第257章 毫秒之间的暗战 (第2/3页)

‘订单嗅探’策略，核心原理是利用速度和可预测性。他们的算法比我们快，所以能在我们的订单到达交易所之前抢先反应。我们的交易模式太规律、太可预测，所以能被他们的机器学习模型识别出来。”

    “解决方案有两个方向：第一，降低可预测性；第二，降低速度差距的影响。”

    他在屏幕上画了一个流程图。

    “降低可预测性，主要是改进我们的拆单算法。目前我们用的是标准的VWAP算法——按照历史成交量分布，把大单拆成小单，均匀地分布在交易时段内。这种模式太规律了，很容易被识别。”

    他调出一张对比图。

    “我建议改用‘随机化拆单算法’。在满足整体成交量约束的前提下，随机调整每笔订单的大小、时间和价格。比如，本来应该每三分钟下一笔两千股的订单，现在改成每隔两到五分钟下一笔一千到三千股的订单。这样，我们的交易模式就变成了一个随机过程，对方很难预测。”

    陈默点头：“这个可以。第二点呢？”

    “降低速度差距的影响，我们需要改造交易系统。”林枫的表情变得严肃，“目前我们的交易系统部署在公司的服务器上，通过券商提供的交易接口下单。从我们的服务器到交易所机房，网络延迟大约在两到三毫秒。而高频交易公司的系统直接部署在交易所机房里，延迟只有几十微秒。这个速度差距，是我们的算法无论怎么优化都无法弥补的。”

    “所以？”

    “所以，我们需要把交易系统托管到交易所附近的机房。国内主要的交易所在上海，我们需要在上海租用机房空间，把交易服务器搬过去。这样，网络延迟可以从几毫秒降到几百微秒，虽然还是比HFT慢，但差距大大缩小。”

    方远问：“成本呢？”

    林枫估算了一下：“硬件加托管，初期投入大概三百万，每年运维成本一百万左右。另外，我们需要升级交易软件，采用更高效的编程语言和更底层的网络协议。这部分主要是人力成本，林枫的团队可以自己做。”

    陈默想了想：“三百万，对我们现在的规模来说，不是大数字。但这个决策的意义，不只是三百万的问题。”

    他站起来，走到白板前。

    “我们在做一个选择。是继续用常规方式交易，接受每年几百万的隐性损失？还是主动升级，在这场微观战争中不落下风？”

    他转过身。

    “我选择后者。林枫，你的方案我批准。方远，你配合林枫，把交易系统的改造作为最高优先级项目。我需要在一个月内，看到新系统上线。”

    ---

    接下来的三周，林枫和方远的团队进入了高强度的工作状态。

    技术部的工程师们在加班加点地重写交易算法。原来的VWAP算法被替换为一个新的“随机化智能拆单”模块。这个模块的核心是一个蒙特卡洛模拟器——在每次下单前，算法会模拟几百种不同的拆单方案，评估每种方案的市场冲击和被HFT识别的概率，然后选择最优的那个。

    “这就像是在下一盘棋，”林枫在一次进度会上解释，“原来我们每一步都是固定的——马走日，象走田。对方只要知道这个规则，就能预测我们的下一步。现在，我们在规则允许的范围内，随机选择走法。有时候跳马，有时候拱卒，有时候出车。对方还是能看到我们的每一步，但无法预测下一步是什么。”

    方远负责交易系统的硬件升级。他在上海金桥的交易所数据中心附近租了半个机柜，把两台高性能服务器托管在那里。新的交易线路从原来的“公司→券商→交易所”变成了“公司→托管机房→券商→交易所”——虽然路径多了一站，但因为托管机房离交易所只有几百米，总延迟反而从三毫秒降到了四百微秒左右。

    “四百微秒，还是比HFT慢，”方远在测试报告里写道，“但已经不是数量级的差距了。而且，大部分HFT的策略是针对毫秒级的订单流，微秒级的竞争不是他们的主战场。四百微秒，足够让我们摆脱百分之九十的订单嗅探。”

    10月中旬，新系统上线。

    第一次实盘测试，选在一只流动性较差的小盘股上——这是之前被HFT“猎杀”最严重的标的。

    上午九点半，开盘。

    林枫和方远坐在交易室里，盯着屏幕。陈默也在，他不想错过这场“微观战争”的第一战。

    九点三十一分，新系统发出第一个买入指令。按照随机化算法，这笔订单的大小是两千三百股，比原计划多了三百股，时间比原计划晚了四十秒。

    订单发出后的五百毫秒内，市场上没有出现之前那种“闪电单”。又过了几百毫秒，订单成交了，成交价是十二块零三分，比当时的买一价高了一个最小变动单位。

    方远松了一口气：“没有狙击。成交价在合理范围内。”

    林枫没说话，眼睛盯着订单流分析工具上的数据。那个工具实时监控着市场上的每笔订单，标记出那些异常的小单。

    “有一些小单，但比例明显降低了。”他说，“之前在这只股票上，我们的订单有百分之四十的概率被预判。今天，这个比例降到了百分之十五左右。”

    “百分之十五还是高。”陈默说。

    “那是因为我们的交易量占这只股票全天成交量的比重太高了，无论如何都会被注意到。”林枫解释，“但在大盘股上，效果会好得多。因为大盘股的流动性深，我们的订单占比小，再加上随机化，对方很难从海量订单中把我们识别出来。”

    接下来的一周，新系统在十几只股票上进行了实盘测试。结果显示，在被HFT“预判”的概率上，小盘股从百分之四十降到了百分之十五左右，中盘股从百分之二十五降到了百分之八，大盘股从

    （本章未完，请点击下一页继续阅读）

『加入书签，方便阅读』