夏阳，上世纪90年代先后在华尔街为ITG(现Virtu Financial，世界最领先的电子交易商，兼营自营和服务)、雷曼兄弟、瑞士信贷(Credit Suisse)、瑞银集团(UBS)等创立领导算法交易业务，尤其瑞士银行(UBS)的量化算法体系架构是夏总亲自主持设计研发（至今仍然未被更换），并在00年代引入中国，开启了算法和量化交易在国内推广的热潮。夏总国内毕业于清华大学，拥有清华大学电子工程学士学位及企业管理学士学位，在国际上获卡内基梅隆大学集成电路设计验证（EDA）硕士，以及纽约大学工商管理硕士学位，同时持有CFA认证资格。
算法交易在金融交易领域中是相对细分的一个部分，甚至在投资环节中显得有点隐形，尤其是在市场还不够成熟有效、投资收益相对好做的时候，很多投资者，尤其是主观投资者可能都不会去关心算法交易带来的那点成本优化。但国内市场正在大踏步迈向成熟，数字化智能化正在成为主流，我们相信算法交易的优势会在这个过程中逐步放大。
算法交易起源于美国欧洲发达金融交易市场，夏阳见证并推动了海外算法交易从诞生到高速发展再到成熟的各个阶段。今天他将以自己的经历和观察与大家分享海外算法交易的发展历程，再聊聊国内发展的不同。
一、海外发展历程
海外算法交易诞生的年代，是计算机和通信技术大发展的年代，也是金融产品、资产管理、金融监管逐步成熟的年代。可以说，算法交易是金融与科技充分结合的典型。
追溯到1975年，美国颁布《有价证券修正法案》，开启了自由佣金制时代。70年代末，纽交所开始电子化，引入了订单传送及成交回报系统(DOT-designed order turnaround)以及开盘自动报告系统(OARS)，美国用于交易撮合的电子信息网络(ECNs-electronic communication networks)也迅速兴起。电子化给交易带来了革命性的发展，也为早期算法交易的诞生和发展奠定了基础，80年代经济金融的学术界也开始对算法交易进行理论研究，同样在这个阶段，监管部门推出了一系列交易规则和监管政策，改变了交易市场的微观结构。在各个市场参与者的变化下，海外真正的算法交易需求开始体现。
1989年，市场上第一个算法交易模型Market Mind诞生于ITG-全名叫Investment Technology Group；到了1997年，纽交所开始逐步从分数制报价，改为百分位报价，最小变动价差缩小了6倍多。本来由于自由竞争导致券商传统佣金收入下降，再加上价差缩小，以及严格的监管政策抑制了传统做市商的信息优势，卖方机构开始更为注重量化算法交易能力的投入和建设。从推出更丰富的量化算法交易策略，到追求更快的算法交易速度，在这波算法交易大发展中，不单是券商投行，各大交易系统服务商也在绞尽脑汁去优化他们的产品，通过更高效的算法交易服务能力，吸引更多买方客户。这是供应端的一个变化。
当然，一个产品或服务要能有商业化的大市场，最终还是需要得到消费者的认可，让消费者愿意买单。算法交易主要的消费者是买方，量化基金的出现成为了市场的重大变革。80到90年代前后，美国诞生了一批代表性的量化对冲基金，比如大家比较熟悉的D.E. Shaw、Renaissance Technologies文艺复兴基金、Citadel城堡基金等。这里面也包括造成了一个著名的市场挤兑恐慌，最后要由美联储和美国财政部出面救市的量化基金，名字相信大家也不陌生，是由诺贝尔经济学奖得主创办的叫长期资本， long term capital的公司，算是大家记忆中第一个著名的因僵化采纳量化模型投资导致崩盘的案例。总之，这个时代美国量化资管行业进入了高速发展，这是需求端的一个变化。
供需端的合力，给算法交易带来突破性的发展。到了2004年，美国股票市场的算法交易渗透率达到了近25%，可以说是一个产业从概念验证走向规模商业化的关键转折点。另外在政策上，2004年也有一个重要的助推力，就是美国国家市场系统管理规则(Regulation NMS-national market system)的生效。它其中有一条规定，要求客户下委托订单时, 其券商均需选择报送到行情显示提供最佳价格的证券交易所或地区性交易所或ECN，就是说交易所和另类交易所开始公平竞争流动性。这个政策的压力进一步推动了当时电子化程度较低的纽交所等加速转型，也为算法交易的大规模应用扫清了阻碍。
到2010年的这6年，量化投资风格加速渗透资管市场，算法交易作为其必然的交易方式和体现形式也在美国进入高速增长期，市场上总交易量占比很快达到近70%，买方机构投资者中采用了算法交易服务的接近90%。算法交易产品也更为丰富化，除了早期已经成熟的均价下单算法，又催生了一批新型算法策略，比如冰山(Iceberg)、游击队员(Guerrilla)、狙击手(Sniper)、嗅探器(Sniffer)等。从名字里就能听出来，这个时期的算法之间的竞争主要集中在博弈如何帮助机构投资人隐藏大单交易意图，发现和获取流动性而不造成异动，已经直接能够帮助改善投资收益，不只是在提高自动化程度，减少人工成本等方面做出贡献了。交易执行算法逐步与投资策略融合，尤其是在量化基金，在高频低延迟的投资策略上。
同期，欧洲和亚太主要市场的算法交易也进入快速发展，到00年代中后期，亚太地区中日本，澳大利亚，四小龙中的新加坡、香港的算法交易已较为成熟，台湾和韩国的稍微慢一些。10年代中的调研结果显示，日本和香港的机构客户股票交易已有80%以上采用算法交易，接近了美欧发达国家的水平。
中外算法差异
在回顾了海外算法交易的发展史后，现在来借古开今，借鉴海外看我们国内当下的发展阶段和未来的发展潜力，同时也要看到中外算法发展历程上必然的不同，来选择更适合我们自己的发展模式。国内这两年机构化的发展趋势，以及量化投资基金的大发展，其实都比较类似美国算法交易在00年代进入提速发展的前期阶段。当然，比起美国当时，我们国内目前算法的渗透率还只有不到20%，机构化率也相对较低一些，这说明我们未来发展空间是比较大的。那中外算法行业有哪些差异，又会如何影响我们这些参与者呢？
1）竞争格局的差异
首先从供应端，也就是算法服务商的竞争格局看，中外差异很大，且我们认为，这种差异可能仍会是未来一段时间的主线。海外算法交易服务提供行业主要是以头部投行和券商占据重要市场份额，比如说在美国权益产品的算法交易市场，摩根士丹利市占率约9.4%，前五家服务商市占率合计约40%。在欧洲和亚太地区，以瑞士银行，瑞士信贷等欧洲大行市占率较高。很明显，券商投行在海外的龙头地位非常显著，这一点和我们国内目前以第三方独立算法服务商为主的格局大为不同。当然，海外的第三方算法服务商也曾有过非常辉煌的年代。算法交易当时作为交易细分领域的“新物种”，其实第三方算法服务商在早期发展阶段相对于“船大难掉头”的大投行，在业务模式和技术创新上是有先发优势的。在21世纪初期，以ITG和Instinet为代表的海外第三方算法交易服务商的发展也可谓到达了顶峰。不过，海外头部券商还是胜在了综合实力上，比如资金实力、技术投入、客户资源等优势，在他们意识到算法交易的必然趋势后，重新夺回了交易领域的主导地位。而ITG和Instinet也难以单打独斗，分别被美国高频交易及做市商Virtu Financial和纳斯达克交易所收购。
金纳科技作为国内第一家第三方算法服务商，我们也在不断思考和探索国内算法交易服务行业将如何发展，是否会踏上海外相同的竞争路线。我们认为，国内算法行业很难出现像海外这样券商垄断的竞争局面，这源于国内算法交易发展方式和参与者固有的不同。
●从发展历程看，国内算法交易基本是引入而不是因应监管和买方需求而本土自然诞生的，一批第三方服务商的创始背景和金纳科技一样，是有海外投行或量化基金、算法交易开发背景的。这意味着，国内的算法服务发展是站在海外的经验之上，从发展初期就一直是服务商做了大量市场教育培训，引导市场参与者去了解算法交易的价值、去提高智能交易的能力，现在回头看，这虽然是一条艰辛的见效很慢的路径，但也奠定了第三方算法交易服务商在国内算法交易市场的行业影响力。
●从海内外券商发展差异看，在海外，大券商能从第三方服务商手里夺回市场，核心在于海外做市制度下，他们重视长期交易能力的建设，同时强大的资产负债表和投入资金的能力保障了他们持续投入技术，保障算法研究和业务团队的实力，而一旦他们能提供优秀的算法模型和服务，客户资源的优势就是他们夺回交易业务垄断地位的天然护城河。而国内做市制度和衍生品业务发展较晚，甚至还只是萌芽阶段，券商对客户的交易服务长期停留在简单的提供交易通道，欠缺综合交易能力，包括大宗，互换，做市，衍生品等的定价和交易工具，多品种组合绩效归因分析，交易盘前预测等算法业务建设上的积累也较少，也很难有海外大券商那样保持自研算法的高资金高人员投入的强烈动机。而基金客户对券商的资金要求也尚停留在融资融券上，也就是说缺少前面讲到的美国市场算法交易高速发展阶段在供给端和需求端的要求。
算法交易服务是需要长期投入的领域，不单是算法研发的持续投入和技术支持人员的投入，还有客户方信任度和粘性的培养。我们认为至少未来一段时间，国内仍然更适合第三方算法服务商为主，头部券商算法自研+与第三方合作为辅，中小券商以与第三方算法合作赋能为主的合作生态发展。
2）应用场景的差异
其次是需求端的差异，刚刚也提到，海外的算法交易服务是一种综合交易能力，并不只是狭义的二级市场交易执行，也不只是提供一个软件工具。买方机构的需求更为丰富，算法服务能应用到的金融产品、场景就更为丰富。国内目前仍然是以二级市场的股票为主，最多加上股指期货和商品期货。而全球市场上，外汇、债券等都是算法交易的应用方向，同时针对大宗交易、OTC市场等，服务商也会推出对应该类市场特点的算法。举个例子，摩根士丹利曾在2011年推出Morgan Stanley Fix算法，是专门针对外汇OTC市场开发的算法，对于没有交易量报告的外汇OTC市场而言，算法交易能力就不单考察滑点，更考验对市场流动性和定价的研究和判断，反映出量化研究的能力。因此，对于不同交易品种的特性，不同交易市场的特性，不同客户的交易场景需求，优秀的算法交易服务商能针对性地给出最佳解决方案，并配合上咨询服务，这一点在国内还是非常欠缺的。打个比方说，算法服务商不仅提供一个完备的盘前预测及分析，智能算法匹配选择，盘中多种算法供选择和组合，盘后TCA以及归因分析，模拟仿真回测研究系统，等等，这样的一个交易算法工具箱，还提供附带的咨询服务，帮助每个客户很快迭代形成一个完整的最适合其投资策略和风格基因的交易流程，并不断改进。而目前国内大部分客户还仅仅把算法交易认知为一个软件工具，模块来静态地使用。类似的比方是不少的客户明明有一大箱工具可以选择，却仍然做任何事都只会使用用熟了的那个锤子，而且还不深究如何使用好这个锤子，自然其交易效果不佳了。不过这也是我们认为算法交易行业在国内仍大有可为的因素之一。
对于算法交易的策略应用，国内市场的理解目前也较为狭隘，大多还停留在拆单分散交易和减小市场冲击上，而且投资策略和算法执行是清晰分开的。而海外算法交易的发展随着市场需求多样化的提升，已从简单的交易执行环节，衍生到投资策略，尤其是中高频的量化交易策略，以此更好地形成“投资-交易”的连贯性和一致性。
见图。中高频量化策略，从频次看是中高频的，可能基于一篮子也可能基于单票，包括套利、做市、趋势类相对高频的策略。套利有跨品种套利和跨时间周期套利等，做市和趋势策略都是低买高卖但手法不同目的不同。从持仓长短看有T0和TN，说到短线大家一般指日内T0。这些策略算法一般直接产生子单要求立刻完成，有时还有超低延迟的要求，这种情况下信号策略本身即交易算法。另一些可能不那么高频的策略产生的单稍大，需要的完成时间稍长，比如几分钟，就也需要利用交易执行算法来拆细和隐蔽地获取流动性，否则可能完不成或者虽然完成但造成价格损失甚至亏损。这种情况下信号策略算法和交易执行算法也需要密切协同，在基金经理做回测研究的时候应该合成一个完整的算法来综合考虑成本和收益。
特别展开评论一下国内外算法交易市场的第三个需求端差异：目前有不少券商和私募客户（主观量化的都有）都希望能够雇佣第三方提供的T0日内中高频策略来盘活底仓，增厚收益。这个需求的产生根源其实也是因为有些客户还是认为投资策略和交易算法是完全割裂的。这种客户需求往往来自于主观投资基金，或者虽是“量化”基金，其核心策略相对中低频，也就是说，持仓时间较长，有一定规模的稳定的仓位，投资策略跟交易执行算法可以适当割裂。这个观点本身就不是很靠谱。如果基金经理的策略本身就是中高频的，那么他的投资策略和算法交易策略就必须是合二为一的。如果策略本身是低频长持仓的，那么该基金经理的核心竞争力在于发现股票的长期价值，本来就不在短线T0，但如果寄希望于找雇佣军来做投资收益增厚，可能要管理好预期。需要认识到的是这种出于盘活仓位增厚收益的日内T0策略整体上是一种零和游戏，长期来看不是一定能为你的基金带来增厚，而且你本身的核心竞争力又不在这里，没有足够的了解和控制，为什么又能预期得到收益呢。但是，无论收益来自于哪里，赚没赚到钱，佣金和印花税总是要交的，这类似给“赌场“的抽成。
前面提到的日内短线套利算法，包括低买高卖的做市T0，都是类似于做市策略，赚的是价值回归（mean reverting）, 逆价格趋势而动，是提供流动性的，而且交易只有在套利机会出现时，或者股价跌到短时间波动范围的下缘（或涨到上缘），才会触发，是被动的，一般也控制不了交易的频繁度。这种交易算法不仅为市场提供了流动性（此点在海外其实也是有争议的，反对者往往攻击说在市场大涨大跌，真正需要流动性提供者的时候，“做市商”反倒跑得更快，不仅没提供流动性，反倒可能造成踩踏），也实际上减小短期的价格波动，减小市场摩擦，提高价格发现的效率，对直接融资市场的成熟稳定发展是有益的，其赚取的利润可以算是一种服务费，是由所有市场参与者们共同支付的。成熟市场通常都会有鼓励“做市商”的一些政策机制，而且长远来看，做市能力确实是头部券商一定会大力建设的核心能力之一，也是监管持续关注，希望只有少数真正有能力和资金，无论市场走得好与坏，都能为市场提供流动性的机构才能做的业务。而不太可能是通过第三方服务商，在没有资质规模审查的无数私募产品仓位上做的业务。
所以，用于为基金仓位增厚收益的日内T0，以采用趋势预测型算法居多，名义上它是能预测和跟随趋势，而且倾向于希望交易更频繁（为券商和交易所产生更多的交易佣金和费用），希望尽量多地发现和“预测”所有持仓股票的日内趋势。因为其跟随或预测趋势，希望频繁交易，实质上可能是一种助长趋势，甚至诱发趋势的交易手法，是可能有操纵市场价格的动机和嫌疑的，割的是追涨杀跌的散户的韭菜，利用了非专业投资人的人性弱点。这种交易手法，尤其是当其走向高频和低延迟白热化竞争后（T0算法之间的军备竞赛），在美欧市场里长期也是被质疑和挑战的，我们也应警惕和防止整个行业在这方面过早滑入无效的军备竞赛。事实上，在美欧市场，基本上隔几年就会有量化私募基金或者大投行的交易部门因违规被开出天价的罚单。另外，还在挂撤单信息按条收费，对获取流动性（taker） 收费，在延迟上设置减速带（bumper）等方面进行约束。实际是逼着这些基金把一部分利润吐出来再回归市场。我们国家目前在这方面的监管也在比较初级的水平，会随着行业对算法交易的使用和理解而同步提高。
3）部署模式的差异
最后，再说一点差异，可能大家都不太注意，就是从部署模式看，2020年的全球算法交易市场中，其实已经有60%采用云计算技术，包括像我们身边的香港市场，也已较为成熟。基于云的算法服务能够更快捷、灵活地服务客户，海外近几年算法交易市场在已经走向成熟后仍有增长，云计算技术的成熟也是主要推动力之一。而国内目前仍主要以本地部署为主，这里面有各种各样的原因，其中以监管、数据安全的原因为主。虽然面临各种挑战，但基于云的算法服务的优势还是值得我们关注，比如能减少基础设施建设的投入需求，加快算法系统上线进度等。这种部署模式的转变会带来便利性，提升机构使用意愿，推动算法交易更快普惠到整个行业。国内要大规模发展基于云的算法服务可能还有些距离，但包括深交所、上交所、我们金纳科技在内的头部参与者，已对该模式进行了探索，相信未来基于云计算的算法交易服务能为行业提速发展带来助力。
我们认为算法交易服务是金融属性很强的业务领域，同时也是投资者们非常注重的环节之一，日积月累可以很大地影响投资收益，我们也相信算法交易正逐渐与投资策略融合，共同形成基金机构客户的核心竞争力。我们相信国内算法交易渗透率要达到海外市场的程度只是时间问题，是自然演进的结果而不是目标。但竞争格局上，券商独大的局面可能并不会在国内出现。我们看到中外算法行业仍存在很大差距，这与我国独特的国情有关，和监管政策变化，卖方券商之间的竞争和技术投入，和买方机构，尤其是量化投资机构的市场需求都有密切关系。尽管面临种种变化和挑战，我们认为在这个领域，未来仍然有着巨大的发展机遇。
