高频交易公司利用强大的电脑程序进行快速交易，持股时间经常不到一秒钟。与技术上相对落后的投资者相比，此类公司利用靠技术优势获得的时间优势先行下单。高频交易的速度如此之快，以至于有些交易机构将自己的“服务器群组”（server farms）安置到了离交易所的计算机很近的地方，以缩短交易指令通过光缆以光速旅行的距离。2015年11月24日美国商品期货交易委员会（CFTC）首次采取具体行动，加强对高频交易员的监管力度。
国内A股市场急涨暴跌之后趋于平稳，此间程序化交易之前一直被喊打，连同股指期货成为了股市暴跌的“帮凶”及替罪羊，各种临时限制层层出台，基本使得程序化交易限于停滞。10月份沪深两市交易所出台了程序化交易管理意见稿，将临时的行政监管更替为规则制度，不再不断抛出一些临时性管理方案，应当说是一个进步。但是在细读细则之后，也觉得该意见稿趋于保守。细究其原因，业内通常对其概括为“监管落后于实践”。为了细究这一问题，首先来剖析下什么是程序化交易。
程序化交易涵盖了诸多领域，涉及统计学、计算机、通信工程、交易撮合等诸多领域，并且不乏高深的技术细节，这阻碍了普通投资人甚至传统专业投资人对其深入了解，监管层也缺乏足够的认识，这在国内外都是如此。这使得对程序化的监管评价没有完全切中其要害，部分流于形式，并不能公平公正的对待这一新生事物。
程序化交易按交易频率可以简单分为高频和低频两个领域。低频交易主要是一个数据分析过程，利用过去海量的交易、财务、经济数据，发现交易规律，着眼捕捉中长期交易机会（几天至几个月乃至更长），更加贴近于传统的价值投资。比如发现高派息的股票长期优于大盘，就会选择投资于高派息股票，随着股票价格变动导致派息率变动，股票池也进行更替；又比如统计过去股票表现，发现经济复苏初期，成长型股票明显强于公用事业股票，就会统计该类股票数量化特征，在下次经济复苏初期，识别出具备相同特征的股票，提前布局，以获取更高收益；数据分析也会研究CEO更换、股东回购、利好信息发布甚至网络上对公司产品的评价等事件对公司股价的影响，并据此作为投资依据。该类策略面对的是海量历史数据，数据库技能、人工智能技巧、信号处理及传统价值规律的量化等技能都需要具备，还应当深入了解经济周期更迭、研究行业兴衰以辅助更好的对资料进行整理分析，与传统价值投资唯一的不同就是由于投资股票数目众多，弱化了个股研究，强化了投资组合研究。
从以上分析可以看出，大部分低频交易可以由交易员人工下单，不会严重影响交易有效性。但是高频交易由于涉及时间太短，已经不能经由人工中转，必须完全进行程序化自动交易，而且在交易实践过程中，对于时间的要求越来越偏执。
程序化交易中大众印象最深的就是高频交易。所谓高频交易，一般指利用微妙（1秒等于1百万微秒）为时间单位制定策略，进行交易。Flash Boys一书对此作了形象的描述。美国有14个大小电子交易所，均可以交易相同的股票，客户为了成交一个大额订单，往往要把订单发送到几个不同的交易所里去。但是由于线路不一致，订单到达不同交易所的时间略有先后（可能相差几十微秒）。由于高频交易公司租用了专用的线路，他接收到不同交易所订单的时间要短，这就造成了高频交易公司看到客户在第一个交易所下单之后，会推测到客户在其他交易所的单（在订单到达之前）。这样高频交易公司会抢先把市场的股票买走，卖给稍后到达的客户。股票在高频交易公司中仅存留了一个非常短的时间差，同时赚取了微薄的差价，但是长久的积累下来，是一笔非常可观的利润。也是由于这个原因，文中一个叫“托尔”程序可以使得这种策略无利可图，“托尔”程序精确的测算了订单到达不同交易所的时间，并加一个延迟，使得订单可以同时到达不同的交易所，这样高频交易公司就无法利用不同交易所订单之间的时间差来获利。
那么高频交易的这种获利方式是无风险的吗？答案是否，因为高频交易并不能简单的通过某一个交易所先到达的订单来推测出其他交易所订单的规模。高频交易的核心技能是“推测大单”，为了推测出大单，要自己拿一笔笔的资金去市场上买卖，以小额订单去测试，一旦推测出大单的存在，就会抢在大单之前，在其他交易所把订单买光，在随后的十几毫秒里，卖给随之而来的大单。因此，高频交易依赖于“对下一秒的判断”。由于大部分经纪公司大额订单执行方式的可预测性，高频交易公司的胜率大大提高。Virtu Financial在IPO招股书中称，2014年，该公司的全球所有资产类别平均每日交易530万次，盈利达到累计持仓的49%。根据彭博社资料，在2014年的252个交易日里，该公司又一次创下“零亏损日”的纪录。假如较少的资金推测不出大单的存在，或者推测出的胜率较低，高频交易商会面临亏损的风险，这种交易技能显然不是众人皆知的，一旦具备这种技能，高频交易就具备了不对称性，胜多败少。与此同时，这就衍生出一个问题，高频交易中的这种长胜将军是否道德？
高频交易公司投入了大量人力物力财力，并且基于偶然因素发现了不同交易所交易时差可以进行套利，那么，他们的获利是否道德？基于此可以展开一场宏大的辩论。支持方显然觉得该技能与药物研发专利一样，是需要被保护及肯定的。正是由于高频交易商的存在，不同交易所之间的不同品种，才可能在投资人和交易所没有任何投入的情况下，投资人可以享受到一致而公允的价格，面对一个将“一价律”全面贯彻的市场。而且高频交易商之间竞争如此激烈，无异于一场军备竞赛，一个充分竞争的市场，不应该被禁止。反对方认为，公平交易是每个投资人应当享有的权利，特别是美国市场盛行的“暗池交易”，更进一步削弱了投资人公平交易的基本权利，高频交易针对大额订单的策略，相当于在每一个价格上增加了微小的成本，在全市场成交量如此巨大的背后，就是巨额利润，而这些利润原本应当属于投资人。根植与利益的不同立场，无法用简单的辩论来判断输赢，更何况这场辩论中充斥了诸多技术术语，专业词汇以及或多或少的有心误导和对真相的掩盖。
一个公允的看法是，高频交易是否偷走了投资人的利润，要看移除了交易所之间这微小的时间差之后，高频交易商是否能仍能继续获利。假如可以继续获利，证明高频交易商并没有滥用或者依赖这种交易优势来偷走利润。从上文中“托尔”程序的表现及笔者所能掌握的信息来看，追踪大额订单的策略，至少贡献了高频交易商相当大比例的利润，那么显然这部分利润是不公平的。
监管层应该如何限制该部分不公平策略呢？读者可以看到中国证监会新近公布的程序化交易管理条例特别提到了“撤单率”。下一个单，不满意撤掉，这么一个简单的动作，为什么要强加限制呢。原来奥秘隐藏在大额订单猜测上，世界上没有人有预言能力，高频交易商也不例外。为了知晓大额订单的存在，需要进行下单测试。由于测试目的是为了知晓大额订单的存在，并不是为了成交，所以用最小的成本探知大单是一个非常重要的指针，知晓订单存在之后，高频交易商会快速撤走其他的未成交单，减少成本，这就产生了大量的撤单。控制撤单率基本上摧毁了常见的大部分大额订单的猜测算法，控制了每秒的交易频次则连带堵死了其他高频交易策略的生存空间。在信息不对称的情况下（即监管层并不知晓实际上的所有高频策略运行机制，这是各家交易商的核心机密），为了封堵不公平的交易策略，监管条例有一刀切的嫌疑，同时堵死了所有高频交易的生存空间。至于这种措施是否有倒洗澡水的同时倒掉孩子的问题，依然是那句话：分歧通常不因为知识，而是立场。
最初的程序化交易更多的是订单执行，一个大额订单买入挂在市场上，会引发其余投资者竞相购买，造成价格哄抬，增加买入成本。因此产生了众多分拆定单程序，按成交量比例下单、按时间均匀下单等，不必将自己的大额订单直接暴露给市场。自从第一个高频跨市场套利策略出现之后，可谓打开了潘多拉的魔盒。很多交易所在提供交易折扣，鼓励下单的同时，无意间暴露了订单的一角，引来交易所中隐藏的鲨鱼。然而，这并非程序化交易的全部，本文前面提及，程序化交易分为高频和低频，由于高频交易的特性，虽然贡献了非常多的交易量，但其容纳的资金量极其有限，多数仅能支撑自营交易。回头来看，大部分资金的前景仍在低频阿尔法策略上，即以数据分析为基础、结合传统价值投资经验，探寻市场规律，获得超额收益。
股票市场出现伊始，是为了给实体经济融资，市场自身不断演进，如今已经超出了该范畴，出现了诸多依赖二级市场谋生的行业及职业，在资本逐利的同时，也给市场提供了其所需的流动性以及价格发现功能。监管的核心无疑是去完善市场的融资功能，封堵不公平获利漏洞。然而，关于不公平如何从伦理上定义，如何从技术上定义，特别是在一个充斥艰深技术术语、夹杂各种商业机密挡板、鲜有人一窥全貌的行业，在一个号称地球上最具技术含量之一的行业，去定义这种不公平，去识别并约束这种不公平，任重而道远。
作者：王林峰，国元证券（香港）资产管理部投资经理
王林峰在北大汇丰商学院量化投资（全球视角）培训课程中，主讲量化投资运用（含工具与技术、策略与案例两部分）。
在课程中，王林峰侧重量化投资工具与技术层面，对股票量化策略进行了完整的介绍，详述大类资产配置方法，引导学员建立自己的策略工具包。在具体的技术操作上，对量化投资中金融工具及语言的选择进行了对比，并结合实例分析实际量化投资中数据库的选用问题，比如利用Python的语言封装C++接口交易恒指期货，及构建并优化一个跑赢大市的回报策略。
课程还重点讲解了基于量化投资方法具体分析套利策略的运用，涵盖无风险套利、统计套利、阿尔法策略来源分析、因子信息源分析。并结合实例阐述如何在因子之间进行有效组合，完善投资策略。
该课程包含量化投资发展趋势、量化投资运用、量化投资策略开发过程实例、量化投资在指数中的应用四个模块，分别由美国摩根大通、瑞信第一波士顿、富达集团、中信证券、博时基金等国内外知名金融机构的投资经理执讲。更多课程详情见http://economics.efnchina.com/show-2201-68423-1.html
