报价驱动制度与指令驱动制度比较

论坛 › 期权论坛 › 期权

 真格量化  2019-10-17 09:09  3554  0

20世纪80年代以来，随着电子信息技术的快速发展，全球金融市场的交易机制也发生了巨大的变化。目前，全球大多数的证券交易所都已经全部或部分采用了指令驱动式(Order Driven)交易方式。与传统的报价驱动式(Quote Driven)交易方式不同，指令驱动市场中的流动性并非由做市商提供，而是由投资者提交的限价指令(LimitOrder)提供。那么什么是"报价驱动",什么是"指令驱动",我们来简单做个介绍。

1、报价驱动是指依赖做市商（market maker）来完成买卖。

在报价驱动方式下，证券交易的买价和卖价均由做市商给出，买卖双方不直接配对成交，而是从做市商手中买进或卖出证券。做市商根据市场买卖力量和自身情况进行证券双向报价，并在其所报价位上接受投资者的买卖要求，以其自有资金或证券与投资者交易。
做市商制度

做市商又称为造市者，指金融市场上的一些独立的证券交易商，为投资者承担某一只证券的买进和卖出（例如，传统交易是由一个专家处理几百家上市公司股票交易，而做市商制度是多对一的关系，即一组做市商为一个上市公司服务），买卖双方不需等待交易对手出现，只要有做市商出面承担交易对手方即可达成交易（就是说，做市商制度的优点是能够保证证券市场的流动性，不会出现买卖双力不均衡如只有买方或卖方而无法交易）。在美国纽约证券交易所市场称作“专家”( Specialist），在香港证券市场被称作“庄家”。

完全的做市商制度有两个重要特点：第一，所有客户定单都必须由做市商用自己的帐户买进卖出，客户与客户定单之间不直接进行交易；第二，做市商必须事先报出买卖价格，而投资人在看到报价后才能下达交易委托。

2、竞价交易制度：与“报价驱动”的做市商制度相对的是“指令驱动”的竞价交易制度，例如连续竞价交易制度（投资者通过网络，把买卖指令传输到交易所，交易所的电脑主机根据时间优先、价格优先的原则，将买卖指令撮合成交，形成连续的成交价格。

根据这种交易方式下价格的形成机理，又可以叫做指令驱动制度，海外市场在100年前还没有计算机的年代，就是通过交易员在交易池中，以公开喊价的方式来撮合买卖指令）和集合交易制度（由投资者按照自己所能接受的心理价格自由地进行买卖申报，电脑交易主机系统对全部有效委托进行一次集中撮合处理过程，在集合竞价时间内的有效委托报单未成交，则自动有效进入连续竞价）。

在指令驱动制度下，市场价格通过投资者下达的买卖指令驱动并通过竞价配对而产生。竞价配对方式可以是传统的公开喊价方式，也可以是计算机自动撮合方式。竞价市场的基本特征是，证券交易价格的形成是由买卖双方直接决定的，投资者交易的对象大多数时候是不确定的其他投资者，而不是做市商。买卖指令的流量是推动市场运行和价格形成的根本动力。目前国内两大证券交易所和五家期货交易所均采用此交易制度。

3、报价驱动与指令驱动的比较：

（1）指令驱动机制中的开盘与随后的交易价格均是竞价形成的。以中国期货市场为例，所有投资者买卖指令都汇集到交易所的主机中，主机自动让价格相同的买卖单成交，开盘价是在集合竞价阶段同时满足以下三个条件的基准价格，首先是成交量最大，其次是高于基准价格的买入申报和低于基准价格的卖出申报全部成交，再次是与基准价格相同的买方或卖方申报至少有一方全部成交。成交价格是在交易系统内部生成的。

以大商所为例，开盘价由集合竞价产生，在某品种某月份合约每一交易日开市前5分钟内进行，其中前4分钟为期货、期权合约买、卖指令申报时间，后1分钟为集合竞价撮合时间。集合竞价未产生价格的，以集合竞价后第一笔成交价格为开盘价。

在大商所的集合竞价过程中，交易所系统只支持无特殊属性的基本限价单、无特殊属性的市价单、止损（盈）单、限价止损（盈）单，但只有无特殊属性的基本限价单和无特殊属性的市价单参与集合竞价撮合，止损（盈）单和限价止损（盈）单却不参与集合竞价撮合。这也就是说，止损（盈）单、限价止损（盈）单、套利定单以及具有特殊属性的FOK、FAK基本限价单和市价单均不可参与集合竞价交易。

开盘之后，则进行连续竞价交易。连续竞价遵循总的原则是：价格优先，时间优先。

而报价驱动机制中，证券的开盘价格和随后的交易价格是由做市商报出的，成交价格是从交易系统外部输入的。

（2）报价驱动制度能够有效处理大额买卖指令；而在指令驱动制度中，大额买卖指令要等待交易对手的买卖盘，对于交易不够活跃的品种，完成交易常常要等待较长时间。所以对于需要改进流动性的市场，例如场内期权市场，交易所也会招募做市商。

（3）交易成本不同。在不同的交易机制下，投资者的交易成本不同。在指令驱动市场上，交易标的的价格是单一的，投资者的交易成本仅仅是付给经纪人的手续费。在报价驱动市场中，同时存在着两种市场报价：卖出价格(ask price)与买入价格(bid price)，而两者之间的价差则是做市商的利润，是做市商提供“即时性服务”所索取的合理报酬。而投资者需要负担额外的交易成本---价差。

4、与大部分主板市场（上海、深圳证券交易所）都采用集合竞价方式相对应；大部分创业板市场（即二板市场，中小板也是二板市场）都采用了做市商制度，报价驱动机制。

除了报价驱动和指令驱动，金融市场上还存在“询价交易”。

询价交易方式又称柜台交易方式，OTC方式，例如，银行间外汇市场交易主体以双边授信为基础，通过自主双边询价、双边清算进行的即期外汇交易，这与报价驱动、指令驱动的交易方式都有区别。

— — — — — — 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

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.