第15章　高频交易

本章位置：高速是设施，高频是策略#

第14章讲的是低延迟基础设施的重要性、组件和挑战；本章明确接住那条线索——这些设施主要服务于两种东西：高频交易程序，或自动化执行算法。本章只谈前者，即这些交易者用什么策略，以及策略如何与设施耦合。换句话说，高速（低延迟）是手段，高频交易是使用这套手段的一类玩法，两者不是同义词。

作者坦承高频交易策略没有公认的分类法，他自己提出四分：契约型做市、非契约型做市、套利、快速的阿尔法策略。章首题记引布莱尔·赫尔（2000年12月）：“如果老鼠已经在你的手上，那就为时已晚。“（章首题记）——为速度定调。

契约型做市：站在队列之外的那一方#

作者先从做市的本源讲起：两个客户在同一时点、同一价格、方向相反且数量相等地成交，概率极小。客户A要买2000股、客户B要卖5000股，多出的3000股要么等到日后（通常在对卖家不利的时点）成交，要么由一个中间商接下——接的唯一理由就是B想卖。做市商就是这个中间商，他因为”储藏风险”获得报酬。作者用分销商作类比：厂商不直接卖给零售客户，分销商买货囤货直到零售端需要。

契约型做市商（CMM）又叫”订单流内在化者”。它与经纪公司之间是法律关系：经纪商把零售订单流交给它，作为回报，它通常要①向经纪商付费（脚注指出这就是”为订单流支付费用”，争议长期存在，受益方常是经纪商而非客户，而且这个做法比高频交易出现得更早）；②完成客户发来的所有订单。

小单走”自动填充”：客户在网络经纪商下单买200股，无论现行最低卖价是多少，做市商都同意卖给他。关键在于，买单和做市商的卖单都没有进入交易所的限价订单簿——交易在场外发生，但参考场内的最优买价与最优卖价。作者点出这里的次序是反的：正常情况是订单簿里先有被动单，活跃单进来吃掉它；契约型做市这里，活跃单进来，做市商直接用交易所现行最优报价成交。它压根不用排队，也不用公布买卖报价。

为什么被动接单在这里不吃亏？第14章说过被动交易未必高回报，因为逆向选择。但零售订单流是”良性”的对手方：一堆小单，按单只名字累积起来的量很小，因此不太可能造成显著价格冲击——而价格冲击正是逆向选择的重要决定因素。

大单代理里的动机问题，与骑士资本#

大单则不同：契约型做市商一般有权作为客户代理，去市场上尽力完成。作者用一个订单簿设例演示这里的”有趣动态”：客户要买10000股，做市商依次在100.01美元买2000股（卖1）、100.02美元买4000股（卖2、卖3），此时6000股均价100.0167美元，再在100.03美元买3500股，最后500股也在100.03美元成交。前9500股大约把价格推高2~3美分。做市商既然知道客户的订单会推价，就有动力拖到买盘几乎耗尽再出手，把最后500股以很高的价格作为自己的存货卖给客户。若这10000股之后没有后续买盘，涨势可能立刻反转，做市商盈利退出，而最初挂低价卖单的交易者付出了代价。

于是激励是扭曲的：做市商有动机对前9500股故意使用低效率的执行策略，把价格推到最坏，好让自己在最后几百股上赚到”不可思议的高价”。

（存疑：原文此处的表15-1、表15-2 只有表题——“虚构的股票价格收报机的订单簿模型”及成交后的版本——表格本体在正文抽取中未随文出现，因此上面的档位数量只能依据正文叙述复原；另原文这段中译在”买/卖”用词上有反复，本文按”做市商代客户买入、最后自留500股高价卖给客户”的逻辑理解。）

交易所已经开始反击订单流内在化。作者给出一个真实事件：2012年8月骑士资本几近崩塌，是纽交所推出的”零售流动性程序”（RLP）的间接结果——RLP 意在让零售订单拿到最好的成交价而非历史上能得到的价格。骑士为适应这一市场结构变化改了自己的软件，新版本中的一个漏洞让它在半小时内走上破产之路。作者补了一个不是巧合的细节：骑士亏钱的约140只股票都是纽交所股票。但他同时指出，RLP 这类程序的目的并不是把契约型做市商赶出这行——迄今为止，一些程序最大的参与者恰恰就是契约型做市商本身。

契约型做市商为什么仍需要快？不是为了排队（头寸直接来自经纪商），而是为了：①对市场有精确、实时的估计，以便在合适价位完成订单；②快速退出头寸。零售对手方虽不算最糟，但零售参与者存在同向奔跑的真实风险（利好消息一出，很多客户都买），做市商就会被迫在反方向堆起大量头寸。不过作者明说：契约型做市商对速度的要求，并没有到下一节那类高频交易者的绝对同等水平。

非契约型做市：在公开簿上挂单，与逆向选择缠斗#

非契约型做市商（NCMM）在各交易所（尤其是”公开交易所”）的订单簿里挂买单和卖单。很多市场靠流动性回扣激励它们提供流动性；另一些市场活跃订单流足够良性，快的 NCMM 不要任何补偿也能赚钱。它通过被动单拿到头寸，之后是继续被动还是转为主动退出，取决于流动性回扣和市场走势。

依赖被动单，最大风险就是逆向选择。理想状态是挂单成交后迅速成为反向的另一面，赚到至少等于买卖价差的钱；或者随行情主动退出获利。作者把这概括为”低买高卖”的一个改写版本：“低买，速度极快并重复地以稍微高的价格卖出”（非契约型做市小节）。在缺乏短期趋势的常态下，这确实可行。

速度在这里有两重作用。第一，足够快本身就能规避逆向选择——第14章说过，排在第一位不是小成就。而在美国股市，大部分最优订单流已被契约型做市商或暗池内在化了，公开市场上 NCMM 主要是在跟专业投资者互动，而不是跟”危险的订单”互动。NCMM 通常也接入暗池，常先经暗池发单，付费利用优先流动性，再把其余订单发到公开市场。第二，必须快速拿到信息以躲开逆向选择：如果股指期货合约大幅反弹，大部分股票近期跟着大涨是大概率事件；拿不到期货行情的 NCMM 来不及撤单，就会在卖出交易上吃到逆向选择。

另一个核心挑战是库存：别人吃掉你的买卖单后留给你的头寸怎么处理。市场单边运行时尤其难受——NCMM 被留在趋势的对立面且头寸巨大。它有时不得不主动退出，即使这意味着跨越买卖价差、还要为流动性付费。另一条路是用紧密相关的反向头寸对冲：假想公司 UVW 与 XYZ 同行业、市值相近，走势大概率同向，那么被动买入 XYZ（多头）后，算法可以对 UVW 挂被动卖单或主动卖出，以对冲 XYZ 的大幅波动。

套利：结构性相关，以及”其实不全是无风险”#

套利之所以诱人是因为暗含无风险盈利，而无风险盈利显然难得。机会来自”结构性相关”——作者定义为”必须存在的相关关系”。跟踪标普500的工具彼此近乎完美相关：若标普500期货（ES）今天涨1%，而同样跟踪标普500的 SPY ETF 只涨0.6%，那就做空期货、做多 ETF，几乎锁定0.4%。二者跟踪同样500只股票，谁跑赢谁必定是交易中的暂时失衡：比如一笔买期货的大单突然进来推高期货，而 ETF 那边撤单或改价要花掉一小段时间——套利者就在这段时间里吃掉撤单慢的被动订单。

要算真正的套利，交易必须捕捉市场无效性：同一时点，同一价值在不同地点（交易所）或不同形式（ETF 与其成分股）上价格不同；卖出相对高估的、买入相对低估的，等价格收敛获利。

最常见的高频套利形式是指数套利：拿跟踪同一指数的两个工具比，或拿指数与其成分股比。设想一个期货跟踪由两个产品按50/50权重组成的指数——指数可以由期货直接定价，也可以由两个成分按权重间接定价；由于指数与成分往往在不同交易所各自交易，整体价格与按正确权重买入成分的合成价格会在短时间内出现偏差。

另一类是跨市场套利，只存在于分散化的市场结构中：同一金融产品在多家交易所交易，不同地点价格可能不同。美国股市在2007年颁布 Reg NMS（国家市场系统管理准则）试图解决此问题，但在其他一些市场，跨市场套利仍可能发生。

作者还指出一个特殊场景：当契约型做市商同时收到对同一工具的买单和卖单时，本身就存在套利——买单在现行最低卖价成交，卖单在现行最高买价成交（按定义买价低于卖价），它同时对两方各赚一头。为处理这种”极其明显的不平等”，一些经纪商开始要求：遇到方向相反且相匹配的订单时，契约型做市商必须以最优买价与最优卖价的中间价成交。

关于是否用被动单：速度重要是显然的——100美元钞票不会在大街上停留很久；能跨价差抓住机会就该跨。但偶尔视机会大小，被动单可以增厚收益：价差大、且交易所给流动性回扣时，用限价单做套利可能更赚。不过通常这些还是主动交易——以100%确定性拿下无风险套利，远好过为多赚一点而丢掉整个机会。

最后是一记诚实的补刀：并非所有高频套利都严格无风险。在更有效的市场（如美国股指与个股），两条腿常常不可能都成交，机会稍纵即逝，某一时刻只能完成一边。ETF 与期货的套利里，可能只成交了 ETF 一腿，剩下的是在赌两者的领先—落后关系，而期货在你锁定利润之前可能已经动了好几次。这仍是好策略，但就单笔交易而言胜率不一定更高。真正的无风险机会存在于弱有效市场。

快速的阿尔法策略：本质是第3章的策略，只是跑得快#

第四类是快速的阿尔法策略，作者说它本质上和第3章讨论的策略是同一种：主要用基于价格的信号——动量、均值反转、技术面情绪指标。为什么是价格类信号？回到第8章的数据类型：基本面变化不频繁，变了也要时间消化（多数超过1天）；而且多数基本面消息发布在流动性很弱的时段（盘后几小时或开盘前）。当然，令人吃惊的基本面数据确实会在日内对价格产生冲击，24小时交易的外汇市场尤其如此。增长型或价值型策略在日内兑现是极少数情况。所以快速阿尔法主要吃贯穿交易日高频变化的信息：价格、成交量、限价订单簿。有个副产品值得记住：因为基本面变化会带来高成交量，这些变化发生时高频交易者异常活跃——即便他们并不明确基于基本面交易。

与套利对照最能看清它的性质：套利靠结构相关工具之间的价差获利，快速阿尔法有时是从统计角度的价差获利。XYZ 与 UVW 同业、市值与基本面相似，多数时候同向；XYZ 偏离了，你有理由相信会收敛——但万一偏离恰恰源于两者开始去耦合的信息呢？作者引第10章美林证券（MER）与嘉信理财（SCHW）的例子：两者既有紧密相关的时段，也有完全不同的时段。没有结构性理由要求两个产品必须保持相关，所以这里建立的是暗含风险的统计关系。方向预测同理：某产品连续几秒创新高、之后下跌是个不错的机会，但这仍是偶然事件——过去表现与未来表现之间并没有支撑收益持续的结构关系。

执行上分被动与主动两种。一些快速阿尔法很被动，比如日内统计套利——从被动提供流动性这个意义上，可算 NCMM 的近亲，但逆向选择问题也许更小。日内动量也能被动做：取消与现行趋势反向的被动单，用顺趋势方向的挂单拿头寸。这类订单最不容易成交，因为它们要捕捉趋势中的小回撤；趋势逆转时逆向选择尤其严重。所以速度的必要性有两个来源：把被动单放到队列顶部，以及及时取消陈腐的被动单。

更多时候，日内趋势跟随是主动实施的，而这极具挑战：市场冲击和滑价直接侵蚀策略本体。工具在极短时间内下跌，快的趋势策略自然想立刻拿到它（或紧密相关的产品）；任何处理数据和回传订单的延迟都不利，因为”市场不会等着一个慢的交易者弄清楚如何去做”，趋势会从他身边溜走，形成大额滑价。而且趋势跟随天然是在已经涨过（或跌过）之后买入（或卖出），市场冲击成本也可能更严重。正因如此，日内趋势跟随不如均值反转常见，且对低延迟要求更高。

风险管理与组合构建：为什么不用风险因子模型#

高频交易的风险管理与较慢的交易不同，即便策略主题相似。第一层理由是延迟：风险因子、交易成本模型、优化的各种输入都要吃掉宝贵的计算时间，拖慢阿尔法的执行。第二层理由是这些因子在日内根本不适用：长期交易者关心”规模因子”（本质是市值）敞口，不想在多小盘、空大盘上有偏见；日内交易没有这种区别，因为风险因子的表现方式在短期日内不会发生。换个角度说，相对长期而言短期的统计相关意义很弱——虽然异常（主要由流动性驱动）情况很重要。

作者更进一步：风险因子模型对四类里的三类都有深层次问题。套利按设计多空两边本质上是同一工具，常见因子敞口没有差别，套利者真正要确保的是多空价差的临时偏离不会把他做爆；两类做市商的目标是尽快清掉库存，而不是操心风险敞口。

因此高频的通行做法是控制少数几个易于计算的量：单一收报机的最大订单数、单一产品的最大累计头寸规模、最大累计组合规模、单一产品的最大挂单数——都是几乎不增加延迟的简单检查。触及预设止损则自动停止交易。许多人还通过限制净多头、净空头百分比来控制方向敞口。

但大部分高频策略更在意的是”价格反转之前对冲掉另一条腿的速度”。套利者看到买标普500、空相关股票的一点小机会，两条腿很可能不能精确同时完成；完成一条腿后，他实际上就是在对股市方向下了个简单的方向判断。只有第二条腿也完成，这笔交易才成为无风险套利；若第二条腿迟迟不成而市场跑向第一条腿的对立面，机会消失还是轻的，赔钱很容易。这就是滞后风险（legging risk），也是许多高频交易者着力管理的东西。

组合构建同样两样。套利最明显：有无风险收益就该做市场允许的最大规模。两类做市商很少能控制自己的被动单被主动方吃掉多少，所以归结为分散风险、限制最大累计库存（因为库存不久就必须分配出去）。快速阿尔法没有通行标准，但倾向于用第6章的简单办法——等权重，或按期望收益加权；协方差和波动性很少纳入，做优化甚至解释风险和交易成本模型几乎没有意义，因为它们都在增加做出交易的时间——简化策略计算过程（第14章）本身就是降低延迟的重要方式。

最反直觉的一点在这一节收尾：高频交易者主动交易时经常不考虑自己策略中的交易成本。看似自相矛盾——交易成本模型不是该帮你更聪明地交易吗？作者的解释是：其他投资者付出的交易成本（买卖价差，以及承担流动性的费用）经常正是许多高频交易者阿尔法的主要来源。所以交易成本的经典定义在这里常常是错的：对他们而言那是获利的来源。被动型高频显然欢迎别人尽可能频繁地交易，但这不在他们控制之内——他们没法让别人主动交易。而主动型高频策略必须像其他投资者一样克服交易成本，却没有长期持有头寸的好处；在几分钟这种极短时间里，并没有太多机会靠持有头寸来覆盖交易成本。因此高频交易者倾向于把佣金、管理费、税收，连同提供或利用流动性、扣掉市场冲击与滑价之后的经济账，一起算清楚。

小结里的作者自陈#

作者在小结里指出高频策略与第3章阿尔法策略有显著不同：私下里许多高频参与者会告诉你，他们根本不考虑阿尔法；即便考虑，阿尔法也是技术面关注的最佳备选，主要风险是失去速度优势。当你看到这两类策略被使用、且因为速度慢而受罚（第14章），原因就清楚了。他给出的最终图景很朴素：标普500应该和跟踪它的每一个产品同值，即”标普500=标普500”；偶尔可以在偏差存在的短暂瞬间获利。特别地，这是一个技术问题——由技术驱动的高频策略，与由”更好的预测未来的方法”驱动的策略同样重要。