美国市场对部分高频交易行为的监管

论坛 › 期权论坛 › 期权

 真格量化  2019-10-16 09:32  8290  0

随着中国市场量化交易比例逐步提高，许多投资者开始研发高频交易策略。监管机构对高频交易的监管措施也在逐步规范。我们可以通过了解美国市场对高频交易的监管措施来大致预估中国市场对高频交易的监管方向。

根据美国学界的观点，高频交易行为可以分为三类。

第一类是合法且公平的高频交易行为，这种行为有助于增加市场的流动性，有利于各市场参与者的利益，被美国监管机构所允许和支持。

第二类行为称为掠夺式高频交易(predatory high-frequency trading)，即高频交易者利用信息和技术优势，早于市场上的一般投资者获知信息并更快速地进行交易，包括许多付费的高速信息专线、交易所主机托管等。一些监管者认为此种行为在获利的同时损害了其他交易者的利益，属于不公平的交易行为，其中一些行为被美国监管机构限制，但大多数并未受到禁止。

第三类行为属于利用高频交易技术进行的操纵市场行为，表现为高频交易者运用自身的技术故意制造虚假的、误导性的标的价格表现，引诱其他交易者做出错误的交易决定。由于涉及操纵市场，此种行为显然违背了公平原则，被美国法律所禁止。本研究将重点介绍美国市场对第三类高频交易行为的认定和相关监管措施。

美国监管机构认为利用高频交易操纵市场的违法性并无争议。其与传统市场操纵行为的本质并无差别，只是运用的技术手段有所差异。可以说，程序化交易和高频交易的出现和发展，为违法者操纵股价、侵害投资者利益提供了便利。具体来说，违法者常使用报价触发策略、电子欺骗、塞单等方式操纵市场。

1. 报价触发策略(Order Triggering)
报价触发策略是指操纵者突然大量地进行某一标的的交易，制造市场假象，引诱其他交易者随之进行交易，并随后进行相反的交易来获利，这是操纵市场最常见的模式。例如，操纵者下达一个足以拉低标的价格的卖空订单。其他交易者看到价格下跌，认为是市场上有人知道内幕消息所致，就跟随操纵者卖出该标的，使得其价格进一步拉低。随后，操纵者以低价买回这部分标的，以此获利。此种市场操纵方式对于高频交易者的特殊性在于，高频交易者可以运用计算机算法和程序发现能够获得最大利益的交易时机。

2.幌骗(spoofing)

根据美国《商品交易法》4c(a)(5)(c)条的定义，“幌骗” 是指不以成交为目的的报撤单。这一策略的实现很大程度上依赖于高频交易技术能够在以毫秒为单位的时间里迅速报撤单的特点。高频交易者会同时在市场上下达两笔方向相反，数量不同的订单，其中数量大的一笔足以影响到标的价格，被用来扰乱市场，欺骗其他投资者，数量较小的一笔则反映其真实的交易意图。例如，高频交易者同时对一个标的下达大量高价买单，和很少数量的卖单。当标的的市场价格被抬高后，高频交易者立即撤销买单，使其无法被执行，并在被抬高的价格下执行卖单，以此获利。由于交易速度极快，高频交易者可以不间断地实施这一策略，给其他投资者带来持续的损害。

3. 塞单(quote stuffing)

塞单是指高频交易者利用其高速交易程序，在不到一秒钟的时间内发出数量巨大的标的的买单和卖单，随后立即撤单。大量的订单会超过交易所服务器的承受能力，交易速度和信息传输的速度随之降低。在这种策略下，价格信息传递的速度降低，其他交易者获得的市场信息不再是实时信息，不再具有可信度。高频交易者接下来就可以利用这种信息不对称，进行与获取了滞后信息的交易者相反的交易，由此获利。

除了对监管违规高频交易行为进行立法，为发现上述的市场操纵行为，美国证监会在2016年通过了建立综合审计追踪(ConsolidatedAudit Trail，以下简称CAT)系统的计划。在这一系统下，包括证券交易所等在内的自律监管组织(Self-RegulatoryOrganization, SRO)必须在每个交易日的8:00之前，对上一交易日所有订单从发出到执行或撤销的全部动态进行上报。虽然自律监管组织只被要求以交易日为单位上报交易信息，并没有使证监会真正获得实时的交易信息，但是相对于之前信息完全不透明的情况，美国证监会已可以相对及时全面地跟踪和监控美国股票市场上的交易行为，更加有效地进行相关研究、识别和调查违法行为，这对高频交易的监管起到了一定作用。

另外，美国证监会还使用了市场信息数据分析系统(Market Information Data AnalyticsSystem, 以下简称MIDAS)，用以获取更详细的股票交易信息。MIDAS可以收集全美13个交易所的股票交易数据，获得每一笔股票交易订单的报单、撤单、执行信息，交易信息的时间可以精确到微秒，尤其适用于对高频交易行为实施监管和分析。

— — — — — — 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

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.