论文部分内容阅读
算法交易通过预先设定的计算机程序寻找市场上的交易机会并做出交易决定,然后高效、低成本地实现交易订单的执行和成交。目前,算法交易已经成为资本市场的主流。复杂事件处理引擎能够实时处理瞬息万变的市场信息数据,捕获稍纵即逝的算法交易时机,有良好的应用前景。然而,复杂事件处理在算法交易的应用还处在新兴阶段,只是通过比较前后价格的大小发现趋势。这样的阈值过于敏感,匹配到的模式多且持续时间短,有较强的偶然性,并不能准确判断趋势的出现。CUSUM(累积和)控制方法能够过滤过于微小的波动得到一段时期的整体趋势,对微小的偏移较为敏感,而且适用于流处理。针对使用复杂事件处理进行趋势跟踪时趋势的界定阀值过于敏感的问题,在CUSUM控制方法的基础上本文提出了基于CUSUM的趋势判断算法,以及根据趋势判断进行交易的两个基本的交易策略:极值点交易策略和趋势追随交易策略。设计了CUSUM趋势跟踪的复杂事件处理实现,包括事件处理网络设计、事件定义以及事件模式定义。最后,通过实证和性能测试证明基于CUSUM的趋势跟踪复杂事件处理实现是可行且高效的。为了验证所提出方法是否能够获利,本文选取华泰柏瑞沪深300ETF(510300)在2015年1月5日至12月31日的收盘价作为行情数据进行模拟交易,并使用了开源的复杂事件处理引擎Esper来实现所提出的CUSUM趋势跟踪交易策略。实验表明:1、CUSUM趋势判断方法比前后价格大小比较的趋势判断方法产生更少的趋势信号,说明CUSUM趋势判断方式能够通过阈值的控制过滤微小的波动,从而有效降低交易次数。2、在收益方面,CUSUM趋势判断方法配合趋势追随交易策略能够获得更高的收益。这种交易方法的特点是在平稳细微震荡时期较少进行交易;在大幅波动时期会进行持续时间较为短暂的做多操作,但一般操作结果为亏损;在持续上升时期会进行持续时间较长的做多操作,此时一般会有丰厚的获利。3、在性能方面,系统在稳定阶段有96%的事件能够在10微秒以内处理完成,事件平均延迟约为4.5微秒,而且在系统承受范围内规则数的增加并不影响事件的平均处理时间。另外系统在平稳运行阶段占用较少的CPU资源,内存使用随运行时间增加而增加,但最终能够保持平稳不再持续增加。