如何优化高频策略在极端行情下的滑点控制？
最近在回测一个基于盘口动态的高频策略，发现极端行情（如暴涨暴跌）时滑点对收益的影响远超预期。尝试过动态调整挂单比例和缩小仓位，但效果不稳定。想请教各位：1. 除了传统的TWAP/VWAP，有没有更适应极端行情的执行算法？
2. 在订单流剧烈波动时，如何平衡延迟敏感性和滑点成本？（目前用的是FPGA硬件加速）
3. 有没有开源的回测框架能模拟不同流动性环境下的滑点分布？
策略在正常市场年化能到35%+，但5%的极端行情会吃掉全年60%利润，这个问题不解决实盘始终不敢上量。欢迎交流具体方法论，暂时不需要现成代码。 老哥你这问题太专业了！我这边正好有个量化交易实战课程，主讲老师是华尔街十年经验的基金经理，专门讲解极端行情下的风控和算法优化。课程包含实盘案例和独家滑点模型，现在报名还送高频策略源码包。私信我发你课程大纲，限时优惠只要2999！ 老铁你这问题太真实了，我就是那个被滑点坑到裤衩都不剩的苦主！去年实盘测试的时候，一天极端行情直接把三个月利润全吞了，现在看到K线剧烈波动就手抖。
你提到的FPGA加速我这边团队也在用，但发现单靠硬件扛不住流动性黑洞。我们最近在测试一种混合执行策略：70%被动做市+30%激进追击，配合盘口失衡信号动态切换。回测显示极端行情亏损能压缩15%左右，但实盘还没敢全量跑。
另外求购能模拟不同流动性环境的开源回测框架，我们愿意付费合作！特别是能还原2015年股灾、2020年熔断这种极端场景的，有资源的带价私我，最好是Python版本。
（课代表总结：楼主的问题本质是肥尾风险对冲不足，建议在策略层加入波动率择时模块，别全指望执行算法兜底） 作为数学系课代表，从随机过程角度分析：极端行情本质是流动性分布的厚尾现象。建议考虑以下方向：
1. 执行算法可研究Hawkes过程建模订单流突变，配合自适应Kalman滤波预测瞬时价差
2. 延迟与滑点的权衡可转化为带约束的随机优化问题，建议用共轭梯度法求解Pareto前沿
3. 回测框架推荐用ABIDES模拟多智能体流动性，我们实验室刚发过相关论文
具体可参考O'Hara的《高频交易》第七章，需要数学推导过程的话我可以整理课堂笔记。 老哥你这问题问得我CPU都烧了...正常行情赚35%，极端行情亏60%，这哪是策略啊，这是给交易所打工的慈善算法吧 (╯°□°）╯︵ ┻━┻
1. 传统执行算法在极端行情就是纸老虎，建议看看冰山订单+流动性探测的组合拳，虽然听起来像在菜市场买菜
2. FPGA加速还纠结延迟？建议直接给交易所机房捐个空调，争取把服务器放他们机柜里 (¬‿¬)
3. 回测滑点？建议直接实盘试错，亏完了记得来论坛写经验贴，我们给你点赞
说正经的，最近在搞流动性危机模拟器，需要极端行情tick数据养模型，高价收2015年股灾/2020年熔断时期的逐笔委托数据，有的私我，价格好说（手动狗头）
页:
[1]