文|创瞰巴黎 Jean Zeid

编辑|Meister Xia

导读

高频交易作为量化投资的重要方法，在如今的股票市场，正越来越受到广大的机构投资者的关注。拥有高频交易的机构或者投资者，比还在采用传统低频交易的投资者获取收益的稳定性和回报率明显要高很多，那么究竟什么是高频交易？怎样才能实现高频交易？高频交易在获利的同时又承担着怎样的风险？人工智能会在未来发挥作用吗？

一览：

• 高频交易是指在极短的时间范围内，在金融市场上发出买入和卖出指令。
• 高频交易是算法驱动的自动交易，能够针对市场事件做出非常迅速的反应。
• 股市约有三分之二的交易都是高频交易。
• 当交易规模较大时，风险反而较小，因为高频交易主要以极快的反应速度取胜。
• 高频交易可能会因算法出错或黑客攻击而导致股市崩盘。

Hi! PARIS是由巴黎综合理工大学和巴黎高等商学院（HEC Paris）新成立的中心，主要负责科学、商业和社会领域的数据分析以及人工智能发展。近期，法国国家信息与自动化研究所（Centre Inria de Saclay, Inria）加入了该中心。

01 什么是高频交易？

答：高频交易是指在极短的时间范围内，针对市场上的某些突发状况，通过买卖差价而获利的交易策略。例如，当美联储宣布降息时，高频交易员会在消息出来的瞬间迅速下单。

02 谁是高频交易背后的“神秘人”？

答：很显然，人类无法在这么短的时间内做出反应。高频交易主要有两大特点：首先，它是计算机自动完成的交易，需要算法驱动；其次，它必须针对宏观经济政策或价格变动等市场突发状况做出极其迅速的反应。

03 能否为我们简述一下证券交易所自动化的背景？

答：多年来，人们每每想到证券交易所，脑海中都会浮现出交易员在交易大厅中公开喊价的场景。然而，自1986年开始，交易所便开始安装计算机辅助交易系统，以取代传统的大厅场内交易。对各大交易所而言，自动化过程始于20世纪60年代末，到90年代初期，股票交易流程的自动化已基本完成。在此过程中，算法交易和高频交易也应运而生。

04 高频交易占比多少？

答：预估表明，股票市场上约有三分之二的交易都是高频交易。这一比例可能看起来很高，但大家无需为此惊叹。以超市为例，尽管超市贡献了大量的商品交易额，但归根结底它只是个媒介。高频交易员并非证券的最终持有人，而是委托人，在很短的时间内对证券代为管理。

05 在高频交易的背后，人类扮演着什么角色？

答：诚然，人类的角色已经发生了重大改变。那些口头下单的交易员如今只存在于电影之中，取而代之的，是大量的计算机和算法。算法背后的主力军是计算机科学家，由专业的高频交易公司负责招募。这些科学家十分擅长编写交易编码，能够不断优化算法的响应速度，以形成竞争优势。

06 算法能否完全取代人类？

答：高频交易需要有正确策略的算法来驱动，而市场本身也掌握着这些正确的策略，只不过其反应时间要滞后很多。因此，优化市场响应速度至关重要：毋庸置疑，响应时间最短的交易员能够抢占市场先机。算法的开发需要非常具体的技能，通常需要拥有计算机科学背景的人才。在经济领域中，当属金融市场与大数据的联系最为紧密，毕竟，金融市场上的每一笔订单、每一次交易都会产生大量的数据。而交易所的数据源也会成为重要的市场洞见来源。各参与方需要投资大量的人力和物力，通过不断学习数据来优化算法。

从资本的角度考量，你我这样的投资者在进行相关投资决策时，根本没有足够的资源去获取类似的洞见。高频投资的原则是在每次交易中获得适度的利润。虽然每笔收益率很低，但因为交易量巨大，因此总体收益稳定。当交易规模较大时，风险反而较小，因为高频交易主要以极快的反应速度取胜，采用的是众所周知的策略，不可预测的部分基本已经降到最低。因此，高频交易公司在过去十年中迅速扩张。不过，近几年的利润相较之前低了很多。

07 算法驱动的计算机交易存在风险吗？

答：历史上曾经发生过几次崩盘都直接或间接跟算法有关。以2010年美国股市历时30多分钟的闪崩事件为例，高频交易虽然不是股市崩盘的始作俑者，但高频交易系统的停止进一步加剧了相关损失。此外，和其他算法一样，高频交易算法也有可能存在设计上的缺陷，以及始料未及的错误。2012年，美国大型交易公司和四大高频交易运营商之一的骑士资本（Knight Capital）因算法出错而损失4.4亿美元，一度几近破产。

08 计算机交易还存在其他风险因素吗？

答：人们现在仍对平台或算法运营商入侵的风险避而不谈。然而，恶意黑客攻击和恐怖打击都可能会严重破坏市场的稳定。

09 人工智能会在未来发挥作用吗？

答：交易行业迟早有一天会使用这些工具。可以看到，电商等领域对人工智能工具的使用已经引发了一些思考。例如，英国和美国的监管机构指出，算法之间存在着“串通”。亚马逊的定价算法就基于一种自发性学习机制，它们不仅能为产品进行重新定价，还会想方设法找出最具竞争力的价格。即便算法自身并不包含这一明确代码，但它们也会从经验中学习，以隐蔽的方式实现利润最大化。

“优化市场响应速度至关重要：毋庸置疑，响应时间最短的交易员能够抢占市场先机。”

当前，人工智能还未在金融市场掀起太大水花，但考虑到人工智能的本质，这一天迟早会到来。2017年，美国最大的资产管理公司之一贝莱德（BlackRock）开始使用人工智能技术来预测收益，并进行投资组合配置。该公司还依靠大数据来进行量化交易，并将其纳入传统投资策略的制定。摩根大通（JP Morgan）更是宣布要开发一个基于人工智能的工具，对央行的决策进行预测。