shù)指引》規(guī)定證券公司不得向第三方運(yùn)營(yíng)的客戶端提供網(wǎng)上證券服務(wù)端與證券交易相關(guān)的接口。2015年10月證監(jiān)會(huì)《證券期貨市場(chǎng)程序化交易管理辦法(征求意見(jiàn)稿)》明確了申報(bào)核查管理、接入管理、指令審核、差異化收費(fèi)、監(jiān)察執(zhí)法方面的規(guī)定。2018年4月央行等四部門《關(guān)于規(guī)范金融機(jī)構(gòu)資產(chǎn)管理業(yè)務(wù)的指導(dǎo)意見(jiàn)》金融機(jī)構(gòu)應(yīng)當(dāng)根據(jù)不同產(chǎn)品投資策略研發(fā)對(duì)應(yīng)的人工智能算法或者程序化交易，避免算法同質(zhì)化加劇投資行為的順周期性。2019年12月全國(guó)人大《中華人民共和國(guó)證券法》規(guī)定通過(guò)計(jì)算機(jī)程序自動(dòng)生成或者下達(dá)交易指令進(jìn)行程序化交易的，不得影響證券交易所系統(tǒng)安全或者正常交易秩序。2019年12月《關(guān)于股票期權(quán)程序化交易管理的通知》程序化交易的接入、認(rèn)證、報(bào)備等作出規(guī)定。2020年4月證監(jiān)會(huì)2020年度立法工作計(jì)劃《程序化交易管理辦法》作為“需要抓緊研究、擇機(jī)出臺(tái)的項(xiàng)目”。2021年1月大商所大連商品交易所交易規(guī)則明確對(duì)涉及期貨交易的業(yè)務(wù)活動(dòng)實(shí)施自律監(jiān)督管理的主要內(nèi)容。2021年3月鄭商所鄭州商品交易所交易規(guī)則明確對(duì)涉及期貨交易的業(yè)務(wù)活動(dòng)實(shí)施自律監(jiān)督管理的主要內(nèi)容。2021年7月上期所上海期貨交易所交易規(guī)則明確對(duì)涉及期貨交易的業(yè)務(wù)活動(dòng)實(shí)施自律監(jiān)督管理的主要內(nèi)容。2021年11月中國(guó)證券投資基金上線“量化私募基金運(yùn)行報(bào)表”將此前季度報(bào)送頻率提升至月度。2021年11月北交所發(fā)布《北京證券交易所自律監(jiān)管措施和紀(jì)律處分實(shí)施細(xì)則》投資者出現(xiàn)違規(guī)行為的，本所或者業(yè)務(wù)部門可以實(shí)施以下自律監(jiān)管措施：將證券賬戶列入重點(diǎn)監(jiān)控賬戶，即將發(fā)生嚴(yán)重異常交易行為或者頻繁發(fā)生異常交易行為的證券賬戶列入重點(diǎn)監(jiān)控賬戶名單。第四章國(guó)內(nèi)量化科技發(fā)展現(xiàn)狀時(shí)間相關(guān)內(nèi)容2023年2月滬深交易所《交易所交易規(guī)則(2023年修訂》增加程序化交易報(bào)告制度的相關(guān)規(guī)定，將“通過(guò)計(jì)算機(jī)程序自動(dòng)生成或者下達(dá)交易指令進(jìn)行程序化交易，影響本所系統(tǒng)安全或者正常交易秩序”納入異常交易范疇。2、對(duì)于量化科技相關(guān)機(jī)構(gòu)的監(jiān)管時(shí)間機(jī)構(gòu)政策名稱相關(guān)內(nèi)容2020年7月證監(jiān)會(huì)等《證券服務(wù)機(jī)構(gòu)從事證券服務(wù)業(yè)務(wù)備案管理規(guī)定》規(guī)定備案機(jī)構(gòu)、備案業(yè)務(wù)范圍、備案時(shí)點(diǎn)和備案程序等內(nèi)容。2020年8月證監(jiān)會(huì)《證券公司租用第三方網(wǎng)絡(luò)平臺(tái)開(kāi)展證券業(yè)務(wù)活動(dòng)管理規(guī)定(試第三方機(jī)構(gòu)僅限于為證券公司提供網(wǎng)絡(luò)空間經(jīng)營(yíng)場(chǎng)所等信息技術(shù)服務(wù)，不得介入投資者招攬、投資者適當(dāng)性管理、接收交易指令等證券業(yè)務(wù)活動(dòng)的任何環(huán)節(jié)。2020年10月證監(jiān)會(huì)《《證券服務(wù)機(jī)構(gòu)從事證券服務(wù)業(yè)務(wù)備案管理規(guī)定>第九條的適用意見(jiàn)——證券期貨法律適用意見(jiàn)第16號(hào)》和《監(jiān)管規(guī)則適用指引——科技監(jiān)管類第1號(hào)》信息技術(shù)系統(tǒng)服務(wù)機(jī)構(gòu)備案工作正式啟動(dòng)，從事證券信息技術(shù)服務(wù)的量化科技服務(wù)機(jī)構(gòu)也據(jù)此納入備案范圍。3、量化科技相關(guān)監(jiān)管處罰案例時(shí)間機(jī)構(gòu)處罰內(nèi)容某機(jī)構(gòu)證監(jiān)會(huì)部分產(chǎn)品的投資顧問(wèn)使用的程序化交易軟件事先不通過(guò)公司的風(fēng)控系統(tǒng)，缺乏相關(guān)風(fēng)險(xiǎn)控制；此外，部分量化對(duì)沖產(chǎn)品使用的投資交易系統(tǒng)缺乏事中公平交易管理與控制。時(shí)間處罰內(nèi)容某機(jī)構(gòu)證監(jiān)會(huì)單一賬戶或賬戶之間50ETF相互交易總額為39.01億元，影響50ETF交易量，變相進(jìn)行50ETF與相應(yīng)成分股日內(nèi)回轉(zhuǎn)交易套利。某機(jī)構(gòu)證監(jiān)會(huì)未按要求對(duì)客戶程序交易使用的交易軟件或接口進(jìn)行審核、測(cè)試及認(rèn)證；未確?？蛻魣?bào)備軟件與實(shí)際使用軟件的一致性；未按要求建立接入異常情況的預(yù)防、發(fā)現(xiàn)與處置機(jī)制，相關(guān)系統(tǒng)缺乏對(duì)程序交易客戶及接入情況的實(shí)時(shí)監(jiān)控功能。個(gè)人證監(jiān)會(huì)程序化交易過(guò)程中，因程序錯(cuò)誤導(dǎo)致對(duì)敲轉(zhuǎn)移資金，造成合約最大波動(dòng)為(二)國(guó)內(nèi)量化科技典型公司深度學(xué)習(xí)訓(xùn)練和其他多類型任務(wù)，日常算力占用率95%以上，日常GPU使用率75%以上，計(jì)算和存第四章國(guó)內(nèi)量化科技發(fā)展現(xiàn)狀2、國(guó)泰君安期貨(寬客)量身打造了聚寬量化投研平臺(tái)(簡(jiǎn)稱“聚寬”,網(wǎng)址為),提供(三)國(guó)內(nèi)量化科技發(fā)展特征1、交易鏈路極致化2、量化投研智能化3、行業(yè)服務(wù)生態(tài)化4、監(jiān)管方式數(shù)字化5、合規(guī)完善持續(xù)化本章摘要：(一)服務(wù)機(jī)構(gòu)1、基礎(chǔ)設(shè)施服務(wù)商證券技術(shù)大厘位于中國(guó)(上海)自由貿(mào)易試驗(yàn)區(qū)。第五章量化科技生態(tài)體系機(jī)柜(服務(wù)器機(jī)柜)和1kW/機(jī)柜(網(wǎng)絡(luò)列頭柜)。第五章量化科技生態(tài)體系供4筆/秒行情的增值深度行情服務(wù)。2022年1月深度行情業(yè)務(wù)開(kāi)始試運(yùn)行，11月正式運(yùn)行，目前提2、交易平臺(tái)服務(wù)商第五章量化科技生態(tài)體系深證通的交易結(jié)算業(yè)務(wù)以深圳證券交易所(簡(jiǎn)稱深交所)、中國(guó)登記結(jié)算公司、全國(guó)中小企業(yè)股份基于對(duì)期貨行業(yè)量化交易未來(lái)發(fā)展的思考，上期技術(shù)于2007年率先推出適合于國(guó)內(nèi)期貨市場(chǎng)量化交易第五章量化科技生態(tài)體系貨市場(chǎng)的用戶多達(dá)145家期貨公司，其中主用系統(tǒng)市場(chǎng)占有率超過(guò)50%,共83家，按照2022年分類評(píng)級(jí)，18家AA級(jí)公司CTP用戶14家，36家A類公司CTP用戶22家。在量化交易細(xì)分領(lǐng)域高頻交易支持方面，上期技術(shù)推出了極速量化交易平臺(tái)CTPllmini,專點(diǎn)，其關(guān)鍵性能指標(biāo)穩(wěn)居行業(yè)第一梯隊(duì)。截止到2023年2月底，已有62家會(huì)員機(jī)構(gòu)和眾多客戶選用第五章量化科技生態(tài)體系表5.1:算法分類劃分依據(jù)交易沖擊驅(qū)動(dòng)型算法降低對(duì)價(jià)格影響成本驅(qū)動(dòng)型算法降低總體交易成本利用有利市場(chǎng)條件投機(jī)交易客戶交易量大、成本敏感、嚴(yán)格合規(guī)新型交易型客戶算法交易量小、投機(jī)明顯主動(dòng)程度綜合型算法兼具以下兩者的特點(diǎn)主動(dòng)執(zhí)行類算法被動(dòng)算法中增加主動(dòng)預(yù)測(cè)因素按照固定模式，無(wú)預(yù)測(cè)因素 (卡方),或者是從券商角度切入(金納),基本代表了算法供應(yīng)商的兩種發(fā)展思路。以此為基礎(chǔ)，市易鏈路的優(yōu)勢(shì)，向算法領(lǐng)域，或是吞并(恒生并購(gòu)金納),或是自研(金證自研),或是聯(lián)合三方供應(yīng)第五章量化科技生態(tài)體系類別卡方非凸自誠(chéng)皓興躍然聚寬法支持各有標(biāo)準(zhǔn)的被動(dòng)部分交易場(chǎng)景無(wú)有標(biāo)準(zhǔn)的策略，戶不多無(wú)無(wú)無(wú)無(wú)有標(biāo)準(zhǔn)的策略，戶不多主動(dòng)算法主動(dòng)算法客戶少第一梯隊(duì)，目前市場(chǎng)占有率第一近期第一梯隊(duì)，績(jī)效表效表現(xiàn)一般近期第一梯隊(duì)，績(jī)效表目前在段無(wú)無(wú)目前在段當(dāng)前的策略剛目前使用客戶較少中上水平近期僅跑平成本第三梯隊(duì)當(dāng)前已客戶開(kāi)始使用，績(jī)效在3%左右第一梯隊(duì)，年化在第一梯隊(duì)，年化在第二梯隊(duì)，年化在中上水平客戶群體保險(xiǎn)資管、券商自營(yíng)主觀多頭私募主觀多頭私募、量化私商自營(yíng)量化私募量化私募量化私募量化私募量化私募量化私募量化私募7*24小定制算法服務(wù)專業(yè)的實(shí)施運(yùn)維團(tuán)隊(duì)和交易維護(hù)團(tuán)隊(duì)，提小時(shí)服務(wù)員兼職員兼職暫時(shí)未得到信息員兼職員兼職暫時(shí)未得到信息員兼職第五章量化科技生態(tài)體系類別金納卡方非凸自誠(chéng)皓興躍然啟能達(dá)聚寬特色系的安全合規(guī)更嚴(yán)謹(jǐn)60多位高精尖人員幕后為算法保駕護(hù)航金工背景是數(shù)字貨幣為主初期為客戶做交易后續(xù)提出補(bǔ)充T0,也是逐步轉(zhuǎn)型百億私募在后面支持，整體策略優(yōu)秀初期是人工T18年已經(jīng)開(kāi)始涉獵程序T,突出百億私募背后支持華爾街回來(lái)的頂層人員，招商局投資初期做后續(xù)轉(zhuǎn)再進(jìn)行平臺(tái)的變化當(dāng)前有FOF資金做對(duì)應(yīng)的客戶撬動(dòng)多策略模型疊加搭配技術(shù)進(jìn)一步提升績(jī)效交互速服務(wù)的客群多，覆蓋的場(chǎng)景更多策略迭代速度快、開(kāi)發(fā)的穩(wěn)定性高、響應(yīng)能以金融理解能力、Al算法力和技術(shù)實(shí)現(xiàn)能力為核心驅(qū)動(dòng)(3)算法交易策略的選擇從用戶角度出發(fā)，如何選擇算法策略主要依托于自己的交易目的，選擇不同算法策略的基本原則就是策略的執(zhí)行結(jié)果滿足所預(yù)期的交易效果或與預(yù)期效果的差距最小化。對(duì)應(yīng)的兩個(gè)決策因素分別為執(zhí)行效率和執(zhí)行效益，或者稱之為交易擇時(shí)與交易成本(見(jiàn)圖5.1)。第五章量化科技生態(tài)體系圖5.1:算法交易策略選擇原則算法選擇第五章量化科技生態(tài)體系當(dāng)前市場(chǎng)的算法種類千差萬(wàn)別，但是核心還未脫離TWAPVWAP策略，主要還是在現(xiàn)有基礎(chǔ)之上(1)數(shù)據(jù)服務(wù)商綜述確性。國(guó)內(nèi)主流數(shù)據(jù)服務(wù)包括兩大類：官方機(jī)構(gòu)(交易所)與市場(chǎng)化機(jī)構(gòu)。其中市場(chǎng)化機(jī)構(gòu)可提供的數(shù)勢(shì)地位(見(jiàn)圖5.2)。圖5.2:金融市場(chǎng)交易鏈路終端終端清洗整理BOP、思迪，恒生中后臺(tái)資產(chǎn)接人必理一柜臺(tái)第五章量化科技生態(tài)體系行情數(shù)據(jù)通常使用UDP組播進(jìn)行轉(zhuǎn)發(fā)，實(shí)時(shí)數(shù)據(jù)還要分A/Bchannel做冗余備份，再加一個(gè) 委托檔位信息5檔10檔基本行情信息最新價(jià)、當(dāng)日累計(jì)成交量、當(dāng)日累計(jì)成交額當(dāng)日最高成交價(jià)、當(dāng)日最低成交價(jià)、昨日收盤價(jià)等增強(qiáng)行情信息最優(yōu)檔位的前50筆訂單的委托量，實(shí)時(shí)逐筆委托、成交信息，委托買/賣總量，買/賣均價(jià)等數(shù)據(jù)格式基于FIX/FAST協(xié)議的接口和TXT文件基于FIX/FAST協(xié)議的接口費(fèi)用免費(fèi)雙邊交易所各2萬(wàn)/年，且限制轉(zhuǎn)發(fā)第五章量化科技生態(tài)體系基本面數(shù)據(jù)是從數(shù)據(jù)庫(kù)或數(shù)據(jù)終端獲取，目前常用的金融數(shù)據(jù)庫(kù)可見(jiàn)表5.4,從使用者來(lái)看，主要表5.4:國(guó)內(nèi)外數(shù)據(jù)庫(kù)定位及優(yōu)缺點(diǎn)數(shù)據(jù)庫(kù)定位優(yōu)勢(shì)劣勢(shì)國(guó)內(nèi)萬(wàn)得高端機(jī)構(gòu)客戶(1)數(shù)據(jù)表結(jié)構(gòu)較科學(xué)，有很多不同工具，如WACC計(jì)算小插件、貝塔計(jì)算小插件、EXCEL估值模版(2)用戶體驗(yàn)好，界面體驗(yàn)一流，符合中國(guó)人使用習(xí)慣(3)中國(guó)A\B股數(shù)據(jù)、基金數(shù)據(jù)、債券數(shù)據(jù)和期貨數(shù)據(jù)等特色數(shù)據(jù)庫(kù)都非常突出(4)支持API插件(1)數(shù)據(jù)質(zhì)量一般，存在不少錯(cuò)誤，如指數(shù)數(shù)據(jù)庫(kù)的錯(cuò)誤和雅虎Finance幾乎一樣(2)世界指數(shù)等國(guó)際數(shù)據(jù)庫(kù)一般(3)主要提供資訊，下單通道沒(méi)有Bloomberg那么強(qiáng)大(4)行業(yè)數(shù)據(jù)嚴(yán)重缺乏，而且質(zhì)量較低機(jī)構(gòu)客戶(1)界面設(shè)計(jì)實(shí)用且方便，數(shù)據(jù)結(jié)構(gòu)科學(xué)，有效避免過(guò)多冗余(2)數(shù)據(jù)質(zhì)量過(guò)硬，數(shù)據(jù)庫(kù)性價(jià)比高(3)A\B股數(shù)據(jù)是強(qiáng)項(xiàng)(4)研究報(bào)告更新速度較快，較全面、質(zhì)量較萬(wàn)得好(1)資訊更新速度不高，其中資訊類周六、周日暫停更新(2)宏觀數(shù)據(jù)和行業(yè)數(shù)據(jù)不出色(3)不支持API插件CSMAR數(shù)據(jù)庫(kù)中國(guó)學(xué)術(shù)機(jī)構(gòu)、香港與美國(guó)部分高校(1)公司金融數(shù)據(jù)強(qiáng)大且齊全(2)數(shù)據(jù)庫(kù)做學(xué)術(shù)比較全面，年份較早的數(shù)據(jù)都會(huì)有收錄(3)高頻數(shù)據(jù)排全國(guó)前列(4)公司治理數(shù)據(jù)比較好，詳細(xì)，包括公司控制鏈圖均有收錄(1)數(shù)據(jù)更新速度不夠快(2)數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)不夠合理(3)缺乏資訊類數(shù)據(jù)(4)行業(yè)數(shù)據(jù)更新速度慢第五章量化科技生態(tài)體系數(shù)據(jù)庫(kù)優(yōu)勢(shì)劣勢(shì)國(guó)內(nèi)銳思數(shù)據(jù)庫(kù)學(xué)術(shù)機(jī)構(gòu)(1)數(shù)據(jù)中英文對(duì)照：包括經(jīng)濟(jì)、金融、會(huì)計(jì)實(shí)證與投資研究所需的絕大部分?jǐn)?shù)據(jù)(2)可進(jìn)行數(shù)據(jù)定制數(shù)據(jù)字段不夠豐富，基本上搬運(yùn)外國(guó)數(shù)據(jù)庫(kù)結(jié)構(gòu)巨潮數(shù)據(jù)庫(kù)證券經(jīng)營(yíng)機(jī)構(gòu)、投資機(jī)構(gòu)、監(jiān)管機(jī)構(gòu)和廣大投資者(1)第一時(shí)間獲取上市公司信息公告和深交所交易統(tǒng)計(jì)信息，定期報(bào)告、公告類數(shù)據(jù)由上市公司直接報(bào)送，可在披露前一天入庫(kù)，較市場(chǎng)同類信息提前一天(2)采用多種手段和措施保障數(shù)據(jù)的準(zhǔn)確無(wú)誤，準(zhǔn)確率高(1)數(shù)據(jù)結(jié)構(gòu)老式，數(shù)據(jù)質(zhì)量一般(2)異動(dòng)數(shù)據(jù)的計(jì)算方法存在誤差國(guó)外交易者、分析師、投資經(jīng)理等各類金融從業(yè)者與專業(yè)人士(1)數(shù)據(jù)品種全、資訊全面，數(shù)(2)有bussinessweek\TWradio等(1)外匯支持相對(duì)較差，股票數(shù)據(jù)一般(2)價(jià)格高，性價(jià)比低路透社報(bào)刊、電視臺(tái)等各式媒體，交易員等資訊和新聞方面的數(shù)據(jù)全面、迅速且準(zhǔn)確中國(guó)公司在美國(guó)上市的數(shù)據(jù)庫(kù)錯(cuò)誤較多，ISIN代碼在新加坡市場(chǎng)上市的太少投資銀行集中在宏觀數(shù)據(jù)和行業(yè)數(shù)據(jù)，非常強(qiáng)大，其中能源類的數(shù)據(jù)庫(kù)較突出對(duì)于中國(guó)的數(shù)據(jù)，質(zhì)量不高專注美國(guó)經(jīng)濟(jì)行業(yè)數(shù)據(jù)庫(kù)(1)為全球戰(zhàn)略和研究界提供時(shí)間序列數(shù)據(jù)的首要供應(yīng)商(2)經(jīng)濟(jì)和金融數(shù)據(jù)庫(kù)的覆蓋范圍包括發(fā)達(dá)經(jīng)濟(jì)體和發(fā)展中國(guó)家對(duì)國(guó)內(nèi)的行業(yè)數(shù)據(jù)及公司數(shù)據(jù)不如本土數(shù)據(jù)庫(kù)公司的做得好專注公司數(shù)據(jù)(1)公司金融的所有數(shù)據(jù)是強(qiáng)項(xiàng)(2)公司治理的數(shù)據(jù)庫(kù)結(jié)構(gòu)比較出色，數(shù)據(jù)經(jīng)過(guò)基礎(chǔ)清洗，數(shù)據(jù)質(zhì)量較好在實(shí)時(shí)信息方面，較Bloomberg存在一定差距第五章量化科技生態(tài)體系網(wǎng)絡(luò)搜索等),業(yè)務(wù)流程數(shù)據(jù)(交易，公司數(shù)據(jù)，政府機(jī)構(gòu)等)和傳感器數(shù)據(jù)(衛(wèi)星，地理位置，天氣，閉路電視等)。特別是在人工智能Al的核心領(lǐng)域“計(jì)算機(jī)視覺(jué)(OpenCV)”與“自然語(yǔ)言分析(NLP)”的全球分析師情緒指標(biāo)的交易策略，招商金工在2015年就提出的新聞聯(lián)播情緒指數(shù)其預(yù)測(cè)與滬深300數(shù)據(jù)服務(wù)分為兩大領(lǐng)域(2B與2C),下面集中于兩大領(lǐng)域中最具代表性的幾家服務(wù)商分析。在2C領(lǐng)域中，目前東方財(cái)富靠著一站式服務(wù)平臺(tái)獨(dú)領(lǐng)風(fēng)騷，而其他服務(wù)商形成了自己擅長(zhǎng)的領(lǐng)域，諸如同花順在A股交易、富途在港美股交易、私募排排網(wǎng)在私募交易。在2B恒生聚源不斷向數(shù)據(jù)服務(wù)方面滲透，數(shù)據(jù)服務(wù)商中的萬(wàn)得資訊則獨(dú)占機(jī)構(gòu)服務(wù)80%的份額，以豐富、據(jù)因子(見(jiàn)圖5.3);(跌)的股票預(yù)計(jì)后期還會(huì)繼續(xù)漲(跌).(1)基礎(chǔ)設(shè)施2022年7月18日，上海證券交易所(簡(jiǎn)稱“上交所”)競(jìng)價(jià)交易網(wǎng)關(guān)正式啟用。這意味著上交所降至20毫秒，提速3-5倍。第五章量化科技生態(tài)體系(2)數(shù)據(jù)服務(wù)2、期貨交易所/s?id=17005261716068999wfrspiderforpc2上交所《交易技術(shù)前沿》,2022年第三期。上交所《交易技術(shù)前沿》,2022年第三期。第五章量化科技生態(tài)體系737個(gè)。第五章量化科技生態(tài)體系總體上，各期貨交易所情況相近，都為交易者提供了全鏈路、多層次數(shù)據(jù)和技術(shù)服務(wù)，包含展示行業(yè)慣例，采用“交易所-信息商-最終用戶”的期貨信息產(chǎn)業(yè)鏈模式，即期貨交易所授權(quán)的信息商經(jīng)營(yíng)使用來(lái)源于交易所的期貨行情信息數(shù)據(jù)資源，再由獲得授權(quán)許可的信息商將行情信息數(shù)據(jù)提供給最(3)特色科技期貨模擬仿真交易平臺(tái)，為廣大專業(yè)投資者測(cè)試策略的平臺(tái)，同時(shí)SimNow作為交易所的投教平臺(tái)，期權(quán)品種，注冊(cè)用戶總數(shù)超過(guò)24萬(wàn)人，每日活躍客戶超過(guò)5000人，成為行業(yè)內(nèi)最具影響力的模擬仿第五章量化科技生態(tài)體系——支持全部六家期貨交易所的期貨品種和三所的期權(quán)品種交易；——支持便捷開(kāi)戶，投資者可以直接通過(guò)網(wǎng)站注冊(cè)開(kāi)戶，無(wú)需線下辦理，開(kāi)戶成功當(dāng)日即可交易； 對(duì)量化投資者客戶提供CTPAPI開(kāi)放，方便投資者接入，驗(yàn)證交易策略——能夠快速為會(huì)員提供期貨仿真大賽。案例二：鄭商所——大數(shù)據(jù)分析平臺(tái)鄭商所的大數(shù)據(jù)分析平臺(tái)使用大數(shù)據(jù)和人工智能技術(shù)，聚合了鐵礦石、焦炭、動(dòng)力煤、菜籽油等多種期貨市場(chǎng)數(shù)據(jù)，提供全面的期貨市場(chǎng)分析和決策支持服務(wù)。該平臺(tái)集成了各種期貨市場(chǎng)相關(guān)數(shù)據(jù)，包括行情、成交、持倉(cāng)、分紅等信息。同時(shí)，使用多維分析、海量抽樣等算法對(duì)期貨市場(chǎng)進(jìn)行深入分析，提供多種數(shù)據(jù)報(bào)表和統(tǒng)計(jì)圖表，進(jìn)一步幫助投資者理解市場(chǎng)情況。在此基礎(chǔ)上，通過(guò)預(yù)測(cè)模型、數(shù)據(jù)挖掘技術(shù)等進(jìn)行精準(zhǔn)預(yù)測(cè)，提供更加準(zhǔn)確的市場(chǎng)預(yù)測(cè)信息。此外，鄭商所的大數(shù)據(jù)分析平臺(tái)為期貨企業(yè)和投資者提供決策支持服務(wù)，幫助投資者更好地洞察市場(chǎng)機(jī)會(huì)和風(fēng)險(xiǎn)。鄭商所的大數(shù)據(jù)分析平臺(tái)為量化交易投資者提供了更加全面、深入和精準(zhǔn)的市場(chǎng)分析和決策支持服務(wù)，有助于提高量化交易決策質(zhì)量和風(fēng)案例三：中金所——交易系統(tǒng)防自成交選項(xiàng)中金所方面，于2018年1月上旬完成交易系統(tǒng)前端風(fēng)控功能升級(jí)，正式啟用日內(nèi)過(guò)度交易防范功能和自成交防范功能，以進(jìn)一步加強(qiáng)異常交易行為監(jiān)管，維護(hù)市場(chǎng)秩序，助力推進(jìn)“以監(jiān)管會(huì)員為中心”其中，日內(nèi)過(guò)度交易防范功能，是將單個(gè)客戶在股指期貨單個(gè)產(chǎn)品上的日內(nèi)開(kāi)倉(cāng)交易量控制在監(jiān)管標(biāo)準(zhǔn)以內(nèi)，對(duì)超過(guò)監(jiān)管標(biāo)準(zhǔn)的開(kāi)倉(cāng)訂單以錯(cuò)單形式退回。自成交防范功能，為國(guó)內(nèi)證券期貨交易所首次推出，以服務(wù)的形式由會(huì)員自主選擇申請(qǐng)開(kāi)通或關(guān)閉。會(huì)員開(kāi)通服務(wù)后，通過(guò)其報(bào)入的訂單在撮合前將進(jìn)行自成交檢查，若發(fā)現(xiàn)該訂單的客戶號(hào)與對(duì)手方客戶號(hào)相同，則該訂單將以錯(cuò)單形式退回。新的風(fēng)控功能一方面從源頭上杜絕單個(gè)客戶發(fā)生上述兩類異常交易行為，維護(hù)市場(chǎng)安全平穩(wěn)運(yùn)行；另一方面，防范自成交功能采取服務(wù)形式由會(huì)員依據(jù)自身監(jiān)管能力選擇使用，督促會(huì)員承擔(dān)起管理客戶(4)行業(yè)能力共建共享第五章量化科技生態(tài)體系為增強(qiáng)對(duì)市場(chǎng)趨勢(shì)的了解，提高運(yùn)行預(yù)判能力，鄭商所推動(dòng)產(chǎn)學(xué)及風(fēng)控措施參數(shù)，開(kāi)展數(shù)據(jù)分析，提取歷史數(shù)據(jù)及風(fēng)控參數(shù)作為輸入特征，建立整合移動(dòng)平均自回歸模型 算法模型預(yù)測(cè)交易量平均準(zhǔn)確率接近70%、持倉(cāng)量平均準(zhǔn)確率達(dá)到83%"。1、證券公司(1)人工智能助力券商量化投資第五章量化科技生態(tài)體系能投顧和量化投資策略解決客戶資產(chǎn)配置問(wèn)題等。例如，近期比較火的“智能Al”的自然語(yǔ)言生成模型也在量化投資領(lǐng)域發(fā)揮著重要作用。彭博已經(jīng)推出了一個(gè)名為BloombergGPT的大規(guī)模語(yǔ)言模型，該模型經(jīng)券商信息技術(shù)投入指標(biāo)發(fā)布以來(lái)，行業(yè)不斷加強(qiáng)對(duì)信息科技的重視程度，201科技累計(jì)投入近1200億元。2021年全行業(yè)信息技術(shù)投入金額338.2億元，同比增長(zhǎng)28.7%。各大券商在量化交易方面的投入與交易規(guī)模都逐年增長(zhǎng)。2019年至2022年國(guó)量從2.5萬(wàn)億增長(zhǎng)到9.7萬(wàn)億，機(jī)構(gòu)交易額占比從21.65%增長(zhǎng)到44.03%。2022年公司量化投入占公司IT投入的10%以上，客戶股基交易量6.75萬(wàn)億，交易額占比超過(guò)30%,28家百億頭部量化私募覆蓋27家，覆第五章量化科技生態(tài)體系華鑫證券2022年數(shù)據(jù)顯示，量化資金規(guī)模(估計(jì))約165億(其中量化資金判斷標(biāo)準(zhǔn)：年周轉(zhuǎn)倍數(shù)>70)。量化資金(股基)的資產(chǎn)占比10.3%;整體交易量占比75.8%;凈傭金收入占比50.9%。量化資金(含T0品種)的資產(chǎn)占比11%;整體交易量占比90.5%;凈傭金收入占比61%。量化IT投入“約占總IT投入的12.12%,量化交易規(guī)模也逐年增長(zhǎng)(見(jiàn)表5.5)。年份2019年2020年2021年2022年股基交易量(億元)同比上漲全年股基(億元)股基全年占比傭金(萬(wàn)元)可轉(zhuǎn)債交易量(億元)可轉(zhuǎn)債市場(chǎng)交易量(億元)可轉(zhuǎn)債占比第五章量化科技生態(tài)體系表5.6:2022證券公司年報(bào)私募業(yè)務(wù)相關(guān)內(nèi)容匯總證券公司金融產(chǎn)品中信證券全年重點(diǎn)私募基金資產(chǎn)托管服務(wù)的存續(xù)產(chǎn)品數(shù)量13960只，提供基金運(yùn)營(yíng)外包服務(wù)的存續(xù)產(chǎn)品數(shù)量15406只面向高凈值客戶配置的各類私募產(chǎn)品保有規(guī)模約人民幣1800億元華泰證券基金托管業(yè)務(wù)累計(jì)上線產(chǎn)品10154只，托管業(yè)務(wù)規(guī)模人民幣4184.36億元；基金服務(wù)業(yè)務(wù)累計(jì)上線產(chǎn)品13419只(含資管子公司產(chǎn)品806只),服務(wù)業(yè)務(wù)規(guī)模人民幣9834.42億元(含資管子公司業(yè)務(wù)規(guī)模人民幣3866.45億元)金融產(chǎn)品保有數(shù)量(除現(xiàn)金管理產(chǎn)品“天天發(fā)”外)9161只，金融產(chǎn)品銷售規(guī)模(除現(xiàn)金管理產(chǎn)品“天天發(fā)”外)人民幣5122.84億元；截至報(bào)告期末，基金投資顧問(wèn)業(yè)務(wù)授權(quán)資產(chǎn)人民幣139.13億元、參與客戶數(shù)量61.76萬(wàn)戶國(guó)泰君安機(jī)構(gòu)客戶股基交易量9.72萬(wàn)億元，市場(chǎng)份額2.03%,同比增長(zhǎng)托管各類產(chǎn)品19002只、較上年末增長(zhǎng)21.9%,外包各類產(chǎn)品18589只、較上年末增長(zhǎng)26.3%,托管外包規(guī)模28669億元較上年末增長(zhǎng)1.9%,其中托管私募基金數(shù)量繼續(xù)排名證券行業(yè)第2位，托管公募基金規(guī)模1989億元、較上年末增長(zhǎng)43.3%,繼續(xù)排名證券行業(yè)第1位金融產(chǎn)品銷售額7357億元，同比增長(zhǎng)7.6%,金融產(chǎn)品月均保有量2138億元、同比增長(zhǎng)16.4%申萬(wàn)宏源公司新增公募基金、私募基金、私募資管計(jì)劃的托管及運(yùn)營(yíng)服務(wù)496只新增私募托管數(shù)量在券商托管機(jī)構(gòu)中排名第10公司共銷售金融產(chǎn)品人民幣3999.09億元，其中：自行開(kāi)發(fā)金融產(chǎn)品人民幣3558.29億元，代理銷售第三方金融產(chǎn)品人民幣440.80億元廣發(fā)證券公司提供資產(chǎn)托管及基金服務(wù)的總資產(chǎn)規(guī)模為5176.50億元；其中托管產(chǎn)品規(guī)模為2511.96億元，提供基金服務(wù)產(chǎn)品規(guī)模為2664.54億元公司代銷金融產(chǎn)品保有規(guī)模較上年末增長(zhǎng)0.77%證券公司金融產(chǎn)品中國(guó)銀河公司機(jī)構(gòu)客戶數(shù)2.86萬(wàn)戶，較2021年末增加公司PB交易系統(tǒng)2022年度股票基金交易量人民幣2.82萬(wàn)億元，同比增公司托管業(yè)務(wù)新增首次合作管理人126家。公司托管各類產(chǎn)品，890只，增長(zhǎng)14.48%;外包(基金服務(wù))各類產(chǎn)品1783只，增長(zhǎng)23.05%,托管外包規(guī)模合計(jì)人民幣2685.05億元，增長(zhǎng)32.77%公司金融產(chǎn)品銷售規(guī)模人民幣925.45億元；公司續(xù)三年增長(zhǎng)，2022年末達(dá)人民幣1933.31億元，較2021年末增長(zhǎng)4.74%招商證券截至2022年末，50億元以上重點(diǎn)私募客戶交易覆蓋率公司私募客戶股票基金交易量同比增長(zhǎng)托管外包產(chǎn)品數(shù)量4.12萬(wàn)只，同比增長(zhǎng)16.50%,規(guī)模3.47萬(wàn)億元，同比下降中信建投(PB)系統(tǒng)存續(xù)客戶數(shù)為9338戶，同比增加31.74%公司資產(chǎn)托管及運(yùn)營(yíng)服務(wù)總規(guī)模為人民幣7954.05億元，同比增長(zhǎng)5.88%。其中，資產(chǎn)托管產(chǎn)品5809只、運(yùn)營(yíng)服務(wù)產(chǎn)品6001只，分別同比增長(zhǎng)30.01%和公司重點(diǎn)金融產(chǎn)品銷量人民幣1212億元，新增客戶132.63萬(wàn)戶光大證券公司累計(jì)已合作私募機(jī)構(gòu)共1691家，增長(zhǎng)37.59%;累計(jì)引入PB產(chǎn)品5082只，增長(zhǎng)39.58%。存續(xù)PB產(chǎn)品2798只，增公募及私募基金托管規(guī)模607億元、較年初增長(zhǎng)25.9%,私募基金外包規(guī)模1023億元、較年初增長(zhǎng)公司股票+混合公募基金保有規(guī)模為262億元，同比增長(zhǎng)29.06%;非貨幣市場(chǎng)公募基金保有規(guī)模為283億元，同比增長(zhǎng)東方證券同比增長(zhǎng)38%,證券類產(chǎn)品托管規(guī)模增幅11%,非標(biāo)產(chǎn)品占比從年初33.6%下降至28.6%公司權(quán)益類產(chǎn)品保有規(guī)模人民幣480.2億元，較期初下降25.8%中金公司覆蓋境內(nèi)外機(jī)構(gòu)投資者9000余家財(cái)富管理業(yè)務(wù)的產(chǎn)品保有量超3400億元，較上年增長(zhǎng)超10%;買方投顧產(chǎn)品保有量穩(wěn)定在近800億元第五章量化科技生態(tài)體系證券公司金融產(chǎn)品安信證券新增私募產(chǎn)品賬戶1188戶；種子基金累計(jì)投資109只私家優(yōu)秀私募管理人。2022年，種子基金產(chǎn)生綜合業(yè)務(wù)收入5572.13萬(wàn)元，帶動(dòng)股基交易量同比增加966.48億私募產(chǎn)品累計(jì)股基交易量?jī)|，同比增長(zhǎng)26.1%產(chǎn)品1189只、存量規(guī)模415億，存量產(chǎn)品排名第15名基金投顧累計(jì)參與客戶超過(guò)5萬(wàn)人，累次簽約資產(chǎn)超過(guò)18億元興業(yè)證券公司期末存續(xù)托管證券類私募投資基金產(chǎn)品數(shù)量母公司全年實(shí)現(xiàn)代理銷售金融產(chǎn)品凈收入5.64億元中泰證券公司主經(jīng)紀(jì)商(PB)交易業(yè)務(wù)服務(wù)存量客戶1935戶，較上年公司存續(xù)托管外包各類產(chǎn)品共2613只，規(guī)模1056.54億元公司代銷金融產(chǎn)品保有規(guī)模446.38億元方正證券在私募產(chǎn)品方面，管理人，儲(chǔ)備豐富化交易量達(dá)到4271.99億元，同比增長(zhǎng)量化業(yè)務(wù)實(shí)現(xiàn)收入1.45億元，同比增長(zhǎng)公司代銷金融產(chǎn)品實(shí)現(xiàn)收入2.60億元財(cái)通證券全年新增機(jī)構(gòu)客戶數(shù)1547戶實(shí)現(xiàn)智能算法累計(jì)成交金額765億元金融產(chǎn)品年化保有份額(不含貨幣類金融產(chǎn)品)395.1億，較2021年的344.8億增長(zhǎng)14.6%量化客戶作為證券公司日益重要的客戶群體，對(duì)金融各業(yè)務(wù)條線具有重要意義，而量化交易系統(tǒng)是量化交易的重要保障。隨著量化私募規(guī)模的擴(kuò)大，券商不斷強(qiáng)化量化交易服務(wù)，迭代升級(jí)交易系統(tǒng)，開(kāi)第五章量化科技生態(tài)體系在機(jī)構(gòu)經(jīng)紀(jì)需求不斷增長(zhǎng)、量化機(jī)構(gòu)迅速擴(kuò)張的今天，已經(jīng)有70多家券商布局了自己的量化交易完整的量化私募服務(wù)體系由“策略端+柜臺(tái)端+極速行情”共同構(gòu)成，而市場(chǎng)上統(tǒng)稱的極速系統(tǒng)分兩部分：柜臺(tái)端和交易(策略)端。極速交易柜臺(tái)端廠商包含恒生電子、金證股份、頂點(diǎn)軟件、華銳金融技術(shù)等廠商。極速交易(策略)端則蓬勃發(fā)展，包括四種類TS國(guó)內(nèi)證券行業(yè)第一家自研極速交易系統(tǒng)的券商是華寶證券。2015年開(kāi)始，華寶證券就已打造LTS委托和獲取訂單信息，滿足客戶穩(wěn)定預(yù)期的需求。2016年10月，中泰證券全自主研發(fā)的XTP極速交易系統(tǒng)上線，上線以來(lái)XTP憑借優(yōu)秀的性能以及極速的服務(wù)能力，吸納了眾多優(yōu)秀的量化客群。華鑫證券奇點(diǎn)交易系統(tǒng)2017年投入市場(chǎng)，其速度、定制化終端及利用人工智能、大數(shù)據(jù)挖掘市場(chǎng)上潛在規(guī)業(yè)務(wù)系統(tǒng)，助力機(jī)構(gòu)業(yè)務(wù)和量化服務(wù)提升(見(jiàn)表5.7)。表5.7:券商平臺(tái)建設(shè)情況中金公司公司快速推進(jìn)機(jī)構(gòu)服務(wù)平臺(tái)、投研一體化平臺(tái)建設(shè)，加速金融科技轉(zhuǎn)型，通過(guò)數(shù)字化服務(wù)增強(qiáng)客戶黏性，助力業(yè)務(wù)發(fā)展，華泰證券以自主研發(fā)的機(jī)構(gòu)客戶服務(wù)數(shù)字化平臺(tái)“行知2.0”作為牽引，融券通、信用分析管理系統(tǒng)(CAMS系統(tǒng))、INCOS贏客通云平臺(tái)等串聯(lián)起機(jī)構(gòu)服務(wù)的各個(gè)環(huán)節(jié)。第五章量化科技生態(tài)體系國(guó)泰君安持續(xù)優(yōu)化以Matrix-道合APP為核心的機(jī)構(gòu)客戶服務(wù)平臺(tái)，深入推進(jìn)各業(yè)務(wù)線重要系統(tǒng)建設(shè)和管理數(shù)字化，截至2021年末道合平臺(tái)機(jī)構(gòu)用戶累計(jì)超過(guò)5.5萬(wàn)戶，覆蓋機(jī)構(gòu)和企業(yè)客戶9047家。提升機(jī)構(gòu)與交易業(yè)務(wù)全面升級(jí)機(jī)構(gòu)客戶的數(shù)字化服務(wù)水平，在保持托管業(yè)務(wù)領(lǐng)先優(yōu)勢(shì)的同時(shí)，加快補(bǔ)齊機(jī)構(gòu)客戶基礎(chǔ)薄弱短板，提高對(duì)重點(diǎn)客戶的綜合服務(wù)能力。中泰證券針對(duì)私募機(jī)構(gòu)打造量化交易平臺(tái)XTP系統(tǒng)，截至2021年末XTP系統(tǒng)聚集了300多家私募機(jī)構(gòu)，主流量化服務(wù)覆蓋率達(dá)到90%,2021年交易量超過(guò)8.9萬(wàn)億元。統(tǒng)一機(jī)構(gòu)客戶服務(wù)平臺(tái)“e海通達(dá)”整合集團(tuán)業(yè)務(wù)鏈資源及服務(wù)優(yōu)勢(shì)，圍繞機(jī)構(gòu)客戶研究、投行、信用、托管等業(yè)務(wù)需求，提供全面、快捷、個(gè)性化的一站式綜合金融服務(wù)。申萬(wàn)宏源聚集公薦、保險(xiǎn)、私募、銀行和大型機(jī)構(gòu)客戶，為其提供研究、產(chǎn)品和交易等一站式綜合金融服務(wù)，打造機(jī)構(gòu)業(yè)務(wù)全業(yè)務(wù)鏈。同發(fā)布極速交易平臺(tái)"SWHYMatrix",2022年上半年接入產(chǎn)品規(guī)模達(dá)人民幣262.68億元。興業(yè)證券布局“托管+互聯(lián)網(wǎng)”機(jī)構(gòu)生態(tài)圈建設(shè)，完善體系搭建，拓寬服務(wù)客群。招商證券打造“機(jī)構(gòu)+”服務(wù)體系并上線“機(jī)構(gòu)+”小程序，有效提升機(jī)構(gòu)客戶營(yíng)銷服務(wù)能力和客戶滿意度。天風(fēng)證券發(fā)布QuanTas機(jī)構(gòu)交易平臺(tái)，作為“1+1+N”機(jī)構(gòu)客戶服務(wù)體系中的重要一環(huán)，其產(chǎn)品矩陣包括標(biāo)準(zhǔn)PB服務(wù)，極速交易服務(wù)，量化終端服務(wù)，公募券結(jié)服務(wù)和算法交易服務(wù)，可滿足各類專業(yè)機(jī)構(gòu)投資者的差異化交易需求。方正證券搭建“數(shù)智財(cái)通”數(shù)字化生態(tài)平臺(tái)。東方證券發(fā)布全業(yè)務(wù)鏈機(jī)構(gòu)服務(wù)體系，重點(diǎn)在新一代交易系統(tǒng)、量化生態(tài)圈、投研大數(shù)搖、大自營(yíng)平臺(tái)建設(shè)等幾個(gè)方向，落實(shí)金融科技專項(xiàng)小組安排，促進(jìn)跨團(tuán)隊(duì)高效協(xié)同與融合，推動(dòng)業(yè)務(wù)轉(zhuǎn)型與核心競(jìng)爭(zhēng)力構(gòu)建。第三方供應(yīng)商和券商的協(xié)同效應(yīng)主要指雙方通過(guò)合作，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，共同創(chuàng)造更大的價(jià)值。第三方供應(yīng)商可以利用自己在數(shù)據(jù)、技術(shù)、策略研究和風(fēng)險(xiǎn)管理等方面的專業(yè)能力，為券商提供優(yōu)質(zhì)的服務(wù)和產(chǎn)品。券商則可以利用自己在金融市場(chǎng)的經(jīng)驗(yàn)和客戶資源，更好地運(yùn)用第三方供應(yīng)商提供的服務(wù)和產(chǎn)品進(jìn)行量化投資。通過(guò)這種合作，雙方可以實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，共同提升在量化投資領(lǐng)域的競(jìng)爭(zhēng)力。第三方供應(yīng)商給券商提供的服務(wù)和產(chǎn)品，主要包含以下幾種類型：—數(shù)據(jù)服務(wù)：提供各種金融數(shù)據(jù)，包括股票價(jià)格、交易量、財(cái)務(wù)報(bào)表等，幫助券商更好地進(jìn)行數(shù)——技術(shù)支持：提供技術(shù)支持，包括算法開(kāi)發(fā)、系統(tǒng)集成、技術(shù)咨詢等，幫助券商更好地運(yùn)用技術(shù)第五章量化科技生態(tài)體系的表現(xiàn)較為優(yōu)異。數(shù)據(jù)顯示，截至2021年底，中國(guó)共有106家券商。其中，按照2021年底的證券經(jīng)紀(jì)業(yè)務(wù)收入排名5,前10名是中信證券、國(guó)泰君安、廣發(fā)證券、招商證券、華泰證券、銀河證券、國(guó)(2)券商內(nèi)部的風(fēng)險(xiǎn)監(jiān)控第五章量化科技生態(tài)體系目前隨著交易系統(tǒng)本身越來(lái)越技術(shù)化，越來(lái)越多的交易系統(tǒng)由IT部門全面開(kāi)發(fā)、部署、維護(hù)、升級(jí)。國(guó)內(nèi)大部分券商都建立了自己的風(fēng)控系統(tǒng)。以中信證券為例，中信證券金融科技管理部總經(jīng)理劉平在接0到1”的突破主要有兩點(diǎn)：一是在業(yè)務(wù)流程上打通了風(fēng)險(xiǎn)管理與IT技術(shù)、業(yè)務(wù)之間的通道；二是建立起了數(shù)據(jù)集市和風(fēng)控平臺(tái)兩個(gè)業(yè)務(wù)系統(tǒng)。風(fēng)險(xiǎn)控制的具體操作方式也隨著量化交易的不斷演變，具體體現(xiàn)在風(fēng)控指標(biāo)和檢測(cè)點(diǎn)分散在整個(gè)交易系統(tǒng)中。換句話說(shuō)，算法交易等新型交易模式的風(fēng)險(xiǎn)控制和監(jiān)控，將通過(guò)對(duì)系統(tǒng)中多個(gè)采樣點(diǎn)的實(shí)時(shí)采樣，以及對(duì)整個(gè)訂單流的多極、多層次的風(fēng)險(xiǎn)監(jiān)控來(lái)實(shí)現(xiàn)，防止一些異常交易行為。當(dāng)然，對(duì)于一些追求速度的算法和高頻交易策略來(lái)說(shuō)，設(shè)置這類風(fēng)控檢測(cè)點(diǎn)可能會(huì)減慢訂單發(fā)出的速度。解決方案不是減少風(fēng)控監(jiān)測(cè)點(diǎn)的數(shù)量，而是通過(guò)更先進(jìn)的軟件和硬件技術(shù)不斷提高這些風(fēng)險(xiǎn)檢查點(diǎn)的執(zhí)行速度。國(guó)際流行將軟件寫入硬件的FPGA技術(shù)，更多是用來(lái)加快風(fēng)險(xiǎn)檢測(cè)的速度。二級(jí)市場(chǎng)風(fēng)控簡(jiǎn)介：對(duì)于證券市場(chǎng)的量化交易客戶來(lái)說(shuō)，風(fēng)控也是交易環(huán)節(jié)中重要的一環(huán)。每個(gè)交易指令都必須通過(guò)相應(yīng)的風(fēng)控檢查才能進(jìn)入交易所的訂單隊(duì)列進(jìn)行匹配交易，若沒(méi)有經(jīng)過(guò)嚴(yán)格的風(fēng)控程序，在交易中容易產(chǎn)生烏龍指等一些嚴(yán)重的事故。在程序化交易中，除了驗(yàn)資、驗(yàn)持倉(cāng)等基本風(fēng)控指標(biāo)外，還必須達(dá)到《交易所異常交易行為管理辦法》中規(guī)定的監(jiān)管標(biāo)準(zhǔn)，杜絕和防范異常交易行為，如自成交、過(guò)度的日內(nèi)交易、頻繁報(bào)撤單、大額訂單報(bào)撤單以及流速控制等。各個(gè)交易所對(duì)交易行為都有明確的規(guī)定，例如買賣訂單的價(jià)格和數(shù)量、委托次數(shù)和撤單次數(shù)，他們定期披露調(diào)查和處罰情況。交易所會(huì)對(duì)違規(guī)行為發(fā)出警告和處罰。如果異常訂單能在交易發(fā)生前被風(fēng)險(xiǎn)控制系統(tǒng)識(shí)別并阻止，那么整體交——事前風(fēng)控：在交易指令發(fā)送到交易所前，對(duì)交易指令進(jìn)行風(fēng)險(xiǎn)檢測(cè)，通過(guò)檢測(cè)的交易指令則提交到交易模塊進(jìn)行報(bào)單，未通過(guò)檢測(cè)的交易指令將直接予以拒絕。對(duì)于追求低延時(shí)的交易策略，事前風(fēng)控需要在極短的時(shí)間內(nèi)完成。量化交易更傾向于使用事前風(fēng)控，在程序和操作錯(cuò)誤發(fā)生之前發(fā)現(xiàn)并糾正，確保交易策略符合業(yè)務(wù)風(fēng)控及交易所合規(guī)要求。交易前的風(fēng)險(xiǎn)控制可以通過(guò)在客戶的交易策略程序中設(shè)置參數(shù)或通過(guò)交易柜臺(tái)的風(fēng)險(xiǎn)控制模塊來(lái)實(shí)現(xiàn)。一旦柜臺(tái)接收到委托訂單，風(fēng)控就會(huì)根據(jù)預(yù)先設(shè)定的風(fēng)險(xiǎn)控制參數(shù)進(jìn)行運(yùn)算分析及判斷，只有那些符合風(fēng)險(xiǎn)控制規(guī)則的訂單才會(huì)被輸入交易模塊，而那些不符合規(guī)則的訂單則會(huì)被拒絕，日志系統(tǒng)會(huì)儲(chǔ)存所有