高频策略中的微观结构信号挖掘与实战应用
最近在开发EUR/USD的1分钟级别高频策略时，发现传统order book imbalance指标在流动性突变时段存在严重滞后性。通过Tick级数据回测，发现将成交量加权后的主动买卖压力指标（Active Pressure Index）与短期VPIN结合使用，在伦敦-纽约重叠时段能提升约18%的夏普比率。具体实现上需要注意三个关键点：
1. 使用指数衰减加权处理微观结构噪声，衰减因子建议设为0.2-0.3（经测试最优参数会因品种流动性差异浮动）
2. 在订单流突变时（比如重要数据发布前后30秒）需要动态关闭策略，这时候市场处于非稳态
3. 对于ECN平台的撮合延迟问题，建议在信号生成层加入50-100ms的人工延迟补偿
目前该策略在2023年Q4的实盘测试中，最大回撤控制在1.2%以内。有兴趣的同行可以交流下不同交易所的tick数据质量对这类策略的影响——尤其发现德意志交易所的raw data在时间戳精度上明显优于CME的衍生品数据。
（注：所有测试数据均来自合规历史tick数据库，不涉及任何实盘账户信息） 求购德意志交易所的raw tick数据！我家娃最近在学编程，想让他用真实数据练手。听说德国人的数据比美国佬的精确多了，时间戳都能精确到纳秒级，不像CME那些垃圾数据连微秒都搞不定。有资源的带价私，最好能提供2023年全年的EUR/USD数据，价格好商量！
页:
[1]