金融高频交易策略研究述读

张丹丹

【摘 要】 本文通过对S. LAHMIRI关于高频交易价格预测文章的精读，阐述了其严谨的分析方法，并通过结合之前对相关文章的总结与对比，综述了高频交易策略研究这一热点话题的方向及目前可供采用的科学的分析方法，以期为相关研究提供可供参考的意见。

【关键词】 高频交易 小波降噪 金融预测

（一）研究背景

随着中国的改革开放及现代化发展，金融领域的衍生产品诸如股票、保险、期货、基金等越来越成为人们热衷的投资手段。金融市场的波动状况反映着一国经济运行的平稳性以及可以预见的问题，对投资者、企业的管理者以及国家的政策制定者都有着不可忽视的作用。

我国金融市场相对來说起步较晚，但是经过几十年的实践发展，取得了不错的经济效果和社会效益。然而市场的不断波动引起了社会各界的广泛关注，同时也表明我国金融市场的发展仍不成熟，很脆弱，缺少相应的市场监管以及行之有效的补救措施。另一方面，说明我国在金融方面的制度不到位，政府监管缺乏，所以造成了违法成本低，给了不法分子的可乘之机，对市场的波动造成了严重的后果。

随着社会各界对于金融市场的关注逐渐增强以及人们投资观念的转变，因此对金融衍生品也就投注了更多的目光。学者们尝试使用不同的方法，从不同的角度对这一热点问题展开讨论。

（二）文章述读

国内近几年内对于此方面的文章研究逐渐增多，本文选取了有代表性的两篇。陈艳等（2015）立足于我国金融衍生品市场的现状提出了基于LASSO变量选择方法和遗传网络规划的期货高频交易策略。该策略首先使用LASSO从众多技术指标中，选出极少数最有效的指标作为判断函数，然后通过一种进化算法遗传网络规划来搜索合适的买点和买点，从而构建交易策略，并以黄金、铝和橡胶期货的5分钟高频交易数据为例进行回测检验。于航（2015）选取股指期货中的主力合约作为研究对象。保证较高的预测正确率，对股指期货价格变化趋势进行分类识别预测，使用在分类识别领域表现突出的支持向量机模型进行预测。文中首先利用中间价动量变化情况对训练集进行分类，并采用聚类欠抽样等方法均衡训练集；然后经过特征指标选取和参数寻优，对主力合约中的价格变化趋势进行预测；最终建立了单个多分类支持向量机模型，二分类支持向量机和多分类支持向量机组合模型以及动态支持向量机模型。应用三个模型的预测结果，结合相应的交易策略，进行回测分析检验。

由于发展环境的差异，国外在此方面的研究则更加先进。本文重点推荐文章的题目《通过同时使用低频和高频小波系数实现提高标准普尔500指数日内价格预测的精度》（S. LAHMIRI，2014）。

有效的股票价格预测对于资产管理很有价值。而投资者作出的错误决定可能造成巨大损失。经济、政治和社会等因素可能会导致股票价格高度非线性和混乱的趋势。因此，重要的是要抓住股价波动的根本机制。事实上，国际上对金融动态数据的分析与研究近几年受到很大的关注。特别是近年来股票价格预测研究人员强调了离散小波变换（DWT）的分解方法，以捕捉股价的内在趋势。DWT是将给定信号（数据或时间序列）分解为高频和低频分量的信号处理技术。在较短的时间间隔内，小波高频分量能够捕获原始数据中的不连续性，破裂和奇点。在更长的时间间隔内，小波低频分量表征粗略的数据结构，以识别长期趋势。以前的研究仅使用小波低频分量来预测股价趋势。在这个意义上，近似分量被尝试用作去噪后的数据。然而，使用近似系数仅用于捕获数据的主要趋势。为了更好地模拟金融时间序列，在基于最小化预测误差的预测股票价格上，软件计算技术应用日益受到关注，以下对推荐文章做简要概述。

在金融数据的分解和预测上，大量的研究者已经成功地应用了小波分析方法。特别地，使用离散小波变换（DWT）分析股票价格时间序列，遵循固定的子波编码方式，为低频数据提供低时间分辨率并且为高频数据提供高时间分辨率。在以往文献使用的标准方法中，只有低频要素被视为预测股价的主要因素。然而，这种方法缺乏关于原始数据生成过程的细节。在本文中，作者依靠离散小波变换（DWT）高频子波来提取短间隔隐藏信息，以便使用经过反向传播算法训练的人工神经网络，提前一分钟对未来标准普尔500指数（标准普尔500指数英文简写为S&P; 500 Index，是记录美国500家上市公司的一个股票指数）进行更好的分类。模拟结果表明，同时使用低频系数（近似）和高频系数（细节）的方法提供的分类率比标准方法得到的分类率更优。另外，模拟结果还表明，低频要素适用于检测未来标准普尔500指数的下降趋势，而这篇文章的方法适合预测未来指数的上升趋势。因此，标准方法能为风险厌恶型的投资者交易标准普尔500指数提供有价值的信息，而上述方法结合了高低频率系数，对于在标准普尔500指数买卖时寻求短期利润的风险爱好者有很好的指导作用。

（三）小结及展望

本文的作者从金融高频交易这一热点问题入手，创新地使用低频和高频小波系数结合的研究方法进行股票指数价格预测，具有一定的理论意义与现实指导意义。由于我国经济发展的需要，高频数据在近几年才逐渐被分析利用，因此国内研究者也逐渐转向研究高频数据，但与国外相比研究还不成熟，根据参考的文献，应用的分析方法除了人工神经网络法、小波分析法外，还有基于遗传网络规划、SVM（支持向量机模型）的高频交易策略研究，或者将好几种算法或者分析方法结合起来使用混合模型进行预测，目的是提高预测精度。因此，要深入金融预测方面的研究，除了相关金融背景知识外，还需掌握相关的算法或统计分析方法（包括指标选取、数据去噪及模型优化等方面），以达到减小预测误差、提高预测精度的目的。

由于知识有限，且接触金融高频交易这一领域时间不太长，以上仅是本人对于已读文献的一点浅谈，金融高频交易是一个新兴的、很有挑战性的研究领域，值得深入研究，结合中国实际探索出真正符合中国国情的分析方法也更具现实意义。

【参考文献】

[1] S. LAHMIRI.Improving Forecasting Accuracy Of The S&P500; Intra-day Price Direction Using Both Wavelet Low And High Frequency Coefficients[J].Fluctuation and Noise Letters，2014.

[2] 陈艳，王宣承.基于变量选择和遗传网络规划的期货高频交易策略研究[J].中国管理科学，2015，23（10）：47-56.