算法交易：定义，其工作原理，优点和缺点

算法交易涉及三个广泛的算法领域：执行算法，寻求利润或黑盒算法以及高频交易（HFT）算法。尽管在现实世界中的应用程序中没有完全分开，但这些都是用于财务交易和决策的自动化流程，使用价格，时机，数量等，以及一组规则，以解决曾经需要金融专家团队的交易问题。

算法交易使用人类监督的复杂数学模型来做出贸易证券的决定，并且HFT算法交易使公司能够每秒进行数万笔交易。算法交易可用于订单执行，套利和趋势交易策略。

了解算法交易

使用算法在交易中，在1970年代在美国金融市场引入了计算机交易系统后增加。 1976年，纽约证券交易所推出了其指定的订单周转系统，以将订单从交易员到交易所的专家。在接下来的几十年中，交易所增强了他们接受电子交易的能力，到2009年，计算机执行了美国60％以上的所有交易。

迈克尔·刘易斯（Michael Lewis）是关于金融，棒球和其他领域弱者的畅销书籍的作者，他引起了HFT算法的交易，引起了公众的关注闪光男孩，其中记录了华尔街商人和企业家的生活，他们帮助建立了定义美国电子交易结构的公司他的书表明，这些公司参加了军备竞赛，以构建更快的计算机，这些计算机可能会更快地与交流进行沟通，以利用速度的速度来获得比竞争对手的优势，使用订单类型，使他们受益，从而损害了普通的投资者。

算法交易类型

财务交易中使用的算法是旨在自动做出交易决策的规则或说明。它们的范围从简单的单股票到更复杂的黑盒算法，分析市场条件，价格转移和其他财务数据，再到最佳时间以最少的成本最低利润率执行交易。计算机工程和金融的跨界因其铅术语而臭名昭著，因此我们不会在这里用太多的术语权衡。虽然某些短语可能会从一家交易公司略有变化，但以下短语应该使您了解算法交易的广泛用途：

• 到达价格算法：这些旨在在下订单时尽可能接近股票的交易。这些对于最大程度地降低了市场影响和订单后价格转移的风险很有用。
• 篮子算法：也称为投资组合算法，这些执行订单在计算投资组合中其他决策和证券的影响时执行订单。例如，即使以合适的价格获得安全性，该算法也可能决定推迟交易，如果这样做会增加整个投资组合的风险。算法中的限制包括现金平衡，自我融资以及最低和最大参与率。
• 实施短路算法：这些自动化规则旨在最小化实施不足，执行订单与决策价格不同时的成本。
• 数量百分比：这些算法对实时市场交易量的反应调整订单大小。目的是保留总市场量的预定百分比，平衡市场影响和时机。
• 单股算法：这些算法旨在优化单个安全性的贸易执行，考虑到市场状况和订单规模之类的因素。
• 体积加权平均价格（VWAP）：这些算法以在特定时期内的股票平均价格与体积加权的平均价格密切相匹配的价格执行订单。
• 时间加权平均价格（TWAP）：这些算法在设定的期间均匀分配交易，以达到平均价格，反映了股票价格的时间加权平均值。在大量订单时，它们被用来最大程度地减少市场动荡。
• 风险规定参数：这将根据交易者和所需的策略而有所不同，但是通常将其与其他算法一起根据交易者或客户的风险承受能力来调整交易侵略性。
  

算法交易的示例

让我们浏览一个简单的算法交易示例。假设您已经编程了一种算法，每当75天移动平均线超过200天移动平均线时，就可以购买XYZ公司的100股股票。这被称为技术分析中的看涨跨界，通常表明价格趋势。执行算法可以监视这些平均值，并在满足这种情况时自动执行交易，从而消除了您不断观看市场的需求。这允许基于特定的预定规则进行精确，无情感交易，这是算法交易的本质。

黑匣子算法

我们将这些算法分开了，因为它们的功能与上面的算法不同，并且是财务中使用人工智能（AI）的辩论的核心。黑匣子算法不仅是预设某些策略的可执行规则。该名称用于交易中的算法家庭和许多其他领域。“黑匣子”一词是指具有晦涩难以置信的内部机制的算法。

与遵循预定义的执行规则（例如以一定数量或价格进行交易）的其他算法不同，黑匣子算法的特点是其目标方向的方法。设计师确定目标并选择特定的规则和算法来到达那里（在某些时间以某些时间以一定的一定量以某些价格进行交易），设计师确定了目标和算法。黑匣子系统有所不同，因为在设计人员设定目标时，该算法自动确定基于市场条件，外部事件等实现它们的最佳方法。

通常，那些在公共领域中使用该术语的人会使两个问题感到困惑：企业和其他人将其视为商业秘密的量化策略，用户知道但不共享。例如，竞争对手和监管机构可能不了解这些策略，例如，高频贸易公司可能正在使用。但是，那是因为那些在公司内部工作的人没有共享专有技术。

然后，有黑匣子系统。黑匣子算法的标志，尤其是使用人工智能和机器学习的算法，是另一个问题，即这些系统的决策过程甚至对他们的设计师来说都是不透明的。虽然我们可以衡量和评估这些算法的结果，但了解要达到这些结果的确切过程是一个挑战。缺乏透明度可能是一种优势，因为它允许制定复杂的自适应策略来处理大量数据和变量。但这也可能是一个弱点，因为特定决策或交易背后的理由并不总是很清楚。由于我们通常从决定某事的原因方面定义责任，因此这不是这些系统中法律和道德责任的小问题。

因此，由于交易者和投资者可能无法完全掌握所使用的算法系统的基础，因此这种晦涩难懂的问题引发了有关金融世界内的问责制和风险管理的疑问。尽管如此，黑匣子算法在高频交易和其他先进的投资策略中还是很受欢迎，因为它们可以超越更透明和基于规则的方法（有时称为“线性”）方法。由于金融科技公司希望近年来要在机器学习和人工智能方面取得重大进展，并将其应用于金融交易，因此这种系统处于金融技术研究的领先地位。

开源算法交易

正如智能手机应用程序和高级AI系统使非专家能够创建量身定制的应用程序和应用程序编程界面（通常称为蜜蜂），算法交易的世界使局外人能够扩大其专有工作。这种开源方法允许单个商人和业余程序员参与曾经是专业专业人员的领域。对冲基金和投资公司，例如两个Sigma和Panagora，有时通过众包算法和吹捧他们通过其他方式来偿还程序员社区的努力来利用这一转变，并将改进的改进释放到开源应用程序中，以便所有人使用。他们还举办比赛，业余程序员可以提出其交易算法，其中最有利可图的应用程序获得了佣金或认可。

但是，正如科技公司利用开放式应用程序和编程来解决问题和社区参与一样，金融科技公司越来越不仅仅是使用开放式云云计算和在整个商业世界中常见的类似应用程序。金融科技开源（FINOS）基金会在2023年11月的一份报告中说，大约四分之一的金融服务专业人员参与了开源数据科学和人工智能/机器学习平台。然而，金融部门可以走多远可能存在限制：受调查的Finos大约有三分之二表示，他们或其公司担心使用开放访问系统的公司需要保护专有知识。

算法交易的优点和缺点

优势

使用算法交易可以为市场变化和事件提供更快，更有效的响应。它们还可以自动化并确保投资决策和交易指令之间的更紧密对齐，从而导致市场影响成本和计时风险降低，以及较高的订单完成率。这里有其他优势：

• 匿名：交易是自动化的，跨平台的计算机和网络处理订单。这种自动化意味着订单未公开或公开讨论在交易楼上以前。此外，某些算法可以确保大规模交易散布以隐藏主要交易，这可以揭示涉及较小部门的当事方。
• 进行回测和研究：在使用现实世界交易之前，可以对算法进行回测并培训历史数据以审查其有效性，从而降低了潜在损失的风险。研究人员还可以通过使用此类系统来测试各种财务场景中的假设，从而增加财务领域的知识来做到这一点。使用这种算法方法已经进行了许多重大研究。
• 无情的决策：算法交易从交易中的决策中消除了情绪和心理因素，这可能导致采用更严格的方法。
• 更大的控制：虽然乍一看可能不会出现这种情况，但考虑到需要移交自动化系统各种交易职责，交易者可以决定从交易场所到特定订单详细信息，例如价格，股票数量和时机，然后根据客户或基金的目标和本市场条件调整交易速度。用户还可以几乎立即修改或取消订单。
• 较小的信息泄漏：由于经纪人没有收到有关投资者订单或交易意图的详细信息，因此泄漏的风险降低了。例如，购买安全性的交易者只需要通过算法的选择和参数设置来传达其交易需求和说明。
• 市场访问：算法交易可通过高速网络更快地访问市场和交流。此外，没有这些高端系统的客户现在可以利用共处和低延迟连接等好处。
• 提高透明度的潜力：尽管当前共享执行算法的操作细节时，Black-Box算法已经提出了不透明流程的问题，但投资者确切地知道其股票将如何在市场上交易。
• 精确：算法交易可以在高度指定条件下执行订单，同时减少人为错误的可能性。
• 速度和效率：上述所有优势隐含的是金融算法如何执行订单远比人类执行的速度要快得多，从而使交易者能够更快地利用市场机会。

缺点

算法交易具有其限制，无论是针对个别交易者而言外部性对于其他交易者和整个市场：

• 自满：无论市场状况如何，交易者都可能过于依赖熟悉的算法。
• 复杂：涉及的技术已经存在术语，但添加的是可用的大量算法，有时以幽默的电影报价或刺伤从幽默中拿出的非信息名称，这可能会使它变得不知所措。较大的公司可能与众多经纪人合作，每个经纪人都提供一系列算法，从而增加了复杂性。
• 合规风险：用于自动交易的不断发展的监管格局可能会构成需要持续监控和更新的挑战。
  
• 成本：创建和执行算法交易系统是并非所有公司都能负担的成本，并且也有用于网络功率，硬件和应用程序的持续费用。
• 历史优化：存在适合历史数据但在房地产条件下失败的复杂算法的风险。
  
• 流动性不足：算法交易的另一个缺点是，它可能导致流动性迅速消失。据说算法交易是在瑞士法郎在2015年停止其欧元钉后造成货币市场流动性损失的主要因素。
• 面对事件的僵化：算法是按编程精确执行的，在他们不是为处理的市场事件中，这可能是有问题的，有可能导致性能较低和成本增加。
• 价格发现挑战：从传统专家和做市商到基于算法的交易的转变使价格发现变得复杂，尤其是在市场开业中。尽管算法有效地包含了制定策略的价格信息，但它们可以迅速努力确定安全的公平市场价值。
• 系统性风险：自从这种交易开始以来，这已经在监管机构和政治代表中进行了广泛讨论。例如，人们担心广泛使用类似算法可能会增加系统性风险和市场波动，如诸如此类的事件所见闪光灯崩溃。例如，在2010年5月6日，道琼斯工业平均水平以及其他指数突然下降，下降了1000分，然后迅速反弹。坠机最初是由期货市场上的大型卖方触发的，引发了一系列高频交易。
• 技术依赖：依赖计算机系统意味着故障，连通性问题和系统故障可能导致巨大的损失或错过的机会。
  

底线

毫无疑问，算法交易可以提供几种不同的优势，例如交易决策中的速度，效率和客观性。它可以自动进入并退出点，减少人为错误的风险并防止信息泄漏。但是，它也带来了重大风险：它依赖于可能出现故障或被黑客入侵的复杂技术，高频交易可以扩大全身风险。市场波动，执行错误和技术故障也是潜在的危害。