算法交易的历史
算法交易的历史据分析人士称，2013年约有70%的美国股票是通过算法交易进行的，此后交易算法的使用持续增长。但是，算法交易并不是凭空出现的。我们不妨看看这段历史。
算法交易是随着互联网在20世纪80年代末和90年代初的出现而出现的。然而，直到1998年美国证券交易委员会（SEC）授权电子交易所，计算机化的高频交易才成为主流。
在这篇文章中，我们将看一下以下内容。
什么是算法交易？
为algo交易铺平道路的事件
早期阶段
完善和发展时期
繁荣期
今天是什么样子
社会和情感的整合
[b]什么是算法交易？[/b]
算法交易是一种使用交易算法执行订单的方法，交易算法是带有交易指令的自动化计算机程序，考虑到时机、价格和数量。这种类型的交易将有利可图的策略转换为代码，指示计算机何时买入和卖出证券，交易的正确价格，以及交易量。
也被称为自动交易的算法交易（或简称algo交易）与人类交易者相比，利用了计算机的速度和24/7的可用性。它使用专门的软件来自动实现各种交易策略和复杂的数学模型。一些策略可以是趋势跟踪，而一些可能是均值反转。
它们也可以是点差投注或套利策略，其中许多属于高频交易（HFT）的范畴，其特点是高营业额和高订单交易率。对于这些，计算机算法的设置是为了在人类交易者有能力处理他们观察到的信息之前，根据以电子方式收到的信息做出精心的决定，启动订单。
自本世纪初以来，算法交易在零售和机构交易者中的影响力越来越大。事实上，2019年的一项研究表明，外汇市场上大约92%的交易是由交易算法而非人类完成的。大多数投资银行、养老基金、共同基金和对冲基金使用算法交易来分散执行他们的大型订单。
[b]为algo交易铺平道路的事件[/b]
在阿尔戈交易变得流行之前，金融市场发生了许多事件，为其铺平道路。这些是一些最重要的事件。
第一个基于交易规则的基金是在1949年推出的。一位美国交易员Richard Donchian推出了Futures, Inc.，这是一个公开的商品基金，在期货市场进行交易。该基金是第一个使用一套预先确定的规则来产生实际的交易买卖信号。它使用一个基于商品市场价格移动平均线的数学系统。由于当时没有互联网的支持，开发人员不得不使用来自股票磁带的数据手动绘制市场图表。凭借其基于规则的系统，这可以被视为自动交易的最早尝试。
哈利-马克斯-马科维茨在1950年推出了马科维茨模型。马科维茨引入了计算金融学来解决投资组合的选择问题，它成为现代投资组合理论或MPT的基础，该理论于1952年在《金融学杂志》上发表。马科维茨被称为定量分析之父。
第一个使用计算机的套利交易发生在1960年。对冲基金经理埃德-索普和迈克尔-古德金与哈里-马科维茨合作，创建了一个使用计算机进行套利交易的系统。随着20世纪70年代末和80年代初个人电脑的引入，许多计算金融应用被开发出来，信号处理方法，如时间序列分析和优化成为普遍现象。
纽约证券交易所的MDS I和MDS-II是在1965年推出的。纽约证券交易所的交易报告系统，市场数据系统I（MDSI）的推出是为了提供自动报价。MDS I的成功导致了MDS-II的开发，它比MDSI好3倍。MDSII在1972年7月开始全面运行。
1967年创建Instinet交易系统。Jerome M. Pustilnik和Herbert R. Behrens在1967年创建了Instinet，这是华尔街最古老的电子通信网络。Instinet的推出使大型机构投资者能够在电子设置中直接交易粉单或场外证券，这使Instinet成为纽约证券交易所的一大竞争者。
纳斯达克的形成：纳斯达克成立于1971年，提供完全自动化的场外交易（OTC）。最初只提供报价，后来纳斯达克开始提供电子交易，使其成为第一个提供在线交易的公司。
1978年推出市场内交易系统：纳斯达克市场内交易系统（ITS）是一个重大的游戏规则改变者。该网络由证券业自动化公司（SIAC）管理，是一个电子网络，将各个交易所的交易大厅连接起来，允许它们之间进行实时通信和交易。有了这个网络，参与交易所的任何经纪人都可以对实时价格变化做出反应，并在协调管理ITS的情况下发出订单。
1982年，文艺复兴技术公司的推出。文艺复兴技术公司是由吉姆-西蒙斯创立的一个量化基金。该基金利用数学模型来预测金融工具的价格波动，使用其100亿美元的黑箱算法程序交易。它只用定量分析来挑选要进入的交易。
1984年，纽约证券交易所推出计算机化订单流。虽然订单流的计算机化始于20世纪70年代，但转折点是在1984年，当时纽约证券交易所推出了 "指定订单周转 "系统（DOT），后来成为超级DOT。DOT将订单以电子方式传送到适当的交易岗位，由其手动执行。SuperDOT促进了市场订单从成员公司直接传输到纽约证券交易所交易大厅执行，一旦订单在大厅执行，公司就会得到订单确认。SuperDOT系统标志着股票交易执行在速度和数量上都迈出了重要一步，因为它允许将高达2000股的订单以电子方式转给专家。
Interactive Brokers成立于1993年。互动经纪公司由托马斯-彼得菲在1993年创立，是数字交易的先驱。该公司普及了Timber Hill开发的技术（第一台用于交易的手持电脑），为客户提供电子网络和交易执行服务。在创立互动经纪公司之前，托马斯-彼得菲在1987年创造了第一个完全自动化的算法交易系统，该系统使用一台IBM电脑，可以从连接的纳斯达克终端提取数据，并完全自动进行交易。
1996年推出的Island-an ECN。当时也被称为岛，电子通讯网络（ECN）于1996年推出。该网络使订阅的交易者能够通过电子馈送接收股票的信息。它不断提供实时执行价格和交易量信息。
[b]早期的发展[/b]
正是在1998年，美国证券交易委员会（SEC）允许替代交易系统，这使得拥有电子交易所成为可能，为计算机化的高频交易铺平道路。
美国证券交易委员会新通过的规则和规则修正案使替代交易系统有可能根据其活动和交易量决定是否注册为经纪商或国家证券交易所，并遵守ATS条例的额外要求。该法规为新兴的算法交易领域带来了可信度和透明度，并帮助其更快地发展。
另一个有助于大规模采用算法交易的发展是2001年美国完成的 "十进制化 "进程。这个过程将最小的刻度线从1/16美元（0.0625美元）改为0.01美元/股，给市场结构带来了新的变化，允许买卖价格之间有更小的差异。
虽然这种转换是为了遵守标准的国际贸易惯例，但它也在几个方面使投资者受益。例如，它使投资者更容易识别不断变化的价格行情并作出反应。由于价格的增量变化较小，它还使价差变得更紧。
UD十进制化进程的分阶段实施期从2000年8月28日开始，到2001年4月9日结束。但在2001年1月29日，纽约证券交易所和美国证券交易所才转为十进制化。从那时起，所有的价格报价总是用十进制的交易格式而不是分数来表示。
[b]完善和发展时期[/b]
除了1998年允许替代交易系统的法规外，更多的法规被引入以完善电子交易并使之现代化。例如，在2005年，制定了《全国市场系统条例》（Reg NMS），但直到2007年才成立。
Reg NMS是一系列旨在完善和加强国家股票市场体系的举措。它的订单保护规则强制要求交易所将实时数据传输到一个集中的实体，并要求交易所和经纪人在匹配买家和卖家时接受最具竞争力的报价。它改变了公司在交易通过规则基础上的操作方式，似乎有利于高频的algo交易。
另一个关键的发展是2008年在AQR资本管理公司创建的Pandas。Pandas是一个Python计算机语言的数据操作和分析软件包，对于以快速的速度对金融数据进行定量研究非常有用。
同样，另一家私营公司Spread Networks在2010年8月推出了最快和最值得信赖的暗光纤服务。在大纽约和大芝加哥都市区之间。Spread Networks的路线是纽约和芝加哥之间最短和最多样化的路线--只覆盖825英里的光纤，只需要13.3毫秒。这使algo交易的速度提高了很多，并促进了HFT生态系统的发展。
[b]热潮[/b]
算法交易在2000年代末见证了一个巨大的繁荣。在21世纪初，算法交易占股票订单的比例不到10%，但它增长迅速，到2009年底，算法交易商已经占据了美国证券市场的70%。根据纽约证券交易所的数据，仅在2005年至2009年期间，阿尔戈交易量就增长了164%。
阿尔戈交易的蓬勃发展也伴随着交易执行时间的大幅减少。例如，在2001年，HFT交易的执行时间为几秒钟，但到2010年，这已经缩减到毫秒，甚至微秒，随后在2012年缩减到纳秒。
与算法交易相关的高交易量和超快的执行速度构成了快速市场崩溃的风险，即闪电式崩溃。事实上，在2010年5月，一次由算法执行的价值41亿美元的销售引发了闪电崩盘。这次崩盘使近万亿美元的市场价值化为乌有，道琼斯指数在一个交易日内下跌了1000点，包括在5分钟的时间内下跌600点，之后又恢复了。
在闪电崩盘之后，美国证券交易委员会引入了电路断路器，在这种高波动期间暂时停止交易。
同样，在2015年，美国商品期货交易委员会（CFTC）批准了关于加强对美国指定合约市场（DCM）自动交易监管的拟议规则。这是为了减少算法交易的潜在风险，通过最大订单信息、最大订单大小参数实施风险控制，以及通过建立开发、测试和监测ATS的标准来提高透明度。
随着技术的改进，执行速度甚至变得更快。2011年，一家位于伦敦的科技公司Fixnetix推出了纳米交易技术，开发了一种可以在纳秒级执行交易的微芯片。这种微芯片，他们称之为iX-eCute，是一种用于超低延迟交易的现场可编程门阵列（FPGA）微芯片。在不到100纳秒的时间里，该微芯片可以进行20多次预风险检查。这种低延迟交易包括算法交易系统和金融机构用于连接证券交易所和电子通信网络（ECN）以快速执行交易的网络路线。
另一个推动算法交易增长的因素是Quantopian的出现，该公司由John Fawcett和Jean Bredeche于2011年成立。该公司提供开源资源，包括数据源和用Python构建的工具，供算法开发者开发自己的交易算法并免费测试。
该公司的想法是创建计算机化的交易系统和策略，Quantopian可以将其添加到向机构投资者提供的产品中。因此，该公司组织了名为 "Quantopian公开赛 "的比赛。无论教育或工作背景如何，都可以参加。Quantopian也吸引了机构投资者，他们投资的资产将由获胜的算法来管理。创建获胜算法的开发者成员有权从这些投资者成员那里获得版税或佣金，他们从其策略中获得利润。然而，Quantopian被宣布破产，并在2020年被当局关闭。
[b]社会媒体分析和整合到算法交易中[/b]
2012年9月，一家位于纽约的初创公司Dataminr利用3000万美元的投资推出了一项全新的服务，该服务将社交媒体传播转化为可操作的交易信号。其目的是报道最新的商业新闻，比传统新闻媒体快54分钟。该平台能够识别一些明显的 "微观趋势"，这可以帮助他们的客户获得独特的见解，并能够预测在不久的将来可能会发生什么。
但商业新闻报道只是社交媒体上讨论的一部分。其他重要的社交媒体信号包括消费者的产品反应，小众网络社区的讨论转变，以及公众注意力的增长和衰减模式。
其他一些公司也开发了人工智能工具，以检测每天在推特上分享的超过3.4亿条信息中的语言和传播模式，并进行实时分析，以发现有价值的信号。然而，最初，当局对社交媒体对证券日益增长的几乎即时的影响并不感冒，2013年4月2日，美国证券交易委员会和美国商品交易委员会对上市公司通过社交媒体发布公告进行了限制。
但企业机构对Twitter的使用继续增长。事实上，在2015年4月4日SEC和CFTC的限制两天后，彭博终端公司将实时推特纳入其经济数据服务，彭博社会速度追踪关于特定公司的异常飙升的聊天记录。
异常新闻影响股票市场的一个很好的例子是在2013年4月23日，美联社账户发送的虚假推特称白宫遭到两次爆炸袭击。这一消息在华尔街引起了广泛的恐慌，道琼斯指数在3分钟内下跌了1%或143点（从14699点到14555点）。
[b]今天是什么情况[/b]
Algo交易有了巨大的发展。它现在使用人工智能和机器学习技术来提高其效率。但正如阿尔戈交易的一贯做法，速度是关键。为了减少他们的交易执行延迟，机构和道具交易公司试图将他们的计算机放在离交易所的计算机服务器所在地（纽约）或一些重要的市场信息来源地（华盛顿）非常近的地方。这使得这些公司能够在一瞬间比其他投资人更早地获得股票价格和市场变动信息。
但鉴于HFTs在市场稳定中的重要性，相关部门密切关注算法交易领域发生的事情。 **** Hidden Message *****
页:
[1]