高频交易是否对市场造成了负面影响？

论坛 › 期权论坛 › 期权

 真格量化  2019-11-7 19:25  3643  0

高频交易对市场影响的实证研究是近年的热门研究方向，主要有两方面的原因，一是实证研究所需的合适数据正在不断积累，二是随着大数据和机器学习等研究方法的进步，研究者可以更容易地在理论上推陈出新。已有的学术文献主要集中于流动性、价格发现过程和波动率的一些测度方法，少数将市场作为一个整体，研究高频交易对市场完整性造成的风险。

对市场中高频交易活动影响的分析主要面临两个问题：首先，由于交易环境是动态变化的，且受到竞争、结构改变等多种因素的持续影响，因此，要将高频交易的影响从这些因素中分解出来是困难的；其次，高频交易采用很多不同的策略，每一种策略对市场都有不同的影响。尽管如此，学界和业界还是得出了一些初步的结论。

（一）高频交易在提高市场流动性和定价效率的同时，也加快了价格冲击的跨市场传播

近年来，高频交易对市场的完整性及有效性产生了一定的影响，引起了业界和学术界的广泛兴趣。学术研究、传闻类证据和IOSCO（国际证券委员会组织）圆桌会议都表明，高频交易采用的一些策略给市场提供了流动性，例如，套利类的高频交易通过运用算法来识别和探测市场间的价差，从而使不同市场间的定价趋于一致。但也有一些市场参与者表示，高频交易者的存在，打击了他们参与市场的积极性，因为他们觉得与高频交易卓越的技术优势相比，他们具有内在的劣势，需要改变自己惯常的交易策略。

另一个值得关注的是，越来越多的交易者采用程序化的量化交易策略，可能导致价格冲击在相同产品的交易间甚至是不同产品的跨市场交易中传播。影响的程度取决于个体投资者的算法是如何编程的，以及他们在市场条件下如何应对变化。例如，互相连通的市场间，一个跨市场的基差可能会由于算法编程的运用而扩大，可以使一个市场的冲击迅速传递到另一个市场，这无形中可能增加了系统性风险的传播速度。

（二）多数时候高频交易对价格发现有正面影响

在过去十年，监管改革和技术发展使证券市场的复杂性持续增加。交易场所的数量快速增加（由此增加了市场的分割程度），使得投资者需要采用适当的技术在多个市场中进行搜寻从而发现流动性。在北美和欧洲，跨多个市场的流动性和复杂程度已经到了前所未有的程度。一些交易者由于对市场信息解读的速度提高，市场交易的速度也快速提高。高频交易和算法交易在上述发展以及在新的交易环境中所起的作用还有一些争议。

一些实证研究表明，高频交易在价格发现中起到积极的作用。在一个分割的市场中，高频交易对跨市场价格发现有重要的贡献。

高频交易公司对新的市场信息快速反应，并且将这些信息尽可能快地反映在他们的报价和指令中。这些公司交易时往往没有采用基本面研究分析而是基于市场信息（包括动态的指令薄）。

但也有些学者认为，在一个极短的时期内，高速、高交易量的高频交易策略，可能会使市场价格偏离短期的基本价值并损害公开和透明市场的价格发现机制。但到目前为止，有限的实证研究并没有明确地表明高频交易对价格发现过程的效率有负面影响。

（三）高频交易在正常市场中提供流动性，但在非正常市场中的快速撤离，可能加剧流动性短缺

流动性是一个效率市场的重要质量指标。流动性是指在任何时候，以较低成本快速成交大规模头寸的能力。

研究者可以从多个角度测量流动性，包括瞬间的隐含交易成本、交易订单簿的深度等。买卖价差小、高换手速度、持续大量的市场深度，都是传统的与市场流动性正相关的测度指标。高频交易的策略往往要求市场交易有足够的流动性，从而能够快速进出市场，这是高频交易限制其头寸暴露在市场风险中的关键要求。

到目前为止，还没有找到高频交易对市场流动性有一致连续的负面影响的证据。一些市场参与者相信，高频交易在今天的市场中提供了显著的流动性。同时，算法交易和高频交易的出现伴随着平均交易规模的显著下降，小的报单能够凭借速度获得更优的买卖价格。结果是，需要交易大头寸的投资者有时很难在透明的市场中完成交易, 需要改变其下单的策略。

高频交易影响的结果是，有能力的机构投资者应用算法交易来完成大头寸的交易，否则将受到高频交易者的负面影响。然而，高频交易如何改变平均交易规模的因果关系还未知。很难判断是高频交易的操作改变了市场的交易结构还是因为市场分割导致参与者将指令分割成一个个小的指令包并把这些指令包发送到不同的市场进行成交。

也一些市场参与者提出质疑，高频交易者是否能为市场持续提供了流动性——例如，高频交易公司在市场波动激烈的情况下是否继续提供流动性，是否会撤离市场。2010年5月6日的闪电式下跌事件表明，高频交易公司没有触发下跌，但随着他们的快速撤离，加剧了市场流动性短缺。在SEC和CFTC联合顾问委员会的报告中已经提及这一影响。研究者关注的重点是：高频交易公司采用快速和自动执行的算法可能在市场波动放大时进一步助推短期内的波动率提高。例如，在某些情况下，通过一个错误的算法执行可能引起大量的非期望的买或卖，这种现象可能被某些投资者因为无法迅速解释市场上流动性和波动率变化而被放大。

整体而言，还没有证据表明高频交易对市场造成了明显的负面影响。随着中国市场高频交易者比例不断提高，投资者也需要了解其对市场的影响，来调整自己的策略去适应市场的变化。

— — — — — — E N D — — — — — —

真格量化可访问：
https://quant.pobo.net.cn

真格量化微信公众号，长按关注：

遇到了技术问题？欢迎加入真格量化Python技术交流QQ群 726895887

往期文章：
Numpy处理tick级别数据技巧
真正赚钱的期权策略曲线是这样的
多品种历史波动率计算
如何实现全市场自动盯盘
AI是怎样看懂研报的
真格量化策略debug秘籍
真格量化对接实盘交易
常见高频交易策略简介

如何用撤单函数改进套利成交

Deque提高处理队列效率

策略编程选Python还是C++

如何用Python继承机制节约代码量

十大机器学习算法
如何调用策略附件数据

如何使用智能单

如何扫描全市场跨月价差

如何筛选策略最适合的品种

活用订单类型规避频繁撤单风险

真格量化回测撮合机制简介

如何调用外部数据

如何处理回测与实盘差别

如何利用趋势必然终结获利

常见量化策略介绍

期权交易“七宗罪”

波动率交易介绍

推高波动率的因素

波动率的预测之道

趋势交易面临挑战
如何构建知识图谱
机器学习就是现代统计学

AI技术在金融行业的应用

如何避免模型过拟合

低延迟交易介绍

架构设计中的编程范式

交易所视角下的套利指令撮合

距离概念与特征识别

气象风险与天气衍生品

设计量化策略的七个“大坑”

云计算在金融行业的应用

机器学习模型评估方法
真格量化制作期权HV-IV价差
另类数据介绍

TensorFlow中的Tensor是什么？

机器学习的经验之谈

用yfinance调用雅虎财经数据

容器技术如何改进交易系统
Python调用C++
如何选择数据库代理
统计套利揭秘

[h1]一个Call搅动市场？让我们温习一下波动率策略[/h1][h1]如何用真格量化设计持仓排名跟踪策略[/h1][h1]还不理解真格量化API设计？我们不妨参考一下CTP平台[/h1][h1]理解同步、异步、阻塞与非阻塞[/h1][h1]隐波相关系数和偏度——高维风险的守望者[/h1]Delta中性还不够？——看看如何设计Gamma中性期权策略

[h1]Python的多线程和多进程——从一个爬虫任务谈起[/h1]线程与进程的区别
 皮尔逊相关系数与历史K线匹配

Python2和Python3的兼容写法
 Python代码优化技巧

理解Python的上下文管理器

如何写出更好的Python代码？这是Python软件基金会的建议
评估程序化模型时我们容易忽视的指标

看看如何定位Python程序性能瓶颈

什么是Python的GIL

投资研究中的大数据分析趋势及应用

理解CTP中的回调函数

如何围绕隐含波动率设计期权交易策略
看看如何用Python进行英文文本的情感分析
算法交易的分类

Python编码的最佳实践总结

什么是波动率锥？如何用波动率锥设计期权策略？
期权的波动率策略与时间价值收集策略对比

期权用于套期保值和无风险套利

隐含波动率对期权策略的影响

卖出期权交易的风险管理原则和技巧
期权交易中的“大头针”风险
期权做市商策略简介

精细化您的交易——交易成本评估与交易执行策略
海外市场交易执行策略的实践
设计期权套期保值方案时应注意的问题
美式期权、欧式期权比较分析——定价与风险管理
构建您的AI时代武器库——常用的机器学习相关Python库
期权波动率“微笑曲线”之谜
运算任务愈发繁重，如何加速Python程序运行？
证券市场微观结构理论模型是什么

是瞬间成交还是漫长等待？——如何衡量市场流动性
波动率指数及其衍生品介绍

Python的异常处理技巧

Python中的阻塞、异步与协程

"香草"之外的更多选择——几种常见的路径依赖奇异期权
什么是CTP？——了解上期所CTP快速交易系统
了解季节性——以谷物和油籽为例
是前因还是后果?——在真格量化中进行格兰杰因果检验

Python导入模块的技巧
Python程序员常犯的十个错误

搜索数据泄露天机？——舆情指数与期货行情关联性分析思路

机器学习常见算法分类汇总

如何使用Data Pipeline 自动化数据处理工作？
CTP API的委托介绍和在真格量化中的订单流控制
高频交易对市场的影响
期货行情及其组织形式——以上期所为例
理解并行与并发
郑商所和大商所套利指令及在真格量化的实现
机器学习用于金融市场预测面临的挑战
高频交易中风险控制的常用措施
查询结果偏离预期？来了解CTP的报单函数及委托状态查询
Python中的ftplib模块

理解真格量化的Python编程范式
需要处理大量市场数据？来了解一下MySQL、HBase、ES的特点和应用场景

NumPy中的ndarray与Pandas的Series和DataFrame之间的区别与转换
Python中的scikit-learn机器学习功能库
什么是程序设计中的高内聚、低耦合？
Python的内存管理与垃圾回收机制
云服务中的容器技术
什么是“面向对象”程序设计-以Python为例
波动率介绍及其在资产定价中的应用
发现策略中的孪生兄弟——期权交易中的等价或相似策略解析

如何利用期权改进指数投资表现——借鉴海外市场经验
如何用期权进行“哑铃型”资产配置——“90/10”策略介绍
国外著名商品指数编制方法比较
FPGA技术在金融行业的应用——以沪深行情加速为例
美国市场对部分高频交易行为的监管

报价驱动制度与指令驱动制度比较
理解动量投资策略和逆向投资策略——通过行为金融学视角

期权做市商面临的风险及其对做市业务的影响

商品期权在现货企业中的应用
期权进行套期保值的优势与策略分类

COT报告揭秘——如何解读CFTC的持仓报告
什么是“零拷贝”技术

跨市场套利——策略简介与风险因素
什么是期权市场的PCR指标？
量化交易的频谱分析与策略搭配规律

资产价格与波动率的关系

基本面量化与美林时钟模型

常见的价差交易策略介绍

回复

分享到 :

0 人收藏

6级职业

积分:870

帖子:180

精华:0

+ 关注私信

期权论坛

期权论坛

期权网络科技版权所有: 关于我们; 联系我们; 加入我们; 反馈问题; 免责声明; 积分充值

统一社会信用代码: 积分规则; 网站地图; 爱文库; 下属网站

官方: 新浪微博; 微信公众号
◆

下载: 表情包; App下载

期权论坛

期权论坛

QQ咨询|关于我们|Archiver|手机版|小黑屋|( 辽ICP备15012455号-4 ) Powered by 期权论坛 X3.2 © 2001-2016 期权工具网&期权论坛 Inc.