杨进：金融科技普惠化背景下，散户将会被“消灭”

凤凰网港股讯 4月9日，纳斯达克联合淘金者科技集团，在北京朝阳区四季酒店召开主题为《Fintech时代的海外投资与上市》专场活动。本次活动邀请超过100家投资机构、拟上市公司，共同探究科技与金融的融合，为资本市场带来的全新发展，以及如何利用金融科技，将更广泛的用户群体，导向广阔的全球市场。

金纳科技联席总经理杨进先生在本次论坛中发表了以“智能算法助力全球交易”为主题的演讲。

杨进表示，要想打破传统的金融服务模式，仅仅靠前端模式的创新是远远不够的，关键是要看底层核心技术的突破，而智能算法一定是其中一块非常重要的内容。

随着电子计算机技术、信息技术的普及及在金融领域的应用，对交易的处理能力也越来越强，特别是在市场中，越来越多的参与者利用交易技术获得了更多收益的时候，也就使得其他的参与者必须要提升自己相关的能力，避免在市场落后。有点类似于军备竞赛的概念，只要有一方某一种能力有所提升，作为竞争对手必须得跟上。军备竞赛也许没有最后的赢家，但如果你不参与军备竞赛可能一开始就已经是个输家。

机构投资者特别是高频交易客户的交易99%以上都是通过智能化算法、工具来完成。当然，这里面的比例其实是个动态的变化，比如高频交易在美股市场，最高的时候超过了60%的市场份额。

作为使用者如何能够用好算法，这其实也是一个比较重要的话题。杨进认为，对于一个算法而言，它不仅仅是个黑匣子，还必须要提供完善的配套工具，帮助我们来理解和使用算法。

以下为杨进先生发言实录：

杨进：非常荣幸能够有机会来到这样的会场来和大家做一些分享，我也很高兴这个环节能被安排在最后，我也可以和大家一起聆听前面几位精彩的发言。这也很正常，交易本来就是投资的最后一个环节。我今天分享的主题是“智能算法助力全球交易”。

今天的主办方有纳斯达克，我们先从美股市场先做个回顾，看这个全球最大、最成熟的市场是经历了怎样的交易模式的演变。

美股市场现在已经做得非常好了，实际也经历了较长时间演化的过程，从最初的纯人工交易，做市商交易员，券商交易员在场内人与人之间的交易来完成。所以，我们看到在这个过程中，股票的最小报价单位有了非常有意思的变化。最开始是1/8美金，到后来的1/16，1/32，再到1美分。为什么会有这样的过程呢？因为最开始通过人工交易很难处理高频度、高密度的交易，只好把最小的报价单位设计稍微大一些。随着电子计算机技术、信息技术的普及，在金融领域的应用，对交易的处理能力也越来越强，特别是在市场中，越来越多的参与者利用交易技术获得了更多收益的时候，也就使得其他的参与者必须要提升自己相关的能力，避免在市场落后。有点类似于军备竞赛的概念，军备竞赛，只要有一帮某一种能力有所提升，作为竞争对手他必须得跟上。军备竞赛也许没有最后的赢家，但如果你不参与军备竞赛可能一开始就已经是个输家。

这里介绍一本书《暗池》，这本书里详细介绍了美股市场是怎么样进化演变的过程。这个进化的结果也可以看到，美股这样的成熟市场，算法交易已经成为机构投资者的主流，不到10%的个人投资者（散户）还在采用人工方式进行交易，这里有不少是中国大陆投资者（散户）以各种各样的方式投资美股。机构投资者特别是高频交易客户的交易99%以上都是通过智能化算法、工具来完成。当然，这里面的比例其实是个动态的变化，比如高频交易在美股市场，最高的时候超过了60%的市场份额。2008年金融风暴爆发之后，监管层对高频交易做了一些限制，最低也没有低到10%，这是武装到了牙齿的市场。国内的金融机构想要走出国门，面对全球交易的时候必须要知道这是个充满了竞争的市场。

从算法交易的角度，我们来回顾一下它大致的成长阶段。

2000年前后，欧美成熟市场开始推广第一代执行算法，第一代执行算法相对比较简单，在座的大多数可能也都耳熟能详，比如常见的一些算法、TWAP、VWAP是这一阶段的主流，它的主要诉求是为了降低冲击成本，隐藏我们实际的交易意图。

随着计算机技术和应用发展，在2004年至2005年阶段算法进入到第二代，这一代的主要特征是算法种类更加多样化；不仅算法进化在化市场，在不同交易模式之间进行更好的扩充。我们知道美股交易的挫折不一定都是在交易所完成的，这和中国大陆的市场不太一样，除了有交易所之外还有大大小小的明池、暗池参与撮合。这里存在流动性搜寻的问题，当你的股票在交易所撮合不了的时候还可以在其他地方帮助你完成交易。

到2012年前后，算法进化到了第三代，它更多考虑到不同市场的特性，在合规、风控方面做了更多的提升，更重要的是它开始引入行为金融学的理念，让我们的算法除了完成基于市场数据也多了一些人的因素，市场数据的考虑，让我们的算法初步多了一点智能化。

2007年至2008年，我们的算法在海外市场基本进入到第四代，这个阶段就基本开始大规模应用人工智能技术，因为人工智能技术到了这个阶段开始爆发，在算法领域里也得到了非常深入的应用，比如深度学习，神经网络等等，能让我们的算法更智能地完成交易。

中国内地市场算法引入相对比较晚。2010年前后才由瑞银通过收购北京证券把算法服务引入到了中国内地，一开始为公募基金提供服务。从整个市场应用来看，目前国内的应用得还不太普及，应用的层次、技术水准也不是太高，但这里面增长的机会还是非常得多。

在海外，除了交易所、资产管理机构关注算法，监管层面也通过一些政策指导券商发展他的交易服务能力，MiFID和MiFID II的发布实际是要求券商把他的核心能力进行明确划分，打破以前为买方提供服务的时候比较笼统地绑定在佣金收取的方式，要把它的资本中介服务、研究服务、交易服务说清楚，你在这个服务方面到底能够提供什么样的价值，这其实促使了海外券商的一种分化，少数大型投行，全球化的券商可以综合提升他们几方面的服务能力，而对很多中小券商来讲，他们开始着力于发展自己的特色，也产生了很多专门做执行服务Execution Brocker（音），他们就是用自己的算法来提供高质量的执行服务，获取买方的信任，获取他们的佣金。目前中国大陆还没有明确的政策导向和要求，但也看到越来越多的券商在尝试提升自己的核心能力。

在美国市场可以由这样四个趋势。

1、散户机构化。说明越来越多的散户所谓的“韭菜”自己不交易了，把资金交给专业机构、公募基金或私募基金。这也是一个趋势。散户交易能力随着金融科技的普惠化，他们的交易能力也越来越向一些小型金融机构靠拢。

2、投资指数化、量化。实际就是投资的智能化，以前我们大量依靠人工智能投资研究方式，目前在海外成熟市场所占的份额、市场比例已经越来越低，当然，我们还是可以看到类似巴菲特这样的长期价值投资者还是有，但在成熟市场上他所占有的比例和份额越来越低。虽然巴菲特的研究是通过比较主观的对某些股票深度分析来做出投资决策，但它的执行也是通过Glodman（高盛）、摩根史丹利这样的顶级投行通过高质量的算法帮他完成的。

3、投资交易智能化。投资交易一定是智能化的，对一个机构来讲如果不用智能化的算法完成他的交易，这对他的业绩、成本控制将是一个非常大的负面影响。

4、资产配置国际化。这有国情的不同，海外市场也是由于技术的发展和推动，它的交易跨市场、跨国的方式其实是非常丰富和灵活，我们在美股市场不光可以买到美股。现在国内也逐渐向开放的方向前进，现在国内可以通过南下通道做沪港通、深港通买港股；下一步可以在沪伦通，买欧洲的股票；再下一步也许有沪美通，我们可以期待。现阶段还可以通过在港的中资券商，比如寰盈国际帮助国内机构实现海外资产的配置。

算法交易价值。

作为金融机构，我们对于算法本身的价值还是有许多自己的认知，比如在降低执行成本方面，我们都会看过类似这样的分析，所谓的冰山，也就是我们所看到的可见的成本，往往是整体交易成本的一小部分，更多更大的成本来源于我们看不到的东西。这个概念很多人都已经有，我这里想做个简单的重点说明，对于冲击成本的关注。为什么会提到这一点？通过我们和很多客户交流发现，有些交易员说，我的交易完成之后跟市场均价，就是跟标的的VWAP的均价做了比较，发现我的滑点很小，这说明通过我的算法也能获得不错的收益。这有个小小的问题，交易占市场份额比较高的时候，可能你把价格冲击上去了，最后由于你的交易在海外很大程度上形成了标的的市场均价，也就是说你在不知不觉间把整个市场均价冲击上去的，这时候你所做的比较是相对的比较，你的执行和市场均价之间相对差距比较小。但从绝对比较来看，由于你的冲击成本过高，而使得你的绝对成本上升。

这个层面，我们的执行算法可以用更加智能化，更加灵活的方式来帮助降低冲击成本，而获得绝对的，更好的执行绩效。因为我们投资更追求的是绝对收益，而不是相对比谁更好。在提升交易质量方面，可以做个类比，我们的交易部门每天都要完成大量的交易，就像我们一条生产线，每天都要生产很多的产品，如果一条生产线的昨天、今天和明天生产的产品质量、品质高度一致，那么我们认为这是一条好的生产线，它让我们放心，可以降低很多成本，减少很多浪费。

我们的交易部门也是一样。从量化对比可以看出，纯粹的人工交易在交易的技巧、交易质量的稳定性，就是所谓方差值方面的表现都不尽如人意，因为人本身的弱点很难克服，加上人工智能算法之后，大家交易的质量和交易绩效、交易稳定性都得到了大幅度改善，也就是说我们交易这条生产线的生产质量得到了大服务的改善。

帮助我们规避各种各样的风险，各种乌龙指的事情大家听的多了，不管哪一年，市场都会报出这样的新闻，一不小心下错单，价格和数量下反了等等都会有。这只是从新闻媒体角度比较喜欢关注的一类新闻，而我们的交易员还要面对很多其他的风险，这可能媒体不太关注，但行业人士是需要关注的，比如监管的风险。特别是在中国内地比较强监管的市场环境下，我们的监管机构对于市场微观行为非常得关注，比如一个大的金融机构交易市场占比是不是过高，在指定时间段内撤单的数量或频率是不是过快，这些都会引起我们监管机构的关注，做得不好，就可能接到监管电话，收到监管函，影响这个机构的评级等等，这是我们交易员面临的巨大压力，而且不同的市场面临不同的监管要求，中国内地和香港不一样，和美国又很不一样，我们交易员需要规避这些风险其实是很不容易的。市场适应美国要求之后还能自动化地帮助交易员规避这些风险。

总的来看，算法这几个价值，首先它控制了交易成本，二是它把交易风险降下来了了，这也是在控制成本；三是交易效率大幅度提升，原来交易员管理50亿资金，面对三个基金经理基本上还能应付。但当公司业务发展，规模扩大，要管理500亿的基金，要面对30个基金经理的时候，肯定就忙不过来了，但是依靠算法的支持，他还是可以游刃有余地应付。综合起来，这就可以给资产管理机构带来更好的资管能力的综合价值，他可以管理更大的UM，可以管理更多的策略，可以服务更多的基金经理。

如何用好算法。

既然算法是重要的，也是有用的，我们作为用户，作为使用者如何能够用好算法，这其实也是一个比较重要的话题。我们认为，对于一个算法而言，它不仅仅是个黑匣子，还必须要提供完善的配套工具，帮助我们来理解和使用算法。这个配套工具可以分为几个环节，比如交易前、交易中、交易后；交易前可以通过模拟、历史数据的回测来对交易指令进行模拟交易，让我们能够更好地选择合适的算法。这个过程中，我们利用了量化平台，利用了我们对历史数据的积累，帮助交易员在正式交易之前做到心中有数。在交易过程中，当我们选择了适当算法在金融实盘交易时，配套工具可以帮助交易员实时关注算法执行的情况，可以实时看到算法真实表现是怎样的。当它的表现不符合预期时还可以做一些及时的干预。

同时，我们在交易中还必须要有相关的风控工具，我们要帮助交易员规避合规的风险，肯定是不能碰红线；我们还要帮助交易员关注市场变化的风险，比如有一天特朗普发了一个Twitter，有些标的的价格出现了大幅度的波动，快速上涨或快速下降，这时候我们的算法就会自动地提醒交易员，希望他引起关注，希望他做相应的调整，避免由于市场波动而我们的人工反应不及时而导致的损失；交易后的环节，我们有相应的分析工具，对交易质量进行完备分析，可以了解到，今天每一个交易员的指令，完成度，完成质量，完成绩效到底怎么样，为什么会这样，有哪些地方需要改善？我们可以得出完备的分析结论，帮助交易员在明天、下一个交易日有更好的表现。

一个完备的风控平台可以提供非常多个性化的风控参数的设定，比如针对不同的市场，我们可以设定不同的涉及合规方面的参数，比如对市场占比，撤单、报单的频率，撤单的数量等等进行有针对性的个性化设置，又根据不同的投资策略，不同的交易风格，不同交易诉求，对市场风险变化进行个性化的设置。比如当行情在5分钟之内波幅超过5%时，我们的算法是需要做出什么样的动作，暂停还是及时终止，提示交易员进行人工干预等等，这些的风控工具可以帮助交易员运筹帷幄，他不至于手忙脚乱。这是用于盘后分析的可视化工具。

利用这样的工具可以看到，我们算法每一个具体的表现，简单来说算法就是菜单，某一个算法的指令，这个算法是如何去完成的，在几点几分拆出什么样的单子，多大的量，什么样的价格，是打对方的盘口还是挂在本方的盘口，这一单它是成交还是没有成交的，撤回来以后重新下个单。在可视化分析工具上都可以非常直观地看到，可以帮助我们交易员很容易地了解算法的逻辑，知道这个算法，我们把它看作机器人，这个机器人到底是怎么干活的，它今天干得好不好，为什么会这样干，是不是按照我们给它的指令、给它的条件相关。比如我的算法选择的是激进风格，看它的算法执行时是不是总是打对方的盘口，因为这样比较激进，比较容易获得成交，比较有助于完成算法指令完成度。如果我们给他的是一个保守的风格，他是不是总是挂在本方的盘口而希望对方来吃我们这样的价格，这样好处是可以获得更好的执行成本，执行绩效，问题在于它的完成度可能就会比较低，时常会有撤单，撤单的速度或撤单比例就会上升，这有可能触及到风控的限制。通过这样的可视化分析可以帮助我们更好地理解算法，理解这个工具，把它用好。

这是整体交易来对所有指令进行成本后的交易分析，成本分析工具在海外市场应用得比较多，不论是卖方还是买方都需要。我们的买方需要成本分析工具告诉他的买方客户，他的交易情况是如何？在外方机构完成的交易情况是什么样的成本，什么样的绩效，它表现是好或者是不好。这是非常重要的量化依据。

对于买方来讲，他做交易成本分析可以有助于他选择合适的外方机构，到底是选择UBS或者选择摩根史丹利等等，它的依据是什么？其实就是来源于这样的成本分析。这样的成本分析可以从几十个不同的维度，不同的角度来对所有交易进行完整分析，让我的投资经理看到，我们的交易成本主要来自于哪里，到达价格的差异，来自交易的滑点，来自冲击成本等等，可以帮助完善他们的策略，改进他们的交易，最终帮助他们获得更好的投资绩效。

对于我们的算法平台，也有相应的管理工具帮助运维部门来更好地让算法平台发挥作用。

对市场微结构客户的分析，所谓市场的微结构，就是从交易角度来认知市场的全貌。举例，国内A股市场在微结构方面，它的差异是什么呢？比如价位、滑点的差异就有明显的不同，A股市场交易滑点一般是在12-25DIPS的范围。港股市场，由于上市门槛没有那么高，各种股票个性差异也非常大，会有蓝筹股也有很多仙股，它的价位之间的滑点就相对比较大。这样的差异对我们从交易角度如何更好地把握机会，如何更好地规避风险是个非常重要的指引，而且可以帮助我们交易员比较快地了解市场总体特性，比如我们有交易港股，下一个交易日交易美股。美股到底是什么样的属性，我们当然可以看到很明显的差别，比如交易规则的差别，交易时段的差别，但这个市场更细微，更专业化的体现，从交易角度去关、了解可以通过我们微结构分析报告深入分析，帮助交易员建立起对这个市场更深入的认知。我们定期把市场分析报告提供给用户。

算法交易的实现模式。

一般海外市场，成熟模式大致分为三种：

1、High Touch委托交易方式，比如巴菲特投资模式，他会非常主观地选择投资标的，选择完之后他自己并不会下单，他会把交易权发给他的PV，比如高盛、摩根史丹利，让他们的交易员帮他完成这笔交易。这是High Touch的模式。当然，这些交易员肯定是用他们的算法高质量地完成这个委托任务。

2、DSA方式（Direct Stralege Access）。是由买方、资产管理机构直接调用算法来完成。

3、DMA方式。买方自己有算法，对于券商来讲就是提供一个通道，让他把算法完成后的指令直接发到市场。这是个大致的部署，在High Touch或DSA模式下，我们的算法引擎是部署在券商这里，（图）曲线左边是buy side，右边是sale side，这种模式下，如果High Touch指令过来，由我们的sale side的sales trader帮助他选择合适的算法完成。如果是DSA指令过来，我们buy side交易系统会直接发个算法指令的需求到算法引擎，由算法引擎进行智能化处理之后再发到交易所。DMA模式下，算法引擎部署在buy side这边，当然海外的部署相对就比较灵活，物理上既有可能放在buy side自己的机房或服务其上，也有可能放在云上，通过委托方式提供云服务，当buy side指令需要用算法交易的时候，相当于给云端算法引擎发出一个请求，而算法引擎把算法指令完成之后再返回给buy side系统，对buy side系统把完成后的指令通过sale side系统发给交易所，这样的算法指令就是DMA的模式。

这里有个小小的误区需要说明，可能很多人觉得，交易员用算法都是通过人工来选择算法来完成的，其实并不是这样，我们的算法引擎既可以提供一个界面供交易员进行人工交易，也可以通过各种API、Base标准协议和量化平台进行对接，我们的量化平台可以直接调取算法，实现投资决策到执行整个流程的不落地，全程自动化、智能化。期货领域做对接的特别多，这方面是没有任何障碍的。

金纳公司简洁。

我们是智能服务商，我们把投资用在投资交易领域，我们的特点是“专业+专注”。金纳科技成立于2015年中，几乎是A股市场最高点，这个时间也比较有意思，我们是国内第一家独立的第三方智能交易服务商，经过多年发展在资管、公募基金、券商已经拥有大量标杆客户，和期货公司的合作也在快速推进过程中。金纳核心竞争力和核心特色在于，我们有投资交易方面的全球化经验，也有咨询服务的专业团队，而且我们在应用基础上也是整合了海内外比较先进的技术平台，把三合一，认为目前国内还是做得比较好。我们有个本地化的团队，当然也结合了海外背景，核心团队有来自于UBS，也有来自于国内像金正、恒生这样大的Fintech公司，我们是本地团队，全球视野，我们的愿景是服务华人世界，投资全球市场。

希望有机会能够成为在座各位走向全球市场的得力助手。谢谢大家！

更好，和大家一起合作并发展壮大。

谢谢大家！