“全球量化金融峰会2016”于2016年11月19日在北京举行。峰会主题为“聚焦监管、共商发展”。中国金融期货交易所党委委员、副总经理张晓刚出席并演讲。
张晓刚表示,金融的投资决策从主观判断转向量化分析,交易方式也从手工下单转变为自动执行,在这个过程当中金融理论和信息技术的进步是驱动了我们量化发展。
嘉宾发言实录:
张晓刚:尊敬的各位领导、各位嘉宾大家上午好,很容幸参加第二届全球量化金融峰会,与大家共同探讨量化投资的发展与监管,下面我谈几点个人的看法。
量化投资被许多人视为高深莫测的火箭科学,其实它背后的一些运作逻辑、市场影响也常常受到热议,但是实际上它对金融投资行为的全面重塑与工业生产的自动化并没有太大的差别,100多年前我们用机器代替了手工,后来电子技术进一步促进了生产的自动化,类似我们金融的投资决策也从主观判断转向量化分析,交易方式也从手工下单转变为自动执行,在这个过程当中金融理论和信息技术的进步是驱动了我们量化发展。
在金融理论方面,与量化投资最紧密的就是P理论和Q理论,Q理论就是用风险中性概率测度来确定无套利条件下的公允资产价格,大家知道在1973年期权定价,就是这个理论发扬光大,如今已经成为套利价差配对这种量化理论的基础,由于竞争的日益激烈,一些稍纵即逝的套利机会,需要依赖高频交易的技术才能实施,另一个理论是以字母P来表示实际风险测度,就是用这些真实的历史数据来预测证券的未来收益的分布,在上世纪中页提出的资产组合模型、定价理论,后来一些量化的择股,比如说基于价格、动量、反转这样一些基于历史数据的统计,相应的组合调整,涉及到一些股票数量数以百计,因此的话支持多股票同步下单一些持续化交易技术也应运而生。
技术方面,摩尔定律支配了计算机领域有半个多世纪了,在不增加成本的情况下,计算性能每过两年增长一倍,使计算密集的竞争理论得以辅助实现,计算机被广泛应用于处理一些复杂的数学模型,或者从海量的历史数据中挖掘一些统计规律,为量化决策提供辅助支持。
随着网络技术的发展,一些量化交易系统的实现自动订单的生成与执行,这种自动交易的优势首先体现在订单策略,比如说像算法交易技术,可以根据市场环境自动的拆分订单,择时交易,降低市场的冲击成本,其次也体现在交易速度,金融信息的传递历史上是从马匹、信鸽,后来有电报、电话,如今已经是计算机的高速网络系统。
以理论和技术的进步为契机,境外一些成熟市场的量化投资行业从上世纪70年代以来发展迅速,其中有一批学术底蕴非常深厚的传奇人物办了一批耳熟能详的量化基金的机构,比如说MIT任教的詹姆斯.西蒙斯,做文艺复兴科技公司,他的两位学生创办的DFA、AQR公司等等,到今天在美国市场采用量化技术管理的资产规模也占到了总量的30%左右,同时一些自动化交易在股票市场的交易占比也达到了40%到60%,在期货市场可能更高达60%以上。
虽然国内市场的量化投资起步较晚,但是随着交易技术、设施的不断完善,基础性金融工具的不断丰富,它的这样一些理念也逐渐得到了各方的认可,产品的发行数量等等都出现了比较快的增长,包括证券公司、基金公司、私募和期货的资管等机构也在利用,包括像指数期货、国债期货等基础产品。
基于量化的工具和理念,开发更加丰富和灵活的交易策略,总体来看还是提升了产品的创新和市场的服务能力,优化了市场交易者的结构。比如说以国债期货为例,随着利率风险管理需求的增加,以及对国债类资产配置的需求,现在越来越多的资产管理机构开始参与了国债期货参与,目前平均每月有超过60家证券公司和900支资管产品参与。这些机构已经普遍使用了量化交易的策略,比如说像套期保值、期限套利等等。
随着越来越多的交易决策由量化模型自行判断,越来越多的交易指令与信息系统自动执行,市场的运行机制与微观结构也在经历一场变革,对市场参与者和监管者而言,全面了解这种变化,对市场质量和稳定性的影响至关重要,我个人觉得到底影响力度如何还是要基于数据的一些分析。
从境外的一些证据看,多数情况下量化投资自动交易对市场质量还是有益的,在流动性方面,正常交易情况下,许多高频交易,通过向市场提供流动性获利,它的买卖价差,等一些流动性指标都有所改善,有一系列的学术文章。
在交易成本方面,自动执行的成本显然是低于人工成本,而且算法交易其有效降低了市场的冲击成本,在市场效率方面,套利策略消除了同质资产之间的定价误差,事件驱动策略,加快了价格对信息的吸收速度,研究表明,在美国市场股票价格吸收各种公告信息的时间,30年前可能5到15分钟,现在只要15秒到2分钟,市场的效率得到了明显地提升。
股票价格对未来三年公司盈利的预测能力,也比上世纪60年代增长了50%,体现了更强的一种市场定价能力。大多数产生这种超额收益,阿尔法一些市场的意向,近年来已经逐步消失。一定程度上也说明,市场的摩擦成本,一些非理性的力量得到了有效地抑制。
尽管市场效率呈现改善趋势,但是量化投资普及带来的一些潜在风险,还是值得我们重视,尤其激进的有一些掠夺性的策略,以及一部分的高频交易策略。量化决策自动交易,在克服人心弱点的同时,自身也存在它的一些脆弱性,比如说量化交易容易受到技术故障的要求,软件系统的漏洞,网络安全问题,都有可能引发黑天鹅事件。其次高频交易提供的流动性,不是特别稳定,在市场受压的时候,这个时候往往需要流动性的时候,往往被迫减少了存货,反过来消耗流动性,造成流动性黑洞。
在此,许多量化策略具有正反馈特征,而且市场参与者使用的策略,往往是具有一定的同质化,有可能形成所谓的算法拥挤,这就会让金融市场演变为一种不稳定的非线性复杂系统,增加一些极端事件发生的概念。最后还有一些高频交易策略,可能涉及微观市场操纵,比如说像插队、谎骗、堵塞系统,这样一些行为和传统的违规交易相比,它具有更强的隐蔽性。
历史表明,在缺乏必要监管的情况下,可能会危及市场的稳定性,比如说巴西股灾的时候,一些组合保险的策略,呈现了比较强的正反馈,这样的话一定程度上会加剧市场下跌。在2008年金融危机中,使用了这些信用衍生品的定价模型,是低估了一些相关度的风险,造成了一些系统性风险的累积。
2010年美国股票市场闪电崩盘,中间本来是向市场提供流动性的高频交易者,在这个时候撤出了市场,甚至转为消耗了流动性。国内2013年的时候光大816事件,自动交易系统的技术故障,包括风险机制的缺失,造成了一些错单,引发了价格的异常波动。目前各监管机构,已经从这种风险事件中,正在汲取教训,着手加强对相关交易的监管。
目前像美国把监管的主要放在风险控制方面,它在考虑要求自动化交易的注册,交易算法的报备,明确各相关主体的风控责任,并引入了交易暂停机制。实际上美国闪电崩盘,当时出现了急速地下跌,什么时候开始稳定和反转,又回来了,实际上就是CMA,它的股指期货在几分钟内大跌近一千点,它就暂停了5秒钟,因此整个交易链条中断了,正反馈中断,又回升了。这样一些措施,可以避免一些有缺陷的算法,进入市场在突发情况下,也能中断这种正反馈的链条。
但是过高的信息披露要求,也会给监管者和市场参与者带来很高的成本,这个成本不光是我们参与者,包括监管者。因此同时为了降低撤单率,各交易所还根据自身情况,做了一些相应的措施,比如说对于过度下单、收费,以及包括一些订单,规定一个最短的存续时间,高频如果是有一些策略,涉及一些微观操纵,它要求你停留一定的时间。
除此之外,欧洲还收取了一些金融交易税,增大了一些高频交易的成本,亚洲地区也在不断创新一些自动化交易的监管制度,比如说像台湾市场做了一个固定间隔期,集合竞价机制,以削弱这种速度过快的系统优势。这些措施能有效地降低撤单率,提高订单部的稳定性,使投资者更容易确定当前的价格与深度。但是也可能会影响市场的价格发现的效率,减少市场流动性的供给。
因此,总体来看,关于效率以稳定和安全这一对矛盾,实际是一个如何把握一个度的问题,这个没有一个绝对的好和坏,这个也是未来对于监管者和市场组织者,包括我们参与者,未来要逐步需要把握的课题。
2015年中国股票市场经历了一场波动,量化投资程序化交易,也成为市场关注的热点,为健康规范发展量化投资,必须遵循趋利避害循序渐进的发展模式。一方面要认识到量化投资对改善市场微观结构,促进交易技术的成熟方面,具有积极作用,同时也要采取针对性措施,防范和抑制可能引发市场异动的一些相关风险。
市场参与者也需要持续地加强内部风险控制,设置的策略如果没有经过相关的测试,反复的测试,这些风险控制,直接就应用到市场,可能会对市场造成一定影响,还需要完善相关的应急处理机制。
以前也曾经说,一套系统发现故障了,停也停不下来了,只能拔电源了,说明这个系统也不是很完善。总体来看,量化投资在国外还在不断地吸收新的理论与技术,成果的基础上延续发展,我国总体看还处于发展的初级阶段,我们必须结合市场的运行实践,加强跟踪研究,更加深入全面地分析,包括量化交易成熟化交易,对我国证券和期货市场的利弊影响,为监管决策提供客观全面地证据支持。
今天的量化投资高峰论坛,需要学界、业界的专家,将从不同层面对研究、交流量化投资,这有助于社会各界客观全面地认识,量化投资及相关的一些课题,更好地形成发展共识,共同推进我国资本市场稳定健康发展。
祝本次高峰论坛圆满成功。谢谢大家。
(来源:新浪财经)