新浪财经讯 由中国期货业协会、深圳市人民政府共同主办的“第九届中国(深圳)国际期货大会”于2013年12月3日至4日在深圳举行。大会以“开放创新·合作共赢”为主题。新浪财经作为独家门户网络合作伙伴全程图文直播本次大会。12月3日下午分论坛③：期货行业IT发展论坛在五洲宾馆A座二层深圳厅举办。以下为中信证券的董事总经理周鸿颂讲演实录。

　　周鸿颂：大家下午好，首先非常感谢中证期货，特别是马总对我的邀请，让我有机会和大家一起交流一下这方面的经验和体会。刚才一些嘉宾的讨论当中，我发现谈的非常多的是互联网金融，和各个方面的技术的相关性。我个人感觉互联网金融针对非常大的群体是散户群体。算法交易和高频交易从量化的角度来看，由于很多策略、系统本身的复杂性，所以所针对的客户集中在机构客户这方面。大家都知道中国市场目前大量的交易量主要是散户区别的，据去年上海交易所统计，87%的流量是散户驱动的，估计深圳也差不多是这样。算法交易和高频交易从交易量来看集中在比较小的一部分市场参与者里面。

　　我来简单介绍一下算法交易和高频在期货市场当中应用的案例，特别是把谈话的话题主要集中在风险控制这方面。首先我简单介绍一下算法交易和高频策略的概述级主要是针对不太了解这方面的嘉宾。第二是介绍一下算法交易和高频系统的设计原理和主要模块，谈谈在IT技术方面的需求。第三是谈一下算法交易和高频量化交易的风险控制设计与实现，这方面大家现在关注比较多。第四是谈一下算法交易和高频在期货市场中的应用案例和总结。

　　刚才主持人提到的我非常赞同，中国的期货市场是算法交易和高频量化交易玩家的天堂。我个人感觉，如果从海外市场和国内市场同时来看，大家对算法交易和高频的概念有时候容易混淆。我个人是这样认为的，高频交易的兴起主要是最近5—10年，它兴起的主要推动力从全球范围来主要有如下几种创新所推动的。第一是因特网技术催发的信息通信标准的建立，最明显的就是fix，大家不要小看这个，从商业运作角度来看，fix的建立是降低交易成本，这实际使信息通信的成本下降。以前大家建N多个系统，由于不同的信息标准，现在只要建一个系统，通过fix就可以和另外的系统集成，当然对操作的风险也得到了很好的控制。

　　高频交易的兴起和另外一个比较新，或者有人认为不是很新但是最近几年比较热的技术，就是大数据。大数据有两个层面上的意义，第一是实时对数据进行处理，在技术上成为可能，而且越来越快。另外一个是对复杂事件的处理，大家都知道CEP复杂事件处理引擎的概念。其他一些新型的通讯和数据处理技术，如FPGA软件硬化的技术，不断完善、不断成熟和使用也推动了高频交易的发展。除了交易技术蓬勃发展以外，不得不提高量化分析能力的迅速提高。这体现在多个方面，由于大量高频交易数据的储存和处理能力不断提高，使得人们对市场微观结构有深入分析和研究，从而涌现出了较多复杂的量化分析模型，无论是时间序列的还是结构性的数据分析。各种各样的量化模型都可以使用进来。加上越来越快的分析和通讯速度，使得人们可以在瞬间对市场短期趋势进行判断，也使得盈利的高频交易策略成为可能。

　　算法交易和高频交易到底是什么概念？我个人觉得算法交易存在两个含义，一个是广义的，一个是狭义的。广义的算法交易就是投资策略，是以最大收益率为目的的量化策略。高频交易是追求回报率算法交易的延伸，是技术上最先进的一类交易策略。狭义的算法交易往往是以最小的交易成本为主要目的。也有人称为执行策略，就是人们所熟知的VWAP算法。作为广义算法交易之一的高频交易，虽然其以最大收益率为追求目标，但在其实现的层面上往往与以最小交易成本为目标的执行策略在技术实现、量化模型、绩效评估和风险管理上相一致，甚至共用同样的交易平台。

　　高频交易的绩效特点，高频交易作为量化的投资策略，如何判断它的有效性，我个人觉得有三个方面。第一个是回报率，除此以外风险也是很重要的，这个叫β风险。第三是在其他交易策略不太重视，就是交易成本，就是嘎玛。除了固定的交易成本以外，印花税、佣金、交易所费用，一系列的算法交易对市场的冲击成本，这种隐性的成本是非常看重的。对市场冲击的分析和降低是很多高频量化交易策略的核心，也是研究的一个主要侧重点。

　　下面简单介绍一下算法交易和高频量化交易系统的设计原理和模块。这个图表是典型的算法交易和高频交易系统架构图，由三大块组成，最上面的是市场行情和金融数据，中间模块主要是交易平台，最下面的是监控或者分析模块。设计原理有哪些呢？策略层面和执行层面有一个有效的分离，执行层面是指整个系统的平台进行订单管理，这个更倾向于IT和运维操作。现在国际上比较先进的量化高频或者算法交易平台往往是以主波为播，就是通讯机制。

　　行情数据与金融产品数据以模块形式介入，这是基本的要求。除了这个策略和执行层面以外级上下游之间的连接，上游的OMS和下游的EMS连接点对点的方式。特别强调对实时行情数据和交易数据的采集、汇总、清一、采样、分析的实时操作，对整个交易技术提出了很高的要求。模拟交易和交易后分析工具成为整个系统的重要组成部分。最近几年在模拟交易所，特别是能够把市场冲击过程模拟到模拟交易所里面，越来越多的人研究，也有一些发展。模拟交易和实际交易之间的转换简单易行，这个主要是指生产过程和测试过程之间如何相连。刚才我也听到几位国内的技术提供商老总谈到他们现在把很多模拟、回测、交易都放到同一个平台，这是一个很活的方向。最后风险控制不再由单点控制，而是分散在整个系统当中。

　　大家都知道在国内的交易，风险控制往往是一个环节，其实在一些比较先进的算法来讲，风险控制是散布在整个交易平台的各个模块里面，而不是单独在一个模块上实现，这点跟国内的不一样。主要模块有数据、系统、策略、集成、记录、分析、系统检测等。

　　我想着重谈一下算法交易和高频量化交易的风险控制与设计实现。一般来说，我们看比较常使用的交易系统，这里面有很多模块，每一个模块本身都是有一定的逻辑功能在里面。从风险和控制角度里讲，很多模块都包含了相当多的风险控制逻辑。我这里谈一下个人经验，量化交易，特别是高频交易系统风险有哪些主要的考量指标。首先我谈一下交易执行系统，这是非常重要的，也是我们在风控当中重视不够的。要达到非常好的风控也并不是容易的事情。所以我着重谈一下交易执行系统。

　　交易执行系统必备以下的风险采样定和风险核实关口，一个是策略层面的风险，第二个是市场行情风险，基金也好，券商也好，纳斯达克[微博]在8月份曾经出现过2个多小时市场行情没有办法发布，即使这么大的交易所，他们的行情系统也可能会出现这样的风险。市场行情风险从高频交易角度来讲有哪些风险呢？一个是行情丢失，还有终端，还有出错。如何规避，只能在软件层面加入对各类事件可能发生后的处理。第三个是金融数据风险。第四是市场连接风险，这主要是指和交易所方面的连接。经常出现的风险比如终端、堵塞、延时，以及不可靠交易执行回报等。这大部分也只能通过软件的方式来做。现在软件硬化能不能做到在市场连接层面上对很多风险进行风控，目前我没有看到很多。第五是母订单管理风险，主要是每笔订单的交易量过大，或者每笔订单的特点出现差错，还有国内要求比较高的对敲错误，资金额度错误都是要加以规避的。第六是子订单管理风险，订单类型风险，市价单与限价单的区别对待，订单大小风险，订单状态风险，同一母单的透支风险，同一母单的交易不完整风险等等。第七是系统风险，信息的保存非常重要，高频交易往往是动作对交易执行层面有效分析来做的。信息保存对于策略的有效性是非常重要的。

　　最后简单谈一下算法交易和高频交易在期货市场交易当中的应用案例，这受我个人经验的限制。高频交易整体来讲有两组策略，第一种是对已有量化策略的拓展，第二种是纯粹的高频策略。统计套利这里举一个例子，主要是比较指数期货和ETF之间的相关性。这是CSI300指数的更新图，横轴是时间，数轴是指数的点。具体的因为时间关系就不讲太多了。总体来说由于交易技术的改进，对指数的更新可以更快，从而实现短期更高频的交易。

　　最后进行简单的总结，经过这几年的飞速发展，算法量化投资仍然是一个崭新的领域，在国内的发展也是方兴未艾。由于多空并存、日内交易等特点，算法交易和高频量化交易在绩效评估方面具有许多独特的方面。算法交易和高频量化投资与交易对交易技术有很高的要求。人们对交易系统在风险控制方面的全面性、稳定性、时效性的要求也不断提高。整体来说，要真正做到多高频交易系统风控的有效性，风控的各项指标必须要分散在整个系统当中。

　　我今天的演讲就到这里，谢谢大家！