股票程序化投资发展为什么远远不如期货程序化？

股票程序化投资发展为什么远远不如期货程序化？

本打算只是随便看看，没想到看到这个两年前的问题，虽然有些年头，但是确实是挺有意思的一个问题。各位答主也都分析的挺有道理的。不知道两年后的今天，在国内目前是怎样的一个情况。我自己只是在香港的时候短暂接触过国内的市场，几乎是一个小白，所以也不敢班门弄斧。不过，这世上很多事情都有互通之处，而且我个人根据自己的浅薄经验，确实也觉得股票的程序化的复杂度可能要比期货高。但是，具体复杂在哪里呢？我试着从我个人的角度来说一下，劝当抛砖引玉。

当然，比如，T+1，还有印花税等导致的交易成本偏高的问题都是众所周知的，不过也不是只有咱们面对这个问题。比如，在股票交易成本方面，韩国也是一个例子，而日本和澳大利亚就比较好一些。接下来，我会试着从整个trade发生的cycle来看看每一步股票程序化都可能会面对哪些挑战。

假设我们考虑用机器学习来帮助我们设计交易模型。第一步是收集数据。这里就面对第一个问题，有时候research除去交易所的market data，可能还需要大量其他的reference data，这些数据的搜集工作应该是比期货要复杂一些的。数据搜集到手之后，你还面对着数据整理/清理的问题，工作量应该也是比期货研究中类似的内容要大。下一步，在具体研究策略模型的时候，你又会面对诸多问题，包括但不限于：几乎每支股票都有其特殊性，你怎么定自己的universe？然后，有其他的回答里提到不同股票趋势不一样，不能通用一个模型，那怎么办？难道几只股票就跑一个单独的模型吗？那完蛋了，碰上日本这种几千只股票的，光是把binary models load进内存，就给全吃光了。如果一定要一个通用模型怎么办？这里就涉及到在模型训练的时候，是不是需要考虑按一个规则（比如sector）对数据做一定的normalization了。也许有人会说，我要用random forest，就不用normalization了。非也非也，我这里提到的是两个不一样的概念。不然，你训练出来的模型可能会有比较大的bias，从而导致无法信赖。那么normalization怎么做呢？这可能又是做期货的时候不需要考虑的问题。是根据给定的公式，还是再套一层机器学习？是套一层supervised learning，还是unsupervised learning？除去这个问题之外，如果你考虑到在production交易速度的问题，可能还要再做sub-universe，跑多线程，或者多进程的时候，你可能又要考虑训练模型的时候要不要加cluster的概念。种种这些，会导致研究的复杂度轻轻松松就上去了。说一句题外话，我好像看到知乎里有人提用reinforcement learning来帮助训练交易模型，对此我本人是不太认可的，但也可能仅仅是我个人认知的浅薄。

模型的问题解决之后，下面在进production之前还有一系列的问题需要考虑。比如，你是跟broker走cash，还是走swap呀；比如，要建portfolio，不可能是long only啊，那你想short sell，就得找broker借locates啊，能不能借的到先放到一边不说，成百上千只股票你不可能手动去操作啊，这块儿你又得自己写script，或者小程序来自动化，而期货都没有short sell的概念；比如，股票，不同于衍生品，其本身是没有leverage的，那你就得找broker看能不能给你加leverage呀；比如，以上两点broker不可能免费给你，各种形式的financing fee，你准备好去面对了吗？比如，risk manager肯定需要你给他这个股票策略整体的risk profile，这几乎肯定也比期货交易要复杂咯；比如，不同类型的股票在具体的execution上可能需要你设计不同的执行算法，对tick stock和high liquid stock几乎不可能用同一个办法去套，他们一个tick的bp return不一样，也许会导致你在不同的stock上会面对不尽相同的对手算法。

终于可以开始进production交易了，你又会面对一些在期货交易的时候，可能不会面对的问题。比如，一个binary model的一次online evaluation可能就需要几十到几百个microsecond不等，那成百上千只股票同时交易怎么办？Latency处理不好，会严重影响fill rate，或者cancel rate；比如，整个portfolio的delta调整好了，你是不是还得调整不同的sector的delta？比如，你的hedging怎么去做，大概率上这不会是一个很直观的问题，也许需要你仔细去抠，期货的对冲可能会更简单一些；比如，同一个股票市场在不同的时段可能liquidity的特性很不一样，像Lse在美国股市开盘前和开盘后差别就比较大，你对类似这样的情况有没有proactive一些的准备？比如，同时交易成百上千只股票的话，你怎么去做更有效的monitoring？可能一个没留神，一只股票因为突发事件有比较大的波动，你怎么能做到及时发现，查到根源，做出正确的反应？同时，在股票市场，有时候也更有机会出现一些猫腻，像是在这里提到的：https://books.google.com.sg/books?id=nJJyDwAAQBAJ&pg=PA105&lpg=PA105&dq=imc+stop+order&source=bl&ots=SvAJi4CgKv&sig=ACfU3U3y4gE_yIC8kHf3BXcXQvDK3-jPOQ&hl=en&sa=X&ved=2ahUKEwiMoLbLoM3jAhWc8XMBHd2MBSsQ6AEwFHoECAcQAQ#v=onepage&q=imc%20stop%20order&f=false。IMC在2005年通过不合规手段，可以知道对手在某家股市交易所发送的stop loss order的threshold，于是可以轻松在这些股票上大肆收割。

好啦，一天的交易终于结束了，可是还不行啊，back office可能又会找你来问allocation的问题，或者是某些股票有m&a，或者split，或者dividend，问你接受怎样的option，这些你是挨个儿人为处理，还是想办法自动化呢？又或者是broker来抱怨说OTR太高了(通常期货交易的OTR容忍度更高一些，可能是觉得期货市场竞争更激烈？)。Operation上的繁琐程度，也几乎不可同日而语。

Last but not least，监管！监管！监管！公司内部有监管，broker也有监管，交易所更有监管。随时可能会联系你，要求你解释某一天某一只股票某一个order的action逻辑，满足发送的每一个order都不会有no intention to trade的合规。往往这个时候，你就又需要一个系统，能快速帮你分析交易程序发送这个order时候的具体条件了...

一个字，烦 lol