2023量化交易科技白皮書

CONTENTS一、量化科技概 （一）量化科技內(nèi)涵與外 1、量化科技的內(nèi) 2、量化科技的外 （二）量化科技發(fā)展歷 1、國際量化科技發(fā)展歷 2、國內(nèi)量化科技發(fā)展歷 （三）量化科技發(fā)展驅(qū)動因 1、經(jīng)濟與社會發(fā)展是根本驅(qū)動因 2、科技進步是保障性驅(qū)動因 3、投資和理財需求是直接驅(qū)動因 （四）全面注冊制實施推動量化科技發(fā) 1、價格籠子機制設立凸顯量化優(yōu) 2、融券券源擴大利好中性量化策 3、上市公司擴容提升量化策略空 二、科技在量化交易中的應 （一）數(shù)據(jù)獲取階 1、 2、網(wǎng)絡爬 （二）數(shù)據(jù)加工階 1、多模態(tài)數(shù)據(jù)處 2、數(shù)據(jù)清 3、因子計 （三）數(shù)據(jù)存儲階 1、數(shù)據(jù)庫存 2、文件存 3、數(shù)據(jù)倉庫整 （四）策略研究階 1、機器學習算 2、策略回測技 3、量化投研云服 （五）策略構建階 策略編程邏 策略編程語 （六）策略執(zhí)行階 1、低延遲技 2、極速柜 3、極速行 4、算法交 5、聯(lián)合風 （七）投后分析階 1、凈值分 2、持倉分 3、收益分 4、風險指標分 5、Brinson分 6、多因子分 三、國際量化科技發(fā)展現(xiàn) （一）國際量化科技監(jiān)管環(huán) 1、美國對量化交易的監(jiān) 2、歐盟對量化交易的監(jiān) 3、英國對量化交易的監(jiān) （二）國際量化科技典型公 1、文藝復 2、嘉信理 3、先鋒領 （三）國際量化科技發(fā)展特 1、數(shù)據(jù)依賴加 2、技術發(fā)展迅 3、硬件算力提 4、風控性能增 5、監(jiān)管審查趨 四、國內(nèi)量化科技發(fā)展現(xiàn) （一）國內(nèi)量化科技監(jiān)管環(huán) 1、對于量化交易的監(jiān) 2、對于量化科技相關機構的監(jiān) 3、量化科技相關監(jiān)管處罰案 （二）國內(nèi)量化科技典型公 1、幻 2、國泰君安期 3、聚 （三）國內(nèi)量化科技發(fā)展特 1、交易鏈路極致 2、量化投研智能 3、行業(yè)服務生態(tài) 4、監(jiān)管方式數(shù)字 5、合規(guī)完善持續(xù) 五、量化科技生態(tài)體 （一）服務機 1、基礎設施服務 2、交易平臺服務 3、算法服務 4、數(shù)據(jù)服務 （二）交易 1、證券交易 2、期貨交易 （三）金融機 證券公 公募基 期貨公 量化私 （四）學術 1、量化交易對市場有效性影響的研 2、學術界的量化科技研 3、學術界與業(yè)界的合 （五）人才培 1、量化科技人才畫 2、高校人才培 3、企業(yè)培 六、量化科技發(fā)展痛點及挑 （一）制度體系層 1、量化交易監(jiān)管框架仍需完 2、行業(yè)技術標準建設有待加 （二）機構層 1、技術與業(yè)務創(chuàng)新迭代頻 2、數(shù)據(jù)治理體系仍需優(yōu) 3、量化科技投入競爭加 4、量化風控體系有待升 （三）生態(tài)層 1、量化科技人才緊 2、尖端技術部分受 3、跨機構協(xié)作較困 4、量化科技不夠普 七、量化科技發(fā)展建 （一）制度體系層 1、完善監(jiān)管框架與行業(yè)標 2、從業(yè)務本質(zhì)出發(fā)進行監(jiān) （二）機構層 1、加強前沿科技的研發(fā)與應 2、賦能多層次多類型業(yè)務場 3、持續(xù)推進綜合風控體系優(yōu) 4、推進交易平臺服務功能建 （三）生態(tài)層 1、加速量化科技人才培 2、提升基礎設施服務建 3、強化行業(yè)生態(tài)共建共 4、促進普惠與投資者教 -14--01--02 （一）再次，合規(guī)風控方面，由于交易與投資活動涉及到政治、經(jīng)濟、社會、各類宏微觀的具體事件乃至對量化科技在社會經(jīng)濟、金融風險、政策法規(guī)以及合規(guī)風控等各個方面提出兼容性的保障要求。2量化科技需要為量化投資提供相應的風險管理工具，可用于風險數(shù)據(jù)采集，提供多維度數(shù)據(jù)分析技動態(tài)進行風險事件的甄別、判斷、跟蹤、捕捉等活動。--03--04（二）1量化投資的產(chǎn)生與興起（60-80量化投資是依托于計算機技術的自動化交易，它伴隨著計算機的產(chǎn)生而產(chǎn)生，伴隨著計算機技術和證券市場的發(fā)展而不斷發(fā)展。全球計算機信息技術與證券市場發(fā)展最快，規(guī)模最大的地區(qū)是美國。1946·諾依曼發(fā)明出世界上第一臺民用計算機，隨著民用計算機的不斷普及，一些交易者開始使用計算機編制程序，嘗試應用于證券交易，這即是量化交易的萌芽。1969年，愛德華·索普利用他發(fā)明的“科學股票市場系統(tǒng)”（實際上是一種股票權證定價模型111971年，美國巴克萊投資管理公司發(fā)行了第一只指數(shù)基金，標志著量化投資基金的開始，量化投19731989-20093544％的收益提成，則該基金實際的年化收益60％。西蒙斯也因此被稱為“量化對沖之王”，是量化投資的標桿人物。量化投資的高速發(fā)展（901994年，約翰·梅里威瑟成立長期資本管理有限公司（LTCM），創(chuàng)立期權定價模型（OPM）并邀量化投資的新發(fā)展（21212008時伴隨互聯(lián)網(wǎng)技術和證券市場的發(fā)展，量化投資開始進入快速發(fā)展階段，經(jīng)過十數(shù)年的發(fā)展，涌現(xiàn)出了一大批巨型的專業(yè)量化對沖基金、金融科技服務商和特色券商，代表性的公司有嘉信理財（Charles體的生態(tài)系統(tǒng)。一些金融服務商還發(fā)展成了量化交易應用程序開發(fā)商，開發(fā)內(nèi)容涵蓋復雜交易、一鍵下全面交易前風險管理、自動化批次定位程序、多資產(chǎn)交易系統(tǒng)等各個層面。2209021保險基金、QFII1.1）。（1）(2002-2002101561801801802002118億元人民幣，自此開啟國內(nèi)機構量化投資的時代。2004827--05--06投資和量化科技的開發(fā)應用尚處于起步、摸索階段。因此，對于公募基金量化產(chǎn)品來說，2010年之前（2）加速發(fā)展階段（2010-2010年開始，我國證券市場進入創(chuàng)新發(fā)展新階段，融資融券業(yè)務與期指期貨的推出標志著我國股金管理與資產(chǎn)配置等提供了基礎性金融工具。20136在這個階段，金融工具的進一步擴充也是量化投資出現(xiàn)爆發(fā)式發(fā)展的原因之一。20152等各種選股方式。各類量化對沖策略如股票中性、股票多空、CTA201872%。（3）逐步成熟階段（20192018427P2P、影子銀行等不規(guī)從這一時期開始，一些新銳券商大力布局金融科技，量化科技開始真正步入規(guī)范、成熟發(fā)展的新時2019成為券商金融科技發(fā)展的先驅(qū)。時至今日，華鑫依托極速交易系統(tǒng)打造的適合公募、私募等專業(yè)量化投22018aray交易APP將決策、AI（三）1改革開放之后我國經(jīng)濟與社會發(fā)展進入快車道，20804023（四）1--07--082通過“價格籠子規(guī)則前置過濾器”，一旦限價超越價格籠子，則自動按規(guī)則計算新的限價，再執(zhí)行交易任務，避免全面注冊制后的廢單問題。無需盯盤，可將交易時間成本降到最低，結合極速交易通道更可以大幅提高成交效率。因此，全面注冊制的實施，可以推動更多的散戶使用量化工具，從而推動量化交易的進一步散戶化、普及化。2擴大了融券券源范圍。量化交易策略有兩個主流產(chǎn)品，即指數(shù)增強和中性產(chǎn)品。中性產(chǎn)品是指同時構建多頭和空頭頭寸，空頭一般會用股指期貨、期權、融券來做對沖。2023%20-30%，融券比例明顯偏低，在一定程度上影響了量化交易可提高策略的收益和容量。3--09--PAGE10 科技在量化交易中的應量化交易利用數(shù)學、統(tǒng)計學和計算機技術，通過對金融市場的歷史數(shù)據(jù)和市場現(xiàn)狀等進行分數(shù)據(jù)存儲、策略研究、策略構建、策略執(zhí)行和投后分析七個階段討論科技在量化交易中的應用，涵蓋了量化交易的投前、投中和投后全過程。（一）開源數(shù)據(jù)接口：Tushare氣象服務商：TheWeatherCompany、國內(nèi)外的GDP、CPI、PPI1、（ApplitionPogamIneraeAPI定義了多個軟件系統(tǒng)之間的交互規(guī)范，包括可調(diào)用或請求的種類、調(diào)用或發(fā)出請求應使用的數(shù)據(jù)格式和應遵循的慣例等信息。它還可以提供擴API件的，也可以是基于行業(yè)標準設計的以確保互操作性。通過信息封裝，API許用戶獨立地使用接口3。在量化交易領域，用戶可以使用API接口從數(shù)據(jù)供應商處下載需要的數(shù)據(jù)。usae等開源的PytonAPI宏觀經(jīng)濟數(shù)據(jù)等多種數(shù)據(jù)類型，可以方便地進行量化分析和研究。每日的數(shù)據(jù)更新較快，一般可以在1-2、通聯(lián)數(shù)據(jù)、聚寬、掘金量化等。但這些平臺在數(shù)據(jù)管理和收費模式上存在一些差異，用戶可根據(jù)自己的需求選用合適的數(shù)據(jù)源。2ResourceLocatorURL）來查找目標網(wǎng)頁，將用戶所關注的數(shù)據(jù)內(nèi)容直接返回給用戶，并不需要在量化交易領域，網(wǎng)絡爬蟲的最終目的是自動從互聯(lián)網(wǎng)（包括新聞媒體和財經(jīng)網(wǎng)站上的公開數(shù)據(jù)）中獲取交易所需的信息。目前用于爬蟲開發(fā)的主要語言為PHP、Jaa、PyhonC++Python（二）1多模態(tài)（Multmodal）是具有不同的數(shù)據(jù)結構特點，來自不同的采樣數(shù)據(jù)，描述同一對象的多媒以獲得更多的信息和洞察力的技術。常見的多模態(tài)數(shù)據(jù)處理技術支持多種不同的數(shù)據(jù)模型，包括結構化eyalue自然語言處理（NaturalLanguageProcessing，簡稱NLP）--PAGE12ABShort-TermMemory，簡稱LSTM）神經(jīng)網(wǎng)絡和預訓練的基于詞表/規(guī)則的情感分析工具（ValenceAwareDictionaryandsEntimentReasoner，簡稱VADER）等。CSnowball424Snowball3價格、資金流，以及各類K線等技術指標，包括動量指標、周期指標、成交量指標、價格指標等。第（三）1關系數(shù)據(jù)庫管理系統(tǒng)（eltionalDaaseManaementSyem，RDBMS）利用了關系模型來存儲數(shù)據(jù)。這些數(shù)據(jù)庫特別適合于財務數(shù)據(jù)，因為可以將不同的“對象”（例如交易所、數(shù)據(jù)源和價格等）設計為單獨的表，并在不同的表之間定義關系。RDBMS（trutuedQueryLanguae，SQL）對財務數(shù)據(jù)執(zhí)行復雜的數(shù)據(jù)查詢操作。常用的RDBMSOacle、MySQL、SQServerogSQLRDBSDBMS2.110InfluxDB（Go）、db（收費的高性能金融序列數(shù)據(jù)庫）DolphinDB（我國國產(chǎn)的高性能分布式時序數(shù)據(jù)庫，由浙江智臾科技有限公司自主研發(fā)）等。時序數(shù)據(jù)庫通常具有以下特點：（a）時間戳索引：時序數(shù)據(jù)庫通常會自動將時間戳作為（b2.21023（四）15。監(jiān)督學習是對有標簽（已知類別）52.36。（債券等）的價格或市場趨勢。這些模型基于不同的數(shù)學原理和假設，主要根據(jù)歷史數(shù)據(jù)和多種市場指標進行訓練和預測，具有不同的優(yōu)點和缺點。以下是一些常見的預測模型。見的算法有支持向量機（SupportVectorMachine，簡稱SVM）、隨機森林和神經(jīng)網(wǎng)絡等。C6可以應用于股票、債券、商品等多種金融產(chǎn)品的分類和組合方案制定。常見的聚類算法有K均值聚類withNoise，簡稱DBSCAN）算法和譜聚類（SpectralCluster）算法等。無監(jiān)督學習在金融市場結構分析中的另一個應用是降維。降維可以削減高維數(shù)據(jù)的冗余和噪聲，加速模型訓練和推理，同時提供更加直觀和可解釋的特征空間。在金融市場中，降維可以幫助發(fā)現(xiàn)相關變量、挖掘因果關系和隱含規(guī)律，進而幫助進行風險評估和預測。降維技術如主成分分析（PrinialComponentAnalysis，PCA）t入（-ditribuedochaticNeighborEmbeddingSNE）可以用于分析高維金融數(shù)據(jù)，提取重要特征。無監(jiān)督學習還可以應用于金融市場中的異常檢測。異常檢測可以發(fā)現(xiàn)在金融市場中的非正常事件并并提供精準的市場預警。常用的異常檢測算法有孤立森林（soltionoet）和局部異常因子（oalOutlieraor，簡稱OF）等。近年來，強化學習算法已被證明在決策問題中有效，在解決動態(tài)的、不確定的金融領域問題上具有突出易規(guī)律，并根據(jù)這些規(guī)律來制定交易策略。強化學習目前已經(jīng)應用在股票、期貨、數(shù)字貨幣、黃金、外匯等市場，在不同的交易策略上取得了較好的效果，如資產(chǎn)組合優(yōu)化、交易執(zhí)行策略、高頻交易策略和跨資產(chǎn)交易策略等。目前應用在交易策略優(yōu)化中Q（DeepQNtwork,DQN（AsynchonousAdanaeAo-Citic，簡稱A3C）、近端策略優(yōu)化算法（PximalolicyOtimition，簡稱PPO）?，F(xiàn)在金融機構已經(jīng)開始將強化學習用于優(yōu)化交易執(zhí)行策略。比如一些投資銀行和交易公司通過構建強化場變化并為其客戶提供更好的投資建議。2.5OpenAI20221130ChatGPT公開資料顯示，ChatGPT來利率的預測模型，并使用均方誤差（Mean-SquareError，MSE）對其進行評價。2策略回測是利用測試集數(shù)據(jù)的模型預測結果編寫策略，并用測試集的歷史數(shù)據(jù)對策略進行校驗的過程。策略回測技術通常指那些通過歷史數(shù)據(jù)，對交易策略進行模擬測試的軟件。它可以幫助我們檢驗交易策略的盈利能力，評估風險收益比，優(yōu)化交易參數(shù)等。目前市面上有很多種策略回測工具，比如PythonBactaderZipline庫、RquantmodblerTickDaSuie3輿情數(shù)據(jù)、多模態(tài)數(shù)據(jù)，也需要更多的TB7（五）12經(jīng)過多年的發(fā)展，不少編程語言已經(jīng)形成了強大的開發(fā)框架、豐富的函數(shù)庫和第三方庫，用戶可根Python、C、C++、JaaFPGA程。Python流行的量化策略編寫工具，andas、scipy、numpy、zipline迎。C、C++和JaaFPGA能實現(xiàn)可預知的超低時延，該技術已在模型計算、高頻交易等領域大放異彩?？蓪Ｗ⒂诓呗?，也有很多開源的量化交易框架（vnpy、easyquant等）（六）1軟件加速庫（MthernelLibaryMKL）是英特爾公司提供的一套經(jīng)過高度優(yōu)化和廣泛線程化的數(shù)學庫，專為需要極致性能的科學、工程及金融等領域的應用而設計。核心數(shù)學函數(shù)包括基礎線性代數(shù)子程序庫（BasicLinarAlebaSubpogams，BLAS）、線性代數(shù)程序包（LinarAlebaCKae，LACK）、可擴展線性代數(shù)庫（SalableLinarAlebaCKae，aLAC）、稀疏矩陣解算器、快速傅立葉轉(zhuǎn)換、矢量數(shù)學及其它函數(shù)。在量化交易中，MKL應用主要體現(xiàn)在優(yōu)化算法和高性能計算方面，廣泛應用于量化風險模型、量化數(shù)據(jù)分析、量化交易計算等領域。增強矢量擴展指令集（AdvancedVectorExtensionsAVX），是英特爾公司推出的一種單指程序。在量化交易中，AVX數(shù)據(jù)平面開發(fā)套件（DataPlaneDevelopmentKitDPDK）DPDK可以應用于高頻交易、網(wǎng)絡傳輸和數(shù)據(jù)處理等場景。在高頻交易中，DPDK可以實現(xiàn)快速收發(fā)交易數(shù)據(jù)和實時監(jiān)控市場行情；在網(wǎng)絡傳輸中，DPDKDPDK優(yōu)化操作系統(tǒng)內(nèi)核可以顯著提高計算機系統(tǒng)的性能和穩(wěn)定性。在量化交易領域中，操作系統(tǒng)內(nèi)核優(yōu)化可以幫助提高交易系統(tǒng)的響應速度和穩(wěn)定性，從而實現(xiàn)更高效的交易操作。例如，高頻交易通常會采用高性能服務器，如高主頻CPU8、高速內(nèi)存和固態(tài)硬盤等，以提高計算CPUCPUTCP9（1/2）1~2CPU隨著計算機硬件技術的發(fā)展，普通CPU無論是在計算能力，還是資源成本上相對于一些專用硬件CPUCPU超頻技術：通過超頻技術，提高CPU、內(nèi)存等硬件設備的工作時鐘頻率，從而達到改善服務器性能的目的。搭載了超頻技術CPU多核并行處理：現(xiàn)代計算機系統(tǒng)的核心處理器CPU有幾十個處理核心，每個處理器核心可以獨立地執(zhí)行任務。充分利用每個CPU的核心，可以大幅提高程序的處理性能，使其能夠處理更復雜的計算圖形處理器（GaphicsPoessingUnit，GPU），是一種專門用于圖形處理的微處理器。GPUGPU也有了廣泛的應用，特別是在科學計算、深度學習和加密貨幣挖掘等方面。在量化領域，GPU目前，GPU服務器市場上的主要廠家包括英偉達、AMD和英特爾等。其中，英偉達是GPU服務GPU70AMD8CentralProcessUnit，意為中央處理器，是計算機系統(tǒng)的運算和控制核心，是信息處理、程序運行的最終單元，通常9TransmissionControlProtocol20304473.733.3%JonPeddieResearch2022Q4GPU市場中，英偉達、AMD85%、9%6%?，F(xiàn)場可編程門陣列（FieldProgrammableGateArrayFPGA），是一種可編程邏輯器件，可以通過編程實現(xiàn)特定的電路功能。與CPU和GPU等通用處理器相比，F(xiàn)PGA是專用硬件，可以提供極高的性能和靈活性，同時具有很低的功耗和延遲。FPGA硬件加速技術在量化交易中得到了廣泛應用，在高頻交易中，F(xiàn)PGA可以用于實現(xiàn)低延遲的算法交易策略，例如訂單簿處理、行情數(shù)據(jù)處理等。FPGA功能的集成電路。在人工智能領域，ASIC的作用是加速神經(jīng)網(wǎng)絡的訓練和推理。谷歌公司專為深度學TensorFlow（TensorProcessingUnitTPU）ASIC。TPUO操作，采用更大的片上內(nèi)存，以減少對動態(tài)隨機存取內(nèi)存的訪問。與FPGA相比，ASIC根據(jù)特定使B低延遲網(wǎng)卡是指在數(shù)據(jù)中心和高性能計算領域中廣泛應用的一種高性能網(wǎng)卡，其主要特點是具有極低的網(wǎng)絡延遲和高帶寬。在量化交易中，低延遲網(wǎng)卡可用于優(yōu)化交易系統(tǒng)的網(wǎng)絡通信，減少交易指令和市場行情數(shù)據(jù)的傳輸延遲，從而提高交易的執(zhí)行效率和準確性。低延遲網(wǎng)卡普遍具備內(nèi)核旁路模式及用2.6可編程交換機（ProgrammableSwitch）是一種具有可編程能力的網(wǎng)絡交換機。它與傳統(tǒng)交換機不（uThough免碎片轉(zhuǎn)發(fā)（agmen-ee）和存儲轉(zhuǎn)發(fā)（oe-and-orad）。存儲轉(zhuǎn)發(fā)模式需要等到整個數(shù)據(jù)包全部收到后才開始發(fā)送，這樣雖然可靠性高，但是增大了延時。低延遲交換機使用直接轉(zhuǎn)發(fā)模式，當收到數(shù)據(jù)包的部分字節(jié)時就可以開始轉(zhuǎn)發(fā)，相對于存儲轉(zhuǎn)發(fā)模式，大大減少了數(shù)據(jù)緩存時間，轉(zhuǎn)發(fā)延遲5005為了降低網(wǎng)絡傳輸延遲，交易公司通常會采用專線連接到交易所，以確保數(shù)據(jù)傳輸?shù)姆€(wěn)定性和可靠4019在現(xiàn)代局域網(wǎng)中，千兆網(wǎng)絡與萬兆網(wǎng)絡是兩種常見的帶寬規(guī)格。千兆網(wǎng)絡的傳輸速率可達（1000Mbps）10，而萬兆網(wǎng)絡的速率則可達10Gbps（10000Mbps）。以1kB的數(shù)據(jù)為例，在千兆網(wǎng)絡10110MbpsGbpsBUDP相較于TCP（UserDatagramProtocol，簡稱UDP）協(xié)議具有更低的傳輸延遲。UDP不需要建立連接、確認數(shù)據(jù)包的到達以及重新發(fā)送丟失的數(shù)據(jù)包，因此具有更高的傳輸速度和更低UDP對于高頻交易者來說，基于UDP組播的協(xié)議還有一個關鍵優(yōu)勢即公平性——它可在路由器層面保證同時對所有市場參與者發(fā)送消息，而不像TCP協(xié)議那樣會受軟件影響從而導致某些用戶比另一些用針對金融領域的特點，可以采用專門設計的應用層協(xié)議，如FIX11/FAST12協(xié)議、STEP13協(xié)議和Binary14FIX/FASTFIXFIXSTEPFIX4.4FIXFASTFIXKey15Binary10GbpsBinary2.311FIXFinancialInformationeXchangeProtocol13STEPSecuritiesTradingExchangeProtocol1516壓縮速度解壓縮速度2極速柜臺作為大集中柜臺的補充，能夠更好地為高頻量化交易客戶服務，柜臺作為全鏈路的穿透部分，更低的柜臺穿透能有效提升策略的收益。極速柜臺分為軟件方案和硬件方案。軟件方案一般采用全內(nèi)存，數(shù)（CacheFPGA組播傳輸?shù)燃夹g來加速硬件柜臺內(nèi)的穿透延時。為了全鏈路的調(diào)優(yōu)，與極速柜臺上下游相關的模塊也需要進行調(diào)優(yōu)，例如：低延時交換機的使用，低延時網(wǎng)卡的使用，機房物理位置調(diào)整，網(wǎng)絡防火墻調(diào)整，API3STEPBinaryFPGAUDPTCP。為了降低傳輸延時，選取最快的行情。行情分隔傳輸是將不同類的數(shù)據(jù)通過不同的組播地址或TCP連接傳輸，達到傳輸加417JVMJava（JavaVirtualMachine）的縮寫。JVM是一種用于計算設備的規(guī)范，通過在實際的計算機上仿真模擬可少的配置。5聯(lián)合風控系統(tǒng)一般采用內(nèi)存流式計算的方法，并發(fā)計算規(guī)則，在千萬級計算路徑下仍可實現(xiàn)微秒（七）1通過多個風險收益指標，對策略整體的風險、收益表現(xiàn)進行刻畫。由于凈值數(shù)據(jù)相對于持倉等其他如果走勢一致，說明兩者的風格非常相似。23（自上而下（s上需要組合與基準的收益及權重數(shù)據(jù)。例如，基于策略的收益情況，通過對可視化的累積收益，包括普通和對數(shù)軸兩種模式下的年化收益統(tǒng)計、月度收益、以及月度收益分布的展示加以具體分析。4beta、sharpebeta，sharpe55、BrinsonBrinson6fama-french的模型以及因beta。--PAGE30 國際量化科技發(fā)展現(xiàn)（一）1美國是量化交易的起源地之一。美國政府監(jiān)管機構，以美國證券交易委員會（SecuriieschneCommission，SEC）和商品期貨交易委員會（CommodityutuesadingCommission，簡稱CFC）可能的負面影響。3.1改進信息獲取和收（ConsolidatedAuditTrail信息來源更加集中，交易數(shù)據(jù)統(tǒng)計粒度更加細致，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交易的訂單進行合并監(jiān)測和分--PAGE32SEC提出對交易量符合一定標準的交對量化交易信息做2016年批準美國金融業(yè)監(jiān)管局（theFinancialIndustryRegulatoryAuthorityFINRA）的提案，要求便于監(jiān)管機構分析和調(diào)查是否存在操縱市場等方式。例如芝加哥商品交易所（ChiaoMeantilechane，CME）規(guī)定，所有在其環(huán)球交易平臺（Globx）的用戶必須注冊唯一的身份認證，并使用該身份認證進行下單。在注冊身份認證時，會有特定的選項表明其是否為程序化交易者。GlobxCME3.2事前預防2020要求量化交易算法事先進行充分的測試并通過交易所認證授權；二是對流量進行管控，例如CME對投資者發(fā)出的撮合引擎信息量有一定的報單規(guī)模限制，每個產(chǎn)品在CMEGlobx中都有一個單筆下單最大量規(guī)定，這些規(guī)定因產(chǎn)品而異，并會定期進行修訂；三是禁止市場擾亂行為，例如，美國納斯達克交易所明確規(guī)定，所有訂單的輸入必須具有執(zhí)行真實交易的目的，適應具體監(jiān)管需事中保護漲跌停板機制：SEC規(guī)定當某只股票漲跌幅超過一定幅度（根據(jù)股票類型分為10%，30%，50%）5500到7%，13%和20%時，一級、二級熔斷都將15：35交易所交易平臺斷鏈開關機制：SEC要求所有事后取消20139CFC發(fā)布《自動化交易環(huán)境風險控制和系統(tǒng)維護概念公告》，提出了交易取消和調(diào)整的相關建議，主要包括取消或調(diào)整交易的具體時間、交易者通知交易所錯單情況的有效時間、以及交易所需立即告知市場參與者可能會被調(diào)整或取消的交易。23.3。2016（MarketAbuseRegulation,簡稱（1）擾亂或延遲交易所的運作；（）影響其他交易者，致使無法或難以在交易系統(tǒng)上識別真正的買賣訂單；（3）影響金融資產(chǎn)的供求，給其他投資者帶來誤導。使監(jiān)管關口前移,2018指令Ⅱ（MarketsinFinancialDirectiveⅡ，簡MiFIDⅡ）系統(tǒng)做出調(diào)整保320082012MiFIDPRAFCA在量化交易參與者準入與授權方面，英國有FCA批準從業(yè)資格準入的制度。英國金融服務和市場法案（FinancialServiceandMarketActFSMA）規(guī)定，在受監(jiān)管公司（包括基金管理公司等）FCAFSMA的受監(jiān)管的金融活動。FSMA規(guī)定，除非適用豁免規(guī)定，任何公司或個人在英國從事受監(jiān)管活動均必須FCAFCAPRAFCA（二）1文藝復興科技公司（RenaissanceTechnologiesLLChttps://www.）JamesSimons19824040TB，51503001390競爭者，目的是盡快幫助研究員檢驗他們的想法。統(tǒng)計信號發(fā)現(xiàn)方面，2/3于多策略、高頻率、實時的風險控制模塊。資金容量方面，很早就確定了策略市場容量有限（90億到100），早已不再接受外部投資。19882018304939.120224073730.8824(+3.4%)1378201367357621971嘉信理財善于把握行業(yè)發(fā)展機會和技術的動向，率先突破形成首發(fā)效應。1980年開始開發(fā)電子交2419891992Onesource平臺，是全美首個免附加費和交易費的共同基金超市，1996年推出eSchwab開始網(wǎng)上證1819券交易，2009年實現(xiàn)線上無費用ETFs交易，2011年為活躍投資者推出全新交易平臺，2015年推出24330003先鋒領航集團（TheVanguardGroup，簡稱“先鋒領航”）1975翰·博格（JohnBogle）。S&P50019861990美元的指數(shù)型基金21。1987年，先鋒領航改進了計算機技術，使先鋒領航指數(shù)基金在跟蹤市場基準方面的能力有了顯著提高，從19841994S&P500指數(shù)基金的十年業(yè)績表現(xiàn)超過78%的普通股票基金；Vanguard500指數(shù)基金自推出之后每年都實現(xiàn)了凈現(xiàn)金流入，從19851999年年底，Vanguard5001204%，886%20155（VPAS），將智能投顧和傳統(tǒng)人工投顧相結合，一步降低了單位總成本。因此，Vanguard智能投顧雖然較晚進入市場，但其規(guī)模增長速度非?？?，在50%Symbiont（三）120Vanguard212021131221（尤其是云計算、大數(shù)據(jù)、機器學習技術）的發(fā)展，為人工智能深入量345--PAGE38 國內(nèi)量化科技發(fā)展現(xiàn)（一）1201020102《股指期貨合約、交易規(guī)則及其20109《期貨交易所業(yè)務活動監(jiān)管工作9號——關于程序化交易的認定及相關監(jiān)管工作的指導意見》（9）201010（試行20151《上海證券交易所股票期權試點20151《證券公司股票期權業(yè)務風險控--PAGE4020153《關于加強股票期權程序化交易20153《證券公司網(wǎng)上證券信息系統(tǒng)技201510《證券期貨市場程序化交易管理20184《關于規(guī)范金融機構資產(chǎn)管理業(yè)201912201912《關于股票期權程序化交易管理202042020202112021320217202111202111發(fā)布《北京證券交易所自律監(jiān)管20232《交易所交易規(guī)則（2023增加程序化交易報告制度的相關規(guī)24.220207《證券服務機構從事證券服務業(yè)20208《證券公司租用第三方網(wǎng)絡平臺開展證券業(yè)務活動管理規(guī)定（試202010《〈證券服務機構從事證券服務業(yè)務備案管理規(guī)定〉第九條的適用意見——證券期貨法律適用意16134.350ETF39.0150ETF50ETF（二）1212017力。策略研究員可以快速高效驗證自己的想法，不受算力、模型大小等因素的制約。20235AI1500+95GPU75以上，計算和存GPUGPU集群資源，提升團隊整體研發(fā)效率。2223ACM金牌得主，AI領域大牛和領軍人物，拓撲學、統(tǒng)計學、運籌學、控制論各學科博士等組成，以跨10000+2國泰君安期貨有限公司（簡稱“國泰君安期貨”，網(wǎng)址為https://）是國泰君安國泰君安量化交易平臺是國內(nèi)領先的衍生品極速交易技術平臺。量化資源建設年投入超億元，7交易所網(wǎng)絡互聯(lián)。擁有充足的機房資源，豐富的柜臺（50+）速的交易優(yōu)化和穩(wěn)固的交易保障。國泰君安期貨具備領先行業(yè)的量化客戶服務優(yōu)勢。國泰君安期貨始終重視量化系統(tǒng)建設和技術研發(fā)投入。目前公司擁有五十余套柜臺系統(tǒng)，包括專注于交易速度的廣策、易達、盛立金融、艾科朗克、恒生NST滿足了中金機房托管客戶對跨市場行情和交易的需求。同時，公司在上交所和深交所機房部署了股票期權柜臺，滿足了股票期權程序化客戶對股票期權交易和跨市場行情的需求。3（https://），提供聚寬量化投研平臺沉淀6502017OP1511300JQDa8T020199A期貨數(shù)據(jù)、期權數(shù)據(jù)、基金數(shù)據(jù)、宏觀數(shù)據(jù)，還提供數(shù)百個常用因子和第三方數(shù)據(jù)庫；用戶可以方便地（三）11010023IT45--PAGE45 量化科技生態(tài)體24其中，量化投資機構是核心驅(qū)動者，他們發(fā)掘、整理和分析金融市場的大量數(shù)據(jù)，研究并開IT科技生態(tài)體系注入新動力。（一）1A數(shù)據(jù)中心是量化交易中重要的基礎設施，合適的數(shù)據(jù)中心能讓投資者獲得交易時延優(yōu)勢和穩(wěn)定可靠的系統(tǒng)運行環(huán)境。目前國內(nèi)各家交易所都自行建設了數(shù)據(jù)中心，讓量化投資者就近部署量化交易系統(tǒng)，如上交所的金橋數(shù)據(jù)中心、深交所的南方數(shù)據(jù)中心、中金所的唐銀機房等。這些數(shù)據(jù)中心大多與交易所的撮合中心距離較近，并且數(shù)據(jù)中心內(nèi)部各處光纖都做了等長處理，確保網(wǎng)絡時延方面公平，各交易所24--PAGE47B高速穩(wěn)定的行情服務對于量化交易至關重要，因此行情服務也是基礎設施之一。投資者的策略可能使用到全球各交易所的行情，行情的快慢直接影響到交易策略能否有效執(zhí)行?，F(xiàn)在交易所行情大多數(shù)可通過自建或者租用高速行情網(wǎng)絡接入到策略服務中。其它投資者則依賴于行情商來獲取行情，目前主要行情商包括彭博、萬得資訊、同花順、東方財富、財富通等。CD硬件設備指的是在進行量化交易時所使用的服務器、網(wǎng)絡設備、FPGA設備等。目前，國外品牌設牌包括：Cisco，Solarflare；FPGAE當前基于AIAIAI需要部署大量的GPUGPUPU中心、蘇州高電IDC（公開資料顯示兩家數(shù)據(jù)中心提供GPUPU常難以滿足這方面的需求。上交所技術有限責任公司（簡稱上交技術）自建的數(shù)據(jù)中心主要包括證券技術大廈25和金橋數(shù)據(jù)25（上海）4.71.86用三路獨立的110kV市政電源作為常用電源，分布式冗余架構，以并列運行的模式供電，如遇任意一路市電故障，將由另外兩路分攤故障回路下的用電負荷。項目配備了N+1滿負荷容量的應急電源柴油2NAD3-D82263.1kW/機柜（服務器機柜）1kW（網(wǎng)絡列頭柜）。B為托管用戶提供獨立監(jiān)控室、固定監(jiān)控坐席（條形辦公位）CA（條形辦公位）、固B（L）和共享坐席。D授時等網(wǎng)絡接入服務，并提供一系列增值服務，包括交叉鏈接、波分傳輸、ISP160010G40G160G，并實現(xiàn)了上期所和能源中心行情的組播傳輸，降低了行情傳輸對于網(wǎng)絡的壓力，保證投資者接收行情的公平性。2021年，上期技術GB50174A4kW，202342看穿式監(jiān)管等要求。投資者對于交易平臺的核心需求是合規(guī)、高速、穩(wěn)定。量化交易平臺服務商主要分以下幾類：交易所交易平臺服務商、經(jīng)營機構自研平臺服務商、市場化交易平臺服務商。CC++FPGA主要包括：數(shù)據(jù)中心交易行情接入服務、寬帶廣播、SDH/TP、高速地面行情網(wǎng)、行情網(wǎng)關、寬帶雙向、廣域網(wǎng)共享通道交易行情接入服務、交易網(wǎng)關、交易單元等。2007PAPITP數(shù)據(jù)庫，完備支持各家期貨交易所的交易業(yè)務，具備高可靠、大容量、高穩(wěn)定、安全開放等特點。伴隨TPTPAPI隨著CTP系統(tǒng)不斷成熟，CTP作為期貨市場量化交易平臺也進入高速發(fā)展階段。目前，CTP在級，18AACTP14，36ACTP22在量化交易細分領域高頻交易支持方面，上期技術推出了極速量化交易平臺CTPmini，專注服務于高頻、低延時、做市需求的專業(yè)量化交易者。CTPⅡmini具備穩(wěn)定、高速、業(yè)務豐富等特2023262CTPmini3（T0/（5.1G-PB券商自研以及量化私募自研。其中，第三方算法交易服務商由于優(yōu)異的績效表現(xiàn)以及得當?shù)男麄鳡I銷，而受眾廣泛。具體而言，這類算法服務商有卡方、迅投、爭鋒、自誠、創(chuàng)智、皓興、盛冠達、金納、躍然、皓興、宇量、聚寬等。PB見表T0在3%左右7*24T18T，T0FOF見圖VWAP當前市場的算法種類千差萬別，但是核心還未脫離TWAP\VWAP4據(jù)總體包括了標準化交易數(shù)據(jù)的恒生聚源、萬得數(shù)據(jù)、Choice并形成自己的技術、經(jīng)營壁壘。整體看，金融市場的交易鏈路可分為，各類投資者使用的交易端，各交易商使用的承接投資者與交易所的中后臺，以及交易所本有的撮合成交系統(tǒng)三部分。這三部分均有信息產(chǎn)生，同樣的也有技術產(chǎn)生，掌握某部分或者在其中任意單一領域具備技術、規(guī)則優(yōu)勢，都可以帶來優(yōu)勢地位（5.2）。A（adesandQues）行情。行情數(shù)據(jù)通常使用UDP組播進行轉(zhuǎn)發(fā)，實時數(shù)據(jù)還要分A/Bchannel做冗余備份，再加一個Snapshotchannel做備份。按照行情的傳輸頻率和維度，可以區(qū)分為逐筆行情（tick）和快照行情（snapsht），快照行情即是對逐筆行情數(shù)據(jù)在時間維度上進行一定頻率切片后的統(tǒng)計數(shù)據(jù)，是一個ticksnapsht核心是數(shù)據(jù)格式傳輸協(xié)議的差異，交易所將行情數(shù)據(jù)傳輸分為了level-1level-2level-2AT（見表5.3）。5.3：level-1level-2510FIX/FASTTXTlevel-23B5.4，從使用者來看，主要則使用bloombegSMAR（1）數(shù)據(jù)表結構較科學，有很多WACC計算小插件、貝塔計算小插件、EXCEL少錯誤，如指數(shù)數(shù)據(jù)庫的錯Finance中國A\BBloomberg界面設計實用且方便，數(shù)據(jù)數(shù)據(jù)質(zhì)量過硬，數(shù)據(jù)庫性價A\B中資訊類周六、周日暫停更（4）研究報告更新速度較快，較（1）CSMAR機構、香數(shù)據(jù)庫做學術比較全面，年數(shù)據(jù)字段不夠豐富，基本上（2）機構、投資機構、第一時間獲取上市公司信息采用多種手段和措施保障數(shù)交易者、分析師、數(shù)據(jù)品種全、資訊全面，數(shù)報刊、電式媒體，中國公司在美國上市的數(shù)據(jù)庫錯誤較多，ISIN代碼在新為全球戰(zhàn)略和研究界提供時經(jīng)濟和金融數(shù)據(jù)庫的覆蓋范對國內(nèi)的行業(yè)數(shù)據(jù)及公司數(shù)據(jù)不如本土數(shù)據(jù)庫公司的做Capital（2）公司治理的數(shù)據(jù)庫結構比較BloombergC實的狀態(tài)展現(xiàn)在使用者面前。據(jù)JPMorgan（閉路電視等）。特別是在人工智能AI(OpenCV)”與“自然語言分析（NLP）”有了突破性進展之后，此類數(shù)據(jù)在量化策略中的占比就越來越高。例如，Morgan提出的基于機器學習的2015300有高度的一致性，OrbitalInsightOpenCVD數(shù)據(jù)服務分為兩大領域（2B2C），下面集中于兩大領域中最具代表性的幾家服務商的特點進行2CA2B恒生聚源不斷向數(shù)據(jù)服務方面滲透，數(shù)據(jù)服務商中的萬得資訊則獨占機構服務80%的份額，以豐富、據(jù)因子（5.3）：（二）1經(jīng)歷人工報單、DBF文件接口、SQLSever數(shù)據(jù)庫等報盤的代際演變后，正式開啟流式報盤時代，各交易系統(tǒng)的申報也將通過TDGW交易網(wǎng)關申報通道進行，上交所進入高頻量化時代。交易網(wǎng)關（TDGW）由上交所全新自主研發(fā)，采用Binary/STEP接口，俗稱“流式報盤”，支持的業(yè)務范圍涵蓋競價平臺度提升，全鏈時延提升幅度超過80%。此外也有交易柜臺實測數(shù)據(jù)顯示，切換后，上交所回路時延可203-5B深圳證券交易所（簡稱“深交所”）201610-15自上線以來，第五代交易系統(tǒng)很好的支撐了包括深港通、股票期權、創(chuàng)業(yè)板改革并試點注冊制、202026為了應對業(yè)務響應及時性、數(shù)據(jù)維護質(zhì)量和系統(tǒng)運行效率等方面的挑戰(zhàn)，上交所技術在借鑒主流+206運用金融文本分析，取得了積極成效。以發(fā)行審核為例，為配合科創(chuàng)板和試點注冊制改革，上交所于2020為審核人員提供企業(yè)概要信息、關系圖譜、輿情搜索、參考規(guī)則等輔助工具，運用金融文本分析實現(xiàn)了申報審核在線檢索、比對、自動化生成問詢函等功能。282期貨及衍生品市場是高度規(guī)范的交易市場，具有波動性較高、支持多空雙向交易、T+0T+0即當日買入的頭寸當天可以平倉，這種特殊的交易機制使得交易者可以進行更加頻繁的交易，也為量化交易提供了更加寬廣的空間。隨著量化科技的發(fā)展，高端機構投資者對技術的掌控能力越來越強，量化交易在期貨市場的應用越數(shù)據(jù)及技術服務、特色科技、行業(yè)能力共建共享等方面進行論述。27上交所《交易技術前沿》，202228，2022APIColocation29，旨在為交易商提供更快、更可靠的連接，為量化交易提供了托管機房配合以得到更短的信息傳輸距離，以降低延遲并提高交易速度。同時，Colocation服務使得以上海期貨交易所為例，上海期貨交易所（簡稱“上期所”）2007點主機托管業(yè)務，伴隨著量化交易逐漸在期貨行業(yè)內(nèi)興起，2009年初上期所張江中心開始正式為會員2012917805220148485201820182020737上期所托管機房根據(jù)客戶需求不同，分為兩部分，一部分是張江中心和來安路托管機房，面向?qū)r延敏感的交易客戶，因地域靠近，為保證交易公平，兩地托管機房內(nèi)客戶報盤到上期所交易前置時延一8Colocation29ColocationColocation對交易速度的影響；期貨交易所可通過限制交易商可交易的數(shù)量和頻率，來控制交易商利ColocationA30：BAPIC30Datafeedlevel2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)和技術服務，包含展示--營使用來源于交易所的期貨行情信息數(shù)據(jù)資源，再由獲得授權許可的信息商將行情信息數(shù)據(jù)提供給最APIevel-2風險控制和數(shù)據(jù)分析研究、開發(fā)策略等高端應用。案例一：上期所——自己專用的測試環(huán)境，而眾多中小投資者則無法承受獨自建立測試環(huán)境的成本。上期所建立了SimNow期貨模擬仿真交易平臺，為廣大專業(yè)投資者測試策略的平臺，同時SimNow作為交易所的投教平臺，真實行情，保證了模擬交易的成交價格和真實交易一致。SimNow為量化交易投資者提供了數(shù)據(jù)研究和SimNow經(jīng)過多年不懈的努力和發(fā)展，SimNow模擬交易平臺已經(jīng)發(fā)展成為滿足不同需求層次投資者的多功245000SimNow——SimNow具有完整的交易結算流程，每日進行結算，并為投資者發(fā)送結算單，能夠真實模擬完7*24CTPAPI20181會員開通服務后，通過其報入的訂單在撮合前將進行自成交檢查，若發(fā)現(xiàn)該訂單的客戶號與對手方客戶號相同，則該訂單將以錯單形式退回。期貨交易所作為期貨行業(yè)的核心機構，在數(shù)據(jù)和技術方面擁有獨特的優(yōu)勢。期貨交易所通過行業(yè)能力共與會員機構合作開展行業(yè)創(chuàng)新應用落地，更好地維護期貨市場的平穩(wěn)發(fā)展。A和套保企業(yè)帶來損失；反之，當缺乏流動性時，期貨價格無法準確反映市場參與者的“共識”。穩(wěn)定的市場控措施穩(wěn)定行情至關重要。為增強對市場趨勢的了解，提高運行預判能力，鄭商所推動產(chǎn)學研用一體化，基于合約歷史運行規(guī)律及風控措施參數(shù)，開展數(shù)據(jù)分析，提取歷史數(shù)據(jù)及風控參數(shù)作為輸入特征，建立整合移動平均自回歸模型（ARMA）、基于支持向量機的回歸模型（SVR，序列到序列模型（Seq2Seq）等，并基于多個機器學習算70%、持倉量平均準確率達到83%31。鄭商所通過基于歷史數(shù)據(jù)特征的融合模型實現(xiàn)了對未來交易量和持倉量的預測，給量化交易投資者提供了一種量化策略思路，同時基于量化科技感知市場熱度，提前做好風控措施，穩(wěn)定期貨市場平穩(wěn)發(fā)展。B期貨行業(yè)的風險事件會直接引發(fā)期貨價格的劇烈波動，給量化交易投資者帶來了巨大的挑戰(zhàn)，也使得對量化交易的監(jiān)管變得更加困難。大宗商品貿(mào)易由簡單的物資流通向貿(mào)易融資等多種方向演變，衍生出了復雜表現(xiàn)形式較為隱蔽，且期現(xiàn)風險聯(lián)動性顯著，增加了大宗商品期貨的不確定性，極易引發(fā)價格的劇烈波動。在此背景下，上海期貨交易所聯(lián)合多家會員機構，共同開展基于可信隱私計算技術的期貨行業(yè)智能風控輔助平臺的建設。大力開展人工智能技術賦能風險識別專題研究，例如建立基于混合模型的風險識別模型，為行業(yè)能力共建共享提供示范性應用。（三）1科技賦能主要體現(xiàn)在四個方面：一是運用科技手段優(yōu)化業(yè)務流程。例如，通過智能化應用將“人工”業(yè)務流證券公司可對客戶進行精準畫像、智能營銷和風險管控；三是運用新技術增強服務能力。例如，利用人工智31資產(chǎn)管理，向財富管理轉(zhuǎn)型，更多地利用金融科技來提高服務效率，提升服務質(zhì)量。證券公司主要將金融科技運用于以下幾個方面：——投資研究：證券公司借助金融科技實現(xiàn)從人工到“機器”的轉(zhuǎn)變，在海量數(shù)據(jù)中發(fā)現(xiàn)有價值的信息，提升投資研究的效率，降低投資研究成本。利用大數(shù)據(jù)技術分析歷史數(shù)據(jù)、構建模型，挖掘有價值的信能投顧和量化投資策略解決客戶資產(chǎn)配置問題等。例如，近期比較火的“智能A”的自然語言生成模型也在量化投資領域發(fā)揮著重要作用。彭博已經(jīng)推出了一個名為BloombegGT過專門的訓練，使用各種類型的金融數(shù)據(jù)，以全方位支持金融領域中的自然語言處理（NLP）任務。該模型將幫助彭博改善現(xiàn)有的金融NLPgGT——風險管理：證券公司可通過大數(shù)據(jù)分析、云計算等技術實現(xiàn)對客戶交易行為和風險的動態(tài)監(jiān)控，提升風險管理能力。通過分析客戶交易數(shù)據(jù)、歷史持倉數(shù)據(jù)等信息，利用機器學習建立智能風控模型。利用智能客服機器人與客戶進行一對一溝通；利用圖像識別技術來加強對客戶的身份認證；利用人臉識別技術來驗證身份等。隨著金融科技的快速發(fā)展，證券行業(yè)數(shù)字化轉(zhuǎn)型不斷加速，信息技術與金融的融合程度進一步加深。自券商信息技術投入指標發(fā)布以來，行業(yè)不斷加強對信息科技的重視程度，20172021120032。2021338.228.7%。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。0192022259.72.65%44.0%。2022T10%6.7530%，282796.4%清算三分離，并將低延遲技術應用到超大規(guī)模證券公司核心交易系統(tǒng)的機構，首創(chuàng)設計了異構交易系統(tǒng)備份機制，探索了超大規(guī)模證券核心交易系統(tǒng)上線切換切實可行的實施路徑，打造了行業(yè)證券核心交易系統(tǒng)信創(chuàng)示范工程。3220221122（2022）4010020015%，策略對速度和穩(wěn)定性的要求越高，就越依XTPXTP20228.840%~50%XTP的AlgoX40華鑫證券2022年數(shù)據(jù)顯示，量化資金規(guī)模（估計）約165億（T0）11%90.5%；61%。量化IT33IT51.62%IT8.05%、13.15%、12.12%，量化交易規(guī)模也逐年增長（5.5）。2019202020212022股基交易量（億元全年股基（億元傭金（萬元可轉(zhuǎn)債交易量（億元可轉(zhuǎn)債市場交易量（億元見表60%1540618001015413419（806），外）91615122.849.7221.9%，外1858926.3%,286691.9%，其中托管私2198943.3%，繼續(xù)排名17.6%，金213849610產(chǎn)品規(guī)模為2511.962664.540.77%342021PB20222.826.51%公司托管業(yè)務新增首次合126,890,（基金服務）17832685.05,32.77%925.45續(xù)三年增長，20222021202281%16.50%，規(guī)9338總規(guī)模為人民幣7954.05億元，同比增長5.88%。600130.01%募機構共169137.59%；PB508239.58%。存續(xù)2798607102326229.06%；非貨28338%，證券類產(chǎn)11%，非900010%；買方投顧8001188109105人。2022966.4826.1%368114118941515518549655.64（PB）交易業(yè)19352613446.382.601547（不含貨幣類金融產(chǎn)品395.120212022B70IT金融技術等廠商。極速交易（策略）端則蓬勃發(fā)展，包括四種類型，一是具有國際背景的系統(tǒng)，如TS系統(tǒng)、Apama系統(tǒng)；二是國內(nèi)券商自行研發(fā)的系統(tǒng)，如中信證券CATS系統(tǒng)、華泰證券MATIC系統(tǒng)；三是由一些創(chuàng)新型公司開發(fā)的新型系統(tǒng)，如卡方科技的ATXVN.PY四是由傳統(tǒng)系統(tǒng)轉(zhuǎn)型而來的，如麗海弘金、迅投QMT系統(tǒng)。目前，整個資本市場機構化趨勢明顯，極國內(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)定預期的需求。201610XTP易系統(tǒng)上線，上線以來XTP憑借優(yōu)秀的性能以及極速的服務能力，吸納了眾多優(yōu)秀的量化客群。華鑫2017易系統(tǒng)以差異化路線搶占量化私募機構，以圖實現(xiàn)“彎道超車”35業(yè)務系統(tǒng)，助力機構業(yè)務和量化服務提升（5.7）。理系統(tǒng)（CAMS）、INCOS3520215.59047XTP2021XTP30090%，20218.9統(tǒng)一機構客戶服務平臺“e2022262.68QuanTas“1+1+N”機構客戶服務體系中的重要—環(huán)，其產(chǎn)PB發(fā)布全業(yè)務鏈機構服務體系，重點在新一代交易系統(tǒng)、量化生態(tài)圈、投研大數(shù)搖、大C202110620213610算力等方面的大量投入，而對于一些中小券商的自營部門來說，獨自建立一個足夠規(guī)模的量化投資團隊存在一定的困難。因此，越來越多的券商開始尋求第三方機構來幫助他們建立量化投資團隊。由于第三方機構在規(guī)模和人員配置方面有很大的優(yōu)勢，券商也可以通過與他們合作來解決自己在人力資源方面的不足。362021IT國內(nèi)大部分券商都建立了自己的風控系統(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01ITFPGA確保交易策略符合業(yè)務風控及交易所合規(guī)要求。交易前的風險控制可以通過在客戶的交易策略程序中設置參數(shù)或通過交易柜臺的風險控制模塊來實現(xiàn)。一旦柜臺接收到委托訂單，風控就會根據(jù)預先設定的風量化交易系統(tǒng)的風控模塊主要進行兩個類別的風控檢查，包含交易所硬性指標，以及保障策略運行2值得關注的是，中國公募基金的量化產(chǎn)品在過去幾年中得到了快速發(fā)展。近年來，公募基金不斷加202228.57%20212020中國公募基金公司陸續(xù)推出了一系列量化產(chǎn)品，如大成景利、易方達等公司的量化產(chǎn)品規(guī)模已經(jīng)超過了百億元。A300500B2015數(shù)據(jù)顯示37，自200482720229301600ETFSmartBa創(chuàng)新產(chǎn)品不僅能夠滿足投資者更為多樣化的需求，也導致了市場競爭的加劇，提高了投資者的選擇空間和投資效率。相配套的量化基金的投資工具也日漸豐富。隨著技術的不斷發(fā)展，量化基金管理人能夠采用更加先進的技術和算法來進行投資決策。例如，人工智能、大數(shù)據(jù)、機器學習等技術的應用，可以使得投資決策更加精準，同時也能夠提高投資效率和收益水平。此外，一些基金公司還開始探索區(qū)塊鏈、C公募主動量化基金將有更多的發(fā)展機遇和空間。D372022，20231702.4617230，SmartBetaAPI，這是量化投資的基本工具。證券交易38，2023BC3在期貨公司的風險管理中，量化科技可以幫助期貨公司更好地完成風險評估、風險控制和風險監(jiān)測并給出相應的對沖建議，幫助期貨公司降低風險。IT通過對商品的基本面分析做投資決策，也是期貨公司資產(chǎn)管理中常用的方法。基本面分析涉及到多根據(jù)中期協(xié)（中國期貨業(yè)協(xié)會）20227373%6792%場外業(yè)務的標的分為商品類，權益類（個股類，股指類），交易所基金，其他類（指除個股、股指、交）IT保險+期貨業(yè)務也是場外期權的一種表現(xiàn)形式，該業(yè)務模式近年來規(guī)模迅速增長。根據(jù)中期協(xié)XBRL“保險+期貨”業(yè)務采集模塊統(tǒng)計的數(shù)據(jù)，2021512022430605287%。202244738.71488257146.887%。場內(nèi)做市業(yè)17555.131101852.18129%。近幾年，期貨和場內(nèi)期權做市業(yè)務都保持著高速增長（5.4，5.5）。2019202020212022成交量（萬手數(shù)據(jù)來源：中成交量（萬手期貨做市業(yè)務通常由報價、撮合和風險控制三部分組成。其中，跟量化科技相關度較高的是報價部分。在期貨做市業(yè)務中，報價是指做市商向市場提供的買入和賣出的價格和數(shù)量。做市商需要根據(jù)市場的行情和自身的交易策略，通過量化科技手段來生成報價。這些報價信息需要快速地更新和調(diào)整，以保證其與市場價格的匹配程度。在量化科技的幫助下，通過利用大量歷史數(shù)據(jù)和機器學習算法，做市商可量化科技還可以提高做市商的風險控制能力，幫助其在市場波動時更加靈活地調(diào)整報價，從而降低風險可靠性和高效性直接影響著做市業(yè)務的成敗。交易系統(tǒng)通過提供快速、準確的報價和成交服務，幫助做5.8FPGA，EFHtick-to-trade“0”延時的需要。Xele-MD,FPGACTPII1μs?？啥ㄖ苹?，單獨部署。11.5TP，UDPFPGA60%，其中自主研發(fā)NHTD55%。4根據(jù)中基協(xié)（中國證券投資基金業(yè)協(xié)會）20228.6％，10003.927.1％。A2022A3.9%A6.%。在大環(huán)境虧損的狀態(tài)下，這兩種策略可以保證盈利，主要是因A的交易策略，使用期貨、期權等金融工具來實現(xiàn)投資收益。這些策略可以在指數(shù)整體負收益的情況下Apha00020221%3003009.%0010.8%0006.4%100300500，顯示出成分股權重分散有利于在極端行情下收益的穩(wěn)定和安全。這些策略的成功表明，量化交易和算法交易正在成為市場的主流趨勢，投資者也開始越來越重視算法和技術在投資決策中的作用。當前，中國有許多知名的量化平臺，其中大部分在早期是以互聯(lián)網(wǎng)思維為基礎打造的開源Python的盈利，而且也為量化私募行業(yè)作出了積極貢獻。例如Bigquant、聚寬量化以及其他券商自研的量化B資管系統(tǒng)，也稱PB（如對沖基金等PBPB戶管理等功能，而運營支持系統(tǒng)則提供清算、估值、APB、卡方PB、迅投PB、根網(wǎng)PBPB（Mtic、TP、IMS、Cs）。CD、極速柜臺因此通常會采購不同的極速柜臺來滿足自己的需求。極速柜臺的主要目的是為了保證交易速度更快，而隨著量化交易行業(yè)對于速度的要求不斷提高，市場上的極速柜臺競爭也越來越激烈。金證和頂點等公司。二是券商自主研發(fā)的產(chǎn)品，例如中泰證券、華鑫證券等。三是新起的系統(tǒng)提供商，例如華銳、盛立、艾科朗克、寬睿等。解決方案基于GPUFPGA國泰君安證券等多家券商已經(jīng)開始在FPGA值得一提的是，極速柜臺的使用需要注意風險控制，因為在快速交易的同時，也需要保證交易的準確性和可靠性，避免出現(xiàn)因為速度而導致的交易失誤。20221132820212820222020202134201450%，表現(xiàn)相當出色?？偟膩碚f，隨著越來越多的資金涌入量化私募領域，行業(yè)的競爭將進一步加劇。那些具備優(yōu)秀投研成為行業(yè)的佼佼者。（四）1量化分析的交易策略，已經(jīng)在金融市場中變得較為普遍。Narang（2013）39資者的行為偏差、不完全或有限理性、非標準偏好、制度摩擦（Barberis199840；Daniel獲利。成熟的金融機構（Hendershott等，2011年43）量化交易的空前增長帶來了對上述量化交易的學者對高頻交易與市場有效性與流動性之間的關系進行了檢驗。例如，Conrad等（2015）44基于場的流動性極大降低了交易費用；類似地，Jarnecic和Snape（2014）45以英國倫敦證券交易所數(shù)據(jù)為樣本進行了實證檢驗，提出高頻交易的參與通過一系列限價指令報單（LimitOrder）緩解了短期的然而相反的結論也同樣存在，例如Hendershott與Moulton（2011）46將紐交所引入方便高頻交易者的“混合市場”（HybridMarket）作為沖擊事件，發(fā)現(xiàn)高頻交易盡管提升了價格發(fā)現(xiàn)的效率，但2論。該理論產(chǎn)生于1960年代末，Demsetz196841Daniel,etal,.Investorpsychologyandsecuritymarketunder-andoverreactions.JournalofFinance.1998,53:42Shleifer,Andrei.InefficientMarkets:AnIntroductiontoBehavioralFinance.OxfordUniversityPress,Oxford,UK.43Hendershott,etal.Doesalgorithmictradingimproveliquidity?JournalofFinance.2011,44ConradJ,WahalS,XiangJ.High-frequencyquoting,trading,andtheefficiencyofprices[J].JournalofFinancialEconomics,2015,116(2):271-291.45JarnecicE,SnapeM.Theprovisionofliquiditybyhighfrequencyparticipants[J].FinancialReview,2014,49(2):371-Markets,2011,14(4):568-604.MaueenO'Haa《MartMicotrutueTheory結構理論研究的主要領域包括：1）2（情交易者和非知情交易者，根據(jù)是否有信息優(yōu)勢）或三種類型（者和噪音交易者），從個體最優(yōu)化的角度來分析不同交易者的交易策略選擇；3）價格序列的信息含量分析；4）交易機制的分析與選擇。以較多研究的市場波動性為例，量化交易對波動性影響的研究已經(jīng)得到了相對一致的結論。作為這一研究領域有代表性的綜述，Jones（20134730oaad（2018482008研究中，Hagt?mer等（201449臨等待成交和立即成交之間的權衡，因此面對股價波動時會比高頻交易者的反應更加劇烈，從而高頻交易有助于提升市場的穩(wěn)定性。機器學習和人工智能在量化金融中的應用已經(jīng)成為研究的一個熱點。近年來，許多學者通過機器學習模型結合股票市場特征、公司特征、交易特征等對股票收益率進行預測，大量的實證也表明機器學習在股票收益率預測中起到顯著的作用。如Phua（20035060%47JonesC.Whatdoweknowabouthigh-frequencytrading?ColumbiaBusinessSchoolResearchPaperNo.13-11,2013.ColumbiaBusinessSchool,NewYork.機（SVM）即使在樣本外性能上也具有顯著的預測能力，通過SVM模型、MLP-based神經(jīng)網(wǎng)絡模型和自適應神經(jīng)模糊推理系統(tǒng)（ANFIS）這三個模型預測能力的比較，發(fā)現(xiàn)SVM機器學習除了被用在股票的預測中，近年來也被運用到投資組合策略的研究中，如Leippold（2021）52算法交易將成為宏觀經(jīng)濟新聞交易的關鍵，以最佳報價創(chuàng)造市場流動性和深度（Schts，并提高機構的交易效率。高頻交易（HFT）/（T）市場上結構奇特且權重較大的HFTEaseyO’Ha（2012）54業(yè)內(nèi)一直在尋求搭建低延遲交易系統(tǒng)的解決方案，基于GPU、FPGA硬件并行加速的技術逐漸進入使用具有高運算能力的專用硬件，如圖形處理器（GPU）以及現(xiàn)場可編程門陣列（FPGA56用芯片（劉斌等，2015）57。FPGA絡協(xié)議。FPGA易（Boaad,201058，這些都經(jīng)過優(yōu)化以實現(xiàn)盡可能的低延遲，并用51Oztekin,etal.ADataAnalyticApproachtoForecastingDailyStockReturnsinanEmergingMarket.EuropeanJournalofOperationalResearch.2016.263(3):697-710.53Scholtus,M.,etal.Speed,algorithmictrading,andmarketqualityaroundmacroeconomicnewsannouncements.JournalofBanking&Finance,2014,38,89–105.Paradigm,JournalofPortfolioManagement,2012,39:19-29.552018，56GPUGPU可具有多達500個核。通過優(yōu)化程序，即可方便地利用GPU實現(xiàn)大FPGACPU57J],,2015(17):42-4558Brogaard,J.A.HighFrequencyTradinganditsImpactonMarketQuality.InProceedingsofthe5thAnnualConferenceon于分析解釋市場數(shù)據(jù)。Leber（2011）59FPGAMalazgirt（2015）60網(wǎng)絡方面，使用萬兆以太網(wǎng)，使用低延遲路由器、低延遲交換機、低延遲網(wǎng)卡等網(wǎng)絡設備，網(wǎng)絡拓撲設計扁平化，簡化網(wǎng)絡配置（朱寧等，201561。物理部署方面，使用托管模式，將訂單生成系統(tǒng)、訂單執(zhí)行系統(tǒng)部署到交易所的托管機房，減少訂單生成系統(tǒng)與訂單執(zhí)行系統(tǒng)、訂單執(zhí)行系統(tǒng)與交易所之間的物理距離。使用內(nèi)存數(shù)據(jù)庫代替?zhèn)鹘y(tǒng)物理數(shù)據(jù)庫（yung,21462，減少物理數(shù)據(jù)庫操作在網(wǎng)絡傳LinuxRtinux、edhtMRG時操作系統(tǒng)（徐廣斌，2011）63。實踐方面，極速證券訂單處理系統(tǒng)主要可應用于高頻交易、算法交易、策略交易等（FabioApamaDTSMagicQuant（徐廣斌，2017）65。3學術界與多家證券公司、基金、資管機構和監(jiān)管部門開展應用合作，推動相關技術和系統(tǒng)在金融市場風險評估與管理、量化基金投資與運營等方向的落地應用，實現(xiàn)基于量化科技的金融創(chuàng)新。前者通常掌握59Leber,C.;Geib,B.;Litz,H.HighFrequencyTradingAccelerationUsingFPGAs.InProceedingsofthe21stInternationalConference.onFieldProgrammableLogicandApplications,Chania,Greece,5–7September2011;Availableonline:/document/6044837(accessedon4February2022).Accelerator_Design_for_Processing_SQL_Queries(accessedon4February2022).61J],2015(18):40-62ByungKunPark,Wone-WungJung,JoonhyoukJang,IntegratedFinancialTradingSystembasedonDistributedIn-MemoryDatabase,ACM,2014.63J],2011(37):28-64FabioDarosFreitas,ChristianDarosFreitas,AlbertoFerreiraDeSouza,SystemArchitectureforOn-lineOptimizationofAutomatedTradingStrategies,ACM,2013.65徐廣斌,股市防“烏龍指”利器——市場波動調(diào)節(jié)機制之研究[J],交易技術前沿,2017(26):73-2021年，微軟亞洲研究院與上海交通大學計算機科學與工程系合作，提出利用強化學習技術來優(yōu)66。該工作提出一種通用的訂單執(zhí)行策略優(yōu)化框架，引入了一種新穎景下強化學習研究的組件，為研究課題的快速迭代打下了基礎。具體訓練和評估數(shù)據(jù)使用了中國A股2017112019630Qlib（五）1量化科技是涉及計算機編程、數(shù)理統(tǒng)計、經(jīng)濟金融等多方面知識的復合學科?！?022/75%，其次為數(shù)學、統(tǒng)計、物理等傳統(tǒng)學科，另外一些學科如神經(jīng)科學、電氣工程、電子科學與技術、機器人等專業(yè)也有少量分布。此外，問卷顯示的量化投資投研人員的學歷以30.92%、58.3%、8.63%6《2021（見5.6）。66UniversalTradingforOrderExecutionwithOraclePolicyDistillation/從專業(yè)落地到具體的知識結構與技能，量化人才需要具備多層次的專業(yè)知識與技能。從硬性技能來看，量化人才需要以下幾個方面：第一，數(shù)學和統(tǒng)計學基礎：量化交易需要運用大量的數(shù)學和統(tǒng)計學知識進行數(shù)據(jù)分析和建模，因此量化交易人才需要在數(shù)學和統(tǒng)計學方面具備深厚基礎；第二，編程和數(shù)據(jù)處理能力：對于量化人員而言，掌握至少一門編程語言（Python、aa）以及數(shù)據(jù)處理工具（如SQL、andas）十分重要，可以幫助他們有效地處理海量的市場數(shù)據(jù)，隨著技術的不斷發(fā)展，甚至溝通能力、學習能力、創(chuàng)新能力、抗壓能力等軟性技能也同樣十分重要。自學與交流實踐：通過AQF、CQF等專業(yè)證書課程的學習，量化比賽的參加，或線下業(yè)內(nèi)交流等方式，2部分高校已開設相關課程，除了必修的經(jīng)濟學、金融學、投資學等課程外，還加入統(tǒng)計學、應用數(shù)學以及計算機編程等課程，目前多包含在金融專業(yè)量化分支方向的課程設置中，此外還有數(shù)學專業(yè)、計算機專業(yè)下的人工智能、機器學習等方向。如上海交通大學–投資分析和投資組合管理等課程。該項目還可以選擇人工智能等方向作為延伸主修方向。此外，還有國內(nèi)高校與國際院校聯(lián)合培養(yǎng)的