作者：张杨飞
出版社：电子工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
Python量化交易试读：
前言
在证券交易领域中，量化交易脱胎于传统的主观交易：把投资者的交易理念、交易策略固化成计算机程序，通过算法快速自动下单，有效地防止投资者自身情绪的干扰，让其把精力放在研发交易策略上。量化交易的另一个优点是其成功的方法有迹可循，因为量化交易的过程是，运用现代统计学理论对历史数据进行数据分析，构建数学模型来预测市场未来价格的变化，然后通过计算机语言表达出来，从而实现自动交易。
vn.py是机构级别的量化交易软件，掌握vn.py框架原理并且熟练使用，有利于新手快速入门量化交易，搭建属于自己的量化交易系统，也可以在机构中找到与量化岗位相关的工作。为什么写作本书
本书使用的编程语言是 Python。尽管市面上关于 Python 量化交易方面的书籍不少，但是大部分着重讲述 Python 编程基础，而且主要是在股票交易中的应用，在期货市场的应用少之又少。就实践的层面来看，股票量化交易对于入门者几乎是不可能实现的，尽管2019年重新开放程序化交易API，但是其资金门槛高达5亿元。
期货市场上程序化交易接口却无资金门槛，而且量化交易应用发展得比较成熟，这才是新手可以去学习和实践的地方。故本书的写作定位是交易策略在期货领域的应用和开发，力求填补这方面的空白。本书特色
本书尽量以初学者的角度来讲述量化交易的内容，逐步填平量化交易入门要踩的“坑”，力求让读者快速熟悉这方面的知识，能够独立开发交易策略并且尝试进行仿真交易。如果在SinNow仿真交易平台能够赢利，那么就可以上实盘去“跑”了。
本书的另一个特色是使用机构级别的开源交易软件：vn.py。机构级别软件对应的使用群体是做量化交易的机构投资者，如私募基金、证券自营，以及资管和期货资管等。这类软件虽然上手困难，但是熟练掌握后能更有效地深耕于量化交易领域，并且也有利于初学者入门量化交易。本书主要内容
本书共包括7章，每章的主要内容如下。
第1章“量化交易速览”首先从狭义和广义两个方面介绍了“量化交易”的概念，然后介绍开拓出这个领域的先驱们的故事，接着讲述量化投资在美国与中国的历史发展进程，最后简单地介绍国内常用的量化交易策略及宽客这个专门从事量化交易的职业。
第2章“Python量化编程基础”介绍了将Python作为量化交易入门语言的理由，讲解了 Python 的基础概念，以及常用的数据分析库 NumPy 与 Pandas、机器学习库scikit-learn，最后讲解绘图库Matplotlib的基本用法。
第3章“vn.py入门”介绍了vn.py交易系统的概况、安装步骤、主交易界面的功能，具体讲述vn.py应用框架的结构，分别是底层接口、中层引擎及上层应用，最后对这3层结构的原理做一个具体说明。
第4章“在vn.py中实现CTA策略”介绍vn.py提供的数据解决方案，用于生成具体CTA策略的相关支出模块，如K线生成、K线管理和策略模板，最后讲述回测和优化模块。
第5章“经典CTA策略”主要介绍vn.py官方提供的经典CTA策略，包括策略原理、代码解释、策略回测和参数优化。
第6章“海龟策略本地化实证”首先介绍海龟交易策略的起源、关键要素，然后解析vn.py下海龟策略的代码，通过交叉检验与筛选品种构成投资组合，最后基于构建好的海龟组合对策略的各个关键要素进行研究。
第7章“新策略实战”首先介绍了开发新策略的流程，然后是搭建投资组合，并进行策略回测为实战做好准备，最后介绍在真实交易情况下接触的3套系统，并且分析策略回测与实战中结果不同的成因。致谢
我首先要感谢“猴子聊人物”创始人，他的数据分析的课程让我快速上手Python语言；然后是“用Python的交易员”陈晓优先生，我也是受益于其知乎Live上对量化交易的推广才从传统的金融转到该领域的。
我还要真诚地感谢电子工业出版社优秀的 IT 编辑孙学瑛女士和电子工业出版社对本书的重视，以及他们为本书出版所做的一切。第1章 量化交易速览
本章将带领读者迅速了解量化交易。首先，从“量化交易”概念入手，通过行业先驱故事来阐述量化交易的重要性，然后分别讲述量化交易在美国与中国的历史发展进程，最后简单地介绍国内常用的量化交易策略，以及“宽客”这个职业。1.1 为何选择量化交易1.1.1 量化交易的概念
在回答“为何选择量化交易”这个问题前，先理解量化交易的概念。
严格地说，量化交易是运用复杂的统计学方法和数学模型，从庞大的历史数据中海选出能带来超额收益的多种“大概率”事件以找出规律、制定策略，并且能用数据模型验证、固化这些规律和策略，然后用计算机来严格、高效地执行之。
这一定义涉及统计学、金融学和计算机科学等多门学科，看起来高不可攀，但是，通俗点说，量化交易是指利用统计学、数学、计算机技术和现代的金融理论来辅助投资者更好地赢利。这些量化的方法可用于分析海量历史数据，也可用于具体信号生成，或者控制持仓大小、进行风险控制等。
因此，我们可以惊喜地发现量化交易与传统的主观交易不再是二元对立，量化交易也包含主观交易，如比较常见的期货跨市套利策略、期权波动率套利等就属于半自动交易。它们需要交易员综合历史均值回归，以及对宏观政策的主观解读，开盘前调整好参数让计算机严格执行策略。
综上所述，量化交易是对主观交易的升华，剔除部分人为不稳定的因素，让用户专注于寻求超额收益（即Alpha）。所以量化交易必然会成为历史发展的趋势。1.1.2 主观交易与量化交易
量化交易总是被人们拿来与主观交易讨论，孰高孰低、众说纷纭。为了更好地分析它们之间的辩证关系，下面分别解读之。1.主观交易
运用主观交易的投资者需要关注国际环境及财经新闻、券商的研究报告、公司的财务报告、K线趋势、个股新闻、价量经验、大人物的演讲、朋友圈情绪、甚至一些小道消息，并对其进行定性或者定量分析。定性分析可以是体验公司产品或者直接实地考察，定量分析则可根据自己的选股原则，用各种指标进行打分，加权汇总后，买入分数高的股票，卖出分数低的股票，以形成交易信号。在手动下单方面，[1]注意不要记错代码并且要避免“胖手指失误”（fat-finger error），若单子太大还需要拆分成小单来降低成本。开仓之后要有风控意识并且严格遵循自己的止赢止损原则。
主观交易具有较强的主观能动性，即在同样的选股原则和止赢止损策略下，100个人操盘会有100种不同的结果，基于大数定律和类正态分布，可以发现有一小撮人的资金曲线非常平滑和漂亮，但是绝大部分人都会低于均线水平，这里的“均线”指的是计算机严格执行交易策略所得到的资金曲线。原因往往是，理性总是被情绪打败的。
20世纪60年代，保罗·D·麦克莱恩（Paul D.MacLean）从生理角度提出了“三位一体的大脑”理论。此理论根据在进化史上出现的先后顺序，将人类大脑分成“爬行动物脑”“古哺乳动物脑”和“新哺乳动物脑”三大部分。每部分“脑”通过神经纤维与其他两者相连，但各自作为相对独立的系统分别运行，各司其职。“新哺乳动物脑”又称为边缘系统，它参与调解本能和情感行为，其主要作用是维持自身生存和物种延续。其中，杏仁核负责创造情绪并产生与之相关的记忆，海马结构能将短期记忆转化为长期记忆。杏仁核作为大脑的“恐惧中心”，它触发的保命技能可是顶尖的：远远看到狮子，恐惧会瞬间攫取你对身体的自主权并快速逃跑。杏仁核在漫长的人类演进过程中很好地提高了人类的生存概率，但是现在却阻碍了止赢止损策略的执行，让赢利变得困难。交易中，K 线的每一次跳动都会刺激着杏仁核，K 线越接近止损线，我们的恐惧越深，同时消极情绪的慢慢积累也会改变交易心态，为了解脱就选择提前离场，自我安慰着少亏就是赢，至少落袋为安。但是最后没想到行情随后一路上涨，一直接近原先设好的止赢线。蓦然回首，发现交易策略其实是对的，因情绪影响而没执行好策略。
在盯盘过程中，能够慢慢地读懂市场、看懂盘面，基于自己交易原则的基础上随机应变的人少之又少。天赋与运气缺一不可。这也就为什么在A股市场、期货市场和外汇市场这些偏短线投资的领域中，手动交易员如同大浪淘沙一样，换了一批又一批，能够稳定赢利的少之又少。“股神”巴菲特最厉害之处，未必是他的选股眼光，而是他控制“新哺乳动物脑”的功力。2.量化交易
量化交易不仅关注历史行情数据、基本面指标数据，而且会把一些非传统的数据，如市场情绪、财经新闻的关键字转化成机器可以理解的指标。数据越原始越好，例如可以直接购买交易所最原始的、未经清洗的行情数据。第三方数据提供商尽管物美价廉，但是在数据清洗过程中可能会把看似无用、实则隐含赢利机会的数据去掉。
有了数据之后，就需要运用数学和统计学的方法，如单位根检验、线性回归、机器学习等方法从大数据当中找到超额收益的多种“大概率”事件，比如选股的量化思想就是进行收益拆解，从很多维度进行数量化的判断。传统上把所有因子分成7大类：赢利性、估值、现金流、成长性、资产配置、价格动量和技术面，通过现代统计学的方法进行冗余因子的剔除和降维、因子权重的确定，以及对精英因子进行打分。基于选股模型的判断形成交易信号，通过程序化交易的API进行自动化交易，并且在交易系统上引入风险控制模块来管理持仓头寸。
量化交易的一大优点就是计算机的高效执行将人从简单重复的任务中解脱出来，可以把更多精力放在更好策略的开发上。另外，量化交易可以从更快速和更微观的维度去思考问题，人受限于人体的生理机构，从看到数据、大脑判断到手指敲在键盘的反应时间是几百毫秒，而计算机执行是可以达到纳秒级别的（1秒=1 000毫秒=1 000 000微秒=1 000 000 000纳秒）。因此在超高速领域，量化交易可以赚取主观交易无法赚到的钱。
任何事物都有两面性，正因为机器能够完美执行策略，公司需要严格保密各自的核心赢利策略。举个例子说明，若一个很赚钱的策略被泄露，致使很多公司都“跑”这个策略，结果就是只有少数速度快的公司能够赚钱，绝大多数是不赚钱甚至亏钱的。但如果大家都去提高速度，就会衍化成设备竞赛。对于每年上千万元级别硬件的维护和升级，不是每家公司都承担得起的。
主观交易者对策略思路的保密性要求并不高，就算是很好的策略让100个人执行，可能就两三个人赚钱，其他是亏钱的，这方面更看重人为的因素，如对宏观政策独特的见解、多年交易经验积累下来的盘感等。在对策略应用的随机应变上，主观交易也有出彩的地方，例如在期货市场上面对不断变动的报价版，资深主观交易者或许能够得知对手是“唯快不破”的高频交易公司，在琢磨透高频公司的交易思路后，通过超大订单去打击并猛追猛打，对手估计就不得不砍仓。
总之，不管是主观交易还是量化交易，到最后都能获得交易圣杯。不同在于主观交易的道路，看似平坦，其实走到越后面越陡峭无比，进化过程是玄之又玄的，需要天赋、运气和顿悟。而量化交易更像现代意义上的搏击运动，它有非常系统的训练方案，只要打好基本功，一步一个脚印，总是能预见进步的。1.2 量化交易的先驱们
本节主要介绍开拓量化交易这个领域的先驱们的人生经历，他们分别是最早使用量化投资方法的朱尔斯·雷格纳特、专业赌徒出身并且最早运用可转债套利的爱德华·索普、盈透证券创始人托马斯·彼得菲、大奖章基金创始人詹姆斯·西蒙斯。1.2.1 朱尔斯·雷格纳特
从现存资料看，最早采用科学方法来研究和发现股票价格涨跌规律的人，既不来自股票和股市交易起源地的荷兰，也不是将金融实践发扬光大的英国人，更不是一开始就和金融共生在一起的美国人，而是看起来有些不“靠谱”的法国人。
最早采用量化方法来分析数据变化并从中挖掘市场价格涨跌规律的，是1834年出生于法国贝当的朱尔斯·雷格纳特（Jules Regnault）。雷格纳特出身贫寒，成年后到巴黎证券交易所成为股票经纪人助理，在跑腿送信的日常工作中耳濡目染着股票涨跌，强烈激发起他探寻规律并赢取股市财富的梦想。雷格纳特每天下班后坚持用纯手工方法，耐心细致地统计和梳理巴黎证券交易所1825年至1862年的股票、国债价格的数据，他惊奇地发现如果股票或国债的持有周期翻倍，价格偏差将增长1.41倍；如持有周期翻3倍则价格偏差增长1.73倍；翻4倍则增长2倍……由于1.41、1.73和2分别是2、3、4的平方根，这令雷格纳特激动异常：“我首次发现了一个未被人表达的数学自然规律，股票价格的差值与所考察的股票持有周期平方根成正比。”
雷格纳特发现了债券的错误定价，运用类似“统计套利”的方法来交易3%永续国债（面值100法郎，每半年付息1.5法郎且永远不偿付本金），根据该国债价格长期浮动于32.50法郎至86.65法郎之间，计算出其合理价格应为73.4法郎。低于此价他就果断买进，偏离越远买进越多；高于此价就果断卖出，偏离越远卖出越多。就这样，虽然也会遭遇短期的缩水和亏损，但持续到1881年，47岁的他实现了“财务自由”。他购买了庄园，雇了车夫、园丁，买了3辆马车和几匹好马，每年都去度假。1894年，雷格纳特去世，留下由债券、股票和房产构成的300万法郎的财富。
随后出版的《概率计算和股票交易哲学》标志着量化交易的开始。而真正“轰”开量化世界大门的是随后一批“不务正业”的“学霸”们。1.2.2 爱德华·索普
爱德华·索普在小时候就对数字显示出了极大的热情。由于家境贫困，索普很早就开始想办法挣钱。有一次，索普和杂货店老板打赌看谁能以最快的速度算出账单金额，他用大脑，杂货店老板用计算器，结果爱德华·索普取胜，并获得了冰激凌蛋卷作为奖品。有时，索普会花五分钱买一盒饮料，再往里面掺些水，按一分钱一盒的价格卖给口渴的工人，这样每盒饮料可以赚一分钱。
1955年春天，索普在加利福尼亚大学洛杉矶分校（UCLA）的物理系读研究生时，和同学们讨论什么方式能不劳而获，大家提到了赌博，而讨论的最终结果是，赌博永远赚不到钱。但索普认为如果能从数学角度找到赌博的密码，那么就一定能战胜庄家。于是他先用计算机预测轮盘赌会出现的每个数字，但是他发现机器的预测性太差，就放弃了。这时他看到了一篇关于计算二十一点扑克游戏的最佳策略的论文，就去赌场实践了，结果输得很惨。
直到他当上麻省理工学院的数学老师之后才研究出二十一点的制胜秘诀，并写了一篇论文准备介绍他的秘诀。索普打算把这篇论文发表在著名杂志《国家科学院文献》上。但根据规定，论文必须由国家科学院的院士递交才能发表。当时麻省理工学院的唯一一位研究数学的国家科学院院士就是克劳德·申农。于是，索普给申农的秘书打了电话，预约面见他。两位量化先驱就这样相遇了。申农建议他把论文名字确定为《二十一点的制胜秘诀》。
论文发表后，信件如雪片般飞向索普，向他讨教二十一点的制胜秘诀，以至于麻省理工学院院方不得不禁止索普对此再发表任何言论。但是索普和申农决定把理论上升到实践，他们找到几个出资人资助他们去拉斯维加斯一试身手。
从拉斯维加斯回来之后，索普写了一本书，即《战胜赌场》，这本以数学研究为主的书，因为名字而成为畅销书。通过索普的书，一时间拉斯维加斯的赌场生意兴旺，但是学会索普的下注方法的人依然不多。拉斯维加斯的赌场已经提醒门卫注意索普这个长相的人出入。索普要像好莱坞电影《决胜21点》的男主角那样，每次进出赌场都不得不乔装打扮，转换说话口音来迷惑赌场门卫。1964年，在拉斯维加斯的一家赌场玩到晚上9点时，索普要了杯咖啡。结果喝下去之后，索普发现自己难以集中注意力，眼睛什么也看不清楚，只好摇摇晃晃地从牌桌边起身回到旅馆房间，过了8个小时才恢复正常视力。第二天，索普又来到这家赌场，这次只要了白水，而且每次只喝一小口。“那水味道很怪，好像里面放了一大包发面用的苏打粉，只用几滴就能让我昏睡一整夜。我要是再多喝一点肯定会立刻在牌桌前昏过去。”幕后黑手毫无疑问是恨他入骨的赌场老板。这件事让索普十分后怕，他决定将自己的目光转向另一个方向——股市，在他看来，这是另一个赌场。
索普研究的第一个标的是股票权证。这种权证和看涨期权一样，赋予购买者在未来以某个价格购入股票的权利，主要的交易渠道是做市商，是当时投资客们的最爱。
索普发现，运用大数定律，不能说每一只股票在明天是涨还是跌，但是可以推算股票涨跌一定幅度的概率。也就是说，如果股票的波动率是随机的，那么它就是可以量化的。这个发现，为量化交易奠定了基调。
而对于那些股票权证而言，通过对波动率的估计，我们就能知道其定价是否失准。比如你买了一份贵州茅台的权证，它的现价是100元，6个月后需要上涨到120元你才能赚钱，那么你就需要计算在此期间上涨到120元的概率是多少，并基于这个概率来得到这份权证的价格。索普利用随机游走模型，再加上某只股票比其他股票是否上涨或下跌更大比例的一个变量，就可以估算这份权证到底值多少钱。
索普为此找到了一名叫席恩·卡索夫（Sheen Kassouf）的金融学家一起合作，把市面上所有的股票权证都测了一遍，结果让他们非常开心，因为在他们的模型下，这些权证的定价基本都是错误的。利用这些错误的定价，他们卖空高价权证，用股市的相应股票作为对冲，如果股票出人意料地上涨，那么股价的涨幅可以弥补他们在权证上的损失，而公式会告诉他们买入多少股票是正确的。索普的权证定价模型就是Black-Scholes期权定价模型的最早实践。
这其中还有一段趣闻：麻省理工学院的布莱克（Black）和斯科尔斯（Scholes）花了相当一段时间才整理好论文准备出版。当一切就绪时，布莱克发了一份预印的材料给爱德华·索普，认为他可能会对此感兴趣。他在材料后附的信上解释说他把索普的推理又向前推进了一步。在一个完美的理性世界，没有什么比无风险投资更有价值了。避险对冲理论上就是无风险投资，因此应该像国库券那样的无风险投资一样带来相同的利润，当然前提是期权的价格定得“准确”。索普迅速地将布莱克和斯科尔斯的公式编辑到计算机中，做出了一个定价表格。他把这个表格和自己做的公式进行了比对，发现除无风险利率的指数因子外，两者几乎完全相同。公式很快被命名为Black-Scholes 期权定价模型，于1973年正式出版。当然，这个名字并没有显示出索普曾经为此所做过的努力。“事实上，我从来没有在乎知名度。”索普说，“因为我不从事经济学和金融领域的工作。我觉得知名度这个问题并不重要，我更关注的是如何多赚钱。”后来，布莱克、斯科尔斯在1997年获得了诺贝尔经济学奖。
索普是一个很大方的人，他曾告诉席恩·卡索夫（Sheen Kassouf）应该把这无风险的对冲体系展示给整个世界。于是《战胜市场：一个科学的股票市场系统》（Beat the Market:A Scientific Stock Market System）就诞生了，而这本书也成为量化投资领域的开山之作。书中向小规模投资者描述了一种很简单的权证对冲体系。当时一般的家庭还没有计算机，只能用图纸画出表格来确定标价过高的权证。
索普在考虑未来的走向时，希望对资金进行专业化的管理。索普想要开始一种“市场中立”的投资合作关系，这意味着投资收益独立于股票市场的波动情况。不管股市表现怎样，都能有保持很好的业绩回报，合作关系也不会受到影响。这种合作关系就是后来大家所熟悉的追求绝对收益的对冲基金。
于是，1969年，索普和莱根成立了普林斯顿—新港公司，意即东西海岸之间的合作。索普和一名员工在加利福尼亚州负责数学问题，他们为东海岸的莱根和其他员工提供交易指导。东海岸的分公司负责打理一些商务上的事情，包括员工的招聘等。索普和莱根将他们这种新型的对冲基金合作关系称作可兑换对冲基金协会。“可兑换”指的是可兑换债券，这是索普发现的一种新机会。可兑换债券是由债券和权证组成的，当公司股价上升时，可转债的持有人有权利把手中的债券换成股票。
1970年，标普500下跌了5%，而索普的基金赚了3%,1972年，他的回报率是26%，比标普500高了11.7%。索普的基金成立之后连续11年获得两位数的回报。索普当年玩二十一点时，金主们给他的10000美元，到1969年基金成立时已经变成140万美元，他把这些钱作为基金的启动资金。到1985年，基金的规模是1.3亿美元。似乎没有什么能阻挡索普赚钱，也没什么能阻挡他成为华尔街竞相模仿的偶像。
1987年爆发了“黑色星期一”这个“27个标准差的事件”,“黑色星期一”成为所有宽客心中的噩梦，是对所有人相信的概率原则的一次挑战。但是索普如同奇迹一般地在这次股灾里毫发无损，1987年他的基金赢利了27%,“黑色星期一”里，他通过后续的反向操作弥补了大跌带来的亏损，最后只亏了几百万美元，就他基金的规模而言，简直是奇迹。1.2.3 托马斯·彼得菲
1944年，二战期间，托马斯·彼得菲出生在匈牙利首都布达佩斯一家医院的地下室里。他的童年充满了饥饿、困苦，经常为了躲债而不得不跟着父母半夜搬
家。1965年，他抓住了逃离匈牙利的机会，几乎身无分文地来到美国纽约，一个基本不懂英语的匈牙利人开始了他在美国华尔街的传奇淘金之旅。
初到纽约时，彼得菲不会讲英语，他在同是匈牙利人房东的帮助下找到了一份在一家工程公司做制图员的工作。他的公司买了第一台计算机时，由于当时计算机刚刚普及，公司中没有人会使用它。对于彼得菲来说，学习电脑语言要比学习英语简单多了，于是他毛遂自荐地学习编程，不久他便编写出了一个简单的勾股定理的算法——利用正弦或余弦函数计算，帮助工程师得出道路的半径和斜坡。彼得菲帮公司设计出了一套数据库并得到了每周65美元的薪酬，成为当时为数不多的程序员。
1967年，彼得菲跳槽到为华尔街客户建立计算机系统的Aranyi公司。在Aranyi公司期间，彼得菲又编写了一个可以帮助投资者快速比较不同股票特点和价值的算法交易代码，在Aranyi公司工作的三年时间，使得彼得菲对金融市场开始了解，并成为当时华尔街为数不多的程序员中的佼佼者。
1969年，彼得菲跳槽到纽约金融市场知名人士亨利·杰里克创办的莫卡塔公司。在莫卡塔公司里，彼得菲如鱼得水，得到了杰里克的赏识，他的编程技术也得到了发挥，在同年创造出华尔街首个所谓的黑盒—— 一个读取行情数据，经过一系列的算法处理后，产生交易买卖指令的系统。正是通过这个系统，莫卡塔公司取得了不错的收益。20世纪70年代初，莫卡塔公司也开始参与期权交易，期权交易最难的是期权定价，当时还没有Black-Scholes公式可供参考。于是凭着交易员的感觉，杰里克和彼得菲总结出了当时影响期权定价的几个因素：期权行使价、期权到期日、波动率及无风险利率。彼得菲费尽周折、绞尽脑汁花了一年多的时间，编写出来一套运用所有上述参数来定价期权的算法。莫卡塔公司开始使用这个算法来交易期权，并取得了不错的业绩。后来他们发现这套方法与一年后发表的期权定价公式——Black-Scholes模型类似。
到20世纪70年代末，随着芝加哥交易市场的建立，彼得菲认为这是股票期权市场兴起的标志，而且股票期权将是一个更大的交易市场，有更大的利润空间。1977年，彼得菲积蓄了20万美元，花了3.6万美元在美国股票交易所买下了自己的交易席位，从此开始创业之路。初期彼得菲的期权交易进行得并不顺利。他的交易完全依靠自己算法提供的定价，如果一个期权合约没有在他保守的利润区间内，他是绝不会交易的。尽管他交易得如此小心，还是免不了失手，曾经一下子损失了十万美元。
尽管这次惨痛的教训来得如此突然、如此凶猛，但彼得菲没有被打倒，他重新振作，一步一步慢慢地积累资金，扩大交易团队，扩大交易量。但由于他的英语不好，他无法像其他交易员们一样和市场庄家们闲聊、交流，庄家们也不喜欢同这个说英语带有浓重口音的匈牙利人打交道，因此他的单子很多不能被庄家成交。于是，彼得菲有了个令人意想不到的想法来增加自己交易的成交比例。当时的美国金融市场是男人统治的天下，彼得菲却反其道而行，雇用了身材诱人的金发女郎来做他的交易员，反正这些金发女郎只是按照他的程序指令来交易，不需要任何交易盘感。这一招却让彼得菲一直不乐观的报单流发生了戏剧化的转变。市场庄家们的眼球一下子就被这些金发女郎们吸引。自然而然地，她们的单子也很快地被庄家们全部接收。这些庄家根本没意识到自己做的每一笔交易都在赔钱。
考虑到基于自己的算法程序，更高的成交量可以降低风险并增加收益，彼得菲决定在美国证券交易所加入做市商的行列。在彼得菲利用他的算法和金发美女创造利润的半年后，这些和彼得菲交易的庄家们和场内交易者们开始注意到自己几乎就没有赢过彼得菲的美女杀手们。从技术上讲，无论市场往哪边波动，做市商需要持续保持买卖两边的报价。可是彼得菲扭曲了这条规则，他只挑出值得做的交易。庄家们早就受够了持续被彼得菲击败的滋味，警告他必须在一部分期权上同时保持买卖两边的报价，否则就取消他的做市商资格。可是要保持期权买卖两边的报价就要求他的交易员时刻关注市场的走势，这对一直以来依靠计算机算法的彼得菲团队来说是不现实的。他也不能要求他的交易员一直都紧贴着电话等待下一个交易指令。彼得菲的交易再次受阻，他又开始寻找新的解决方案。最终一个埋藏已久的想法呈现在他脑海：掌上电脑。经过一系列和美国证券交易所官方的争辩，交易所只允许彼得菲的交易员们带小型便携式电脑进场。可是最大的问题是，当时根本没有什么便携式电脑。
带着一个朦胧的想法，彼得菲找到纽约大学的物理博士们来帮忙设计。他们在一个大小为8×12英寸、厚度2英寸的黑色盒子里，嵌入晶体管和集成电路板，用金线连接起电路板和顶端屏幕，做成了一部触摸式的平板电脑。这些平板电脑通过电话线连接 Quotron 行情数据机器接收行情数据，经过算法程序计算后，产生交易指令，并以短波无线方式回传到平板电脑上，那些美女交易员们拿到指令后再报价到庄家。然而，此时彼得菲的竞争对手使用的却是每天只能更新一两次的公平价值定价单。
从那开始，彼得菲赚到了超过100万美元一年的丰厚利润。为了扩大自己的业务规模，他考虑进军芝加哥期权交易所（美国最大的期权交易所）市场，但因交易场所禁止携带电脑之类的设备进入遭到了拒绝。最终彼得菲转到了纽约证券交易所扩大他的股票期权业务。为了更好地帮助他的交易员们提高效率，彼得菲设计出一些带光的彩棒，系统产生的不同交易指令，会通过不同的颜色示意给场内的交易员们。
慢慢地，彼得菲的交易量越来越大，赢利也开始直线上升，1986年，交易所变成了彼得菲交易大军的取款机。公司从1986年100万美元的初始资金，到年底的500万美元，取得了400%的年回报。同时他在股票期权上的交易，必须在股票市场进行对冲，让他在股市的交易量也直线上升。
1987年的一天，一位纳斯达克工作人员到彼得菲在世贸中心的办公地例行检查，查看他的交易运行，他预想的是骚动的人群、吵闹的电话声、打印机的声音，还有交易员向纳斯达克交易终端输入交易指令时此起彼伏的叫买叫卖声。可这场景并未出现在他眼前。实际上，他只看见一台IBM电脑连接着纳斯达克终端机，而且仅靠这台IBM电脑来完成彼得菲如此庞大的交易量，顿时感到不可思议。电脑里有指示交易品种、交易时间和交易数量的代码。这位纳斯达克职员没有想到，他刚刚见到的是世界上第一台运行全自动算法交易系统的电脑。彼得菲的设备可不只是像过去的交易系统那样提示交易品种，也不仅是简单地弹出需要人来执行
的交易单。这台电脑悄悄潜入纳斯达克交易终端，全权决定并执行交易，不需要人的参与。彼得菲的代码可以利用从纳斯达克终端不断涌来的交易数据，分析市场，轻易通过买家出价和卖家售价的不同来开出买单和卖单。这里值得一提的是，彼得菲的交易机构开启了华尔街的新篇章。从此，电脑程序员、工程师和数学家开始了对金融市场长达20年的大举进攻，所使用的利器就是算法和自动化交易，算法有时无比复杂精密，智能到几乎可以取代人成为金融市场的决定性力量。
当纳斯达克工作人员得知彼得菲通过外接或者更恰当地称此为“偷取”纳斯达克行情数据来实现IBM电脑的自动化交易时，他立即要求彼得菲停止这样的运作，因为纳斯达克的软件是给人工看行情且手工键盘输入交易指令用的，不是用来做自动化交易。
在被纳斯达克要求停止外接行情数据，且交易必须通过纳斯达克终端键盘执行后，彼得菲在之后的一周时间里和他最好的工程师忙着焊接金属、编写代码、焊接数据线，创造了一种输入交易和指令的机器手。当一星期后纳斯达克人员回来复查，他仿佛置身于科幻小说所描述的场景。交易单不断涌入，手柄噼里啪啦地打在键盘上，噪声如此之大，甚至淹没了谈话声。机器每次停下来，仿佛要安静一会儿，谁知转瞬之间再次启动，更加气势汹汹地弹出比上次还要多的单子。整个交易是华尔街的聪明人对规则的又一次令人叹为观止的绕行。最后纳斯达克人员摇摇头，彼得菲扮了个鬼脸。正是这套自动化交易系统帮助彼得菲在1987年一年里赚到了2500万美元。之后彼得菲设计了更多的系统和算法，进行了许多技术创新，进入了更多的交易品种和市场。他尤其喜欢那些新的市场，因为这些市场存在更多的机会，而且竞争也少。
1990年，彼得菲将他的公司改名为盈透证券（Interactive Brokers，简称IB）。在盈透证券中，工程师就是公司的一切，公司内75%的人员是程序员和工程师。
1993年，彼得菲将他日渐完善的交易系统作为服务，提供给客户，因为价格便宜，交易品种多，地域全，受到了极大的欢迎，尤其适合专业的交易公司和职业交易员。现在按公布的每日平均收入交易衡量，盈透证券已成为最大的网络经纪商。
2007年5月4日，盈透证券在纳斯达克成功上市。在开市的钟声敲响后，他的公司被市场估值为120亿美元，成为当年美国第二大的 IPO。虽然盈透证券最低注资要求是10 000美元且不适合休闲投资者，但在国际交易和专业交易者所渴望的低成本佣金领域，盈透证券处于行业领先水平，而且盈透提供一个全能账户，客户可以在24个不同国家的100多个市场中心交易股票、期权、ETFs（交易所交易基金）、期货、外汇、债券，以及CFD（差价合约）。1.2.4 詹姆斯·西蒙斯
詹姆斯·西蒙斯（James Harris Simons）于1938年出生在美国波士顿郊区一个犹太家庭。据说，西蒙斯很小就开始表现出对数字、形状超出年龄的兴趣，他说自己3岁就想学数学了。西蒙斯在波士顿附近一个叫牛顿的小镇读完中学后，就进入了麻省理工学院读数学。他当年的导师数学家辛格回忆说：“西蒙斯的悟性很好，他能直观地感受到数学的原理，这是很罕见的。”
1958年，20岁的西蒙斯用了3年学完本科，转投加州大学伯克利分校攻读数学博士学位。期间他第一次结婚，婚礼收到的礼钱都被西蒙斯拿去投资了，不管股票还是大豆期货都赚了。但是那时候西蒙斯还对投资、交易之类的事情兴趣不大。
三年以后西蒙斯就拿到了博士学位，回到母校麻省理工学院当老师，那时他才23岁。他的博士学位导师回忆说“吉姆（西蒙斯的昵称）是个很有独创性的人，喜欢坚持走他自己认定的路。”他的博士论文讨论的有关多维弯曲空间里的几何问题，和后来以西蒙斯和华裔著名数学家陈省身联合命名的Chern-Simons理论一样，都属于拓扑几何学的范畴。
1967年，西蒙斯接受了成立才10年的纽约州立大学石溪分校（简称石溪大学）的校长陶尔的邀请，出任该校数学系主任。他招兵买马，不分远近，请到了一些当时或者后来的学科领军人物，这些人分别来自德国波恩大学、美国密歇根大学、俄罗斯的圣彼得堡国立大学，等等。西蒙斯在石溪大学待了8年，在这期间，他不仅和加州大学伯克利分校微分几何学的顶尖人物陈省身共同创立了著名的Chern-Simons理论，而且使这个新成立大学的数学系的拓扑几何研究在全美名列前茅。
1974年，西蒙斯在商品市场赚了钱后（从60万美元变成了600万美元），让他开始对交易有了兴趣。虽说他在学术上的成就已独领风骚，但他还是开始慢慢地移情别恋。后来他自己说“学术界的节奏太慢了”。而另外一个原因是西蒙斯研究的数学领域出成果很难，需要很长的时间，有时候还要靠相当的运气。
1978年，他完全脱离了石溪大学，成了专业投资人。他成立了一个林姆若伊基金，专门从事各种投资活动，其中主要是外汇交易，但是也包括投资各种小公司现在被统称创投基金的投资活动。10年间，林姆若伊基金的投资回报是25倍，相当于每年增长38%左右。
西蒙斯于1988年关闭了已有10年交易历史的林姆若伊基金，成立了文艺复兴科技公司，该公司管理的就是后来众所周知的大奖章基金。公司的地址不在金融界聚集的华尔街，而是在石溪大学的边上。此时西蒙斯的投资方法才从主观交易完全转型到量化交易。
大奖章基金和林姆若伊基金有两个明显的不同。第一个不同点，大奖章的投资范围不再包括创投基金。虽说西蒙斯的第一桶金源于投资小公司，而且他一生都对直接投资各种小公司有着浓厚的兴趣，但是大奖章基金投资的产品按照他本人的话来说必须符合三个条件：“必须在公众市场上交易；必须有足够的流动性；必须适合用数学模型来交易。”
第二个不同点，大奖章基金的投资方法是纯粹的量化投资，以技术数据为主，而林姆若伊基金的投资方法则以基本面数据和主观判断为主。对于其转型的原因，西蒙斯也回答道“首先，数学模型降低你的投资风险。其次，数学模型降低你每天所要承受的各种心理压力。”后面一点是很重要的，因为判断型的投资完全依赖大脑根据最新的信息做出最新的判断，所以，要想不贻误战机，大脑必须随时随地地保持高度警觉的状态，因为新的信息在不断出现，投资的仓位需要不断地调整。
开张第一年，大奖章基金赚了8.8%。但是1989年起模型似乎开始罢工，从年初到4月，大奖章基金赔了30%。西蒙斯花了6个月的时间冥思苦想，最后决定将过去模型中的有关宏观经济数据的部分完全剔除，只留下技术数据。同时，公司将注意力集中在短线交易上。这应该算是大奖章基金的重要转折点，当时制定的投资战略被保留至今，也是大奖章基金长盛不衰的立命之本。
新公司创立之初，西蒙斯的干将主要来自3个地方：一个是石澳大学的数学系，过去他曾经是系主任；另外一个是国防分析研究院；第3个地方可能会令人感到惊奇，是IBM公司的语音识别实验室。有人曾经说，当年西蒙斯把整个语音识别实验室的精英统统都给挖走了。
有了这样一群形形色色局外人琢磨不透的科学家，公司的数学模型在不断更新和变化，很多的灵感就是在这样的跨学科碰撞中产生的，西蒙斯的大奖章基金也就理所当然地从胜利走向胜利。1994年，美联储6次升息，利率从3%升到5.5%，当年政府债券的收益为6.7%，大奖章基金赚了77%,2000年的科技股股灾中，标准普尔500指数跌幅超过10%，大奖章基金获得空前的丰收，净回报98.5%。似乎每当股市或者债市越差，市场的波动性越大的时候，大奖章的表现就越好。西蒙斯自己也说过，他的基金需要一定的波动性才表现最好。他说：“要赚钱，就要市场动。”
大奖章基金的投资组合包括上千种不同的股票和各种其他金融工具，它的交易非常频繁和迅速，很多人在描述大奖章基金的交易方式时都会形容成“像机关枪一样”，基金过去每年的周转率在十几倍到几十倍之间。2003年年底大奖章基金资金的股票投资金额为82亿美元，持有1387只股票，前一年年底的股票持仓量为123亿美元。它所持的股票并不是那些很偏门的公司，而是交易量很大的生化、食品、医药、采矿、国防、金融行业的股票。
2005年，文艺复兴科技公司的财务总监马克·西尔伯告诉外界，大奖章基金已经达到了流动性的限额，所以将退还基金中外界投资人的钱。其实在之前的3年中，大奖章基金一直在不断返还外界投资人的钱。2005年年底，外界投资人在大奖章里的钱已经被完全退还。2006年开始，大奖章基金的所有投资人都是复兴技术公司的现任或者前任雇员及其家属，这样做的目的是使大奖章基金的总值保持在50亿美元左右，光是雇员的钱就已经达到这个数字。
但是文艺复兴科技公司并没有对外界投资者完全关闭大门，它新开设了两个基金来欢迎新的投资者。这两个基金的最低投资额为2000万美元，所以它主要的目标是机构投资者，尤其是退休金的管理公司。新的基金规模上限是1000亿美元，只投资美国的上市股票，所以和大奖章基金不同，后者买卖很多外汇和商品期货。新基金的投资时限也要比大奖章基金长，并且以买进股票为主，所以更接近公募基金。1.3 美国量化投资的发展历史
美国量化投资的发展历史进程大致可以分为3个阶段，分别为兴起阶段、快速发展阶段，以及稳步增长阶段。1.3.1 兴起阶段（1970—1990年）
20世纪70~80年代，量化交易逐渐在华尔街兴起，其重要标志是1973年，芝加哥期权交易所成立，Black-Scholes期权定价公式开始被华尔街迅速接受。因为期权定价公式属于解析法，与二叉树模型（计算美式期权）或者蒙特卡洛模拟（计算特异期权）不同，它可以在交易系统底层非常快地计算出欧式期权理论价，当市价在一定程度上偏离理论价时，用于快速套利。因此期权高频套利一下子发展起来了。
当然，期权的贡献不仅于此：由于可以进行做多看跌期权这个操作，即当股价下跌时赚钱，而且跌得越多赚得越多，但是期权的价格只有股票价格的十几分之一（期权内置杠杠倍数高）。在一篮子股票中买入看跌期权，相当于用极少的钱去买保险，牺牲现在一少部分钱来挽留住未来可能遭受的大幅度损失。有了期权，可以很方便地对冲整体市场风险，再通过基金经理的选股能力去获得超额收益，故期权也间接催生了市场中性策略。
1983年，时任摩根士丹利大宗交易部门程序员的格里·班伯格（Gerry Bamberger）在为大宗商品交易部门编写软件的“配对策略”中无意发现“统计套利策略”。“配对策略”即买入一种股票的同时卖出另一种同类的股票以规避风险。班伯格的发现是大宗交易通常会导致这一对股票中的一只股票强烈波动，而另一只股票却几乎原地不动，即这一对股票的价差会暂时出现异常。班伯格基于这个发现提出了交易策略，在价差恢复到历史水平的时候获利平仓。该策略的强大之处在于不管市场运动何方都能够赢利，因此该策略大火，各大投行和对冲基金争相模仿。同样的策略，用的人多了赚钱难免就变难了，林子就这么大，一下子来这么多人采蘑菇，那肯定速度越快的人采到的蘑菇才越多。为了更快地抢到单子，各大机构投入重金放在优化硬件设备和算法上，开始了“军备”的竞赛，这从另一个层面也拉近了金融和自然科学界的距离。1.3.2 快速发展阶段（1990—2000年）
20世纪90年代，美国经济总体而言是非常繁荣的。从1992年到1999年，美国经济平均每年增长4%（从2001年起就再也没有超过4%；从2005年起，全年增长率就再也没有超过3%），每年平均增加170万个就业机会，约增长85万个就业机会。到20世纪90年代末，美国失业率从1992年的8%降低到4%，股价翻了四倍，道琼斯工业平均指数增长了309%。
在这样的大时代背景下，量化投资也迎来了“黄金十年”。到20世纪末，互联网开始大量普及，依托于计算机编程的量化投资技术席卷市场。至此，对冲与量化终于结合起来，全球量化对冲基金市场迎来了春天。
这可谓是群雄崛起，很多金融界新秀在这一阶段一步登天、成就伟业！
1990年，哈佛大学经济学本科生肯尼斯·格里芬（Kenneth C.Griffin）在索普的帮助下，设立大本营投资集团，利用数学模型进行可转债套利交易，后发展高频交易策略等，成为多元化多策略基金。第一年回报率达到70%。2004年基金资产达到150亿美元，2003年格里芬个人资产高达7.5亿美元。
1991年，普林斯顿大学数学系毕业生彼得·穆勒（Peter Muller）在由伯克利经济学教授巴尔·罗森堡（Barr Rosenberg）创立的Barra量化基金中发明了阿尔法系统策略，后到摩根士丹利成立过程驱动小组，由数学、统计与计算机界的顶尖高手组成，建立了“大富翁”程序化交易系统，专注于特定行业的统计套利。1996—2006年利润约为50亿美元，团队奖金约为10亿美元。
1992年，获得沃顿商学院本科金融与计算机双学士学位、芝加哥大学金融博士学位的克里夫·阿斯内斯（Clifford Asness）发明了价值和动量策略。他进入了高盛资产管理公司从事量化业务，建立了全球阿尔法基金，第一年收益率为95%，第二年收益率为35%。
1994年，约翰·梅里威瑟（John Meriwether）从所罗门兄弟公司辞职，成立长期资本管理公司，斯科尔斯和莫顿加入。该基金的专长是相对价值交易，搜寻价格行为反常的证券，擅长用大杠杆买入老债券和卖出新债券。1998年出现的“黑天鹅事件”，导致长期资本管理公司破产。
1995年，博阿兹·温斯坦（Boaz Weinstein）从密歇根大学哲学系本科毕业进入美林公司全球债券交易部，1998年进入当时世界最大银行德意志银行从事衍生品交易，专长于浮动利率债券和资本结构套利。2005年内部基金规模实现200亿美元。1.3.3 稳步增长阶段（2000年至今）
自2000年以来，各种金融工具与计算机程序高度结合，带动量化对冲基金的快速发展，全球量化对冲基金市场高速增长。天天基金研究中心发表的《专题研究：量化对冲策略及产品简介》指出，2008年金融危机前期，全球对冲基金规模由2000年的3350亿美元一度上升至1.95万亿美元，涨幅接近500%。管理的基金数量也由2000年的2840只上涨接近3.5倍。2008年金融危机期间，受业绩表现不佳且投资者大量赎回的影响，到2009年4月，全球对冲基金规模缩减至1.29万亿美元。2009年之后，在全球经济复苏背景下，对冲基金规模又开始反弹，至2013年11月底，全球对冲基金共管理着1.99万亿美元的资产，对冲基金规模重回增长轨道，并于2015年创出历史新高。1.4 中国量化投资的发展历史
国内量化交易起步较晚，真正兴起是在美国次贷危机之后，大批华尔街资深人士回国发展，根据量化交易策略使用程度的不同，并且结合第一财经《宽客在中国》系列报道的资料，量化交易的本土化发展大致也可以分为3个阶段，分别是ETF套利时代（2010年以前）、多因子Alpha和高频交易称雄时代（2010—2015年），以及多元化投资时代（2016年至今）。1.4.1 ETF套利时代（2010年以前）
公募领域的第一只量化基金于2002年诞生。早期量化基金以指数增强型为主，且形单影只受冷落，从2006年开始的两年间无一发行。由于当时 A 股市场持续低迷，机构在量化研究上的投入也捉襟见肘。当时在量化研究方面做得还不错的某家机构团队一度濒临解散，成员四处求职，且也没什么机构愿意接纳。
直到2009年才开始出现加速迹象，其契机是美国次贷危机后，华尔街的量化投资人才相继回国，回国以后主要加入公募基金，富国沪深300指数增强基金等采用量化方法进行投资的产品也相继推出。随后，多因子选股这个概念就逐渐开始流行，可是真正做量化对冲的开始时间却是2010年。据《第一财经日报》统计，截至2009年共有13家基金公司推出了15只主动管理型量化基金，总规模约241.04亿元人民币，仅占公募基金总规模的1%左右。但值得注意的是，这些基金业绩排名都相对靠后。
尽管是公募基金最先拉开中国量化投资的序幕，但是在2010年以前，ETF套利可以说是国内量化投资的主流品种。2008年各类套利产品瞬间开始增加，整年有10只产品成立，套利策略涵盖ETF跨市场套利、可转债套利、基金封转开，以及正股+认沽权证套利等。2009年，部分私募在ETF套利的基础上又开发了ETF延时、多头事件套利等。但随着进入的淘金者越来越多，套利空间日渐狭窄，ETF套利市场已趋于饱和。
在国内期货领域，最早的量化投资者主要是一批经常做内外盘对冲的现货商，如伦敦铜和国内铜之间的内外盘套利交易。当时只有商品期货，所以期货市场的关注度较低，总体上算是小众市场。此外由于许多品种定价权受制于国外，隔夜的跳空较为常见，所以量化投资存在较大的风险。1.4.2 多因子Alpha和高频交易称雄时代（2010—2015年）1.股票市场
2010年4月，沪深300股指期货上市，标志着股票Alpha策略和股指期货套利策略的兴起，但是整体来看，2010年并未看到以股票Alpha策略为主的对冲产品，也未有明确标识以股指期货套利的产品。2010年到2012年是一个观望期，因为很多人也不太清楚股指期货到底怎么用，大概从2012年年底到2013年年初这段时间开始，特别是在2014年有了一个爆发期，大家看明白了，可以利用它去选股，选出一篮子带有超额收益的股票，同时做空股指期货，进而可以实实在在地把超额收益转化成绝对收益。因此2010年到2015年9月股指期货受限之前的这段时间就是市场中性策略的大爆发的时期。
2012年量化对冲产品数量继续急剧增加，全年共发行信托产品78只，资管产品17只，共计95只。量化对冲策略也更趋丰富化，加入了定向增发等策略。
2013年新增加的量化对冲基金多以股票Alpha基金为主，2013年创业板的牛市让这些 Alpha 基金大赚不少，但也隐藏了一些问题，比如同质化和权重依赖创业板。这些问题在2014年创业板不再坚挺的时候就逐步暴露了。此时，市场中性策略的价值就更多地体现出来了。
2014年，基金业协会推行私募基金管理人和产品的登记备案制，推动了私募基金的全面阳光化，加速了私募基金产品的发行，其中自然也包括量化对冲型私募产品。粗略估算，2014年全年各种方式累计发行的量化对冲产品数量超过600只。2.期货市场
自2010年股指期货诞生以来，期货量化迎来了大发展！在股指期货推出以后，期货市场受到了社会的广泛关注。而期货市场的整体成交量也出现了大幅度的增长，多个品种成交金额居于世界前列，这为量化投资奠定了良好的基础。
与此同时，期货行业也有了不少变化。首先，期货公司纷纷成立了金融工程部或者投资咨询部，证券研究所与期货研究所联系更为紧密，更注重金融产品的研究；客户对于程序化交易开始逐渐认同；市场上各种量化投资平台蜂拥而出。
一般来说，期货相对于股票债券更适合量化交易。期货市场主力品种投机性强、流动性好，很多期货品种都会同时出现双主力合约，便于进行跨期套利。不同于股票T+1制度，期货采用T+0制度，所以期货投资者更加青睐于短线交易。同时，相对于股票动辄要上千万资金的程序化接口，期货程序化交易接口资金门槛低得多，更有利于实现量化交易。而且期货成交量与持仓量的高倍数也使得期货投机氛围更浓厚，价格波动比股票大，所以高收益产品更受青睐。3.高频交易
高频交易是一种对电脑接收金融指令的速度、交易的反应处理速度、发出指令的速度要求都极高的交易方式，许多交易商能在短短的一秒钟内发出数千个交易指令，并随后在几毫秒钟内根据最新的市场信息和模型的参数立即取消或转换指令。目前，美国2%的高频交易商的交易量却占到了股票市场总成交量的60%~70%。与美国不同，目前国内市场上已有快速交易和程序化炒单，但并不存在类似国外饱受争议的“闪电交易”，由于国内交易所发布数据的频率通常为每秒钟2笔或4笔，交易者无论利用什么软件，行情发送频率都是一定的，无法实现毫秒级别的快速开平仓，因此多数交易者都会持仓数秒钟以上，与国外所谓的高频交易有着本质区别。
随着2010年股指期货上市，国内高频交易迎来了春天。这群低调的人以毫秒为时间维度快速下单，每日交易量达数千手甚至更多，每月90%以上交易日收益为正。至此股指期货交易规模急速膨胀，仅2014年一年的时间，沪深300股指期货的交易额就达到163万亿元人民币，2015年6月，股指期货日均成交量达到2.3万亿元人民币的峰值，股指期货主力合约的成交量约为240万手。1.4.3 多元化投资时代（2016年至今）
2015年9月，中金所对股指期货实施史上最严厉监管，提高10倍手续费，股指期货交易量骤降为180万手，对于手续费极度敏感的高频做市商没法做了。但对于日内趋势商，平均单笔净利润有1万元人民币左右，手续费从150元人民币提高至1500元人民币，伤害不大，因此依然可以继续交易，市场波动有增无减，接着交易所将日内平仓手续费提高至100倍，一时间交易量下降99%，股指期货市场基本上消停了。
试读结束[说明：试读内容隐藏了图片]