高頻交易與市場穩定性研究評述與展望

茹華杰，吳承堯

（1.南京大學工程管理學院，江蘇南京210093；2.南京農業大學金融學院，江蘇南京210095）

高頻交易與市場穩定性研究評述與展望

茹華杰1，吳承堯2

（1.南京大學工程管理學院，江蘇南京210093；2.南京農業大學金融學院，江蘇南京210095）

文章從高頻交易能否穩定市場這一爭論出發，圍繞關于這一爭論的正反兩個觀點，梳理高頻交易對市場穩定性影響的研究現狀和發展脈絡，同時指出了目前的研究熱點和前沿方向。這些結論可以為把握我國證券市場高頻交易的研究方向提供參考，也可以為監管機構制定關于高頻交易的監管政策提供理論依據。

高頻交易；市場“閃跌”；市場穩定性

2009年被業內稱為“量化投資元年”，自此量化交易開始被越來越多地應用于證券市場，高頻交易（High Frequency Trading）作為量化交易的重要分支在證券市場的投資過程中發揮著重要作用。然而，高頻交易在給投資者帶來豐厚利潤[1-2]的同時，也被認為給市場帶來了嚴重的風險事件[3-4]。2010年5月6日美國股票市場指數、股指期貨、期權和交易所交易基金在30分鐘內突然下跌超過5%，這次事件也被稱為市場“閃跌”（flash crash）[5]；2013年8月16日光大證券“烏龍指”事件中上證指數1分鐘內拉升大盤漲超5%，兩分鐘內成交額達87億元。這類風險事件的發生，不但使得高頻交易成為實務界和理論界研究的熱點問題，而且使得新時期下高頻交易對市場穩定性的影響這一問題的研究有著前所未有的意義，但目前尚未有關于這一問題研究的回顧與總結。

一、高頻交易的概念

高頻交易占市場交易量的比例正在逐年提升，目前已經占據了美國市場交易量的一半以上，占據了歐洲交易市場的38%[6]，但是迄今為止關于高頻交易并沒有一個清晰的定義，僅有學者及機構嘗試給出高頻交易的概念。Brogaard（2010）[1]提出高頻交易是一類快買快賣的策略，交易時間通常是以毫秒和秒為單位。Kirilenko et al.（2015）[5]將高頻交易定義為市場中具有極大交易量的參與者。美國證券交易委員會（United States Securities and Exchange Commission，SEC）認為Kirilenko et al.（2015）所提出的定義比較狹義，不能準確描述大量高頻交易者的行為[7]，于是SEC給出的定義是高頻交易是采取專業化的投資策略并于日內產生大量交易，還列出了一些高頻交易所具有的特征[8]：（1）使用高速算法產生訂單并執行訂單；（2）使用交易所提供的共置服務器、個人數據饋送或其它途徑縮短網絡傳輸時間；（3）非常短的時間內建倉和清算；（4）上交大量訂單而且這些訂單也可以被快速取消；（5）盡可能日內平倉。

與高頻交易容易混淆的一個概念是算法交易，算法交易是由算法管理的電腦交易[9]，使用計算算法自動做出上交訂單的決策并管理已經上交的訂單[10]。Chaboud et al.（2014）[11]認為算法交易是計算機直接接口交易平臺處置訂單，不需人的介入，計算機以一個非常高的頻率（通常是毫秒）觀察市場數據和信息，并設計算法發出交易指令，這些算法包括尋找套利機會、尋找最小成本執行大量訂單、尋找長期交易策略的最大利潤等等。Hendershott，Jones and Menkveld（2011）[10]認為算法交易與高頻交易相似，但是存在本質上的不同，算法交易與高頻交易相似的地方是都使用自動計算技術做出決策，但是它們的不同之處在于算法交易持有資產的時間可能是分鐘、天、星期或者更長時間，但是高頻交易是在一個非常短的時間內持有資產，并試圖在一個交易日內完成交易。因此，高頻交易一定是算法交易的一種，但是算法交易不一定是高頻交易。Gomber et al.（2011）[12]贊成Hendershott et al.（2011）的觀點，并認為它們都被視為專業投資者的投資方式，通過觀察市場參數和信息，在沒有人為干擾的情況下自動產生交易決策，但是高頻交易具有算法交易所沒有的特點：（1）大量的訂

單；（2）快速取消訂單；（3）自營；（4）作為中間人從買和賣中獲取利潤；（5）每個交易日末沒有明顯倉位；（6）非常短的持倉時間；（7）每筆交易獲得利潤很低；（8）與交易市場高速對接；（9）使用共置服務器縮短信號傳輸時間并使用個人數據饋送提高信息獲取速度；（10）關注高流動性的金融工具。

綜上所述，盡管很多學者和機構都給出了高頻交易的定義，但是眾說紛紜，至今沒有一個權威的概念。縱觀目前所提出的這些概念，都共同涵蓋了高頻交易的幾個特點：交易頻率快、持倉時間短、交易量大、利潤豐厚。在對高頻交易有一個較為清晰的認識后，下面將著重梳理關于高頻交易與市場穩定性相關的研究成果。而高頻交易對市場穩定性影響的研究是圍繞著2010年美國市場“閃跌”這一事件展開的。盡管這次市場大跌很快恢復，但是這次事件引起人們開始關注“高頻交易是否能夠穩定市場”這一問題。目前關于這一問題存在兩種截然不同的觀點，一種觀點認為高頻交易是導致市場“閃跌”的罪魁禍首，不能穩定市場；另一種觀點認為高頻交易不是市場“閃跌”的推手，它不會引起市場波動，反而能夠起到穩定市場的作用。下面將分別介紹在兩種觀點引導下所出現的一系列研究成果。

二、高頻交易與市場不穩定的研究進展

2010年美國市場“閃跌”（flash crash）事件發生后，路透社、紐約時報等媒體開始責備高頻交易者，認為它們大量拋售并從市場撤離導致了這次市場突然下跌[1]。盡管這僅是新聞媒體的推斷，但是在這種觀點指引下，學術界展開了大量的討論。

首先，美國商品期貨交易所（United States Commodity Futures Trading Commission，CFTC）和美國證券交易委員會（SEC）在“閃跌”后，立刻使用FINRA Dataset和Venue Dateset兩個數據庫檢查高頻交易在市場“閃跌”期間所扮演的角色。在調查FINRA Dataset數據庫時，發現12位高頻交易者中的6位在市場“閃跌”后的某個時間降低了他們的市場參與度，這導致了市場流動性的整體下降，加速了市場閃跌；在檢查Venue Dateset數據庫時發現，高頻交易者在市場“閃跌”期間從事了大量的賣的行為，并在閃跌后的市場恢復時期降低了他們的交易量[3]。從對FINRA Dataset數據庫調查結果可以看出，僅有一半的高頻交易者推動了這次“閃跌”，因此并不能得出高頻交易導致了這次事件的結論，但是對Venue Dateset數據庫的調查結果可以支持高頻交易是這次“閃跌”的推手這一結論。隨后，Leal，Napoletano and Roventini（2016）[4]又使用理論模型的方法論證這一觀點。他們建立了低頻交易者和高頻交易者交互作用的博弈模型研究高頻交易者是否加重市場波動并導致市場“閃跌”，發現高頻交易所導致的買賣價差以及賣方的限價指令簿能夠解釋市場“閃跌”，而且高頻交易者過高的訂單取消率增加了市場“閃跌”發生的概率，但卻降低了市場“閃跌”的持續時間。Easley，De Prado and O'Hara（2011）[13]從流動性角度解釋了這次市場“閃跌”。他們的研究發現市場“閃跌”期間做市場的訂單流毒性增加，導致了做市商離開市場，市場出現階段性的低流動性，這種流動性的暫時撤離所導致的流動性不匹配，使得市場“閃跌”發生。

此外，還有少數研究認為高頻交易不能導致市場“閃跌”，但是能夠引起或加劇市場波動。Biais and Woolley（2011）[6]通過理論模型發現高頻交易者憑借著信息優勢，快速推動著價格的變化，高頻交易的增加能夠引起市場短期波動。Kirilenko et al.（2015）[5]研究了市場“閃跌”當天以及前三天市場處于大規模拋售時期的交易情況，使用標準普爾500期貨指數數據，選取7%最活躍的機構投資者作為高頻交易者，實證結果表明高頻交易者的交易模式在此期間并沒有改變，它不會導致市場“閃跌”的發生，但是能夠加大市場波動。可是這一研究所定義的高頻交易受到了質疑[7]。

綜上所述，就研究內容而言，上述研究在論證高頻交易導致了市場“閃跌”這一觀點的過程中，不但考慮了買賣交易行為還考慮交易前的訂單行為；從研究方法而言，不但使用了實證的方法，以實際交易數據驗證了在市場大跌期間高頻交易者出現了大量賣的行為，更有甚者還退出了市場，而且使用Agent-based Modelling方法，通過構建理論模型，以數值模擬的方法展示了高頻交易者能夠導致市場“閃跌”或市場劇烈波動。這類研究的觀點同媒體所宣傳的觀點是一致的。可是高頻交易者為何會集體大量賣出呢？為何退出市場呢？高頻交易不同的刻畫方式有對結論有何影響呢？這些問題至今未有合理的解釋，但卻是今后重要的研究方向。

三、高頻交易與市場穩定的研究進展

金融市場具有兩個關于價格的重要功能：流動性和價格發現[14]。高頻交易正是通過為市場提供流動性以及價格發現這兩個功能發揮穩定的市場作用。于是，在“高頻交易是否能夠穩定市場”這一問題的回答上，還存在另一個觀點：高頻交易不是市場“閃跌”的推手，它不會引起市場波動，反而能夠起到穩定市場的作用。下面就分別從流動性和價格發現兩個方面梳理高頻交易穩定市場的研究成果。

（一）流動性與市場穩定

高頻交易憑借其交易量大，交易頻率高的特征，為市場提供充足的流動性，從而起到穩定市場的作用。然而，對于這一觀點目前存在爭論，爭論的焦點在于高頻交易能否為整個市場提供充足的流動性。一方面，Brogaard（2010）[1]使用了納斯達克交易所的120只股票2008年、2009年全年以及2010年2月22日到28日期間的全部交易數據（這些數據包括一個交易發生的毫秒級時間戳以及是否是高頻交易的指示器，可以很方便的區分高頻交易者和非高頻交易者，以及是提供流動性還是需要流動性），統計結果發現高頻交易為市場提供了一半的流動性，同時也需求了一半的流動性。盡管這一結論并沒有明確支持高頻交易

可以為市場提供充足的流動性的觀點，但卻表明高頻交易不會引起市場出現諸如“閃跌”的劇烈波動現象。隨后，Brogaard et al.（2015）[15]的研究則明確提出了高頻交易可以為市場提供流動性，并具有穩定市場的作用。該研究提出高頻交易者經常扮演凈流動性的提供者，鮮少扮演凈流動性需求者，甚至在市場劇烈波動時期也為市場提供流動性，并且為非高頻交易者提供流動性，因此高頻交易不會導致市場劇烈波動，反而非高頻交易會觸發大部分的市場波動，這一結論不但適用于2010年的市場“閃跌”，也適用于各種類型的價格劇烈波動，包括2008年的金融危機。另一方面，Brogaard et al.（2015）的研究結論并不適用于韓國市場，Lee（2015）[16]分析了韓國指數期貨市場KOSPI 200中的高頻交易，發現高頻交易不能提高市場的流動性和市場質量。

由于高頻交易自2010年起才開始備受關注，它能否為市場注入流動性目前僅在少數市場中進行檢驗。從這些研究結果可以發現，高頻交易通過為市場注入流動性從而起到穩定市場的作用這一觀點僅在美國的市場得到驗證，也存在一些國家諸如韓國的市場并不支持這一觀點。那么為何高頻交易可以提高某些市場的流動性，而在某些市場卻顯疲軟呢？這種矛盾結論的癥結是出在高頻交易行為還是市場特征呢？這些問題的研究卻至今是學術界的空白。

（二）價格發現與市場穩定

高頻交易除了可以為市場提供流動性外，還具有發現基本面價格的作用。高頻交易通過價格發現功能，提高市場效率，從而起到穩定市場的作用。Cvitanic and Kirilenko（2010）[17]發現高頻交易的出現可以改變平均交易價格，使得交易價格更加集中于中值附近，從而降低市場波動。Brogaard，Hendershott and Riordan（2014）[18]使用同Brogaard（2010）相同的NASDAQ提供的數據研究高頻交易在價格發現中的作用。他們將價格運動分解為持續和短暫兩種成分，其中持續部分可以用信息來解釋，臨時部分預示著定價錯誤，實證結果表明高頻交易同持續部分的價格運動是一致的，但是同短暫的價格運動方向是相反的，這說明高頻交易在價格有效性方面起到了積極的作用，而且這不但在平時，在市場劇烈波動時也是如此。Carrion（2013）[19]使用NASDAQ交易和標價數據檢驗了高頻交易的市場表現及其對市場效率的影響，發現高頻交易提供流動性的時候價差增大，需要流動性的時候價差縮小，當高頻交易市場參與度很高的時候價格更加有效，尤其當高頻交易者做為流動性需求者的時候更是如此。

綜上所述，高頻交易憑借其交易頻率高、交易量大等特征，幫助市場發揮著提供流動性和價格發現的功能，盡管在提供流動性的功能上存在爭議，但是價格發現的功能是被肯定的，這使得高頻交易能夠穩定市場的觀點有了立足之地。那么高頻交易除了提供流動性和價格發現的功能，是否還有其它功能支持穩定市場的觀點呢？高頻交易這些功能的發揮是否需要特定的市場環境呢？這些問題都會是今后的研究特點。

四、結論

綜上所述，自2010年市場“閃跌”，高頻交易受到廣泛關注，已經涌現出一批研究成果，這些研究成果主要圍繞高頻交易在市場“閃跌”期間的市場表現這一主題展開，并試圖回答高頻交易是否是市場“閃跌”的推手。從研究內容而言，目前的成果涵蓋了高頻交易對市場流動性、波動性、價格效率等方面的影響，但是這些研究成果所得的結論并不一致，至今在高頻交易對市場穩定性的影響上仍舊存在兩種截然不同的觀點。一種觀點認為高頻交易賣的行為和從市場中暫時撤離導致了流動性惡化，從而引起市場“閃跌”，這種觀點同新聞媒體所報道的一致；但是另一種觀點認為高頻交易通過給市場提供流動性和價格發現兩個功能為市場穩定做出貢獻。從研究方法而言，這些研究不但使用了實證研究的方法，通過對多個數據庫以及不同時間段數據進行統計分析，得到高頻交易對市場穩定性影響的相關結論，也使用了理論模型的方法，通過刻畫高頻交易和非高頻交易的交互作用模型，在模擬的實驗室市場中發現高頻交易對市場穩定性的影響。目前我國在這方面的研究還不多，因此本文在總結這些研究成果的基礎上，為今后的研究方向提供參考，加快我國市場中的高頻交易與市場穩定性方面的研究，以期為監管機構制定針對高頻交易的監管政策提供理論和實證依據，維護市場的長期穩定發展。

[1]Brogaard J.High Frequency Trading and Its Impact on Market Quality [R].Northwestern University Kellogg School of Management Working Paper，2010.

[2]Menkveld A J.High frequency trading and the new market makers[J]. Journal of Financial Markets，2013，16（4）：712-740.

[3]Chung K H，Lee A J.High-Frequency Trading：Review of the literature and regulatory initiatives around the world[J].Asia-Pacific Journal of Financial Studies，2016，45（1）：7-33.

[4]Leal S J，Napoletano M，Roventini A.Rock around the clock：an agentbased model oflow-and high-frequencytrading[J].Journal ofEvolutionary Economics，2016，26（1）：49-76.

[5]Kirilenko A A，Kyle A S，Samadi M，et al.The flash crash：The impact of high frequency trading on an electronic market[J].Journal of Finance，Forthcoming.Available at SSRN 1686004，2015.

[6]Biais B，Woolley P.High Frequency Trading[R].Manuscript，Toulouse University，IDEI，2011.

[7]U.S.Securities and Exchange Commission（SEC）.Equity Market Structure Literature Review：Part II：High Frequency Trading[R].Staff of the Division of Trading and Markets，2014.

[8]U.S.Securities and Exchange Commission（SEC）.Concept Release on Equity Market Structure[R].Release No.34-61458；File No.S7-02，2010，10.

[9]Prix J，Loistl O，Huetl M.Algorithmic trading patterns in Xetra orders [J].The European Journal of Finance，2007，13（8）：717-739.[10]Hendershott T，Jones C M，Menkveld A J.Does algorithmic trading improve liquidity?[J].The Journal of Finance，2011，66（1）：1-33.

[11]Chaboud A P，Chiquoine B，Hjalmarsson E，et al.Rise of the machines：Algorithmic trading in the foreign exchange market[J].The Journal of Finance，2014，69（5）：2045-2084.

[12]Gomber P，Arndt B，Lutat M，et al.High-Frequency Trading[R]. Working Paper，2011.Available at SSRN：http：//ssrn.com/abstract= 1858626 or http：//dx.doi.org/10.2139/ssrn.1858626.

[13]Easley D，De Prado M M L，O'Hara M.The microstructure of the“flash crash”：Flow toxicity，liquidity crashes，and the probability of informed trading[J].Journal of PortfolioManagement，2011，37（2）：118.

[14]O'Hara M.Liquidity and price discovery[J].The Journal of Finance，2003，58（4）：1335-1354.

[15]Brogaard J，Carrion A，Moyaert T，et al.High-Frequency Trading and Extreme Price Movements[R].2015，University of Washington，Working Paper.

[16]Lee E J.High frequency trading in the Korean index futures market [J].Journal of Futures Markets，2015，35（1）：31-51.

[17]Cvitanic J，Kirilenko A A.High Frequency Traders and Asset Prices，California Institute of Technology[R].WorkingPaper，2010.Available at SSRN：http：//ssrn.com/abstract=1569075 or http：//dx.doi.org/10. 2139/ssrn.1569075.

[18]Brogaard J，Hendershott T，Riordan R.High-frequency trading and price discovery[J].Review of Financial Studies，2014，27（8）：2267-2306.

[19]Carrion A.Very fast money：High-frequency trading on the NASDAQ [J].Journal of Financial Markets，2013，16（4）：680-711.

（責任編輯：C校對：R）

F830.91

A

1004-2768（2016）11-0145-03

2016-09-14

國家自然科學基金項目（71503130，71171109，71271103）；中央高校基本科研業務費—南京農業大學人文社會科學研究基金資助（SK2013001）；中央高校基本科研業務費專項資金資助（KJQN201627）

茹華杰(1974-)，男，湖南人，南京大學工程管理學院博士研究生，研究方向：行為金融、資本市場；吳承堯（1982-），女，河北人，南京農業大學金融學院講師，研究方向：行為金融、資本市場。