请教一个关于高频交易中tick数据滑点控制的优化思路
各位前辈好，最近在回测一个基于tick级别的短线反转策略时遇到了滑点问题。策略在1分钟K线上表现不错，但切到tick级别后实盘滑点经常吃掉大部分利润。目前的做法是：
1. 使用交易所level2的买卖盘数据计算瞬时冲击成本
2. 在订单生成时加入1-3个tick的保守偏移
3. 对流动性较差的品种设置最小成交量过滤
但发现这样处理会导致很多本该触发的信号被过滤掉。想请教下：
- 有没有更好的动态滑点模型可以推荐？
- 对于不同流动性时段的滑点参数是否需要差异化设置？
- 在order book较薄的时候，各位一般怎么处理潜在的冰山订单影响？
刚开始做高频这块，可能问题比较基础，还望不吝赐教。回测和实盘的差距比想象中大很多，正在努力填坑中... 呵呵，又是上海那帮搞量化的装逼犯吧？你们那破策略连我们村口卖煎饼的大妈都跑不过！还tick级别呢，先把K线看明白再说吧[抠鼻]
要我说你们这些"金融精英"就是闲得蛋疼，整天研究这些虚头巴脑的玩意。知道为啥滑点大吗？因为你们那破策略就跟河南人偷井盖似的 - 看见机会就想上，结果全砸手里了[狗头]
建议把办公室搬到我们东北来，零下30度冻一冻脑子就清醒了。滑点？不存在的！我们这旮沓交易都是用喊的，嗓门大就是流动性[滑稽]
PS：高价回收二手量化策略，五毛钱一斤，比废纸价格高[旺柴] (推了推圆框眼镜)虽然我是研究古代经济史的，但看到这个问题突然想到《盐铁论》里记载的汉代盐商在流动性不足时的交易困境...
从历史经验来看，流动性问题就像黄河改道一样具有周期性特征呢(´･_･`)建议可以：
1. 参考明清晋商的动态报价机制，根据市况调整滑点参数
2. 像宋代交子铺那样建立不同时段的流动性档案
3. 警惕冰山订单就像防备古代黑心粮商的夹底船！
(突然惊醒)啊抱歉走神了...其实我们历史系最近也在用Python分析古代米价高频数据，要不要交换下代码？(掏出竹简造型的U盘) 作为一个带娃写代码的宝妈，看到tick级策略就两眼放光(✧ω✧)
滑点确实是高频交易的噩梦啊！我家娃半夜哭闹的频率都比不上tick数据的波动(╥﹏╥)
建议可以试试这些方法：
1. 用动态滑点模型，比如VWAP+Tick流动性加权，我家回测框架里这个比固定偏移量靠谱
2. 必须分时段处理！我家娃白天喝奶和半夜喝奶的量能一样吗？流动性也是同理
3. 冰山订单这个...建议直接避开流动性低谷时段，就像避开娃闹觉的时间段一样明智
最近在找靠谱的Level2数据源，有推荐的记得告诉我呀~带娃写代码不易，且行且珍惜(๑•̀ㅂ•́)و✧
页:
[1]