二、高频交易核心策略：做市策略、统计套利、事件套利、延迟套利
好，咱们进入正题。高频交易这行，策略就是吃饭的家伙。我见过太多人一上来就研究什么神经网络、深度学习，其实啊，真正赚钱的，往往是那些看起来「笨」但极其扎实的策略。
今天我要讲的这四种策略——做市、统计套利、事件套利、延迟套利——是高频交易领域的四大支柱。我个人习惯把它们分成两类：一类是「赚流动性的钱」，另一类是「赚信息不对称的钱」。你想想看，是不是这个理？
2.1 做市策略：高频交易的基石
做市策略，说白了就是「两边挂单，吃差价」。但别小看它，这里面的门道深着呢。
我在项目中遇到过最典型的场景：某只股票在盘口上，买一和卖一之间差了3个tick。普通交易者可能觉得这很正常，但对我们做市商来说，这就是利润空间。我们会在买一价挂单，同时在卖一价挂单，谁成交了我们就赚那个差价。
但这里有个核心问题：你怎么保证自己不被「吃掉」？
做市策略的核心参数：
- 价差宽度（Spread）：通常设为1-2个最小变动单位
- 挂单深度（Depth）：每档挂多少手，一般不超过总流动性的5%
- 更新频率（Refresh Rate）：毫秒级更新，我习惯用100微秒
- 库存管理（Inventory Control）：净头寸不能超过某个阈值
嗯，这里要注意。做市策略最大的风险是什么？是「被狙击」。我记得有一次，某个小市值股票突然出现大单砸盘，我的做市机器人还在傻傻地挂单，结果瞬间被吃了2000手。从那以后，我加了一个硬性规则：当价格波动超过3个标准差时，立即撤单并暂停做市30秒。
// 伪代码：做市策略核心逻辑
while (market_open) {
bid_price = best_bid - spread / 2;
ask_price = best_ask + spread / 2;
// 检查库存风险
if (abs(inventory) > max_inventory) {
cancel_all_orders();
continue;
}
// 挂单
place_order(bid_price, order_size, BUY);
place_order(ask_price, order_size, SELL);
// 等待成交或撤单
sleep(100 microseconds);
cancel_stale_orders();
}我的经验之谈：做市策略的成败，80%取决于你的撤单速度。如果你的撤单延迟超过1毫秒，遇到极端行情时，你就是在给市场送钱。我曾经把撤单逻辑从「遍历订单列表」改成「直接按订单ID撤销」，延迟从800微秒降到了120微秒。
2.2 统计套利：寻找价格回归的机会
统计套利，说白了就是「找亲戚」。两只相关性很高的股票，如果它们的价差突然拉大，那就是机会。
举个例子。我做过一个经典的配对交易：贵州茅台和五粮液。这两只白酒股的历史相关性高达0.92。当它们的价差偏离均值超过2个标准差时，我们就做空强势的那只，做多弱势的那只，等它们回归。
为什么会这样？因为市场情绪有时候会过度反应。比如茅台出了个利好消息，涨了3%，五粮液只涨了1%。但基本面其实没差那么多，价差迟早要回归。
| 统计套利的关键指标 | 我的常用阈值 | 说明 |
|---|---|---|
| 相关性系数 | > 0.8 | 低于这个值，配对就不够稳定 |
| 价差标准差倍数 | 2.0 - 2.5 | 入场信号，太高了机会少，太低了假信号多 |
| 半衰期（Half-life） | < 30分钟 | 超过30分钟，说明回归太慢，不适合高频 |
| 最大持仓时间 | 5分钟 | 超过5分钟不回归，强制平仓 |
避坑指南：我曾经犯过一个错误——用日线数据计算相关性，然后用在分钟级交易上。结果呢？日线相关性能到0.9，但分钟级只有0.3。后来我学乖了，所有参数都用相同频率的数据来计算。记住：你的交易频率决定了你的数据频率。
2.3 事件套利：抢在消息前面
事件套利，就是利用市场对突发事件的反应速度差异来赚钱。你想想看，一个重大新闻出来，有的人工交易员要花10秒才能反应过来，但我们的机器只需要10微秒。
我做过最典型的事件套利是「财报套利」。上市公司发布财报后，股价会剧烈波动。我们的策略是：
- 提前解析财报文本，提取关键数据（营收、利润、EPS等）
- 与市场预期做对比，判断是利好还是利空
- 在消息发布的毫秒级时间内，执行交易
这里有个技术难点：你怎么在100毫秒内解析完一份财报？我的做法是：预编译正则表达式，把财报模板化。比如「营业收入为XXX亿元」这种固定句式，直接匹配提取。速度能快到50微秒以内。
事件套利的三种常见类型：
- 财报套利：利用财报数据与预期的差异
- 新闻套利：利用突发新闻（如并购、制裁）
- 宏观数据套利：利用CPI、GDP等数据发布
嗯，这里要提醒一句。事件套利最大的风险是「假消息」。我记得有一次，某财经网站误发了某公司破产的假新闻，我们的策略直接做空了该股票。结果3分钟后辟谣了，股价反弹，我们亏了2%。从那以后，我加了一个「消息源验证」机制：至少两个独立信源确认，才执行交易。
2.4 延迟套利：利用市场结构的不完美
延迟套利，说白了就是「跑得比别人快」。这不是什么高科技，而是利用不同交易所之间的信息传输延迟。
举个例子。某只股票同时在A交易所和B交易所上市。A交易所的行情更新比B交易所快5毫秒。当A交易所的价格发生变化时，B交易所的价格还没变。这时候，我们就可以在B交易所「抢先」交易。
具体怎么做？
// 延迟套利核心逻辑
while (true) {
// 从A交易所获取最新价格
price_a = get_last_price(EXCHANGE_A);
// 从B交易所获取当前价格
price_b = get_last_price(EXCHANGE_B);
// 如果A的价格已经变了，但B还没变
if (price_a != price_b) {
// 在B交易所以旧价格成交
if (price_a > price_b) {
buy(EXCHANGE_B, price_b);
// 等B的价格追上后卖出
wait_for_price_update(EXCHANGE_B, price_a);
sell(EXCHANGE_B, price_a);
} else {
sell(EXCHANGE_B, price_b);
wait_for_price_update(EXCHANGE_B, price_a);
buy(EXCHANGE_B, price_a);
}
}
}我的经验之谈：延迟套利的关键不是算法，而是「物理位置」。你的服务器离交易所越近，延迟就越低。我见过有人把服务器直接放在交易所机房里，延迟能控制在10微秒以内。但要注意，这种策略的容量很小，因为套利空间转瞬即逝。
2.5 四种策略的风险对比
最后，我给大家整理一个对比表。这四种策略各有各的脾气，选哪个要看你的硬件条件和风险偏好。
| 策略类型 | 核心风险 | 硬件要求 | 年化收益预期 | 适合团队 |
|---|---|---|---|---|
| 做市策略 | 库存风险、被狙击 | 中（普通服务器即可） | 10%-30% | 3-5人 |
| 统计套利 | 相关性失效、回归失败 | 低（数据质量更重要） | 15%-40% | 2-3人 |
| 事件套利 | 假消息、反应过慢 | 高（低延迟网络） | 20%-60% | 4-6人 |
| 延迟套利 | 竞争激烈、容量小 | 极高（FPGA、托管） | 5%-15% | 1-2人 |
我个人建议，刚开始做高频交易的朋友，先从做市策略入手。它最稳定，风险也最可控。等你把做市策略跑顺了，再慢慢尝试统计套利和事件套利。至于延迟套利...嗯，那是「军备竞赛」的领域，没有千万级的硬件投入，建议先别碰。
好了，这四种策略的核心逻辑就讲到这里。下一章，我会详细讲每种策略的风控模型——毕竟，在高频交易里，活得久比赚得快更重要。