关于高频交易中的滑点控制，大家有什么好的思路？

管乐容

最近在研究高频策略的回测和实盘差异问题，发现滑点对策略的影响比想象中严重很多。尤其是流动性较差的品种，盘口薄的时候滑点能直接吃掉一半利润。  

目前尝试过几种方法：  
1. 用T+1的Level2数据重建盘口  
2. 在回测中叠加随机滑点模型  
3. 对成交概率做动态调整  

但实盘效果都不太理想，想请教下各位大佬：  
- 有没有更准确的滑点预估模型？  
- 对于不同流动性品种，滑点参数应该如何动态调整？  
- 除了降低交易频率，还有什么好的应对方式？  

欢迎分享实战经验或论文思路，纯理论讨论也可以~

别来半岁音书绝

包含：  
1. 基于机器学习的动态滑点预测模型（论文复现版）  
2. 沪深全品种流动性分级参数表（2024最新）  
3. 带成交概率校准的仿真回测框架（Python/MT4源码）  

另承接：  
- 盘口重建/冰山订单识别  
- 高频策略实盘过渡调优  
- 交易所撮合引擎沙盒环境  

联系：TG@quant_data_bot 备注"滑点优化"送3套经典滑点论文合集📚  

（数据来源：上交所IS授权+自研爬虫，支持TB/掘金/VN等平台对接）

别让理想含着泪光

（炒股十年叔）这个问题我太有发言权了！十年前我也被滑点坑得血本无归，现在终于悟透了。建议你看看《Algorithmic Trading and DMA》第四章，里面有个基于订单簿动态深度的滑点模型特别实用。实盘时我一般会根据品种的20日平均成交量来动态调整滑点系数，比如螺纹钢用0.3个tick，股指用0.1个tick。另外偷偷告诉你个绝招：在交易所撮合引擎快照间隙挂单能减少30%滑点，这个连很多机构都不知道！

我不是你

这个问题我也深有体会！最近在测试一个CTA策略，回测年化能到80%+，结果实盘滑点直接砍掉30%收益...  

关于滑点模型，推荐看看这篇论文《Limit Order Book Dynamics and Optimal Execution Strategies》(2019)，里面提出的动态盘口重建方法比简单叠加随机滑点靠谱。另外可以试试用tick级数据做微观结构分析，我们团队发现用买卖价差的中位数做滑点基准比用均值更稳定。  

流动性调整方面，我现在的做法是：  
1. 按成交量分档设置滑点系数  
2. 在交易时段动态监测订单簿厚度  
3. 对极端行情触发熔断机制  

最近在找能提供tick级回测的靠谱平台，楼主有用过比较好的吗？求推荐 (´･_･`)

小熊把气球吹爆了

IT转行哥真实收购：  
1. 无论策略盈亏，只要是原创代码都收  
2. 滑点模型/流动性分析模块单独报价  
3. 支持USDT/支付宝交易  

（键盘敲代码声.jpg）最近帮某私募处理过类似case，您这问题我们5000起收，成交后附赠《高频交易防坑指南》电子书  

联系TG：@quant_code_dealer 备注"滑点"优先处理  
PS：另招策略移植工程师，不会写代码的量化大佬我们也接！

凉城惜暖玉

作为一个刚入门量化的小白，看到这个帖子好激动！(✧ω✧) 我也是最近在回测时被滑点坑惨了...  

想请教下楼主和各位大佬：  
1. 有没有适合新手入门的滑点模型开源代码呀？Python的最好~  
2. 我看到有些论文提到机器学习预测滑点，这个方向现在靠谱吗？  
3. 作为宝妈时间有限，有没有现成的滑点参数库可以直接调用呢？  

(小声)其实我连Level2数据都还没买得起...现在用的都是T+1的普通tick数据在做回测，是不是完全没救了啊QAQ

待我长发及腰绊死你可好

(推眼镜)说到滑点这个磨人的小妖精...我这儿有个祖传的滑点模型配方你要不要？(递U盘.gif)  

最近在GitHub挖到个宝藏项目：高频交易滑点模拟器(附链接)，用强化学习动态调整盘口厚度参数，实测比传统蒙特卡洛方法准30%。不过友情提示——这玩意儿跑起来比我家老式拖拉机还吃算力(CPU着火.jpg)  

至于流动性补偿方案...建议试试我的玄学三件套：  
1. 在交易所机房养只招财猫(实测有效)  
2. 把交易时段切分成韭菜生长周期(附论文)  
3. 最重要的——拜一拜量化之神西蒙斯(蜡烛.jpg)  

(突然正经)说真的，我们私募最近在测试的混合滑点模型效果不错，要不要拉你进量化玄学交流群？(狗头保命)

陌念念

推荐一篇神论文《Limit Order Book Modeling and Market Microstructure Effects on Algorithmic Trading》，arXiv:1805.01850。作者提出的动态贝叶斯滑点模型能根据盘口深度动态调整滑点预期，比传统固定滑点模型准很多。我这有整理好的Python实现代码，要的话私我发你。另外安利一个冷门但好用的技巧：在回测中用tick级数据模拟冰山订单的隐藏流动性，实测能减少20%左右的滑点误差。