高频交易 (HFT) 行业通常被认为是外汇市场上发生的所有坏事的罪魁祸首。当波动增加并且经纪商无法提供向客户承诺的稳定利率时,经纪商就会指责 HFT 算法和交易设置。交易者之所以指责 HFT,是因为他们受阻于剧烈波动,而这些波动也是由 HFT 算法引发的。最后,央行行长们非常谨慎地选择他们的措辞,以免造成金融市场的剧烈动荡。造成这种动荡的原因是什么? 当然是高频交易。尽管人们普遍认为,该行业的回报并非如此巨大。只要简单谷歌搜索就会知道,每月个位数回报是一般情况,实际上大多数月份的回报处于低个位数水平,甚至偶尔有的月份会为负数。一个密切相关的问题是,既然回报如此之小,为何要涉足 HFT 行业? 正确答案在于,虽然回报率很小,但所涉及的数额非常大。这就是所谓的可扩展性。100,000 美元账户赚取 20% 的回报率与 20 亿美元账户赚取同等回报率不可同日而语。可扩展性是指在不同规模账户上达到同等回报率绩效的能力。
HFT 行业的机器人类型
在此行业中,有多种机器人或计算机编程算法,从宽客到非常基础的买卖。为了解此行业的规模,可以想象一下这些机器人实际上每秒钟进行数千笔交易。毫不夸张,确实如此。每秒钟进行数千笔交易使得外汇市场变幻莫测,充满虚假波动。零散交易者一般根据 5 位数报价来计算点数绩效,但是 HFT 行业则是根据一个货币对报价的第七和第八位数进行交易。您能想象得出获得银行间流动性、资源和维持这种执行的成本吗?更不用说计算机托管和维护成本?虽然付出的成本巨大,但似乎值得为此劳神费力。
基于新闻的交易机器人
这些机器人经过编程,会根据经济新闻结果来进行买入或卖出。正如每个交易者所知道的,经济日历为我们提供了一种可能性,即提前知道未来一周将发布的重要经济消息,并提前知道预测。该等预测代表了经济学家调查的平均数值,如果实际经济数据发布/数字优于预测,则认为是对一种货币的积极因素,表明应该买入该种货币。反之亦然,实际数据发布不如预期,则导致卖出订单。当提到上述交易算法时,它们会根据发布结果买入或卖出。这就是为何经济新闻会在整点发布,或者在截止日期按秒计算的原因,因此这些算法不应该在这之前开始买入或卖出。所以,央行的永恒梦想——价格稳定需要更多的时间来实现。
如果发生重大经济事件,即导致极端剧烈波动的事件,所有这些机器人都超同一个方向进行交易。还记得本文开头提到的可扩展性概念吗? 正因为如此,这些算法所影响的实际金额非常巨大。考虑到该等波动是在一个市场上形成的,每一个交易日的交易额都超过 5 万亿美元,您就会明白为何确实很难出现这样的峰值。然而,对于 HFT 行业来说,这是一种常态。
文本阅读算法
如果您认为上述情况并不可怕,考虑一下文本阅读算法。交易机器人根据出现在或未出现在已发布文件或声明中的不同文字指示来进行买入或卖出。让我们举个例子。美联储每 6 个月召开一次联邦公开市场委员会 (FOMC) 例会,在会议结束时,会向媒体发布 FOMC 声明。交易者(或者实际为 HFT 行业工作的程序员)根据 FOMC 的实际声明与上一份声明之间的文本差异,将这些机器人设置为买入或卖出。重点关注可能对未来整体货币政策有意义的措辞上,结果导致外汇市场剧烈波动。此外,相同算法被“粘”在新闻通讯上,按指令阅读来自不同新闻发布会、经济事件等的金融“摘要”,并且买入或卖出特定货币的订单将以光速传播。
交易方式与过去相比已大相径庭,因为 IT 行业已使交易改头换面。我们甚至无法想象未来会是怎样一种状况,但有一件事是肯定的:如果说过去十年是机器人追随人类,那么在交易中则不然。人类交易者,尤其是零散交易者,需要适应并追随这些机器人或 HFT 行业的脚步,因为这是在竞争环境中生存的唯一途径。这个行业变化如此之快,以致它几乎不可能保持原样。零散交易者应该正确理解市场驱动因素、外汇市场的驱动因素,以及在面对所有这些不利条件时如何实现获利。毕竟,机器人仍然由人类编程,而人类的本性支配着交易,正如任何其他行业一样。
Best and most trusted forex brokers in 2024
Other educational materials
- What is Forex Trading?
- What is a Currency Pair?
- Majors and Crosses – How to Trade Them?
- Leverage and Margin Requirements
- Trading Sessions and Their Importance
Recommended further readings
- “High frequency trading.” Biais, Bruno, and Paul Woolley. Manuscript, Toulouse University, IDEI (2011).
- “High-frequency trading.” Deutsche Bank Research 7 (2011) Chlistalla, Michael, Bernhard Speyer, Sabine Kaiser, and Thomas Mayer. .