现在对于高频交易普遍存在误读，要么认为非常赚钱，要么认为扰乱市场。而实际上，大部分高频策略根本不是赚钱策略，是做市用，提高市场流动性和市场深度的，说白了，是繁荣市场，增强交易所稳定性和国际竞争力的。
真正扰乱市场的，跟频率没关系，就算是低频，如果市场容量小，照样影响，比如现在的小盘交易所，现货，以及之前文交所的情况。反而是随机单，盈利低不说，还把市场搞得很乱，最后整个市场的盈利水平降低，就跟现在欧美市场一样。目前公开宣传的很多人根本没有高频交易经验，所以说话很多都是想当然，不太负责任。
还有一个令高频交易饱受舆论诟病的是人们包括很多专家把失误损失和市场操纵归咎于高频交易模式而不是操作风险管理缺陷和违规交易，把市场不公平归咎于高频交易而不是大机构行为和监管漏洞。
人们时常从媒体上了解到因为“胖手指”（Fat Finger）或某个机构的订单程序进入了死循环而向市场中发出了巨量订单，然后高频交易算法迅速反应，造成市场崩盘或者剧烈波动的情况。很多人会说，如果没有高频交易，那么市场就不会这么动荡，因为人们不会来不及反应，而且高频交易在市场波动的时候推波助澜，加剧了市场波动。而实际上，即便没有高频交易，市场参与者也会根据自己的情况作出平开仓的决策，当这种决策具有广泛一致性的时候，市场一样会出现剧烈波动，这个是市场中一个常态特征。
而且不是所有高频交易策略都是趋势跟随类策略，市场深度的增加和各种各样的交易行为反而有利于减少不必要的波动，因为大多数情况下人们和策略对行情的看法并不一致。而很多这类情况中亏损的发生，其根本原因，是参与者的操作风险和市场风险管理有严重缺陷造成的，比如不按照交易规定或者策略设计执行操作，风险敞口过大而没有留存充足的风险准备金。因此这类托辞，无异于一名依据日线进行操作的交易者抱怨一分钟线的波动太大。
同时，人们往往忽略了一些可能违规的交易行为，如操纵市场。对冲基金和投行自营对市场的压力测试，很多都被伪装成了“胖手指”，在市场出现崩盘和剧烈波动之前，往往已经通过主动性策略试验了很多次，而且有声誉资源的机构，为了弥补自身算法能力的不足和增强算法效果，往往还会靠资本运作、媒体宣传的方式造市，比如大家时常看到的一些著名机构的报告。
与传统理解的操纵市场需要大量资金和资源不同，很多这类机构，往往扮演的是对已经走到悬崖边儿的市场轻轻推了一把的角色，当然他们不会承认其实之前已经推了很多次没推动，也绝不会承认是他们推的，因为此类主动性交易策略往往伴有合规问题。当然也有算法可以利用此类市场操纵行为实现盈利，因为只是利用而不进行市场操纵，所以也没有合规问题。而这一切，与高频与否没什么关系。
同样的，相当多的市场参与者为了盈利也会费尽心思挖掘监管漏洞和利用甚至创造市场的不公平。闪单交易就是一个典型。闪单（Flash Order）的交易模式也是属于不公平交易的，与高不高频无关，即便在人工电话下单时代，券商交易员也会根据自己情况抬高、压低、延迟成交某些投资人的电话委托，这个也就是闪单（Flash Order）的原型。有券商资质的各个投行一直将其作为稳定收入来源之一，从人工到自动，后来还加入了分析客户订单的算法。虽然闪单交易已经因为曝光而被禁止，但是还有各类不公平的交易模式充斥在市场当中，利用着监管的漏洞。比如前些日子因为BATS闪电崩盘导致服务器故障而暴露出的操纵市场的事情。你可以在高频交易中找到所有违规交易的影子，但是对应的有效的监管方法却乏善可陈。有些监管部门会邀请直接的市场参与者对监管方法做指导，这是一个能够弥补监管者市场经验不足和提升监管政策制定的有效性的好方法。
除了上述一些误解，一些推销高频交易的专家有时也会有概念混淆，例如低延时交易和高频交易就是两个概念，不少人还分不清，会把低延时交易等同于高频交易。与中国的券商总部集中然后交易所撮合的订单路径不同，欧美市场很多券商和交易所支持DMA交易模式（Direct Market Access，直接市场接入），即交易者的订单可以直接递交到交易所进行撮合。当然国内期货市场中上期综合交易平台（CTP）的出现的确改善了部分非上海总部券商客户交易上期和中金所标的的订单路径。
如果我从天津去北京，不坐便捷快速的和谐号动车，而是坐飞机飞香港然后转首都国际机场，你肯定认为这是一个笑话，但是大多数二级市场的参与者实际上每天都在做这个事情。技术背景专业人士和受媒体高频交易宣传熏陶的行家往往会把交易终端放置于离交易所电信运营商中转节点附近，这样做的确可以降低订单的网络延时，可以减少10-120毫秒（1秒=1000毫秒）的交易数据网络传输时间，而且如果足够专业的话，管理层会惊喜地发现在效率改善报告上，网络效率提高了80%-90%。尽管看起来相当完美，但是如果你知道一个人看到信号的反应时间，最快需要130-220毫秒，点击鼠标或者下单键盘的速度最快也要214毫秒，交易软件本身从接收到数据到显示最快也要10-50毫秒，那么针对网络延迟的改善的效果恐怕就远远没有想象的好。而且当你发现大多数情况下，在这么折腾后，报价表的价位根本没有动过，这时候一般多少会有点儿小失望。
既然是这样，从改进交易策略入手，效果会好得多。从专业角度来讲，在上马这类解决方案之前，我们会组成专家组详细的进行成本收益分析，遗憾的是，绝大部分机构基本没有做过此类分析就决定参加到“军备竞赛”中去。当然市场参与者追求低延时交易主要还是出于对自身权益的保护，本身无可厚非。如果在上海能比在北京获得较多的交易优势，那么这个市场是不公平的，这方面中国的监管机构和交易所做的就相当出色，在很大程度上保护了广大的投资者，维护了市场的公平性；而欧美市场正因为缺乏这样的公平性，所以很多机构都是被迫在进行设备升级和高频改造，伴随着军备竞赛，其有效盈利水平不是在提高，反而是在降低，这情形与国内家长给孩子报名参加各类补习班极为相似。
国外之所以玩儿了命地喊高频，很多根本是硬件厂商、软件厂商，以及火箭科学家在喊，会把西蒙斯抬出来。但是最早对冲真正搞真正意义的高频的，是看市场环境的，不是公开的那些知识，公开的知识是学校看准市场推出的培训，学术研究和靠教学盈利的。这也是二级市场相对公平的方面，不看学历、学校、年龄、社会背景。所谓的百分之几十都是高频单，其实相当部分只是做市和大单拆分而已，对于大单拆分，中国证券的机构版下单软件从很早就有。在欧美投资咨询机构中，有相当多的所谓算法交易提供商，主要以订单拆分策略为主营业务，如果你详细了解了他们用于执行订单的算法模型，你会惊叹，原来钱在华尔街是这么的好赚！
如果你关注高频交易的相关信息，你就会发现，上面的真实情况很少有人提及，这是很奇怪的。不说清楚会增加市场的风险，不利于市场完善和国有资产保值增值。而且需要明确的是，搞明白不是就一定要大力推广或者打压频率较高的交易行为，任何有利于市场健全和稳定的交易行为都应该被支持，都是市场里重要的组成部分，一个保持了多样性的市场环境才有利于经济稳定。只推崇价值投资或者只崇拜套利投机，都是犯了主观定价错误，即便是高级数量专家，使用高级量化模型，也会经常犯主观定价错误，从他开始选择模型开始工作的时候就开始犯错误了。而且在任何一个市场里，都不可能彻底消除价值投资，或者是投机交易，其根本原因是各种交易方法不过是资本的逐利属性在不同的市场环境下的不同行为表现而已。一个公平健康的市场环境，对所有市场参与者都有好处。当然国内对高频肯定是限制的，这保护了大多数投资者，并且有利于维护市场的公平性。现在的环境也的确没有高频环境，这个是事实。政策方面应该还不会放松，况且也没有必要一定要放开。难道真要每秒20-40万单，平均一天都1.3-2.5万单成交一个品种？
除了对高频交易有清晰的认知外，我们也应该注意到，随着量化投资理念的深入和高频交易越来越热的宣传推广，在这个经济危机的宏观背景下，现在的国内市场正在面临一些前所未有的风险。
这其中最重要的莫过于现有风险管理方法的缺陷和正在暴露出来的虚假有效性。对于交易风险管控，大部分现代风险管理方法在高频交易中都有同样的应用。从商业银行到投资银行自营部门，到正规的对冲基金，基本上采用的市场风险管理体系和操作风险量化方法还是建立在VaR（Value at Risk，风险价值）之上的。可是基于VaR的现代风险管理框架本来就是先天不足，后天补还是不足。而各个银行在风险识别和管理上一直以来就有严重漏洞，2008年时候只不过是个验证而已。况且很多使用风险管理模型的从业人员，其实对风险管理模型本身并不是多熟悉，用法也不一定对。这些机构，相当于赤身裸体走在寒风里，中国的很多银行、公募基金、私募股权基金、信托公司、私募（对冲）基金，也是如此。比如摩根大通的“伦敦鲸”事件，尽管限于保密协议我不能披露太多，但是可以确定的是，从2011年10月份开始，就已经有对冲基金发现相关市场里一些大机构的风险是不可避免的，而他们的系统风险，也越来越大，加强内控也没用，他们在当时已经错过了最好的自我调整机会。这些传统上光鲜的机构，现在应该很郁闷或者还蒙在鼓里，因为他们的资产充足率和VaR报表一直都“表现良好”。虽然从2008年开始有不少对冲基金着手研发全新的风险管理框架用以改善风险管理水平并已经取得了还算不错的效果，但是这些方法是与核心交易算法受同等严密保护的，不太可能公开，也不一定具有普适性。
另一个重要风险是我们正在经历又一次的多样性丧失，多样性的丧失会导致系统性风险的积累，而美国前不久刚刚经历过，那直接导致了本次经济危机。华尔街雇佣了大量的商学院毕业生和火箭科学家，先不提用自然科学方法研究社会科学的合理性的问题，同样的理论灌输，同样的培训模式，造就了大批缺乏差异性的金融精英。也许每个人都觉得自己与众不同，但是从知识体系和认知层面，对风险的感知整体敏感度下降了。而我们现在，正在做几乎同样的事情。如果任意一个新手进入市场，只坚定有效市场假说是正确的，那是十分糟糕的。认知丧失多样性目前看唯一的好处就是增加了行为的可预测性，如果一个国家的宏观经济教材绝大部分篇幅都是凯恩斯主义，那你闭着眼睛也能知道当面临金融危机的时候政府会采取什么行动。既然人类的认知水平是相当有限的，那么也就没有任何理论是一定能靠得住的，因此保持一个开放的态度，没什么坏处。另一个技术层面来看，市场参与者越来越采用趋同的交易技术，增加了市场的剧烈波动和可操纵性，而这个帽子，往往被扣在高频交易头上。尤其是随着国内沪深300绑定的ETF产品越来越多，越来越多的套利策略被采用，而这些套利策略，往往又基于经典套利方法和算法，那么当出现相同的交易信号时，除了竞速外别无他法，“秒杀”行情自然会增多。通常来讲操纵沪深300股指期货行情是相当困难的，况且国内期货还有有限单和限仓的规定，但是即便是单交易账户，也可以借助算法分析沪深300成份股，以及市场中采取的各类策略类型和比重，利用足以影响市场的大规模同质策略的资金，比如套利策略，实现对沪深300指数的操控从而在期指交易上牟利。首先，操纵者不用去影响全部沪深300的成份股，然后也用不着人们想象的能够操纵指数的资金规模，在算法帮助下，自有资金扮演的是催化剂和引导的角色，当市场中同质策略越多，其操纵成本就越低。这些并不太难实现，但是却缺乏有效的监管方法，因为现有的监管方法很难确定“看起来不算大”的资金规模是不是真的在操纵市场。从这个角度来看，我们的监管机构不支持在国内股票市场中恢复T+0是相当明智的。这也可以看出来，在制度建设和投资者保护方面，我国的监管部门和交易所很多都要比美国的监管部门和交易所要优秀和先进得多，对于一个深入全球市场的实际参与者来说，很容易分辨这点。
此外随着量化交易的推广，国内也面临着前所未有的模型风险及操作风险监管难题。实施量化交易的机构，一年需要维护和监管的模型数量少则几十，多则成百上千。这里面存在的最大难题在于，交易策略、风险管理、产品设计、市场营销等本身属于不同模型范畴，各个类型下面又分很多子类，也是不同模型范畴，比如交易策略，基于不同假设、背景、设计原理、采用算法、实现手段五花八门，很多还是黑箱算法，模型代码的直接可解释程度很差，即便模型中出现某人的八字作为决策依据也是很常见的，相对的，一般机构人员本身的建模经验就有限，而且往往缺乏综合应用和实战经验，那么这种情况下要进行模型风险管理，找到一个有效解决方案来监控各种模型风险，可以说十分困难。这个情况，相信在国内实施过巴塞尔新资本协议和巴塞尔资本协议三的会很有感触。在投资领域，包括一级市场和二级市场，我见到过和建立过的相当数量的模型都比诺贝尔经济学奖级别的模型要复杂，有的是模型看起来极为精简，但是训练模型的方法却极其复杂。这当中感触最深的就是，对于相当多的模型算法，使用者是很难了解到算法发明者的全部意图和模型缺陷的，甚至就连模型算法发明者自己，也有相当部分没有意识到自己模型算法的缺陷，长期资本就是一个典型的例子。另外，在相关模型进行部署实施的审查阶段，现实中也经常会有非专业业务领域的管理层出于经营和某些利益的考虑，放弃稳定的模型解决方案而采用可能更冒险和欠缺稳定性的解决方案，因为决策者即为监管者，那么在出现不可挽回损失前，其实际操作和市场风险水平往往会被掩盖。这一幕在2008年爆发的金融危机中已经多次上演，并且一直到最近也依旧在上演，根据对各个机构尽职调查的结果来看，在未来的一段经济动荡期中，还将会一次次地上演。当然这并不意味着量化交易和高频交易增加了风险，而是这类事物的发展，让很多原有的风险管理漏洞更快的暴露了出来。据我了解到的情况，国内有自营业务的机构，有市场风险管理，操作风险量化稍差，相当数量的机构没有专门的模型风险管理，但是却在积极快速地推行算法交易和高频交易。
另外，不可否认的是，量化交易的确促进了券商自营业务的发展，但是也带来了不少问题。采用量化手段，本身降低了二级市场中交易的门槛，并起到了一定的风控作用，这样原本需要极高天赋和经验的交易员的工作变得可以用研究员代替，就连所谓的盘感也可以进行量化。对于券商来说，这虽然增加了业务线，丰富了收入渠道，有助于促进券商向投行或投资集团的进一步发展完善。不过需要担心的是，如果自营不独立成法人机构，客户的资料就可以作为内部资料被查阅，加之高频交易方法让一些操作更容易实现，随之而来就有可能出现跟单严重，客户订单被延迟申报，针对客户的订单情况（不是单一客户）派生出算法侵吞客户的资金却伪装成“滑价”，甚至分析客户情况与客户对赌，还有很多不公平的交易手段，都会损害客户利益和影响整个券商行业及金融市场的稳定。而如果自营业务独立出来，比如成立对冲基金，那么两个机构之间如出现客户信息泄露的情况，无论从合规还是监管的实际操作执行上，都会便捷有效得多。
最后，高频交易应用的主要市场之一的衍生品交易在未来几年极有可能在国内得到推广，那么这类金融发泡剂有多少对实体经济有帮助，有多少又会埋下隐患，需要我们非常谨慎的对待。欧美金融业的衍生品设计现在存在一个相当严重的问题，就是不再秉持有助于实体经济发展的需求导向，而是偏向金融机构本身盈利的创收导向。这就使很多金融衍生品存在的实际意义和高频交易方式被质疑。前几天获悉私募债发行的消息，我曾经开玩笑地说过：我们这类人，完全有能力把私募债重新拆分组合、打包定价，仅仅采用不同的定价模型就能让资产“增值”，还完全合规，然后把私募债的衍生品再卖回给发债方，券商可以盈利、设计者有佣金、交易所有业绩、连发债的企业方的财务报表看起来都会有所改善，还做了金融创新，一举多得。可是这整个过程，除了几方面可以牟利，其他什么帮助也没有，甚至反而增加了发债方和整个市场的风险，那么这种金融创新，应该抵制。而且针对领导拍板决定制的买方，卖方机构很容易找到突破点和有效方法来进行销售。需要买方警惕的是，很多衍生品不一定会以成型的产品的形式出现，也有可能是以交易结构设计的形式出现的。而对于已经成熟的衍生品市场，适当促进国内的交易平台发展，反而有助于降低风险。一方面是因为部分金融衍生品的确有经济润滑剂的作用，另一方面是因为随着全球化进程，国内机构不参与国际衍生品交易基本是不可能的。那么不论是争取定价权还是减少参与国际衍生品金融机构因为经验不足而导致的风险，设立这样的平台是有必要的。不过在现在全球经济依旧面临动荡的时候，还是需要审慎的考量才是上策。
自从萨老先生（萨缪尔森）不太受哈佛待见而转到麻省理工，并把大量数学工具应用于经济学开始，金融业就没有停止过量化的脚步。于是国人更是对数理分析崇拜到极致，不少从业者更以复杂模型为荣，高频交易和算法交易恰恰能够满足这个虚荣心。可是，金融到底需要哪些数学知识呢？
第一个，很重要的，就是加法，你要知道你的投资组合是如何分配的，利润是多少。
第二个，更加重要的，就是减法，你需要知道你的损失在哪里，并把它们从你的资产总值中减去。
第三个，是除法，因为你会发现只有金额和价格是不够的，你没法准确判定形势，所以你需要百分比。
第四个，是乘法、乘方、以及根运算，因为你需要把你的投资组合收益进行时段化，通常是年化，这样做唯一的目的，是吸引其他感兴趣的投资人的投资。当然你如果只是自营的话，第四个可以不知道。
也许不少精英会嗤之以鼻，可是据我了解，华尔街包括中国的金融业里，能完全掌握上面的四个/三个知识的人，的确不多。
作者注：本文撰写于2012年。作为后话，如果光大证券能对此足够重视，或许也不会出现错单事件，而目前环境下其他机构依然有出现重大风险事件的可能。因此，特将此旧文作为本专栏第一篇文章刊出。
— 完 —
本文作者：kuhasu
【知乎日报】
你都看到这啦，快来点我嘛 Σ(▼□▼メ)
