所謂 Algorithmic trading （簡稱 algo trading ) ，指的是利用電腦去執行預先定好的交易策略，嚴格來說， algo trading 有被動型與主動型之分。
Algo trading代客落盤
當交易商接到某一個大戶的買盤（或賣盤） 時，交易商可以把這個指令，交給交易員讓他根據經驗去處理， 但亦可以把落單的過程，編制成計算機程序來決定落單的時機、價格和數量。利用程式去落單的優點是避開人為的及情緒化的干擾，利用科學化的分析來決定落單程序，自動將大單分析為小單，減少衝擊成本（impact cost）， 其目標是使客戶的平均買入價（或賣出價）低於（或高於） 當日的時間加權平均價格（TWAP） 。
Program trading按既定方針辦
主動型的Algorithmic trading，又稱程式買賣（ program trading），買賣與否、買賣的時機（ market timing）及頻密度都是按既定方針辦。方針既已定案，就可以把指令編成程式，交由電腦去執行。對比於用人手執行，程式交易有以下優點 （1） 準確、無人為錯誤，（2） 電腦輸入指令比人手快，（3） 電腦可處理多元及複雜的資料，計算迅速，遠非人腦所能及，（4）交易異常頻繁的高頻交易，只有電腦才能應付。但程式交易也有一大隱憂︰ 如果程式有錯漏，就有可能導致巨額虧損。
去年8月16日，光大證券的「 期指、股票套利( arbitrage） 程式」就因為出錯，出現了被稱為「 史上最大的烏龍」，令公司大幅虧蝕， 因而被證監會調查，整個量化投資部門分崩離析，2013年度公司利潤因而下跌了78.8%，可以說是「 因小失大」 的典範。
無數英雄競折腰
雖然程式交易可有如上的慘淡收場，但成功例子也着實不少，單是美國高頻交易的年利潤，保守估計為12.5億美元，但亦有估計為超過一百億美元。江山既然如此多嬌，自然引來英雄競折腰。高頻交易要有low latency 的支援，散戶肯定無緣參與。但近年由於電子交易平台的普及， 一般的程式買賣已非大戶的專利。 散戶如果有投資的獨步秘方，也可以找專業人士代勞，把秘方程式化，和大戶一較長短。
開發程式交易要按部就班
散戶可以經歷以下程序去建立個人的交易策略。
(一)觀察：散戶可以通過經驗或對價格走勢、形態的仔細觀察，發掘一些有利可圖的策略。例一︰ 美股下跌（上升） 多於0.6%，即於開市買入（沽出）期指，收市平倉（註1）。例二︰ 當期指高開（低開） 若干比例時建立空倉（好倉），收市時平倉（註2） 。以上兩個交易策略於學術期刊發表後一兩年，策略威力盡失。例三︰ 周五效應：如果星期五是陰燭，星期五收市買入，星期一收市沽出。反之，星期五是陽燭，星期五收市沽，星期一收市平倉（註三）。
(二)規範：心中有數，只是起步，策略的雛形必然有很多細節。例如，應否設立止賺或止蝕？收市的入市時間（期指） 應為下午4時14分，還是3時59分？周五休市時，應在星期四入市，還是暫停一周？散戶可以腦力激盪（Brain Storm）相關的問題，然後自問自答。想通了就用流程圖（Flowchart）繪製出來。交給專業人員編寫程式。有漏洞的策略，很難帶來穩定的回報。
(三)測試：人的觀察或記憶或會有所偏頗。你以為RSI少於30（超賣），價格就會反彈？死亡交叉，價格就會往下跌？或許是吧，但未經測試的策略，不要妄下定論。你可以利用歷史數據，進行回溯測試（Back Test），數據愈齊備愈好。人手測試數據， 費時甚久，可利用TradeStation和MultiCharts等工具。
(四)分析：策略的好壞要從多角度去分析，不要單看勝出率便信以為真，人的觀察可能會以偏概全。以即日鮮策略為例，利潤系數（Profit Factor）、最大虧損（Maximum Drawdown）和資本變化（Equity Growth） 應比傳統基金公司用的分析數字，如標準差（Standard Deviation）或夏普比例（Sharpe Ratio）等有用。了解策略的特性後，就可以找出更理想的參數和微調交易模式。
(五)模擬：無論分析結果如何吸引，切勿立即投身市場。先用模擬帳戶做交易，觀察買賣過程與回溯測試有什麼分別，例如滑價是否比預期大？限價盤會否不能成盤（Touch but not filled）？這些現象都是不能在回溯測試中反映出來的。
(六)交易：模擬帳戶與真實交易同樣會出現類似以上的偏差。此時資金管理（Capital Management）和倉位分配（Position Sizing） 就異常重要了。切忌過度進取，如果本金輾轉向下跌（即是輸錢），一定要懂得如何縮盤，或對策略重新評估。
小心駛得萬年船
交易從來都是Simple but not easy。由學習觀察到成功交易有漫長的工序要經歷，不要妙想一步登天。如果以上任何一個步驟有不穩妥，應由第一步推倒從來。此外，風險管理要嚴格執行，投放於開發和實踐程式交易的資金一定要有輸得起的底線，切勿作過度的投資為要。
註1：A.K.W.Fung and K. Lam ( 2004) 「 Overreaction of index futures in Hong Kong」, Journal of Empirical Finance, 11, pp.331-351.
註2︰A.K.W. Fung, D.M.Y. Mok, and K.Lam (2000) 「 Intraday price reversals for index futures in the US and Hong Kong」 Journal of Banking and Finance, 24, pp.1179-1201.
註3：這是投資雜誌內一個常見的策略
王世楷為山貓資本增值公司首席系統分析師
david.wong@fledgetrade.com
林建教授為浸會大學榮休教授兼
香港大學統計及精算學系榮譽教授
信報財經新聞有限公司版權所有，不得轉載。
Hong Kong Economic Journal Co. Ltd © All
