算法交易：定義，其工作原理，優點和缺點

算法交易涉及三個廣泛的算法領域：執行算法，尋求利潤或黑盒算法以及高頻交易（HFT）算法。儘管在現實世界中的應用程序中沒有完全分開，但這些都是用於財務交易和決策的自動化流程，使用價格，時機，數量等，以及一組規則，以解決曾經需要金融專家團隊的交易問題。

算法交易使用人類監督的複雜數學模型來做出貿易證券的決定，並且HFT算法交易使公司能夠每秒進行數万筆交易。算法交易可用於訂單執行，套利和趨勢交易策略。

了解算法交易

使用演算法在交易中，在1970年代在美國金融市場引入了計算機交易系統後增加。 1976年，紐約證券交易所推出了其指定的訂單周轉系統，以將訂單從交易員到交易所的專家。在接下來的幾十年中，交易所增強了他們接受電子交易的能力，到2009年，計算機執行了美國60％以上的所有交易。

邁克爾·劉易斯（Michael Lewis）是關於金融，棒球和其他領域弱者的暢銷書籍的作者，他引起了HFT算法的交易，引起了公眾的關注閃光男孩，其中記錄了華爾街商人和企業家的生活，他們幫助建立了定義美國電子交易結構的公司他的書表明，這些公司參加了軍備競賽，以構建更快的計算機，這些計算機可能會更快地與交流進行溝通，以利用速度的速度來獲得比競爭對手的優勢，使用訂單類型，使他們受益，從而損害了普通的投資者。

算法交易類型

財務交易中使用的算法是旨在自動做出交易決策的規則或說明。它們的範圍從簡單的單股票到更複雜的黑盒算法，分析市場條件，價格轉移和其他財務數據，再到最佳時間以最少的成本最低利潤率執行交易。計算機工程和金融的跨界因其鉛術語而臭名昭著，因此我們不會在這裡用太多的術語權衡。雖然某些短語可能會從一家交易公司略有變化，但以下短語應該使您了解算法交易的廣泛用途：

• 到達價格算法：這些旨在在下訂單時盡可能接近股票的交易。這些對於最大程度地降低了市場影響和訂單後價格轉移的風險很有用。
• 籃子算法：也稱為投資組合算法，這些執行訂單在計算投資組合中其他決策和證券的影響時執行訂單。例如，即使以合適的價格獲得安全性，該算法也可能決定推遲交易，如果這樣做會增加整個投資組合的風險。算法中的限制包括現金平衡，自我融資以及最低和最大參與率。
• 實施短路算法：這些自動化規則旨在最小化實施不足，執行訂單與決策價格不同時的成本。
• 數量百分比：這些算法對實時市場交易量的反應調整訂單大小。目的是保留總市場量的預定百分比，平衡市場影響和時機。
• 單股算法：這些算法旨在優化單個安全性的貿易執行，考慮到市場狀況和訂單規模之類的因素。
• 體積加權平均價格（VWAP）：這些算法以在特定時期內的股票平均價格與體積加權的平均價格密切相匹配的價格執行訂單。
• 時間加權平均價格（TWAP）：這些算法在設定的期間均勻分配交易，以達到平均價格，反映了股票價格的時間加權平均值。在大量訂單時，它們被用來最大程度地減少市場動盪。
• 風險規定參數：這將根據交易者和所需的策略而有所不同，但是通常將其與其他算法一起根據交易者或客戶的風險承受能力來調整交易侵略性。
  

算法交易的示例

讓我們瀏覽一個簡單的算法交易示例。假設您已經編程了一種算法，每當75天移動平均線超過200天移動平均線時，就可以購買XYZ公司的100股股票。這被稱為技術分析中的看漲跨界，通常表明價格趨勢。執行算法可以監視這些平均值，並在滿足這種情況時自動執行交易，從而消除了您不斷觀看市場的需求。這允許基於特定的預定規則進行精確，無情感交易，這是算法交易的本質。

黑匣子算法

我們將這些算法分開了，因為它們的功能與上面的算法不同，並且是財務中使用人工智能（AI）的辯論的核心。黑匣子算法不僅是預設某些策略的可執行規則。該名稱用於交易中的算法家庭和許多其他領域。“黑匣子”一詞是指具有晦澀難以置信的內部機制的算法。

與遵循預定義的執行規則（例如以一定數量或價格進行交易）的其他算法不同，黑匣子算法的特點是其目標方向的方法。設計師確定目標並選擇特定的規則和算法來到達那裡（在某些時間以某些時間以一定的一定量以某些價格進行交易），設計師確定了目標和算法。黑匣子系統有所不同，因為在設計人員設定目標時，該算法自動確定基於市場條件，外部事件等實現它們的最佳方法。

通常，那些在公共領域中使用該術語的人會使兩個問題感到困惑：企業和其他人將其視為商業秘密的量化策略，用戶知道但不共享。例如，競爭對手和監管機構可能不了解這些策略，例如，高頻貿易公司可能正在使用。但是，那是因為那些在公司內部工作的人沒有共享專有技術。

然後，有黑匣子系統。黑匣子算法的標誌，尤其是使用人工智能和機器學習的算法，是另一個問題，即這些系統的決策過程甚至對他們的設計師來說都是不透明的。雖然我們可以衡量和評估這些算法的結果，但了解要達到這些結果的確切過程是一個挑戰。缺乏透明度可能是一種優勢，因為它允許制定複雜的自適應策略來處理大量數據和變量。但這也可能是一個弱點，因為特定決策或交易背後的理由並不總是很清楚。由於我們通常從決定某事的原因方面定義責任，因此這不是這些系統中法律和道德責任的小問題。

因此，由於交易者和投資者可能無法完全掌握所使用的算法系統的基礎，因此這種晦澀難懂的問題引發了有關金融世界內的問責制和風險管理的疑問。儘管如此，黑匣子算法在高頻交易和其他先進的投資策略中還是很受歡迎，因為它們可以超越更透明和基於規則的方法（有時稱為“線性”）方法。由於金融科技公司希望近年來要在機器學習和人工智能方面取得重大進展，並將其應用於金融交易，因此這種系統處於金融技術研究的領先地位。

開源算法交易

正如智能手機應用程序和高級AI系統使非專家能夠創建量身定制的應用程序和應用程序編程界面（通常稱為蜜蜂），算法交易的世界使局外人能夠擴大其專有工作。這種開源方法允許單個商人和業餘程序員參與曾經是專業專業人員的領域。對沖基金和投資公司，例如兩個Sigma和Panagora，有時通過眾包算法和吹捧他們通過其他方式來償還程序員社區的努力來利用這一轉變，並將改進的改進釋放到開源應用程序中，以供所有人使用。他們還舉辦比賽，業餘程序員可以提出其交易算法，其中最有利可圖的應用程序獲得了佣金或認可。

但是，正如科技公司利用開放式應用程序和編程來解決問題和社區參與一樣，金融科技公司越來越不僅僅是使用開放式云云計算和在整個商業世界中常見的類似應用程序。金融科技開源（FINOS）基金會在2023年11月的一份報告中說，大約四分之一的金融服務專業人員參與了開源數據科學和人工智能/機器學習平台。然而，金融部門可以走多遠可能存在限制：受調查的Finos大約有三分之二表示，他們或其公司擔心使用開放訪問系統的公司需要保護專有知識。

算法交易的優點和缺點

優勢

使用算法交易可以為市場變化和事件提供更快，更有效的響應。它們還可以自動化並確保投資決策和交易指令之間的更緊密對齊，從而導致市場影響成本和計時風險降低，以及較高的訂單完成率。這裡有其他優勢：

• 匿名：交易是自動化的，跨平台的計算機和網絡處理訂單。這種自動化意味著訂單未公開或公開討論在交易樓上以前。此外，某些算法可以確保大規模交易散佈以隱藏主要交易，這可以揭示涉及較小部門的當事方。
• 進行回測和研究：在使用現實世界交易之前，可以對算法進行回測並培訓歷史數據以審查其有效性，從而降低了潛在損失的風險。研究人員還可以通過使用此類系統來測試各種財務場景中的假設，從而增加財務領域的知識來做到這一點。使用這種算法方法已經進行了許多重大研究。
• 無情的決策：算法交易從交易中的決策中消除了情緒和心理因素，這可能導致採用更嚴格的方法。
• 更大的控制：雖然乍一看可能不會出現這種情況，但考慮到需要移交自動化系統各種交易職責，交易者可以決定從交易場所到特定訂單詳細信息，例如價格，股票數量和時機，然後根據客戶或基金的目標和本市場條件調整交易速度。用戶還可以幾乎立即修改或取消訂單。
• 較小的信息洩漏：由於經紀人沒有收到有關投資者訂單或交易意圖的詳細信息，因此洩漏的風險降低了。例如，購買安全性的交易者只需要通過算法的選擇和參數設置來傳達其交易需求和說明。
• 市場訪問：算法交易可通過高速網絡更快地訪問市場和交流。此外，沒有這些高端系統的客戶現在可以利用共處和低延遲連接等好處。
• 提高透明度的潛力：雖然當前共享執行算法的操作細節時，黑框算法已經提出了不透明流程的問題，但投資者確切地知道如何在市場上交易其股份。
• 精確：算法交易可以在高度指定條件下執行訂單，同時減少人為錯誤的可能性。
• 速度和效率：上述所有優勢隱含的是金融算法如何執行訂單遠比人類執行的速度要快得多，從而使交易者能夠更快地利用市場機會。

缺點

算法交易具有其限制，無論是針對個別交易者而言外部性對於其他交易者和整個市場：

• 自滿：無論市場狀況如何，交易者都可能過於依賴熟悉的算法。
• 複雜：涉及的技術已經存在術語，但添加的是可用的大量算法，有時以幽默的電影報價或刺傷從幽默中拿出的非信息名稱，這可能會使它變得不知所措。較大的公司可能與眾多經紀人合作，每個經紀人都提供一系列算法，從而增加了複雜性。
• 合規風險：用於自動交易的不斷發展的監管格局可能會構成需要持續監控和更新的挑戰。
  
• 成本：創建和執行算法交易系統是並非所有公司都能負擔的成本，並且也有用於網絡功率，硬件和應用程序的持續費用。
• 歷史優化：存在適合歷史數據但在房地產條件下失敗的複雜算法的風險。
  
• 流動性不足：算法交易的另一個缺點是，它可能導致流動性迅速消失。據說算法交易是在瑞士法郎在2015年停止其歐元釘後造成貨幣市場流動性損失的主要因素。
• 面對事件的僵化：算法是按編程精確執行的，在他們不是為處理的市場事件中，這可能是有問題的，有可能導致性能較低和成本增加。
• 價格發現挑戰：從傳統專家和做市商到基於算法的交易的轉變使價格發現變得複雜，尤其是在市場開業中。儘管算法有效地包含了製定策略的價格信息，但它們可以迅速努力確定安全的公平市場價值。
• 系統性風險：自從這種交易開始以來，這已經在監管機構和政治代表中進行了廣泛討論。例如，人們擔心廣泛使用類似算法可能會增加系統性風險和市場波動，如諸如此類的事件所見閃光燈崩潰。例如，在2010年5月6日，道瓊斯工業平均水平以及其他指數突然下降，下降了1000分，然後迅速反彈。墜機最初是由期貨市場上的大型賣方觸發的，引發了一系列高頻交易。
• 技術依賴：依賴計算機系統意味著故障，連通性問題和系統故障可能導致巨大的損失或錯過的機會。
  

底線

毫無疑問，算法交易可以提供幾種不同的優勢，例如交易決策中的速度，效率和客觀性。它可以自動進入並退出點，減少人為錯誤的風險並防止信息洩漏。但是，它也帶來了重大風險：它依賴於可能出現故障或被黑客入侵的複雜技術，高頻交易可以擴大全身風險。市場波動，執行錯誤和技術故障也是潛在的危害。