对交易而言,金融工具的结构性改变并不是新事物。事实上,正是这种源源不断的创新,驱动了现代金融机构的领导地位。在过去几年,高频交易(High-frequency trading, HFT)已经进入公众的视野,并为市场带来相当大的操作化改进,这种改进导致了低波动、高稳定性、更高的市场透明度,以及对交易商和投资者而言更低的手续费。本章对证券市场历经50年发生的巨大变化进行了概述,同时定义了高频交易及其内部的核心策略。
过去20年,消费市场对计算机技术的需求导致了整个领域硬件价格的明显下滑,本书第2章,我们将更进一步讨论这个问题。硬件价格的下滑导致了电脑技术辅助型交易的性价比提高,对软件的投资使得交易平台更易于使用也更强大。此外,通过计算机代码,实现了更低的信息传输和数据输入错误率、更高的订单执行可靠性,以及业务的连续性,这也提供了一个金融机构越来越依赖其技术系统的商业案例佐证。制度规则的日益复杂同样要求更高的订单申报能力,如果没有稳定的平台,费用会相当昂贵。更低的成本也进一步压缩了利润空间,这给传统的全方位服务模式带来了压力。图1-1和图1-2显示了金融服务在20世纪70年代以及现在的概况。
图1-1 20世纪70年代的金融市场,在金融电子化之前
图1-2 当今的金融市场
在20世纪70年代之前,市场的参与者为组织和个人,他们被认为是“传统”参与者。如图1-1所示,对投资管理方或“买方”而言,市场参与方包括:
●委托资产管理者,包括养老基金、共同基金和对冲基金。
●零散资金,包括个人“家庭”投资者,以及其他小资金。
●手工操盘的投机者,他们为自己的个人账户或者他们的银行账户进行自营盘操作。
在市场中为交易提供便利、中间商或“卖方”包括:
●手工操盘的做市商(其代表为股票经纪人),他们承担短线库存风险,为买方提供报价,通常促成买方交易后获得费用。
●每个资产类别的非营利交易所,都希望遏制交易所会员的盲目投机,降低投资者的交易成本。
高度的手工操盘导致了金融行业劳动力的密集,因而20世纪70年代金融行业的特点为高交易成本,低证券周转率,手工处理单据使得订单出错率高。由于交易商主要依靠他们的经验和直觉,而不是在市场上科学地进行“下注”,因而交易风险相对高。然而,20世纪70年代的市场利润也很高,经纪人可以以佣金的形式,得到“投资战利品”的很大一部分收益,以及后来被人们称为“有钱有势的人”(fat cat)奖金,它们的数量可以有数千万美元。
快进到当今的市场,如图1-2所示,新进入者在市场竞争中成功了,他们用精湛的和先进的技术构建出精确的投资模型,并在这个过程中改变了市场:
●量化投资经理,比如共同基金和对冲基金,精准地使用经济学、金融学以及最先进的数学工具,日益精确地预测证券价格,提高其投资盈利的能力。
●自动做市商,比如股票经纪商和对冲基金,利用最新的技术、市场微观结构的研究成果以及高频交易,提供低成本的交易,进而将市场份额从传统经纪商那里抢夺过来。
●自动化套利者,比如利用统计套利的对冲基金和自营盘交易商,利用量化算法交易,包括高频交易,来获取短线交易的利润。
●多种可供选择的交易场所,比如新的交易场所和暗池交易,如雨后春笋般冒出来,解决了市场需求,即高质量下价格适中的金融服务。
这些创新使得市场的关键特征发生了变化,这些变化大部分都向好:
●市场参与者极大地享受到民主权利,由于低成本技术的普及,任何人都可以在市场中交易、报价,以前这些权利专属于经纪商组成的“关系俱乐部”。
●交易成本暴跌,这使得投资者能够把资金留在自己的口袋里,后面会详细解释这个问题。
●自动交易,自主下单,并且出错率低。
市场新进入者和市场原有参与者之间的竞争异常激烈残酷,这也导致了股票经纪商的利润降低,将技术无效的参与者淘汰出局。
交易方式随着时间的推移而改变,这些创新的方法都影响着机构和客户之间的相对实力。在20世纪70年代的市场中,通常有如下交易过程。
1.经纪商会一次性告知买方客户的交易思路,这些思路通过打无数次电话来传达,并建立在经纪商实时观察市场的独特能力的基础之上,而且往往以“软美元”的方式支付。也就是说,如果客户决定用这种思路进行交易,他们通常会通过建立该思路的经纪人来交易,客户会为这种交易思路支付更高的佣金。
2.如果客户决定采用某种交易思路,他们会打电话给经纪人或经纪人的助手来执行订单,这样的口头下单经常导致错误,比如交易大厅中的噪声常常会影响经纪人正确理解客户的交易指令。
3.收到一个客户的订单之后,经纪人的下一个步骤由订单的大小来决定。如果是一个大额订单,那么它会马上被发送到市场执行(很可能会被拆分为小订单);如果是小额订单,则会被搁在经纪人的桌上,直到其他相似的订单累积成一个批次的资金规模——这个资金规模是交易所规定执行订单的最小额度。因此,小客户通常处在不利形势之中,在等待他们的订单被执行时,最优的市场价格悄悄溜走了。
4.一旦一个订单或连续几个订单累积的大小到了经纪商可以下单的资金规模大小,经纪商就会把订单报送给合适的交易所。
5.接下来,交易所代表,即大家所熟知的交易“专家”(specialists)会撮合买卖的订单,并将交易确认信息发还给经纪商。所以我们不难理解,交易“专家”会以牺牲一部分订单为代价,来为与他们相关联的订单创造优先条件。这种行为鼓励人们为构建亲密的关系网络投资,也导致了华尔街独有的派系——当客户处在这个小圈子内时就会有价格优势,而处在圈外就会有极大的价格歧视。即使交易所是一个以非营利形式运行的组织,以权谋私也很常见,而交易所显然离一个交易商在所有的项目上都能够平等竞争的竞技场还有很大的差距。
6.经纪人通知客户订单已经执行完毕,同时收取佣金和不菲的奖金。他们掌握着市场的力量,并且获得犹如国王般丰厚的报酬。
图1-3说明了大约20世纪70年代盛行的传统投资过程。
图1-3 电子化交易之前,以经纪商为中心的普遍投资过程
时间回到40多年后的现在,市场力量的平衡已经被打破。客户的量化分析技能得到提升,甚至大多数情况下他们的分析研究工具比经纪人的更好。经纪人的专业领域已经从包罗万象的卖方研究,缩减到证券行为,再到一个更窄但非常重要的领域——算法执行。它能帮助客户在波涛汹涌的日内交易(T+0)中把握住交易的方向。由于这样的买方投资者,市场的发展按照图1-4所示的过程在不断进化。
图1-4 现代投资过程(场景1:经纪人为客户提供最优订单执行)
1.客户而非经纪商,会基于证券走势预测以及他们现有的资产进行研究,这些研究均在量化投资组合管理的框架之中。
2.客户通过电子网络来下订单,大大减少了出错率和经纪人对报单产生误解的情况,所下订单能瞬间传送到经纪商手中。
3.客户或经纪商选择经纪商的最优执行算法交易,这种算法的目的是最大限度地减少客户的交易成本和风险,尽可能地提高执行速度,并尽量使得客户的交易行为不被观测到。
4.通过电子化,所选择的算法交易会将客户的订单分割为几个部分,并且将这些零散的订单按线路发送到相关的交易所或其他交易场所。
5.交易场所撮合客户的零散订单,并确认执行。
6.经纪商将订单确认回执发还给客户,并收到大幅缩水的佣金(在1997年,美林证券提议小额交易需要设立最低佣金,数额为每笔交易为70美元。今天盈透证券的每笔交易佣金为0.7美元,相当于客户的成本减少了100倍)。
有些客户甚至更进一步,他们更乐于完全跳过经纪商的中介服务,建立自己的执行交易算法,来确保更高的利润额。技术成本的直线下降,使所有感兴趣的参与者都能够快速获取分笔数据(tick数据)。现在,不仅是经纪商,客户也能够观察市场并择时做出市场行为的短期预测。这些很大程度上独立于经纪商线路的客户,是通过“直接接入”进入市场,他们的订单执行流程由以下步骤组成:
1.经纪商同意给予该客户直接访问交易所的特权,费率由双方协商,比如每笔交易付多少,或一定交易量付多少。为了接入交易所,经纪商允许客户在特定的交易所使用经纪商自己的通道,客户的报单执行线路系统使用经纪商的通道,与交易所进行订单和信息的传递。
2.客户的计算机系统或人工分析师做出一个高频或低频的投资组合决定,该组合包含一个或多个交易指令。
3.客户使用自己的订单分割和线路算法,来优化他直接在交易所或其他交易场所所下的订单。
4.单个或多个交易所撮合这些订单,并直接向客户确认执行订单。
5.经纪商收到结算信息,并向使用直连通道特权的客户收取佣金。
图1-5简述了这些步骤。
图1-5 现代投资过程(场景2:客户在市场中直接决定最优订单执行)
媒体、现代市场和高频交易
虽然市场整体的改变搅乱了经纪商的自营端业务,并将很多经纪商挤出了业务市场,但这些改变对于整个社会来说,绝大多数属于积极的影响,而节约下来的成本直接进入了投资者的口袋。在过去,经纪人光靠打电话下订单,在他们的电脑屏幕上观察市场,就能够获得数以百万美元的高额奖金,现在这种好日子已经一去不返了。资金重新流向了银行股东和终端投资者(end investor)。
显而易见,并不是每个人都愿意见到这种行业变化,其中最不乐意的群体就是因自动化交易而失去业务收入的经纪商。他们失去了从投资者的口袋里轻松获取报酬的能力,所以经纪商成了呼声最高的高频交易反对者。例如,经纪人阿努克和萨卢齐(2012)就曾公开谴责自动化交易,并为当年手工交易经常出错而激烈辩护,当时交易商不允许在交易所内交易,经纪商是世界上有钱有势的人。
一些经纪商的盈利模式因为技术的出现而显著降低,因而他们试图妖魔化高频交易,而且他们内心有一个更邪恶的目标:打着保护弱小投资者不会成为高频交易下待宰羔羊的幌子,到处诱骗投资者进入他们那种依然靠收取高额交易费的模式中。投资者应该花时间去比较通过经纪商或其他可行方式进行交易的成本。本书第5、12和15章做了一些详细说明,有助于低频交易的投资者估算潜在且不利的高频交易所导致的风险,并且采取受过训练的措施来管理刚才所说的风险,这些都不需要依靠自我炒作、自私自利的经纪商,他们拒绝追赶技术创新,采取恐吓战术牺牲他们的客户。本章接下来的部分将解释高频交易进化的本质,以及一些属于高频交易范围的定义和策略概述。
高频交易由交易方法论演化而来
那些倾向于依靠技术分析决定何时进入或离开某个头寸的经纪商,对高频交易的反对声最高。技术分析是最早的交易技术之一,受到很多交易商的青睐,从很多方面来看,技术分析是今天复杂计量经济学和其他高频交易技术的先行者。
技术分析师最早兴起于1910年早期,他们力图识别证券价格重复出现的模式。技术分析中所使用的很多技术,是测量当前价格水平和移动平均价格的相关性,或者移动平均价格和价格标准差之间的组合关系。例如,技术分析中有一种比较著名的指数平滑异同移动平均线(MACD),它使用三个指数移动平均线产生交易信号。高级技术分析师会结合当前市场活动或一般市场条件来看待证券价格,以此来更全面地了解市场价格未来的波动。
在20世纪上半叶,技术分析出现繁荣景象。当时交易的技术方式还处在电报和气动输送管时代,主要证券的交易复杂性比今天低得多。由于信息无法快速传递,故而限制了股票转手的手数,信息变化无法快速地影响价格,使得当时潜在的证券供求情况依靠图表来显示。前一天的交易情况在后一天早晨的报纸上才能看到,这足够技术分析师基于发布的信息,成功地推测出未来的价格走势。在第二次世界大战后的十几年里,交易技术开始蓬勃发展,分析技术成了一个自我实现的预言。
例如,如果足够多的人认为,在一个特定的工具中,“头肩”(head-and-shoulders)形态之后将会是大幅抛售,那么所有相信的人,在看到“头肩”形态后都会抛盘,从而真实地实现了预测。随后,机构投资者发展到使用超级计算技术的高频计量经济模型,卖掉了技术形态模型。现在,低频交易的技术分析,如日间隔或周间隔,被边缘化到只用于最小、流动性最低的证券,因为它们的交易频率非常低——一天或一周才交易一两次。
一些技术分析,如动量或布林线指标,已经被现在宽客成功采用,并扩展到所有的投资频率中。一直以来,投资者的人性倾向于把资金放入几个月内就能见效的策略中。因此,过去几个月有效的策略,在接下来的几个月中很可能也有效,形成一个交易的动量,这个动量靠使用简单的移动平均线指标或更复杂的量化工具能够被发现。同样地,布林线检测了预先设定的价格和标准差与均值的偏离。统计套利的概念扩展了布林线,比如检测价格与长期价格均值之间的偏离。在被称为配对交易的交易实操中,交易商就是用这种方式辨别价格被高估和低估的金融工具——当其中一种金融工具的价格超过另一种,而且差值超过预定数量的标准差。更常见的是,宽客用布林线的概念来测定均值回归过程以及交易金融品种,他们希望测定的均值能够保持稳定,用统计的概念来说就是“平稳性”。
另一个重要的投资和交易技术就是大名鼎鼎的基本面分析,该技术起源于20世纪30年代的股票市场,当时交易商注意到,未来的现金流(如股息),影响市场价格水平。从那时起的现金流被贴现到当下的时间点,从而得到证券合理的市场现价。格雷厄姆和多德(1934)是基本面分析法最早的提出者,他们的方法至今仍深受欢迎。多年来,“基本面分析法”这个专有名词的含义已经被扩展,比如没有明显现金流的证券定价现在也包含其中,该现金流基于预期的经济变量。例如,今天汇率的基本测定暗含着基于宏观理论的汇率均衡估值。
基本面分析在20世纪的大部分时期都在发展壮大。今天,基本面分析是指基于价格会移动到供给需求关系(经济学理论的基础)预期上的交易。在股票市场中,微观经济模型是适用的,股票价格仍然常常通过未来现金流的现值来确定。在美国以外的交易所,宏观经济模型最盛行,模型通过使用通胀、不同国家间的贸易均衡,以及其他宏观变量的信息来确定预期的价格水平。衍生品通过先进的计量模型进行交易,这些模型包含了基础工具价格变动的统计特性。基础商品交易分析并匹配现有的供给和需求。
与市场微观结构一样,基本面分析的不同因子也是许多高频交易模型的输入项。例如,对于事件套利中的交易,动量的反应伴随着证券价格由于基本面信息更新而产生的调整。新事件发生的时间和日期通常是提前就为大家所知的,而且新闻的内容通常在公告新闻时被揭示。在高频事件套利中,基本面分析可以用来预测经济变量在被公布时的基本面价值,这是为了能不断完善高频交易过程。
与一些精选出的技术模型一样,宽客也采用一些基本面模型,他们提升了自己模型的精准度并且大幅度加快了模型对相关数值的计算过程。当一家公司发布利润公告时,宽客会快速重新计算出其股票的公允价值并从中获利,而基本面分析交易员只能在Excel电子表格中进行普通的分析。
在宽客的竞争中,速度无疑是最显著的一个方面。谁的数量模型运行得最快,谁就能第一个识别出基于市场无效的交易,并且获取最大的收益。为了提高交易速度,交易员开始依靠高速计算机来做出交易决定并执行。技术的发展使得交易所可以适应新的科技驱动型氛围,并且为交易提供方便的对接。从计算机系统开始处理大量的实时运行数据,做出并执行买卖的决定之后,计算机化交易就以系统化交易为人们所熟知了。
高频交易在20世纪90年代开始发展,这得益于计算机技术的迅速进步,以及交易所采用的新技术。从一开始的基本订单执行,到现在最尖端且涵盖面极广的交易系统,高频交易已经发展成为百亿美元级别的产业。
为了保证系统化交易执行的最优化,算法按照模仿传统交易员所设立的执行策略来进行设计。直到今天,算法交易常指自动化的“最优执行”过程,也就是说,一旦买卖决定是由系统化交易过程的另一个部分或基金经理做出时,这些买卖决定就是最优化的。根据当前市场的情况,算法交易可以决定如何处理一个订单:是激进地执行(按照一个接近市价的价格),还是被动地执行(按照一个远离当前市价的限价);是以一笔交易,还是拆分成多个小的交易来执行。正如前面所提到的,交易算法并不总是做出资产组合配置的决定,关于何时买卖何种证券的决定是被设定成受外因影响的。
过去几十年中,由于计算机技术的快速发展,高频交易变得全自动化,这使得交易柜台的利润飞速增长,并且激励人们进一步将技术发展下去。交易柜台把昂贵的交易员替换成便宜一些的交易算法以及其他高级计算机技术,并通过这种替换实现了成本的节省。同人类交易员相比,机器执行的直接、准确以及果断的特性在银行从传统交易切换到系统性交易的决定中发挥了很大的作用。没有隔夜头寸可以直接节省隔夜头寸的持有成本,在危机事件驱动的信贷紧缩情况以及高利率的环境下,这是一个特别值得重视的问题。
因为买方投资者的需求,银行也开始采用并发展高频交易。反过来,对于机构投资者,大量资本的进入、更短的锁定期限以及日常信息的披露,也使得它们需要采用高频交易。机构以及零散投资者发现,基于日内量化交易的投资产品与传统的购买持有策略有着很小的相关性,这可以为他们的资产投资组合增加纯回报,也就是阿尔法。
在《多德-弗兰克法案》下,银行被迫关闭许多自营业务,但其中不包括高频交易。在一些特定的银行,原来主营高频交易的做市商功能仍然非常活跃。在做市功能中,现在运行所动用的资金是客户的资本,而非银行自己的资本,它常被称为交易前对冲(prehedging)。
随着计算机技术的不断发展且价格不断降低,高频系统一定会在市场中扮演一个更加活跃的角色。然而,为了区别高频交易、电子化交易、算法交易以及系统化交易,我们需要特别谨慎。图1-6展示了高频交易、系统化交易以及传统长期投资风格之间的区别。
图1-6 高频交易与算法(系统化)交易和传统长期投资风格之间的区别
系统化交易指的是计算机驱动的交易决策,其有效期可能是一个月、一天或一分钟,因此其可能是也可能不是高频的。一个系统化交易的典型例子:一个计算机软件每天、每周甚至每个月运行一次,接收每天的收盘价,输出投资组合配置的矩阵,并且发出买进或卖出的指令。这样的系统不是高频系统。
另外一个常与高频交易一并提及的概念是电子化交易,但它们不是同义词。电子化交易指的是通过电子化的方式来传送委托订单的能力,与其相对立的是通过电话、邮件或个人亲自来传送订单。在当今金融市场中绝大多数的委托订单都通过计算机网络来进行传递,因此电子化交易的概念已经迅速变得过时了。
算法交易比电子化交易更复杂,它包含各种各样的算法,覆盖了订单执行过程和高频投资组合配置决定。执行算法的设计目的是,无论何时何地一旦做出买进和卖出的决定,最优化地执行交易。算法执行做出的决定包括:将委托订单传送给交易所的最优方式;如果一个提交的订单不要求马上执行,算法执行将选择一个最优的时间点来执行这个订单;订单按照规模大小的顺序进行的最优处理。算法产生高频交易的信号,以做出投资组合配置以及进入或结束一种特定证券头寸的决定。例如,当收到一个要求购买100万IBM股票的订单时,算法执行决定以100股为一个单位来按单位逐步购买,从而防止价格突然急剧上涨的风险。当然,执行算法所做出的决定可能是也可能不是高频的。然而,一个算法如果被设定用来产生高频交易信号,则它也会做出购买100万IBM股票的决定。接着,高频信号会被传送到执行算法中,从而决定订单最优的执行时间和传送路径。
成功实现高频交易需要两种类型的算法:产生高频交易信号的算法和最优执行交易决策的算法。本书包含了两组算法:为产生交易信号所设计的算法(参见第8~11章),以及为执行命令设计且隐藏信息的算法(参见第15章)。第14章也包括了高频交易操作中管理风险的最新算法。
2012年《自动交易》(Automated Trader)杂志进行的调查结果阐述了算法执行的目的,图1-7展示了全面的调查结果。除了之前提到的和采用算法交易有关的因素,如绩效管理和报告,买方和卖方经理也声称交易决策和投资管理需求驱动了他们对于算法的使用。
图1-7 使用算法交易的原因
资料来源:《自动交易》调查(2012)。
真正的高频交易系统能做出全面的决策,通过最优投资组合配置,识别出定价过低或过高的证券到最优执行。高频交易与众不同的特点是,空头头寸持有时间为一天或更短的时间,通常持有头寸不超过一个晚上。因为它们快速执行的特点,大多数高频交易系统是全系统化的,并且也具备系统化交易和算法交易的特点。然而,所有系统化交易和算法交易平台都不是高频的。
执行一个算法命令的能力对于一个给定金融工具里的高频交易来讲是先决条件。正如第3章将要讨论的,一些市场还不适用于高频交易,因为这些市场交易大多数是场外交易(OTC)。根据艾特集团(Aite Group)进行的研究,在所有资产类别中,股票是运用算法执行最多的。截至2010年,超过总数50%的股票由算法操作。如图1-8所示,紧随股票之后的是期货。在算法执行中,外汇、期权和固定收益类也在发展,但并不如前两者明显。固定收益类金融工具的发展迟缓,可以归因为电子化交易发展的相对落后,其原因是很多固定收益类交易通过场外交易进行,因而很难实时同步执行。
图1-8 采用算法执行的资产类别
资料来源:艾特集团。
而致力于高频交易业绩的研究,很少有数据涉及长期买进并持有策略,大量证据表明,大多数计算机驱动的策略是高频交易策略。系统化交易和算法交易能够满足交易应用程序执行速度快、精度高以及高频的大量分笔数据分析的需求。系统交易在多个主要绩效指标上比人工交易表现出色。例如,Aldridge(2009)表明,以詹森指数(Jensen's Alpha)公式(Jensen, 1968)计算系统交易基金一直比传统交易操作的业绩优异,该指标用来衡量交易剥离了市场宏观影响后的盈利能力。Aldridge还表明,在危机时期,系统性交易基金的收益率也优于非系统性基金。这可以归因于与情感驱动的人类交易员相比,系统化交易策略不存在影响交易的内在情绪。
此外,计算机在基础任务,如信息收集、快速分析大量报价和新闻上,也比人类表现出色。从生理上而言,肉眼无法捕捉每秒50多条数据,电影艺术这个与交易完全无关的产业可证明这一点。现代电影中,肉眼如果看每秒24帧,大多数观众就觉得流畅无缝接。而且,大多数的图像显示在连续帧中,包括不断移动的物体。相比之下,现代金融信息包含了剧烈的跳跃式报价,仅仅一个金融交易品种,每秒可以轻松超过1000条。检测跨金融品种的信息更是多得溢出,涉及多个资产和资产类别的数据处理,在本书第15章也会讨论。有效地处理大量信息是交易获得盈利的关键,反技术的人几乎没有成功的机会,高频交易将取而代之。
什么是高频交易
高频交易是一个总括性的术语,由几类策略组成。高频交易的范围较广,不同的市场参与者对高频交易持有不同的观点。本节讨论常见的高频交易定义。
高频交易是指包括所有利用快速算法执行的活动
例如,美国商品期货交易委员会(CFTC)的技术小组委员会,负责确定工作高频交易的定义,2012年6月使用了以下草案来定义。
高频交易采用自动化交易:
●决策制定、委托订单启动、产生、发送或执行的算法,每一项都非人工指导。
●低延迟技术,旨在最大限度地减少响应时间,包括毗邻主机(proximity)和协同定位(co-location)服务。
●为委托订单高速连接市场。
●高信息速率(委托订单、报价或撤单)。
这类定义中也含有高频交易员,还包括95%的投资者使用算法技术来执行订单。甚至是一个“夫妻店”(mom-and-pop)散户投资者,也委托他的经纪商以最有效的算法来执行委托的形式,在CFTC的这种定义下,也是一个高频交易员。毫不奇怪,许多委员会成员自己也对这个定义有强烈的反对声。
高频交易的定义是延迟敏感的算法交易的子集
Gomber、Arndt、Lutat和Uhle(2011)提出了挑战高频交易的概念,如图1-9所示。在这种定义下,高频交易是算法交易员的“兴奋剂”,在超音速的时间内,利用超快技术加速算法流程和驱动模型。有趣的是,在这种定义下,高频交易不参与投资组合的构建或管理,但生成交易信号,验证模型,并且执行任意证券的交易。
图1-9 高频交易vs.算法交易与宽客投资组合管理
资料来源:Gomber, Arndt, Lutat and Uhle(2011).
高频交易的定义基于资本量的持有时间
根据2009年FINalternatives对冲基金经理的调查,对高频交易的定义如下所述。
高频交易包含:
●系统化;
●宽客基础模型;
●持有时间从几分之一秒到一天,无隔夜头寸。
这项调查由近300个订阅FIN alternatives的对冲基金经理来回答(大约发出了10000份问卷)。同样值得注意的是,当时一家规模在10亿美元,有格林尼治背景的基金,发行了一个高频基金产品,该产品的平均头寸持有期为三天,离高频交易通常的亚微秒频率差之甚远,后来这个基金产品被撤消了。
高频交易的定义基于观察到的市场活动
Kirilenko、Kyle、Samadi和Tuzun(2011)认为,高频交易商是生成高市场容量并同时保持低库存的市场参与者。此类研究人员使用这项定义来区分高频交易和其他市场参与者:
●中介机构,其特点是持有低头寸,但交易量不高。
●基本买盘,盘中一致买入的净买家。
●基本卖盘,在特定一天内一致抛出的净卖家。
●小交易员,产生低市场交易量。
●机会交易员,此处泛指其他交易员,即非高频交易员或上述类别的交易员。
这个定义可能被武断,仅依靠低头寸持有和高交易量。
高频交易的定义基于人类的市场参与者难以达到的行为
图1-10 主要高频交易策略分类
经纪人所使用一个共同的高频交易的定义来区别高频交易和非高频交易的客户,这个定义需要将每个特定账户的交易活动分为人工操作可行和不可行。例如,一个账户每秒产生200个订单会被视为高频交易,同样地,一个账户每分每秒都持续锁定小额盈利,也是高频交易。
本书对以上定义均会予以讨论。
高频交易的具体定义是一个挑战,大多数市场参与者熟知的高频交易范围内的策略部署,如图1-10所示。
高频交易员做什么
尽管对高频交易的确切定义有分歧,但大多数市场参与者认为高频交易策略分为以下四大类别:
1.套利;
2.基于事件的方向性交易;
3.自动化做市;
4.流动性检测。
套利策略能够消除价格偏离长期均衡或相对资产的错误定价,包括多个资产类别以及多个外汇品种。很多高频套利策略能在多个证券间探测到价格差异,本书第8章会对此进行讨论。同一个资产在不同交易所之间的价差套利,被称为延迟套利策略,会在第12章讨论,大多数套利策略基于资产价格会均值回归的假设。
统计套利模型包含一系列模型,其中包括跨资产模型,因为金融证券有很强的统计关系。本书中的所有模型都有深厚的经济理论根基,没有使用纯开发数据挖掘的虚假统计关系,这种所谓意大利面原则的建模(Spaghetti Principie of Modeling),就像把一盘沾满数据的意大利面倒在统计的墙上,有些东西就会粘在上面。然而到底黏上了什么,可能没有一个合理的理由,甚至可能导致崩溃。例如,债券和利率期货已被证明具有相当大的相互依赖性,因此它们的价值变动往往一致。当债券价格或利率期货价格没有显著的原因却偏离其长期均值,一种可行的统计套利交易就是买入比预期价格低的相关金融工具,可以多种,卖出比预期价格高的一种或多种相关的金融工具。第8章有许多详细的金融模型,包括模型预估技术和已知的结果;方向性策略用来判断短期趋势或动量,这类高频策略包括事件驱动策略,将会在第9章讨论;其他基于短期价格变动的预测会在第11章讨论;第12章会讨论一直存有争议的点火策略(ignition strategy)。事件套利模型显示了通过新闻报道的预测性和周期性影响进行交易的方法和业绩情况。第9章会列举使用套利的各种类型的新闻事件,其中还包括最新相关研究以及具体的应用实例。
自动做市策略包含了可能最传统的交易策略,包括自动做市商市场,这对人工经纪自营商来说是一个成本效益高而且又精确的策略选择,我们会在第10章详细讨论。自动做市和提供流动性的分类范畴,包括库存驱动和信息驱动两种方法。库存驱动的方法倾向于关注库存风险和市场风险共同最小化,确保特定市场条件下,交易员的头寸风险在承受能力范围内,并适当予以对冲。信息驱动的做市模型建模的目的,在于减少逆向选择的风险,减少来自消息方对冲方向头寸的风险。为了把这些损失的头寸数量降到最低,高频交易商可以部署一个大范围的模型,帮助预测短期市场的方向,跟踪在市场上试水的消息灵通的市场参与者的数量,甚至帮助预测即将到来的分析报盘和流动性短缺,这在第11章会进行讨论。这些技术使得交易商根据盈利预期或流动性缺失,来确定他们订单的数量和激进度。
也许获利最少的低频投资者会采取流动性检测的策略,如试盘(pinging)[也称为嗅探(sniffing)和狙击(sniping)]、塞单(quote stuffing)和幌骗(spoofing),在第12章会阐述这一问题。虽然本书着重解释可靠有效的高频交易策略,但也希望站在一个公正的立场上,包括具有争议的高频交易背后的方法论。试盘已经被证明存在于特定的场所,这个策略在暗池(dark pool)中被发现。其他策略,如“点火策略”的本质是投机,时至今日,迄今为止还没有产生战略存在的可靠证据。不过假设策略(如点火策略)包括完整性,及其可行性、特性和对整体市场的影响的主要分析。
有多少高频交易商
高频交易商的数量,很大程度上取决于高频交易的概念。如前文提到的,在美国商品期货交易委员会2012年6月制定的草案中所使用的高频交易定义,19/20或95%的投资者和交易商可以被称为高频交易商。Kirilenko、Kyle、Samadi和Tuzun(2011)认为,高频交易商在低库存的同时产生巨大的交易量,那么高频交易占电子迷你标准普尔500指数(S&P 500 E-Mini)市场大约30%的成交量。Aldridge(2012a)估计,高频交易仅占欧元/美元外汇期货交易量的25%~30%,流动性最好的交易所交易基金,标准普尔500指数SPDR(纽约证券交易所代码:SPY),高频交易商占市场参与者通常少于20%。
高频交易主要参与者的空间
许多高频交易的参与者喜欢在产生很大利润的同时,避开众人的瞩目。最知名的高频交易机构包括全球电子交易公司(Getco)、文艺复兴资本科技有限公司和德·肖基金(DE shaw)。致力于高频交易的参与者也包括专业公司,鲜为人知但获利颇丰的有Ⅳ资本(Ⅳ Capital)、DKR聚变(DKR Fusion)和世界宽客(World Quant)。然而,高频交易与其他形式的交易的界线可以很模糊。如前所述,高频交易特别是自动做市,正在成为主要银行大多数交易柜台上的主要业务。这种发展的优点显而易见:新的自动做市“机器人”比他们的人类同行更准确、更便宜,而且可靠。同样,高频交易可以无缝地融入统计套利中。例如,在加拿大,银行通常会把统计套利分类中的大多数高频交易列入银行的年度报告中。
本书结构
撰写本书的目的在于,为有兴趣着手或想提升高频交易操作的管理者和雇员们,提供最新的已经应用和将要实施的高频交易知识。同时,也包括想避开高频交易并保护他们自身及其客户交易活动的个人和机构,以及想要更好地理解现代金融市场的业余观察者。
本书第2~5章,解释了当代前沿金融市场。第2章描述了算法交易和高频交易的技术革命;第3~5章,通过描述现代市场微观结构、高频数据和交易成本,为分析奠定基础。
第6、7章深入研究了高频交易的经济学。第6章描述了评估高频交易策略的绩效和资金容量的方法;第7章概述了高频交易的业务案例。
第8~12章以及第14~16章致力于高频交易的实际应用。第8~12章剖析了当今高频交易策略的核心模型;第14章侧重于高频交易以及资产组合构架风险的度量和管理;第15、16章讨论了高频交易系统的具体细节,以及运行和监测高频交易系统的最佳实践。
第13、15章专注于高频交易的监管和缓解外部效应。第13章总结了当前对高频交易的监管思想,讨论了监测高频交易市场操纵的模型,以及数学预测全市场的活动,如“闪电崩盘”;第15章为担忧高频交易影响的低频交易商提供了解决方案,探讨了最新的订单切分技术及其避免高频交易信息被窥探的能力,这也可以证明其对高频交易商寻求进一步扩大资金容量的交易系统有所帮助。
总结
●高频交易是一个生物进化的交易技术。
●金融市场的技术进化,用成本效益高的技术,创造了取代入为中介功能的能力,向终端投资者和银行股东返还经纪商报酬。
●高频交易策略被很好地定义,大部分都有利于市场。
章末问题
1.描述当今市场群体的主要参与者,他们扮演的是什么角色?如何相互作用?
2.什么是高频交易商的战略部署核心组?
3.高频交易策略如何与其他交易策略相关联,如技术分析、基本面分析和量化策略?
4.金融市场在过去40年里发生了哪些重大变化?
5.算法交易是什么?
6.终端投资者如何受益于高频交易?