算法交易的进程及相关类型研究整理[程序化老手]

高雄应用科技大学 金融资讯所 姜林杰右
 

演算法交易与相关研究整理

最近的发文中，一再提及演算法交易策略，并提到用于交易执行的演算法交易策略，可以达成程式交易策略的设定绩效目标，并达到保护程式交易策略的效果，避免910惨案的发生。
由于演算法交易是目前研究的主题，在此从文献中整理一小部分，罗列于下(由于担心太过学术性，让网友反胃，我略去技术细节…，另外，必须特别声明，这些内容整理自我们收集到的文献，不敢略美；虽然，我们据此做了一些研究，但还未成熟到可以公开…)
「
演算法交易又称为自动交易(Automated Trading)、无人执行交易(Robot Trading)，系「在程式交易模型中加入演算法，设定目标并在限制条件下，设定最佳交易时点与交易量，并自动执行交易命令」，由于具可变与不可预测性，又称「黑箱交易」。
演算法交易的实现必须透过资讯系统之应用，借助电脑执行各种交易策略，藉以衔接不同定量交易策略，为不同複杂交易模型提供执行方法。
演算法交易用以设定下单最佳执行路径、执行时间、执行价格与执行数量的交易方法，以实现并保护程式交易的佈单；不同类型交易模型之佈单最佳化目标不同，趋势交易者希望交易能迅速完成，但可接受较高成本；价值型交易者倾向延长交易时间以得到较佳价格；而套利交易对于价格极为敏感；而机构投资者希望提高交易隐蔽性与并降低衝击成本。
演算法交易功能包括了，智慧路由选择、降低衝击成本、提高执行效率、减少人力成本与增加投资组合收益；透过演算法交易可：(1)降低交易市场衝击，隐藏交易动机；(2)完成複杂程式交易，提高交易效率；(3)降低交易成本，提高投资报酬率；(4)降低人力成本，提高交易工作效率与品质。
演算法交易发展过程，起源于80年代后期美国证券市场全面电子化交易开始发展；NYSE在1997年开始推动分数制报价制度改为十进位小数点报价，降低了造市者的交易优势、降低了市场流动性，也改变了金融市场微观结构。市场流动性的降低导致机构投资者使用电脑分割交易指令，以执行更优越价格，此即最初的演算法交易策略—VWAP与TWAP演算法所希望达成的目标。交易者希望藉由「直接趋近市场」(Direct Market Access)的交易方式提高交易效率。
演算法交易不仅被使用于大量交易的买方，提供流动性的造市者、避险基金均使用之。对于同时在许多不同市场交易的商品，演算法交易提供最佳执行条件的路由选择。
演算法交易的使用大幅改变下单执行方式，至2007年的统计资料显示，在美国约有80%的机构投资者使用演算法交易；欧洲市场约有58%交易笔数与50%交易量採用；而伦敦交易所的演算法交易约为总交易量的60%。经济学人预期美国市场在2010年以后的交易量将以AT，交易仲介者被迫提升基础建设(Economist(2007))。由于演算法交易使用数量化模型自动产生定时与定量的指令流输入市场，使基金经理人工作简化，也促使更多样化的演算法被开发出来。
关于演算法交易的相关研究整理如下：整体而言，演算法交易的目标在于同时平衡低交易成本与低交易风险两大目标。市场交易成本包括了，佣金、交易费用、税、买卖价差、延误成本、价格浮动、市场衝击、时间风险与机会成本等项目(其中佣金、交易费用与税为可见的固定成本，其他为隐藏性的交易成本)。交易成本的负面影响包括：降低预期报酬率、影响定量策略(高频交易、价差交易、套利交易等)模型实际收益率，以及影响组合实际配置比例等。
交易成本在市场微观结构分析向为重要议题，Merton(1998)曾指出交易成本的降低是证券创新的动力；如何降低交易过程的成本之问题衍生出所谓「交易最佳化策略」的研究，其目标为「透过对证券交易成本的计算，制定出最佳的交易步骤，以降低交易成本，提高执行效率」。
演算法交易的使用确实能有效降低交易成本(Reinganum，1989)，Domowitz与Yegerman的研究(2005)发现未採用演算法交易的交易成本为24 bp，而採用者为10 bp；此外，由于演算法交易将大交易单位切割成小的交易单位，亦可有效避免市场衝击(Keim与Mashavan，1995)；Hendershott、Jones与Menkveld的研究(2008)显示演算法交易可提高流动性。
在确认演算法交易降低交易成本的功能后，Bertsimas与Lo(1998)研究如何在市场时序价格衝击下拟定最佳执行策略；Almgren与Chriss(2000)延续其研究，探讨订单切割以至于延缓执行下单时间所可能引致的成本；Obizhaeva与Wang(2005)则尝试在流动性不能立即满足下，建立最佳化动态下单策略；Obizhaeva与Wang的研究依据市价报价列表(Limit-order-book)拟定最佳执行策略。
以上研究开启了演算法交易的实务应用，因此产生更多样化的演算法交易策略，但也因为背后的获利潜能，使得更多的演算法交易策略被视为商业机密，只留下有趣的策略名称与大致目标；公开的策略只是冰山一角，且往往过时，或被怀疑只是用以「钓鱼」(引导市场形成特定Pattern以期设计后设策略以获利)的演算法策略。（www.cxh99.com ）
演算法交易可视为程式交易的分支，但与程式交易不同之处在于，演算法交易较强调交易的执行，即如何快速、低成本、隐蔽的执行大量下单；而程式交易则强调下单指令的形成；简单的说，程式交易可定位为「下单管理系统」(Order Management System; OMS)，而演算法交易为「下单执行管理系统」(Execution Management System; EMS)，演算法交易决定了下单时点、价格与交易量，动态观察市场条件变化，做最佳化佈单，以维持程式交易策略的绩效。
同时，演算法交易策略亦可保护程式交易策略，以避免被人为作价的干扰(试想，上下一笔不合理的买卖报价，就足以让程式交易策略产生误判)，因此演算法交易可以做为程式交易的免疫策略。
如前述，演算法交易用以「降低市场衝击成本、提高交易执行效率、增加投资组合收益、降低手续费、减少人力成本、执行複杂交易与投资策略」，提高程式交易策略绩效。目前常用的演算法交易策略如下列：
1. 交易量加权平均价格(VWAP)：依据历史成交量在开盘期间的比例，分配下单量，并以交易量平均价格为比较标竿。
2. 保证交易量加权平均价格(Guaranteed VWAP)：在VWAP外，再加上保证成交价格与交易量加权平均价格一致，否则交易商将承受损失。
3. 时间加权平均价格(TWAP)：在下单期间的时间点平均下单，用于价格衝击小时。
4. 交易量固定百分比(TVOL)：下单量依据成交量同向调整，用以跟上市场趋势变化。
5. 基准价交易算法(Price In Line)：设定基准价，在接近基准价时放大交易，并于交易时间内完成，用于对价格比较敏感的投资者。
6. 执行差额(IS)：提供风险参数与承受限度，并平衡降低衝击成本与风险两目标做最佳化计算。
7. 隐藏交易单(Hidden)：等待期望交易价格出现时立即下单或取消，以确保成交价位并隐藏交易企图。
8. 游击战(Guerrilla)：将数量较大的买卖单分散成小单并使用多种交易技术，以免被跟踪下单企图。
9. 狙击兵(Sniper)：以分散并隐藏交易方式不暴露交易企图并侦测对手交易策略，使攻击性演算法。
10. 搜寻者(Sniffers)：搜寻其他交易者正进行的交易，并侦测所选用的下单策略，通常以少量下单诱敌，以待对手上钩，继而尝试增加下单数量。设计目的系找出市场中正使用的演算法或程式交易策略，以从跟作或对作中获利。
11. 複杂事件处理(CEP)：以历史事件分析确认市场对事件的反应，再依据发生事件启动交易以期获利，如关连股票间的价差交易。
12. 模式识别(Pattern Recognition)：以资料分析方式找出交易资料间的特徵模式，以形成交易策略。
演算法交易发展至今近30种，并已发展到第四代：第一代演算法为比较简单的策略如TWAP、VWAP、TVOL、Price-In-Line等；第二代以IS为代表(包括IS、Atopen、Atclose、Float等)；第三代以搜寻隐藏流动性(Hidden Liquidity)为目标，如Nighthawk、Sniper、Cobra策略，以因应特殊交易制度；第四代倾向智慧型交易，包括複杂事件处理(CEP)、新闻交易(News Trading)等。这些策略系根据不同市场特性与交易需求进行设计。( www.cxh99.com 整理)