Local EPUB Text
高频交易导致更大的波动性或者结构不稳吗
偶尔，计算机软件会有小故障。当一个故障导致数百万的订单错误，成为市场价格大量不稳定的原因时，人们会担忧。而且，在一些人的代码中即使没有这些小错误的出现，类似2010年的闪电崩盘事件，仍会使得高频交易者应对极端市场波动性负责的推测沸沸扬扬。确实，尽管有大量的证据反对这一观点以及缺乏支持这一观点的理论，仍有相当广泛的人认为闪电崩盘是计算机驱动事件。尽管美国证监会报道了这件事情，政府报告以最大限度清晰地免除了高频交易者的责任，但是对于高频交易者应该受到谴责没有起到什么作用。
除了闪电崩盘，其他事情也无助于改善公众对高频交易的评价。例如，一个名为英飞纳姆（Infinium）的高频交易公司在2010年8月遭到调查，因为它的高频交易程序中的一个错误导致原油价格在大约1秒钟的时间内增加1美元。这样高频交易者就应该为不稳定性和波动性负责吗？
正如对这个例子的争论一样，对高频交易的指控同样适合或者更为适合于其他形式的交易。有一个瑞穗证券（Mizuho）交易员偶然地以每股1日元的价格卖出股票600000股，而不是600000日元/股。这里不是故意挑剔日本人的错误，仅在几个月之后，另一个交易员以510000日元的价格购买2000股，而不是2股，损失1000万美元。在道琼斯出版物《金融时报》上有一篇有趣的文章，列举了从2007年3月7开始的10起令人震惊的人为交易错误，包括欧洲医药在内的超过1000亿美元的股票；一个交易员的肘部触碰了键盘的及时卖出键，导致产生一个法国政府债券的巨大期货订单；一个交易员错误地试图交易超过81亿英镑的股票（接近于公司市值的4倍）；一个交易员在一个订单的字段部分错误地输入股票在证券交易所挂牌的6位证券识别编码，导致6000万英镑的损失，等等。
高频交易是否引起波动，即使在没有错误的情况下，这恐怕还是一个问题，我们将进行实证分析。然而，这个问题需要放在一定语境中讨论。很清楚，投资者是否系统性地过高进行交易是真正值得关心的事情。如果投资者是基于剧烈的短期波动性进行交易，一些超额偿付确实会发生。如果高频交易者是短期波动性加剧的驱动者，那么应该会有很多担忧。但是常识告诉我们的结果和周密的实证分析结果一样。
市场上已经包含着，而且将继续包含着严重的经济和政治问题。1929年的经济危机；20世纪70年代通货膨胀和债券收益率的上升；1998年长期资本管理公司的坍塌和俄罗斯债券危机，互联网泡沫的存在以及接下来股票市场下跌50%的事实；2008年的经济危机（这一点我们没有太多涉及）；希腊和欧元区等问题都比高频交易对市场波动性产生的影响更大。无论是计算机，还是高频交易者都不会在实体经济投资者关心的问题上扮演任何角色。
高频交易者和波动性的实证分析
实证分析结果是，高频交易者不需要对波动性进行负责。批评者指出标准普尔500的波动上升由于高频交易者是市场的佼佼者引起的。2011年9月《纽约时报》刊登文章“市场波动正成为新常态”[1]。这篇文章认为股票市场很可能“做出3%或者4%的大幅波动，比近期股票市场的任何时候都要剧烈”，接着指出高频交易是其中一个可能的原因。在高频交易者网站，马诺杰·纳兰（Manoj Narang）详细陈述了这个观点，对波动性的根源做了实证分析[2]。这里我们将更新并且进行分析。
标准普尔500指数在任意给定的24小时内，都会经历两个不同的阶段。第一个阶段是在开市时间段，我们能够通过比较开盘价和收盘价衡量标准普尔的行为。第二个阶段是闭市时间段，为了理解市场这个阶段的行为，我们应该着眼于今天的收盘价和第二天的开盘价。这两个互斥段（开盘价：收盘价，收盘价：开盘价）说明了从一天的收盘时间到第二天的收盘时间指数的变化情况。
高频交易者在交易日是活跃的。他们几乎整夜处于休眠状态（记住，他们倾向于不持有隔夜头寸）。大部分影响市场的新闻会在夜间出现（虽然也有如联邦公开市场委员会的一些公告会在当天发布）。正因如此，就经验而言，隔夜（收盘价：开盘价）波动性与高频交易者无关，而日间波动性可能与高频交易者相关（或者与其他日间发生的新闻和事情相关）。前面《纽约时报》的错误之一是指出闭市到闭市的波动性会增加归因于高频交易者是市场中的佼佼者。但是我们可以通过比较市场闭市后的行为和高频交易者活跃时（市场开市时）的行为，更好地理解波动性增加的根源。
对于这个分析，我们可以观察4个参数，并对两个不同阶段的参数进行比较分析。第一个参数是标准普尔500指数从一天的收盘价到第二天的收盘价（收盘价：收盘价）变化比率的绝对值。第二个参数是单日的开盘价到收盘价（开盘价：收盘价）的百分比变化的绝对值。第三个参数是一天的收盘价到第二天的开盘价（收盘价：开盘价）的百分比变化的绝对值。第四个参数是单日的最高价到最低价的百分比变化的绝对值。我们观察2000年1月1日到2012年9月的数据，将2007年1月1日作为分割点。这是因为国家市场系统管理规则（Reg NMS）在2007年颁布，这个规则改变了市场结构。而且，2007年以后，高频交易者明显活跃起来。如果批评是正确的，应该看到开盘价：收盘价波动性至少要远大于收盘价：收盘价的波动性，因为那是高频交易者可能影响价格的唯一时间段。
比较收盘价：收盘价的结果，可以发现标准普尔500（使用SPY ETF进行测量）在2000~2006年的平均变化为0.84%，2007~2012年的平均变化为1.03%。百分比增长幅度为23%，这是高频交易者增加波动性的主要证据。然而，如果我们将数据进行自然的划分（收盘价：开盘价和开盘价：收盘价），我们将看到不同的结论，如表16-1所示。
表16-1 SPY价格变动的平均值
从这个表格可以清楚地看到，总体而言，2007年以后波动率都有所增加，实际上日内增加幅度要小于隔夜增加幅度。日内最高价到最低价的变化增长幅度也小于隔夜增加幅度。这些数据清楚地表明市场波动性增加与高频交易者没有关系。
比较中值而不是平均值的变化情况，会发现更具明显的结论，如表16-2所示。这里，可以看到波动率增长幅度较小，日内波动性有点紧缩是因为高频交易者的增加！通过对比，可以得到与平均值变化分析相一致的结论，隔夜波动率的增长幅度也是最大。
我们也能检查一下大的波动是否更加频繁。为了回答这个问题，我们以同样的方法查看波动率大于等于3%的频率，结果如表16-3所示。这里，我们能看到每种情况波动率的增长情况，但是隔夜模式的波动率增长远远大于日内增长幅度。
观察更大波动情况的结果更为有趣。当计算更大波动情况（大于等于4%）时，日内的波动率变化情况与收盘价：收盘价的结果更为一致，而最高价：最低价的波动率增加幅度继续扩大，如表16-4所示。
表16-2 SPY价格变动的中值
表16-3 SPY价格波动大于等于3%的频率
表16-4 SPY价格波动大于等于4%的频率
在更为极端的情况下，在解释2007年以来更大波动性的频率时，隔夜波动率不如日内波动率的解释性更强。然而，即使在这里，结论仍然不统一。首先，虽然日内波动率增加幅度较大，但是我们可以看见最高价：最低价的波动率增长幅度相对较小。其次，正如我们检查异常事件一样，我们处理很少发生的事件。例如，自2007年1月1日以来，1448个交易日中间看见20个交易日的日内波动至少在4%以上。正因如此，从这些数据得到一些严肃的结论是不明智的。
然而，有人认为高频交易者与市场波动的关联如下：大部分时间里，他们的活动与低的波动性保持一致，但是在极端情况下，他们的活动与高的波动性相一致。即使我们犯了一个大的统计错误，反对高频交易者的确凿证据是，过去五年半的时间里，日内波动率超过4%的20个例子中，高频交易者可能在一些不可知的程度上助推了那些大的波动。其他投资者确定也承受了一些谴责。但是对于其余的1428个交易日，高频交易者减少了波动性。
数据支持高频交易者减少波动性的一个主要原因是在固定的时间段内，买卖大约相同数量的策略不会对交易的金融工具产生净价格的影响。多头头寸产生的价格影响会在相反的空头头寸方向上抵消。既然没有影响，与高频交易者相关的波动性，甚至针对高频交易者（日内）测量的波动性实际上为0。高频交易者的定义逻辑上排除了这个结论。
此外，资本市场的基本事实是放置限价订单不会引起波动性，更确切的是减少波动性。而放置限价订单是高频交易者活动的主要部分。订单簿中每一个订单代表着在市场到达订单簿中这个价格前必须克服的摩擦。非流动性滋生波动性，充足的流动性不会引起波动性。这个事实看上去不能引起高频交易者的对立方的注意。即使在有压力的时间段，当高频交易者必须活跃地交易时，被动地清算所获得的头寸也是经常发生的。这暗示着即使在有压力的情形下，高频交易者对流动性也有更多的贡献，下一节将详细进行阐述。总的来说，很显然他们是流动性的提供者。
闪电崩盘
许多蓝筹股在少于20分钟的时间内下跌大约5%。对于较小规模的资本公司，这种情况会更糟糕。宾士域集团（Brunswick Corp）在12分钟的时间内下跌9.3%（下跌超过开盘价的22%）。有大量的交易，足以使得纽约证交所在闭市后需要花费大约两个半小时间的时间完成场内交易报告。做市商被发现由买方转为卖方时加剧了市场下跌。在一般市场，相对于理论上的情况而言，执行价格一片混乱。对于资本市场的诚信存在着大量厌恶感和失望感。伴随这件事情，许多经纪公司交易量减少、利润降低。这些事件发生在1962年5月29日[3]。但是它们得到与2010年闪电崩盘同等重要的教训。现实情况是，真实的深刻的市场危机发生时，计算机和高频交易者并不能帮上什么忙，价格方面的快速波动亦是如此。
2010年闪电崩盘的原因有几个。第一，并且最重要的是，市场对于酝酿欧洲主权债务危机和暂时复苏的美国经济已经比较敏感。股票市场在下午2点40分急剧下跌之前已经下降了几个百分点。负面短期情绪在大量市场参与者中的作用必须予以考虑，这是1962年和2012年闪电崩盘最大的原因。
第二，沃德尔和里德（Waddell&Reed）公司的一个共同基金经理放置了一个卖出标准普尔期货的大订单[4]（看上去有点荒唐，实际是酌情决定的）。这个订单的面值大约是41亿美元，当市场已经开始下跌时，这个订单加剧了价格运动，足以触发更多的卖出订单，例如止损和各种类型的停止订单。这个订单进入市场的时间大约是在2010年5月6日下午2：30，就在这个时间点，标准普尔500指数当天已经下跌2.5%。毫无疑问这个花费20分钟去执行的75000份合约订单推高了市场波动率。特别是，他们的交易算法在设计时并没有考虑价格波动，只是将市场容积水平作为放置每个订单规模的决定因素。但是因为他们自己的订单引起市场恐慌，从而容积增大，他们的75000份合约订单成为雪球的中心。需要指出的是这件事情并没有受到任何宣判。沃德尔公司的订单是完全合法的，这背后没有什么邪恶的意图。进入市场是公司的权利，之后发生什么和这件事情毫无关系。
第三，美国股票市场围绕在不同交易所和各种金融工具类别（例如，标准普尔期货、标准普尔交易所交易基金、基金的成分股以及与这些成分股对等的一些工具）之间的关联性对于市场的震荡扮演着互相传播的角色。正如我们在第15章讨论的指数套利，结构性相关的金融工具的价格呈正相关关系。所以，当标准普尔期货下跌，跟踪这个指数的ETF会同步下跌，同样标准普尔500和ETF的成分股也会同步下跌。那么，统计相关性表明，其他相似的股票也会顺势跟随。也很少有人对这种情况有看法。一般情况下，有很多种方法表达一种投资理念是一件好的事情。每一种方法有优点也有缺点，它们倾向于与另一种工具步调保持一致，并不意味着它们之间有需要解决的问题。
第四，美国股票市场的分割起着作用。分割本身在市场结构中先于顾客的改变。在20世纪90年代后期，随着电子通信技术网络（electronic communication networks，ECN）的传播，其加速发展。与以前垄断的股票交易所之间的竞争增加驱使成本降低、流动性提高。但是假若如此，分割因为其自助模式确实与流动性崩溃有关系。国家系统市场管理规则要求，如果交易所中一个或许多个存在问题，交易所要停止与其他市场中心参与和分享信息。例如，NYSE Arca交易所被指控技术上存在问题，导致信息量的巨大增长。（记得我们在第14章有关微爆发的相关讨论吗？这就是其原因。）几个交易所指出它们认为是NYSE Arca交易所的问题并宣布自助。这加重了分割问题，减少了流动性。这对于塞单问题有所贡献，导致一些股票以明显荒唐的价格成交。
最后，一些高频交易投机者极其合理的停止交易的决定，加剧了闪电崩盘。他们不要求成为做市商，来自交易所的数据延迟时间对于他们而言后果是严重的。当市场明显出现问题时，反对任何不愿意参与市场异常波动的交易者是没有判断依据的。我们注意到，闪电崩盘的交易量高得惊人，所以在闪电崩盘阶段，可能非高频交易者的交易量是平常交易量的许多倍，否则的话，高频交易者不需要广泛地停止交易。
总之，高频交易者既不用对闪电崩盘负责，也不用对我们目前面对的非常现实的经济问题负责。高频交易能通过小故障或者不正当行为引起市场问题吗？当然可以。但是许多不是高频交易者的其他投资者也同样可以。他们有时会将市场弄糟，但即使这种情形出现，也没有人谈论禁止交易。为什么对程序化的交易者要有双重标准？这里，监管是很有用的，他们应该经常对代价比较大的以及疏忽性错误做出反应。首先并最合适的反馈是做出愚蠢交易的人会损失资金（例如，骑士资本）。他们也同样要对投资者进行反馈。考虑到缺乏其他有效的选择方式，这种自然的惩罚方式，加上任何必需的事后强制措施，看上去是非常合理的。
[1] Louise Story and Graham Bowley，“Market Swings Are Becoming New Standard，”New York Times，September 11，2011，www.nytimes.com.
[2] Manoj Narang，“HFT Is NOT Responsible for Market Volatility——You Are！”September 15，2011，www.highfrequencytraders.com.
[3] Jason Zweig，“Back to the Future：Lessons From the Forgotten‘Flash Crash’s of 1962，”online.wsj.com，May 29，2010.
[4] Marcy Gordon and Daniel Wagner，“‘Flash Crash？Report：Waddell&Reed’s $4.1 Billion Trade Blamed for Market Plunge，”www.huffingtonpost.com，October 1，2010，www.huffingtonpost.com.