西蒙斯的大奖章基金是华尔街对冲基金的一个神话,连续20年,平均每年盈利35%,如果考虑该基金5%的管理费和40%的提成的话,它每年的收益率超过60%。这个收益率远远超过了巴菲特和索罗斯。
西蒙斯的策略主要是利用强大的数学模型和计算机软件,在全球市场的不同产品中,进行高频交易,赚取微小的波动差,从而获取一个稳健持续的收益。这种属于市场中性策略,不太受牛市熊市的影响,只要有波动就能赚钱。西蒙斯的大奖章基金能在2008年金融危机全球市场暴跌的情况下获得80%的收益率,原理就在此。
综合而言,高频交易主要包括下面几种策略:流动性回扣交易(Liquidity Rebate Trading)、猎物算法交易(Predatory Algorithmic Trading)和自动做市商策略(Automated Market Makers Trading)。
为了清晰地阐明上述高频交易策略,举例说明:一个买方机构投资者决定以30美元左右的价格购买10000 股公司XYZ股票,像共同基金、养老基金等大多数买方机构投资者一样,该买单首先被输入到其算法交易系统。为了减小对市场价格的冲击影响,投资者的算法交易系统一般对该大额买单进行两阶段处理:首先将其分解为几十个甚至几百个小买单(一个小买单通常在100~500股之间),然后将这些小买单按某种设定的顺序投放到市场。流动性回扣交易为了争取更多的交易订单,美国所有的证券交易所都为那些创造流动性的券商提供一定的交易费用回扣,通常为0.25美分/股。不论买单还是卖单,只要交易成功,交易所即向该流动性的原始提供券商支付回扣,同时向利用该流动性进行交易的券商征收更高的费用。随着这种激励机制的日益普及,越来越多的以专门获取交易回扣为赢利目的的交易策略便应运而生了。
在本案例中,假设机构投资者的心理成交价格在30~30.05 美元之间。如果交易系统中的第一个买单(如100 股)配对成功,以30 美元价格成交。这样,交易系统中第二个买单(如500 股)便跳显出来。再假设该买单也配对成功,以30 美元价格成交。根据上述交易信息,专门从事流动性回扣策略的高频交易者的计算机系统即可能察觉到机构投资者其他后续30 美元买单的存在,于是,回扣交易商计算机采取行动,报出价格为30.01 美元的买单100 股。毫无疑问,那些曾以30 美元出售股票XYZ 的券商更愿意以30.01 美元的价格出售给该回扣交易商。
在交易成功之后,回扣交易商立刻调整交易方向,将刚刚以30.01 美元购得的100 股股票以相同价格,即30.01 美元挂单卖出。由于30 美元股价已不复存在,故该卖单很可能被机构投资者接受。
这样一来,尽管回扣交易商在整个交易过程中没有赢利,但由于第二个主动卖单给市场提供了流动性,从而获得了交易所提供的每股0.25美分的回扣佣金。不言而喻,回扣交易商所获得的每股0.25 美分的盈利是以机构投资者多付出的1.0 美分为代价的。猎物算法交易在美国,超过一半的机构投资者的算法报单遵循SEC 国家最佳竞价原则(National Best Bid or Offer,NBBO)。所谓NBBO,即当客户买入证券时,券商必须保证给予市场现有的最佳卖价;同样当客户卖出证券时,券商必须保证给予市场现有的最佳买价。根据该原则,当一个报单由于价格更为优先从而在排序上超过另一个报单时,为了能够成交第二个报单,常常调整股价并与前者保证一致。事实上,一只股票的算法报单价格常常以极快的速度相互攀比追逐,从而使该股票价格呈现出由高到低、由低到高的阶段性变动趋势。这也正是在实际交易中经常看到数量有限的100股或500股小额交易常常将股价推高或拉低十美分至几十美分的原因。
猎物算法交易策略即在对上述股价变动历史规律进行研究基础上而设计的。一般而言,该策略通过制造人为的价格来诱使机构投资者提高买入价格或降低卖出价格,从而锁定交易利润。
在本案例中,假设机构投资者遵循NBBO并且心理成交价格在30~30.05美元之间。像上例中流动性回扣交易商一样,猎物算法交易商用非常相似的程序和技术来寻找其他投资者潜在的连续算法订单。在计算机确认价格为30 美元的算法报单的存在后,猎物算法交易程序即发起攻击:报出价格为30.01 美元的买单,从而迫使机构投资者迅速将后续买单价格调高至30.01 美元;然后猎物算法交易商进一步将价格推高至30.02 美元,诱使机构投资者继续追逐。
以此类推,猎物算法交易商在瞬间将价格推至机构投资者所能接受的价格上限30.05 美元,并在此价格将股票卖给该机构投资者。猎物算法交易商知道30.05 美元的人为价格一般难以维持,从而在价格降低时进行补仓赚取利润。自动做市商策略众所周知,做市商的主要功能即为交易中心提供交易流动性。与普通做市商一样,自动做市商高频交易者通过向市场提供买卖订单来提高流动性。不同的是,他们通常与投资者进行反向操作。自动做市商高频交易者的高速计算机系统具有通过发出超级快速订单来发现其他投资者投资意向的能力。例如,在以极快速度发出一个买单或卖单后,如果没有被迅速成交,该订单将被马上取消;然而如果成交,系统即捕捉到大量潜在、隐藏订单存在的信息。
在本案例中,假设机构投资者向其算法交易系统发出价格在30.01~30.03美元之间的系列买单,外界无人知道。为了发现潜在订单的存在,自动做市商高频交易者的高速计算机系统开始以30.05 美元的价格发出一个100股的卖单。由于价格高于投资者价格上限,因此没能引起任何反应,于是该卖单被迅速撤销。计算机又以30.04美元的价格再次探试,结果还是没能引起任何反应,于是该卖单也被迅速撤销。计算机再以30.03美元的价格继续探试,结果交易成功。基于此,计算机系统即意识到一定数量价格上限为30.03美元的隐藏买单的存在。于是,运算功能强大的该计算机系统随即发出30.01美元的买单,并利用其技术优势赶在机构投资者之前进行成交,然后再以30.03美元的价格反卖给机构投资者。
以上三种就是主流的高频交易策略,这种策略对计算机和网络的性能要求极高,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。
实际上,高频交易给市场带来的影响,在投行机构之间早已有较为激烈的讨论。芝加哥联邦储备银行的报告指出,虽然高频交易对市场也有好处,能够增加股票市场的流动性,但一旦程序出错或人为疏忽都有可能对市场走势造成灾难性影响。
另外一个问题是:高频交易涉嫌市场公平问题,高频交易需要的设备和计算能力对中小投资者是一种不可逾越的门槛,这些利用高频交易获取收益的机构,可能造成市场的不公平。
在国内市场,目前高频交易的土壤还不完善,股票市场是T+1,股指期货市场的持仓有很大的限制。商品期货市场可以做一些日内的短线交易,但是高频交易如欲大展拳脚尚有很大的距离。(来源:宽客界)