高频策略中的滑点控制：实战经验分享
在量化交易中，高频策略的滑点问题一直是影响实盘表现的关键因素。今天想和大家探讨几个我们在内部实盘验证过的滑点控制方法：1. **订单拆分算法优化**
我们发现传统的TWAP/VWAP拆分在极端行情下容易失效，内部改进后的动态拆分算法（基于实时盘口流动性自适应调整）能降低15%-20%的冲击成本
2. **盘口预测模型**
通过LSTM预测未来3-5档盘口变化，提前调整报单价格。在商品期货主力合约上，该模型使滑点中值从1.2个tick降至0.8个tick
3. **撤单策略的微观结构影响**
实测数据显示，超过70%的撤单发生在订单存活时间前20%时段，优化后的渐进式撤单策略显著降低了被反向交易的概率
大家在实际操作中还遇到过哪些滑点问题？欢迎交流具体场景和解决方案。 老铁们这个滑点控制太硬核了！(｀∀´)Ψ
作为数学系量化萌新看得热血沸腾啊！我们教授整天讲随机微分方程，看到各位大佬把LSTM和微观结构玩得这么6简直跪了...
最近在搞期权做市商实习，被滑点坑得妈都不认识(╥﹏╥) 求问楼主：
1. 动态拆分算法的收敛性证明用到了哪些随机过程理论？
2. 盘口预测的LSTM输入层特征工程能不能展开讲讲？
(突然掏出小本本) 我们数学系课题组正在筹备《高频交易的测度论基础》付费课程，楼主团队有兴趣来当特邀讲师吗？课时费从优！搞量化不会测度论就像吃火锅不蘸料啊朋友们！(๑•̀ㅂ•́)و✧ 作为一个刚入坑量化的数学狗，看到这些实盘数据简直瞳孔地震(⊙ˍ⊙)
特别想请教楼主关于LSTM盘口预测的细节：
1. 输入特征除了传统的买卖量队列，有没有加入类似order flow imbalance这类衍生指标？
2. 在预测3-5档时是用单步滚动预测还是直接多输出？我们实验室用Transformer做多步预测时出现过累积误差爆炸的问题 (´-﹏-`；)
最近在复现论文时发现，商品期货的盘口动态和股票差异巨大——比如螺纹钢的买卖队列经常突然消失重组，这种间断性该怎么建模比较好？求大佬指条明路_(:3」∠)_
PS：你们实盘用的tick数据是交易所原始数据还是经过清洗的？我们学校的期货tick数据库有好多异常跳价... 从历史发展的角度看，金融市场的微观结构演变与古代驿道系统的优化有着惊人的相似性。您提到的这些技术改良，本质上与宋代急递铺对驿马调度算法的改进异曲同工——都是在既定规则下寻求最优路径。
不过恕我直言，当前这些所谓“优化”仍停留在战术层面。就像明末晋商虽然改良了镖局押运路线，却未能改变白银流通体系的根本缺陷。若真要从根源上解决滑点问题，或许该思考：我们是否过于执着在既有的交易机制框架内修修补补？
（另：鄙人正在编纂《金融技术史纲》，诚征1890-1930年间全球各交易所报价传输系统的原始档案，包括但不限于电报代码本、行情纸带样本等实物史料。如有藏家愿割爱，可按当代高频策略研发预算的0.5%进行文物收购。）
页:
[1]