浅谈“高频交易”

背景:美国在2010年5月6日股市“闪电崩盘”时，道琼斯工业平均指数突然大幅下跌近1000点，此后迅速回弹，该日收盘时报跌348点。北京时间9月23日凌晨消息，美国证券交易委员会(SEC)主席玛
丽-夏皮罗(Mary Schapiro)周三称，在经历了5月6日的股市“闪电崩盘”事件以后，该委员会正在考虑高频交易商是否应接受一种最新监管架构的管制。夏皮罗向证券交易商协会(Security Traders
Association)表示：“在保护市场稳定性或在困难时期促进合理的价格连续性的问题上，高频交易公司目前几乎不受任何义务的管制。
　　所谓“高频交易”(High-frequency Trade)，是指大型投资机构利用自己的高速计算机，在极短的时间内判断出有价值的信息，从而先于市场的其他投资者进行交易，这种交易的特点是大量不停地
买卖。高频交易也就是程序化交易，在美国经过20多年的发展，从最初只有几家对冲基金掌握，成长到今天的200多家机构，看来这种数理交易方法正在逐步被更多的精英所熟悉。近几年来随高盛的加入
，市场普遍接受了高盛冠名的高频交易。并且美国晨星公司（Morningstar,Inc.）准备为高频交易策略另开炉灶，以区别其它策略来评估收益，世界最大的纽约泛欧交易所准备建一个数据中心适应高频
交易的发展。
    多年来因为电脑的硬件、软件的约束，该技术鲜为人知，对它的称呼也甚多。从神秘角度，人称黑箱交易；从不用人介入，又称自动交易；从由微机自动完成，人称机器交易；从它的软件是体现交
易策略的算法，人称算法交易；从它整个交易完全依赖程序，人称程序化交易。这种交易的核心是学术界研究的最新成果——金融高频序列。
    高频交易具体是什么？通俗的讲：高频交易工作时，微型指令的频率上兆，交易指令的速度是毫秒级。客户从本地发出交易指令到高频交易商，再转发到交易所，时延不能大于30毫秒，为了保证这
个速度，你的终端机一定要和交易所同位。如果涉及到不同场地交易所得同类产品的对冲，因特网这种第三层接入是不适宜的，要采用数字数据网物理层接入，从而保证数据传输的延时在符合要求的范
围之内。
    高频交易的核心是从数理模式转换过来的策略自适应算法，各公司有所不同，随着环境的变化，以及竞争的加剧，版本可以升级。它使用市场的滴答数据录入，调整由动态数学公式+先验概率判决+
统计推理组成的量化模式，这种数理模式，从信号处理角度来说是数字滤波器；从软件角度来说是自适应算法。使用滴答数据不仅最佳了交易者的时序，而且对我们产生了初始的建议，这样建立的模式
更加适应变化的市场，比起传统模式有更长的生命周期。这种算法能窥视市场交易情况，符合条件时，给出开仓、平仓、整个时间大约是0.3-0.5秒，具体取决当时市场的变化是否吻合给定显著度和置信
区间的判别。这么快的速度开仓、平仓，产生的交易量是惊人的，难怪仅占美国2%的高额交易商，交易量却占总成交量的60%-70%。在给经纪公司带来丰厚回报和返点的同时，确实和传统的长期持有交易
方法开了一个不小的玩笑，但仔细想来它又是符合伊藤过程的（注释：伊藤指出,随机积分对固定的时间t是随机变量,而随着t的流逝,它是对布朗运动B适应的随机过程.后来,人们把他定义的随机积分称
为“伊藤积分”.引入伊藤积分后,随机微分方程就建立起来了.伊藤过程方程是一个正向随机微分方程, 它是从确定x(0)=x0出发,根据布朗运动B(τ)在0到t之间的形态,来推测轨线的统计行为。）
    目前市场存在三种基本交易方法：巴菲特代表的基本面财务数据传统派；威廉为首的K线技术经验积累实战派；以及西蒙斯象征的高频交易数理派。随着时代科技的进步，以及人们对短线搏杀的追求
，高频交易会是机构、私募等秒杀散户的利器。高频交易中相当不公平的一种方法，叫做“闪电交易”（flash trading）。在这种交易方式中，一些交易者能比其他交易者早一瞬看到市场上的下单。而
这也使得这些闪电交易者能早上几毫秒观察市场并操作他们的交易。闪电交易在美国股票总交易量中约占3％，它已经成为高频交易机构的重要利润来源之一。闪电交易之所以能成立，是因为一些交易所
在将信息发布到整个市场之前，就提前向高频交易机构提供了这些信息。这种提前大约在20毫秒到500毫秒之间。对于运算功能极为强大的电脑服务器来说，这就足够使它们赶在普通市场交易者之前完成
交易了。平均来说，一笔闪电交易在不到10毫秒内即可完成，很多时候只需要5毫秒。在毫秒这个级别上，也许这话没错，但如果能拿到更好一点的价格，恐怕投资者们也不介意等上几秒钟或是几分钟吧
。思路更宽一些的话，想想有成千上万技术精湛的电脑程序员、科学家和金融专业毕业生，整天就把时间花在研究怎么让自己的系统比别人的快上几毫秒完成交易，实在不是一件让人愉快的事。
     闪电交易已经闪亮登场了，不知道你是否已经准备好了？