应该向系统里加入怎样的逻辑，使得交易系统能够根据市场情况调整参与频率？

有三种类型的逻辑，或者叫触发事件把，应该考虑到交易系统中去：

1. 宏观市场性条件：对于portfolio management，一般业界和学术界有一个常用的说法，叫做risk-on-risk-off (RORO)，简单而言，就是市场环境高风险时（risk-on），采用一套策略，而市场环境低风险时（risk-off），采用另外一套策略。这个risk的on或off的开关原则，不同的市场不一样，同一市场不同基金经理的定义也千差万别：

• 股票市场：一般而言是大盘的波动水平，你可以用最近一段时间（比如60天）的volatility来判定，高于一个值，就risk-on，低于一个值，就risk-off；也可以用宏观经济条件，比如CPI、失业率等等来定义。当risk-on的时候，一般采用趋势性策略，比如动量交易（momentum）等基于大趋势的策略；而risk-off的时候，采用回归类策略（mean-reverting），因为主要是波动市场，价格会在一个区间波动。
• 外汇市场：外汇市场是risk-on-risk-off的策略的发源地，主要用各种宏观经济指标来衡量是否是高风险区。如果低风险时，可以采用carry trade（从利息超低的地方借入资金，然后到利息高的地方存钱或者投资，最常见的就是从日本借入）等策略。同时很多的投行也有对应的指数，比如credit suisse、deutsch bank都有自己的risk-on-risk-off指数，简称RORO指数，基金经理可以根据这个指数来判断。具体的细节很多paper、bank的index report讲得很清楚，有兴趣可以自己去看。
• 期货市场：期货市场主要的risk取决于宏观经济以及特定产品的供需关系。比如农产品、贵金属等都是如此。石油特殊一点，受**因素影响很大。这些细节，一个优秀的策略师都应该自己考虑进去。期货市场的信息优势很重要，高盛之所以雄霸石油市场，就是在每一个主要的供货商那里都有接口，实时监控全球的石油供需。当然阴谋论者要说这一切都是**操纵的原因，但从我的级别来看，更多是来自于信息优势。
• 债券市场：债券市场大量是OTC（Over the Counter）产品，也就是非标准化的产品。比如美国过去十年最火热的产品：MBS（Mortgage Backed Securities），都是每个合约有特定的条款，一看要看几十上百页。除了常见的宏观条件外，特定种类产品特定分析很重要，同时系统性关联度很高，可能集体违约（比如次级债），因此基于基本面的 risk-on-risk-off很重要。反而股市的波动性对其影响不大。

2. 仓位条件：仓位条件，通俗的讲就是止损条件，即你持有的资产组合亏损到一定程度，就自动停止交易，甚至清仓。这个条件有多么关键，我去年做了一个外汇的交易策略（也考虑了Risk-on-risk-off的市场性条件），没有止损条件，在07-10年收益会大减，加上止损条件后，绝对最高收益是少了，但是整个回溯测试收益很稳定（Sharpe Ratio）。
仓位条件也是在国内最不被接受的。国内崇拜的是苦尽甘来，一条股票套住了，守到黑。最受崇拜的就是那种牢套后翻身做主人的传奇英雄。但其实这种方式在美国难以通行，很大一部分原因是中国上市难，退市也难，大家知道总有一条价格会回来，但是在美国，一个股票暴跌，那一定是基本面出了大问题，有很大可能退市，最后剩下的没有价值的股票只能拿回家糊墙。
在基金管理中，最重要的不是绝对收益，是Sharpe Ratio：

r_0是基准年化收益，如果是股市，很多人用大盘收益，r是你的投资组合的年化收益。两者之差是超额收益，而Sigma就是你的投资组合的波动。Sharpe Ratio越高，你的投资是在稳定的风险下获得了较大的超额利润。
为什么绝对收益不重要呢？因为Sharpe Ratio高，你总能通过杠杆获得极大的绝对收益，但是Sharpe Ratio低，你很有可能在一次不利的市场环境中爆仓了。
仓位条件对于Sharpe Ratio的提高是显著的，因此我觉得这一点也很重要。

3. 微观市场条件 (Market Microstructure）：微观条件具体说起来很复杂。我觉得用例子来说比较清楚：

• 一天内的周期性（Intraday Periodic）：比如我一次要买、卖很多的000002万科，一天内什么时候做这个交易会对市场影响最小呢？一般而言，开盘和收盘成交量最大，中午成交量最小。那么在交易量大的时候出售，可以保证你能按照看到的价格买入、卖出。散户也许这个不重要，但是对一个人基金而言，这一点影响巨大。Almgren and Chriss (2002)提到了，如果不考虑由于执行不当引起的成本，基金的平均年化收益可以高5%，这可是一个很大的数字。类似的，股市也有周期性，比如春节期间中国股市20年来看基本都是上涨的。因此，周期性很玄乎，却实实在在在影响市场。
• 黑天鹅事件：最著名的例子莫过于2010年5月6号的Flash Crash。Nasdaq一天内上下过千点。去年美国CFTC发布的一篇文章详细讨论了这个事情的前因后果：一个基金意外下了一个指数ETF的巨额卖单，因此大量基金的自动化交易系统检测到了，迅速跟进卖出，而另外一些趋势交易基金，也跟风卖出，进一步加剧了下跌。这个时候，如果你正好在看涨市场，岂不是被坑了？因此你的模型要考虑这种unknown unknowns。最简单粗暴的做法就是，你有个手动挡，有人随时监视模型的运转，发现出了不能理解的突发事件，迅速手动停止交易。

以上仅仅讨论了可能的逻辑的框架，具体到如何实现，有很多业界和学术界的研究，可以找相关的paper和report自己进一步阅读。