高频交易:难以置信的速度

2019-12-1815:24:29高频交易:难以置信的速度已关闭评论

高速度和高频率的交易

自21世纪初至今的十多年时间里,华尔街金融巨头所使用的最新鲜和最重要的逐利工具就是高频交易。

英文High Frequency Trading的中文直译即为高频交易,其英文缩写为HFT,是对一种证券交易方法的称谓。

既然是交易,为何又被冠上了高频两个字呢?简单地讲,高频交易是一种采用高速度和高频率的自动化证券交易方法。

更具体一点讲,高频交易是用来描述一项采用综合性的计算机科学技术做证券交易的自动交易方式,主要运用了计算机的软硬件、网络、计算机算法和编程等多项技术,具备以高速度和高频率快速完成股票交易的能力。

那么,高频交易的速度到底有多快,频率有多高?回答是可以达到常人难以想象的地步。

笔者几年前曾经与深圳证券交易所信息部门的一位博士有过一次关于高频交易的交谈。这位博士是这样说的,当他第一次了解到高频交易使用微秒级别进行股票交易时简直不敢相信,完全想象不出他们是如何做到的。

众所周知,1秒钟的时间十分短暂。但是在科学家眼里,1秒钟可以被分为1000个毫秒来计算。用数学方式表示毫秒是这样的,1/1000秒。更进一步细分之后,1秒钟可以被分成100万个微秒。用数学方式表示微秒是这样的,1/1000000秒。

图1-1显示的是一次闪电发生的过程。通常,一次闪电发生所需要的时间很短,约为40微秒,由3~4个闪电组合而成的一次闪电过程约为0.25秒,即250毫秒。而人类眨一次眼睛的过程则为400毫秒左右。

假设高频交易需要完成一笔交易的时间为100微秒,以此推算,一次250毫秒的闪电过程就可以完成2500笔的股票交易。而在一个人眨一次眼睛的时间内,高频交易可以完成4000笔左右的股票交易。

如今,华尔街执行一笔交易的时间就是用微秒来计算的。完全可以这样说,华尔街能够用比闪电还要快的速度完成股票交易。

通过高频交易方法完成交易的速度不仅仅是快,还能够在一个很短的时间段内反复用很高的频率完成数量巨大的股票交易。换句话说就是,高频交易具备在1秒钟的时间完成几万、十几万甚至是几十万笔股票交易的能力。这当然是令人难以置信的。

高频交易还经常使用一个叫作延时的术语,英语称之为Latency。交易延时描述的是信息从A点传输到B点所需要消耗的时间。延时概念存在于交易订单的传输和处理、市场信息的传输和处理、通信设备和计算机服务器硬件,以及数据库和各种类型的软件应用系统之中。也就是说,在交易的各个环节和过程中无处不在。

一般来讲,华尔街把用毫秒级别测量的交易延时称为低延时,把用微秒级别测量的交易延时称为超低延时。

很显然,用人工执行交易的方式根本无法达到如此之高的交易速度和频率。因此,高频交易必须借助计算机和现代化的通信平台,并且在交易的各个环节中(包括算法策略、市场信息接收、交易订单生成、交易订单发送、成交回报接收、处理成交回报等一系列的交易环节),都实现自动化的机器人工作方式,以降低交易信息在每一个软件和硬件节点上消耗掉的时间,即延时。

关于高频交易认识的误区

市场对什么是高频交易的认识普遍比较模糊,特别是在量化策略交易与高频交易之间的关系认知上存在一些误区。例如,什么样的交易属于高频交易,采用量化策略的交易是否等同于高频交易,等等。

通常,华尔街把采用高速度和高频率技术和方法实现自动交易股票的方式称为高频交易,采用高速度和高频率方法自动交易股票的交易策略被称为高频交易策略。采用高频交易方法做证券交易的交易商也就被称为高频交易商。

采用高频方式的交易通常都会涉及算法策略。其中所涉及的算法策略可以是量化策略,但也可以与量化策略无关,是归属于计算机软件科学领域范畴的算法策略。即使采用量化策略模型,但是还是通过人工交易下单就不是高频交易。高频交易可以完全不采用量化策略模型,而是采用计算机领域的算法策略模型进行自动交易。

这里最容易混淆的概念就是,采用数学方程式的量化策略模型和采用计算机领域范畴的计算机算法策略模型属于不同的学术领域。虽然各有不同,但是都可以被称为算法策略。

美国商品期货监管委员会(Commodity Futures Trading Commission,CFTC)技术指导委员会在2012年6月20日举行的一次会议上,提出了关于高频交易更加广泛的定义。

高频交易是一种全自动的交易形式,排除了所有人工对交易流程的干预,并采用以下相关的计算机技术。

1)没有人工引导的,为交易决策、订单生成、订单路由或是订单执行而制定的计算机算法策略模型。

2)为减少反应时间而设计的低延时技术,包括计算机硬件设备、软件技术、网络通信技术和服务器托管业务。

3)交易商与交易市场直连的高速通道,包括计算机硬件设备、网络设备及直通线路。

4)以高速度和高频率向市场发送、处理和接收交易订单、报价和取消交易订单的技术能力。

这个高频交易工作小组在总结中给出了明确的说明,指出高频交易只是一种实现交易的方法。很多采用量化策略算法模型的交易即便可以满足以上1)至3)列出的条件,但是也可能不属于高频交易。高频交易必须具备和满足以上第4)条中列出的内容。也就是说,如果不采用高速度和高频率向市场自动发送、接收和处理交易信息,就不是高频交易。

由此可见,高频交易只是一项采用高速度和高频率进行股票交易的证券交易方法而已。

视觉上的高频交易

从市场的层面看,高频交易特点十分突出和醒目。

当高频交易开始后,市场会看到一个短促的、突然爆发的交易时间段,大量甚至是巨量的报价和交易订单会以极高的速度和频率冲击市场。这种高频率的交易现象会在一天的交易时间中反复地爆发,没有任何规律可言。

当这种采用高频率高速度的股票交易开始之后,通常只会持续很短的时间,有时可能是几十秒,有时可能是十几秒,甚至小于1秒钟的时间长度。但是,就在如此短暂的一个时间段里,高频交易能够用很快的速度和很高的频率完成成千上万笔的股票交易。

为了让世人能够用眼睛直观地了解高频交易在市场的交易过程中所遗留下的轨迹,纳斯达克证券市场(Nasdaq Stock market,简称纳斯达克)与美国三藩市的一个叫作Staman的图像处理团队合作,用1分钟的实盘交易数据制作了这个题为“60秒钟的混乱”(60 Seconds of Chaos)的高频交易视觉效果图(见图1-2)。

为了制作这一视觉效果图,纳斯达克提供了自2011年3月8日下午3点35分40秒到3点36分40秒的市场股票报价和成交数据。

在图1-2的中间部位可以看到一个11秒钟的密集报价和交易区域,具体发生的时间在3点35分49秒到3点36分10秒。这11秒钟的交易图像区域所代表的就是高频交易发生的时间段。在这11秒钟区域之前和之后的两个时间段里,纳斯达克的报价和交易活动不但数量比较少,而且也都比较平稳。

Staman团队在制作“60秒钟的混乱”图像时,用不同颜色的圆圈代表不同的股票,用圆圈的大小代表报价和交易价值区间的大小。图1-2中绿色、黄色、蓝色和紫色的圆圈代表的是一家大型高频交易公司骑士资本集团(Knight Capital Group,简称骑士资本)发往纳斯达克的交易。

根据纳斯达克,这11秒的高频交易活动区域是由高盛集团(Goldman Saches Group,Inc.,简称高盛)发出的一笔买单和一笔卖单所引发的。高盛交易员发出这两笔交易订单的目的是为了试探市场的反应。很显然,这两笔交易订单刺激了市场报价和交易的欲望。

在短短11秒钟的时间里,市场上爆发出了大量的报价和交易,而这一现象绝对不可能是人工交易行为形成的结果,可以说是完全归功于强大计算机驱动的高频交易系统。

高频交易基本业态

高频交易最重要的功能是执行股票的交易业务。

从事高频交易业务首先需要有一个成熟的数学量化或是计算机算法策略模型,然后由计算机软件工程师通过软件编程把模型融入执行高频交易的计算机软件系统,最后把高频交易软件系统部署到计算机上之后,才能够执行股票交易。

高频交易所具备的另一项十分关键的技术能力是对市场进行实时监听。

只要证券市场一开市,高频交易系统就会持续地对市场进行实时监听,不间断地收取市场发出的各类信息,并根据算法策略模型所制定的参数对市场信息进行实时的定量分析和计算。一旦发现市场出现了与算法策略模型定义相匹配的市场形态,高频交易系统就能够在瞬间自动生成交易订单,并投放市场和完成交易。

由于量化策略模型所测算出的可交易的时间段通常都很短,稍纵即逝,高频交易系统会以极高的频率向市场投放交易订单,并争取在最短的时间内成交尽可能多的股票。

只要市场盈利的机遇仍然存在,高频交易系统就会持续地以高频率向市场投放交易订单,连续不断地进行快速交易,直到市场形态发生变化,并偏离算法策略模型的市场形态定义之后,交易才会停止。而后,高频交易系统会继续监听市场,寻找和等待下一个可交易的市场形态来临。

一些智能型的高频交易系统还会在监听的过程中向市场不断地发出试探性的交易订单,如果无法成交则立即撤单,不断地寻找、刺激甚至是主动促发可交易的机遇。这也是为什么美国证券市场上撤单量十分庞大的原因。

量化策略模型决定的交易方式有多种,有的会根据一天股票的平均价格走势决定投放交易订单的时间,有的会根据市场上可交易股票的数量决定投放交易订单的时间,还有的会选择在特定的时间向市场投放交易订单。

例如,开市和闭市的时候交易量总是很大,投放的交易订单就多一些,而接近中午的时候交易比较清淡,投放的交易订单就少一些。或者,当股票价格达到了量化策略模型制定的范围和要求,根据市场当时可交易股票的数量适量地投放交易订单,等等。

一些采用高频交易的套利策略还可以通过不同交易所和交易中心之间在瞬间出现的报价差异进行高频和高速的套利交易。

 

  • 版权声明:本篇文章(包括图片)来自网络,由程序自动采集,著作权(版权)归原作者所有,如有侵权联系我们删除,联系方式(QQ:452038415)。