暗池：人工智慧如何顛覆股市生態(Dark Pools: The Rise of the Machine Traders and the Rigging of the U.S. Stock Market,Scott Patterson)
"暗池"的原文版在2012年出版,簡體版2014年,所以此時本地出版這本是有點晚了.不過相對於我們之前看過Michael Louis的"快閃大對決"(flash boys), 這本所講關於在金融交易中的電子技術內容廣泛的多,翻譯比簡體版好,不排斥它時間落後的人還是能找來看看,不過必須說這本主要是談資訊技術與數據應用在金融交易發展歷程中所扮演角色的演變,並不是鑽研在人工智慧交易專題,想讀的人應該以英文書名的副標為準.
這書所談的"池"(pools)是指搓合交易揭露資訊的地方,即所謂的交易池.原本暗池的定義應該是由投資銀行或券商推出集中市場外"場外交易"的地方,由匿名雙方來進行大規模的交易.這種暗池交易的雙方通常都是大型投資機構,期間的運作不透明,委買委賣盤的掛單並不對外揭露.但是用在本書裡,"暗池"已不單純如上這樣定義,它更泛指所有交易不透明不揭露各方真實報價的交易池,要先理解這一點才比較快速進入內文.書根本的基調是最早以電子程序取代人工方式來揭露交易資訊或進行交易搓合是為了打破經紀商壟斷金融交易與與人工搓合的價格舞弊,期望原先的"人工交易暗池"能因價格資訊完全揭露變為交易明池(light pools),殊不知隨著高速網路出現,大數據,人工智慧等功能加入,確實消滅了人工暗池,華爾街經紀商再也不能隨便在報價上動手腳趁機賺買賣盤價差,但它卻沒有把暗池變清,反而變成另一種機械暗池,資訊暗池,擁有強大資訊力的人或企業取代了人工經紀人掌控了交易池,形成了另一種不公平,最終還是回到"暗池".
本書以一家小型券商Datek Securities的交易部門為起點.這家小型的券商的交易部門在從事股票交易時發現了一個漏洞.當時接近1980年代的末期,雖然個人電腦已經出現,且有逐步擴大勢力與運用範圍的趨勢,但是在股票交易上,一般人想買賣股票還是透過電話由股票經紀商來代為處理買賣事宜,經紀商接單後透過常駐在交易所的交易員來搓合交易,然後回報.不過在納斯達克已經建置了一個SOES系統(Small order excutive system):小額委託單執行系統.委託單在1000股以下的單子可以透過這個系統來下單.系統會即時列出不同券商委託價格的列表.Datek的工作人員發現因為委託價格的呈現是以券商來分別的,因為距離的遠近或是處理的速度不同,SOES可能常出現同一檔股票在A券商委買價格會高於B券商的委賣價格,因此如果交易人可以在B券商以低價買進再於A券商以較高的價格賣出,便能輕鬆的賺到價差.看到這個漏洞的Datek開始瘋狂的使用這個交易方式,雖然都是成交量1000股以下極小的單子,但它們以一個小時進行幾百次甚至幾千次這種套利交易,所以也能夠大量的累積獲利.
其實Datek發現的漏洞並不稀奇.因為這正是過去一百年多年來紐約華爾街,芝加哥期貨交易所中的場內交易人在幹的勾當,外人只能看到集中交易場中的交易人比著手勢報出價格來進行交易搓合,實際上很多交易人私下偷偷高一檔賣給買方,再低一檔來成承接賣單,從中上下其手.這正是掌控資訊不對稱所形成的缺陷漏洞套利,而Daket只不過是在電腦上做這種事.Datek的交易主管馬希勒(Sheldon Meschler)找來了一位高中畢業後不想升學的程式高手Joshua levine,這個怪傑些寫出了一個Watcher程式,它可以連接到SOES並且以程式在某檔股票的產生的套利機會時發出訊號,並利用HOT key模式讓Datek內的交易人只要按下按鍵便能完成交易.現在看來Watvher模式不太稀奇,但在1988年pc還是DOS的年代下簡直是個神器.幾年之後大賺特賺的Datek的行為引起了納斯達克的注意,並指它們為小偷,因為它們損害了場內交易人長期所占有的優勢與利益,加上其他的交易人看到Datek的方式運作成功紛紛仿效,甚至於跟levine買進Watcher程式,因此讓納斯達克揚言要封殺Datek不讓它們再在納斯達克市場交易.
不過Datek對於納斯達克也沒好感,在交易上超過1000股的委託單還是得送進納斯達克的Selectnet系統,但這個系統只輸單並不搓合交易,實際的交易工作仍是依賴場內的交易人,因此常常被無視是忽略,成交價並不好.Datek認為這是那斯達克在報復呼嚨它們,由於市場上從事SOES的交易員越來越多,那斯達克傳統的造市商貨交易人也改變了它們的交易模式與習慣,特別是大型的投資機構與基金,因為下單量大容易被發現追蹤,因此玩起了拆單成小量股成交的模式,形成了一些演算法出現專門找尋這些大魚的工具.但是當大家都使用類同工具時,就會產生同是Watcher的使用者剛好有對方想要的委託單時卻不能搓合成交的現象,既然許多人對於納斯達克不滿,於是levine就思考是否能讓這些委託單跳過那斯達克的搓合而由另外的機制來協助雙方搓合.於是levine想出了跳躍交易的功能讓wacher使用者能自配對成功後找尋對方交易並取消Selectnet上的委託單,而這功能擴大後在1996年2月轉型成"孤島"(Island),一個新生的能撮合交易的交易池.在levine的想法裡傳統的交易持被人為把持,資訊不透明,根本就是個暗池,對於一般的交易人並不公平,他的孤島就是要打破這種現象,成為明池.
隨著孤島的出現,標榜不同目的與功能的交易池紛紛出現,大型券商投資銀行也各自設立它們的交易池,但是最大的依舊是孤島與另外一家標榜若無最佳價格時能將客戶委託單轉到其他交易池的"群島"(Archipelago).各類交易池的出現,因為不同交易池間的資訊不對稱出現的套利機會增加,所以比watcher功能更強的程式交易模式與需求就大量的出現,這是股市在這段時間出現一種新現象,但交易池的獲利是靠有人掛單來賺錢與靠投資套利賺價差不同.孤島的交易量初期雖快速成長,但是孤島有一個缺點,就是在此下單的客戶通常都是華爾街與美國各地的投資公司,券商,等聰明的頭腦,而孤島的成交有一個特點就是孤島向享受流動性的委託單收費,但給予提供流動性的委託單紅利,比如吃單收3元而掛單補貼2元,許多聰明的交易商就是累了賺這補貼,即使交易本身不賺不賠,光補貼就能獲利,這就是高頻交易最早產生的原因,大量快速的掛單成交吃單,高頻交易除了需要程式,需要快速網路,還需要笨錢(dumb money),就是一般非法人的散戶,因此最好的方式就是向納斯達克或NYSE來靠攏.而傳統的交易商也感到他們的市場一方面正被這些電子交易商給侵吞,二方面它們自身也確實老化需要新的電子化,但與其花錢電子化還不如用併購的方式,於是雙方一拍即合,2005年群島與NYSE合併,而孤島先前先是併入Instinet後再與納斯達克合併,電子交易池自此一統江湖,但問題並未就此終結.因為交易池林立,有像孤島與群島這種標榜明池的地方,也有向高盛或城堡這種提供大型客戶的暗池,或商內自我交易池等不透明的交易池.
一方面因為不透明的交易池依舊存在,另一方面因為大數據,高頻率,程式化,甚至人工智慧的委託單大量出現.這些新工具的出現引發了交易革命,創造了一批新的計量數學金融富豪,卻也讓市場變得與以往不同,價格跳動快速,成交量大增.表面上看似已經沒有人能因為價格的訊息不對稱上取利,但實際上並非如此.正如前面說的,許多高頻交易城市設計的本質是基於交易池給予的補貼"手續費",本身並不是太過高科技的思維,大家只是想利用些微的速路優勢取勝比如速度上贏一皮秒(picosecond,一皮秒相當於兆分之一秒,完全無法想像是甚麼概念),然後藉機大量快速地下單.但有人憂慮當程式都不下單時市場會產生何種況態.於是2010年5月6日就發生了完全沒有任何市場利空消息下道瓊盤中下跌近千點,蘋果掛出每股10萬美金,寶僑盤中跌到只剩0.1元的怪異現象.一般認為就是高頻交易與人工智慧程式交易闖出的禍,事後有萬筆交易被取消,許多股價被調回原價.但問題不僅於此,因為有的程式交易商自2009年之後即處在虧損的狀態,本來運行良好能賺錢的程式突然間都失效了.Trading Machine的波迪克(Haim Bodek)就是其中之一,他花了一年多的時間檢查修改卻沒有找到原因,公司的幾個合夥人紛紛離開,面臨破產,直到有人告訴他"特殊委託單"的事情.因為在2007年公布的Reg NMS(Regulation National Market System全國市場系統管理規則)中某個委託單不能取得最佳價格時將被轉送到其他交易池.這規定雖是良善,但對需要掌控交易所有面向的券商來說卻十分麻煩,於是券商的抱怨得到回報,而出現了一種新的委託單規則,允許高頻交易人能隱藏特定價格的委託單,這種委託單能放在交易佇列的最上方,但一般人看不到,不管市價如何變動,它一直在佇列中不重排也不會被傳送到其他交易池,而波迪克的就是一直被這種單子吃豆腐,一方面要吃單付手續費,二方面搶不到好價格,他終於明白自己不是敗在程式能力,人工智慧,或是任何技術上,而是場外的勢力不及他人不能影響交易規則,而這又回到了這本書一開始想打破的問題,政治權力掌控的華爾街始終還是能擊敗技術權力,只要那種技術能掌控政治,規則自由它來決定,依舊是不能取得levine最早的技術願望,資訊充分公開交易公平的市場.
書的最後以Rebellion Research的Star系統為例試圖來為電腦資訊人工智慧運用在金融交易上提供一條可能正面坦途的思維,Star是以人工智慧機器學習的方式從世界各地的經濟數據,財報,新聞或是專業者的blog去搜尋研判出未來市場與股價的可能變動,提出預期與自動下單,2007年以200萬進入市場,2008年績效17%,2009年41%.2011年21%,Relellion的合夥人基本上都是資訊,物理,數學出身,完全不懂經濟,金融,也沒有財務背景,靠的就是人工智慧機器學習搜索全球網路讓機器去找"它"認為的模式與可能變化.而這與前面所談皆是關於動量上取價差的方式絕然不同.失敗的波迪克則改人人工智慧試圖尋找對於未來10分鐘股價的預期模式與交易方式,顯然作者舉這兩例之意都有脫離分毫之爭取向更大的意味,比如思考花3億美元建專線只是為了網路快3毫秒對於人類的意義何在?,資訊不對稱的原因究竟是因為機器還是人心?既然全球的數據都能有了,那金融交易究竟是在明池還是暗池?.至於人工智慧運用在金融交易上究竟是帶來災難還是坦途仍待考驗,只是這是一個真金白銀與技術至上的領域,對於專講人情關係充滿內線交易的地方似乎過於遙遠了.以上.
留言列表
