主要摘要
- 演算法交易涉及使用基於過程和規則的計算公式來執行交易。
- 黑箱或追求利潤的演算法可能具有不透明的決策過程，引起了政策制定者和監管者的關注和擔憂。
- 自1980年代早期以來，演算法交易顯著增長，並被機構投資者和大型交易公司用於多種目的。
- 雖然它提供了速度更快和成本降低的優勢，但演算法交易也可能通過引發閃崩和即時流動性喪失，惡化市場的負面趨勢。
理解演算法交易
在1970年代美國金融市場引入計算機化交易系統後，交易中使用演算法的情況增加。1976年，紐約證券交易所引入了指定訂單周轉系統。隨著數十年的演進，交易所提高了接受電子交易的能力，到2009年，美國60%以上的交易都由計算機執行。
《閃電男孩》的作者Michael Lewis將高頻交易帶到了公眾的眼前，記錄了幫助建立電子交易結構的華爾街交易員和企業家的生活。他的書揭示了這些公司參與了一場建造更快計算機的軍備競賽，這些計算機可以更快地與交易所交流，從而利用速度優勢超越競爭對手。
演算法交易類型
用於金融交易的演算法是一套設計用來自動作出交易決策的規則或指令。這些範圍包括從簡單的單股演算法到更復雜的黑箱演算法，這些演算法分析市場狀況、價格變動及其它金融數據，以在最佳時間以最小成本至最大利潤比例執行交易。
- 到達價格演算法：設計用來儘可能接近訂單下達時的股票價格執行交易，旨在最小化市場影響和訂單下達後的價格風險。
- 籃子演算法：又稱投資組合演算法，在計算對投資組合中的其他決策和證券的影響時執行訂單。
- 實施缺口演算法：這些自動規則旨在最小化實施缺口，即執行訂單時的成本與決策價格的差異。
- 交易量百分比：這些演算法根據實時市場交易量調整訂單規模，目的是保持預先設定的總市場交易量百分比。
- 單股演算法：設計用來優化單一證券的交易執行，考慮市場狀況和訂單規模等因素。
- 成交量加權平均價格（VWAP）：這些演算法在特定期間內以接近股票成交量加權平均價格的價格執行訂單。
- 時間加權平均價格（TWAP）：這些演算法在設定的期間內均勻分佈交易，以達到反映股票價格的時間加權平均價格，旨在最小化大訂單的市場波動。
- 風險厭惡參數：根據交易者和所需策略而有所不同，但通常與其他演算法配合使用，根據交易者或客戶的風險承受能力調整交易的積極性。
演算法交易示例
讓我們通過一個簡單的演算法交易示例來理解。假設您編程了一個演算法，每當XYZ公司的75天移動平均線高於200天移動平均線時，便購買100股該公司的股票。這在技術分析中被稱為看漲交叉，通常表示價格上升趨勢。執行演算法監視這些平均線，並在條件滿足時自動執行交易，這消除了您持續觀察市場的需求。這樣可以基於特定預定規則進行精確、無情緒幹擾的交易，這正是演算法交易的本質。
黑箱演算法
我們將這些演算法分開討論，因為它們的運作方式不同於前述演算法，並且在人工智慧（AI）在金融領域的應用中處於爭論的核心。黑箱演算法不僅只是為某些策略設置的可執行規則集合。黑箱這個名稱是指一類在交易及其它領域的演算法。黑箱意味著這些演算法具有模糊且不可揭示的內部機制。
與其他遵循預定執行規則（例如在某特定交易量或價格下進行交易）的演算法不同，黑箱演算法以目標為導向。儘管上述演算法可能非常複雜，設計者可以設立目標並選擇特定規則及演算法來實現目標（在特定時間與特定交易量下以某價格交易），黑箱系統有所不同。儘管設計者設置了目標，這些演算法會根據市場條件、外部事件等，自主決定最佳方法以達成這些目標。
通常在公共領域使用這個術語時會混淆兩個問題：一方面，有些量化策略被公司和其他人視為商業機密，用戶知道，但不共享。例如，一家高頻交易公司可能在使用某些策略 ，但這是因為公司內部的人並未共享專有技術。
其次是黑箱系統。黑箱演算法的特徵之一，尤其是那些使用人工智慧和機器學習的系統，是它們的決策過程具有不透明性，即使對設計者也是如此。雖然我們可以衡量和評估這些演算法的結果，但理解達到這些結果的具體過程仍是一個挑戰。這種透明度的缺乏可以是一個優勢，因為它允許複雜和自適應策略以處理大量數據和變量，但也可以是一個弱點，因為某些具體決策或交易的合理性不總是清晰。因為通常我們根據為什麼決定了某事來定義責任，這對於這些系統的法律和道德責任並非小事。
因此，這種不透明性在金融界提出了關於責任和風險管理的問題，因為交易員和投資者可能無法完全理解所使用的演算法系統的基礎。儘管如此，黑箱演算法在高頻交易和其他高級投資策略中很受歡迎，因為它們能夠超越更加透明和基於規則（有時被稱為「線性」）的方法。隨著金融科技公司努力將近年來在機器學習和人工智慧方面的主要進展應用於金融交易，這種系統處於金融技術研究的前沿。
開源演算法交易
就像智慧型手機應用和高級AI系統允許非專業人員創建定製應用程序和應用程序編程接口（通常稱為API）一樣，演算法交易的世界也讓局外人可以參與擴展其專有工作。這種開源方法允許個人交易員和業餘程序員參與，以前只屬於專業人士的領域。例如，對沖基金和投資公司，如Two Sigma和PanAgora，曾經利用這種轉變，通過群眾外包演算法並公然宣傳其回饋程序員社區的努力，來返回開源應用程序改進，供所有人使用。他們還舉辦比賽，業餘程序員可以提出其交易演算法，最盈利的應用程序將獲得佣金或認可。
但正如科技公司利用開放訪問的應用程序和編程進行問題解決和社區參與一樣，金融科技公司也在超越單純使用開放訪問的雲計算等業務世界普遍應用的應用程序。金融科技開源(FINOS)基金會在2023年11月的一份報告中表示，大約四分之一的金融服務專業人士參與了開源數據科學和人工智慧/機器學習平臺。然而，這在金融領域可能有其限制：大約三分之二的受訪者表示他們或其公司擔心使用開放訪問系統，因為需要保護專有知識。
演算法交易的優勢和劣勢
優勢
- 速度：比人類更快執行交易。
- 準確性：減少手動錯誤的可能性。
- 效率：可以全天候不間斷交易。
- 無情緒：避免情緒化的交易決策。
- 回測：交易員和研究人員可以在現實交易之外測試多種情景。
劣勢
- 系統故障：技術故障可能造成損失。
- 過度優化：可能導致不切實際的結果。
- 潛在的流動性問題。
- 市場操縱：可能被用於不法目的。
- 自滿：未能適應市場和監管變化。
使用演算法交易的好處
使用演算法交易可以提供更快和更有效的市場變化和事件響應。它們還可以自動化並確保投資決策和交易指令之間的更接近對齊，從而導致市場影響成本和時間風險降低以及更高的訂單執行率。這裡是額外的好處：
- 匿名性：交易是自動化的，訂單由計算機和跨平臺的網絡處理。這意味著訂單不像以前那樣在交易所公開討論。此外，某些演算法可以確保大宗交易被分散以隱藏主要交易，這可能會在較小的資本市場揭露參與者。
- 回測和研究：在現實交易中使用之前，演算法可以在歷史數據上進行回測和訓練，以檢查其有效性，降低潛在損失風險。研究人員還可以使用這些系統在各種金融情景中測試假設，增加金融領域的知識。
- 無情緒決策：演算法交易將情緒和心理因素排除在決策之外，可能帶來更有紀律的方法。
- 更大的控制權：儘管一開始看起來這可能不明顯，但考慮到需要自動化系統來執行各種交易責任，交易員可以決定一切從交易所到具體訂單細節如價格、股票數量和時間，然後根據客戶或基金的目標和當前市場條件調整交易步伐。用戶還可以幾乎立即修改或取消訂單。
- 減少信息洩漏：由於經紀人不會收到有關投資者訂單或交易意圖的詳細信息，信息洩漏的風險減少。例如，隻需通過選擇和設置算法參數來傳達其交易需求和指令。
- 市場準入：演算法交易通過高速網絡提供更快的市場和交易所準入。此外，沒有這些高端系統的客戶現在也可以利用共置和低延遲連接等好處。
- 增加透明度的潛力：儘管黑箱演算法引發了過程不透明的問題，但當執行演算法的操作細節提前共享時，投資者便能確切地知道其股票將如何在市場中進行交易。
- 精準性：演算法交易可在高度指定的條件下執行訂單，減少人為錯誤的可能性。
- 速度和效率：上述各種好處中都隱含了金融演算法可以比人類更快地執行訂單，允許交易員更快地抓住市場機會。
演算法交易的缺點
- 自滿：交易員可能過於依賴熟悉的演算法，無視市場條件的變化。
- 複雜性：除了涉及的技術術語外，還有大量可選擇的演算法，有時名稱來源於電影臺詞或幽默諧音，使其變得讓人困擾。大公司可能同時與多個經紀人合作，每個人提供一系列的演算法，使這複雜性加劇。
- 合規風險：不斷發展的自動化交易監管環境可能帶來需要不斷監控和更新的挑戰。
- 成本：創建和執行演算法交易系統是一個成本，不是所有公司都能負擔，而且還有網絡資源、硬體和應用程序的持續費用。
- 歷史優化：有風險創建的複雜算法適合歷史數據，但在現實市場條件下失敗。
- 流動性缺失：另一不利因素是它可能導致流動性迅速消失。瑞士法郎2015年取消歐元掛鉤後，算法交易被譽引起貨幣市場流動性喪失的一個主要因素。
- 面對事件的剛性：演算法按計劃精確執行，這在它們無法處理的市場事件中可能會成為問題，可能導致性能下降和成本增加。
- 價格發現問題：由傳統專家和做市商轉向基於算法的交易複雜化了價格發現，尤其是在市場開盤時。儘管演算法有效地包括了價格信息以進行策略制定，但它們在確定證券的公平市場價值時可能會迅速陷入困境。
- 系統性風險：這自從這種交易開始以來就一直是監管者和政治代表廣泛討論的話題。例如，擔心廣泛使用相似的算法可能增加系統風險和市場波動，正如閃崩事件中所見。2010年5月6日，道瓊工業平均指數及其它指數突然急劇下跌，下跌1000點後迅速反彈。此次暴跌最初由期貨市場的一個大型賣單觸發，啟動了一陣高頻交易。
- 技術依賴：依賴計算機系統意味著技術故障、連接問題和系統故障可能導致重大損失或錯失機會。