算法交易的机遇和挑战

一、算法交易的产生背景

算法交易产生于美国，它的实质是使用计算机自动交易，以降低大额交易的交易成本，提高投资收益。算法交易的产生、发展有其深刻的历史背景。

其一，频繁进行大额交易的机构投资者的出现提供了发展动力；其二，计算机技术、通信技术的不断进步促使交易市场电子化，提供了物质基础；其三，美国一贯的吸引人才政策储备了算法交易需要各类专业人才：金融工程师、软件工程师、深谙数量关系的数学家、物理学家等。

二十世纪70年代，随着经济全球化的深入发展，大型企业迫切需要在全球范围内大量融资，资本市场日益繁荣。养老基金、对冲基金、共同基金等机构投资者随之兴起，不但数量众多，而且规模也越来越大。

然而，由于证券流动性有限，基金等金融机构想大批买入或抛售股票而不惊动市场，只有通过手段高明且关系网超深厚的大牌经纪人才能做到，为此付出的经纪费用极其高昂，效率却不高，因此，机构投资者急需低廉高效的交易手段。

随着计算机技术、通信技术的进步，交易所由传统手工交易转向高效快捷的电子交易。此时投资者可以通过使用计算机程序来发出交易指令，在交易中，程序可以决定的范围包括交易时间的选择、交易的价格、甚至可以包括最后需要成交的证券数量。这种新的交易方式称为算法交易(Algorithmic Trading)，又称为自动交易、黑盒交易或者机器交易。

算法交易的出现，得到了投资者的青睐，因为它可以有效地减少冲击成本、机会成本，能够隐蔽交易，可以把大额委托分割为小单发送，以致不会对整个市场产生太大冲击，还可以寻求最佳的成交执行路径，得到市场最好的报价，从而降低冲击成本；算法交易还能避免人的非理性因素造成的干扰；快速分析多种技术指标，更精确地下单；保存交易数据，便于事后成本分析，改进算法；减少人力成本。

算法交易具体步骤为

步骤 1：对股票等证券的历史行情数据进行分析，结合交易的思想，设计出交易策略。本步是算法交易的核心。

步骤 2：将交易策略编写成计算机程序，并把这些程序整合成一个交易系统来操作这些策略。根据股票的品种等因素确定好交易参数。

步骤 3：将设计好的交易系统上接行情数据，下连下单接口以报单。实际交易时，让程序根据行情的变化自动选择股票的买卖点。

步骤 4：程序根据产生的买卖点来对股票进行买卖操作。

算法交易可以使用在任何交易策略，包括做市、跨市场价差套利、统计套利及纯投机(包括趋势跟随)等。算法交易日益受到投资银行、对冲基金、养老基金、共同基金等机构投资者的青睐。

算法交易的收益根据巴克莱的统计，反映算法交易收益的Barclay SystematicTraders Index 显示自从1988 年以来，量化交易团队(Systematic traders)的年化复合收益为11.50%，而与此相对应的主观交易团队(Discretionary Traders)的平均年化收益为9.77%。尽管在个别年份，主观交易团队战胜过量化交易团队，但是从长时间来看，量化交易团队更具有优势。

二、算法交易的发展历史

算法交易的发展是由多种因素推动的：大宗交易需要便捷高效的交易手段，计算机技术和通信技术的进步提供了技术支持，交易制度的改革扫清了最后障碍。

市场和技术准备金融市场的下单指令流计算机化始于二十世纪70年代早期，其标志是纽约证券交易所(以下简称纽交所)引入订单转送及成交回报系统(Designated Order Turnaround,DOT，及后来的Super DOT)以及开盘自动报告服务系统(OpeningAutomated Reporting System，OARS)。

DOT系统直接把交易所会员单位的盘房与交易席位联系起来，直接通过电子方式将订单传至交易席位，然后由人工加以执行。而OARS系统可以辅助专家决定开盘结算价。为方便统计不断增多的大笔交易，纽交所将市值在100万美元以上、股票个数在15只以上的一篮子股票组合买卖下单称为程序化交易(Program Trading)。

尽管纽交所并未要求程序化交易必需由计算机完成，但在实际操作中，这些大笔交易几乎都是由计算机辅助完成的。进入80年代，计算机已经被广泛应用于股票与期货的跨市场指数套利交易中。纽交所的交易程序会被预先录入计算机，当期货价格和股票指数直接价差大得足以以赢利时，计算机会自动向纽交所的电子买卖盘传递系统发送交易指令。

也是在80年代，计算机辅助交易被应用于投资组合保险中。初步发展是80年代后期及90年代，随着电信网络的发展，美国证券市场的全面电子化成交和电子撮合市场ECN(Electronic Communication Networks)开始发展。纽交所在1997年批准了从分数制报价方式改为十进制小数点报价的方案，但推进的过程用了三到四年。

2000年8月开始小范围试点，到2001年才完成。NASDAQ后来在证监会的压力下也跟进这个改革方案。股票报价的最小变动单位由1/16美元或者1/32美元，调低到了0.01美元。买卖之间的最小变动差价大幅缩小了七八成，遏制了做市商的交易优势，因此降低了市场的流动性，(买卖报价被稀释在更多的报价单位上)，这些情况改变了证券市场的微观结构。

市场流动性的降低导致机构投资者使用计算机来分割交易指令，用以执行到更优越的均价，算法交易得到初步发展。这一阶段的算法主要有：交易量加权平均价格(VWAP)，交易时间加权平均价格(TWAP)、交易量参与度 (VP)、限价交易(LIMITEDPRICE)。快速发展从2004开始至今是算法交易的快速发展期，其动力一方面来自通信标准，另一方面来自新的政府法规的引导。

算法交易的通信标准与传统市场的限价订单相比，算法交易需要的通信参数要多得多。买方交易员所使用的交易系统(通常称为“指令管理系统Order Management System”或“执行管理系统Execution Management System”)必须能够适应与日俱增的新型算法指令。

新型复杂算法需要花费巨量的研发及其它费用，例如基础设施、市场推广等。卖方需要做的是让新型算法电子指令直达买方交易员，并且让后者无需每次都再编码就能直接下单交易。

FIX协议组织是一家非营利性交易协会，专门免费发布为电子证券交易设立的公开的通信标准。其会员包括几乎所有的大中型经纪商、货币市场银行、机构投资者及共同基金等。此机构在证券交易的盘前交易及交易领域的标准设定方面占有垄断地位。在2006-2007年，几家会员联合发布了描述算法交易指令类型的XML标准草案。

这个标准被称作FIX算法交易定义语言(FIXatdl)。该语言使得新型算法的开发变得方便快捷。法律推动 2004年3月生效的美国国家市场系统管理规则(Regulation National Market System)，其中一条规定，客户下委托订单时，均需要按照当时的最佳价格将客户订单发送到证券交易所。该规则的推行结果必然是推动纽交所、费城、波士顿和其他地区的坚持采用人工交易方式的股票及期货交易所最终实现电子化，为算法交易的广泛应用扫清了障碍。

算法策略方面 VWAP和TWAP很快衰落，新算法层出不穷。根据TABB集团的一项研究，在2004年第二季VWAP在所有算法中占到61％，但到了2006年第二季这个比例已经下降到了16％。机构客户在追求更为复杂精细的算法，如冰山一角Iceberging、游击队员Guerrilla、基准点Benchmarking、狙击手Sniper、嗅探器Sniffer等。

冰山一角通常将大单指令拆分为若干个小单指令渐次进入市场；“游击队员”用来发现潜在的“冰山一角”；“基准点”算法被交易员用来模拟指数收益；“嗅探器”算法被用来发现最动荡或最不稳定的市场。任何类型的模式识别或者预测模型都能用来启动算法交易，神经网络和基因编程也已经被用来创造算法模型。市场中的算法越来越复杂，竞争越来越激烈，利润空间越来越小。

三、算法交易的影响

算法交易给美国交易市场带来了深远影响。市场结构的变革体现在算法交易比重的上升。根据美国AiteGroup LLC咨询公司的统计数据，2006年在美国股票市场中，有1/3的交易是由自动交易系统或算法化交易完成的。预计到2010年，这个比例将达到50%。总体上看，2006年，美国市场与股票市场中有超过40%的交易订单来自算法交易者。

算法交易在外汇市场中也很活跃，2006年大约占总交易的25%。算法交易也可以轻而易举地被应用于期货和期权市场，预计2010年大约20%的期权交易量将源于计算机程序。债券市场也将逐渐引入更多的算法交易者。交易方式的变革全球的交易所都将算法交易视为重要的增长驱动因素[4]，并适应了这种交易方式。

例如，CME集团约90%的资金支出用于技术创新，加速从传统的交易池交易转向电子交易；高盛公司在算法交易上花了数千万美金，他们技术部门的人员比交易部门还要多。如今金融市场的信息已被诸如路透、道琼斯、彭博、汤姆逊金融等公司格式化，通过算法的解读来形成交易。

计算机被用来生产消息，譬如公司公布盈利结果或公布经济统计数据，这些消息几乎在瞬间同步直接传输给其它计算机，由它们根据消息进行交易。各交易所的消长诸如纳斯达克这样自动化程度较高的市场已经从诸如纽交所这样自动化程度较低的市场获取了更多的市场份额。下面的两幅图显示了2004年6月至2010年6月间，纽交所和纳斯达克年交易量的对比情况。

从2005年起，纽交所交易量呈萎缩趋势，而纳斯达克交易量呈上涨趋。交易量对比图更明确地显示出两交易所的此消彼涨：2005年纽交所成交量是纳斯达克的89.77%，2010年上半年已经下降到51.65%.消极影响算法交易并非完美无缺，它可能会加剧市场波动、使交易系统更加脆弱。

2010年5月6日[5]，道琼斯30种工业股票平均价格指数盘中暴跌近1000点，大跳水行情触发算法交易连锁反应，计算机接连发出卖单，疯狂寻求止损，最终导致蓝筹股埃森哲公司和波士顿啤酒公司等多只股票短时间内失去几乎100％市值，以1美分价格换手。2009年7月3日，高盛的算法交易程序源代码被其软件工程师盗取，如果这些软件真的外流，高盛在交易市场的地位就会受到威胁。

四、美国的算法交易对中国的启示

与美国相比，中国证券市场有自身的特点。股票市场具有较高的冲击成本根据沪深交易所的研究，我国深市股票交易的冲击成本(以10 万元的冲击成本计)，高于全球证券市场平均近13 个基点。

而且随着交易额的上升，成本增加明显，在沪市当委托数量从23.5 万增至235 万时，冲击成本从23 个基点上升到49 个基点。机构投资者占的比重较小截止2007年底，机构投资者在美国1000大企业中的所有权为76.4%。我国深交所机构投资者持股比例在2006年为40%，这是构成较高的冲击成本的原因之一。

相对较多的散户投资者和较少的机构投资者，使得交易指令簿上的买卖价差看上去较小，但是市场深度不够，从而导致较高的冲击成本。日内价格波动性大价格波动性较大是新兴股票市场的特点之一。这使得算法交易建模微观的价格和流动性的动力学以及交易者的效用函数时需要一些特殊的考虑。股市实行T+1交易制度，而美国实行T+0制度。做市商少，经纪商只是一个交易通道。

而美国证券交易以做市为主，智能路由等许多算法策略也是针对这一点设计的。算法交易正处在起步阶段国内多家证券公司、期货公司已经开始算法交易的研究，有的公司已经推出了相关产品。但从算法策略上来看，目前仍在研究最简单的VWAP和TWAP，比美国落后了六七年。

我国已经具备了发展算法交易需要的各种物质条件：市场上已经存在大量机构投资者、已能自主建造世界领先的超级计算机、有世界最大的互联网和相应通信技术。鉴于我国算法交易的发展现状，本土企业正面临前所末有的机遇和挑战。

机遇方面：交易市场有较高的冲击成本，这意味着算法交易较大的发展空间。法律的保护使交易市场暂时不受外部的冲击，为我国企业迅速发展算法交易提供了保贵时间。有成熟的通信协议FIX。

该协议已经发展了16年，并且可以免费使用，可以节省大量的研发资金和时间投入，有可能快速赶上国际水平。统一的电子交易平台。正因起步晚，从一开始，我国交易市场就有统一的电子交易平台，没有从传统场内交易向全面电子交易转变的问题，这为算法交易的快速发展提供了物质保障。挑战方面：主要是起步晚，与美国等西方国家相比处于劣势地位，具体表现在：缺少技术和人才储备。

据估计，对于普通经纪公司而言，在交易应用中拥有一毫秒的优势即可带来每年一亿美元的进账。对算法交易来说，先进的计算机、通信系统能更快地计算出结果、更快地将交易指令发送到交易所。与技术进步同样重要的是具有数量化交易能力的人才。算法交易能否赢利，核心是设计策略，扎实的编程技能、拥有数学才能和具有强烈的获得alpha的天赋本能，缺一不可。

国外已经发展了20多年，我国刚刚起步，技术和人才还很缺乏。面临外部冲击。一旦完全开放市场，外国实力雄厚技术先进的企业将抢占我国交易市场，我国企业将面临强大对手的竞争。

发展展望目前起步阶段需学习借鉴国外成熟算法，消化吸收符合我国市场现状的算法，忽略那些针对西方市场的算法，以求快赶上世界水平；储备技术和人才，积极开发针对我国市场特点的算法；积累资金和技术，组建大型投资机构，抵御国外机构的冲击，走出国门，与国际知名机构竞争。

参考文献

[1] 范辛亭,谭卓,杨靖凤,算法交易策略的研究,2009-5-4

[2] http://stock.baidu.com/2009-08-10/120408910.html

[3] http://baike.baidu.com/view/1280239.htm

[4] http://www.hsqh888.com/article/?18/18001/0/1/22734

[5] http://huoshilong.blog.sohu.com/101412425.html

拓展阅读：

1.一个量化策略师的自白（好文强烈推荐）

2.学习Python量化有哪些书籍？这里有一份书单送给你

3.学了那么多技术指标为什么还不赚钱?从量化角度告诉你

4.最科学的仓位管理利器-凯利公式，从方法上胜过99%散户

5.网格交易法，一个不容易亏钱的投资策略（附源码）

算法交易的机遇和挑战相关推荐

浅谈图分析商业化的机遇与挑战，你注意到了吗？
前言本篇文章中,小普将以图分析这一技术栈为线索,站在行业的高度,抽丝剥茧,思考图分析的产品应用与用户体验,在整个介绍中,我们可以很清晰的看到,在图分析领域,机遇与挑战并存. 再上征"图&q ...
从蚂蚁金服一窥人工智能在金融领域的机遇与挑战
从蚂蚁金服一窥人工智能在金融领域的机遇与挑战 CCAI 蚂蚁金服人工智能金融中国人工智能大会阅读2469 编者按:由中国人工智能学会.阿里巴巴以及蚂蚁金服联合主办,CSDN.中国科学院自动化 ...
美国算法交易的影响和启示
转载自:http://www.dataguru.cn/article-5431-1.html 随着股指期货的成功上市,我国期货市场获得了蓬勃发展,算法交易作为一种组合交易方式,也得到了更多重视和利用. ...
手机打车APP的机遇与挑战
所谓打车APP,就是个能安装在手机上的打车软件.原理是通过GPS进行定位,能够搜索附近的空车信息然后反馈给用户.同样的,空车信息也会反馈给用户.一般这种啊APP都是跟地图类软件一起的.比如百度地图,谷 ...
人脑VS机器？AI时代经济决策的机遇与挑战？| AI TIME 27
点击蓝字关注我们 AI TIME欢迎每一位AI爱好者的加入! · 经济学为什么需要计算机科学? · 计算机科学为什么需要经济学? · 目前工业界对于经济学家的需求大吗? 你对这些问题好奇么? 那一定 ...
2023年互联网与软件业的机遇与挑战
一.前言 2022年即将结束,2023年即将到来.已经离职创业三年,未曾外出游玩,经常从梦境中醒来,醒来便开始工作.这段时间即使在网络上也未曾断了和其他人的联系,这里包括很多程序员.架构师.CTO.很 ...
Percy Liang、李飞飞等百余位学者联名发布：「基础模型」的机遇与挑战
撰文:赵言,秦红川,程晨校对:贾伟随着BERT.GPT-3.DALL-e等超大模型的兴起,自监督学习+预训练模型微调适配方案,逐渐成为主流.这种范式会先在超大规模海量数据上进行自监督的模型预训练, ...
孙家广院士：大数据软件的机遇与挑战
来源:科技导报本文约1600字,建议阅读5分钟大数据作为产业发展的创新要素,在数据科学与技术.商业模式.产业格局.生态价值与教育层面,均带来了新理念和新思维. 2019年,大数据.数据科学.机器学 ...
【线上分享】超分辨技术在RTC领域面临的机遇与挑战
基于AI的超分辨(Super Resolution)技术在图像恢复和图像增强等领域展现出广阔的应用前景,受到学术界和工业界的关注和重视.但是,在RTC领域中,很多算法并不能满足实际场景下的应用需求,超 ...
论大数据视角下的地球空间信息学的机遇与挑战
论大数据视角下的地球空间信息学的机遇与挑战李德仁1,2, 张过2, 蒋永华1, 沈欣2, 刘伟玲2 1 武汉大学遥感信息工程学院,湖北武汉 430079 2 武汉大学测绘遥感信息工程国家重点实验室 ...

算法交易的机遇和挑战

算法交易的机遇和挑战相关推荐

最新文章

热门文章