hf

作者：杨几安

因子投资和时序模型的坑还没填完，这里又要开一个高频交易的新坑ORZ

这个系列的目的，正如文章名字所指明的，是一个高频交易的入门系列，从0开始介绍高频交易的名词、思路，最后在系列结尾的时候会分享几个我曾经用来赚钱的策略。

再次引用一下在因子投资那一期中的内容：

经济学家斯蒂芬·罗斯（Stephen Ross）于1976年提出的资产定价模型。它通过多因子模型解释资产收益，强调市场中不存在套利机会时，资产的预期收益可由多个系统性风险因子线性决定​。

当市场中不存在套利机会的时候，因子投资收益稳定。当市场存在套利机会的时候，就是高频交易出手的时候了。

OrderBook

OrderBook，中文一般翻译为订单簿。然后根据这个行为是否成功发生，又可以分为quotes（报价）和Trades（交易）。

Quotes指的是市场上买卖双方提供的关于特定金融工具（如股票、期货、外汇等）的价格信息。这些信息通常包括最佳买价（Bid）、最佳卖价（Ask）、买卖双方的订单量等。

Trades记录了实际发生的交易，包括交易的价格、数量、时间戳等信息。

如果只是收集一只股票的orderbook，这个数据属于时序。如果同时收集了那一时刻所有股票的orderbook，则在使用上则归类为截面数据。

这两类数据是高频交易里最重要的数据，各位大神们通过这两种数据计算市场深度、市场情绪、评估交易成本等等。

大家所熟知的“卷”也是在OrderBook的处理过程，你比竞争对手早一点接收和处理完数据，就早一步下单。差1ms，就是赢钱和亏钱的区别。

所以有人就会去租与交易所在同一物理机房的机器做高频交易，以最大化降低时延的影响。

曾经我就有一个套利策略，本来稳定运行的很好，结果这个套利机会被别人也发现了，两个人就开始卷起来了。后来人越来越多，我的策略逐渐从盈利走向亏损，最后成交速度永远比不过别人，就只能怨自己菜，转而研究别的方向了。

一般来说，只有limit order（限价单）才会体现到Quotes上，因为如果做市价单一般会直接吃掉，进而体现在Trades，当然，如果极端情况下市场流动性不足，则market order也只能体现在quotes上。

更一般的，我们以maker 和 taker 来区分。

为市场注入流动性的，一般是maker。从市场中拿走流动性的，称之为taker。

作为一个交易所，当然希望更多的人来提供流动性，因此从交易费率上来说，maker的费率是远低于taker的。

甚至很多高频做市商的交易费率是负的。

接下来结合某所的 websocket stream 数据结构为例来介绍。

Trades

{
  "e": "trade",       // Event type
  "E": 1672515782136, // Event time
  "s": "BNBBTC",      // Symbol
  "t": 12345,         // Trade ID
  "p": "0.001",       // Price
  "q": "100",         // Quantity
  "T": 1672515782136, // Trade time
  "m": true,          // Is the buyer the market maker?
  "M": true           // Ignore
}

“e”: “trade”：表示事件类型为“交易”（trade）。 “E”: 1672515782136：表示事件的时间戳，通常是自Unix纪元（1970年1月1日）以来的毫秒数。 “s”: “BBTC”：表示交易的金融产品符号，这里是比特币（Bitcoin）。 “t”: 12345：表示交易的唯一标识符（ID）。 “p”: “0.001”：表示交易的价格，这里是0.001比特币。 “q”: “100”：表示交易的数量，这里是100单位的比特币。 “T”: 1672515782136：表示交易发生的具体时间戳。 “m”: true：表示是否是做市商（market maker）。如果是true，意味着这笔交易是做市商提供的流动性，如果是false，则表示是接受方（taker）。

这个就表示有一位maker的交易在1970年1月1日以0.001的价格成交了100btc。

然后按照你订阅的数据流的时效性，一般是5/10/20ms ， 你都会收到如上的报文。编写你的交易策略对报文处理后做决策。

Quotes

很明显，trades一般就是拿大喇叭告诉你一声xxx成交了（莫名想起来缅北诈骗里的一个习俗，如果骗到人了就放50响礼炮，表示到手50万）

trades 就是干这个事情的。

一般做高频的会更加的关注quotes，因为它才包含了更多的市场信息。通常一个quotes会包含如下信息：

{
  "lastUpdateId": 160,  // Last update ID
  "bids": [             // Bids to be updated
    [
      "0.0024",         // Price level to be updated
      "10"              // Quantity
    ]
  ],
  "asks": [             // Asks to be updated
    [
      "0.0026",         // Price level to be updated
      "100"             // Quantity
    ]
  ]
}

如果你同时订阅了多个股票或者coin，他发给你的是一个聚合信息（aggStreams）：

{
  "e": "depthUpdate", // Event type
  "E": 1672515782136, // Event time
  "s": "BNBBTC",      // Symbol
  "U": 157,           // First update ID in event
  "u": 160,           // Final update ID in event
  "b": [              // Bids to be updated
    [
      "0.0024",       // Price level to be updated
      "10"            // Quantity
    ]
  ],
  "a": [              // Asks to be updated
    [
      "0.0026",       // Price level to be updated
      "100"           // Quantity
    ]
  ]
}

与trades相比多了两个字段：b或者bid，a或者ask。

bid就是挂买单，有人愿意出价0.0024买入10单位的bnb。

ask就是挂卖单，有人愿意出价0.0026卖出100单位的bnb。

注意，我说的是“有人”，并不代表一个人。这10单位的bnb是交易所在处理完之后的结果，可能有1000个人下了2000单，它们的价格都是0.0024，最终体现在quotes上是这个结果。

而且，这个上边都是未成交的信息，成交的信息不体现在quotes，而是在Trades上。

所以也有可能是要以0.0024买入20单位，但是买到一半，市场上没有这个价格的了，因此体现了10单位在quotes上。

当然，这个信息在每个股民或者币民的交易app上也有展示，只不过这个是以api方式获取的高频数据。

在数据库中，未成交的报价长这个样子。

当你拿到这个quotes数据之后，关心的就是两个问题：

最优报价是多少?

满足我需求的价格下，深度depth是否满足？

还是用代码来说明，这里是我之前一个策略中写过的代码。

首先计算当前quotes中的交易深度是否能够满足我设置的阈值，以排除极端流动性不足的情况，如果流动性充足，我则以满足我要买的数量的阈值基础上，以比它低0.0005的价格做maker。

同样，我会以比它高0.0005的价格挂卖出单做maker。

提一句，这个价格就是你想买入或者卖出单best price，更严谨的话，是计算一个数学加权平均数。

def get_bothway_best_bid_and_ask(bids:list, asks:list,volumn_limit=3000)->Tuple[float,float]:
    bid_vol,bid_price = 0,0
    for [i,j] in bids:
        bid_vol += float(j)
        if bid_vol >= volumn_limit:
            best_bid = float(i) - 0.0005
        else:
            best_bid = 9999999

    ask_vol,ask_price = 0,0
    for [i,j] in asks:
        ask_vol += float(j)
        if ask_vol >= volumn_limit:
            best_ask= float+0.0005
        else:
            best_ask = -1
    return best_bid,best_ask

maker 和 taker

无论是从上边的数据示例，还是我们的生活经验，好像市场上的bid 永远小于ask。他们两个之间总是存在一定的差距，比如上面0.0002。

这种状态是市场的稳态。

但是在极端情况，大量买单冲击，是会出现bid 大于ask的情况，这是市场的非稳态。更一般的，如果市场上突然出现大量taker，交易所来不及处理，是会出现bid=ask的。

因为在交易的时候，我们总会倾向于当下的最优价格，所以一般来说是以best bid 或者 best ask来成交的。

我们通常意义上的股票价格，比如茅台价格是1436，是指的当时的成交价格。

所以试想一下，如果有人以0.0024卖出了，那么股票价格就是0.0024，如果以0.0026买入了，股票价格就是0.0026。聪明的你已经想好怎么拉盘控盘了吧（doge

成交对市场的影响就是best bid 和 best ask 的差距进一步的加大。也就是说愿意买的人、和愿意卖的人之间的分歧进一步加大。体现在股价上，流动性不足的股票价格就是忽上忽下，不是连续的折现（因为gap太大了

交易所是靠手续费吃饭的，他们肯定不愿意看到这种情况，所以会引入做市商来缩小gap，提供流动性。

小测验：

你收到了如上的quotes时候，你选择以0.0024 的价格出售10个bnb，为了节约手续费，你选择的是limit order，请问你是maker 还是 taker？