算法交易應帶“拒絕”基因

李欣

量化投資盛行，如何防止“烏龍指”事件的發生備受關注。近日，《證券市場周刊》記者專訪了瑞銀證券有限責任公司董事總經理、中國證券業務總監夏陽。夏陽稱，算法交易系統的核心是系統化風險控制和公司文化。

《證券市場周刊》：請簡單介紹一下量化交易和算法交易。

夏陽：量化交易可以有效地將被市場實證過的選股及投資方法進行程序化，借助計算機的強大處理能力，在更廣范圍、更短時間內尋找投資以及對沖的機會。量化交易根據預先設定的參數進行投資操作，避免了非理性的投資決定。

但是大批量的買賣證券勢必造成沖擊成本的提升，因此算法交易應運而生，成為投資者在量化交易過程中降低隱性成本的重要環節。算法交易指的是用一些計算機電腦建模型的交易方法來實現投資執行，作為降低交易成本的有效工具，它通常是機構投資者在采用量化交易模型時所必備。

《證券市場周刊》：在算法交易盛行的當下，您覺得如何防范風險？

夏陽：算法交易不僅能為我們的交易員帶來更好的回報，也能夠減低錯誤，提高效率。但算法交易的應用也可能會加劇市場的波動性風險。即在效率提高的同時，也帶來了挑戰。

如在西方市場曾出現過市場“閃電崩潰”，或因整個投資人群體的電子自動化程度過高，有時會引發市場上一些連鎖反應，這要求從業人員要提高風險意識，盡量控制好使用這些自動化工具過程中帶來的風險。

任何系統都不能保證100%沒有問題，出事（發生風險）也是概率事件。但事件發生后，究其根源，要看其是什么性質？如果純粹是蓄意犯罪，像尼克里森，即想方設法、挖空心思去違法作案，那么僅僅通過門上掛鎖是不可能完全防范的。但如果是無心之失，那么系統化風險控制就尤為重要，且文化因素也包括其中。

《證券市場周刊》：如何在提高效率的同時，又很好地控制風險？

夏陽：要做好風險控制，首先要了解其背后的邏輯。以瑞銀為例，客戶訂單在下達至交易所前需要通過多道邏輯檢查，包括常規策略檢查和詳細策略檢查，將邏輯層面出錯的可能性降至最低。如此，交易系統才能最大可能地避免客戶的訂單價格、數量、限價和限量等條件在邏輯上出現自我矛盾。

另外，人才培養很重要。據我們長期做量化投資的經驗，要培養一個做復雜交易的團隊，需面對高風險的同時，也要求有高投入（包括對人才的引進和培養）。我們高薪聘用這些人才，他們有義務按照公司制定的策略去配置適合的資金，利用投資系統為公司創收。他們須嚴格執行流程，而不是激進地一味追求高收益而忽視風險。

《證券市場周刊》：以日本東京證券交易所的“烏龍指”案為例。2005年12月8日，日本東京證券交易所上午開市后不久，瑞穗公司下單員在下單時誤將“以61萬日元賣出1股JCOM公司股票”的下單指示輸入為“以1日元賣出61萬股JCOM公司股票”。結合您的經驗，如何避免此類風險？

夏陽：從系統設計的角度，我們的算法設計中會要求當報單價偏離基準價5%時，或接近跌停板或漲停板時，系統應顯示“拒絕”。如果系統發現在1分鐘內同一只股票單反復十次被“拒絕”，那么公司會停止整個系統交易，并由公司專業監控人員介入排查，因為重復“拒絕”只是表象，這種設計是基于交易經驗支撐的。

《證券市場周刊》：對中國發展不久的量化交易，有何建議？

夏陽：與國際成熟市場經驗相比，中國市場可能還需要進行一些市場微結構調整，包括從根本上杜絕和防范風險的系統性建設，這是中國市場結構建設必須要面對的問題。

從海外經驗看，從交易微結構上入手對市場進行調整也許是更有效的路徑。大型券商作為算法業務的服務提供商，通過提供相應的交易系統和人才培養，進一步培育好市場，正確引導客戶需求。這項復雜的業務需要多方合力完成，需要規模效益。同時，還需要行業間不定期進行經驗分享，并制定一定的行業推廣標準。