第14章　高速交易

高速 ≠ 高频：作者的区分标准#

开篇的题词来自爱默生，说薄冰上滑冰的安全性取决于速度。作者随即点明本章的第一任务：澄清高速交易与高频交易的区别。他承认这种混淆「可以理解」，因为高速交易是必需品和大势所趋，自然会催生高频交易——但两者「只能算是兄妹，但不能等同」。

区分标准是什么？作者给的定义是：高速交易也被称为低延迟交易，指的是对于不同类型的交易者，要求以最低延迟进入市场、以最低延迟执行决定。注意这个定义里的关键词是「不同类型的交易者」——它是一个跨越所有交易者的属性维度，不是一个策略门类。本章要论证的正是：速度为什么对许多交易者（不限于高频交易者）都重要。而高频交易是什么、有哪些策略，作者明确推给第 15 章。换句话说，他的切法是：高速 = 一种执行属性，人人都在这个坐标轴上；高频 = 一类策略，它把这个坐标轴的极值当成生存条件。

历史铺垫也服务于这个区分：交易商在纽约、期货公司在芝加哥都把办公室建在交易所旁边，「自有不言而喻的原因」；1815 年伦敦的罗斯柴尔德家族用信鸽先一步知道拿破仑输掉滑铁卢，据此做空法国债券获利；1845 年路透创始人在伦敦建信鸽网络起家，5 年后成为巴黎股票交易所信息延迟最少的服务商。这些人没有一个是高频交易者，但他们都在做高速交易。

订单类型与「流动性」的定义之争#

要理解速度，先得理解订单。作者把订单分两类：

• 被动订单：不能立即成交的限价订单。最低卖价 100.01 美元时，你挂 100 美元买入，就是被动订单。它们堆积成交易所的「限价订单簿」。
• 进取型订单：可以立即执行的订单。市场订单永远是进取型（不看价格）；打到对手价的限价订单也是进取型。

配套术语两个：**连接（joining）**是在最优价位上加规模，因为不能立即成交，通常算被动订单，且时间优先级排在后面；**改进（improving）**是挂出一个比现有最优价更好的价格，缩窄买卖价差，即使最后进场也拿到最高优先级。撮合规则方面，作者提到两种：价格/时间优先（价格相同则先到先得），以及价格/规模优先（如欧元期货，同价位大单优先于小单）。

接着是本节最有价值的一段争论。很多人把「提供流动性的被动订单」和「获取流动性的进取型订单」搞混，因为流动性常被等同于订单簿的容积或规模。作者直接反驳：增加容积并不总是增加流动性。闪电崩盘和 2007 年 8 月的量化清算就是反例——2010 年 5 月 6 日加入 SPY 杀跌行列的追涨杀跌投资者遇到的是买卖规模严重不平衡带来的流动性枯竭。反过来，当卖家很多时，进取型买单虽然名义上从订单簿移除单元，却可能急速增加流动性。

作者给出他自己的定义：流动性是任何时候立即以公允价格进行单元交易的可行性——同时包含即时性、规模、公允价格三个维度，不被容积或方向主导的订单簿干扰。他还专门解释「价格的公平性」：①能广泛反映金融工具背后经济暴露的基本面；②对相似金融工具具有敏感性。举例：一家盈利强、成长好、每股约 100 美元的公司，若无缘无故每股跌 2 美元，这不是公允价格，而只能认为是缺乏流动性。第二个维度（同指数成分股联动）他说留到第 15 章讲套利策略时细谈。

逆向选择：速度为什么值钱的总命题#

作者用一个招聘的比喻引出逆向选择：你开出远低于市场的薪酬，收到的简历就会系统性偏向低于平均水平的求职者——自尊心强的人根本不会来申请。你不必画分布图也知道候选池被污染了。交易里同理：慢，就等于把你的订单暴露给比你知道得更多的人挑选。

放置被动订单时的速度：你挂 100 美元买单，就是公开宣告买入意愿；预期的卖家看得到你，你却不知道他手上有什么信息，而那个信息可能让你后悔。被动订单的补偿是赚价差，加上一些交易所给成交的被动订单发返还（回扣）。这里有个关键数字：据 Tradeworx 内部研究估算，2010 年全年，有流动性的股票（日交易额超 5000 万美元）被动订单的平均利润约为每股 -0.2 美分（假设进入市场一分钟内可无成本按中间价退出）。也就是说——没有流动性回扣，挂单本身是赔钱的。

速度在这里的作用是排队位置。作者用订单簿演示：如果你排在 100 美元队列前面，成交后最高买价仍是 100 美元（后面还有人），你算是低成本买到了；如果你排在成千上万手的最后面，等你成交时买盘已经被消耗殆尽，最高买价瞬时掉到 99.99 美元，你的成交价反而成了最高卖价——你买在了局部高点。Tradeworx 的实证研究给出量化结果：同一价格下，队列最前相对队列最后的盈利差约每股 1.7 美分。对照全部被动订单平均每股亏 0.2 美分，这个数字作者称为「令人惊讶」。

作者顺手驳斥了一种简化观点：持有超过 1 年的长期投资者不该在乎每股一两分钱。他说这「显然过于简单化」——养老基金交易量大，不顾及交易成本就是犯错误；但另一方面，达到顶级速度的成本巨大，也没被算进去。所以他把被动订单的速度需求写成三个变量的函数：（1）逆向选择指标；（2）交易量；（3）建立和维护顶级速度的成本。结论：投资者越少、投资时间越长，对高速要求越低；但对许多量化阿尔法策略和成熟的大型长期基金，交易量本身就迫使一部分订单必须快。他说这解释了 2007 年以来机构业务兴起的原因。

放置进取型订单时的速度：两种情形不同。进取型限价订单——你要在指定价格成交，别人可能抢先把这个价格吃光或改掉，价格会在你成交前消失。作者演示两个都想以 100.01 美元买 2000 股的交易者：先到的那个成交，后到的那个变成新的最高买单，此后只有三种结局：①以 100.01 成交但带着逆向选择偏差；②被迫追高成交；③根本不成交——无论哪种都不如第一个。市场订单——不用担心成不成，担心的是价格：一是慢单同样吃逆向选择（快单后面容易跟着别人的买单，慢单没有）；二是滑价，别人先成交把 100.01 吃掉，你就滑到 100.02。作者补了一层：趋势交易者抢第一位的意愿越强，滑价影响越大；用市场订单时预测越准，越可能朝预期方向运动，所以「交易理念」本身对执行质量至关重要。

取消被动订单时的速度：这是对延迟最敏感的一类。你挂 100 美元卖 2000 股，最低卖价 99.98，你只偏离最优价 2 美分，本以为小波动就能成交；但市场往往在最不合时宜的时候跑得飞快，你的高延迟订单会和所有慢订单一样被逆向选择。若能快速撤单并用更高价重挂，就能省钱；若有利好宏观消息推着价格上涨而你撤不掉，就会以本不该接受的低价卖出。单笔 2000 股差异不明显，但一年里反复吃这个亏，成本是巨大的。关于美国股市撤单速度的争论，作者推给第 16 章。

延迟根源之一：市场内外的传输#

从这里开始转向可控的延迟来源。第一个是拿到数据的时间和订单进场的时间。核心概念是匹配引擎（matching engine）——交易所用来打时间戳、排优先级、撮合买卖、播送成交数据的软件，装在数据中心的服务器上（通常每个交易所一个数据中心），而这些数据中心常出租物理空间。交易公司把自己的服务器与交易所匹配引擎并置，两者之间的连接叫交叉连接（cross-connect）；若不允许托管或托管太贵，退而求其次是主机托管 / 邻近主机（proximity hosting）。

量化这个差别的思想实验：把服务器放旧金山而不是纽约，光纤单程约 50 毫秒、往返约 100 毫秒；下单要「收数据→发订单」一个来回，所以多付出约 100 毫秒（处理时间假设可忽略，因为两地一样）。这 100 毫秒里能发生多少事？以 EBAY 为例，不同订单簿上会公布 0 到超过 40 条（99% 分位）信息。而且一天中流动性最强的时段就是信息量最大的时段，也正是敏感算法最密集活跃的时段——所以要盯 99% 分位而不是平均水平。作者还提醒：服务器不放数据中心而放自己办公楼，会缺电力、制冷（服务器发热极高）、网速和应急备份，所以大家都去托管；而托管的最佳位置就是离交易所最近的地方。

延迟根源之二：市场中心之间的传输#

同一个市场里，证券常在很多地方交易：美国股票有 13 个官方交易所，外加写作时约 60 个暗池。多点数据要聚成一个大数据集，交易所之间的连接可以想象成一张网（mesh），离数据中心越远，聚合越难。为什么要跨市场聚合？因为策略常跨金融工具类：纽约附近的做市商很想知道芝加哥的标普 E-mini 期货（ES）在干什么，因为 ES 会影响 SPY 和标普 500 成分股。作者在脚注里解释了 ES 影响 SPY 的原因：ES 是现存最大的美元合约——一是影响面广，二是习惯惰性（工具一旦成为既定敞口选择就倾向于留着），三是期货市场有结构性优势，税收更轻、杠杆更高；不过随着散户从主动型互助基金转向便宜的被动 ETF，这个缺口已经变窄。

金融领域最重要的两条长距离链路是芝加哥—纽约、纽约—伦敦。数据以光速传输，但必须通过介质；地球曲率和楼房、飞机、鸟这类物理障碍让数据无法在空气中「直线」跑数千英里。理论上纽约到芝加哥只需 4 毫秒，而当时商业上的单程低延迟是 7~8 毫秒。差距来自三处：①光纤靠玻璃传输，光在空气中的速度约为玻璃中的 1.3 倍；②路径迂回，两地之间没有一家直连的电信公司；③一小部分归因于硬件不理想。

于是有了 Spread Networks：沿着最直的路线租地买地（有时需要逢山开路），用钱能买到的最好设备，据报道雇了 126 组、每组 4 人的工作人员铺设一寸宽的线路，最终把传输距离缩短 100 多英里。服务立即售罄，客户须签多年合同，传言成本 1000 万美元；换来的是单程延迟降到 6.5 毫秒，比传统方案快 1 毫秒。竞争没有结束：Thesys 科技（Tradeworx 子公司）和 McKay Brothers 计划用微波（塔间传输）走近乎直线的路线，McKay 宣称单程约 4.5 毫秒，Thesys 期望降到 4.25 毫秒——因为微波在空气中比光子穿玻璃更快。但作者随即泼冷水：这场竞速看上去已接近尽头，微波方案因天气等原因不如受监测的专用光纤可靠，且能承载的信息量相对较小。

跨大西洋方向：纽约—伦敦长期使用 Global Crossing 的 AC-1 电缆，单程约 65 毫秒；Hibernia Atlantic 花约 3 亿美元铺新光缆，单程 59.6 毫秒，快约 5 毫秒，2012 年 5 月投用，据报道提前许多天就卖给了几个交易商。

延迟根源之三：建立订单簿与整合订单簿#

一个容易被忽略的事实：交易所发给交易者的不是订单簿，而是消息流（新订单、取消订单、成交订单）。把消息拼成订单簿是宽客自己的工作，而且极具挑战：要得到某一时刻的精确订单簿，必须从当天第一条消息开始，每一条都处理、不能丢；同时还必须快，否则产生延迟。作者直言速度与精确度之间的权衡「众所周知」很难，更糟的是虽有若干算法方案，但没有一个被认为是行业标准。最敏感的部分是时间标签——每个交易所的每条消息都有自己的时间标签，精确记录序列至关重要。

整合订单簿则是分散市场（如美国股市）的额外难题：多路信息流要并成一个统一订单簿，即便两个交易所各自的订单簿都精确，第 2 个交易所的延迟可能比第 1 个长，建统一簿时必须考虑，否则序列就错了。作者也提到有商业整合服务，但整合后的交易数据「包含本质上的延迟」，自己整合效果更好。

延迟根源之四：数据突发——本章最反直觉的一节#

作者说这是建立高速交易设备**最重要的（基本唯一的）**挑战：一天的信息并不是匀速到达的。

对照组是电话网络工程。交通工程专业的数学家研究电话网络时假设带宽消耗率在几分钟或几秒的区间内基本稳定，泊松分布（19 世纪法国统计学家提出）在那里是合理的——母亲节平均通话率极高，但仍可假定到达率固定、到达时间互相独立。交易不行：一个人的交易行为会影响别人（挂单和撤单过程尤其如此），导致正向循环，在人所认为的合理周期内，潜在信息率绝不是平稳的。作者的一句概括极精炼：1 秒内的平均信息到达率，所包含的 1 毫秒内到达率信息「微乎其微」。

数据来自 2012 年 7 月 20 日的 EBAY，按 1 秒→100 毫秒→10 毫秒→1 毫秒切片对比各分位点的信息数：

• 99% 分位：1 秒 259 条 → 按比例 100 毫秒该有约 26 条 → 实际只有 13 条（低于线性预期）。
• 99.99% 分位：1 秒 1755 条 → 100 毫秒该有约 176 条 → 实际 863 条，约为预期的 5 倍。
• 99.99% 分位，1 毫秒：线性预期 1755/1000 ≈ 1.755 条 → 实际 56 条。
• 即便拿 10 毫秒去推 1 毫秒，实际也约为计算值的 2 倍。

也就是说，越往尾部、时标越细，突发越猛，线性外推彻底失效。有人认为讨论 99.99% 分位没有意义，作者反驳：一天交易 6.5 小时约等于 2340 万毫秒，1% 的概率意味着一天有 23.4 万个观察值；一个「只」覆盖 99% 情形的系统，可能恰好丢掉最繁忙的那 23.4 万毫秒的数据。0.01% 是 2340 毫秒，本身也是很大的数目。他的总结是：分布尾部的 10 秒还算好看，尾部的 1 毫秒会极其异常。

为什么这是问题？因为你要在什么时标上响应，就必须能在大致同样的时标上处理到达率。只关心毫秒级响应，就得满足于毫秒级的理解与处理能力；关心 1 毫秒的十分位（许多高频交易者如此），就必须处理 1 毫秒十分位的到达率。雪上加霜的是日内周期性繁忙：收盘前最忙，开盘后次忙，其余相对平静；美联储利率消息等大新闻发布后同样出现数据突发。而能扛住突发的系统还得同时扛住交叉连接、网络交换、各交易所主机托管之间的连接、每个交易所的反馈数据处理等等——各自单看都好处理的突发，聚合起来就难以应对，正如把各交易所订单簿并成一个实时统一簿一样。

延迟根源之五：信号构建#

数据处理和分发好之后，对数据的反应要被正确构建和实施。作者把可实施的策略广义分两类：执行算法（第 7 章）和高频策略。复杂度差异极大——整天连续控制风险因素的高频策略明显比不考虑风险管理的阿尔法模型复杂得多；即便是日内阿尔法策略之间也差异极大。关键点在于：即使两个高频策略完全相同，计算同一信号往往有多种算法，而这些算法并不是一样快的。

例子是指数套利（作者注明：指数套利是对指数和其成分进行交易，SPY 只是举例）。你知道标普 500 由 500 只股票和 500 个权重构成，就能自下而上算出指数的估计值；若发现在剔除费用比率、ETF 与一篮子股票的结构差异等因素后，SPY 的实际交易值另有其数，理论上就可以买低估、卖空高估「免费获得收益」。当然，这份收益竞争者众多，所以你必须对谁低估、谁高估迅速做出判断——高速地比较 SPY 和一篮子股票非常重要，而解决这个比较问题的算法方案很多，计算速度并不相同。

作者在这里下了本章最锋利的一个判断：高频交易里很多策略「想法极其简单，计算极其简单，但要求极快的设备捕捉信息」。所以当出版商大谈「高级的、复杂的算法」时，他觉得极具讽刺——难点不是理解所做的事，而是做得有多快。

延迟根源之六：风险检查与「裸进入」#

发单前的最后一步，是把订单交给风险监管环节（在美国股票市场等）。按市场准入准则，经纪交易商有责任确保每笔交易：①在交易者的范围内；②不能出错；③遵守监管准则；并且风险检查软件应在经纪交易商的完全、独立控制之下。这条规则于 2011 年 7 月被采纳，作者说它是对高频交易的批评、以及对无规则下市场稳定性担忧的回应。发单前还要检查：交易者购买力是否足够？开放订单数量是否有效（会不会因一个错误导致过多开放订单）？单笔交易是否会因量太大而无法成交？

规则之前，多数经纪商本就照做，但少数大交易量交易商走的是裸进入（naked access）——经纪商若对客户自身的风控技术足够满意，就允许客户直连市场。为什么这很重要？因为经纪商提供的风险检查跑在经纪商的服务器上，订单必须先送到经纪商再进市场。这个「增加的一跳」（added hop，网络工程用语）从两方面加延迟：第一，多了一段服务器之间的连接；第二，经纪商的风控软件通常不如速度敏感型交易者自己写的——原因包括高频/量化公司相对经典经纪公司有更多优秀人才，以及目的不同：经纪商一般关心可扩展性，而不是高速。

这里的数量级对比很直观：痴迷速度的高频引擎希望主机从收到数据到做出响应（tick-to-trade）的延迟低至 10 微秒，他们不会对风险检查带来的额外 50 微秒感到满意。（存疑：原书此处把 10 微秒括注为「0.1 毫秒」，但 10 微秒应为 0.01 毫秒，括注与前值不一致，疑为原书或译本笔误；本篇按 10 微秒理解。）

结果是：一些高频公司在内部风控后直接发单给交易所；不是所有经纪商都接受，因为客户风控出问题最终是经纪商担责。但确有经纪商提供裸接入，这些公司多年来在速度上因此占优。随着市场准入准则颁布，证监会禁止了这种做法，交易者必须使用经纪交易商的风险检查——这反而驱使一些大型高频交易者自己扩建经纪交易公司，好付额外的监管费用、继续用自己的风控，同时也加剧了「谁能造出最快的商业风险检查」的竞争。写作时大约有 3 种顶级解决方案，其余远远落后；风险检查仍是高频交易者及其服务商聚焦的降延迟领域。

小结与作者的立场#

作者收尾时把话说得很直白。速度重要的原因随交易类型和策略而不同，但这件事「与其他行业的处境绝对没有任何不同」——只要在游戏规则内发展优势，有竞争性的玩家都会去做。他认为舆论对量化交易存在双重标准：人们对高频交易者不满，恰恰是因为后者已经把上述那些难题「难以置信地解决了」，从而获得了完全合法、合乎道德、公平的竞争优势。

他还提出一个讽刺性的类比（并预告第 16 章细谈）：低延迟交易像适度自由企业系统里的企业——承担风险并不意味着一定成功。无数高频交易者在基础设施上砸了大量时间和金钱却发现赚不到钱；更多人既付不起巨额投资也缺乏专业知识，于是面临「建还是买（build versus buy）」的问题。有公司兜售「封装在一个盒子里」（HFT-in-a-Box）的方案，宣称有好点子的策略家不需要别的就能落地——但很少有供应商能交付他们宣称的东西（作者说其他行业基本也这样），结局是当机会真正来临、交易活动如火如荼时，很少有供应商能交付真正的低延迟方案。Tradeworx 的 CTO 迈克·贝勒（Mike Beller）（作者致谢他对本章帮助很大）的一句话点睛：「责任心强的人会追求第 99 分位点的特征」（小结节，原文另指出只列平均值或平均值加标准差的人值得怀疑）。

对骑士资本集团（Knight Capital），作者的处理很有代表性。批评者拿 2012 年骑士濒临破产的经历证明高频交易导致市场不稳定；作者反过来说现实完全不同：骑士自己改了有问题的软件、自己犯了错，谁承担？骑士承担——它几乎倒闭，不得不留紧急资金求生。股东很难过，但这确实公平；散户、养老金和市场系统没有受到伤害。

最后一个数字是全章的价值锚：每股 0.1 美分（0.001 美元）是成功的美国股票市场高频交易者的期望利润率。为拿到它，交易者在极强竞争中承担资本与时间消耗的风险。对于打算持有头寸 1 年、换手 25% 甚至更多的交易者而言，作者认为高频交易增加了市场流动性，而每股 0.001 美元的对价「微不足道且相当公平」。然后他交棒给第 15 章：现在转向研究高频交易者使用的各种策略。

关于本章的表格：读者需要知道的一处缺口#

本章的论证大量依赖 11 张虚构订单簿演示表（表 14-1 至 14-11）。这些表格在可得的正文文本中只保留了表题、表格内的数据未能随正文一并呈现。好消息是作者的行文习惯是把每张表的关键读数写进正文（例如 100.01 美元卖 2000 股、100.00 美元买盘队列、EBAY 各分位点的具体条数），所以上文引用的数字都是正文里明确写出的，论证链条完整；但表格里逐档的价格/规模明细无法在此复原。读者若要逐档核对订单簿演示，请以纸质书或完整电子版的表 14-1~14-11 为准。

另需就地标一处存疑：脚注 3 写道「纽约是我们与美国股票市场连接的城市，与股票交易所相关的数据中心实际上大都驻扎在芝加哥」。这与正文反复用「纽约的数据中心 vs 芝加哥的 ES 期货」做对照的论证自相矛盾，疑为译本讹误。本篇按正文的用法理解（纽约方向 = 美股，芝加哥方向 = ES 期货）。