2012年4月23日星期一

美国算法交易的影响和启示

美国算法交易的影响和启示

2010年07月08日09:29 来源:
和讯特约
  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。然而,由于我国资本市场发展历程较短,对于算法交易无论是从认识还是运用方面,相对于国外成熟市场都存在太多不足,为此,笔者对美国算法交易进行了认真细致的研究,希望对中国算法交易发展提供一些有价值的参考和启示。
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[1]
  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 Systematic Traders 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。

  数据来源: http://www.barclayhedge.com

  • 版权声明:转载时请以超链接形式标明文章原始出处和作者信息及本声明
    http://yinlianqian.blogbus.com/logs/47439766.html
    虽然学界传统的观点认为技术分析的理论依据不足,但这一流派在资产交易实践中一直都是非常流行和重要的一个分支。近年来,随着GARCH这一类金融计量和统计模型在学界获得的广泛承认,也在某种程度上给技术分析提供了一定的理论支持。对于相信有效市场假设的人们来讲,基于固定算法和历史股价的自动交易系统(Automatic trading system: it uses historical information to implement a trading process governed by a set of well-defined rules, while traders just need to choose the strategy to implement)是不可能获得统计意义上的显著正收益的,然而同时我们也可以相信,正是因为股市中存在大量隐性的自动交易机(使用历史股价进行套利的交易员们),市场才能够逐渐达到有效状态。Brock et al. (1992) 提供了自动交易系统在Dow Jones指数上显著获得利润的证据,其他相关的研究还有:Hudson, Dempsey and Keasey (1996) 测试了United Kingdom的数据,Bessembinder and Chan (1995) 测试了亚洲新兴市场, More recently, Isakov and Hollistein (1999) 提供了来自Swiss market的研究, Detry and Grégoire (2001) 测试了 European indexes的数据。Fusai(2008)给出了一个业界常见的交易策略,称为moving average convergence divergence (MACD)策略,很多股票软件也集成了这个indicator,其基本思想是测试a long-period and a short-period exponential moving average之差,从而达到套利的目的。
    最近高频机器交易也是研究的热点问题,高盛集团最近透露,它在2009年第二季度共有46个“亿美元交易日”。这是一个创纪录的数字,即使对于华尔街最大的市场参与者之一而言也是如此。美国经济正面临崩溃,兼并、收购量大幅下降,在这种情况下,像高盛这样的投资银行还保持创记录的季报,实在令人感到奇怪。他们已经找到了一种新方法,用以从美国经济活动中榨取更多奶油。这种新方法被称为高频交易High Frequency Trading。高频交易的计算机服务器之所以能击败其他计算机,其原因就在于它们就被安置在交易所里面。它们利用与交易所直接相连的高速接口实现超前交易front-run。它们获得市场行情以及下单信息的速度也比整个市场要快。现在高频机器交易不仅充斥着北美的证券交易所,而且迅速的扩展到欧洲。
    高频交易有若干不同的类型:流动性回扣交易、掠夺性的算法交易、自动交易做市商、程序化交易、闪flash式交易等等。流动性回扣交易者利用成交量回扣:由交易所提供给制造市场流动性的经纪公司的一种与成交量成比例的回扣。当这些交易者发现一个大单报价,他们成交其中的一部分,获取由于为市场提供流动性而获得的交易所收费返还回扣。掠夺性算法交易者利用其机构计算机优势,将大单指令切碎成许多小单指令。它们通过不断地下小额买单并不断地撤单来欺骗交易对手的计算机,使希望买入的机构交易者不断地抬高买入竞价。最终在较高的价位沽空股票,令对手机构多支付对价买入相应的股票。自动交易做市商通过非常快地下单之后迅速撤单来ping记账簿上保留的大单,从而获取大额买家的限额信息。然后他们会在其他地方买入股票并将其卖回给这些机构。程序化交易者在同一时间内大量买入股票,从而诱骗机构计算机触发大额买单,这样令市场行情出现剧烈上涨。闪flash式交易者只在一个交易所发布交易指令,只有当这些指令没有经过交易的最优价格流程时它们才会被执行。由于这类交易技术给市场带来的强烈冲击,据说美国证券交易委员会(SEC)已承诺将禁止这种技术。
    然而在中国市场中,这一交易方式是否可行还是一个值得探索的问题。

没有评论:

发表评论