高频交易与市场稳定性研究评述与展望

茹华杰，吴承尧

（1.南京大学工程管理学院，江苏南京210093；2.南京农业大学金融学院，江苏南京210095）

高频交易与市场稳定性研究评述与展望

茹华杰1，吴承尧2

（1.南京大学工程管理学院，江苏南京210093；2.南京农业大学金融学院，江苏南京210095）

文章从高频交易能否稳定市场这一争论出发，围绕关于这一争论的正反两个观点，梳理高频交易对市场稳定性影响的研究现状和发展脉络，同时指出了目前的研究热点和前沿方向。这些结论可以为把握我国证券市场高频交易的研究方向提供参考，也可以为监管机构制定关于高频交易的监管政策提供理论依据。

高频交易；市场“闪跌”；市场稳定性

2009年被业内称为“量化投资元年”，自此量化交易开始被越来越多地应用于证券市场，高频交易（High Frequency Trading）作为量化交易的重要分支在证券市场的投资过程中发挥着重要作用。然而，高频交易在给投资者带来丰厚利润[1-2]的同时，也被认为给市场带来了严重的风险事件[3-4]。2010年5月6日美国股票市场指数、股指期货、期权和交易所交易基金在30分钟内突然下跌超过5%，这次事件也被称为市场“闪跌”（flash crash）[5]；2013年8月16日光大证券“乌龙指”事件中上证指数1分钟内拉升大盘涨超5%，两分钟内成交额达87亿元。这类风险事件的发生，不但使得高频交易成为实务界和理论界研究的热点问题，而且使得新时期下高频交易对市场稳定性的影响这一问题的研究有着前所未有的意义，但目前尚未有关于这一问题研究的回顾与总结。

一、高频交易的概念

高频交易占市场交易量的比例正在逐年提升，目前已经占据了美国市场交易量的一半以上，占据了欧洲交易市场的38%[6]，但是迄今为止关于高频交易并没有一个清晰的定义，仅有学者及机构尝试给出高频交易的概念。Brogaard（2010）[1]提出高频交易是一类快买快卖的策略，交易时间通常是以毫秒和秒为单位。Kirilenko et al.（2015）[5]将高频交易定义为市场中具有极大交易量的参与者。美国证券交易委员会（United States Securities and Exchange Commission，SEC）认为Kirilenko et al.（2015）所提出的定义比较狭义，不能准确描述大量高频交易者的行为[7]，于是SEC给出的定义是高频交易是采取专业化的投资策略并于日内产生大量交易，还列出了一些高频交易所具有的特征[8]：（1）使用高速算法产生订单并执行订单；（2）使用交易所提供的共置服务器、个人数据馈送或其它途径缩短网络传输时间；（3）非常短的时间内建仓和清算；（4）上交大量订单而且这些订单也可以被快速取消；（5）尽可能日内平仓。

与高频交易容易混淆的一个概念是算法交易，算法交易是由算法管理的电脑交易[9]，使用计算算法自动做出上交订单的决策并管理已经上交的订单[10]。Chaboud et al.（2014）[11]认为算法交易是计算机直接接口交易平台处置订单，不需人的介入，计算机以一个非常高的频率（通常是毫秒）观察市场数据和信息，并设计算法发出交易指令，这些算法包括寻找套利机会、寻找最小成本执行大量订单、寻找长期交易策略的最大利润等等。Hendershott，Jones and Menkveld（2011）[10]认为算法交易与高频交易相似，但是存在本质上的不同，算法交易与高频交易相似的地方是都使用自动计算技术做出决策，但是它们的不同之处在于算法交易持有资产的时间可能是分钟、天、星期或者更长时间，但是高频交易是在一个非常短的时间内持有资产，并试图在一个交易日内完成交易。因此，高频交易一定是算法交易的一种，但是算法交易不一定是高频交易。Gomber et al.（2011）[12]赞成Hendershott et al.（2011）的观点，并认为它们都被视为专业投资者的投资方式，通过观察市场参数和信息，在没有人为干扰的情况下自动产生交易决策，但是高频交易具有算法交易所没有的特点：（1）大量的订

单；（2）快速取消订单；（3）自营；（4）作为中间人从买和卖中获取利润；（5）每个交易日末没有明显仓位；（6）非常短的持仓时间；（7）每笔交易获得利润很低；（8）与交易市场高速对接；（9）使用共置服务器缩短信号传输时间并使用个人数据馈送提高信息获取速度；（10）关注高流动性的金融工具。

综上所述，尽管很多学者和机构都给出了高频交易的定义，但是众说纷纭，至今没有一个权威的概念。纵观目前所提出的这些概念，都共同涵盖了高频交易的几个特点：交易频率快、持仓时间短、交易量大、利润丰厚。在对高频交易有一个较为清晰的认识后，下面将着重梳理关于高频交易与市场稳定性相关的研究成果。而高频交易对市场稳定性影响的研究是围绕着2010年美国市场“闪跌”这一事件展开的。尽管这次市场大跌很快恢复，但是这次事件引起人们开始关注“高频交易是否能够稳定市场”这一问题。目前关于这一问题存在两种截然不同的观点，一种观点认为高频交易是导致市场“闪跌”的罪魁祸首，不能稳定市场；另一种观点认为高频交易不是市场“闪跌”的推手，它不会引起市场波动，反而能够起到稳定市场的作用。下面将分别介绍在两种观点引导下所出现的一系列研究成果。

二、高频交易与市场不稳定的研究进展

2010年美国市场“闪跌”（flash crash）事件发生后，路透社、纽约时报等媒体开始责备高频交易者，认为它们大量抛售并从市场撤离导致了这次市场突然下跌[1]。尽管这仅是新闻媒体的推断，但是在这种观点指引下，学术界展开了大量的讨论。

首先，美国商品期货交易所（United States Commodity Futures Trading Commission，CFTC）和美国证券交易委员会（SEC）在“闪跌”后，立刻使用FINRA Dataset和Venue Dateset两个数据库检查高频交易在市场“闪跌”期间所扮演的角色。在调查FINRA Dataset数据库时，发现12位高频交易者中的6位在市场“闪跌”后的某个时间降低了他们的市场参与度，这导致了市场流动性的整体下降，加速了市场闪跌；在检查Venue Dateset数据库时发现，高频交易者在市场“闪跌”期间从事了大量的卖的行为，并在闪跌后的市场恢复时期降低了他们的交易量[3]。从对FINRA Dataset数据库调查结果可以看出，仅有一半的高频交易者推动了这次“闪跌”，因此并不能得出高频交易导致了这次事件的结论，但是对Venue Dateset数据库的调查结果可以支持高频交易是这次“闪跌”的推手这一结论。随后，Leal，Napoletano and Roventini（2016）[4]又使用理论模型的方法论证这一观点。他们建立了低频交易者和高频交易者交互作用的博弈模型研究高频交易者是否加重市场波动并导致市场“闪跌”，发现高频交易所导致的买卖价差以及卖方的限价指令簿能够解释市场“闪跌”，而且高频交易者过高的订单取消率增加了市场“闪跌”发生的概率，但却降低了市场“闪跌”的持续时间。Easley，De Prado and O'Hara（2011）[13]从流动性角度解释了这次市场“闪跌”。他们的研究发现市场“闪跌”期间做市场的订单流毒性增加，导致了做市商离开市场，市场出现阶段性的低流动性，这种流动性的暂时撤离所导致的流动性不匹配，使得市场“闪跌”发生。

此外，还有少数研究认为高频交易不能导致市场“闪跌”，但是能够引起或加剧市场波动。Biais and Woolley（2011）[6]通过理论模型发现高频交易者凭借着信息优势，快速推动着价格的变化，高频交易的增加能够引起市场短期波动。Kirilenko et al.（2015）[5]研究了市场“闪跌”当天以及前三天市场处于大规模抛售时期的交易情况，使用标准普尔500期货指数数据，选取7%最活跃的机构投资者作为高频交易者，实证结果表明高频交易者的交易模式在此期间并没有改变，它不会导致市场“闪跌”的发生，但是能够加大市场波动。可是这一研究所定义的高频交易受到了质疑[7]。

综上所述，就研究内容而言，上述研究在论证高频交易导致了市场“闪跌”这一观点的过程中，不但考虑了买卖交易行为还考虑交易前的订单行为；从研究方法而言，不但使用了实证的方法，以实际交易数据验证了在市场大跌期间高频交易者出现了大量卖的行为，更有甚者还退出了市场，而且使用Agent-based Modelling方法，通过构建理论模型，以数值模拟的方法展示了高频交易者能够导致市场“闪跌”或市场剧烈波动。这类研究的观点同媒体所宣传的观点是一致的。可是高频交易者为何会集体大量卖出呢？为何退出市场呢？高频交易不同的刻画方式有对结论有何影响呢？这些问题至今未有合理的解释，但却是今后重要的研究方向。

三、高频交易与市场稳定的研究进展

金融市场具有两个关于价格的重要功能：流动性和价格发现[14]。高频交易正是通过为市场提供流动性以及价格发现这两个功能发挥稳定的市场作用。于是，在“高频交易是否能够稳定市场”这一问题的回答上，还存在另一个观点：高频交易不是市场“闪跌”的推手，它不会引起市场波动，反而能够起到稳定市场的作用。下面就分别从流动性和价格发现两个方面梳理高频交易稳定市场的研究成果。

（一）流动性与市场稳定

高频交易凭借其交易量大，交易频率高的特征，为市场提供充足的流动性，从而起到稳定市场的作用。然而，对于这一观点目前存在争论，争论的焦点在于高频交易能否为整个市场提供充足的流动性。一方面，Brogaard（2010）[1]使用了纳斯达克交易所的120只股票2008年、2009年全年以及2010年2月22日到28日期间的全部交易数据（这些数据包括一个交易发生的毫秒级时间戳以及是否是高频交易的指示器，可以很方便的区分高频交易者和非高频交易者，以及是提供流动性还是需要流动性），统计结果发现高频交易为市场提供了一半的流动性，同时也需求了一半的流动性。尽管这一结论并没有明确支持高频交易

可以为市场提供充足的流动性的观点，但却表明高频交易不会引起市场出现诸如“闪跌”的剧烈波动现象。随后，Brogaard et al.（2015）[15]的研究则明确提出了高频交易可以为市场提供流动性，并具有稳定市场的作用。该研究提出高频交易者经常扮演净流动性的提供者，鲜少扮演净流动性需求者，甚至在市场剧烈波动时期也为市场提供流动性，并且为非高频交易者提供流动性，因此高频交易不会导致市场剧烈波动，反而非高频交易会触发大部分的市场波动，这一结论不但适用于2010年的市场“闪跌”，也适用于各种类型的价格剧烈波动，包括2008年的金融危机。另一方面，Brogaard et al.（2015）的研究结论并不适用于韩国市场，Lee（2015）[16]分析了韩国指数期货市场KOSPI 200中的高频交易，发现高频交易不能提高市场的流动性和市场质量。

由于高频交易自2010年起才开始备受关注，它能否为市场注入流动性目前仅在少数市场中进行检验。从这些研究结果可以发现，高频交易通过为市场注入流动性从而起到稳定市场的作用这一观点仅在美国的市场得到验证，也存在一些国家诸如韩国的市场并不支持这一观点。那么为何高频交易可以提高某些市场的流动性，而在某些市场却显疲软呢？这种矛盾结论的症结是出在高频交易行为还是市场特征呢？这些问题的研究却至今是学术界的空白。

（二）价格发现与市场稳定

高频交易除了可以为市场提供流动性外，还具有发现基本面价格的作用。高频交易通过价格发现功能，提高市场效率，从而起到稳定市场的作用。Cvitanic and Kirilenko（2010）[17]发现高频交易的出现可以改变平均交易价格，使得交易价格更加集中于中值附近，从而降低市场波动。Brogaard，Hendershott and Riordan（2014）[18]使用同Brogaard（2010）相同的NASDAQ提供的数据研究高频交易在价格发现中的作用。他们将价格运动分解为持续和短暂两种成分，其中持续部分可以用信息来解释，临时部分预示着定价错误，实证结果表明高频交易同持续部分的价格运动是一致的，但是同短暂的价格运动方向是相反的，这说明高频交易在价格有效性方面起到了积极的作用，而且这不但在平时，在市场剧烈波动时也是如此。Carrion（2013）[19]使用NASDAQ交易和标价数据检验了高频交易的市场表现及其对市场效率的影响，发现高频交易提供流动性的时候价差增大，需要流动性的时候价差缩小，当高频交易市场参与度很高的时候价格更加有效，尤其当高频交易者做为流动性需求者的时候更是如此。

综上所述，高频交易凭借其交易频率高、交易量大等特征，帮助市场发挥着提供流动性和价格发现的功能，尽管在提供流动性的功能上存在争议，但是价格发现的功能是被肯定的，这使得高频交易能够稳定市场的观点有了立足之地。那么高频交易除了提供流动性和价格发现的功能，是否还有其它功能支持稳定市场的观点呢？高频交易这些功能的发挥是否需要特定的市场环境呢？这些问题都会是今后的研究特点。

四、结论

综上所述，自2010年市场“闪跌”，高频交易受到广泛关注，已经涌现出一批研究成果，这些研究成果主要围绕高频交易在市场“闪跌”期间的市场表现这一主题展开，并试图回答高频交易是否是市场“闪跌”的推手。从研究内容而言，目前的成果涵盖了高频交易对市场流动性、波动性、价格效率等方面的影响，但是这些研究成果所得的结论并不一致，至今在高频交易对市场稳定性的影响上仍旧存在两种截然不同的观点。一种观点认为高频交易卖的行为和从市场中暂时撤离导致了流动性恶化，从而引起市场“闪跌”，这种观点同新闻媒体所报道的一致；但是另一种观点认为高频交易通过给市场提供流动性和价格发现两个功能为市场稳定做出贡献。从研究方法而言，这些研究不但使用了实证研究的方法，通过对多个数据库以及不同时间段数据进行统计分析，得到高频交易对市场稳定性影响的相关结论，也使用了理论模型的方法，通过刻画高频交易和非高频交易的交互作用模型，在模拟的实验室市场中发现高频交易对市场稳定性的影响。目前我国在这方面的研究还不多，因此本文在总结这些研究成果的基础上，为今后的研究方向提供参考，加快我国市场中的高频交易与市场稳定性方面的研究，以期为监管机构制定针对高频交易的监管政策提供理论和实证依据，维护市场的长期稳定发展。

[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.

（责任编辑：C校对：R）

F830.91

A

1004-2768（2016）11-0145-03

2016-09-14

国家自然科学基金项目（71503130，71171109，71271103）；中央高校基本科研业务费—南京农业大学人文社会科学研究基金资助（SK2013001）；中央高校基本科研业务费专项资金资助（KJQN201627）

茹华杰(1974-)，男，湖南人，南京大学工程管理学院博士研究生，研究方向：行为金融、资本市场；吴承尧（1982-），女，河北人，南京农业大学金融学院讲师，研究方向：行为金融、资本市场。