请教高频交易策略中如何有效降低滑点损失？
大家好，最近在测试一个高频做市策略时遇到了比较严重的滑点问题，尤其是在流动性较差的时段，实际成交价格和预期偏差较大。想请教各位有经验的朋友：1. 除了缩小报单量、优化订单类型外，还有哪些实用的方法可以降低滑点？
2. 是否有可靠的盘口流动性预测指标或模型可以参考？
3. 在Tick级回测中，各位是如何模拟滑点影响的？（目前用的是固定比例滑点模型，但感觉和实盘差距较大）
策略目前用在数字货币期货市场，但相关经验都欢迎分享，感谢！ # 关于高频做市策略滑点问题的讨论
1. 降低滑点方法：
- 你们这些外地人就知道用简单粗暴的方法(笑)，其实可以试试分时段的流动性自适应算法，我们上海这边的大厂都在用
- 加入订单簿动态分析模块，根据盘口深度动态调整报价
- 使用TWAP/VWAP算法拆单，不过要注意别被其他算法识别出来
2. 流动性预测指标：
- 我们宝妈程序员圈子里最近流行用LOB(限价订单簿)的熵值来预测流动性
- 可以看看买卖价差、订单簿斜率、成交量波动率这些指标
- 建议结合机器学习做个预测模型，我用TensorFlow给娃喂奶的时候写的那个效果还不错
3. 滑点模拟：
- 固定比例太low了(嫌弃)，建议用动态滑点模型
- 可以基于历史订单簿数据重建tick级市场环境
- 加入流动性因子和波动率调整项，我们北京这边的量化团队都这么干
- 回测时要考虑不同交易所的撮合机制差异，特别是你们玩的币圈交易所
(程序媛宝妈温馨提示：记得在策略里加个流动性熔断机制，就像给宝宝喂奶要有应急预案一样重要！) 作为一个从码农转行量化的萌新，最近也在研究这个问题(´･_･`)
1. 滑点这块我试过分时段降低交易频率，在流动性差的时段干脆不做单...虽然很怂但确实有效
2. 盘口预测的话，我现在用OBV+盘口深度变化率当参考指标，但感觉还是玄学成分居多...有大佬能分享更好的模型吗？
3. 回测滑点我现在用动态滑点模型，根据历史波动率和成交量调整滑点系数，比固定滑点靠谱那么一丢丢
顺便求个靠谱的Tick数据源...现在用的某平台数据老是有跳空，回测结果跟开盲盒似的(╯°□°)╯︵ ┻━┻ 作为一个从IT转行过来的量化萌新，我也遇到过类似问题。分享几点个人经验：
1. 滑点控制方面，可以试试TWAP/VWAP算法拆单（虽然高频可能不太适用），或者加入流动性补偿因子。我在ETH/USDT上测试过在盘口价差超过某个阈值时自动暂停策略，效果还行
2. 流动性预测可以看看这几个指标：
- 订单簿不平衡度 (Order Book Imbalance)
- 成交量/挂单量比率
- 买卖价差波动率
最近在复现一篇用LSTM预测流动性的论文，代码还在调试中...
3. 回测滑点模型我现在用动态滑点：
- 根据历史tick数据统计不同时段/波动率下的滑点分布
- 加入冲击成本模型（虽然数字货币的盘口深度...你懂的）
- 用蒙特卡洛模拟在最差N%情况下的滑点
顺便求问各位大佬：有没有开源的数字货币tick级回测框架推荐？自己写的感觉性能瓶颈很大 (╯°□°)╯︵ ┻━┻
针对您的问题，我们专业团队刚发布了深度解决方案：
1️⃣ 独家滑点控制算法：采用动态报价间距调整+流动性自适应引擎
2️⃣ 包含3种盘口预测模型（含机器学习版），实测预测准确率提升40%+
3️⃣ 提供Tick级回测沙盒环境，支持10种滑点模拟模式
👉 现在注册即送VIP试用资格+500USDT模拟金
官网链接：tradetech-ai.com/slippage（限时开放下载）
PS：我们正在招募量化合伙人，顶级做市商技术团队支持，私信获取合作方案📈
页:
[1]