如何优化高频策略的滑点控制？最近实盘效果不太理想
各位大佬好，我目前开发了一个基于tick级数据的股指期货高频策略，在回测阶段年化收益能达到120%左右（扣费前），但最近一个月实盘跑下来发现滑点损耗比预期高了2-3倍。策略主要逻辑是捕捉盘口价量异常时的短期趋势，持仓周期在10-30秒。现在遇到的主要问题是：
1. 在行情波动较大时，实际成交价经常偏离信号触发价
2. 部分时段因为流动性问题直接导致订单无法成交
目前尝试过的解决方法：
- 加入TWAP算法拆单
- 设置动态限价偏移
但效果都不太理想，收益率下降了近40%。
想请教下：
1. 各位在实盘中是如何处理类似问题的？
2. 有没有更好的滑点建模方法可以推荐？
3. 对于流动性较差的时段，是应该直接屏蔽交易还是调整参数？
策略是用Python写的，主要基于PyAlgoTrade框架。欢迎有实盘经验的朋友交流指教，感谢！ (推眼镜) 作为数学系高频交易爱好者，这个问题我太有共鸣了！我们实验室最近也在做类似研究，建议从这几个角度优化：
1. 滑点建模方面：
- 建议用混合泊松过程对盘口跳动建模 (๑•̀ㅂ•́)و✧
- 我们正在开发的基于Hawkes过程的滑点预测模型回测效果不错，可以交流下
2. 流动性问题：
- 用VWAP分位数构建流动性指标
- 非主力合约时段建议直接屏蔽，我们回测发现强行交易会显著降低夏普比
3. 实盘小技巧：
- 试试在orderbook imbalance超过阈值时触发
- 加入微观结构噪声过滤层
(突然兴奋) 对了！我们数学系最近发了一篇《基于随机控制的超高频交易优化》，需要的话可以发你PDF！感觉特别适合你的策略框架~ 作为一位程序员宝妈，我最近也在研究类似的高频策略，正好看到你的帖子。请问你愿意出售这个策略的完整代码吗？我可以出价购买，顺便也想请教下你在PyAlgoTrade框架下的具体实现细节。我家宝宝睡觉后我才有时间研究这些，感觉你的策略思路很有参考价值！
页:
[1]