CN110852879A - 一种高频量化交易策略回测验证方法及系统 - Google Patents
一种高频量化交易策略回测验证方法及系统 Download PDFInfo
- Publication number
- CN110852879A CN110852879A CN201910680883.8A CN201910680883A CN110852879A CN 110852879 A CN110852879 A CN 110852879A CN 201910680883 A CN201910680883 A CN 201910680883A CN 110852879 A CN110852879 A CN 110852879A
- Authority
- CN
- China
- Prior art keywords
- market
- order
- simulation
- orders
- strategy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012360 testing method Methods 0.000 title claims abstract description 15
- 238000004088 simulation Methods 0.000 claims abstract description 107
- 238000013102 re-test Methods 0.000 claims abstract description 39
- 238000012552 review Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 11
- 230000003247 decreasing effect Effects 0.000 claims description 8
- 238000010998 test method Methods 0.000 abstract description 2
- 230000002354 daily effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 244000208734 Pisonia aculeata Species 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 238000009662 stress testing Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种高频量化交易策略回测验证方法及系统，所述方法包括如下步骤：步骤S1，异步生成多个模拟回测路径；步骤S2，对于每一个模拟回测路径，将市场订单簿，做市策略参数以及做市商本身状态喂入自定义的交易策略中，输出做市商订单；步骤S3，对于每一个模拟回测路径的任意一个时间切片，依据市场最新订单簿状态，以及预设参数利用仿真数据生成模块生成下一时间切片市场新订单；步骤S4，将订单簿上的订单，最新生成的市场订单以及最新的自定义交易策略的订单经撮合引擎撮合成交，撮合后更新原有订单簿以及生成相应成交记录；步骤S5，返回步骤S2进行迭代循环，以期获得收敛的结果；步骤S6，生成该模拟回测路径性能报告。
Description
技术领域
本发明涉及市场量化交易技术领域，特别是涉及一种高频量化交易策略回测验证方法及系统。
背景技术
量化交易模型是指研究人员运用数学建模的方法，将在交易实战中积累的经验和现代投资学原理有机结合的综合交易体系。相对于传统的主观投资交易，其优点在于其依赖数学建模的思维，有效的控制交易风险并可以有效规避交易过程中的人性弱点，从而获得稳定的投资回报正收益。
回测是用来检验量化交易模型有效性的一个重要手段。当前市场上使用的回测框架绝大部分是基于手续费加滑点假定成交的模式，其大致步骤通常如下:
步骤1，预设在回测框架假定成交的手续费和滑点，例如预设滑点为2，手续费为1；
步骤2，量化模型发出交易指令，包含买卖方向，买卖价格以及买卖量，例如一个买单，价格为100元，数量为1手；
步骤3，回测框架基于预设的滑点与手续费，假定成交，则成交成本为(100+2+1)*1＝103元
此类回测框架的优点为简单易用，适用于交易量不大或对交易精度要求不高的业务场景，但对于精度要求更高的高频交易领域或机构交易领域，其局限性非常明显，具体局限性如下：
1、无法体现市场订单簿流动性对交易策略的影响；
2、无法模拟高频交易中各时刻的买卖订单到达过程；
3、无法体现机构交易由于交易体量对市场的后续市场冲击；
4、无法体现市场博弈过程；
5、无法回测验证历史少见的但通常非常有价值的压力行情场景。
因此，业界缺失一个可以对高频量化交易策略进行回测验证的的解决方案。
发明内容
为克服上述现有技术存在的不足，本发明之目的在于提供一种高频量化交易策略回测验证方法及系统，通过使用仿真订单数据生成模块，并利用蒙特卡洛多路径数值模拟法实现高频量化交易策略回测验证的目的。
为达上述目的，本发明提出一种高频量化交易策略回测验证方法，包括如下步骤：
步骤S1，异步生成多个模拟回测路径；
步骤S2，对于每一个模拟回测路径，将市场订单簿，做市策略参数以及做市商本身状态喂入自定义的交易策略中，输出做市商订单；
步骤S3，对于每一个模拟回测路径的任意一个时间切片，依据市场最新订单簿状态，以及预设参数利用仿真数据生成模块生成下一时间切片市场新订单；
步骤S4，将订单簿上的订单，最新生成的市场订单以及最新的自定义交易策略的订单经撮合引擎撮合成交，撮合后更新原有订单簿以及生成相应成交记录；
步骤S5，返回步骤S2进行迭代循环，以期获得收敛的结果；
步骤S6，生成该模拟回测路径性能报告。
优选地，于步骤S6后，还包括：
步骤S7，综合统计所有回测路径性能报告。
优选地，于步骤S3中，所述仿真数据生成模块仿真生成限价单的方法为：订单簿上每个价格上的限价订单的到达率(λ)在任意一个时刻服从一个指数递减的泊松过程，δ为订单价格与其订单簿最优价格的距离，距离越大，新到达的限价单数量越少。
优选地，于步骤S3中，所述仿真数据生成模块仿真生成撤销单的方法为：订单簿上每个价格上的撤单到达率服从一个指数递减的泊松过程。
优选地，于步骤S3中，所述仿真数据生成模块通过设置每一时刻的市价订单到达率参数仿真生成市价单。
优选地，于步骤S4中，所述模拟撮合引擎将将订单簿上的订单、最新生成的市场订单与自定义策略订单按价格以及时间排序，一旦满足交易条件即进行撮合成交。
为达到上述目的，本发明还提供一种高频量化交易策略回测验证系统，包括：
模拟回测路径生成模块，用于异步生成多个模拟回测路径；
策略订单输出模块，用于对每一个模拟回测路径，将市场订单簿，做市策略参数以及做市商本身状态喂入自定义的交易策略中，输出做市商订单；
仿真数据生成模块，用于对每一个模拟回测路径，对于任意一个时间切片，依据市场最新订单簿状态，以及预设参数生成下一时间切片市场新订单；
模拟成交撮合模块，用于将订单簿上的订单，最新生成的市场订单以及最新的自定义策略订单经模拟撮合引擎撮合成交，撮合后更新原有订单簿以及生成相应成交记录；
迭代循环控制模块，用于返回策略订单输出模块进行迭代循环，以期获得收敛的结果。
单个回测路径报告生成模块，用于生成该回测路径性能报告。
优选地，所述系统还包括：
报告综合模块，用于综合统计所有回测路径性能报告。
优选地，所述模拟撮合引擎将将订单簿上的订单、最新生成的市场订单与自定义策略订单按价格以及时间排序，一旦满足交易条件即进行撮合成交。
优选地，所述性能报告中的性能指标包括但不限于综合性能报告，pnl损益报告，存量报告，每日仓位报告，报价以及成交记录，报价质量报告。
与现有技术相比，本发明一种高频量化交易策略回测验证方法及系统通过异步生成多个模拟回测路径，然后对于每一个模拟回测路径，将市场订单簿，做市策略参数以及做市商本身状态喂入自定义的交易策略中，输出做市商订单，并对每一个模拟回测路径的任意一个时间切片，依据市场最新订单簿状态，以及预设参数利用仿真数据生成模块生成下一时间切片市场新订单，最后将订单簿上的订单，最新生成的市场订单以及最新的自定义交易策略的订单经撮合引擎撮合成交，撮合后更新原有订单簿以及生成相应成交记录，实现了利用多路径数值模拟法(蒙特卡洛)实现高频量化交易策略回测验证的目的。
附图说明
图1a为市场订单簿的示意图；
图1b为实际交易时交易者可以获取的信息示意图；
图2为本发明一种高频量化交易策略回测验证方法的步骤流程图；
图3为本发明具体实施例中仿真数据生成模块仿真生成限价单，市价单和撤销单的示意图；
图4为本发明具体实施例中仿真数据生成模块订单簿流动性模拟示意图；
图5a为本发明具体实施例的Pnl损益图；
图5b为本发明具体实施例的存量走势图；
图6为本发明具体实施例中高频量化交易策略回测验证过程示意图；
图7为本发明一种高频量化交易策略回测验证系统的系统架构图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。
在介绍本发明之前，先介绍本发明所用的一些词汇：
1、订单簿(orderbook):
在竞价模式中，每个交易者提交自己的交易意图至交易所，交易意图具体包括交易标的，交易价格以及交易方向。交易所根据先价格优先，再时间优先的原则把所有的购买和卖出的意图进行排序，即构成了交易订单簿。交易订单簿由卖单订单列表和买单订单列表组成，如图1a所示，左侧列表为卖单列表，基于价格从低往高(价格越低越有竞争力)，时间由早到晚的顺序排序，右侧列表为买单列表，基于价格由高往低(价格越高越有竞争力)，时间由早到晚的顺序排序。一旦有符合交易条件的新订单到达，列表上位置越往前的订单越先进行交易。
对于普通交易者，是无法获取上述颗粒度为单个订单级别的数据的。交易所把相同价格上的订单进行汇总，并把每个价格上所有订单的量的总和发送给交易者，这即是实际交易时交易者可以获取的信息(如图1b所示)。
2、市价单：
市价定单(又称市价委托)是按照当时可能是最好的价格立即(尽快)买进或卖出某一定数量交易资产的订单
3、限价单：
限价单是一种以等同或低于指定价格买进特定数量交易资产的委托单，或一种以等同或高于指定价格(称为限定价格)卖出交易资产的委托单。此类委托单可以确保投资人买进该资产的价格不会高于指定的价格，同样地，若市价一直未达到所指定的价格，该委托单将不会被执行。
4、撤销单：
撤销单指交易者对已有但尚未成交的交易订单进行取消撤回的操作。该指令将相应的订单从订单簿上移除。
5、滑点：
是指下单交易点位(理想价格)与实际交易点位的差别，在回测中，滑点值设置越大越保守，设置越小越激进，滑点值不能小于0。
图2为本发明一种高频量化交易策略回测验证方法的步骤流程图。如图2所示，本发明一种高频量化交易策略回测验证方法，包括如下步骤：
步骤S1，异步生成多个模拟回测路径(PATH)。
在本发明具体实施例中，采用蒙特卡洛多路径数值模拟方法，具体地，通过一个for loop程序，生成多份数据仿真任务，并将每份数据仿真任务分配到一个单一的运算机器中，以达到并行的效果，本发明异步生成多个模拟回测路径采用的是现有技术，在此不予赘述。
步骤S2，对于每一个模拟回测路径，将市场订单簿、做市策略参数以及做市商本身状态喂入自定义的交易策略中，输出做市商订单。所述自定义的交易策略即为自定义的需要验证回测的交易策略，策略参数完全是按照策略本身的构成所决定，做市商本身状态包括实时损益，实时存量，报单次数，交易量等等。
步骤S3，对每一个模拟回测路径，对于任意一个时间切片，依据市场最新订单簿状态，以及预设参数利用仿真数据生成模块生成下一时间切片市场新订单。
由于金融数据经常具有尖峰厚尾的特性，常见的处理方法为使用压力测试-即使用极端数据来验证策略的表现，而历史数据对于极端数据常常有采样数据不足的困难。针对此挑战，本发明提供了仿真数据生成模块。为了更精确的模拟真实世界交易订单的到达情况，仿真数据生成模块分别仿真生成限价单，市价单和撤销单，如图3所示。
限价单仿真模拟：
由历史观察结果可得出订单簿上每个价格上的限价订单的到达率(λ)在任意一个时刻服从一个指数递减的泊松过程，δ为订单价格与其订单簿最优价格的距离(限买订单价格与订单簿最优卖价距离，限卖订单价格与订单簿最优买价模型)，距离越大，新到达的限价单数量越少，如下公式所示：
其中A＝Λ/α，k＝αK。市场买卖频率是恒定的Λ，其可通过一天总交易量除以一天的市场总订单数来估算。
撤销单仿真模拟:
相似的，订单簿上每个价格上的撤单到达率服从一个指数递减的泊松过程。因为新到达撤单数量是相对于订单簿上各已有价格上的订单总数，因此其每个价格上的总撤单数必小于或者等于当前价格上的总订单数。
其中Acancel≤Alimit
市价单仿真模拟：
在订单簿流动性充足的前提下，由于市价单能保证产生交易从而影响订单簿价格走势的特点，回测机制通过设置每一时刻的市价订单到达率参数，从而生成研究者想要的任意市场行情。市价单的到达率服从正态分布N〔μ，σ〕,当市价买单数的均值大于市价卖单的均值数时，仿真数据模块将生成上涨行情，反之当市价买单的均值小于市价卖单的均值时，仿真数据生成下跌行情。当市价单的波动参数变大时，仿真数据模块将生成震荡行情；另外在某一时间段突然增大买单或者卖单的市价单到达率，则会生成研究人员较感兴趣的闪崩行情，从而进行相关研究。
订单簿流动性模拟：
不同资产标的可能具有完全不同的流动性，流动性一个重要指标为最优买价减去最优卖价的价差，价差越大代表资产的流动性越差。对于如何模拟流动性不佳资产市场数据的挑战，仿真数据模块通过限制生成限价订单价格区间的范围，扩大新到达限价买卖订单价格价差，从而成功模拟出流动性不佳的资产行情，如图4所示，其中，左上，右上，左下以及右下分别代表了所需的各种行情中间价的时间序列(即最优卖价与最优买价的均值)，居中的图揭示了在时间序列曲线上的任意一点订单簿深度的具体情况。图4即可证明平台所生成的仿真数据是由纵深的多档分层带量行情，而非仅一档买卖价格。
对于每个时刻新生成的各个订单，均会与订单簿上已有的订单依据价格优先时间优先的原则进行排序，如能成功撮合则会生成交易，不然则会成为订单簿限价单的一部分，参与下一时刻的订单撮合过程。正是通过这样的方式，回测框架能够达到生成各类目标分层带量行情的目的。
步骤S4，将订单簿上的订单，最新生成的市场订单以及最新的自定义策略订单经模拟撮合引擎撮合成交，撮合后更新原有订单簿以及生成相应成交记录。即排队撮合逻辑，模拟撮合引擎将市场订单与自定义策略订单按价格以及时间排序，一旦满足交易条件(买价高于或等于卖价)即进行撮合成交。
具体地说，在模拟撮合引擎中，根据步骤S3模拟成交订单的价格和交易量，对下一时刻进行市场冲击模拟。步骤S3生成的市场数据是按时间切片生成的，例如一共需生成4小时的仿真数据，程序会以一定的时间切片频率边生成边与自定义策略订单撮合，而不是一次性先生成四小时再与自定义策略订单撮合。如以五秒为时间切片，先生成5秒的仿真行情订单，并与自定义订单进行模拟撮合，下五秒的仿真订单生成是依据前五秒市场仿真订单与自定义策略撮合后的订单簿情况而生成的，换句话说自定义策略订单的存在改变了订单簿的形态，而仿真行情数据是依据当前订单簿而生成的，正是依据这样的原理，达到了模拟市场冲击的效果。
步骤S5，返回步骤S2进行迭代循环，以期获得收敛的结果。
在程序启动时，首先设置所需生成数据数量以及对应的时间戳，例如每分钟100个订单，生成4小时的数据，当此条件满足时，程序结束。
步骤S6，生成此回测路径性能报告。
为了全面的评估交易策略的表现，于步骤S6中，计算一系列的性能指标,包括但不限于综合性能报告，pnl损益报告，存量报告，每日仓位报告，报价以及成交记录，报价质量报告等
1、综合性能报告：
计算以下综合指标：累计收益，交易次数，每日平均交易次数，年化收益，最大回撤，最大回撤时长，收益回撤比，资金使用率
其中，最大回撤计算如下：
收益回撤比:
收益回撤比＝年化收益/最大回撤
资金使用率:
资金使用率＝总持仓时长/总时长
2、Pnl损益图:
展示策略的Mark to Market收益曲线。如图5a所示，横轴为时间轴，纵轴则为策略损益。
3、存量走势图:
除去损益，做市商通常需要控制单边仓位上限来管理风险。存量走势图可以帮助用户分析最大单边仓位等重要信息。如图5b所示，存量走势图的横轴为时间，纵轴为USD存量。
3、每日仓位报告:
以日为单位，计算策略每日的Mark to Market损益以及持仓数据。
在T0时刻，做市商的存量与现金都为0，则PnL为0+0＝0
在T1时刻，做市商以s1的价格卖出q份，获利x，则PnL＝–s1*q+x
在T1时刻，标的价格由s1变为s2，获利x，则PnL＝–s2*q+x
由此类推。
4、模拟报单以及成交记录:
记录所有策略报单以及成交的日志情况，方便用户调阅进行审核。需涵盖以下内容:时间，交易双方会员单位名，成交价格，成交量，订单类型(市价，限价等)。
5、报价质量
展示策略报价与市场其他市场最优报价之比较，通常为评判做市策略的一个重要指标。
步骤S7，综合统计所有路径性能报告。具体地，可于计算到上述各指标值后，取所计算的各指标的均值作为综合结果。
图6为本发明具体实施例中高频量化交易策略回测验证过程示意图。如图6所示，本发明之高频量化交易策略回测验证过程如下：
步骤1，异步生成多个回测路径(PATH)
步骤2，依据预设的参数，生成下一时间切片内的各类订单，包括市价单，限价单以及撤单等(即图中市场新订单生成器)。
步骤3，将市场订单簿,做市策略参数以及做市商本身状态喂入自定义策略函数中，自定义策略函数输出做市商当前报价；
步骤4,依据市场最新订单簿状态，以及预设参数市场订单生成器生成的下一时间切片市场新订单以进行市场冲击模拟。步骤4与步骤2类似，只是步骤2通常是在策略初始状态时，自定义做市策略尚未发出交易指令，因此尚未篡改历史订单簿，所以无需体现市场冲击；
步骤5，订单簿上的订单，最新生成的市场订单以及最新的自定义策略订单经撮合引擎撮合成交，撮合后更新原有订单簿以及生成相应成交记录；
步骤6，撮合成功后，更新做市商状态函数；
步骤7，撮合成功后，更新市场订单簿；
步骤8，重复步骤2-5，直至模拟结束，即回测数量满足预设值；
步骤9，生成此回测路径性能报告；
步骤10，综合统计所有路径性能报告。
图7为本发明一种高频量化交易策略回测验证系统的系统架构图。如图7所示，本发明一种高频量化交易策略回测验证系统，包括：
模拟回测路径生成模块701，用于异步生成多个模拟回测路径(PATH)。具体地，模拟回测路径生成模块701可通过一个for loop程序，生成多份数据仿真任务，并将每份数据仿真任务分配到一个单一的运算机器中，以达到并行的效果。
策略订单输出模块702，用于对每一个模拟回测路径，将市场订单簿,做市策略参数以及做市商本身状态喂入自定义的交易策略中，输出做市商订单。所述交易策略为自定义的需要验证回测的交易策略，策略参数完全是按照策略本身的构成所决定，做市商本身状态包括实时损益，实时存量，报单次数，交易量等等，例如当价格一旦到达某一点P0时，交易策略输出买入价P0-1与卖出价P0+1的两份交易订单。
仿真数据生成模块703，用于对每一个模拟回测路径，对于任意一个时间切片，依据市场最新订单簿状态，以及预设参数生成下一时间切片市场新订单。
由于金融数据经常具有尖峰厚尾的特性，常见的处理方法为使用压力测试-即使用极端数据来验证策略的表现，而历史数据对于极端数据常常有采样数据不足的困难。针对此挑战，本发明提供了仿真数据生成模块。为了更精确的模拟真实世界交易订单的到达情况，仿真数据生成模块分别仿真生成限价单，市价单和撤销单。
限价单仿真模拟：
由历史观察结果可得出订单簿上每个价格上的限价订单的到达率(λ)在任意一个时刻服从一个指数递减的泊松过程，δ为订单价格与其订单簿最优价格的距离(限买订单价格与订单簿最优卖价距离，限卖订单价格与订单簿最优买价模型)，距离越大，新到达的限价单数量越少，如下公式所示：
其中A＝Λ/α，k＝αK。市场买卖频率是恒定的Λ，其可通过一天总交易量除以一天的市场总订单数来估算。
撤销单仿真模拟:
相似的，订单簿上每个价格上的撤单到达率服从一个指数递减的泊松过程。因为新到达撤单数量是相对于订单簿上各已有价格上的订单总数，因此其每个价格上的总撤单数必小于或者等于当前价格上的总订单数。
其中Acancel≤Alimit
市价单仿真模拟：
在订单簿流动性充足的前提下，由于市价单能保证产生交易从而影响订单簿价格走势的特点，回测机制通过设置每一时刻的市价订单到达率参数，从而生成研究者想要的任意市场行情。市价单的到达率服从正态分布N〔μ，σ〕,当市价买单数的均值大于市价卖单的均值数时，仿真数据模块将生成上涨行情，反之当市价买单的均值小于市价卖单的均值时，仿真数据生成下跌行情。当市价单的波动参数变大时，仿真数据模块将生成震荡行情；另外在某一时间段突然增大买单或者卖单的市价单到达率，则会生成研究人员较感兴趣的闪崩行情，从而进行相关研究。
订单簿流动性模拟：
不同资产标的可能具有完全不同的流动性，流动性一个重要指标为最优买价减去最优卖价的价差，价差越大代表资产的流动性越差。对于如何模拟流动性不佳资产市场数据的挑战，仿真数据模块通过限制生成限价订单价格区间的范围，扩大新到达限价买卖订单价格价差，从而成功模拟出流动性不佳的资产行情。
对于每个时刻新生成的各个订单，均会与订单簿上已有的订单依据价格优先时间优先的原则进行排序，如能成功撮合则会生成交易，不然则会成为订单簿限价单的一部分，参与下一时刻的订单撮合过程。正是通过这样的方式，回测框架能够达到生成各类目标分层带量行情的目的。
模拟成交撮合模块704，用于将订单簿上的订单，最新生成的市场订单以及最新的自定义策略订单经模拟撮合引擎撮合成交，撮合后更新原有订单簿以及生成相应成交记录。即排队撮合逻辑，模拟撮合引擎将市场订单与自定义订单按价格以及时间排序，一旦满足交易条件(买价高于或等于卖价)即进行撮合成交。
在模拟撮合引擎中，根据仿真数据生成模块703模拟成交订单的价格和交易量，对下一时刻进行市场冲击模拟。仿真数据生成模块703生成的市场数据是按时间切片生成的，例如一共需生成4小时的仿真数据，程序会以一定的时间切片频率边生成边与自定义策略订单撮合，而不是一次性先生成四小时再与自定义策略订单撮合。如以五秒为时间切片，先生成5秒的仿真行情订单，并与自定义订单进行模拟撮合，下五秒的仿真订单生成是依据前五秒市场仿真订单与自定义策略撮合后的订单簿情况而生成的，换句话说自定义策略订单的存在改变了订单簿的形态，而仿真行情数据是依据当前订单簿而生成的，正是依据这样的原理，达到了模拟市场冲击的效果。
迭代循环控制模块705，用于返回策略订单输出模块702进行迭代循环，以期获得收敛的结果。
在程序启动时，首先设置所需生成数据数量以及对应的时间戳，例如每分钟100个订单，生成4小时的数据，当此条件满足时，程序结束。
单个回测路径报告生成模块706，用于生成此回测路径性能报告。
为了全面的评估交易策略的表现，于单个回测路径报告生成模块706中，计算一系列的性能指标,包括但不限于综合性能报告，pnl损益报告，存量报告，每日仓位报告，报价以及成交记录，报价质量报告等
1、综合性能报告：
计算以下综合指标：累计收益，交易次数，每日平均交易次数，年化收益，最大回撤，最大回撤时长，收益回撤比，资金使用率
其中，最大回撤计算如下：
收益回撤比:
收益回撤比＝年化收益/最大回撤
资金使用率:
资金使用率＝总持仓时长/总时长
2、Pnl损益图:展示策略的Mark to Market收益曲线。
3、存量走势图:
除去损益，做市商通常需要控制单边仓位上限来管理风险。存量走势图可以帮助用户分析最大单边仓位等重要信息。
3、每日仓位报告:
以日为单位，计算策略每日的Mark to Market损益以及持仓数据。
在T0时刻，做市商的存量与现金都为0，则PnL为0+0＝0
在T1时刻，做市商以s1的价格卖出q份，获利x，则PnL＝–s1*q+x
在T1时刻，标的价格由s1变为s2，获利x，则PnL＝–s2*q+x
由此类推。
4、模拟报单以及成交记录:
记录所有策略报单以及成交的日志情况，方便用户调阅进行审核。需涵盖以下内容:时间，交易双方会员单位名，成交价格，成交量，订单类型(市价，限价等)。
5、报价质量
展示策略报价与市场其他市场最优报价之比较，通常为评判做市策略的一个重要指标。
报告综合模块707，用于综合统计所有回测路径性能报告。
经仿真验证，本发明对于验证各高频量化交易策略具有非常好的可延展性，适用场景包括但不仅限于如下策略:各高频做市，特殊情景压力测试，期货换月调仓策略，高频跨境套利，高频跨期套利，高频期现套利。
综上所述，本发明一种高频量化交易策略回测验证方法及系统通过异步生成多个模拟回测路径，然后对于每一个模拟回测路径，将市场订单簿，做市策略参数以及做市商本身状态喂入自定义的交易策略中，输出做市商订单，并对每一个模拟回测路径的任意一个时间切片，依据市场最新订单簿状态，以及预设参数利用仿真数据生成模块生成下一时间切片市场新订单，最后将订单簿上的订单，最新生成的市场订单以及最新的自定义交易策略的订单经撮合引擎撮合成交，撮合后更新原有订单簿以及生成相应成交记录，实现了利用多路径数值模拟法(蒙特卡洛)实现高频量化交易策略回测验证的目的。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。
Claims (10)
1.一种高频量化交易策略回测验证方法，包括如下步骤：
步骤S1，异步生成多个模拟回测路径；
步骤S2，对于每一个模拟回测路径，将市场订单簿，做市策略参数以及做市商本身状态喂入自定义的交易策略中，输出做市商订单；
步骤S3，对于每一个模拟回测路径的任意一个时间切片，依据市场最新订单簿状态，以及预设参数利用仿真数据生成模块生成下一时间切片市场新订单；
步骤S4，将订单簿上的订单，最新生成的市场订单以及最新的自定义交易策略的订单经撮合引擎撮合成交，撮合后更新原有订单簿以及生成相应成交记录；
步骤S5，返回步骤S2进行迭代循环，以期获得收敛的结果；
步骤S6，生成该模拟回测路径性能报告。
2.如权利要求1所述的一种高频量化交易策略回测验证方法，其特征在于，于步骤S6后，还包括：
步骤S7，综合统计所有回测路径性能报告。
3.如权利要求1所述的一种高频量化交易策略回测验证方法，其特征在于，于步骤S3中，所述仿真数据生成模块仿真生成限价单的方法为：订单簿上每个价格上的限价订单的到达率(λ)在任意一个时刻服从一个指数递减的泊松过程，δ为订单价格与其订单簿最优价格的距离，距离越大，新到达的限价单数量越少。
4.如权利要求1所述的一种高频量化交易策略回测验证方法，其特征在于，于步骤S3中，所述仿真数据生成模块仿真生成撤销单的方法为：订单簿上每个价格上的撤单到达率服从一个指数递减的泊松过程。
5.如权利要求1所述的一种高频量化交易策略回测验证方法，其特征在于，于步骤S3中，所述仿真数据生成模块通过设置每一时刻的市价订单到达率参数仿真生成市价单。
6.如权利要求1所述的一种高频量化交易策略回测验证方法，其特征在于：于步骤S4中，所述模拟撮合引擎将将订单簿上的订单、最新生成的市场订单与自定义策略订单按价格以及时间排序，一旦满足交易条件即进行撮合成交。
7.一种高频量化交易策略回测验证系统，包括：
模拟回测路径生成模块，用于异步生成多个模拟回测路径；
策略订单输出模块，用于对每一个模拟回测路径，将市场订单簿，做市策略参数以及做市商本身状态喂入自定义的交易策略中，输出做市商订单；
仿真数据生成模块，用于对每一个模拟回测路径，对于任意一个时间切片，依据市场最新订单簿状态，以及预设参数生成下一时间切片市场新订单；
模拟成交撮合模块，用于将订单簿上的订单，最新生成的市场订单以及最新的自定义策略订单经模拟撮合引擎撮合成交，撮合后更新原有订单簿以及生成相应成交记录；
迭代循环控制模块，用于返回策略订单输出模块进行迭代循环，以期获得收敛的结果。
单个回测路径报告生成模块，用于生成该回测路径性能报告。
8.如权利要求7所述的一种高频量化交易策略回测验证系统，其特征在于，所述系统还包括：
报告综合模块，用于综合统计所有回测路径性能报告。
9.如权利要求7所述的一种高频量化交易策略回测验证系统，其特征在于，所述模拟撮合引擎将将订单簿上的订单、最新生成的市场订单与自定义策略订单按价格以及时间排序，一旦满足交易条件即进行撮合成交。
10.如权利要求7所述的一种高频量化交易策略回测验证系统，其特征在于：所述性能报告中的性能指标包括但不限于综合性能报告，pnl损益报告，存量报告，每日仓位报告，报价以及成交记录，报价质量报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910680883.8A CN110852879A (zh) | 2019-07-26 | 2019-07-26 | 一种高频量化交易策略回测验证方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910680883.8A CN110852879A (zh) | 2019-07-26 | 2019-07-26 | 一种高频量化交易策略回测验证方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110852879A true CN110852879A (zh) | 2020-02-28 |
Family
ID=69594801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910680883.8A Pending CN110852879A (zh) | 2019-07-26 | 2019-07-26 | 一种高频量化交易策略回测验证方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110852879A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111429236A (zh) * | 2020-04-21 | 2020-07-17 | 重庆新致金服信息技术有限公司 | 做市商成交模式的交易系统及方法 |
| CN112529652A (zh) * | 2020-12-04 | 2021-03-19 | 中信银行股份有限公司 | 一种中央订单簿的处理方法及装置 |
| CN114445227A (zh) * | 2022-02-07 | 2022-05-06 | 上海金融期货信息技术有限公司 | 一种做市商交易回测系统 |
| CN116506333A (zh) * | 2023-06-27 | 2023-07-28 | 深圳华锐分布式技术股份有限公司 | 交易系统生产反演检测方法及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106373008A (zh) * | 2016-08-18 | 2017-02-01 | 苏州超块链信息科技有限公司 | 一种数字资产按策略交易的方法及系统 |
| CN106934716A (zh) * | 2017-03-10 | 2017-07-07 | 燧石科技（武汉）有限公司 | 基于网络分布式计算的多模块自动化交易系统 |
| CN109615531A (zh) * | 2018-12-18 | 2019-04-12 | 厦门依实信息科技有限公司 | 证券市场量化投资策略的精准回测与评估系统及方法 |
| CN109767123A (zh) * | 2019-01-14 | 2019-05-17 | 北京师范大学珠海分校 | 一种量化策略集成分析管理系统及方法 |
-
2019
- 2019-07-26 CN CN201910680883.8A patent/CN110852879A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106373008A (zh) * | 2016-08-18 | 2017-02-01 | 苏州超块链信息科技有限公司 | 一种数字资产按策略交易的方法及系统 |
| CN106934716A (zh) * | 2017-03-10 | 2017-07-07 | 燧石科技（武汉）有限公司 | 基于网络分布式计算的多模块自动化交易系统 |
| CN109615531A (zh) * | 2018-12-18 | 2019-04-12 | 厦门依实信息科技有限公司 | 证券市场量化投资策略的精准回测与评估系统及方法 |
| CN109767123A (zh) * | 2019-01-14 | 2019-05-17 | 北京师范大学珠海分校 | 一种量化策略集成分析管理系统及方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111429236A (zh) * | 2020-04-21 | 2020-07-17 | 重庆新致金服信息技术有限公司 | 做市商成交模式的交易系统及方法 |
| CN111429236B (zh) * | 2020-04-21 | 2023-08-08 | 重庆新致金服信息技术有限公司 | 做市商成交模式的交易系统及方法 |
| CN112529652A (zh) * | 2020-12-04 | 2021-03-19 | 中信银行股份有限公司 | 一种中央订单簿的处理方法及装置 |
| CN112529652B (zh) * | 2020-12-04 | 2023-05-05 | 中信银行股份有限公司 | 一种中央订单簿的处理方法及装置 |
| CN114445227A (zh) * | 2022-02-07 | 2022-05-06 | 上海金融期货信息技术有限公司 | 一种做市商交易回测系统 |
| CN116506333A (zh) * | 2023-06-27 | 2023-07-28 | 深圳华锐分布式技术股份有限公司 | 交易系统生产反演检测方法及设备 |
| CN116506333B (zh) * | 2023-06-27 | 2023-09-01 | 深圳华锐分布式技术股份有限公司 | 交易系统生产反演检测方法及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110852879A (zh) | 一种高频量化交易策略回测验证方法及系统 | |
| Gould et al. | Limit order books | |
| Martinez-Jaramillo et al. | An heterogeneous, endogenous and coevolutionary GP-based financial market | |
| Day et al. | Fair payments for efficient allocations in public sector combinatorial auctions | |
| Paddrik et al. | An agent based model of the E-Mini S&P 500 applied to Flash Crash analysis | |
| US20040243502A1 (en) | Securities trading simulation | |
| CN109615531A (zh) | 证券市场量化投资策略的精准回测与评估系统及方法 | |
| JP2003044665A (ja) | 金融市場における価格変動シミュレーションプログラム | |
| Chen et al. | Multi-object auctions with package bidding: An experimental comparison of Vickrey and iBEA | |
| CN110443707A (zh) | 一种高频量化交易策略回测验证方法及系统 | |
| Mo et al. | A study of dark pool trading using an agent-based model | |
| Ladley et al. | Do stylised facts of order book markets need strategic behaviour? | |
| Asparouhova et al. | Costly information acquisition in decentralized markets: An experiment | |
| WO2019161666A1 (zh) | 一种基于技术-经济-真实参与者-计算机代理交互仿真的能源转型决策支撑方法 | |
| Mandeş | Microstructure-based order placement in a continuous double auction agent based model | |
| Gao et al. | Order scoring, bandit learning and order cancellations | |
| JP2011215908A (ja) | アルゴリズム取引システム、方法およびプログラム | |
| Kumar | Deep recurrent Q-networks for market making | |
| Veryzhenko et al. | Post Flash Crash Recovery: An Agent-based Analysis. | |
| TWI805966B (zh) | 金融交易策略驗證系統 | |
| Savidge | Exploring Frequent Batch Auctions | |
| Tseng et al. | Emergence of scale-free networks in markets | |
| Chou et al. | Deep learning in model risk neutral distribution for option pricing | |
| Gao et al. | High-frequency financial market simulation and flash crash scenarios analysis: an agent-based modelling approach | |
| Yamamoto | Dynamic predictor selection and order splitting in a limit order market |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200228 |