期货 请问如果我做空卖某张期货合约 卖出价为1元 这个委托能成交吗？如果亏了是不是立即爆仓了_百度知道
期货 请问如果我做空卖某张期货合约 卖出价为1元 这个委托能成交吗？如果亏了是不是立即爆仓了
期货 请问如果我做空卖某张期货合约 卖出价为1元 这个委托能成交吗？如果亏了是不是立即爆仓了
提问者采纳
不能成交 委托价不能高于涨停价 也不能低于跌停价，即使以跌停价卖出，也是以买一价成交，不会以你的报价成交
提问者评价
其他类似问题
为您推荐：
其他2条回答
不光是不能成交，委托你都发不出去。报价范围必须在涨跌板范围之内。
期货价格有涨跌停板限制的，超出这个范围的价格是无效的，一般也没那么容易就爆仓的，涨跌停板是5的品种，你最多亏50%，差保证金的话期货公司会给你平掉的
您可能关注的推广回答者：
期货合约的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁什么是期货?? 何为限售股？限售股的解禁有它的深层含义吗
什么是期货??
来源：互联网
更新： 02:57:25
大小是相对的。一般人身高170左右，那么190就是高个。如果一只股票，平时每笔交易都是20手左右，突然有一个交易是2000手，当然就是大单。但是有些大盘股，平时的交易都是500手左右，那么突然有2万手，就是大单了。所以，大单，是相对于它平时的情况而言的。
何为限售股？限售股的解禁有它的深层含义吗
请问还有总股本5000万以下，价格24元以下的股吗？
企业改制成为股份公司后时候必须职工必股东!
编辑：admin
看过的人还看过
发行流通月数实际上就是指这部分普通股在计算当年实际上存在了几个月，再根据存在时间赋予不同的权重。比如题目中，年初就有的普通股就是存在了12个月，5月1日的新股存在了8个月，10月1日的存在了3个月。发行的普通股平均股数=++=2633.33万股。再...
回购的股票要冲减股本,股本变小了,每股收益及每股净资产都会上升. 因为在财务上股票回购的账务处理是,借:股本,借:资本公积,贷:银行存款,就是说减少股本,同时按照市价与股票面值的差额冲减或增加资本公积,因目前我国的股市发行的股票都是1元面值的,所以回购的市值肯定会大于股票...
要考证券从业资格证书考试总共有5门分别是证券市场基础知识证券发行与承销证券交易证券投资分析证券投资基金其中只要考出第一门+后面4门中的任何一门就能拿到从业资格 考出3门为1级证券分析师资格 2门为2级证券分析师资格 在职的话 这个资格是不会作废的具体的情况你可以去证券...
用啥软件阿，无聊，选个股票没事的时候盯着点看就行了。软件要是行我都早用了。最高的境界是心算。哈哈。另外，买国内的股票么？？你，你可考虑清楚了。有不少企业上来时圈钱弥补亏损的。。选个好股票难。。浮动机制也不透明。国企不少吧。
短线建议先卖出回避风险，等到5、10日均线向上发散，30日均线走平再重新买入。10派0.335是利好，不是利空。如果你要做价值投资的建议你买些业绩优秀的，分红稳定的股票。最好是找个低点买进。如果你是做短线投机的就不要买那些流通盘大的股，最好是5亿以内的为佳。先学点股票的...
股票频道 & 2015 版权所有请问期货交易中多大的单子才能称作是大单，或者主力下的大单一般有多大？_百度知道
请问期货交易中多大的单子才能称作是大单，或者主力下的大单一般有多大？
提问者采纳
那要看那只股票的盘有多大了，一般500手以上就算大单了。
提问者评价
其他类似问题
为您推荐：
您可能关注的推广
期货交易的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁您还未登陆，请登录后操作！
期货软件真的很有用吗?
真的就那么重要吗???如果是的话请诚心推荐一个~~谢谢!!!!!!
实话说，期货分析软件总体都差不多，看个人使用习惯了，博易大师和文华财讯的是比较普及的，使用也比较方便。
但对于做期货交易而言，期货软件只要能保证数据与交易所的数据保持一致，不要有太多延迟，其他的就不重要了。
交易软件就是报价工具，对你做期货的业绩没有任何帮助。
但是如果有一些程序化交易软件就厉害了，基本和打游戏一样，把参数一设，就按照程序指令进行交易了。
真的就那么重要吗???问得好！没有可以人保证它的重要性，分析软件都一样的，只能保证得到信息数据的概率大点。往往使用软件的人输钱的人比较常见，要是真的那么准确，开发商早就是全球首富了，那他还会销售出去，给别人赚钱，个人建议，仅供参考供
您的举报已经提交成功，我们将尽快处理，谢谢！
大家还关注高频交易都有哪些著名的算法？
来源于：高频交易里面一个很著名的算法是冰山算法（tow the iceberg）还有没有其他有名的算法呢？
按投票排序
对题目中提到的“冰山算法”，我刚好有一些了解，可以给大家讲讲。很多人对“量化交易”的理解实在太过片面，基本上把它等同于生钱工具，我不赞同这种观点。交易首先是交易本身，有它自身的经济学意义，忽略这一点而单纯把它看成使钱增值的数字游戏，很容易就会迷失本心。我也不认为算法本身有什么稀奇，再好的算法也是死的，真正的核心价值一定是掌握和使用算法的人。实际上我讲的东西也都是公开的信息，但是即便了解了技术细节，能真正做好的人也寥寥无几。希望这个回答可以让你对量化和高频交易有一个更清醒的认识。～～～～～～～～～～～～～～～～～～首先我相信不少人概念里的高频交易还是这个样子的：但对高频交易来说，这种信息是非常粗糙的。所以这里先要对不熟悉背景的同学介绍一下什么叫做Order Book。现在主流的交易所一般都使用Order Book进行交易，交易所在内部的Order Book上记录所有买家和卖家的报价，比如像这样：Bid表示买家，Offer表示卖家，这张报价单表示买卖双方发出的所有报价单（Limit Order）。这张表才是高频交易最关心的信息。任意时刻，买家的出价总是低于卖家（比如这里的98对101）。所以报价虽然一直在变化，但是只有报价是不会有任何成交的。什么时候会产生交易呢？有两种情况，第一是任一方发出市价单（Market Order），比如一个买家发出一张单量为10的市价单，就可以买到卖方在101价格上挂的10份，这个交易成功之后，Order Book会变成这样：第二是发出一个价格等于对方最优报价的限价单，也会产生和上述情况相同的结果。需要强调的是，虽然真正的Order Book只存在于交易所内部，所有交易都在交易所内完成，但是交易所会把每笔报价和市价单都转发给所有人，所以所有的买家和卖家都可以自己维护一个同样的数据结构，相当于交易所Order Book的镜像。通过跟踪分析自己手里这份的镜像变化，来制定交易策略，是高频交易算法的核心思想。～～～～～～～～～～～～～～～～～～基础知识介绍完毕，下面为了方便大家理解，我采用一种更形象的方式来表示Order Book：这张图对应文章开始时的那个Order Book，应该可以明白地看出，横轴表示价格，纵轴表示订单量，绿色表示买家，红四表示卖家。这样做的目的是为了引出本篇讨论的主题：冰山订单。通过上述基本分析大家可以看出，交易所内的交易数据是完全公开的，市场上任意时刻，有谁想要买／卖多少，所有人一目了然，没有任何秘密。这样做本身是有经济学意义的，因为只有展示出买卖的需求，才会吸引潜在的商家来交易，所以在市场上一定程度的公开自己的需求是必要的。但这样同时带来一个严重的后果，一旦有某个人想要大量买／卖，他所发出的巨额限价单会直接展示给所有人。比如一个买家挂出巨额买单后，Order Book会像这样：这对他非常不利，因为所有人都会利用这个信息来跟他做对。大家会判断，现在市场上存在大量的买压，于是会出现一大批为了赚钱而冲进来的人抢购，价格会快速上升，这样原来这个人可以在98这个价位买到的东西，很快就变得要在更高的价位上才能买到。这种情况，那些后来的人做的就是，而原来的那个人则面对。为了解决这个问题，交易所提供了一种针对性的工具，就是所谓的冰山订单（Iceberg Order）。这种订单可以很大，但只有一小部分是公开出来的，大部分则隐藏起来，除了交易所和发单者本人谁也看不到，真的像一座“冰山”一样。比如像这样：灰色的部分就是冰山订单隐藏的部分。这样，只有当有对应隐藏量的交易发生时，交易所才会通知其他人，就避免了别人利用显示订单的信息来做。凡事有一利必有一弊。冰山订单虽然保护了发单者的利益，但是对于其他市场参与者来说却又变成了一种不公平的规则。那些有真实的交易需求的参与者，会因为对局势的误判而损失惨重。所以接下来的问题就变成，如何发现市场上的冰山订单？首先有一种最简单的方法。有的时候，冰山订单是挂在最优买价和卖价之间（spread），像这样：对于这种情况，有一个非常简单的探测方法，即发一个最小额度的限价单在spread里，紧跟着取消这个订单。比如这个例子中，发出一个卖价为99的限价单然后取消。因为这个价格本身对不上显式的买价（98），如果没有冰山单的存在，一定不会成交。但有冰山单的情况下，一旦交易所收到这个卖单，会立刻成交冰山单中对应的量，而之后的取消指令就无效了。这样，以一种微小的成本，就可以发现市场中隐藏着的订单。事实上，的确有人会做这种事情，频繁的发单然后取消，在最优价差之间形成一种高频扰动，用来探测隐藏单。为了应对这种扰动探测，大家一般都不会直接挂单在spread里。而是会像之前那样和普通的限价单挂在一起，这样发生交易之后，你就很难推测消耗掉的究竟是正常的限价单，还是冰山订单。那么应该怎么做呢？首先有一个直接的思路。冰山订单的存在，一定程度上反映了挂单人对市场情况的解读，认为有必要使用冰山订单而做出的判断。需要强调的是，使用冰山订单并不是没有代价的，因为你隐藏了真实的需求，在屏蔽掉潜在的攻击者的同时，也屏蔽掉了真正的交易者！而且会使得成交时间显著增加－－因为没人知道你想买／卖这么多，你只能慢慢等待对手盘的出现。所以当有人下决定发出冰山订单的时候，也会有对市场情况的考虑，只有合适的时机才会做这种选择。什么是合适的时机？有一些数据应该是相关的，比如买卖价差spread，买单量对卖单量的比值等。对这些数据，你可以在历史数据上做回归分析，建立起他们和冰山订单之间的线性／非线性模型。通过历史数据训练出来的这个模型，就可以作为你在实时交易时使用的冰山订单探测器。这是
这篇论文使用的方法。基本模型可以定义为：F(spread，bidSize/offerSize，……) = Probability(Iceberg)如果你想玩高深的，还可以在此基础上做HMM，SVM，神经网络之类的高级模型，但基本思路是一致的：通过盘口分析计算存在冰山订单的概率。～～～～～～～～～～～～～～～～～～上面说的这个方法，看起来很高级，实际效果如何呢？我想大家也看出来了，这种建模不是很精确。作为事后分析手段用来说明什么情况下可能会出现冰山订单还不错，但是作为实时交易的探测器就不是很放心。因为使用的信息太模糊了，而且说到底建模的对象只是一种相关性，没有什么保证冰山订单的发送者一定是按照这个逻辑出牌的。所以接下来介绍的，才是真正具有高频玩家神采的方法，来自
这篇论文。～～～～～～～～～～～～～～～～～～高频世界里，有一条永恒的建模准则值得铭记：先看数据再建模。如果你看了上面的介绍就开始天马行空的思考数学模型，那基本上是死路一条。我见过很多年轻人，特别有热情，一上来就开始做数学定义，然后推导偏微分方程，数学公式写满一摞纸，最后一接触数据才发现模型根本行不通，这是非常遗憾的。而看了数据的人会怎么样呢？他很可能会发现，对于冰山订单的处理，交易所的规则是非常值得寻味的。有的交易所是这样做的：一个冰山订单包含两个参数，V表示订单总量，p表示公开显示的量。比如V=100，p=10的冰山单，实际上隐藏的量是90。如果有针对这个订单的交易发生，比如交易量10，交易所会顺序发出三条信息：成交10Order Book的Top bid size -10新Bid +10这三条信息一定会连续出现，并且第三条和第一条的时差dt很小。这样做的原因是尽管冰山订单存在隐藏量，但是每次的交易只能对显示出的量（p）发生，p被消耗掉以后，才会从剩余的隐藏量中翻新出一分新的p量。这样，每个人从交易所收到的信息仍然可以在逻辑上正确的更新Order Book，就好像冰山订单并不存在一样。因此，一旦在数据中观察到这个规律，我们就可以非常有把握的判定市场中存在冰山订单，并且连p的值都可以确定！接下来的关键问题是，如何确定V的值，即判断这个冰山订单的剩余存量有多少？这个问题从本质上说没法精确求解，因为V和p都是由下单人自己决定的，可以是任意值。但可以从两点考虑：第一，两个值都是整数；第二，人类不是完美的随机数生成器，下决定会遵循一定规律。从这两点出发，可以对V和p建立概率模型，即计算一个给定的（V，p）值组合出现的概率是多少？这里不去深入探讨数学分析，感兴趣的朋友可以自己去看原文。简单说，可以在历史数据上通过kernel estimation技术来估算他们的概率密度函数的形状。顺带一提，如果你亲手编写过这种估算程序，就会理解我为什么在“”这个答案中如此强调编程的重要性。在数据上估算出来的概率密度函数可能会是这样的：这样，当你在实时数据中观测到一个p的值时，就可以得出对应的V值的条件概率密度函数，即上图的一个切面，比如（p = 8）：接下来显然就很容易计算V最可能是什么值了。这条函数曲线还有一个重要的作用是帮助你动态评估剩余存量，比如当你观察到已经有5份p被消耗掉，即可推出V&=40，由上图即可推出新的V值和剩余存量（V-5p）。综上，算法的核心在于，通过在实时数据中监测短时间内连续出现的三条相关记录判断冰山订单的存在，而对冰山订单的量化则通过由历史数据训练出的概率模型来完成。相信你也会看出，这种算法并不是什么作弊神器。它只是利用市场上的公开数据所做的一种推测。而且这个推测也仅仅是基于概率的，更多的应该是作为一种参考。它对做市商这种流动性提供者很有意义，可以使他们避免因为对局势的误判而遭受损失。但如果你想用它来作为一种攻击手段，觉得自己能发现隐藏大单而去Front run，那实在是很不明智的选择。最后，这种算法也只是针对特定的交易所。其他的交易所也许不会采用同样的冰山订单处理方式。所以真正有价值的是这种从实际数据出发的建模思路，具体的算法并不值钱。～～～～～～～～～～～～～～～～～～这个小算法给你展示了高频交易领域的“冰山一角”。它看起来也许不算很复杂，但是我却很喜欢。因为它清晰地展示了什么叫做先有思路，再有量化。因为有“冰山订单”这样一个从经济学基本的供需关系出发的真实需求，通过分析实际数据找到一丝线索，最后通过数学模型刻画出定量的策略，这才是漂亮的策略研发。如果违背这个原则，一上来就去搬各种高级的模型去套数据，指望模型自动给你生成交易信号，这在我看来无异于痴人说梦。遗憾的是，这个梦的确太过诱人，而这个世界也从来不缺少莽夫。且行且珍惜。
貌似大家都有所保留，也可以理解，交易算法和策略是赚钱的独门秘器。我也来补充一点吧，但不知道是否能回答到点子上。我愿意尽量来回答很大原因是我不是从事这一行的，也不指望从中交易，而是从academic角度来讨论。但缺点是门外汉，没有实践经验，只能是自己一厢情愿的想想而已。不见的契合这个问题，大家就随便看看把鄙人最近恰好写了一篇论文，当然论文并不是探讨交易算法和赚钱，只是一篇典型的学术论文。但借助这个问题想探讨一些能将学术研究恰当应用化的可能性。该论文是 如果您没有下载SD论文权限的话，可以从预印本文库arxiv上下载，该版本与最终的发表版本完全一致，只是排版不一样。由于精力有限，我不准备在这里详细介绍我的数学模型和详细，我假设读者先自己粗略读了论文后再来讨论。简言之，在我们论文中，通过引入残余波动率，刻画了金融市场在经历大波动事件前后的动力学弛豫行为，并计算其动力学指数，利用非平衡态统计物理的理论来分析这些指数间的关系。以往的理论认为金融市场在金融危机时便进入非稳态，但我们的研究表明只有是外部事件驱动的大波动才驱使系统进入非稳态，而内生型的大波动并不必然导致非稳态。更重要的是，我们发现内生型和外部事件驱动的大波动在弛豫行为上存在显著不同，可见论文中的图。由于是学术论文，我们并未在论文中提及其可能的应用。但是我个人认为这些结果可能有助于我们建立一些基于events driven的交易策略和量化交易模型。譬如，利用不同事件驱动的波动率行为，我们可以预测接下来的波动率行为，并估测其风险水平，这对于我们的风险管理也是具有重要参考价值的。比如，我们明确提出大波动之后，市场的风险水平呈幂律下降。----------------------------------------------------------------实际上，证券市场大波动的动力学行为和地震有很大的相似之处，称之为Omori Law。在发生一次巨大地震后，往往会跟随大量的余震，震幅逐渐降低。证券市场发生一个大波动后，接下来波动率呈幂率下降，即具有长程关联，也就是有记忆性。大地震之后的余震我们可以部分地预测，因此，我们有理由相信证券市场也是如此，在经历一次巨幅波动后，我们可以预测接下来的小波动。当然更重要的问题是，能否预测大波动的发生，目前也有关于此的研究，下次再来介绍。-----------------------------------------------------------------这两天比较忙，先简单写到这里，如果大家都兴趣的话，等忙过这几天再来补充更详细的内容
市场就是江湖，买卖双方永远在博弈, 这是交易过程中永恒的主题。买方也就是所谓的buy-side, 而做市商是sell-side, 因此我们不仿把高频(HFT)策略分为买方策略和做市商策略。从名子也能看出来这两方互为对手。先说买方吧, 这个买方当然就是指prop trading, HF之流。买方常见的高频策略有以下几种:Market Order以最高速下市价单(market order)是买方最基本的策略Looking for Price Discrepancies 这个就是高频统计套利(high frequency statistical arbitrage)Indulging in Momentum Ignition人为制造价格上的spike诱使其它算法交易策略下单Poke for Bargains发不同的Immediate Or Cancel Order来试探市场, 反制做市商的Hide Your Best Prices策略 Join the Makers买卖两边下限价单(limit order)Reserve Orders/Iceberg Orders/Time Slicing隐藏真实交易量有矛就有盾，我们再来看看做市商怎么接招:Wait for the Other Side被动等待单子成交是做市商最基本的策略Lean Your Market主动变更报价以消化库存(inventory)Scratch for the Rebate提供流动性(liquidity)，拿回扣Hide Your Best Prices隐藏最佳报价Take Out Slow Movers仗着速度快吃掉其它做市商的错价Penny Jump微量加价Push the Elephant跟踪巨量订单，一路拉升价格从巨量订单上赚钱Tow the Iceberg探测市场交易意图, 这个直接反制买方的Iceberg Orders.Jump the Delta期权做市商用动态Delta Hedging对冲风险最后提一句, 不论你身处买卖双方的哪一边，你都该牢记，HFT是一种生意，而做生意的目的就是谋利，如果你真想make the world a better place，还是去Silicon Valley吧! :)
这里不少回答不大入行，矿风太浓。讲点实际有用的高频交易方法。不酷炫，但真赚钱。第一个方法稳赚不赔。大家要问：怎么可能？完全违反 EMH 啊，而且还讲出来？其实没必要遮遮掩掩地卖关子，因为 the devil is in the details。肯定赚钱的方法，就是套利（arbitrage）。譬如这几年，中国的股指期货，是相当好的套利市场（虽然做的人越来越多，但空间依然有），尤其是前段时间，做这个的高频 fund 都有天上撒钱的感觉，捡钱捡到手软（补充：后面评论有人没明白，所以这里写清楚点：这个方法是平时赚小钱，暴涨暴跌的时候赚大钱，尤其是暴跌的时候赚得最多... 可谓唯恐天下不乱）。方法做的人都知道。最简单的，就是不同交割期的期货之间的 convergence（跨期套利），期货和现货之间的 convergence（期现套利）。做大了就再去研究跨品种、跨市场套利。最近的股指期货太疯狂，上窜下跳，完全是在送钱。所以国家都看不下去了。而关键，在于执行的细节，如进去和出去的时机和方法，在于执行的速度，在于 infrastructure，你的机器放在哪里（colocate），你的路由和网卡，以至 OS 的网络栈（甚至直接上 FPGA）的速度。这个就是技术活了。这个对于中国市场有用，对于成熟市场的成熟 asset 来说基本上没有这样的套利空间（除去那些非常时刻，像前不久某天纳指开盘的时候）。不过，世界上有的是不成熟的市场，和不成熟的 asset 。那么这就来到了第二个方法，存在一定风险，但更通用，而且确实有 alpha。这是许许多多 fund 在做的事情。就是假如 A 和 B 相关，现在 A 动了，你就去动 B（有时可以再 hedge 一下）。特别简单，特别直接，还确实符合市场规律，确实可以赚钱。而关键就在于细节了，比如是真动假动？动到什么时候？执行速度毫无疑问也很重要。不举现代的例子了。举个古老的例子。从前很流行 risk on risk off，比如 ES 一动就去动 AUDUSD 啊 COMMODITY 什么的。是不是有点傻，但大家都这么做，所以也就变成了规律。这也确实有道理，可以用理论来建模和解释。还有几个方法，但玩好以上这两个方法，已经够你做到 1b us$ AUM。没必要到 flash boy 的层次。太快其实意味不大。快进快出的，小 fund 玩玩可以，做不大。作为辅助就好。最后，回应高票答案，如果要 make the world a better place，不要去 Silicon Valley 搞什么 O2O SNS。还是要搞实体的，最苦X的，最坑爹的制造业，才是立国之本，所以我去跳坑了，哈哈。要做就做最好的，欢迎看看我们的产品： 。
iceberg is not used in HFTHFT's goal is to make profit thru trading. Not building up portfolioiceberg is used to build up portfolio, this is the kind of idea used in (banks') execution service. In other word, that is an execution algorithm.Basically, there are three kinds of strategies in HFT. One is simply front runner. Another one is Market Micro structure. The last one is more interesting, called maker-taker.Front runner is using the flow information you have and taking advantage of your own super fast infrastructure.Market Micro structure is focusing of estimating the order position in a queue. Also some people called this scalping.The Maker-taker model will provide rebate for market maker ( BATS has taker-maker model), and those market makers are simply focusing on that rebate. It is also called passive algo.
不是装逼 这个问题是好问题，但是我估计绝对不会有特别详细的答案答多了涉及核心的东西就是泄密了我给几个关键词吧 都是可以做高频交易的“理念”conversion arbitrage market makerevent driven 可惜 Virtu Financial的IPO推迟了 要不它上市了以后可以看看它怎么做的
谢邀不过考虑几天决定放弃作答这个问题，泛泛而谈的东西大家都可以从百度、google、wiki上搜到，但答的太深入是在砸自己饭碗。如果有兴趣可以看一些关于市场微观结构的论文，里面会对高频的一些算法有所涉及。
高频交易的实现必须具备四个条件:1.充分的市场流动性2.强大的计算设备3.急速的网络4.低廉的手续费没有这4点的支持，任何算法都无法很好的实现高频交易。一个交易算法往往是针对某个市场特点和历史高频数据设定的。未必国外很好的算法就能很好的适应国内市场。国内最具备高频交易条件的当属股指期货了。能力有限，目前还未掌握有效的高频交易模型，也没有实施的条件。
作为一个计算机系的金融研究者，这里发几篇读过的高频交易相关论文，大家可以参详一下其中的算法。首先我必须说，前面有一个回答者说关键是模型，得到了0赞同，对这个现象我表示非常欣慰，哈哈。reinforcement learning for
optimizied trade execution试图解决在一个给定的时间间隔内以较小的花费买入给定量的某股票的问题。用的是经典的reinforcement learning的方法。这篇文章最大的贡献是如何将交易的问题转化成一个reinforcement learning可以解决的形式，以及如何构建特征。2. censored
exploration and the dark pool problem我觉得这篇文章非常好。现在有很多交易都是在暗池（dark pool）中进行的。向某个暗池提交v股的交易量，如果实际成交量小于v，我们知道其容量；而如果实际交易量就是v，则只能知道其实际容量是大于v的。假使在某时刻，我们需要在K个暗池中交易V手股票，我们就需要根据历史数据推断哪些暗池的容量大，在这些暗池里我们就多投入。第二篇文章尤其值得注意，因为它所涉及的问题，其实跟赞同数最多的回答中提到的冰山算法的问题形式几乎相同，也就是说这个两个问题是共通的。坦率地说，这是一个水论文的好机会。哈哈。
高频交易，看上去很美。老汉我说点别的，有一个类似的，我就差一个编程的，中文版E 版： 作为我们大学计算机系的系主任，我经常收到一些声称得到了能造就下一个奇迹的好主意的人的来信和电话。这些电话有的十分的有趣！打电话的人有时是一
位急切的创业者，醉心于他的想法，认为那是一个能取代Google，超越Facebook，或者是能改变当前的商业面貌，变革整个互联网的好想法。有时打
电话的人不是我们学校的，有时是我们大学工商科目、大多是主修商业的学生；年轻人的电话都透露出了富有感染力的创业热情。他们希望能改变这个世界，他们需
要我去帮助他们！他们就差一个编程的。 他们需要有人能接受他们的想法，把这个想法转变成PHP，SQL，HTML，CSS，Java和Javascript代码。这些创业者知道他们现在缺少什么。我是否应该找一两个计算机专业的学生加入他们的项目，帮他们实现呢？大
多数他们这样的项目永远找不到计算机专业的学生来实现。有很多的原因。学生们都在忙于课程和生活。大多数计算机专业的学生都有了他们喜欢的工作。他们的工
作是付现金的(如果不是拿不了的情况下)，这比一个不确定的将来才会有的财富的许诺来说对学生们更有吸引力。这些想法和点子对其他人来说并不像对想出他们
的这些创业者那样令人兴奋，不像这些创业者由于担心会产生创世纪的成就而坐卧不安。很多这样有想法的人由于找不到计算机专业的学生或其他编
程人员而一而再、再而三的联系我，希望能从我这得到好消息。年轻的创业者们会越来越泄气。他们希望其他人也能像他们一样为这样的想法而激动。(乐观的年轻
人呀！)我一直希望他们能找到什么人帮助他们把想法变成现实。这个过程会是令人兴奋的。他们也能从中学到很多东西。当然，他们似乎也从来没有想到自己是可以去学编程的。前段时间，我在微博上聊了几句关于接到这些电话的事情。Andrei Savu用简单的语句对于遇到的这些现象进行了总结：@wallingf 这就是说，他们把软件开发者当作一种工具。产品 = 行动 != 点子我在最近写的一篇博客里详细的谈论了这个问题，一个产品的价值来源于拥有一个想法和执行这个想法的组合。你单具备了前者或只有执行后者的能力都不太有价值。你必须把它们组合到一起。很多“手握绝世好想法的人”都倾向于认为大多数或全部的价值都来源于创造出了这个想法。程序员只是一个工具，就像个鸡毛掸子，拿起来就可以掸灰。编程是个小事情，不是吗？另
一方面，一些程序员乐意认为大多数或所有的价值都来源于实施了这个想法。可是你不能去实施你还没有的想法呀。这就好像我和我的同事们围坐在一盘左宗棠鸡前
惋惜我们失去的财富。可实际上没有人失去。财富从未与我们为邻。事实上我们缺少一个致命的条件。没有时间机器或其它机器能使时光倒流。我仍
然希望这些身负好点子的人中，一些人自己该会编程，或想去学编程，这样他们就可以自己来实现自己的想法。这样，他们也可以有机会知道只有超人有力量什么不
做也能把理想变为现实。在过去，学习计算机编程是使用计算机的人的必然后果。可遗憾的是，现在全变了。如今使用计算机的必然后果看起来是可以让人接触到一
些自己也许认识，也许不认识的人或者只是看看Youtube视频。哦，想想吧，如果你发现了一个能够赛过Google和Facebook的
好想法，那将会是什么样子。时不时的，我非常想告诉那些给我打电话的创业者，他们的想法基本上不会有改变这个世界的希望。但是我没有，至少有两个理由。第
一，他们并没有想征求我的意见。第二，总有一段时间后会有另外一个微软或Google出现来改变这个世界。谁又能想到这会是无数想法中的哪一个？如果我和
我的同事能够重新回到2000年，去告诉我们的年轻人有关Facebook的事，这些年轻人会有足够的远见来坐下来开发出这个网站吗？我猜不会。我
如何能知道哪一个会是能够改变这个世界的好想法呢？开发出来，努力工作，用你的手指把想法变成人们需要和想要的东西。把程序开发出来的能力是这些有想法的
人缺少的一个必要因素。他们去寻找有这种能力的人，这很对。我很想知道，如果每个人都能够把自己的想法变成现实，这个世界将会变成什么样子。有人说老汉文不对题，确实，那么我说点自己的内容：
交易本身有其自身的规律，也就是计算机算法工程师们特别看不起的行业经验。而实际上，即使你能够从行业经验翻转过来，通过高频数据的算法实现，或者算法交易的编程，实际中还是需要用到交易策略，也就是说，无论原来的交易员多么稀缺算法工程师帮他实现算法，实际交易的策略必须要有，而交易策略只能从交易实践过程中学习到，机器学习的那些算法回测，很难学习出交易策略。
所以，我在这里只是说了战略上如何看待算法和编程，如果是交易员，可能对算法实现不太重视，而算法工程师通常能感受到这种忽视，而反其道行之，过于强调算法的重要性，编程的科学性。
交易的盈利来自于交易本身，算法，就算是处理了高频数据 [很吓人哦] 的算法，或者大数据 ［吹烂了的词］的处理平台，那也只是为交易决策供参考，并不会直接带来赢利。算法提供的结果无非就是：标的物、盈利比例和这个盈利将要发生的概率，而交易策略是展现不出来的。同时，交易算法仅用高频交易的数据过于微观，会有一叶障目，不见泰山的感觉。同样，仅想通过算法就能解决交易全部的思路，也有类似感觉。纸上谈兵的程序员们会认为算法能解决一切，问题就是能否写段代码运行在某些电脑上，然后就躺着赚钱呢？ 有这个可能，作为市场参与人员，代表市场欢迎你们，尤其是欢迎左手算法右手实战的人。特别讨厌那些只说不练的分析师，同样也讨厌只推公式、口爽算法不进市场操作的程序员。最后，作为不靠谱的代码工程师，还是哆嗦点算法的事吧，要不就真成了假把式了。通常高频交易、交易和套利等等，涉及这些问题应归属于时间序列范畴的事，而金融的时间序列不同于普通的时间序列，普通序列如语音的时间序列，金融时间序列它有独特的特征，主要是多元 multivariate、非线性 nonlinear , 非平稳 nonstationary，不确性 uncertain，就方向上不要偏太远了。也有人将交易问题归属于复杂系统，但对于复杂系统的研究是最近几年才刚刚兴起，很多解决方法思想上都还不成熟，有广阔的道路可以走，尤其是将交易敷设进复杂系统的语境下进行问题求解，估计能出几篇像样的论文。人类作为碳水化合物的生物体，对于图 graph （or complex network ）的理解还不深。作为弱爆且各种不着调的人就不具体展开来了。关于高频交易的数据描述，低频日线交易OHLC【开盘、最高、最低、收盘、均价、金额】，可以视为一个标量，古典的时间序列研究的是，Scalar (ohlc) 的排列序。在高频数据中有所不同，单独采样期内就可以视做向量，因为不仅可以看到分时的时间片内价格变动，还有成交方向，即撮合状态下是按买价成交还是卖价成交（如果采样间断时段内成交额超过买卖挂单则可视做冰山单），还有即时下买单堆入还是卖单堆入(类似冰山单未成交部分)【我发现这两者的影响并非总是很显著，可能的主要原因是市场上初级的参与者众多(比如肉眼看屏交易人)且只关心了价格变动】，这些特征都是低频数据所没有的，也是古典金融学比如 black-scholes 时代因技术的因素所未能观察到的交易实际存在。这些高频交易数据堆起来，数据量也是非常大的，每天的量基本就能比较一个海量数据仓库的稍小的规模；在高频数据概念内延中还有时延和时间隔的两个特征，如果不是做股指期货或统计套利，过于关注这两个参数会将开发的注意力转移，【很多科普类文章一直强调小时延，比如夸张到宣称要尽量剪短光纤之类】。列位客官可以用自我的账户上进行实验，可以在中大盘交易冷门股票的第5档位置挂单实验证券公司从电脑下单到交易软件弹出值的时间是多少，那些动则强调纳秒的文献科普资料就可以呵呵了。好吧，我这里说的不是高频交易，是高频交易数据下的微观市场结构。
程序员在开发相应算法之前，需要自我评估与上举例类似的数据环境情况，便于认知自我的能力外延界，已期达到最快速实施。仅凭阅读文献进行设想或者单靠思维实验的漫游，较难认知全局的状况。要谨慎从事。回复中有人表示不忿，要我我也不忿啊。为什么你能做我不能做啊？你吓唬我啊～！因为：敝国股市开市二十多年了，数数看有几个操盘手做超过两个大波周期的？ 基金操盘手为什么还要开老鼠仓啊？ 从公募跳出来做私募怎么就会死了？ 流亡海外的、跳楼自杀的、欠债潜逃的、离婚妻离子散的还少么？ 最近股市大涨，每个人都以为自己会超过索罗斯巴菲特，年入超过100%，甚至月入超过100% 也轻松啊。市场不光比谁挣的多，还比谁活的时间长，今年挣很多，明年亏死了就没法继续玩了。等着看好了，不到明年就到后年，再回来看看，还有多少人持续活着。
高频的盈利理念来自市场波动和市场无效性，方式方法很多。不过没人会给你答案。
更新：时隔一年后，当我考虑资金管理模型，研究胜率、盈亏比与交易频率之间的关系时，才明白为何那么多人青睐于高频交易。目前中低频投机策略已经做得收益比一般的高频或套利交易者好了，但高频却被提上了日程。高频交易基于高频数据，高频数据意味着更丰富或更不打折扣的信息，而高交易频率的资金曲线非常优美。当然，高频的优美也是脆弱的，做高频需要坚实的基础。原文：谢邀，一直只听说过高频交易，从没研究过，因此只能给出一些“自以为然”的胡言乱语。这与我本科尚未毕业，更没见过什么世面，尤其是喜欢道听途说有关。别人的回答中提到了市场微观结构，我倒蹭过一点该课。其主要内容首先是市场价格机制：连续竞价机制、集合竞价机制、做市商制度、拍卖机制等。然后是参与者：知情交易者、非知情的策略交易者、噪声者。最后是一些理论模型：存货模型、信息模型等。还有一些细节：最小报价单位、熔断机制、订单流到达过程等……高频交易的主要目的？我只知道抢帽子和降低冲击成本，而这两个玩意儿就是矛和盾，自相矛盾。冰山算法就属于抢帽子吧，涨停板敢死队大抵是这种套路，至少在中国市场有限，而且已经没从前那么吃香了。同理大资金希望降低冲击成本，甚至想不被发现，基本不可能，只是早晚与其他资金屑不屑的问题。其实不少人怀疑高频交易的价值，感觉处于不尴不尬的低位，属于锦上添花的技术。小资金无力支付相应的技术成本，而对大资金而言又没有足够的效果（属于打牙祭）。当然，也是有不少人靠这个赚钱的，只是市场有限。PS：听老师说过一位超级散户的故事，那人雇了几个人天天盯着股票图形，专做打板营生。很多人都希望将钱给他运营，但他说自己钱已经够了，随便一打就涨停板，钱多了没用。还听老师说过一位庄家的故事，那人先把图形做的很有欺骗性，然后涨停盘出尾货，吸引敢死队。第二天跌停价出最后的余筹，直接把几只敢死队坑死了，还有人打电话给他哭着求饶。听说大资金是不会以期货交易为主业的，那是一个钱杀钱的市场，而且经过327这种事件后，中国期货市场基本成为了狩猎场，大一点的资金很少选择生死大战，而是专吃新人。听说对大资金而言，市场短时间内所提供流动性根本不够看，不会过于注重高频交易，而是重视长期的运营，尤其是资金管理。听说过涨停板吸货、跌停板吸货、诈杀老鼠仓么？这些霸气侧漏之举能甩高频交易几条街？PS2很多抢帽子式高频交易的理论前提，就是假设大资金都跟个娘们儿一样，每次只买卖一点，寄希望于没人知道，生怕冲击力价格。进一步还自恋地假设一般人确实也看不出来，只有同为左道之士懂得。事实上高手从来都是大单直接扫，尤其在T+1市场，先用反向小单装婊子，等骗出高频傻叉、耗子仓等的挂单后，一口气打板。涨停板吸货与跌停板吸货，岂是高频小乞丐有胆想象的。不过，这世界上有钱的娘们儿太多，所以也养活了一帮子乞丐，而某奖章基金甚至还被公推为丐帮帮主。中国股史上发生过这种事，有高人杀上海主板庄家，找准时机，直接涨停买60XXXX手，将该股票的代码直接打在庄家脸上。结果庄家在拉升前的最后一刻，不但被抢了不多不少的筹，还被迫造出升势，不得不帮别人抬轿。
著名不著名不知道，不过，一种是划定一个范围拆单买或者卖，这个好像不用来赚钱。有的呢就是挂大单，吸引别人来打，然后瞬间推，也有的挂大单，吓唬一下，把行情推过去，还有的是瞬间打穿返佣通道，瞬间摆返佣通道。还有的直接不停的大单子打，就是为了忽悠人一起和他一起打，造声势，等等吧。什么样子的都有。
我理解HFT是一种交易类型的统称，并且对于什么是高频也有不同的见解，总之要很高就是了．而算法是一个交易策略的局部，一个策略可能有一个或者多个算法．这样看来，更恰当的是给交易策略起一个响亮的名字。你说的那个冰山算法我没有找到，只在google中查到了数据挖掘中的冰山检索算法，可能相差比较大．总之，并没有听说过专门的HFT算法。谢邀！我才疏学浅，回答不正确就折叠我吧。
不要花精力研究EA
得不偿失的
超级自负的一个老师，很多话说的在理。玩高频交易存活并赚钱的，是不会让别人知道任何技术信息的。大家娱乐一下挺好，真正通过高频交易赚钱才是有意思的，极少数人的游戏。
即便有那么一个算法，能够在70%的时候赚1%的钱，但是谁会把能给自己赚钱的算法公开出来呢？不要说赚1%，就算赚500块会有人公开出来么？你国股市是货币推动的噪音市场，就是赤裸裸地操纵股票价格，与数据有关系么？ 与趋势有关系么？ 何况是试图使用微观的高频数据。今天 大盘波动7%， 很多股票价格波动超过15%， 这能与数据分析有关系么？
最多的就是两种：套利和信号交易，把套利价差也算一种信号的话，其实也就是信号处理，和火车调度的原理也差不多
这.......虽然知乎立志于分享知识，不过这上来就问大家吃饭的家伙什怪不好的。而且真要是谁放出个模型，估计不少人都得遭殃呀。想想高频的思路有点类似大数据，我也不是太懂}