算法交易在国内的运用

国内投资者对算法交易(AIgorithmic Trading)的关注不少源于对冲基金之王西蒙斯(James Simons)的明星效应，他负责的大奖章基金(Medallion Fund)借助电脑程序的高频买卖操作捕捉短线机会，获得了远高于市场平均的超额收益，与巴菲特的长期价值投资正好形成投资理念的两极。

国内证券市场经过十多年的发展，已具备实施算法交易的硬件条件，而且量化思想也开始被大众所接受，不过算法交易的门槛较高，国内当前真正意义上的算法交易者凤毛麟角，先行者有望在这个尚未充分开发的领域获得相当可观的超额收益，并在后期市场竞争中占尽先机，这也是我们开展算法交易研究的意义所在。

算法交易的种类

算法交易，就是由计算机程序自动生成买卖信号，并执行交易下单的交易策略。它由人设计，借助计算机程序实施，根据交易策略目标的不同可以分为三类：

alpha交易策略

该类策略的目标是要通过对市场数据和财经资讯的挖掘，发现市场效率低洼之处，赚取超额收益，例如ETF套利，股指期货期现套利，市场中性策略，趋势跟随等。该类策略大多被买方对冲基金和卖方券商的自营部门所采用。

随着证券电子化交易的普及和市场参与者的增多，传统的利用低频数据(日线，小时线)的aIpha交易策略的获利空间越来越小。该市场的领导者，如复兴科技(Renalssance Tech)，城堡集团(Citadel Group)，高盛(GoIdman Sachs)，将交易速度的竞争提升到了毫秒(1毫秒=0.000001秒)甚至微秒(1微秒=0.01毫秒)级别，而数据分析对象也由原来的分时线价格数据转为每笔成交数据(tick-bv-tick data)，挂单数据和即时财经资讯数据。高频数据的分析需要极高的数据存储与运算能力，采用算法交易的机构每年都花费巨资更新维护lT设备。据Aite Group的对欧美市场算法交易机构的调查，2008年他们在订单管理系统(Order MgmtSystems)，路由(Routing)，数据库(Database)上的平均lT花费超过3亿美元，2004年到2008年的IT费用复合增长率高达11％，在欧美成熟市场上利用该类策略获利的门槛越来越高。

交易执行策略

该类策略的目的是通过交易数据的分析，辅助交易员下单，降低交易成本，隐藏交易痕迹，算法交易机构通过收取相应的服务费用而获利。在有些资料中，算法交易专指此类交易而不包括前面的aIpha交易策略。常见的该类算法交易策略包括：

(1)VWAP策略　VWAP(Volume WeiqhtedAverage　Price)，顾名思义，是以成交量加权平均成交价为比较基准的交易策略，策略执行效果的好坏通过某只证券的实际成交均价与交易时间段内整个市场的成交均价的差值来衡量。VWAP策略的原理，简单说就是把大单拆散成小单，在市场交易活跃时多成交，而在交易平淡时少成交，策略的设计者需对市场未来不同时间段内的成交量作出预测，并根据实际成交情况调整原有的订单执行计划。

VWAP策略是出现最早也是使用频率最高的一种算法交易策略，适合追求市场平均价格的被动交易者。当前欧美主流算法交易机构大多提供带担保的VWAP算法交易策略，承诺投资者可以低于市场VWAP一定数量基点的价格成交，实际成交价格高出的部分由机构赔付，投资者须为此类承诺支付额外的费用。

(2)TWAP策略TWAP(Time WeightedAverage Price)不需要预测成交量，而是把交易的时间段划分为若干个区间，根据区间段的长短分配下单数量，适合那些流动性不好，成交量不易预测的证券品种，同时那些要求买入／卖出量较大的交易人员，也可以通过TWAP策略分散交易，降低市场冲击。

(3)lS策略对于规模较大的证券交易，如果一次性全部按市价下单，则该交易会造成巨大的市场冲击(Market Impact)；如果分成几笔，在不同时间段内成交，投资者又面临市场价格和流动性发生不利变动的时间风险(Time RIsk)。IS(1mplementatlon Shortfal1)策略，即是要按投资者的个人偏好，权衡优化一笔交易的市场冲击与事件风险，尽量减小最终实际成交价格与目标价之间的差距。这里目标价可以是开盘价，收盘价，或者是到达价格(ArrlvaI Price)，即交易指令下达时的市场价格。一般来说，该类策略都允许交易人员设置买入(出)时的最高(低)容忍价格，并按照交易速度的要求选择激进，中性和保守的策略风格。

(4)SOR策略SOR(Smart Order Routinq)，下单路径优选策略，该策略跟欧美市场的证券交易制度的多样化有关，投资者除了可以从做市商处买卖证券外，也可以通过DMA(Di rect Market Access)在交易所交易，部分投资者也可以参与到交易所外的暗池交易(dark pool)，不同交易途径获得的报价和交易量都有所不同，SOR即是要通过对不同渠道实时交易数据的分析，在保证成交量的前提下寻求最优价格。

上面是算法交易上使用最为频繁的四种策略，此外还有一些机构为客户量身定制的策略，如：隐身(Stealth)，游击队(Guerrilla)，狙击手(Sniper)，嗅探器(Sniffer)等。随着算法交易服务商队伍的扩张，规模较大的投资银行、经纪商每年都会投入不菲的研究经费用于开发更为迅速，满足客户个性化需求的算法，拉开与同业竞争对手的差距，而那些小机构则很难承担巨额的研发费用，转而向大机构购买算法。当前市场领先的算法交易服务提供商包括瑞士信贷(Credit Suisse)的AES(Advanced Execution Services)，TMG(Transmarket Group)，盈透证券(Interactlve Broker)等。

做市策略

做市商(Market Maker)是市场上一批规模大、信誉好的证券交易商，他们向投资者提供连续的买入和卖出报价，并在该价位上接受投资者的买卖要求，以自有资金和证券同投资者完成交易。一般情况下，卖出报价会高于买入报价，做市商从中赚取买卖价差(BId-Offer Spread)。因此，做市商盈利的关键在于如何确定合理的报价，使得交易指令能够迅速成交，同时又能够保证一定的价差收益。算法交易服务商提供的做市策略即是要通过对做市商接收到的交易指令的实时分析，以及未来股市变化的模拟，确定最优的买卖报价，实时更新。该类算法交易服务提供商，如Automated Trading Desk

(2007年被花旗集团收购)，2007年的日均交易量已经占到纽约交易所和纳斯达克的6％以上。　(见图1)

国内算法交易现状与发展

国内尚无做市商制度，能运用的算法交易策略主要是前两类，与股票相关的aIpha算法交易和期货市场的aIpha算法交易。

股票市场由于T+1制度的限制，大量涉及到股票日内交易的alpha类算法交易策略无法实施，国内市场上该类策略主要用做套利，已经有比较成熟的ETF套利和股指期货期现套利交易系统。

商品期货市场上的alpha类算法交易通常也称为程序化交易。由于大宗商品价格震荡相对股票而言更为剧烈，那些看技术面交易的市场投机者在经历了多年的市场价格波动后，不约而同都在寻求一种方式将自己的交易理念量化、程序化，争取稳定的长期受益，而期货交易所提供的灵活电子化交易方式，也让程序化交易的实施更为便利。

与股票相关的aIpha算法交易

以ETF套利系统为例，证券交易所通过卫星将行情数据单向传送至券商，存储于券商本地数据库上；委托成交数据则通过专线在券商与交易所间双向传递，单独存储于另外的本地数据库。券商向专业的软件公司(如恒生，金证，金士达等)购买柜台软件，执行、管理交易指令；而客户端的下单软件大多委托给柜台软件提供商或独立第三方软件商(如大智慧，)开发。ETF套利交易系统需通过柜台软件提供商提供的下单接口接入柜台软件，才能做交易，不过柜台软件的下单接口规范一般不对外开放，需券商、套利软件开发商和柜台软件提供商三方共同协商。有部分小投资机构和散户，通过破解券商客户交易终端与柜台软件通讯数据包的方法，将自己的交易程序间接接入券商柜台系统，这种做法成本较低，不过面临非法接入的法律风险，而且稳定性和运行速度上也较差。

除了套利交易之外，一些私募和软件开发商也在利用ETF一、二级市场可以实现T+O交易的特性，开发ETF日内短线交易系统。

期货市场的alpha算法交易

当前商品期货市场上的程序化交易策略绝大多是都是从技术面考虑，而其中日内交易模型又占了一半以上，常见的程序化交易策略包括趋势跟踪策略，振荡器法，价格形态识别法等。国内的一些期货交易软件，如文华财经，交易开拓者，都包含程序化交易模块，里面有软件商提供的常用交易策略，投资者也可以根据软件商提供的公式编辑语言，自己组合设计新的指标，并在系统中测试新策略。该类软件操作起来简便易行，不过由于软件平台自身的限制，要在其上面开发较为复杂的建仓、平仓、风控程序，难度较大。对于那些自己定制开发要求较高的投资者，可以尝试采用上海期货信息技术有限公司开发的综合交易平台，该平台的API接口对外开放，投资者可以直接合法接入期货公司的交易后台，而且该平台对交易指令的编译运行模式能够保证复杂交易策略得到高效率的执行。

高频交易是目前商品期货程序化交易的～个发展趋势，不过需要注意的是国内三大商品期货交易所行情数据对外更新速度为0.5秒一次，开发的高频策略必须与交易过程中接收到的实时数据的更新频率相匹配，而且从2010年11月29日起，商品期货当日开平仓交易手续费减半的优惠措施全面取消，日内高频交易的成本增大。

股指期货市场自2010年4月16日沪深300股指期货上市交易以来，已运行八个月有余，市场成交日趋活跃，但要开发专门针对股指期货的算法交易策略还尚需时日。一方面我们在用历史数据回溯测试交易策略的收益和风险时，八个月的数据量偏少，用于测试的历史数据样本长度最好在一年以上；另一方面针对股指期货的某些套利交易策略，如跨期套利，远期合约的流动性有待提高。

期货市场上的alpha类算法交易的开发使用者目前主要是私募和券商自营部门。证监会上个月颁布了《基金管理公司特定客户资产管理业务试点办法》征求意见稿，商品期货有望纳入基金专户理财的投资范围。基金公司如果能利用算法交易的方式参与期货投资，不仅可以从投资品种上，也可以投资时间长短上分散投资者面临的市场风险。

交易执行策略在国内的运用

国内A股市场上，已经有第三方开发的辅助交易执行的算法交易系统，如国泰安，恒生032系统，投资者可以在上面自己设置参数，实施VWAP、TWAP等交易策略。虽然当前使用该类系统的机构数量有限，但其国内发展空间十分广阔。

一方面，我国证券市场的证券交易冲击成本较高，根据上证交易所的统计(图2)，2009年10万资金对股票市场价格冲击指数为16个基点，比全球平均水平高出10个基点以上；当资金量上升到90万时，价格冲击指数可达到55个基点；股票流通市值越小，股价越低，冲击成本也就越大。算法交易可以帮助投资者很好的降低证券交易过程中的市场冲击。

另一方面，被动管理的指数型基金和积极主动管理的量化基金越来越被市场接受，算法交易可以帮助基金管理人有效降低跟踪误差和交易成本，提高股票组合调仓时的交易效率，从而提升基金的整体绩效。

此外，对券商和期货公司的经纪业务而言，算法交易系统也可以作为一项增值服务，吸引有相应需求的机构和个人客户。

算法交易发展方向

近年来，国际金融市场发生了许多与算法交易相关的重大事件，如2007年8月全球数量化对冲基金集体哑火，高盛涉嫌利用“闪电交易指令”欺诈投资者，2010年5月6日，花旗交易员的误操作触发市场上的众多高频交易系统自动发出大量卖出止损单，导致道琼斯指数盘中出现干点大跌。一系列事件引发了欧美证券监管机构对算法交易在证券市场中的作用产生了质疑，他们开始担忧算法交易是否已经发展过度，是否会导致市场价格波动加剧，是否真正能够为市场提供更多的流动性。

国内算法交易只是刚刚起步，受到法规和交易制度上的限制较多，远未达到欧美那种能影响全市场的地步。我们认为国内算法交易今后可行的发展方向主要有三个：

(1)对于股票、基金和可转债市场，主要是已有套利交易如ETF套利、封基套利等的程序化实现和系统优化，提高策略执行速度，以效率赚取市场超额收益。当前A股做空机制尚不完备，那些基于股票做空的市场中性策略实际操作起来会比较困难，而股票T+1交易制度也限制了股票日内短线交易策略的应用。

(2)期货市场的程序化交易，特别是日内高频交易策略的研究。商品期货市场已具备实现该类交易策略的技术平台支持，不过需要注意的是佣金成本和期货交易所的实时行情数据更新频率，而股指期货市场则有待市场流动性的提高和交易数据的丰富。

(3)辅助交易执行的算法交易系统的开发，目前适合国内证券市场的该类算法交易主要包括VWAP，TWAP和1S策略。