谈起高频交易，你第一时间想到的可能是「硬件要好」、「必须得c＋＋」等苛刻的条件，这些限制在我们和高频交易之间建立了一道心理鸿沟，传递了这样的信息：你不仅得写一手出色的代码，还得买得起昂贵的硬件设备，你才有可能玩的转高频交易。
那对于一个想入门高频交易的新手来说，选择哪种策略作为入门策略最合适呢？我会推荐两种策略：做市策略和统计套利策略。
1 做市商策略
第一个是做市策略。我觉得把做市策略作为高频入门策略有几个好处，一是它足够微观，能让你观察到盘口和挂单的动态变化轨迹。
二是做市策略的逻辑简单直观，它通过在orderbook两边挂单吃价差赚钱，做市商以偏离价格均值0.75个标准差挂单能获得最大利润，价格发生不利波动时可以调整挂单位置来减少亏损。
三是做市策略是更偏实践型策略，而非预测型策略，实践型策略的特点是边干边改，每一步改进都能立即看得到反馈，而预测型策略偏建模，反馈周期长，要熬得住性子。
做市策略的盈利逻辑，一言以蔽之，就是在orderbook的两侧挂单，也就是分别在bid一侧和ask一侧挂单，挂单价格的差距叫做spread，我们赚的就是这个spread价差。
理想的情况是我们在bid一侧接了货，又立刻能在ask一侧卖掉，所以我们赚到的利润是价格在短时间内均值回归的钱，如果价格出现单边趋势，我们的持仓不能够以对侧价格出掉，这时就会出现亏损。
做市策略是一个maker策略（挂单策略），Github上直接搜market making，能找到做市的开源回测框架，可以拿来修改使用，这里贴出来一个，大家动手去github上翻一翻(工具用起来！Github结合ChatGPT，扒代码效率翻几倍)：
www.github.com/mmssss/hft-market-making
做市的最大风险在于价格单边波动，要降低这种局面的出现对持仓的不利影响，最好的办法是为做市策略加上一些预测的成分。你可以对未来的波动率做预测，kaggle波动率预测比赛的结论证明了历史波动率（Realized Volitility）有显著对未来波动率的预测能力。
我在测试RV和多个品种未来收益率绝对值abs（return)的相关性上，也发现了RV有将近0.1以上的IC。还有一些其他和未来波动率高IC的因子——
还有订单薄挂单量峰值的位置，也会对价格的未来波动产生影响:
2 统计套利策略
统计套利的根本逻辑是多个品种的价差长期存在均衡关系，它们的价格是联动的，一个品种价格变化，会驱使市场参与者去交易另一个与之相关的品种。
统计套利之所以用统计命名，就在于这种交易策略依赖于对大量历史数据的统计分析，来识别资产价格之间的模式。
比如两组资产间的统计套利，我们可以分析不同时间窗口下，这两个资产价格的相关性(price.corr)或者收益率的相关性(return.corr)，因为收益率数据更平稳性，所以推荐直接计算收益率的相关性。
在不同的时间窗口下，我们会发现收益率的相关性并不一直都是一致的，可能在1分钟的窗口下，收益率的corr可能长期都维持在0.9以上，但在30s的窗口下，收益率的corr却是0，这说明两个品种的相关性在30s到1分钟的时间内回归了。
在30s的时候，可能因为信息还没有充分反映到价格上，也可能因为资产的流动性不足，总之因为种种原因，联动资产的价格停留在了较低的相关性上，在30s到1分钟相关性回归的过程中，就产生了交易机会。
上面列举了一种在不同时间窗口尺度上的统计套利策略，还有其他一些统计套利策略可以尝试，比如配对策略——选择2个长时间价格显著关联的资产，它们的价差稳定在一个均值，当价差出现偏离均值时执行交易。配对策略的风险点在于价差偏离后不再回归，最差的情况是你一直赚取稳定的、微薄的利润，然后在某一次价差扩大，2个品种价差不再回归时迎来最大的亏损。
如果你的单笔交易利润很微薄，那你一定要做好止损和风控，因为偶然的一次大亏损就会消耗掉长期积累的利润，对账户和心态都是巨大打击。
最后我还想提一嘴规则类的策略，规则类策略也可以做高频交易，这个策略充分利用了不同时间窗口大小下，均线的性质——
短期均线像磁铁🧲，吸引价格向均线回归；长期均线像弹簧，维持价格在均线上下方稳定运行。
之前帮主观操盘手写过一些规则型的策略，见过一些偏高频的策略利用了均线这种性质，当价格长期在短期均线上方/下方平稳运行，当最新价一旦有所突破，短期均线就会像“磁铁”一样，把价格拉回来。
此外，偏高频交易还有一些要关注的点，这些细节可以在一定程度上决定成败。
第一个是品种，高频交易在选择品种上，要先算一下波动和费率的比值，这个比值越高，性价比越好。比如沪锌一个点的波动是25块，手续费是3块，这个品种的波费比就很好，你只要挣一跳的波动，就可以再开8笔单子。任何策略，选对品种本身就能带来alpha。
第二个是避开一些波动大的时间段，比如开盘和收盘交易时间。
第三个是比起预测，代码逻辑的设计更重要。在微观的时间尺度上，非常有限的信息量拉不开各家预测上的差距，最后决定盈利的落脚点就在于交易逻辑和代码的设计。