跳到主要内容

算法交易_Algorithmic Trading

算法交易涉及三个广泛的算法领域：执行算法、追求利润的黑箱算法和高频交易（HFT）算法。虽然在实际应用中这三者并非完全分离，但它们都是用于金融交易和决策的自动化过程，通过价格、时机、交易量等信息以及一系列规则来解决曾经需要金融专家团队才能处理的交易问题。

关键要点​

  • 算法交易涉及使用基于过程和规则的计算公式来执行交易。
  • 黑箱或追求利润的算法可能具有不透明的决策过程，这引起了政策制定者和监管者的关注与担忧。
  • 自20世纪80年代初以来，算法交易显著增长，机构投资者和大型交易公司出于多种目的广泛使用。
  • 尽管它提供了更快的执行时间和降低的成本等优势，但算法交易也可能加剧市场的负面趋势，导致闪崩和流动性迅速丧失。

算法交易使用复杂的数学模型，在人类监督下做出证券交易决策，而高频算法交易使得公司能够在每秒内进行数以万计的交易。算法交易可应用于订单执行、套利和趋势交易策略等多种用途。

了解算法交易​

自20世纪70年代美国金融市场引入计算机化交易系统以来，算法在交易中的使用大幅增加。1976年，纽约证券交易所推出了指定订单转交系统，旨在将交易者的订单路由给交易大厅的专家。在接下来的几十年里，交易所不断增强其接受电子交易的能力，到2009年，美国超过60%的交易是由计算机执行的。

畅销书作家迈克尔·刘易斯在《闪电交易》中引起了公众对高频算法交易的关注，该书记录了华尔街交易员和企业家的生活，他们帮助建立了定义美国电子交易结构的公司。书中揭示，这些公司参与了一场争先恐后的军备竞赛，以建造更快的计算机，从而更迅速地与交易所沟通，利用订单类型为竞争对手提供了便捷，而这往往损害了普通投资者的利益。

用于金融交易的算法是以自动化做出交易决策的规则或指令。这些算法涵盖了从简单的单一股票交易到更复杂的黑箱算法，后者分析市场条件、价格变动和其他金融数据，以在最佳时机以最低成本执行交易。计算机工程与金融的交汇以其难懂的术语而闻名，因此我们在这里不打算让你陷入太多的专业词汇。尽管不同交易公司使用的术语可能略有不同，以下是算法交易的广泛应用：

  • 到达价格算法：旨在尽可能以下单时的股票价格执行交易，旨在最小化市场影响和下单后价格变动的风险。
  • 组合算法：又称投资组合算法，这些算法在执行订单时计算对其他决策和证券的影响。例如，即使某个证券以合适的价格可用，算法也可能决定暂停交易，以避免整体组合风险的增加。算法中的限制包括现金平衡、自我融资以及最低和最高参与率。
  • 执行缺口算法：这些自动化规则旨在最小化执行缺口，即当执行订单的成本与决策价格不同时的差异。
  • 成交量百分比算法：这些算法根据实时市场交易量调整订单大小，旨在保留总市场交易量的预定百分比，平衡市场影响与时机。
  • 单一股票算法：这些算法旨在优化单个证券的交易执行，考虑到市场条件和订单大小等因素。
  • 成交量加权平均价格（VWAP）：这些算法在特定时期内以与股票的成交量加权平均价格密切匹配的价格执行订单。
  • 时间加权平均价格（TWAP）：这些算法在设定的时间段内均匀分配交易，以达到与股票价格时间加权平均相符的平均价格。它们用于在下大额订单时最小化市场的动荡。
  • 风险厌恶参数：这会根据交易者和所需策略不同而变化，但通常与其他算法一起使用以根据交易者或客户的风险承受能力调整交易的积极性。

让我们通过一个简单的算法交易示例来理解。如果你程序设计了一种算法，当某公司XYZ的75日移动平均线超过200日移动平均线时，自动购买100股该公司的股票。这在技术分析中被称为看涨交叉，通常表示价格上涨的趋势。执行算法监测这些平均值，并在满足这一条件时自动执行交易，从而无需你持续盯着市场。这种基于特定预定规则进行的精确、无情感交易便是算法交易的核心。

我们将这些算法分开，因为它们的运作方式不同，且对讨论人工智能（AI）在金融领域的使用具有重要影响。黑箱算法并不仅仅是某些策略的预设可执行规则。这个术语定义了一类用于交易的算法及其他众多领域。黑箱的名称是指一种内部机制模糊且不易披露的算法。

与遵循预设执行规则的其他算法不同（例如在特定成交量或价格下交易），黑箱算法的特点是其目标导向的方法。尽管上述算法可能非常复杂，但设计者确定目标，并选择特定的规则和算法以实现目标（在特定价格、特定时间和特定成交量下进行交易）。黑箱系统则有所不同，尽管其设计者设定了目标，但算法根据市场条件、外部事件等自主决定实现目标的最佳方式。

通常，在公共领域使用这一术语的人把两个问题混淆：有量化策略被公司和其他人士视为商业秘密，用户知道但不分享。例如，一个高频交易公司可能使用的策略，竞争者和监管者可能并不理解。然而，这只是因为公司内部了解这些策略的人并没有分享其专有技术。

还有黑箱系统。黑箱算法，尤其是那些使用人工智能和机器学习的算法，另一个特征是这些系统的决策过程是模糊的，甚至对设计者来说也是如此。尽管我们可以衡量和评估这些算法的结果，理解达到这些结果所采取的确切过程却一直是一个挑战。这种缺乏透明性可以是优势，因为它允许复杂、适应性的策略处理大量数据和变量。但这也可能是一个弱点，因为特定决策或交易背后的理由并不总是清晰。由于我们通常根据某事为何被决定来定义责任，这在这些系统的法律和道德责任方面并非小事。

因此，这种模糊性引发了在金融界问责和风险管理的问题，因为交易者和投资者可能不了解所使用算法系统的基础。尽管如此，黑箱算法在高频交易和其他先进投资策略中仍然受到欢迎，因为它们比更透明的基于规则的方法（有时称为“线性”方法）表现更好。这些系统是金融科技研究的前沿，因为金融科技公司希望将近年来在机器学习和人工智能方面的重大进展应用于金融交易。

就像智能手机应用和先进的AI系统使非专业人士能够创建定制应用和应用编程接口（通常称为API）一样，算法交易的世界也让外部人士能够参与扩展其专有工作。这种开源方法使个体交易者和业余程序员得以参与曾经是专业领域的活动。对冲基金和投资公司，如Two Sigma和PanAgora，有时利用这种变化，通过众包算法来回馈程序员社区，进而发布改进的开放源的应用供所有人使用。他们还会举办比赛，让业余程序员提议他们的交易算法，最有利可图的应用能获得佣金或认可。

但正如科技公司利用开放访问应用和编程解决问题及与社区互动一样，金融科技公司正日益超越单纯使用开放访问云计算和在商业世界普遍存在的类似应用。金融科技开源基金会（FINOS）在2023年11月的报告中指出，约四分之一的金融服务专业人士参与了开源数据科学和人工智能/机器学习平台。然而，在金融行业，这种做法的推行可能面临局限性：约三分之二的FINOS调查对象表示，他们或其公司对使用开放访问系统感到担忧，因为需要保护专有知识。

算法交易的优缺点​

算法交易的利弊​

优点​

  • 速度：比人类执行交易更快。
  • 准确性：减少手动错误的可能性。
  • 效率：可以不知疲倦地全天候交易。
  • 无情感：避免感性交易决策。
  • 回测：交易者和研究人员可以在现实交易之外测试各种情景。

缺点​

  • 系统故障：技术故障可能导致损失。
  • 过度优化：可能导致不切实际的结果。
  • 潜在的流动性问题。
  • 市场操纵：可能被用于不当用途。
  • 自满：未能将算法系统调整以应对市场和监管变化。

利用算法交易可以更快、更有效地对市场变化和事件作出反应。它们还可以自动化并确保投资决策与交易指令之间更为紧密的对齐，从而降低市场影响成本和时机风险，同时提高订单完成率。以下是更多的优点：

  • 匿名性：交易是自动化的，订单通过计算机和网络在各个平台上处理。这种自动化意味着订单的处理不再像以前那样在交易大厅公开曝光或讨论。此外，某些算法可以确保大宗交易被分散，以隐藏可能揭示较小部门相关方的重大交易。
  • 回测与研究：在实际交易前，算法可以针对历史数据进行回测和训练，以审查其有效性，从而降低潜在损失的风险。研究者还可以利用这些系统在各种金融情境中测试假设，提升更广泛的金融领域知识。许多重要研究都是采用这种算法方法完成的。
  • 无情感决策：算法交易消除了情感和心理因素对交易决策的影响，可能导致更为纪律化的交易方式。
  • 更高的控制：尽管这可能乍看之下不明显，但考虑到需要将各种交易职责移交给自动化系统，交易者可以决定从交易场所到具体订单细节（如价格、股份数量和时机）的一切，然后根据客户或基金的目标和当前市场条件调整交易节奏。用户几乎可以即时修改或取消订单。
  • 信息泄漏风险降低：由于经纪商无法获得有关投资者订单或交易意图的详细信息，信息泄漏的风险降低。例如，购物证券的交易者只需通过算法的选择和参数设置来传达其交易需求和指令。
  • 市场访问：算法交易通过高速网络提供更快速的市场和交易所访问。此外，未具备这些高端系统的客户也可以体验到共置和低延迟连接等好处。
  • 增加透明性潜力：尽管黑箱算法在执行算法的操作细节提前共享时引发了关于过程不透明的问题，投资者仍能确切知道其股份将在市场中如何交易。
  • 精确性：算法交易能够在高度具体的条件下执行订单，同时降低人为错误的概率。
  • 速度与效率：前述所有优势的隐含结果是，金融算法可以比人类更快地执行订单，使交易者更快地把握市场机遇。

然而，算法交易也存在局限性，既包括对个人交易者的影响，也涉及对其他交易者及市场整体的外部性：

  • 自满：交易者可能过于依赖熟悉的算法，即使市场条件发生变化仍然使用它们。
  • 复杂性：技术相关的术语已然复杂，加上可用的算法数量繁多，有时命名不太清晰，可能让人感到不知所措。大型公司可能与众多经纪人合作，每家经纪人提供一系列算法，这增加了复杂性。
  • 合规风险：不断变化的自动化交易监管环境可能带来要求持续监控和更新的挑战。
  • 成本：构建和执行算法交易系统需要开销，并非所有公司都能承担，还有不停歇的网络功率、硬件和应用费用。
  • 过往优化：存在创建与历史数据高度契合但在真实市场环境中效果不佳的复杂算法的风险。
  • 流动性问题：算法交易的另一个缺点是可能使流动性迅速消失。人们认为，算法交易是导致2015年瑞士法郎放弃欧元锚定后货币市场流动性丧失的主要原因。
  • 面对事件的僵化：算法会严格按照编程执行，这在处理未设计处理的市场事件时可能导致问题，进而造成表现不佳和成本增加。
  • 价格发现挑战：从传统专业人士和市场制造商向基于算法的交易转变已使得价格发现变得更加复杂，尤其是在市场开盘时。算法虽然高效整合了价格信息以进行策略规划，却可能迅速难以判断某个证券的公允市场价值。
  • 系统性风险：这是自这种交易开始以来监管者和政策代表广泛讨论的话题。例如，广泛使用类似算法可能增加系统性风险和市场波动，如闪崩事件所示。2010年5月6日，道琼斯工业平均指数及其他指数突然急剧下跌，跌幅达到1000点，然后迅速回升，这一崩盘最初是由于期货市场中的大规模卖单引发的，引起了一系列高频交易。
  • 对技术的依赖：依赖计算机化系统意味着故障、连接问题和系统失效可能导致重大损失或错失机会。

如何开始算法交易？​

要开始算法交易，你需要学习编程（C++、Java和Python是常用语言），了解金融市场，并创建或选择交易策略。然后，使用历史数据对你的策略进行回测。一旦满意，就可以通过支持算法交易的经纪公司实施。此外，还有开源平台，交易者和程序员可以在这些平台上分享软件并进行讨论，为初学者提供建议。

算法交易需要多少钱？​

算法交易所需的资金金额可以根据使用的策略、选择的经纪公司和交易的市场的大不相同。

高频交易与算法交易有什么区别？​

高频交易实际上是算法交易的一种形式，其特点是极高的速度和大数量的交易。它利用高速网络和计算资源，以及黑箱算法，以极快的速度交易证券。交易可能在百万分之一秒内完成。

总结​

毫无疑问，算法交易可以提供许多不同的优势，如速度、效率和交易决策的客观性。它可以自动化进出点，减少人为错误的风险，并防止信息泄漏。然而，它也带来了重大风险：依赖于可能故障或被黑客攻击的复杂技术，而高频交易可能加剧系统性风险。市场波动、执行错误和技术故障也是潜在的危害。