下载文档原格式
美股高频量化投资案例美股高频量化投资是指利用高频交易算法和量化模型进行投资决策的一种投资策略。
以下是一些符合题目要求的美股高频量化投资案例。
1. 均值回归策略：通过分析股票价格的历史走势，发现价格在短期内的波动往往会回归到其长期均值。
基于此原理，高频量化交易者可以利用算法在价格回归到均值时进行买入或卖出操作，从而获取利润。
2. 动量策略：动量策略是指根据股票价格的短期涨跌情况来预测其未来的走势。
高频量化交易者可以利用算法追踪股票价格的动量，并在价格出现大幅上涨或下跌时进行买入或卖出操作，以获得利润。
3. 事件驱动策略：事件驱动策略是指根据公司公告、财务报表等重要事件来预测股票价格的变动。
高频量化交易者可以利用算法自动化地分析大量的事件数据，并在重要事件公告后立即进行买入或卖出操作，以获取利润。
4. 套利策略：套利策略是指利用不同市场或不同品种之间的价格差异进行交易，从中获取利润。
高频量化交易者可以利用算法快速捕捉到价格差异，并在价格差异出现时进行买入低价品种、卖出高价品种的操作，以获得套利利润。
5. 市场制造商策略：市场制造商策略是指高频量化交易者通过同时挂出买入和卖出订单，以提供流动性并从买卖价差中获利。
通过算法的帮助，高频量化交易者可以快速调整订单的价格和数量，以适应市场的波动，从而获取利润。
6. 统计套利策略：统计套利策略是指利用统计模型对股票价格的波动进行预测，并根据预测结果进行交易。
高频量化交易者可以利用算法分析大量的历史数据，并根据统计模型的结果进行买入或卖出操作，以获取利润。
7. 量化选股策略：量化选股策略是指利用量化模型对股票进行评估和筛选，并选择具有较高潜力的股票进行投资。
高频量化交易者可以利用算法分析大量的财务数据和市场数据，并根据量化模型的结果进行买入或卖出操作，以获取利润。
8. 技术指标策略：技术指标策略是指利用股票的技术指标（如移动平均线、相对强弱指标等）来预测股票价格的走势。
量化投资策略的理念及实践方法随着科技的不断发展，投资的方式也在不断变化。
传统投资大多倚重人的经验、技巧以及天赋，往往存在个人主观意识的影响，难以避免盲目决策和风险偏好等问题。
而量化投资作为一种全新的投资方式，可以减少人为因素对投资的影响，实现更加科学、合理的投资决策。
本文将探讨量化投资策略的理念及实践方法。
一、量化投资策略的理念1.1 什么是量化投资？量化投资是一种依靠数学和计算机技术来进行决策的投资方式。
该投资方式通过建立数学模型，采用量化数据的分析方法，来预测市场的变化以及股票价格的波动，从而制定投资策略。
相对于传统投资方式，量化投资更加科学精准，能够更好地利用市场信息，实现超越市场的收益。
1.2 量化投资的优势量化投资相对于传统的基本面分析和技术分析，具有以下几个优势：（1）科学精准：量化投资可以通过大量的历史数据，建立模型来进行精准的预测，减少人为因素对投资的影响。
（2）快速反应：量化投资可以通过计算机程序实现快速的交易，帮助投资者及时抓住投资机会，减少因为时间差错而带来的损失。
（3）风险控制：量化投资可以通过精准的风控体系，避免错误决策或者市场异常波动对投资的影响。
（4）多维度分析：量化投资可以通过多个指标、多个维度的分析方法，更加全面地了解市场表现以及股票的真实价值。
二、量化投资的实践方法2.1 寻找可量化的策略量化投资的第一步是寻找可量化的策略。
可量化的策略指的是能够用数据来表达的投资策略。
比如基于股票市场历史的统计分析、选股策略、交易策略等都是可以量化的策略。
但是，并不是所有的投资策略都可以量化，比如基于投资经验和感觉的策略，凭空猜测的策略等等，这些策略很难用数据来刻画和分析。
2.2 数据采集和处理基于量化分析的投资策略需要依托于大量的历史数据进行计算和分析，因此数据采集和处理是量化投资的关键。
在数据采集和处理过程中，需要考虑以下几个方面：（1）获取数据源：比如金融数据服务商、财经新闻报道、金融研究机构等。
量化投资的基本方法与策略随着科技和金融市场的发展，量化投资成为了投资界的热门话题。
所谓“量化投资”，就是利用数据分析技术、计算机算法和模型等手段，对投资标的进行分析和筛选，从而达到增加收益、降低风险的目的。
本文将介绍量化投资的基本方法和策略。
一、数据采集和清洗量化投资的第一步是数据采集和清洗。
数据来源包括行情数据、公司财务数据、宏观经济数据等。
采集到的数据需要进行清洗，去掉噪声和异常值，确保数据的准确性和可靠性。
二、统计分析和因子挖掘量化投资的第二步是统计分析和因子挖掘。
统计分析可以帮助投资者了解市场的走势和规律，例如均值回归、趋势分析等。
因子挖掘则是寻找可以影响股票或其他投资标的表现的因素，例如市盈率、市净率、ROE等。
通过对因子进行分析和筛选，可以选择合适的投资标的。
三、模型构建和回测量化投资的第三步是模型构建和回测。
投资者可以利用计算机算法和模型，根据采集到的数据和挖掘到的因子，构建投资策略和模型。
回测是在历史数据上进行模拟交易，测试模型的有效性和稳定性。
四、交易执行和风险控制量化投资的最后一步是交易执行和风险控制。
基于构建的模型和策略，投资者可以进行实盘交易。
在交易执行过程中，需要根据市场变化和模型预测，及时调整仓位、止盈止损等交易策略。
同时，也需要进行风险控制，例如进行止损、对冲等操作，控制投资风险。
在实际应用中，量化投资有许多不同的策略，例如价值投资策略、动量投资策略、市场中性策略等。
下面将介绍两种常见的量化投资策略：1. 价值投资策略价值投资策略认为，股票市场是估值不合理的。
通过挖掘低市盈率、低市净率等价值因子，选择被低估的股票进行投资。
在实际应用中，价值投资策略通常会结合动量因子进行投资，例如选择价值投资股票池中表现明显的股票进行交易。
2. 动量投资策略动量投资策略认为，股票市场有明显的上涨趋势或下跌趋势。
通过挖掘股票的价格和成交量等因子，选择表现出较大涨幅或下跌趋势的股票进行投资。
量化投资：从行为金融到高频交易量化投资：从行为金融到高频交易导读：量化投资是指通过运用数学模型和计算机算法进行投资决策的方法，近年来迅速崛起并成为金融市场的热门领域。
本文将从行为金融的角度出发，阐述量化投资的基本原理和方法，并探讨了量化投资与高频交易的关系。
一、行为金融与量化投资行为金融是指研究金融市场参与者的行为偏差和心理因素对市场价格和波动的影响的学科。
在传统金融理论中，假设市场参与者是理性的，但行为金融学研究发现，市场参与者的决策并非完全理性，而受情绪、认知偏差和社会因素等多种因素的影响。
量化投资从行为金融中汲取了重要的启示。
基于行为金融学的理论，投资者可以利用市场参与者情绪和认知偏差的规律，通过建立数学模型和计算机算法，寻找投资机会并制定投资策略。
量化投资的核心思想在于根据历史数据和市场规律，预测未来的价格变动，从而进行投资决策。
二、量化投资的基本原理量化投资的基本原理是基于历史数据和数学模型寻找市场的规律，并根据这些规律制定投资策略。
首先，量化投资者需要收集大量的历史数据，包括股票价格、交易量、财务数据等。
然后，通过统计和数学模型分析这些数据，识别出市场的规律和非理性行为。
量化投资者通常采用的一种常见的策略是趋势跟踪，即根据价格变动的趋势进行买卖决策。
该策略认为，市场有惯性，价格的上升或下跌趋势会延续一段时间。
因此，量化投资者通过计算价格的变动率，判断当前市场的趋势，然后建立相应的投资头寸。
另一类常见的策略是统计套利，即通过寻找不同市场或不同金融产品之间的价格差异，进行风险低且稳定的套利交易。
例如，股票期权和现货市场之间存在的价格差异，可以由量化投资者进行套利交易，实现收益。
三、量化投资与高频交易高频交易是指利用计算机算法和高速交易系统进行的快速、频繁的交易。
与传统的量化投资相比，高频交易更加依赖于计算机算法的运行和执行速度。
高频交易者通过监测市场的微小价格变动和交易量，以及结合数学模型和算法，迅速进行买卖决策，从而获取极其细微的价格差异。
量化交易策略可以根据交易产品和盈利模式进行分类
按照交易产品分类：量化投资策略主要包括股票策略、CTA策略、期权策略、FOF策略等。
按照盈利模式分类：量化投资策略可以分为单边多空策略、套利策略、对冲策略等。
NO.1 交易产品分类
股票策略：可以进一步细分为Alpha策略和Beta策略。
Beta策略致力于获得绝对收益。
它又可以细分为主观策略和量化策略，包括基于财务和行业研究的主观投资和使用技术指标选股的量化策略。
另一方面，Alpha策略旨在获取超额收益，即跑赢指数，通常采用多因子策略，数据一般来源于基本面数据（如财务）和量价数据。
CTA策略：是交易股指期货、国债期货、大宗商品期货的量化策略，也是当前应用最广泛的策略之一。
FOF策略：则是将资金分散投资于不同的基金，在基金分散投资的基础上进一步分散风险的策略。
NO.2 盈利模式分类
单边多空策略：是指投资者在结合经济周期、宏观趋势、政治事件以及历史数据的基础上，对单个金融工具进行单边买入或单边卖出实现盈利的策略。
套利策略：是基于不同市场之间的价格差异，通过同时在两个或多个市场进行买卖操作以获得利润；而统计套利策略则是基于股票价格的历史波动情况和统计学原理，通过计算股票价格与其历史波动范围之间的差异来判断股票价格是否处于低估或高估状态，从而进行买卖操作。
对冲策略：是一种投资策略，旨在通过同时在股指期货市场和股票市场上进行数量相当、方向相反的交易，以实现盈亏相抵，从而降低甚至消除商业风险的影响。
这种策略可以帮助投资者锁定既得利润或成本，规避股票市场的系统性风险。
量化投资策略有哪些量化投资是基于数据分析和数学模型的投资方法，相比于传统的基本面分析和技术分析方法更具科学性和对象性。
量化投资策略是基于量化投资的理论和技术，结合投资者个人风险偏好和投资周期，通过十分精细的分析和统计学方法构建的投资决策模型。
1、价值型投资策略价值型投资策略是一种以价值为核心的投资策略。
此策略的基础是寻找低估的企业，通过深入的基本面分析，研究企业的市场地位、竞争力、估值等指标，以寻找被错估的股票投资机会，逐步形成投资组合。
2、动量型投资策略动量型投资策略则通过分析股票价格和市场走势，寻找股价涨势较好的优质企业股票，买入到一定涨幅后再逐步卖出股票，获得投资回报。
通过动量策略，投资者获得的机会是可以追逐股票涨势，从而保持投资组合精明，发现最佳投资机会，同时避免不必要的风险。
3、市场中性投资策略市场中性的投资策略指投资者不依赖于市场趋势，只重视公司内部的表现指标，如企业内部的业绩等。
而分析表现形式则是通过企业财报、专业分析报告和其他一些独立分析工具来完成的。
这种投资策略通常是用于期货、期权、债券等金融工具，可以在市场预测变化的情况下，有效地利用市场关系拓展投资机会。
4、波动率投资策略波动率投资策略是通过分析证券价格的波动程度，来确定目标交易资产的风险水平和收益水平。
波动率的投资策略通常是根据市场情况有选择地进行，以获取最高的风险投资回报。
这种投资策略需要一定丰富的金融专业知识，并且也需要对市场变化非常敏锐，才能长时间从中获益。
5、趋势型投资策略趋势型投资策略是通过分析市场趋势和价格变化，寻找形成有效投资组合的模式。
这种投资策略需要投资者具备一定的技术分析和宏观经济分析的能力，以正确的理解市场趋势，快速反应变化，以期赢得最大的盈利。
总结来说，量化投资策略依赖于数据分析和数学模型，其策略种类有很多，投资者需要根据自身的风险偏好和投资周期来选择合适的投资策略。
而实际应用中，还需要继续不断完善和优化策略以应对市场的变化和风险的挑战。
量化投资和高频交易：风险、挑战及监管
彭志
【期刊名称】《南方金融》
【年(卷),期】2016(000)010
【摘要】量化投资和高频交易在改善市场流动性的同时,也可能带来较大的市场风险.2013年光大证券"乌龙指"事件就是一个典型案例.量化投资和高频交易蕴含着较高的技术风险、策略模型风险和操作风险,对交易所的订单处理能力、资本市场的稳定性及有效监管带来挑战.目前,我国证券公司在内部风险控制尤其是授权管理方面存在缺陷,交易所的市场预警和异常交易处置机制还有待完善,国家尚未出台法律法规授权监管部门对异常程序化交易和高频交易进行规制.为引导量化投资和高频交易有序发展,应确立公平交易、定性监管、分类监管的监管原则,建立市场机构、交易所和清算部门三道风险防线,推行交易所、地方证监局和证监会"三位一体"的监管模式,实施算法报备制度、交易所对异常情况加强监控和响应、设置订单最低存续时间等监管措施.
【总页数】6页(P84-89)
【作者】彭志
【作者单位】对外经济贸易大学金融学院,100029
【正文语种】中文
【中图分类】F832.5
【相关文献】
1.高频交易的潜在风险及法律监管——由伊世顿公司操纵股指期货案引发的思考[J], 刘杨;
2.高频交易的潜在风险及法律监管——由伊世顿公司操纵股指期货案引发的思考[J], 刘杨
3.金融科技对监管模式的挑战与监管理念的因应\r——基于金融风险和金融创新平衡的考量 [J], 沈伟;许万春
4.境外高频交易监管制度对我国期货市场监管的启示——基于经济和技术手段的视角 [J], 郭晨光;崔二涛;熊学萍
5.浅谈金融市场高频交易及风险监管 [J], 柴爽
因版权原因，仅展示原文概要，查看原文内容请购买。
量化投资策略分析及案例分享随着科技的发展和金融市场的不断变化，越来越多的投资者开始运用量化投资策略。
量化投资是一种以数据分析为基础，通过数学和统计方法构建模型来投资的方法，目的是发掘市场中的有价值投资机会。
量化投资策略的优点在于可以减少情感因素对投资决策的影响，实现更为客观、科学的投资决策。
另外，量化投资还可以提高投资效率，尤其是在高频交易领域。
但是，量化投资也存在一些风险。
比如，在数据收集和分析的过程中，如果存在错误或失误，将会极大地影响投资者的判断和决策，增加投资者的风险。
另外，市场的不确定性和价格波动性也是影响量化投资策略执行的关键因素之一。
在实践中，量化投资者通常需要运用各种算法和模型，来分析市场数据和情况，并制定出相应的投资策略。
下面，我们将就几种常见量化投资策略进行分析和案例分享：趋势跟踪策略趋势跟踪策略是一种基于技术分析的量化投资策略，它通过识别资产价格趋势和趋势的变化，来进行投资决策。
趋势跟踪策略的核心理念是：趋势仍然是最好的朋友。
趋势跟踪策略最初由Richard Donchian提出，其使用原理是利用价格代表市场情绪，也就是自动化去进行波动性判断，通过统计价格的波动状态来预测未来市场走势和投资机会。
需要注意的是，趋势跟踪策略可能会导致亏损，因为它并不能避免市场的波动性。
均值回归策略在传统的金融理论中，均值回归策略是一种寻找市场价格回归平均值的策略。
该策略基于市场价格一定会回归到其均线之上或之下的假设，所以当价格偏离均线时，投资者需要在适当的时刻买入或卖出资产。
均值回归策略的优点在于能够稳定获利，并减少不必要的风险，同时增加投资者的回报。
但是，均值回归策略也具有一定的缺点。
当市场发生不可预见的变化时，投资者可能需要承受较大的风险和亏损。
多因子模型多因子模型是一种应用更多量化方法的投资策略。
该策略遵循了著名的投资学者Eugene Fama和Kenneth French提出的风险因子理论，即市场、规模、价值、动量等因素可以解释资产收益率的变化。
高频交易中的量化交易策略的使用方法分享量化交易是近年来快速发展的交易方式，它的目标是通过利用大量的历史数据、复杂的算法模型和快速的执行来获取在市场中的投资机会。
在高频交易中，量化交易策略被广泛运用，作为获取利润的重要工具。
本文将介绍高频交易中量化交易策略的使用方法，以供投资者参考。
首先，确定交易频率和交易策略。
高频交易的特点是交易频率高、响应速度快，因此在选择量化交易策略时需要考虑这一特点。
投资者需要根据自身资金量和交易目标确定交易频率，然后选择相应的策略。
常见的高频交易策略包括市场制造商策略、趋势跟踪策略、套利交易策略等。
投资者可以根据自己的投资风格和市场情况选择适合自己的策略。
其次，建立合适的数据模型。
量化交易依赖于大量的历史数据进行分析和预测，因此建立合适的数据模型非常重要。
数据模型可以基于统计学、机器学习等方法建立，通过对历史数据的分析和学习，寻找规律和趋势，并预测未来的价格走势。
建立数据模型需要投资者具备一定的数学、统计学和编程技巧，以及对市场的深入了解。
第三，选择合适的交易平台。
高频交易对交易平台的要求非常高，包括交易执行速度、交易接口的稳定性和可靠性等方面。
投资者需要选择一家可靠的交易平台，确保能够快速、准确地执行交易策略。
同时，交易平台还应该提供相应的数据接口和工具，以供投资者进行交易分析和策略验证。
第四，优化交易策略。
量化交易策略是需要不断优化和调整的。
投资者应该根据市场的变化和策略的表现对交易策略进行评估和调整。
这包括对策略参数的优化、风险控制的加强和新策略的开发等。
投资者还可以借助回测工具对策略进行验证和优化，以找到表现最佳的交易策略。
最后，注意风险控制。
高频交易虽然有较高的盈利潜力，但也伴随着较高的风险。
投资者应该制定严格的风险控制措施，包括止损机制、资金管理和仓位控制等。
同时，投资者还应该关注市场的流动性和风险因素，及时调整交易策略以应对市场的变化。
综上所述，高频交易中的量化交易策略的使用方法包括确定交易频率和策略、建立合适的数据模型、选择适用的交易平台、优化交易策略以及注意风险控制。
期货日报/2015年/1月/20日/第003版
国际视野
高频交易及量化投资的策略与误区
量化投资一般依赖复杂的模型，而高频交易一般依赖运行高效的代码
广发期货李尉
1高频交易公司和量化投资公司的区别
一般来说，高频交易公司和量化投资公司既有联系，又有区别。
在美国，人们常说的高频交易公司一般都是自营交易公司，这些公司主要有Getco、Tower Research、Hudson River Trading、SIG、Virtu Financial、Jump Trading、RGM Advisor、Chopper Trading、Jane Street等；而常说的量化投资公司一般都是对冲基金，包括RenTec、DE Shaw、Two Sigma、WorldQuant、AQR、Winton、BlueCrest、Citadel等。
此外，Citadel、Two Sigma等公司，既有高频交易业务，又有量化投资业务；DE Shaw等公司，既有量化投资，又有非量化投资——很多公司朝着更综合的方向发展。
从历史上看，很多高频交易公司的创始人都是交易员出身，原来就从事衍生品的做市、套利等业务。
一开始这些工作并不需要多高深的知识。
随着计算机技术的发展，交易的自动化程度和频率也逐渐提高，这些公司逐渐聘请一些数学、统计、计算机背景较强的人员加入以适应形势的发展。
当然，这个过程也出现了一些分化，有的公司还是保留了交易员在公司的主导地位，并且始终未放弃人工交易，最终形成了人机结合的半自动交易；而另外一些公司对新鲜技术的接受程度更高一些，往往采取全自动的交易模式。
事实上，也没有证据表明全自动交易的公司就比半自动交易的公司更为优越，到目前为止，也只能说是各有利弊。
人工交易的最大弊端在于手动下单的地方离交易所较远，在行情剧变的时候往往抢不到单。
在这一点上，全自动交易的公司可以通过托管机房来最大程度减少信号传输的时间，不过自动化交易往往因为程序过于复杂，加上很多公司人员流动较大，在程序的维护上会出现一些失误，最终程序出错酿成大祸，比如著名的骑士资本。
至于过度拟合无法抵御黑天鹅事件，那是人工交易和自动交易都无法避免的问题。
一般来说，Getco、Jane Street、SIG、Virtu Financial等是半自动交易，Tower Research、Hudson River Trading、Jump Trading等是全自动交易。
量化投资公司跟高频交易公司则有很大的不同。
首先，美国的量化投资公司基本上都是量化背景极强的人创办的，比如说文艺复兴的创始人西蒙斯是数学家出身，DE Shaw的创始人David Shaw是计算机教授出身，AQR的创始人Cliff Asness是金融学家出身，而高频交易公司则更多是传统交易员创办的；其次，量化投资一般依赖于复杂的模型，而高频交易一般依赖于运行高效的代码。
量化投资公司的持仓时间往往达到1—2个星期，要预测这么长时间的价格趋势需要处理的信息自然非常庞大，模型也因此更为复杂，对程序的运行速度反而没那么敏感；高频交易处理信息的时间极短（微秒或毫秒级），不可能分析很多的信息，因此模型也趋于简单，竞争优势更多依靠代码运行的效率，很多人甚至直接在硬件上写程序；而最后，量化投资的资金容量可达几百亿美元，而高频交易公司往往只有几千万至几亿美元，但由于高频交易的策略表现远比量化投资稳定，如Virtu Financial交易1238天只亏1天，因此一般都是自营交易，而量化投资基金一般来说都是帮客户投资。
2量化交易的模型
下面介绍一下量化交易的模型，从简单到复杂：
最简单的以约翰·墨菲的《期货市场技术分析》为代表，最多用到指数、对数等高中层面的数学知识，通俗易懂，更适合主观交易，或者计算机计算并发出交易信号由人手动下单的半自动交易。
层次高一点的以丹尼斯的《海龟交易法则》为代表，数学上毕竟使用了均值、方差、正态分布等大学低年级数学的内容，策略的测试也更具科学性，而且提出了可靠的资金管理办法，但缺点是依旧没有摆脱传统的、依靠交易规则的排列组合进行交易的思路。
不过，如果策略设计得好且行情出大趋势的话还是可以有不错的效果。
更高一级的层次主要体现在交易信号的整合方面，比如运用更现代的统计方法——回归分析、神经网络、支持向量机等对传统的技术指标进行有机整合，并使用更严格的统计方法进行变量的筛选及测试。
考虑到金融数据的时间特征，往往需要使用滚动优化来获取样本外的测试结果，这样得出的模型也更为稳健。
不过，一般的程序化交易系统都难以实现这些功能，需要自己用更通用的编程语言来实现。
如果是量化投资，那么除了行情信息，还要收集整理其他基本面的信息，整理出对应的时间序列，并融入到预测模型中。
一般来说，成功的模型不在于运用了多高深的数学理论，而在于它整合了多少不同来源的信息。
即使是最简单的线性回归，如果各个参数都有很强的预测能力，且相关性很低，那么模型的预测效果也会很好；相反，即使运用复杂的深度学习理论，如果选取的参数毫无意义，最后得出的模型也没有用。
目前美国一些公司不仅利用新闻等文本信息建模，甚至用到谷歌卫星拍摄到的港口集装箱的图像来建模，通过对商品集装箱的数目来预测商品价格的走势，取得了很好的预测效果。
建模是一回事，求解模型其实也同等重要。
比如说物理学上有很多模型能精确描述现实，但经常由于缺乏高效的科学计算方法而难以求解。
量化交易也一样的。
参数的计算、筛选、优化、回测等往往伴随着巨大的计算量，如何巧妙求解是一门颇为高深的学问。
据西蒙斯透露，著名的文艺复兴公司内部有着明确的分工——计算机程序员从各个来源收集数据，物理学家分析数据建立模型，数学家构建优化算法并求解模型等。
3高频、量化领域常见的误区
量化模型无法战胜黑天鹅事件
事实上，任何投资方法都是依靠历史预测未来，都害怕黑天鹅事件，都会有回撤。
量化的好处在于遇到回撤之后，可以迅速把最新的情况纳入模型，及时调整，重新回测、优化、模拟，争取在最短的时间内扭转损失。
比如文艺复兴在2007年8月遭遇历史上罕见的9%回撤之后，西蒙斯采取果断措施，重新建模，在致投资者的信中他宣称“我们新的模型已经发现了3个很强的交易信号”，结果在接下来的日子很快扳回损失，当年的收益率达到80%。
长期资本管理公司（LTCM）就是因为用了量化模型而破产的。
事实上，LTCM是一个多策略基金，它的纯量化交易策略最后在1998年还是赚了1亿美元，它亏损最多的策略都是交易流动性极差的柜台衍生品，很多甚至是它自己设计来跟投行对赌的产品，遇到黑天鹅事件无法及时清理头寸。
这些产品一般只是在定价时候使用量化模型辅助一下，具体的交易执行、产品设计、销售等都跟量化无关，一般认为LTCM的破产更多是因为流动性风险，跟模型关系不大。
高频交易损害投资者利益
像《Flash Boys》等书籍的观点其实都很有争议的，只不过作者文笔极佳，叙事手法极富煽动性，所以才吸引了众多的眼球。
除了媒体之外，应该说美国目前要求禁止高频交易最为强烈的，基本上都是当年的传统交易员。
正因为新兴的、依靠先进技术的高频交易公司把他们打败了，他们心有不甘，所以才组织更多的力量来进行反击。
由于这些人都是市场老手，所以对这个市场还是非常熟悉的，提的观点也有可取的地方。
在国内，现在期权准备上市，股票也很可能开放T+0。
对这两块“肥肉”，国外高频交易商早就垂涎已久。
如果说在期货高频领域，我们还能依靠在程序化交易上的丰富经验与国外抗衡一下，
那么在期权和股票高频领域，我们的实践经验为零，跟国外的差距更大。
对此，笔者认为，我们一方面不能妄自菲薄，觉得外资太厉害就干脆不做了；另一方面也不能急于求成，妄想一年半载就要取得很大的成绩。
凡事都要本着谦虚谨慎的态度，国外很多高手来到国内都是先研究一年才能稳定盈利，国内的人基础较薄，研究周期要长一些，比如第一年做准备工作开发系统，第二年逐渐打平手续费，之后开始盈利，或许更为合理。
策略研究要慢工出细活，急于求成，频繁改变研究方向，最终很可能一事无成。
