*
图1 5 月 6 日事件中资产价格的变化 美国的股票交易场所由全国市场系统组成 价格保护机制不一定 协调一致 有的人批评这个系统反竞争 说它只考虑到用户需求 没 有考虑到运营者需求 当流动性补给点被触发时 交易者不得不从一 个交易所到全国其他交易所去寻找更好的价格 有些交易场所的价 格 流动性 市场行为以及市场层级和纽约交易所不一样 最终的结 果就是市场价格 包括期货交易指数和证券价格 都出现大跌 甚 至有一些交易所出现深跌 正是因为在全国交易系统当中 各个交易 场所协调不够 没有形成一个非常好的价格保护机制 以至于市场间 价格出现这样的差距 交易所本身是盈利机构 进行竞争也是正常的 事情 而且这些交易所愿意成为竞争性的场所 这样能够自由接受各 种订单 下面我来详细谈谈期货市场的事情 谈到市场行为时 我们必须 看一下期货市场最基本的功能和主要目的 即价格发现和风险管理 经济学家 Floros 和 Vougas 认为 期货比股票价格对经济事件反应 更迅速 从而能够引导现金指数收益 这就是期货的价格发现功能
如图 2 所示 标普 500 期货代表着价格发现的主要动力 略微引领由 标普指数 ETF SPDRs 所代表的现货市场价格 图2 5 月 6 日事件中指数期货价格与现货价格之间的关系 流动性是价格发现功能的关键要素 交易量是衡量流动性的非常 简单的尺度 我们可以把 13:30 到 14:00 之间市场的数据进行对比 从表 1 可以看出 期货交易量非常大 流动性其实是非常强的 事件 达到高潮时期货与现货的交易量的比例高达 766% 在我们需要的 时候 期货提供了非常高的流动性 表1 时间段 事件发生时每五分钟的交易量 E-Mini S&P 500 Futures SPDRs 比率 13:30-13:34:59 73,880 19,935 371% 13:35-13:39:59 161,723 41,181 393% 13:40-13:44:59 247,653 58,653 422% 13:45-13:49:59 276,094 47,431 582% 13:50-13:54:59 205,188 26,791 766% 13:55-13:59:59 112,800 29,505 382% 总量 1,077,338 223,496 482%
图4 2010 年 6 月 10 日市场深度 为了评估算法交易 AT 对流动性和波动性的影响 我们做了 两项工作 第一 测量每日算法交易活跃水平 CME 要求算法交易系统按 照交易所指定的方式注册 这样就可以识别出算法和非算法指令 因 此我们可以测算算法交易的交易量比例和源于算法交易的指令流比 例 但数据库存在设定误差或错误的可能性 尤其是日后回放的时候 第二 测量流动性和波动性 流动性的两个经典测量方法包括买 卖差价的宽度 市场宽度 和列于最优报单价格的合约数量 市场深 度 波动性可以按价格每日高低幅度来测量 我们的数据收集自 2008 年 5 月 1 日至 5 月 28 日 不同市场中算 法交易 AT 对流动性和波动性的影响并不一致 如表 3 所示 电 子迷你标普 500 交易中 不能得出算法交易指令流 messageraffic 追 逐 波动性的结论 欧元期货交易中 算法交易指令流伴随着较低的