應該向系統里加入怎樣的邏輯，使得交易系統能夠根據市場情況調整參與頻率？

01-15

讓系統更有生命力。

謝邀，我自己不是做Portfolio Management的，但是根據我自己看得資料，我覺得有三種類型的邏輯，或者叫觸發事件把，應該考慮到交易系統中去：

1. 宏觀市場性條件：對於portfolio management，一般業界和學術界有一個常用的說法，叫做risk-on-risk-off (RORO)，簡單而言，就是市場環境高風險時（risk-on），採用一套策略，而市場環境低風險時（risk-off），採用另外一套策略。這個risk的on或off的開關原則，不同的市場不一樣，同一市場不同基金經理的定義也千差萬別：

股票市場：一般而言是大盤的波動水平，你可以用最近一段時間（比如60天）的volatility來判定，高於一個值，就risk-on，低於一個值，就risk-off；也可以用宏觀經濟條件，比如CPI、失業率等等來定義。當risk-on的時候，一般採用趨勢性策略，比如動量交易（momentum）等基於大趨勢的策略；而risk-off的時候，採用回歸類策略（mean-reverting），因為主要是波動市場，價格會在一個區間波動。
外匯市場：外匯市場是risk-on-risk-off的策略的發源地，主要用各種宏觀經濟指標來衡量是否是高風險區。如果低風險時，可以採用carry trade（從利息超低的地方借入資金，然後到利息高的地方存錢或者投資，最常見的就是從日本借入）等策略。同時很多的投行也有對應的指數，比如credit suisse、deutsch bank都有自己的risk-on-risk-off指數，簡稱RORO指數，基金經理可以根據這個指數來判斷。具體的細節很多paper、bank的index report講得很清楚，有興趣可以自己去看。
期貨市場：期貨市場主要的risk取決於宏觀經濟以及特定產品的供需關係。比如農產品、貴金屬等都是如此。石油特殊一點，受政治因素影響很大。這些細節，一個優秀的策略師都應該自己考慮進去。期貨市場的信息優勢很重要，高盛之所以雄霸石油市場，就是在每一個主要的供貨商那裡都有介面，實時監控全球的石油供需。當然陰謀論者要說這一切都是政治操縱的原因，但從我的級別來看，更多是來自於信息優勢。
債券市場：債券市場大量是OTC（Over the Counter）產品，也就是非標準化的產品。比如美國過去十年最火熱的產品：MBS（Mortgage Backed Securities），都是每個合約有特定的條款，一看要看幾十上百頁。除了常見的宏觀條件外，特定種類產品特定分析很重要，同時系統性關聯度很高，可能集體違約（比如次級債），因此基於基本面的 risk-on-risk-off很重要。反而股市的波動性對其影響不大。

2. 倉位條件：倉位條件，通俗的講就是止損條件，即你持有的資產組合虧損到一定程度，就自動停止交易，甚至清倉。這個條件有多麼關鍵，我去年做了一個外匯的交易策略（也考慮了Risk-on-risk-off的市場性條件），沒有止損條件，在07-10年收益會大減，加上止損條件後，絕對最高收益是少了，但是整個回溯測試收益很穩定（Sharpe Ratio）。

倉位條件也是在國內最不被接受的。國內崇拜的是苦盡甘來，一條股票套住了，守到黑。最受崇拜的就是那種牢套後翻身做主人的傳奇英雄。但其實這種方式在美國難以通行，很大一部分原因是中國上市難，退市也難，大家知道總有一條價格會回來，但是在美國，一個股票暴跌，那一定是基本面出了大問題，有很大可能退市，最後剩下的沒有價值的股票只能拿回家糊牆。

在基金管理中，最重要的不是絕對收益，是Sharpe Ratio：

$Sharpe Ratio=frac{r-r_0}{sigma}$

r_0是基準年化收益，如果是股市，很多人用大盤收益，r是你的投資組合的年化收益。兩者之差是超額收益，而Sigma就是你的投資組合的波動。Sharpe Ratio越高，你的投資是在穩定的風險下獲得了較大的超額利潤。

為什麼絕對收益不重要呢？因為Sharpe Ratio高，你總能通過槓桿獲得極大的絕對收益，但是Sharpe Ratio低，你很有可能在一次不利的市場環境中爆倉了。

倉位條件對於Sharpe Ratio的提高是顯著的，因此我覺得這一點也很重要。

3. 微觀市場條件 (Market Microstructure）：微觀條件具體說起來很複雜。我覺得用例子來說比較清楚：

一天內的周期性（Intraday Periodic）：比如我一次要買、賣很多的000002萬科，一天內什麼時候做這個交易會對市場影響最小呢？一般而言，開盤和收盤成交量最大，中午成交量最小。那麼在交易量大的時候出售，可以保證你能按照看到的價格買入、賣出。散戶也許這個不重要，但是對一個人基金而言，這一點影響巨大。Almgren and Chriss (2002)提到了，如果不考慮由於執行不當引起的成本，基金的平均年化收益可以高5%，這可是一個很大的數字。類似的，股市也有周期性，比如春節期間中國股市20年來看基本都是上漲的。因此，周期性很玄乎，卻實實在在在影響市場。
黑天鵝事件：最著名的例子莫過於2010年5月6號的Flash Crash。Nasdaq一天內上下過千點。去年美國CFTC發布的一篇文章詳細討論了這個事情的前因後果：一個基金意外下了一個指數ETF的巨額賣單，因此大量基金的自動化交易系統檢測到了，迅速跟進賣出，而另外一些趨勢交易基金，也跟風賣出，進一步加劇了下跌。這個時候，如果你正好在看漲市場，豈不是被坑了？因此你的模型要考慮這種unknown unknowns。最簡單粗暴的做法就是，你有個手動擋，有人隨時監視模型的運轉，發現出了不能理解的突發事件，迅速手動停止交易。

以上僅僅討論了可能的邏輯的框架，具體到如何實現，有很多業界和學術界的研究，可以找相關的paper和report自己進一步閱讀。

我想提問者問的是類似Neural Network和SVM之類的AI演算法吧。這個在學術上一般以"adaptive"為關鍵詞進行討論，你可以查看相關論文。一般是根據市場數據變化、風險水平、系統負載進行調整。

需要注意的是對這種系統而言，找到穩定的信號非常重要。因為adaptive system極容易不穩定，就算是人類這種高級調節系統，也會經常性地產生紊亂。如果你的系統里出現了這種問題那就是致命的。

有幸在搞market microstructure 方面的ultra high frequency.

主要是根據order book來放自己的order, 實際上很多signal這個事情誰都不能說服別人，很難make sense.

我可以提供一個想法，當你觀察到order book的trade initiate by side一直在變動的時候，說明所有的market player有比較平衡的動作,對於有些策略就是一個health的signal

還有比如best bid qty 50 number of orders 2,

Best ask qty 10 numbers of order 8, 這也能說明很多問題

涉及strategy方面的我就不細說了

引入新的參數

這個問題問的很抽象。

基本上越多邏輯/條件程式參與交易的次數就越少。

就好比你去相親，你要白富美，能符合的人ㄧ定不多。

只要白，那符合的人會多些。

如果只要是女的就行，那你可能要忙些。

交易也是如此。

不對的邏輯/條件，最後都是悲劇

我覺得用資金管理來解決比較好，賠了就減少投入，賺了就加大投入，這應該和調整頻率的效果差不多。

有種自適應均線。

如果整個系統只是由一個策略組成哪基本談不上生命力，加策略吧。而且系統中起碼要有一種你都不知道何時開倉的隨機策略。