本文探讨了美股从分数制到十进制交易规则改变对量化策略的影响，强调了数据一致性的重要性。分数制时价格聚类在整数和分数点，而十进制后，价格聚类点发生变化，影响下单算法和做市策略。交易者需要注意数据源在制度变革期间的连续性和适用性。
笔记左数效应、整数关口与光折射中引用了南加州大学Lawrence Harris的一篇论文中，哈理斯研究了交易价格的聚类效应。聚类效应对我们确定压力位、完善下单算法都有一定的影响。
但是，2001年，美股变更交易制度，由分数制切换为十进制。这个变化就导致了他的研究结论作废。
这也是我们在量化中必须要注意的：你用来分析的数据，它是连续一致的吗？中间有没有任何制度上的、采集上的改变？如果有，我们还能不能把变化点前后的数据当成一个整体来研究使用？
这篇文章，就借这件事，介绍下美股历史上的分数制到十进制的切换，提醒大家在进行量化研究时，对数据源要进行认真分析。在世坤的《Finding Alpha》那本书中也讲过，寻找Alpha的过程中，可能最重要的是就是了解你拿到的数据。数据本身的缺陷，是产生各种偏差最常见又最难以发觉的原因。
美股历史上使用的最小增量单位（minimum spread，也称为tick size，点差）是1/16美元。这种规则有时候被称为fractions（分数制）。2001年4月起，点差改为十进制，即最小增量为$0.01。自2005年起，又推出了612规则，即对在$1之下的股票，允许它们以$0.0001的增量进行报价。
根据哈理斯等人在《Stock Price Clustering and Discretenss》中的研究，使用分数制点差时，股票价格更容易聚集在整数上，整数比一半（即8/16）更常见，一半则比1/4又更常见。比如，在1987年12月31日，CRSP（Center for research in security prices，芝大下属机构。这是研究美股的一个很重要的
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
