A股微型低频套利交易-Java版本

最近做了一个A股自动套利交易的系统，说下我的大致思路，欢迎交流。

A股T+1的特性，没法像T0高频量化那样通过极快的速度和精确的算法在市场中获取微利，并通过高频率交易累积收益。它对技术、基础设施、算法模型的要求极高。

我就想着做一个适合自己的做T套利系统。跟价值投资客，超短龙头选手不同，希望通过小步快跑的方式累计收益，不求快，能让收益曲线趋于平稳上升就行，控制回撤也是第一要义。

A股打板实战中如何提示性能-Java版本

一、标的选择

套利标的需要人工选择，这个没办法交给程序来筛选

成交额要够大，一般全市场成交额前50内
只参与上升趋势中的标的，下降通道的回避，一般以MA20为趋势分界线，长期保持在MA5以上的主升浪标的最佳
每段时间都有一两个板块热炒，分散参与其中的大容量核心标的是不错的选择
单边下跌，主跌段的票是必须要回避的，主跌段的标的是一切策略的梦魇

二、止损及禁止买入原则

控制回撤是最重要的事情。

不管什么策略，什么标的，都必须有强制止损线，可以是绝对值，也可以是当前策略买入上限金额的百分比。我一般设置的-7%
回避主跌段(待开发)：当标的放量跌破重要趋势线，增大做T的振幅或者暂停买入、甚至直接清仓

三、套利及止盈策略

当前设置了2个策略level

level_1比level_2的单笔买入金额，买入总金额都更大一些，适用于当前市场最热门的标的，核心中军。股性最活跃，振幅设置的±1.5%
level_2单笔金额更小，总金额也更小，振幅设置的±2.5%，适用于当前市场第二梯队主升浪的标的
都设置了底仓不卖出开关、炸板清仓开关
向上过分偏离MA5时可以清仓（待开发）
盈利超过一定比例或者绝对值，可以清仓

总结为一句话就是，每次买入或卖出后就根据波动率更新下一次买入和卖出的时间，当实时价格触及到这2个价格的时候就自动买入或卖出：

java 复制代码

/**
     * 更新下一个低吸，卖出价格
     * <p>
     * 亏损状态下，按最低买入价格计算下一个买入卖出时间是可以的，但是盈利状态下的买卖不能这么计算
     * <p>
     * 若实现了盈利，收盘后把所有未清仓的买入记录的买入价格阶梯式更新，间隔就是波动率，这样第二天再重新计算买入卖出价格时就是以今日收盘价为基准
     */
    public void updateSuckSalePrice(Momentum momentum, StockRealTimePrice stockRealTimePrice) {
        List<TradingRecord> tradingRecords = tradingRecordDao.selectList(new LambdaQueryWrapper<TradingRecord>().eq(TradingRecord::getClearance, false).eq(TradingRecord::getCode, momentum.getCode()));
        if (CollectionUtils.isEmpty(tradingRecords)) {
            return;
        }
        TradingRecord tradingRecord = tradingRecords.stream().min(Comparator.comparing(TradingRecord::getBuyPrice)).get();
        //从所有未卖出的买单中选择最低买入价那个作为计算标准
        //更新目前的最低买入价格
        momentum.setMinBuyPrice(tradingRecord.getBuyPrice().setScale(2, RoundingMode.HALF_UP));
        //更新下一个卖出价格为目前所有持仓最低买入价格*做T波动差
        momentum.setNextSalePrice(tradingRecord.getBuyPrice().multiply(momentum.getMS().getTRate()).setScale(2, RoundingMode.HALF_UP));
        //更新下一个低吸价格为当前卖出价*低吸波动差
        momentum.setNextSuckPrice(BigDecimal.valueOf(stockRealTimePrice.getCurrentPrice()).multiply(momentum.getMS().getSuckRate()).setScale(2, RoundingMode.HALF_UP));
        insertLog(stockRealTimePrice, "更新下一次卖出价格为" + momentum.getNextSalePrice() + ",更新下一次低吸价格为" + momentum.getNextSuckPrice());
        List<StockVo> stockHoldings = getStockHoldings();
        Map<String, StockVo> map = stockHoldings.stream().collect(Collectors.toMap(StockVo::getName, e -> e));
        StockVo stockVo = map.get(momentum.getName());
        momentum.setHoldNumber(stockVo.getTotalVolume());
        momentum.setAvailableNumber(stockVo.getAvailableVolume());
        momentum.setProfit(stockVo.getProfit());
        momentum.setCostPrice(stockVo.getCostPrice());
        momentumDao.updateById(momentum);
    }

四、自动建仓

未建仓的核心标的，开启波动监控，向下偏离MA5，或是盘中突然的深水，自动建仓（待开发）

五、性能与速度

虽然是低频套利交易，但是对并发及性能的要求也是必不可少的。

硬件层面：最好一个逻辑处理单元只监控一个标的。服务器逻辑处理单元数量 > 监控标的数量那就是最好的了。

软件层面：追求最佳的并发速度

关于并发在交易中的运用我会另写一篇文章，介绍一下我给朋友开发的打板系统。从发现交易所的上一档成交数据->验证策略->下单成功返回。基本在0.85秒-1秒中间完成。大大提高了打板速度与打进成功率。实测了一段时间比打板器要更快一些。

A股打板实战中如何提示性能-Java版本