大數據中的金融市場監管
莫琳•奧哈拉 大衛•伊斯利 — 2013年05月23日監管機構和投資者疲於應對高頻交易(HFT)帶來的難題。這種速度極快的計算機化金融活動如今占據了交易的大頭。美國監管部門認為,高頻交易一手製造了2010年5月的“閃電暴跌”(flash crash),令道瓊斯工業平均指數(Dow Jones Industrial Average)突然大跌。然而,現在的高頻交易已與三年前大不相同,這是“大數據”造成的。
大數據指的是過於龐大或復雜(或兩者兼具)、無法用標準軟件高效管理的數據集。金融市場是大數據的重要產生者,交易、報價、業績報告、消費者研究報告、官方統計數據公報、調查、新聞報道無一不是它的來源。
第一代高頻交易單純靠速度來發現利用價格差異,依賴這種策略的公司近年來的日子不太好過。Rosenblatt Securities表示,與2009年相比,2012年高頻交易公司的利潤下降了74%。光快是不夠的。我們與勞倫斯伯克利國家實驗室(Lawrence Berkeley National Laboratory)的馬科斯•洛佩斯•德普拉多(Marcos Lopez de Prado)提出,高頻交易公司越來越依賴“戰略順序交易”(strategic sequential trading)。它包含的算法可以分析金融大數據,以識別出特定市場參與者留下的足跡。例如,如果一支共同基金通常在收盤前每一分鐘的第一秒執行大額訂單,能夠識別出這一模式的算法將預判出該基金在其餘交易時段的動向,並執行相同的交易。該基金繼續執行交易時將付出更高的價格,使用算法的交易商則趁機獲利。
這種新形式的高頻交易可能會誤入歧途,例如2013年4月23日的“無釐頭暴跌”(hash crash)——美聯社(AP)的Twitter賬號發出巴拉克•奧巴馬(Barack Obama)遭遇恐怖襲擊的虛假消息,引發市場下跌。與2010年5月的那次暴跌不同,此次暴跌的罪魁禍首不是快速拋售引發的更多拋售。它不是快速交易導致的暴跌,而是大數據導致的暴跌。如果監管機構認識不到區別所在,它們將面臨一種風險:新制定的規則只能解決陳舊、過時的問題。
大約兩年前,對沖基金開始普遍從社交媒體提取市場情緒信息,其理念是利用Twitter、Facebook、聊天室和博客用戶發出的成百上千萬條消息,開發交易算法,判斷出與各家公司有關的需求趨勢。然而,這些算法通常無法利用小數據集做出有效的猜測。近幾個月,一種算法流行起來——一旦有自然災害或恐怖襲擊等意外信息公佈,便立即拋出訂單。一個數據點出錯就能導致“無釐頭暴跌”,能夠引發它的災難性事件未來必定會上演。
壞消息是,若要應對新型高頻交易帶來的難題,就必須理解大數據與以往截然不同的挑戰。好消息是,監管機構似乎認識到了適應變化的必要。本月,美國商品期貨交易委員會(CFTC)專員斯科特•奧馬利亞(Scott O’Malia)在紐約大學理工學院(NYU-Poly)大數據金融會議上表示,“魯莽行為”正取代“市場操縱”,成為起訴不當行為的標準。例如,盡管利用從幾百萬條Twitter消息提取出的信息進行交易合情合理,但一旦算法在新聞通訊中發現“炸彈”和“白宮”兩詞便拋出大量訂單,毫無疑問是魯莽的。
一個重要的問題是,我們如何保證市場參與者負責地使用“大數據”?正如《哈佛商業評論》(Harvard Business Review)的文章所說,大數據需要大智慧。幾年前,CFTC曾考慮是否應當讓監管機構對交易商的算法進行認證。監管機構乾預的潛在風險是巨大的,更不用說還有知識產權盜竊的風險。各方可以達成一種妥協:讓市場參與者提出一系列追蹤“魯莽”行為的實時指標,例如在買家減少時增加市場拋售壓力的行為。如果一家交易商逾越了多個“魯莽”行為的臨界值,它將可能被起訴。隨著市場的演化,這些指標可以調整變化;最重要的是,它們可通過全體市場參與者的一致同意而制定。
利用美國國家實驗室的資源是一種解決方案。勞倫斯伯克利國家實驗室擁有超級計算能力和雄厚的分析技術,足以實時監控這些“魯莽行為”指標,並且向監管機構匯報威脅穩定的魯莽市場行為。傳統的停市機制在市場暴跌後停止全部交易。相比之下,實時監控能夠將單個參與者掃地出門,從而向誠信的參與者繼續敞開市場。
大數據的使用正在改變市場。現在,我們需要改變監管市場的方式。解決高頻交易問題的出路不是限制技術,而是鼓勵對更復雜的技術乃至更大數據的利用。
本文作者為美國康奈爾大學(Cornell University)教授
譯者/徐天辰