最帅
0
史上最帅的人
最帅

简介:史上最帅的人

粉丝

0

关注

0

在高频交易中,lee_ready algorithm, 该方法对每一笔的成交方向进行了判别。
而在行情数据中,真实的交易的信息是不可得的,请问如何评价该算法?

2019-01-23 17:50 浏览 1461 收藏 举报

分享你的真实观点和经验,通过汇编、洗稿的等方式拼凑的回答将会被折叠 完成
2个回答
  • Peace of mind, Code of enjoy
    红豆豆

    简介:Peace of mind, Code of enjoy

    粉丝

    0

    关注

    0

    如果是说equdity, level2 数据的trans是有bsflag的, 对比之后, lee-ready的正确率接近70%, 当然还有很多lee-ready算法的变形,不过大致思路都是一样的,效果也是大同小异。

    futures的话, 有一些小的trick, 因为没有交易所逐笔成交, 所以需要researcher 来做一些simulation, 至于sim的效果, 只能通过eval factor 来看了。

    很多关于microstructure的 research 是从这个方向开始的, 它的重要性也显而易见, 这个东西可以用来判断市场的short term liqudity, 至于得到这个信息怎么去trade, 各家公司的做法又不太一样,不过可以确定的是, 在国内, 很多人靠这个确实赚了不少钱.

    评论 0
    2019-01-23 19:52:46 点赞   举报  
    取消 评论
  • 学以致用
    毛十三

    简介:学以致用

    粉丝

    0

    关注

    0

    Lee and Ready (JF,1991)提供的算法作用是在order level data(订单级别数据)不可得的情况下,用Trade and Quote (TAQ) 数据库里的trade level data(逐笔成交数据)和quote level data(各交易所最优报价数据)来推断liquidity taker(交易发起者)的交易方向。

    具体操作准则是,

    (1)如果当前成交价高于(低于)当前最优买卖报价平均值,判定为"买"("卖");

    (2)如果当前成交价等于当前最优买卖报价平均值,那么如果当前成交价比上一笔成交价高(低),判定为"买"("卖")。

    这种判定方法能找到大多数交易的发起方向,但是并不精确。比如下图中第一种情况就出现了误判。但总体而言,因为应用简单,准确率也还行,LR是受到广泛接受的算法。


    至于在国内市场的应用,我比较懵逼的是A股市场实行T+1,有高频交易吗? 不谈高频,如果目标是对(股票或期货)逐笔的历史成交作方向判定,那么只要采用的是基于电子现价订单簿的连续竞价市场设计,LR算法应该可以直接应用。

    判定效果取决于是数据质量。倘若有订单级别数据,研究者可以自行用超级计算机将订单簿的所有历史动态完美复盘,自然不需要再去“推断”成交方向。LR算法毕竟是穷人的办法,可用的数据越精确自然效果越好。美国市场目前经有公开的纳秒级别逐笔成交和最优报价历史数据,对最优报价的更新非常精确,实时订单级别数据也可以从交易所买。我不知道中国市场能拿到的数据是什么情况。

    评论 0
    2019-01-23 19:54:10 点赞   举报  
    取消 评论