算法交易系列研究之一 外汇交易算法有哪些

一、算法交易的概念

（一）什么是算法交易

    算法交易（Algorithmic Trading）是一种程序化交易方式，它将交易者和市场有机地联系起来。算法交易通常可以减少这两者之间的摩擦，或者说在一定程度上可以降低交易对市场造成的冲击。具体来说，交易者在金融市场中进行较大规模的交易时，规模较大的单笔交易对于流动性相对较差的市场具有强烈的冲击，从而会造成市场瞬间的剧烈波动。为了减少市场波动对交易所造成的不利影响，交易者通常会将需要进行交易的订单拆细，即将大规模交易拆分为若干小规模交易，并在合适的时机分别对其进行分散交易，从而降低相关交易成本——特别是冲击成本，使得整个交易过程中价格能够达到最优水平。如荀子《劝学》所言——“不积硅步，无以至千里；不积小流，无以成江海”，算法交易所体现的正是这样一种化整为零、积少成多的思想。

    算法交易是实现上述大单拆分并对拆分后的小单进行定时定量交易的一种程序化交易方式。其通过事先设定好的拆单策略与交易策略，并编制完成相关计算机自动化交易程序，通过连接交易系统的接口，利用计算机实现大规模交易的拆分、报价、下单、撤单等一系列动作，并在交易后对已完成交易进行分析和评估，从反馈中进一步修正算法模型。

（二）为什么使用算法交易

    算法交易目前已在国内外被广泛应用，为什么要使用算法交易？我们认为大体有以下几个原因。

    首先，算法交易受到投资者追捧的主要原因，也正是其产生的根本目的，在于其可以减小市场摩擦，有效降低交易中的冲击成本，从而使得整个交易可以以最优价格完成。

    其次，算法交易可以提高交易执行的效率。伴随着大单拆分，不同的小单按照不同的价格进行动态成交，这些复杂而频繁的交易对于人工来说是非常繁琐的——一方面，交易员在进行交易时总是需要进行思考和判断的，这将有可能错过最佳的交易时机、增加等待风险或交易成本，而程序化交易的整个流程则仅需要计算机经过非常短暂的计算，就可以将指令发出，并且在这一过程中可以避免由于人的不理性而出现的一些非正常交易；另一方面，拆分后复杂的下单指令，特别是对于组合投资来说，容易使交易者手忙脚乱，而计算机程序化交易则可以在准确的时点对交易系统完成准确的下单指令，避免忙中出错。

    使用算法交易的另一个优点，特别是对于机构投资者而言，是它可以降低传统交易部门的人力成本，即只需要雇佣少量的交易员对整个算法交易过程进行监控和维护即可。

    最后，使用算法交易，对于大规模交易而言，是一种很好的隐蔽自己交易行为的方式。对于进行大规模交易的投资者，特别是机构投资者，一般情况下都希望能够将自己的交易行为隐蔽起来，从而避免对手根据自己的“套路”出牌。通过将大单拆细进行交易，类似于一片平静海面下暗涌着的激流，对手只能看到成交量的放大，但却看不出有少数人在大量买入或是卖出，整个交易过程表现出的仅仅是一种大众行为。

    当然，在隐蔽大规模交易方面仅仅依靠传统的算法交易还是不够的，这个过程可能还需要一些其他策略的配合，例如在细分的下单量上附加一些噪声、或者使用随机算法对大单进行拆分等，这里我们暂时不做过多讨论。

（三）谁在使用算法交易

    目前，国内外使用算法交易的投资者主要是各类机构投资者，包括基金公司、保险公司、养老金、投资银行以及各类资产管理机构。由于国内证券市场起步较晚，算法交易还没有大规模普及，但在海外发达金融市场，算法交易已成为一种成熟的证券交易模式。

    根据金融资讯公司Celent 的数据，2006 年全球股票交易中有20%是通过算法交易完成的，而2003 年时这一比例仅为14%，并且目前这一比例仍有上升趋势。经TIBCO亚太区及日本首席技术官Dan Ternes 统计，在美国衍生品市场上，90%以上的基金经理在建立投资组合时至少使用一次算法交易。目前美国使用算法交易较为广泛的机构投资者包括Citadel Investment Group、Citigroup、Credit Suisse First Boston、Deutsche Bank、Goldman Sachs、Morgan Stanley 、Susquehanna Investment Group、UBS 等。里昂证券（CLSA）亚太区首席信息官T.Rajah 认为，预计在未来10 年中，亚太和欧洲市场进行的证券交易中，大部分也将采用算法交易的方式进行。目前，东京证券交易所、香港联交所和新加坡交易所已经成为亚洲地区采用算法交易的主要市场。

    我国算法交易尚处于起步阶段，目前有约20家左右的公募基金运用了算法交易，主要以恒生电子、金仕达等国内一流金融软件服务商所提供的交易系统作为交易平台。

    一些券商也开发了自己的算法交易平台，但由于种种原因，没有进行大范围的推广和使用。

（四）算法交易的基本流程

    算法交易的完整流程包括四步，分别是算法模型（策略）研究、交易系统的设计与开发、交易的执行与交易后分析。

1、算法模型（策略）研究

    算法交易的核心是研究并建立行之有效的冲击成本模型和时间风险模型，从而达到在实际交易过程中冲击成本和时间风险最小化的目的。但是由于冲击成本和时间风险是负相关的，即快速交易会减小由于等待带来的时间风险，但会增加相应的冲击成本；而将大单拆分后，如果拆得过细，则会面临较大的时间等待风险，不过也可以减小相应的冲击成本。因此，对于冲击成本和时间风险来说，总是有一个最优的权衡，而在整个算法交易过程中，算法研究部分就是需要相关研究人员通过定量分析建模，得到这样一个最优解。通过研究所得到的算法交易模型，可以为证券买卖指令提供核心的定量决策。

2、交易系统的设计与开发

    算法交易通过计算机程序自动判断下单价格及数量，执行相应模型参数对应的交易指令而提高交易绩效。因此，算法交易系统的构建和实施是算法交易完成的基础环节。特别是在电子化交易高度繁荣得今天，交易系统的执行速度和执行效率直接决定了算法交易绩效的好坏，所以系统设计也是算法交易执行过程中的关键一步。算法交易系统的设计中包括几个模块，分别是模型计算模块、订单管理模块、交易引擎模块和输入输出模块。其中，模型计算模块通过加载数据库中证券的历史数据，进行定量分析和算法模型建立；订单管理模块则对母订单拆分、子订单分配并下单进行管理；交易引擎是算法交易系统的核心，它通过协调模型计算模块和订单管理模块所提供的信息，为订单的最后提交和撤销做出决定；输入输出模块则负责实时数据接收、历史数据记录、订单的生成和输出，以及交易过程中相关数据的记录。算法交易系统在设计和开发完成之后，按照国内目前的情况，一般会部署在机构投资者本地独立的服务器或交易计算机上。

3、交易的执行

    当交易系统根据实时行情发出下单指令后，订单通过网络发送至交易所，并在交易所主机进行撮合，如果成交，则返回成交结果给交易系统；如果未成交，则返回相关信息，并由交易系统确认是否撤单或重新挂单等事宜。

4、交易后分析

    该环节主要分为两部分，一部分是对当日的交易数据进行记录及清算，一般由交易系统辅助完成；另一部分则是对当日交易的情况进行分析与绩效评估，对于算法交易而言，主要关注交易成本测量和交易表现评估。

    测量交易成本的目的是评价过去的交易表现，从而对未来交易策略的改进提供定量依据。通常来讲，在算法交易中，交易成本被定义为实际执行价格与基准价格（如经常使用的VWAP）的差。这一数值的最小化正是算法交易的主要目标之一。

    交易表现评估则是以对算法交易的好坏做出判断为目的的一种评估方式。利用上述交易测量成本的大小可以初步对交易情况做出评价。但是，这种基于基准分析的评估方法在较长的时间尺度下来看并不是完美的，它很难准确比较不同交易日不同股票交易之间的表现。举个简单的例子，在某次考试中，考生A 得了70 分，考生B 得了90 分，在没有其他信息作为支持的情况下，很难说考生B 比考生A 在学业方面更为优秀，或许从长期来看，考生A 的成绩处于所有学生的前10%，而考生B 的成绩处于所有学生的后30%。算法交易的评估也是如此，例如在某个交易日指数持续下跌，成交量不断放大，那么市场的VWAP 在行情界面上可能是一根加速下降的曲线，根据一般的算法交易策略所执行买入指令的VWAP成交此时很有可能高于VWAP市场，但这种情况下并不能断言算法交易模型出现了某些需要更正的错误，因为该类交易风险是系统性的，很难进行人为的控制。此时可以使用相对表现测量（RPM）对交易表现作出评估，其基本思想在于计算价格差于某次交易平均价格的交易数量，这里我们不作过多展开。

（五）算法交易成本分析

    交易成本包括可见成本和隐性成本。具体来说，可以分为七个部分，分别是佣金、交易税费、买卖价差、价格增长（降低）、冲击成本、时间成本和机会成本。好的算法交易在隐性交易成本方面可以做到有效控制，即可以将买卖差价、冲击成本、价格变动成本、时间成本、机会成本等隐性成本最小化。

    算法交易对交易成本控制的最主要部分是冲击成本。对于一个容量有限的市场来说，无法避免由于市场流动性短缺所带来的大规模交易冲击成本。为了减少市场冲击，投资者需要将订单拆分为较小的部分，分步、逐渐地进行交易操作。但是，这样会使交易价格面临上涨（下跌）所带来的时间风险，以及订单不能够及时完成所带来的机会成本。相反，快速的交易可以减少这些成本，但会带来较大的冲击成本。因此对于交易速度的合理权衡，是很多算法交易策略需要致力完成的主要目标。

    另外，由于股票价格波动、市场交易量变化等因素，类似的算法策略可能会在不同的市场环境下产生不同的交易成本和交易表现。因此，交易成本在一定程度上可以视为一个随机变量，对于不同的交易策略和市场环境，该随机变量可能有着不同的统计分布特征。算法交易策略的开发正是在确定可能影响交易成本、特别是冲击成本的

    许多因素基础之上，通过数量化的方法对这些因素进行分析和优化，从而得到最优交易策略的过程。

二、算法交易的发展

（一）国外发展情况

    算法交易作为一种特殊的程序化交易，起源于海外市场程序化交易的兴起。

    20 世纪70 年代，纽约交易所（NYSE）引入订单传送及成交回报系统（Designated Order Turnaround，简称DOT），并且很快又推出了超级订单传送及成交回报系统（SuperDOT）。这意味着手工下单的方式开始被电子化的潮流所改变。早期的手工下单、单据流转、撮合等整个流程大约需要数分钟的时间，而计算机程序化报单的出现，使得整个周期缩短至秒量级。

    程序化交易（Program Trading）的正式出现是在1975 年，美国股票市场在当年推出了股票组合转让与交易，交易方式是投资者通过计算机实现一篮子股票的一次性自动交易。这种自动化的交易方式马上引起了市场的广泛关注。在后来的整个十余年中，程序化交易高度繁荣，很多投资者感到程序化交易确实在速度和自动化判断方面对交易产生了正向绩效，还有一些投资者在程序化交易的初期尝到了甜头。套利交易在那个时期就是一种非常流行的利用程序化交易赚钱的方法。例如投资者可以利用计算机在期、现货出现较大价差时，在几乎没有时间差的情况下同时买入一篮子股票并做空相应的股指期货，当价差回归至平衡点附近时再同时对期现货进行平仓，从而稳定赚取少量的价差。在美国金融市场电子化初步发展的阶段，一些投资者抓住先机，仅仅利用如此简单的套利方式就赚取了大量美金。不过与此同时，程序化交易也引来了很多争议，一些人对计算机程序化自动套利的模式提出了质疑，认为这种交易方式有失市场公平，还有一些人怀疑计算机程序化交易系统的稳定性，认为进行程序化交易存在很大的风险。但是无论如何，程序化交易在20 世纪80 年代取得了飞速的发展，也正是这样快速的发展为算法交易的出现奠定了基础。

    20 世纪90 年代，电子化交易在两个方面取得了突破性进展。一方面，电子化交易大规模进入外汇交易领域，几乎所有的外汇操盘手都开始运用计算机指令进行交易下单和相关操作；另一方面就是算法交易的大规模发展。由于计算机可以进行同时性的多指令交易，大规模投资组合订单的拆分并按设定时间进行交易成为可能。David Leinweber 作为加州伯克利大学的一名金融学教授，在政府项目的资助下，于1989 年提出了第一个算法交易模型，称为Market Mind。与此同时，美国股票市场的百分位报价改革将每股的最小变动价位由1/16 美元改为0.01 美元，竞价价差的缩小使得市场流动性有所降低，算法交易此时得到了市场的广泛关注。随后十年中，各大金融机构开始相继开发这一交易利器，算法交易快速成为金融市场主流的交易方式之一。

    在算法交易出现的初期，其被认为将会成为机构投资者交易的主流方式。由于规模的限制，大家都认为这种交易方式是中小投资者所无法参与的。但是在21 世纪以来，特别是在欧美等金融市场较为发达的地区，很多大型金融软件服务机构开发的交易平台开始提供这样一种交易模式，使得中小型投资者也开始进入算法交易领域，在相对有限的交易规模中可以降低自己的交易成本。

    目前，算法交易已在全球金融市场被广泛使用。除了传统的VWAP、TWAP 等一些模型，越来越多新型、复杂的模型加入到算法交易策略的阵营，机构投资者也大规模开展了相关的研究工作，以在与对手的竞争中尽可能多地缩减交易方面的成本。另一方面，在算法不断成熟的情况下，速度成为了当前制约算法交易进一步发展的主要因素之一。因此，各大交易系统开发商也在绞尽脑汁为系统的设计、开发、部署实施进行优化，从而使得算法交易的效率能够得到进一步的提高。

（二）国内发展情况

    算法交易在国内尚处于萌芽阶段。

    随着计算机及网络技术在我国的快速发展，程序化交易在过去几年中悄然兴起，粗略来看可以将其分为两类，一类是通过交易所接口实现数据的实时传输，整个建模、计算、下单流程可以通过自行编写程序完成；另一类则需要借助于成熟的程序化交易平台，如以机构投资者为主要客户的金仕达、恒生系列交易系统；以及文华财经、金字塔、交易开拓者、金钱豹等一系列大众化的程序化交易软件。不过目前来看，程序化交易在中国还主要集中在传统的套利交易和投机交易方面，算法交易的参与数量屈指可数。

    算法交易的出现除了依赖于先进的计算机及网络技术以外，