劉偉

摘 要 近年來，大數(shù)據(jù)在各行業(yè)開始得到充分重視，以高頻數(shù)據(jù)為基礎(chǔ)的程序化交易不僅在海外市場蓬勃發(fā)展，在國內(nèi)市場也悄然興起，日益成為各方關(guān)注的熱點。伴隨著美國股市“閃電崩盤”、國內(nèi)“816光大事件”等風(fēng)險事件的發(fā)生，程序化交易的利弊也成為各方熱議焦點。文章從程序化交易的數(shù)據(jù)基礎(chǔ)、數(shù)據(jù)模型、風(fēng)險管理出發(fā)，對國內(nèi)外學(xué)術(shù)界關(guān)于程序化交易的理論和實證研究進(jìn)行梳理，同時針對程序化交易引發(fā)的系統(tǒng)性風(fēng)險提出了兩種監(jiān)測方案，以期為我國證券市場的程序化交易監(jiān)管提供參考。

關(guān)鍵詞 程序化交易；系統(tǒng)性風(fēng)險；風(fēng)險監(jiān)管

[中圖分類號]F222 [文獻(xiàn)標(biāo)識碼]A [文章編號]1673-0461（2015）12-0065-04

一、引 言

近年來，在商業(yè)、金融及其他諸多領(lǐng)域，決策日益基于數(shù)據(jù)和分析而作出，而非基于經(jīng)驗和直覺，進(jìn)而帶來思維、生產(chǎn)和生活方式的巨大變革，由此開啟了所謂的大數(shù)據(jù)時代。對于天然具有數(shù)據(jù)屬性的資本市場來說，大數(shù)據(jù)能夠為證券投資提供充分的信息技術(shù)支持。但同時，大數(shù)據(jù)滋生的新型證券生態(tài)對資本市場安全也帶來了新的挑戰(zhàn)。其中，程序化交易就是資本市場中基于大數(shù)據(jù)的一個典型范例。

所謂程序化交易（Program Trading），又稱籃子交易（Basket Trading），是現(xiàn)代證券交易方式的重大創(chuàng)新，它是近年來證券交易市場結(jié)構(gòu)變遷和技術(shù)創(chuàng)新的自然結(jié)果，也是證券交易市場競爭的必然產(chǎn)物。程序化交易的業(yè)績回報在國內(nèi)外均表現(xiàn)優(yōu)異，但其交易過程中所引致的風(fēng)險事件也層出不窮。2010年5月，道瓊斯30種工業(yè)股票平均價格指數(shù)在20多分鐘內(nèi)暴跌約1000點，降幅達(dá)9%；2012年3月，美國第三大交易所BATS在首次公開募股階段發(fā)生閃電崩盤；2013年8月，光大證券因系統(tǒng)設(shè)置缺陷導(dǎo)致天量錯單，成為國內(nèi)首例程序化交易風(fēng)險事件。這些程序化交易中的焦點事件，勢必引起金融監(jiān)管部門的思考和關(guān)注。2010年9月，美國SEC正式提議禁止閃電交易；2012年9月，德國政府通過規(guī)范程序化交易的立法草案；同年10月，歐洲議會通過歐洲金融工具市場指令I(lǐng)I草案；光大“8.16事件”也引起了我國監(jiān)管部門的高度重視，對券商程序化交易系統(tǒng)的排查工作已經(jīng)展開?？紤]到程序化交易作為一種新型交易模式，在我國起步較晚，背后可能存在的風(fēng)險尚未充分釋放，一旦市場開放而監(jiān)管沒有同步，將會形成巨大的漏洞，建立起切合中國實際、跟蹤市場走向的程序化交易風(fēng)險監(jiān)管方案，具有重要的意義。本文將立足于金融高頻數(shù)據(jù)，對程序化交易的研究現(xiàn)狀進(jìn)行梳理，并針對如何防范程序化交易引發(fā)的系統(tǒng)性風(fēng)險提出量化分析方案。

二、程序化交易研究現(xiàn)狀

（一）程序化交易的數(shù)據(jù)基礎(chǔ)研究

程序化交易往往建立在金融高頻數(shù)據(jù)行情基礎(chǔ)之上。研究金融高頻數(shù)據(jù)，對于準(zhǔn)確把握程序化交易意義重大。

Robert Wood（2000）是研究金融高頻數(shù)據(jù)庫創(chuàng)建領(lǐng)域的先驅(qū)，其成果闡述了日益增長的股市交易以及股票價格數(shù)據(jù)庫對市場結(jié)構(gòu)的影響[1]?？疾煳覈鹑诟哳l數(shù)據(jù)庫建設(shè)現(xiàn)狀，專業(yè)金融資訊軟件發(fā)展迅速，如萬得（WIND）資訊數(shù)據(jù)庫、銳思（RESSET）金融研究數(shù)據(jù)庫等。同時，各大金融機(jī)構(gòu)建立高頻數(shù)據(jù)發(fā)布窗口，對專業(yè)數(shù)據(jù)庫進(jìn)行了補充和完善。

基于繁榮的金融衍生品市場和靈活的交易體制，國外在金融高頻數(shù)據(jù)挖掘方面成果較成熟。結(jié)果表明，高頻數(shù)據(jù)可用來比較不同交易系統(tǒng)（如NYSE公開叫價系統(tǒng)和NASDAQ計算機(jī)交易系統(tǒng)）在價格發(fā)現(xiàn)方面的有效性[2]；還可用于研究某支特定股票買賣報價的動態(tài)性[3]，相關(guān)研究如J.Hasbrouck（1999）、Zhang M.Y.等（2001）；在一個指令驅(qū)動的股票市場（如中國臺灣股市交易所），高頻數(shù)據(jù)還可用于研究指令動態(tài)，Cho，D.等（2003）利用在中國臺灣股市交易所中交易的340多只股票的5分鐘收益率數(shù)據(jù)研究了設(shè)定日股價上下限的影響，并發(fā)現(xiàn)了向股價上限趨近磁效應(yīng)的顯著證據(jù)[4]。該方向也引起了國內(nèi)學(xué)者的重視，朱建平（2011）在方法論框架下，將金融高頻數(shù)據(jù)單獨作為研究對象進(jìn)行討論，并對金融高頻數(shù)據(jù)挖掘研究做了展望[5]。

（二）程序化交易的數(shù)據(jù)模型研究

隨著金融數(shù)據(jù)挖掘工作的展開，如何建立數(shù)據(jù)模型，成為學(xué)術(shù)界關(guān)注的一個重要問題?，F(xiàn)有金融高頻數(shù)據(jù)模型大致可分為三類：

第一，價格變化模型?；诮鹑诟哳l數(shù)據(jù)具有離散化和集中于“無變化”特征， Hauseman，Lo和Mackinlay（1992）提出了順序概率值模型（Orderd probit model），將價格和波動的取值看作是價格本身、交易持續(xù)期、交易額、收益率的當(dāng)期和延遲期的線性函數(shù)[6]； Rydberg和Shephard（2003）提出分解模型（Decomposition model），將價格波動分解為標(biāo)志有無變動、變動方向和變動大小的隨機(jī)變量的乘積[7]。國內(nèi)學(xué)者對此也進(jìn)行了探索，如郭名媛等（2008）借助正交ARFIMA模型對高頻價格數(shù)據(jù)進(jìn)行建模及應(yīng)用推廣[8]。

第二，持續(xù)期模型。該方向的發(fā)展相對成熟，Engel，Russell（1998）首次提出自回歸條件持續(xù)期（Auto-regression conditional duration model， ACD）模型[9]，后續(xù)研究改變白噪聲的分布假定，提出了一系列擴(kuò)展ACD模型如EACD、WACD、GACD，并將其廣泛應(yīng)用于各種高頻數(shù)據(jù)建模。徐國祥等（2007）針對金融高頻數(shù)據(jù)久期ACD模型的假定進(jìn)行了統(tǒng)計檢驗[10]。

第三，價格波動和持續(xù)期二元模型。針對導(dǎo)致價格變化的交易，這類模型可同時描述價格變動和相應(yīng)時間持續(xù)期的二元動態(tài)變化（Price change and duration model， PCD）。 McCulloch和Tsay（2001）將PCD模型擴(kuò)展至分級結(jié)構(gòu)框架，并基于IBM股票數(shù)據(jù)進(jìn)行了實證研究[11]。國內(nèi)對該類模型的研究尚不多見。endprint

（三）程序化交易的風(fēng)險管理研究

多年來，金融市場風(fēng)險管理一直是國內(nèi)外學(xué)術(shù)界研究的焦點，但是針對程序化交易風(fēng)險管理的研究成果尚不多見。國外已有文獻(xiàn)大多利用金融高頻數(shù)據(jù)特征，對現(xiàn)有風(fēng)險管理方法進(jìn)行拓展探討。如Francis X. Diebold等（1999）針對外匯收益率的高頻行情，對金融風(fēng)險管理的多元密度預(yù)測方法進(jìn)行評估和校準(zhǔn)[12]；Tim Bollerslev等（2003）利用高頻數(shù)據(jù)對因子定價模型的系統(tǒng)性風(fēng)險進(jìn)行測度和建模[13]；Andrea Beltratti等（2003）對馬克—美元匯率的日間數(shù)據(jù)和日內(nèi)高頻數(shù)據(jù)的VaR值進(jìn)行了比較[14]。在國內(nèi)，彭實戈等（2006）以芝加哥商業(yè)交易所（CME）交易的S&P500期貨及期權(quán)的歷史高頻數(shù)據(jù)為研究對象，建立 GRM風(fēng)險度量模型[15]；邵錫棟等（2009）使用中國股市日內(nèi)高頻數(shù)據(jù)計算出高頻波動率UHFV，用于預(yù)測金融市場風(fēng)險[16]。

綜觀國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)，我們可以看到，國內(nèi)程序化交易的現(xiàn)有研究成果，大多停留在策略制定和系統(tǒng)設(shè)計層面。隨著程序化交易的發(fā)展，其風(fēng)險集聚效應(yīng)越發(fā)凸顯，而國內(nèi)相關(guān)監(jiān)控體系尚未建立，如何防范程序化交易引發(fā)的系統(tǒng)性風(fēng)險亟需解決。

三、程序化交易系統(tǒng)性風(fēng)險監(jiān)測方案

按照涉及的市場主體進(jìn)行劃分，資本市場風(fēng)險分為系統(tǒng)性風(fēng)險和非系統(tǒng)性風(fēng)險。發(fā)生在投資者、經(jīng)營機(jī)構(gòu)等層面的風(fēng)險事件屬于非系統(tǒng)性風(fēng)險，發(fā)生在交易所層面的風(fēng)險事件即可稱為系統(tǒng)性風(fēng)險。本文重點研究程序化交易可能帶來的系統(tǒng)性風(fēng)險，我們選取兩種典型風(fēng)險監(jiān)測指標(biāo)加以介紹，同時給出實證分析結(jié)果，以期為程序化交易的系統(tǒng)性風(fēng)險監(jiān)管提供思路。

（一）同質(zhì)化交易傾向

所謂同質(zhì)化交易，是指市場中大量投資者按照相同或者類似的策略進(jìn)行交易，從而在出現(xiàn)異常事件時放大市場波動，造成系統(tǒng)性風(fēng)險。追溯同質(zhì)化交易產(chǎn)生的起源，利用程序化交易進(jìn)行的量化投資是其出現(xiàn)的重要原因。在國外，對沖基金行業(yè)通過數(shù)量化統(tǒng)計分析工具構(gòu)建相應(yīng)的數(shù)據(jù)模型、借助計算機(jī)科技手段進(jìn)行程序化交易。由于作為程序化交易基礎(chǔ)的數(shù)學(xué)模型大多類似，在市場波動時基于模型給出的操作建議往往趨同，而短期內(nèi)積聚的大量類似交易可對市場造成巨大的沖擊，這已被很多人認(rèn)為是近年來歷次股市異動的誘因之一。

Marcello Pericoli & Massimo Sbracia（2010）于2010年提出一種方法，他們以對沖基金行業(yè)為研究對象，利用各對沖基金的月度收益率數(shù)據(jù)，分析了該行業(yè)的同質(zhì)化交易程度[17]。我們以采用程序化交易為主要交易方式的量化基金為研究對象，選取了資產(chǎn)規(guī)模超過5億元的10支量化基金，考察了其自2013年1月至2014年3月的復(fù)權(quán)單位凈值增長率數(shù)據(jù)，用其行業(yè)指標(biāo)和股市指標(biāo)建立回歸模型，用回歸分析殘差列代表各量化基金個體投資策略所帶來的收益增長，用殘差列之間的Spearman秩相關(guān)系數(shù)代表各量化基金個體策略的同質(zhì)化程度，用過程能力指數(shù)Cp監(jiān)測相關(guān)系數(shù)序列進(jìn)行過程，由此建立起同質(zhì)化傾向增加的預(yù)警方法。

為了達(dá)到以上研究目標(biāo)，需要將量化基金收益率進(jìn)行線性回歸，具體做法是，將各個量化基金收益率關(guān)于標(biāo)準(zhǔn)化的市場影響因素進(jìn)行回歸，然后取其回歸殘差進(jìn)行相關(guān)分析，具體模型如下：

Ri，t=αi+βi'Xi，t+εi，t

其中，反映基金收益率的常用指標(biāo)是凈值增長率，考慮到分紅再投資情況，此處Ri，t表示第i支量化基金在時間t時的復(fù)權(quán)單位凈值增長率，即（區(qū)間尾日復(fù)權(quán)單位凈值—區(qū)間首日的上一個交易日復(fù)權(quán)單位凈值） / 區(qū)間首日上一個交易日復(fù)權(quán)單位凈值*100%，；αi表示第i支量化基金的阿爾法指數(shù)；Xi，t表示在時間t影響第i支量化基金收益率的所有市場因素組成的向量；βi'表示影響因素的權(quán)重向量；εi，t表示回歸殘差，可解釋為除市場影響因素之外由第i支量化基金的個體策略所帶來的個體收益[18]。

實證分析結(jié)果表明，我國量化基金的個體交易策略相關(guān)系數(shù)整體處于較低水平，這說明我國量化基金同質(zhì)化交易程度總體尚不嚴(yán)重，該現(xiàn)象也可能與量化基金整體資產(chǎn)規(guī)模偏小有關(guān)。但在個別月份，該相關(guān)系數(shù)有明顯增加趨勢，說明量化基金所采取的交易策略有趨同的傾向，極端事件仍有可能發(fā)生[18]。

（二）條件在險價值

美國紐約聯(lián)邦儲備銀行的Adrian和Brunnermeier（2008）首次在金融機(jī)構(gòu)系統(tǒng)性風(fēng)險研究中提出條件在險價值（Conditional Value at Risk，CoVaR）指標(biāo)，該指標(biāo)可用于衡量單個機(jī)構(gòu)對整個金融體系的風(fēng)險溢出，從而便于監(jiān)管部門識別出重點關(guān)注機(jī)構(gòu)。其基本思想是利用VaR風(fēng)險度量技術(shù)，對每個機(jī)構(gòu)首先計算出其在正常經(jīng)營條件下整個金融系統(tǒng)的VaR值，再計算其在經(jīng)營困難條件下整個金融系統(tǒng)的VaR值，二者之差（ΔCoVaR）即為該機(jī)構(gòu)對整個金融體系的系統(tǒng)性風(fēng)險貢獻(xiàn)程度[19]。

記Ri為金融機(jī)構(gòu)i的某經(jīng)濟(jì)變量（如市場化總資產(chǎn)增長率），VaR 定義為Ri的q分位數(shù)（0

P（Rj≤CoVaR |Ri=VaR ）=q，金融機(jī)構(gòu)i對金融機(jī)構(gòu)j的風(fēng)險貢獻(xiàn)可表示為：

將定義中金融機(jī)構(gòu)j的經(jīng)濟(jì)變量Rj換成系統(tǒng)變量Rsystem，則金融系統(tǒng)的條件在險價值CoVaR 可表示為：

P（Rsystem≤CoVaR |Ri=VaR ）=q，金融機(jī)構(gòu)對金融系統(tǒng)的風(fēng)險貢獻(xiàn)可表示為：

我們以基金公司發(fā)行的量化基金產(chǎn)品為研究對象，主要考察單只量化基金發(fā)生極端事件時量化基金市場的系統(tǒng)性風(fēng)險變化情況（如某只量化基金砸盤，造成其他基金的重倉股股價跌停，進(jìn)而引發(fā)基金市場整體凈值下跌），同時將對各量化基金對基金市場的風(fēng)險貢獻(xiàn)進(jìn)行排序，并對分析結(jié)果給予統(tǒng)計檢驗。

研究結(jié)果表明，自2013年1月以來，我國量化基金市場的系統(tǒng)性風(fēng)險有增加趨勢。由于量化基金投資方向趨同、投資行業(yè)集中且交易模式類似，在一定程度上存在著金融交易同質(zhì)化傾向，故各基金對系統(tǒng)的風(fēng)險溢出效應(yīng)均較為顯著，但各基金之間的系統(tǒng)性風(fēng)險差異僅存在于個別基金之間，從整體來看差異并不顯著。同時，基金的系統(tǒng)性風(fēng)險溢出效應(yīng)大小與基金本身風(fēng)險大小并無明確的一致關(guān)系，主要還是與基金的投資規(guī)模及股權(quán)配置等特點有關(guān)[20] 。

四、結(jié) 論

近年來，程序化交易高速發(fā)展，其引發(fā)的一系列風(fēng)險事件也引起了各方爭議。本文討論了兩種程序化交易的系統(tǒng)性風(fēng)險的衡量方法，為監(jiān)測系統(tǒng)性風(fēng)險提供思路。考慮到程序化交易在我國市場中的比重還不大，我們僅針對量化基金產(chǎn)品展開了實證研究，其中提到的方案可應(yīng)用于更廣泛的金融產(chǎn)品開展類似研究。隨著國債期貨、股指期權(quán)等新型金融產(chǎn)品的推出，各種成熟市場的組合及對沖交易策略也將逐步出現(xiàn)在國內(nèi)市場，程序化交易將會迎來更大的操作空間，加之運用策略的金融機(jī)構(gòu)可能在經(jīng)驗和風(fēng)控等方面有所不足，這其間孕育的風(fēng)險不容小覷。如何依托行業(yè)和學(xué)術(shù)界的風(fēng)險度量理論，建立起切合中國實際、跟蹤市場走向的程序化交易風(fēng)險監(jiān)管方案，將是我們長期探索的方向。