分享

12大国内量化平台整理分析

 havruta 2016-07-22

    在中国式对冲基金雏形期,期指初期阶段的套利交易在模式和运作上大同小异,所以,模型的多元化以及交易系统的优越是业绩比拼的两个关键点。


    机构投资者进行套利、趋势、高频、对冲等对行情和交易要求高且逻辑复杂度高的策略时适用高端交易平台;进行趋势、反趋势等对行情和交易逻辑要求不高的策略时适用中低端平台。


    量化交易按照对计算机技术的利用方式和数学模型的理念可进一步细分为:量化投资(Quantitative Investment)、自动化交易(Automatic Trading)、高频交易(High Frequency Trading)、程序化交易(Program Trading)和算法交易(Algorithm Trading)。以上五种是不同量化交易用户群的不同交易方式,侧重点各有不同,也是量化交易技术发展到不同阶段的产物。


    要求量化交易平台从其交易系统的基础数据和行情、策略研发、交易执行和运营主要的三个方面,要做到大而全且深而精。


    目前中低端和高端量化交易平台的划分主要从开发语言、系统架构、交易方式、策略方向和技术架构等几方面。


国内中低端量化交易平台


    国内应用的中低端量化交易平台主要有:交易开拓者、金字塔决策交易系统、文华赢智程序化交易、安翼金融终端、达钱&multicharts等。


1.交易开拓者程序化交易平台


    交易开拓者(TB),根据账户持仓状况和图表买卖信号驱动交易下单,采用语法类似Pascal的TBL语言开发策略模型。TB在量化模型研发方面,提供了较为全面的账户和交易函数、行情数据函数和统计函数用于策略开发;提供了国内期货近期的TICK数据和多周期的历史行情数据;为策略绩效评估的依据提供了丰富的策略回测报告项。在量化交易方面,单个TB终端支持20-30个单品种的图表并发接收行情并交易,但对于高频和更复杂策略却支持不足,这是因为客户端技术架构的限制。现阶段TB在中低端量化交易平台的市场有较高占有率,很多期货公司与之合作。


2.金字塔决策交易系统


    采用VB脚本语言开发策略模型的金字塔决策交易系统,使用较复杂的交易函数与账户函数进行资金管理,可以使用图表买卖点,又可使用非图表的交易判断驱动交易下单。金字塔在量化模型研发方面,提供的账户和交易函数较多、行情数据函数更为全面、统计函数用于策略开发,同时也支持专业的统计分析软件Lib库做扩展和外接统计数据库;提供了国内期货和股票的TICK数据和历史行情数据,外盘数据也可使用;为策略绩效评估依据提供了较为丰富策略回测报告项。在量化交易方面,在支持图表驱动的程序化交易外,也可以进行算法交易、篮子交易与较复杂的对冲交易的实现。金字塔在中低端量化交易平台市场中也有较高占有率。


3.文华赢智程序化交易平台


    买卖信号产生后驱动交易下单,采用麦语言开发技术指标模型的文华赢智,在量化模型研发方面,在提供了国内期货和股票全部品种的近期TICK数据和多周期的时间序列历史行情数据外,也为策略开发提供了一些统计函数、丰富的行情函数以及账户和交易的部分函数,为策略绩效评估依据提供了丰富的策略回测报告项。赢智在量化交易方面,提供支持最多24个品种进行的多线程独立的程序化交易,同时使用下单精细化组件,实现了部分算法交易的功能。赢智虽然实现了高频交易的功能模块,但在实际应用中由于采用客户端的技术架构,建议高频交易托管在文华机房。赢智现在有一定的优势在中低端量化交易平台,主要以其程序化实现简单、性价比高等特点。


4.安翼金融终端程序化交易


    安翼金融终端是由某券商独立开发的进行国内期货和股票的自动化交易工具,采用技术指标的通用脚本语言开发交易模型,进行图表驱动的自动化交易。现阶段安翼免费使用程序化交易工具,提供了国内期货与股票的历史行情,相对简单的股票、期货的对冲交易和图表交易都可进行。


5.达钱&multicharts自动化交易

 

    采用power language开发策略模型的达钱&multicharts自动化交易系统(MC),提供行情和交易网关,multicharts实现策略开发和执行平台。在量化模型研发方面,由达钱提供的一段时间内的TICK行情和国内期货历史行情。MC承袭了TradeStation便捷的开发特点以及丰富的策略库和函数库,提供的回测和绩效评价体系更为完善,为策略研发提供了完善的评估。在量化交易方面,MC对于高端的量化交易模式支持不够,只支持程序化和自动化交易。MC占有率在中低端量化交易平台的市场稍显不足,因为进入国内的时间不长。


    目前市场上,针对投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略时,中低端平台更为适合,也是个人投资者应用最多的一类大众化的量化交易平台。


国内高端量化交易平台


    国内应用的高端量化交易平台主要有:盛立SPT平台、Progress Apama、易盛程序化交易、龙软DTS、飞创STP、国泰安量化投资平台、天软量化平台等。


1.盛立SPT平台


    盛立金融软件的SPT平台,采用独立的运营和回测平台进行模拟和真实交易,采用C++语言和定制的策略开发模板进行策略研发。国内SPT平台应用虽然不多,但在量化交易平台中也十分引人注目,因为其凭借交易的毫秒级别的延迟以及100万笔/秒的行情并发处理能力。SPT提供了一些策略模板,可以很方便地实现套利和对冲交易、高频交易、程序化交易和算法交易等。


2.Progress Apama


    Apama采用EPL和JAVA语言开发或者定制策略模型,通过行情、资讯等驱动CEP引擎进行交易、风控等操作。在量化模型研发方面,Apama使用第三方的行情授权,提供了丰富的金融工具包进行复杂策略开发;提供了各市场行情接口和各种柜台交易接口的接入,可以接入国内股票和期货多周期的时间序列历史行情数据和TICK数据;提供了1万倍加速测试进行策略回测,可以方便地定制测试报告;提供了便捷的studio开发工具,可以进行复杂策略的快速开发和定制。在量化交易方面,Apama提供了150万笔/秒的交易并发处理能力,进行算法交易和高频交易。Apama高端的并发处理能力,使全市场的多品种并发套利、对冲等交易策略和实时风控策略可以高速执行。现阶段,Apama占有很大的国际投行的自营、资管、经纪业务市场份额。Apama2012年开始逐步拓展国内的业务,几家较大的证券和期货公司已经开始正式上线推广Apama和相关的量化交易应用。


3.易盛程序化交易平台


    易盛程序化交易既可根据易盛柜台提供的行情和交易API,采用C++开发外接应用的方式,实现期货、股票的更复杂的量化交易,也可采用类似Easy Language的语言开发策略模型,实现程序化交易和套利交易。在量化模型研发方面,易盛程序化提供的EL开发模型,类似于中低端的量化交易平台,但在交易和账户函数的实时性、行情的速度和精细化处理方面,达到了高端量化交易平台的要求。在量化交易方面,拥有一定比较优势的易盛柜台的行情和交易速度,量化交易平台支撑的应用主要是期货对冲和套利交易、程序化交易和自动交易。


4.龙软DTS


    DTS采用LUA脚本语言开发策略模型,实现投研和交易是通过平台提供的基本资料数据、历史和实时行情、宏观数据的统计分析。DTS在量化模型研发方面,可以接入第三方数据源,也可使用平台自有的数据源。DTS为进行复杂策略开发、回测和绩效评价提供了一些金融工具包。在量化交易方面,为保证策略的高并发和高速执行,提供了可以扩展的服务器端技术架构,其在量化交易、算法交易、对冲和套利交易及程序化交易方面都有实际应用。


5.飞创STP


    通过可定制的模板开发策略模型的飞创量化交易平台采用JAVA语言,进行高频交易。STP通过统一的开发和资管运营平台,实现策略的研发、回测、风控和资管运营。由于使用了高速的柜台交易接口,其主要面向程序化交易和高频套利等交易模式的用户。


6.国泰安量化投资平台


    国泰安量化投资平台采用matlab的toolbox的形式无缝兼容了matlab的研发环境,分为研究平台(QIA-Lite)和交易平台(QRC),由交易平台实现策略交易。国泰安投研平台在量化模型研发方面,使用自有的基本面数据、行情源、量化因子数据库、高频数据,完全兼容matlab所有的函数,实现了模型的研发和回测。在量化交易方面,其支持了国内主流期货和证券的柜台,在股票和期货的算法交易与程序化交易等方面都有实际应用。


7.天软量化研究和交易平台


    采用天软特有的TSL语言开发策略模型的天软量化研究和交易平台,通过天软的交易网关,实现量化交易的执行。在量化模型研发方面,采用高性能数据仓库提供的TICK和历史行情、宏观数据和基础资料数据等数据源,同时提供了7000种开源的函数库,进行策略的研发、回测、绩效分析。在量化交易方面,其基本实现了算法交易、自动交易、程序化交易等量化交易方式。


    除了上述几个具有一定应用客户且相对成熟的高端量化交易平台外,现阶段也有较大金融机构使用像StreamBase、Sysbase CEP等高频中间件来构建量化交易平台。如恒生、金仕达等一些传统的交易柜台厂商,也在逐步推出高端量化交易平台。


    机构投资者进行套利、对冲、趋势、高频等对行情和交易要求高、逻辑复杂度高的策略时,更适合高端交易平台。


    机构投资者也随着国内金融市场创新的提速,对高端交易平台的需求和潜在需求呈快速上升趋势。


    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多