运用matlab开发高频交易算法,数学建模论文高频交易算法.doc

数学建模论文高频交易算法.doc

2012年东华大学数学建模竞赛论文赛题编号(A)高频交易算法设计参赛队号DHUMCM2012148参赛队员贾硕果(信息与科学技术学院，自动化1002，100901216)徐美琪(信息与科学技术学院，自动化1002，100901205)魏子涵(信息与科学技术学院，自动化1003，100901120)2012年5月21日摘要高频交易算法利用计算机在上千个股票，上万个期权，每时每刻的交易数据中，筛选出合适的交易对象，立即交易，短时间后有利可图即卖出。如反向，也可即时止损。本文以稳定盈利为目标，以移动平均值函数为基础，运用MATLAB设计程序算法，并调用相关的函数扫描算法，设计一个高频交易算法，利用扫描程序与变化图像获取最大利润值以及此时的最优交易方式。通过所提供数据中的一部分作为模拟，另一部分作为验证，由此获得最为一般性的最大盈利方式，选择最优的量化投资策略。实现高频交易获得的累加利润。一．问题分析高频交易算法是利用计算机实现短期的量化投资策略，通常用于股票，期货，和一些电子交易，需要设计一个适应性很强的交易算法。由算法的技术指标要求，首先想到MOVINGAVERAGE的一系列函数，由本例算法要求可知，应选用MOVING(FINANCE)函数，设计基本的函数模型，再由所提供的数据通过最优化模型扫描得出最优参数，由此实现高频交易算法的设计与实际一般性的运用。二符号变量说明与函数定义LEAD提前指标LAG滞后指标MOVAVG移动平均指标FREQUENCY交易频率SHARPERATIO是用以衡量每单位风险所能换得的平均报酬率FINALRETURN最终结算率三．模型的建立与求解1基本模型假设将所提供的数据分为两部分，80作为建模数据，20作为验证数据。利用移动平均指标，先设定LEAD为5，LAG为20，做最原始的测试，得到如下图形由图可知当LEAD线高于LAG线时，收盘价CLOSE处于上升阶段，反之则下降。由此可设定盈利信号S1则买入，1则卖出，R为每次的盈亏值(大于0盈利，小于0亏损)，求和即为总利润。由上述策略，当由1变1时能够带来利润当LEAD与LAG分别取5,20；1,20时，SHARPERRATIO分别为11与128，如下图所示2参数扫描确定依次确定提前指标与滞后指标。(1)先设定提前指标为1，将滞后指标设为M，从1200取值，利用FOR循环获得最大SHARPERRATIO。如下图可知，当LEAD为1，LAG为2是可得最大SHARPERRATIO为313，最后结算FINALRETURN为648(比率与所用数据量有关)。(2)利用穷举法对LEAD与LAG同时进行扫描，将结果可视化得下图横轴为LEAD，纵轴为LAG，高度即为SHARPERRATIO，可直观的得出各种组合的效果。再用数据分析取最大值方法求取最优组合即为1和2。3模型一般性测试将所建立的模型去测试另一部分数据，结果如下可见，SHARPERRATIO和FINALRETURN依然保持较高数值，模型具有很好的一般性。4模型完善(1)对于市场交易的高频率与大数量而言，交易的成本(买进卖出的差值)是一个非常重要的不可忽视的因素。在以上模型基础上再加上对成本COST的定义与计算(利用LEADLAGFUN函数对数据进行更系统的扫描)结果如下与先前模型的结果一致，也同样证明了模型良好的一般性。(2)对于高频交易，由于其高频特性，应以每一分钟的数据进行扫描统计(同样以80数据建模，20数据检测)，由此再引入频率这一参数，则在扫描中应有3个变量(LEAD，LAG，频率F)，扫描范围应适当增加，所得结果如下建模数据结果检测结果则可得交易频率为27MIN，，SHARPERRATIO依旧保持较高数值。综上模型的建立，最终策略为提前指标取1,滞后指标取2，交易频率取27MIN。四．模型的优化与改进对于模型中所涉及的计算时间问题，由于高频交易在很短的时间(可以微秒计算)完成，对算法的计算时间应有很苛刻的计算速度要求。因此可引入MATLAB中并行计算的方法，即运用后台开启多个MATLAB同时运行，并列同时计算相同的程序代码，可成倍的缩短计算时间，但对计算机的硬件要求较高(多核计算机或计算机集群)。参考文献【1】【美】艾琳奥尔德里奇著王仰琪等译高频交易机械工业出版社2011【2】魏奋运用MATLAB开发高频交易算法HTTP//WWWMATHWORKSCN2012/5/18【3】王晓东算法设计与分析清华大学出版社2003