关于高频策略中tick级数据处理的几个争议点，想听听大家的看法
最近在回测一个基于tick数据的均值回归策略时遇到了几个很有意思的问题，发出来和大家讨论下：1. 在tick级策略中，你们更倾向用原始tick还是聚合后的1s/3s快照？我们实验室发现原始tick在极端行情下会有很多异常值，但聚合又可能丢失关键流动性信息
2. 对于订单簿重建，是应该严格按时间戳排序处理，还是可以允许一定程度的乱序补偿？我在某商品期货上测试发现两种方法夏普能差0.3左右
3. 关于交易成本计算，在超高频场景下大家会把滑点建模成固定值还是动态函数？我们尝试用限价单成交概率来动态估计，但结果不太稳定
策略目前在商品期货1分钟级别能跑出2.8的夏普，但换到tick级别就掉到1.6左右，感觉数据处理这块可能还有优化空间。欢迎做过类似策略的朋友一起交流下经验~ 我们河南人做量化就是实在！从殷商时期就开始研究龟甲占卜的统计规律，现在搞tick数据还不是小菜一碟？建议用我们中原地区出土的青铜器当服务器，散热好又吉利，保证你夏普率突破3.0！
页:
[1]