哦...不好意思,我解释一下. 对于高频策略, 一般尝试使用不同的交易数量(1手,2手,...)来进行交易,对于所有这些样本,尝试对方程回归: 交易利润 = a - b*sz a就是你交易数量=0时的期望利润, b就是对交易数量的敏感性, 应该有b<0 对于其他非高频策略,那么交易容量往往比较大.估计就比较复杂. 一般对比较大的交易量,为了降低影响,往往会将成交时间延长. 但是成交时间延长会造成alpha衰减. 因此执行算法实际上是平衡这两类成本: 建仓/平仓时间越短, 对市场的短期影响越大, 市场冲击成本越高; 建仓/平仓时间越长,alpha衰减越大, 期望利润越低. 即 min(c), c = mkt_impact(trade_size/execution_time) + alpha_decay(execution_time) 上面trade_size和execution_time都是你能控制的变量 alpha decay一般比较容易估计, 直接观察每次alpha信号产生后的回报率曲线的平均值即可; 市场冲击成本可以通过观察(回报率 vs. 交易数量)的短期关系来估计, 即当一笔交易(如买入)发生后,合约的短期回报率的变化.这应该就是你的冲击成本.
Vinny兄,有没有什么相关书籍可以推荐? 我一直对模型流动性的问题无法解决。为了解决这个问题,我的资金曾经先后分散在近10个数据模型中运行,但感觉对于较大资金量感觉总是不够稳定,一直在寻找解决方案。也许你提到的这个概念可以帮助到我。多谢。
关于解决方法的问题 也就是说用X和Y比作回报率和交易数量的话,那么用非线性回归或者线性回归的方法来得出两者的关系,并在一定置信度的情况下,可以得到一个冲击成本,这个冲击成本就是最大容纳资金,一个临界点。