课题主持人：李心丹(南京大学工程办理学院)、刘 逖(上海证券生意所)、 叶 武(上海证券生意所)

　　为了研讨算法生意引入国内对证券商场构成的影响，本文构建了金融商场的“社会嵌入式多主体仿真模型(SEMAS)”，将实在商场的出资者生意信息与人工商场的主体仿真相结合，可以在整个模仿进程交互地运用订单簿历史数据，确保模型尽或许靠近实在商场，增强研讨的可信度。经过赋予主体VWAP和IS生意战略，本文研讨了在国内商场上算法生意能否有用下降出资者的生意本钱，以及这种生意形式的改动对商场质量和生意体系有何影响。

　　技能进步带来了金融财物生意方式的革新。现在生意进程的每一个进程，从订单输入到生意场所再到后台清算，都完结了高度自动化。生意技能创新显着削减了由生意中介导致的本钱和冲突，然后可以促进愈加高效的危险分摊和危险对冲，进步商场的流动性和价格的有用性，并终究下降企业的本钱本钱。

　　算法生意(Algorithmic Trading)正是这场含义深远的技能革新的重要体现。依据Ayesha and Kaljuvee (2007)的界说，算法生意是指在运用程序生意一同处理一篮子证券的基础上，着重以各种算法拆分订单以完结最优履行价格并最小化商场影响的生意技能。当出资者有很多证券财物需求生意时，一般都会将订单拆细并分批履行，这就发生了怎么安排这些生意可以取得最大收益的问题。出资者一般期望生意不要对商场发生太大的冲击，一同也期望生意不会推迟太久导致商场价格向不利于咱们的方向变化。但这是一个两难：商场冲击是生意速度的增函数；而等候危险则是生意速度的减函数。当生意履行速度较快时，等候危险很小，冲击本钱很大；而生意履行较慢时，冲击本钱很小，等候危险很大。因而，算法生意的中心问题是在冲击本钱与等候危险之间进行平衡，找出最优履行计划。完好的算法生意由生意计划拟定和智能路由两部分构成。生意员首要给出指定生意量的买入或许卖出指令，算法依据方针基准和商场条件等拟定生意计划，确认生意机遇和下单量，并智能地将订单发送至流动性最好的生意场所，然后完结危险可控、本钱可控的订单履行。

　　算法生意是对传统程序化生意的拓宽，二者各有侧重点，算法生意更多着重的是生意的履行，即怎么快速、低本钱、荫蔽的履行大批量的订单；而程序化生意更多着重的是订单是怎么生成的，即经过某种战略生成生意指令，以便完结某个特定的出资方针。在数量剖析出资的“三驾马车”：收益、危险与本钱中（见图1），程序化生意模型一般只重视收益与危险，而算法生意重视的则是长时刻为出资司理们所忽视的“本钱”。

　　事实上关于办理财物规划不断扩大的安排出资者而言，生意本钱对其全体收益的影响正在日益增大。商场的开展伴随着愈加严厉的监管，使得证券生意变得日益杂乱而且难以获利。在曩昔的五年中，自动化和新的技能正经过金融工程改动着经纪人与出资者寻求更低生意本钱的办法，推动了依据模型的算法生意技能得到越来越广泛的运用。本钱竞赛的加重迫使公司很多出资于他们的生意和履行途径，华尔街上电子与算法生意运用的扩张速度日新月异。据Aite Group的核算猜测，美国的算法生意运用率逐年升高，到2010年将有超越50%的生意量由算法生意完结（见图2）。而欧洲出资界相同也很多运用算法生意，现在的运用率现已挨近三分之一。事实上，在出资办理公司中算法生意愈加遍及，全美约90%出资司理在树立出资组合时至少运用一次算法生意，在英国这一数字也到达了77%。

　　因为算法生意需求调配先进的信息途径及完善的运用程序规划，而且对生意网络和信息传输的速度有较高要求，因而亚洲地区的算法生意开展起步晚于欧美。但与欧美商场比较，亚洲商场的股票流动性更差而且成交难度更大，导致了生意本钱较高，所以算法生意的价值也更为杰出。部分亚洲抢先商场的算法生意开展敏捷，在2010年香港、日本和新加坡证券商场的算法生意运用率现已超越了30%，而且猜测未来增速相同可观。尽管算法生意在国内尚处于体系研讨和开端试验阶段，但考虑到现在国内本钱商场上的生意本钱较高，许多安排出资者都对下降生意本钱有着火急的需求，算法生意在我国开展前景看好。

　　算法生意这一新式生意技能日渐成为生意者、证券生意所和商场监管者所重视的重要焦点，在其正式引入国内的前夜，尚有许多问题需求研讨与回答：(1) 算法生意在国内证券商场上是否能有用够下降生意本钱，下降的起伏能到达多少？(2) 算法生意会对证券商场的质量发生怎样的影响，是否会改动商场的流动性和动摇性？(3) 算法生意所带来的高负荷生意活动是否会对证券生意所和数据供给商的IT基础设施构成巨大的压力？

　　对生意者而言，算法生意的绩效体现是其在出资运用算法生意之前最关怀的问题。现在国外针对算法生意实在履行效果的研讨较少，尽管部分文献运用订单成交数据证明算法生意比较其他代替办法具有更低的履行差价，但这必定论能否在我国商场树立依然尚不确认。在欧美商场上，算法生意有用下降本钱很大程度上来源于其智能路由功用，而在我国这样的会集生意商场上，不存在因为商场分隔而导致的生意本钱，因而算法生意仅能从削减订单的商场冲击这一种途径下降履行本钱，其能否充沛发挥优势依然不知道。

　　对监管者而言，愈加关怀的是算法生意这一生意方式革新是否会对商场质量发生有利的影响，以便确认是否对其开展持鼓舞的情绪。为此，澳大利亚证券生意所(ASX)在2010年专门托付SIRCA研讨算法生意对ASX商场质量的影响，他们的成果标明算法生意的开展对商场的流动性和动摇性没有显着的影响（除商场深度方针外）。可是Hendershott, Jones, and Menkveld (2010)对美国商场的实证研讨却得到了不同的定论，他们认为算法生意可以进步商场的流动性而且添加报价的信息含量。面临这些不尽相同的研讨定论，咱们需求进一步运用合理的办法猜测未来算法生意引入国内对商场质量的影响，辅佐监管者拟定相应的方针与办法：鼓舞算法生意的运用或许约束其开展。

　　对生意所而言，算法生意带来的重要影响是订单数量的激增。2009年11月，伦敦股票生意所(LSE)的生意体系在巨额生意订单的压力下溃散，导致电子生意中止超越3小时，而算法生意正是导致其生意体系可用性失效的重要原因，相似的状况还包含东京证券生意所(TSE)在2005年11月、2006年1月两次因为订单量超负荷而停市以及马来西亚生意所(Bursa Malaysia) 在2008年7月的生意体系故障等。经历标明算法生意会从减小订单的均匀规划和进步“订单-生意比”两个方面添加证券生意所IT基础设施的压力。生意所生意体系的可用性(Availability)关系着金融商场秩序的安稳、出资者和上市公司利益的维护，比较其他服务行业有着更高的要求。在算法生意带来订单流“海啸”的布景下，生意体系容量缺乏然后导致体系可用性失效现已成为生意一切必要重视的重要危险。合理评价算法生意带来的订单数量增幅，有助于生意所事前做好生意体系的容量办理。

　　鉴于算法生意在我国没有取得实质性的开展，课题组无法选用实践数据研讨算法生意对履行本钱、商场质量以及生意体系的影响。因而，本文挑选运用以核算试验金融为中心的研讨办法，经过将实证数据与仿真模型有机交融，构建出可以探究算法生意商场影响的牢靠“试验途径”，这也是本课题研讨办法的重要特征。

　　传核算算金融运用的依据主体模型因为过于简化和笼统而无法靠近实在商场，为了添加研讨的可信度和实践指导性，本文学习了人工社会建模中“参加性仿真”或许“增广试验”技能所运用的“真假结合”研讨思维 (Ishida et al., 2007)。在大型公共设施（例如机场）灾祸分散情形的模仿中，研讨人员为了了解人类在杂乱环境下的反应与决议计划，安排真人在实在的场所进行分散演习。但考虑到本钱、安全以及尽或许削减对演习场所的影响，只能安排少数人员参加试验（不或许清空机场进行试验，很多人员参加试验或许会构成践踏、揉捏等事端）。为了使试验扩展到要求的规划，研讨人员进一步选用了核算机多主体仿真技能，将实在场所的真人试验与虚拟空间中的大规划多主体仿真交融到一同。

　　金融商场上很多高质量的数据为咱们完结“增广试验”供给了有利条件：生意记载保存了商场参加者的实在出资行为，将其融入到虚拟的仿真商场中，便可以构建出愈加高保真的金融商场“社会嵌入式多主体仿线）。这种将实在商场的出资者生意信息与人工商场的虚拟主体仿真相结合的研讨办法既确保了模型的实践性与可信性，一同也保留了核算试验的可控性与前瞻性，是研讨算法生意这一“环境改动”对商场的影响的抱负挑选。在此基础上，本课题的研讨进程首要包含以下几个方面：

　　在仿真途径方面，咱们构建可以一同促成算法生意主体宣布的虚拟订单与来自上交所的实在订单的模仿生意途径。该途径可以依照时刻次序读取订单数据库中的历史记载，并接纳仿真主体提交的订单，将其一起送入模仿促成体系；而促成机制则彻底与实在状况相同，在集合竞价阶段一次性会集促成，在接连竞价阶段依照价格、时刻的优先次序逐笔促成。体系会记载一切订单的进入与成交状况，实时输出价格、成交量与五档报价等信息。

　　在主体规划方面，咱们依据欧美商场算法生意的开展经历，规划了两类具有代表性的算法生意主体：VWAP和动态IS算法主体。VWAP 战略的根本思维是让订单提交份额与商场成交量份额尽或许的匹配，在削减对商场的冲击的一同，取得商场成交均价的生意价格。而动态IS算法的则经过平衡冲击本钱与等候危险决议最优履行途径，可以实时地运用最新的股价信息更新模型参数，并经过捕捉股价的趋势和动摇优化履行效果。

　　在样本数据选取方面，咱们考虑到嵌入式仿真需求处理海量订单簿数据，因而运用的样本规划较小。咱们在885只上证A股中选取12只股票作为样本：将当天正常生意的上证A股按市值巨细分为4组，在各组中以市值中位数为中心确认20只股票待选，从待选股票中随机抽选3只作为样本，模仿的日期挑选为2010年10月。该抽样计划确保了样本市值中位数与分组市值中位数根本符合，答应咱们全面地研讨算法生意对各种不同市值股票的影响。

　　在核算试验规划方面， 为了研讨算法生意对履行本钱的影响，咱们别离设定VWAP和动态IS算法主体的方针履行量等于安排出资者的典型生意规划，并将模仿环境下算法生意的履行本钱与安排出资者的实践本钱进行比较；为了研讨算法生意对商场质量和生意体系的影响，咱们在订单簿的生意双侧各选取占当日总申报量10%的订单交由算法生意主体履行，然后比照实在商场和模仿商场中的流动性方针、动摇性方针和订单数量。

　　为了使仿真主体的履行方针可以尽或许靠近实在安排出资者的生意需求，咱们核算了安排出资者在模仿之前30日中生意样本股票的均匀订单规划，并将其设定为算法生意主体的方针履行量，进而对算法的履行本钱与安排出资者的实践履行本钱进行比较。咱们界说买入生意的履行本钱为：，而卖出生意则取负。其间成交均价等于该时刻及之前一切成交的总金额除以总成交量，履行本钱的单位为bp，标明万分之一。

　　图为股票浙江龙盛(600352)在2010年10月19日的模仿买入状况，咱们给出了VWAP与IS算法主体的履行均价轨道与成份额散布，并以模仿生意的全体价格走势以及成交均价作为参照。

　　咱们发现在样本股票的模仿生意中，动态IS算法取得了最佳的绩效体现，其履行均价在绝大大都状况下低于商场均价以及VWAP算法主体的履行均价，尤其是当商场处于上涨状况时买入生意的履行效果优势显着。而VWAP算法根本可以跟从商场均价，视成交量散布猜测质量的好坏，其履行成果或许打败商场，也或许略输于商场。

　　VWAP算法主体的均匀履行本钱为8.38bp，而且在5%置信水平下显着高于商场基准；IS算法主体的均匀履行本钱为-48.68bp，在1%置信水平下大幅低于商场基准。而安排出资者的实践均匀履行本钱一同高于VWAP和IS算法主体，到达了23.06bp。其间，VWAP算法主体的均匀生意本钱比安排出资者低14.78bp，可是不具有核算显着性；而IS算法主体的均匀生意本钱则在1%显着性水平下低于安排出资者，两者的距离为71.74bp。

　　全体而言，算法生意的确可以经过削减大额订单的商场冲击，在国内商场上为出资者下降生意本钱、操控生意危险。VWAP算法在均匀履行本钱低于安排出资者的状况下，确保了愈加安稳的履行效果（其履行本钱规范差较小）；而动态IS算法在适宜的商场环境下可认为出资者大幅节省生意本钱（在本研讨中履行均价相对商场最多下降了近1%），协助出资者获取更高的出资收益率。

　　大都学者对商场质量的衡量首要考虑流动性、动摇性（安稳性）和有用性三个方面（见Frino and Lepone, 2010等）。因为本文所规划的算法生意主体并不会在商场上搜集额定的信息，因而咱们将会集重视算法生意对流动性和动摇性这两个要害质量方针的影响。

　　OHara (1995)认为流动性是指生意者当即完结生意所支付的价值。假如生意者能在较小的价值下敏捷完结生意，那么商场的流动性就比较高；反之亦然。依据Chordia (2000)，咱们选用相对生意价差和最优商场深度衡量商场的流动性。，其间为股票i在t时刻的最佳卖出价格，为股票i在t时刻的最佳买入价格，。，其间为股票i在t时刻的最佳卖出价格对应的申报量，为股票i在t时刻的最佳买入价格对应的申报量。本文选用最优深度而非五档或许十档深度是为了研讨生意形式的革新对商场的微观结构的影响，调查算法生意怎么改动商场深度的散布状况。

　　动摇性一般是指证券价格动摇的程度，其凹凸程度决议着生意者持有证券的危险程度。依据Jones et al. (1994)以及Madhavan (1999)，咱们选用日内收益动摇率和日内相对动摇率衡量商场的动摇性。，其间标明5分钟内某证券各笔生意的成交价格。，其间为5分钟内某证券的最高成交价格，为5分钟内某证券的最低成交价格。关于每一只样本股票，咱们得到每个生意日由48个日内收益动摇率和日内相对动摇率观测构成的时刻序列。

　　咱们发现在算法生意占当日订单申报量10%的状况下，样本股票的相对生意价差至少在5%置信水平下比较实在商场呈现显着下降，而模仿商场的最优深度则至少在5%置信水平下显着大于实在商场，阐明算法生意可以显着进步证券商场的流动性；另一方面，样本股票在日内的相对动摇率和收益动摇率均至少在10%置信水平下比较实在商场呈现显着下降，标明算法生意对下降证券商场的动摇性相同具有显着的效果。

　　研讨成果标明算法生意对市值较小的股票的商场质量影响程度更大。关于市值越小的分组，算法生意带来的最优深度的均匀增长起伏越大(市值最大的分组均匀增幅为29.66%，而市值最小分组则为87.29%)。一同，算法生意对小市值股票的日内相对动摇率和收益动摇率的下降程度也更杰出(市值最大的分组的相对动摇率和收益动摇率均匀降幅别离为25.31%和18.25%，而市值最小的分组则别离为37.89%和30.28%)。阐明算法生意对小市值股票的流动性和动摇性有着更强的改进效果。

　　全体而言，算法生意可以经过减小大额订单对商场的冲击下降证券商场的动摇性，而且算法生意所生成的实时更新的限价订单流可认为商场带来更好的流动性，因而咱们认为算法生意的开展对进步证券商场的质量起着活跃的效果。

　　TABB(2008)的核算数据显现，美国商场算法生意从2000年开端开展，至2004年到达25%的运用率；欧洲商场算法生意从2004年开端快速开展，至2008年运用率到达22%，因而咱们估量未来二至三年内我国算法生意的运用率不会大幅超越20%。本文在样本股票订单簿中前20%（按申报量）的大额买单和买单中，随机选取占当日买入（卖出）申报总量10%的订单交由算法生意主体履行，模仿商场上的算法生意商场参加度约为19%。

　　咱们发现在算法生意占当日订单申报量10%的状况下，模仿商场中各样本股票订单数量比较实在商场的日内均匀增幅的均值为23.91%，散布规划为14.89%至37.67%；而各样本股票日内增幅峰值的均值为97.33%，其散布规划为58.00%至152.85%。核算成果标明算法生意在1%置信水平下导致样本股票每分钟的订单数量显着添加。

　　算法生意给各样本股票带来的订单数量增幅在日内没有体现出显着的正相关性，咱们运用按成交量加权的均匀增幅估核算法生意对整个商场的影响，发现订单数量增幅的日内峰值为42.66%，因而算法生意带来的最大订单量增幅依然远低于上海证券生意所现在300%以上的体系处理才能预留空间。

　　全体而言，算法生意的开展会导致订单规划的变小以及撤单份额的加大，然后使得生意体系需求处理的订单数量添加，但咱们认为在算法生意开展的前中期，其构成的订单量增长起伏应当处于上交所现有的体系处理才能规划之内。

　　(1) 研讨标明相对现在国内安排出资者的高生意本钱，算法生意的确可以有用削减大额订单的商场冲击，下降履行本钱。动态习惯商场环境的算法比较简略的VWAP算法有着更优的绩效体现，出资者应当依据本身需求挑选适宜的算法。现在国内许多经纪商现已开端引入、开发算法生意产品，出资者需求了解这些产品的绩效体现和要害特征，并依据本身的生意需求和本钱预算挑选适宜的产品。咱们期望算法产品供货商可以树立共同的绩效体现和作业原理描绘规范，协助生意者快速精确地做出挑选。

　　(2) 咱们的研讨现已标明算法生意可以在必定程度上进步商场的质量，包含带来更好的流动性(与Hendershott et al., 2010共同)和更低的动摇性(与Chaboud et al., 2009共同)，因而监管者和生意所应当支撑算法生意的开展。生意所可认为算法生意供给专用的高速数据接口，并下降生意体系的数据推迟；监管者应当促进算法生意常识遍及，支撑券商对算法生意产品的研讨和开发，为算法生意发明杰出的开展环境。

　　(3) 课题组估量短期内算法生意带来的订单数量进步并不对上海证券生意所的生意体系构成威胁，但其仍应当加强IT软硬件的建造和体系容量办理。当实践商场上每分钟订单数量峰值超越体系处理才能的必定份额时，生意体系应当可以在较短的时刻内添加到预先设定的处理才能(一般要求在实践峰值的2倍以上)。此外，生意所可以供给新的订单类型，例如“挂钩订单(pegged orders)”，使生意者宣布订单可以依据商场最优报价接连调整申报价格，以此削减算法生意运用者向生意体系宣布的订单数量。

　　(4) 加强并完善对算法生意的监管，有用应对算法生意的运用所发生的“微观商场操作”(Micro-Manipulation)以及“生意反常”(Trading Aberration)等新问题。生意所需求开发完善的“订单后”和“生意后”形式识别剖析东西，避免出资者运用算法生意操作生意价差和订单簿不平衡；此外，还可以对直接连接到生意所体系的算法生意用户树立报备机制，严厉测验算法生意核算机程序，避免其影响体系安全或许正常生意。