在市场中,高频交易饱受舆论诟病,主要是包括很多专家在内的行业人士将损失和市场操纵归咎于高频交易模式,而不是操作风险管理缺陷和违规交易,甚至将市场不公平归咎于它而不是大机构行为和监管漏洞。
人们时常从媒体上了解到因为“胖手指”(Fat Finger)或某个机构的订单程序进入了死循环而向市场中发出了巨量订单,然后高频交易算法迅速反应,造成市场崩盘或者剧烈波动的情况。很多人会说,如果没有高频交易,那么市场就不会这么动荡,因为人们不会来不及反应,而且高频交易在市场波动的时候推波助澜,加剧了市场波动。而实际上,即便没有高频交易,市场参与者也会根据自己的情况作出平开仓的决策,当这种决策具有广泛一致性的时候,市场一样会出现剧烈波动,这个是市场中一个常态特征。
而且,不是所有高频交易策略都是趋势跟随类策略,市场深度的增加和各种各样的交易行为反而有利于减少不必要的波动,因为大多数情况下人们和策略对行情的看法并不一致。而很多这类情况中亏损的发生,其根本原因,是参与者的操作风险和市场风险管理有严重缺陷造成的,比如不按照交易规定或者策略设计执行操作,风险敞口过大而没有留存充足的风险准备金。因此这类托辞,无异于一名依据日线进行操作的交易者抱怨一分钟线的波动太大。
同样的,相当多的市场参与者为了盈利也会费尽心思挖掘监管漏洞和利用甚至创造市场的不公平。闪单交易就是一个典型。闪单(Flash Order)的交易模式也是属于不公平交易的,与高不高频无关,即便在人工电话下单时代,券商交易员也会根据自己情况抬高、压低、延迟成交某些投资人的电话委托,这个也就是闪单(Flash Order)的原型。有券商资质的各个投行一直将其作为稳定收入来源之一,从人工到自动,后来还加入了分析客户订单的算法。虽然闪单交易已经因为曝光而被禁止,但是还有各类不公平的交易模式充斥在市场当中,利用着监管的漏洞。比如前些日子因为BATS闪电崩盘导致服务器故障而暴露出的操纵市场的事情。你可以在高频交易中找到所有违规交易的影子。 除了上述一些误解,一些推销高频交易的专家有时也会有概念混淆,例如低延时交易和高频交易就是两个概念,不少人还分不清,会把低延时交易等同于高频交易。与中国的券商总部集中然后交易所撮合的订单路径不同,欧美市场很多券商和交易所支持DMA交易模式(Direct Market Access,直接市场接入),即交易者的订单可以直接递交到交易所进行撮合。当然国内期货市场中上期综合交易平台(CTP)的出现的确改善了部分非上海总部券商客户交易上期和中金所标的的订单路径。
如果我从天津去北京,不坐便捷快速的和谐号动车,而是坐飞机飞香港然后转首都国际机场,你肯定认为这是一个笑话,但是大多数二级市场的参与者实际上每天都在做这个事情。技术背景专业人士和受媒体高频交易宣传熏陶的行家往往会把交易终端放置于离交易所电信运营商中转节点附近,这样做的确可以降低订单的网络延时,可以减少10-120毫秒(1秒=1000毫秒)的交易数据网络传输时间,而且如果足够专业的话,管理层会惊喜地发现在效率改善报告上,网络效率提高了80%-90%。尽管看起来相当完美,但是如果你知道一个人看到信号的反应时间,最快需要130-220毫秒,点击鼠标或者下单键盘的速度最快也要214毫秒,交易软件本身从接收到数据到显示最快也要10-50毫秒,那么针对网络延迟的改善的效果恐怕就远远没有想象的好。而且当你发现大多数情况下,在这么折腾后,报价表的价位根本没有动过,这时候一般多少会有点儿小失望。
如果你关注高频交易的相关信息,你就会发现,上面的真实情况很少有人提及,这是很奇怪的。不说清楚会增加市场的风险,不利于市场完善和国有资产保值增值。而且需要明确的是,搞明白不是就一定要大力推广或者打压频率较高的交易行为,任何有利于市场健全和稳定的交易行为都应该被支持,都是市场里重要的组成部分,一个保持了多样性的市场环境才有利于经济稳定。只推崇价值投资或者只崇拜套利投机,都是犯了主观定价错误,即便是高级数量专家,使用高级量化模型,也会经常犯主观定价错误,从他开始选择模型开始工作的时候就开始犯错误了。而且在任何一个市场里,都不可能彻底消除价值投资,或者是投机交易,其根本原因是各种交易方法不过是资本的逐利属性在不同的市场环境下的不同行为表现而已。一个公平健康的市场环境,对所有市场参与者都有好处。当然国内对高频肯定是限制的,这保护了大多数投资者,并且有利于维护市场的公平性。现在的环境也的确没有高频环境,这个是事实。政策方面应该还不会放松,况且也没有必要一定要放开。难道真要每秒20-40万单,平均一天都1.3-2.5万单成交一个品种?
此外随着量化交易的推广,国内也面临着前所未有的模型风险及操作风险监管难题。实施量化交易的机构,一年需要维护和监管的模型数量少则几十,多则成百上千。这里面存在的最大难题在于,交易策略、风险管理、产品设计、市场营销等本身属于不同模型范畴,各个类型下面又分很多子类,也是不同模型范畴,比如交易策略,基于不同假设、背景、设计原理、采用算法、实现手段五花八门,很多还是黑箱算法,模型代码的直接可解释程度很差,即便模型中出现某人的八字作为决策依据也是很常见的,相对的,一般机构人员本身的建模经验就有限,而且往往缺乏综合应用和实战经验,那么这种情况下要进行模型风险管理,找到一个有效解决方案来监控各种模型风险,可以说十分困难。这个情况,相信在国内实施过巴塞尔新资本协议和巴塞尔资本协议三的会很有感触。在投资领域,包括一级市场和二级市场,我见到过和建立过的相当数量的模型都比诺贝尔经济学奖级别的模型要复杂,有的是模型看起来极为精简,但是训练模型的方法却极其复杂。这当中感触最深的就是,对于相当多的模型算法,使用者是很难了解到算法发明者的全部意图和模型缺陷的,甚至就连模型算法发明者自己,也有相当部分没有意识到自己模型算法的缺陷,长期资本就是一个典型的例子。另外,在相关模型进行部署实施的审查阶段,现实中也经常会有非专业业务领域的管理层出于经营和某些利益的考虑,放弃稳定的模型解决方案而采用可能更冒险和欠缺稳定性的解决方案,因为决策者即为监管者,那么在出现不可挽回损失前,其实际操作和市场风险水平往往会被掩盖。这一幕在2008年爆发的金融危机中已经多次上演,并且一直到最近也依旧在上演,根据对各个机构尽职调查的结果来看,在未来的一段经济动荡期中,还将会一次次地上演。当然这并不意味着量化交易和高频交易增加了风险,而是这类事物的发展,让很多原有的风险管理漏洞更快的暴露了出来。据我了解到的情况,国内有自营业务的机构,有市场风险管理,操作风险量化稍差,相当数量的机构没有专门的模型风险管理,但是却在积极快速地推行算法交易和高频交易。
另外,不可否认的是,量化交易的确促进了券商自营业务的发展,但是也带来了不少问题。采用量化手段,本身降低了二级市场中交易的门槛,并起到了一定的风控作用,这样原本需要极高天赋和经验的交易员的工作变得可以用研究员代替,就连所谓的盘感也可以进行量化。对于券商来说,这虽然增加了业务线,丰富了收入渠道,有助于促进券商向投行或投资集团的进一步发展完善。不过需要担心的是,如果自营不独立成法人机构,客户的资料就可以作为内部资料被查阅,加之高频交易方法让一些操作更容易实现,随之而来就有可能出现跟单严重,客户订单被延迟申报,针对客户的订单情况(不是单一客户)派生出算法侵吞客户的资金却伪装成“滑价”,甚至分析客户情况与客户对赌,还有很多不公平的交易手段,都会损害客户利益和影响整个券商行业及金融市场的稳定。而如果自营业务独立出来,比如成立对冲基金,那么两个机构之间如出现客户信息泄露的情况,无论从合规还是监管的实际操作执行上,都会便捷有效得多。
最后,高频交易应用的主要市场之一的衍生品交易在未来几年极有可能在国内得到推广,那么这类金融发泡剂有多少对实体经济有帮助,有多少又会埋下隐患,需要我们非常谨慎的对待。欧美金融业的衍生品设计现在存在一个相当严重的问题,就是不再秉持有助于实体经济发展的需求导向,而是偏向金融机构本身盈利的创收导向。这就使很多金融衍生品存在的实际意义。
作者系波士顿科技高级产品顾问 谢萍(Apple xie)