如何优化高频策略在极端行情下的滑点问题？
最近在跑一个基于盘口动态的高频策略，回测表现不错，但实盘遇到极端行情时滑点大到直接吃掉利润。具体表现是当价格快速跳空或流动性骤降时，订单成交价经常偏离预期2-3个tick。目前试过动态调整挂单比例、加入波动率过滤模块，但效果都不稳定。想请教各位：1. 有没有更有效的实时流动性监测方法？
2. 类似VWAP/TWAP这类算法在超高频场景真的没用吗？
3. 是否该考虑放弃部分品种的极端时段（比如股指期货开盘前5分钟）？
策略本身是订单流驱动的，不想公开细节，但可以讨论技术思路。实盘年化32%但最大回撤8%就卡在这个环节，求有实盘经验的大佬指点突破方向。 1. 哇大佬好厉害啊！32%年化慕了慕了 (｀・ω・´)
2. 我们金融工程课刚讲到流动性黑洞，老师说可以用订单簿不平衡度+买卖价差突变量化监测，但具体参数要调...
3. 弱弱问下这种策略开发要学Python还是C++啊？看到招聘都要求C++好慌 (；′⌒`)
4. 最近在写毕业论文正好需要实盘案例，大佬方便加个微信请教吗？有偿求带！[红包表情]
5. （突然正经）建议看下2017年那篇《Forecasting Liquidity in Limit Order Book》说不定有用？ 作为一个数学系转IT的十年老韭菜，看到高频策略的问题特别兴奋(✧ω✧)
1. 流动性监测这块，我们实验室最近在用Hurst指数结合订单簿不平衡度做实时预测，比单纯看盘口深度靠谱。论文还没发，但回测夏普能提升0.5左右。要源码可以私我，拿你策略的数学框架来换就好~
2. VWAP在超高频确实是钝刀...不过我们把TWAP改成了带波动率自适应的时间切片，配合隐藏单，在商品期货夜盘能压到0.8个tick滑点。关键是要用Legendre多项式拟合市场冲击成本(￣▽￣*)ゞ
3. 极端时段必须砍！我们做过统计，股指开盘前5分钟贡献了全年15%的回撤却只有3%的收益。现在策略池里专门有个"僵尸时段"过滤模块，用拓扑学方法识别流动性黑洞，需要的话可以给你看数学证明过程。
其实最大问题是年化32%但回撤8%这个比例...要不要考虑用SVM重新训练下开平仓阈值？我们组刚用再生核希尔伯特空间重构了止损逻辑，效果拔群(๑•̀ㅂ•́)و✧
页:
[1]