PART A — 最后一层:争的是市场本身
1. 这一篇和前三篇的区别
- ①篇争「数据能不能被预测」,②篇争「什么算证据」,③篇争「工具该怎么记账」,
本篇争的是这些行为加在一起对市场做了什么——
它同时是技术问题、市场设计问题和公共舆论问题,三者的评价标准并不一致。
- 本篇的三条分歧里,只有第一条有较好的公开证据基础;
第二条的争论主要靠事后归因,第三条则依赖不可观测的规模数据。
我会把这个差别标在每一张卡片上,而不是一律包装成「学术界意见分裂」。
- 监管条款与市场事件只作为口径出现,一律附来源;
本页唯一的图是数学示意(§2),不是对任何行情或任何机构行为的描述。
| 分歧 | 可核证程度 | 争的实际是什么 |
| ⑨ 高频交易提不提供流动性 |
高:有两组可比的实证研究与明确相反的结论 |
「流动性」的口径(买卖价差 / 深度 / 极端时刻的可用性) |
| ⑩ 暴跌里量化是放大器还是稳定器 |
低:只能事后观察,无法反证 |
因果归责的默认方向 |
| ⑪ 规模是敌人还是伙伴 |
中:机制清晰、数据不可得 |
收益衰减该归因给容量还是给拥挤 |
PART B — 一条公式,把「同向化」这件事量出来
2. 同向化数学:k 份相同策略,相关性越高,「分散」越是幻觉
参数来源:单腿年化波动 σ =
31.3% 由站内 data/sample/im_main_15min.csv 的
64 个交易日日收益实测(构建期计算);
ρ 与 k 是假设格点,站内没有跨策略相关性样本,
所以下表是数学示意,不是对任何真实同行群体的估计。
| 策略份数 k |
ρ=0.0 | ρ=0.2 | ρ=0.4 | ρ=0.6 | ρ=0.8 | ρ=1.0 |
| 1 | 31.3% | 31.3% | 31.3% | 31.3% | 31.3% | 31.3% |
| 2 | 22.2% | 24.3% | 26.2% | 28.0% | 29.7% | 31.3% |
| 5 | 14.0% | 18.8% | 22.6% | 25.8% | 28.7% | 31.3% |
| 10 | 9.9% | 16.6% | 21.2% | 25.1% | 28.4% | 31.3% |
| 20 | 7.0% | 15.3% | 20.5% | 24.7% | 28.2% | 31.3% |
| 50 | 4.4% | 14.6% | 20.1% | 24.4% | 28.1% | 31.3% |
这张图真正要说的是右半段:当 ρ 接近 1,各条曲线几乎并成一条直线——
加更多同类策略一点风险都没省下,k 份资金在风险意义上等于 1 份。
真正有意思的后果在第二层:风险预算是按「你以为的 ρ」算的,
实际损益是按「那一刻真实的 ρ」发生的。
下表把这两者分开:预算口径写「组合波动不超过 31%」(等于单腿波动),
于是每腿被允许的杠杆是 1 / √(ρ假设 + (1−ρ假设)/k);
若压力时刻真实相关性冲到 1,组合波动与单日冲击损失就按那一列兑现。
| 同类份数 k | 预算假设 ρ | 每腿允许杠杆 |
预算口径组合波动 | 真实 ρ=1 时组合波动 |
单日 −5% 冲击时账户 |
| 2 | 0.0 | 1.41× | 31% | 44% | −7% |
| 2 | 0.5 | 1.15× | 31% | 36% | −6% |
| 2 | 0.8 | 1.05× | 31% | 33% | −5% |
| 5 | 0.0 | 2.24× | 31% | 70% | −11% |
| 5 | 0.5 | 1.29× | 31% | 40% | −6% |
| 5 | 0.8 | 1.09× | 31% | 34% | −5% |
| 10 | 0.0 | 3.16× | 31% | 99% | −16% |
| 10 | 0.5 | 1.35× | 31% | 42% | −7% |
| 10 | 0.8 | 1.10× | 31% | 35% | −6% |
| 20 | 0.0 | 4.47× | 31% | 140% | −22% |
| 20 | 0.5 | 1.38× | 31% | 43% | −7% |
| 20 | 0.8 | 1.11× | 31% | 35% | −6% |
| 50 | 0.0 | 7.07× | 31% | 222% | −35% |
| 50 | 0.5 | 1.40× | 31% | 44% | −7% |
| 50 | 0.8 | 1.12× | 31% | 35% | −6% |
k=50、假设完全独立
7.07×
分散给的杠杆额度
同设定下真实 ρ=1 的组合波动
222%
预算写的是 31%
同设定下单日冲击损失
−35%
与机构运作页 §7 同一把量尺
这张表读对了吗:三句防误读
① 表格不是说「相关性高会被加更多杠杆」——恰恰相反,如果 ρ 被正确估计,风险预算制会自动降杠杆;出事的是把 ρ 估小了,而人在平静期系统性地估小它(这也正是③篇分歧⑧「低波动期的最大敞口」);② 表中所有数字都是恒等式推导,唯一来自数据的输入是 σ=31.3%(站内 64 个交易日实测),k 与 ρ 是格点,不代表任何真实同行群体;③「单日 −5%」是与机构运作页同一把量尺,用于称风险,不是对未来的预测。
这条数学与分歧⑩的关系
「量化是放大器」这一派真正依赖的不是道德判断,而是上面这一行公式:只要同类策略的相关性在下跌时趋近 1,它们在平时看起来分散、在那一刻就是一笔大仓位。「稳定器」一派并不否认公式,他们否认的是前提的另一半:如果没有这批资金,价格偏离会更久更深,冲击时的对手盘更少。两派在同一个公式上分歧的是反事实——而反事实不可观测,这就是它争不完的原因。
与前三篇的接口
相关性 ρ 在本系列里出现过三次不同名字:②篇的「有效样本量」(同一份信息被重复使用)、③篇的「拥挤度」(同一批资金在做同一件事)、本篇的「同向化」(同一个信号在关键时刻被同时执行)。它们是同一个不可观测量的三个投影,这也是为什么四篇必须连读。
PART C — 三条分歧
3. 高频交易提供流动性,还是在抽取流动性? (系列分歧第⑨条)
争的是什么:一派用自然实验证明:算法化程度提高后,买卖价差收窄、回撤变浅,普通投资者交易成本下降;另一派用同一市场的微观结构证明:高频只是在「确定性极高的瞬时机会」上套利,它提供的深度是随时可以撤走的深度,还在常态里制造了无谓的军备竞赛。这条分歧是全系列里证据基础最好的一条,也是结论最相反的一条。
提供流动性派
算法化竞争压低了价差与波动,且效果在流动性较差的股票上更明显;「撤单」不等于「不提供流动性」,因为报价存在的时间本身就是可成交性。他们强调衡量口径必须是已实现的交易成本,不是撤单笔数。
Hendershott, Jones & Menkveld (2011)《Does Algorithmic Trading Improve Liquidity?》, Journal of Finance 66(1), 1–33:用某交易所把股票代码随机分组的自然实验,识别算法交易对价差与深度的因果效应(改善幅度以原文为准)。
抽取流动性派
流动性提供的真正考验在压力时刻,而高频在最需要它的时候恰好会撤单;更根本的批评是:连续双边拍卖里,速度的唯一用途是抢在同一笔成交前(排队/延迟套利),这对市场没有生产性,只是把「公共池」里的价值转给最快的人。他们的处方是改结构:集合竞价、随机延迟、取消 maker-taker 返佣。
Budish, Cramton & Shim (2015)《The High-Frequency Trading Arms Race》, Quarterly Journal of Economics 130(4), 1547–1621:以美股 ETF 的实测数据论证「速度军备竞赛」与频繁批次拍卖的替代设计。
口径派:两条结论其实都在说自己那段
价差是常态指标、深度是瞬时指标、撤单率是行为指标。不写清「在什么时刻、对哪类投资者、哪种流动性」,这两组文献可以互相兼容,也可以互相打架——所以真正的分歧在度量学,不在道德。
监管侧对「谁在提供什么」也没有统一口径;美国围绕 maker-taker 返佣与批发订单流的争议长期由概念性文件讨论(SEC 2010《Concept Release on Equity Market Structure》)。
| 论据 | 倾向 | 口径与薄弱点 |
|---|
| 算法化后价差收窄、深度改善(自然实验) | 提供流动性派 | 样本为成熟市场蓝筹,外推到小微盘与压力时段存疑 |
| 高频在价格剧烈变动时集中撤单 | 抽取流动性派 | 两派对此事实基本无争议,争的是「该不该算它提供了流动性」 |
| 速度的收益主要来自瞬时套利 | 抽取流动性派(机制论证 + 数据) | 提供派回应:套利变快会让定价更准,本身即服务 |
| A 股的流动性Provider认定、返佣与高频阈值 | 中国口径另有其文 | 以交易所细则为准,与本页英美文献口径不可直接互换 |
为什么争不完
要给「流动性」一个能同时容纳两组证据的定义,需要指定时刻、指定投资者、指定度量(价差/深度/弹性/回撤时间),而这四种度量的排序在数据上经常互相矛盾。结论相反不是因为有人造假,而是因为大家测的不是同一个东西。
CS 类比
像衡量「缓存提不提供性能」:常态命中率、冷启动时延、故障时的雪崩行为是三个不同指标,同一种架构可以在前一个上优秀、后一个上灾难。工程上没人会问「缓存到底好不好」,只会问「在哪个 SLO 维度上」。金融讨论缺的正是这句限定。
这条分歧改变什么做法
读任何「高频/量化损害流动性」的结论时,先把它补成完整句子:在什么时段、用什么口径、相对哪个反事实。补不出来,这条结论对你没有信息量——无论它多符合直觉。
4. 极端行情里,量化策略是放大器还是稳定器? (系列分歧第⑩条)
争的是什么:一派:同向持仓 + 同风险模型 + 同类止损,使这批资金在下跌中成为「连环卖方」,把跌幅推得比基本面应有的更深;另一派:它们是触发者还是受害者完全不同——挤兑的燃料是结构(杠杆、雪球敲入、小微盘流动性),量化只是在错误价格上被迫减仓的一方,且平时它们承担了别人不愿承担的风险。这条分歧决定监管与舆论把矛头指向谁。
放大器说
机制在 §2 已经给出:相关性上跳使分散失效,风险预算制自动在最坏时刻要求减仓,减仓又推低价格,触发别人的止损。这条链不需要任何共谋,只需要相似的风控规则。小微盘、DMA 杠杆、指数增强叠加同向 alpha 是 A 股语境下的具体载体。
理论上归属于「限制套利 + 共同融资约束」:Shleifer & Vishny (1997)《The Limits of Arbitrage》, Journal of Finance 52(1)。事实侧锚点是监管对 DMA 业务的公开表态(见 §9 来源清单,含「稳步降杠杆、降规模」的表述)。
受害者说
把因果倒过来看:价格是被敲入与平仓推下来的,量化模型只是响应价格;在没有这批资金的年份,同样规模的下跌也发生过。而且它们中很多是对手盘:小盘被抛售时接盘的是策略本身,称它们为卖方只在「最终不得不清仓」那一段成立。
这一侧的可核证证据是事件时间线:谁先动、谁被动、规模变化的先后次序(权威媒体的报道时间线见 §9)。本页不重述具体点位与跌幅数字。
生态位说(跳出二元)
把问题从「好人/坏人」换成「这个生态位是否存在挤兑结构」:只要一类资金的风险规则在他人规则下必然失效,它就是系统性的一环,与它是否「故意」无关。对应的做法是要求规则去相关(不同止损口径、不同波动估计窗口、分层限额)。
理论上接 ②篇的 Lo (2004)《The Adaptive Markets Hypothesis》:策略同质化是生态竞争的结果,不是共谋,也不可靠市场自我修正消除。
| 论据 | 倾向 | 口径与薄弱点 |
|---|
| 下跌时跨策略相关性上跳 | 放大器说(§2 数学 + 大量实证) | 几乎无反证 |
| 风险预算制在冲击下强制减仓 | 放大器说(规则可查) | 这属于「响应价格」,受害者说同样承认 |
| 挤兑的初始触发是杠杆与结构化产品 | 受害者说 | 两派对「谁先动」的事实顺序可核对,对「该归责谁」不可 |
| 无反事实:没有这批资金会怎样 | 两派都在猜测 | 这正是本条争不完的原因,也是它证据等级最低的原因 |
为什么争不完
归责需要一个反事实分布(「没有量化,那两天会怎么走」),而它不可构造。可核证的只有时间顺序与规模变化,至于「谁该被指责」是价值判断,被包装成了实证问题。本页能给的只是一条纪律:把「触发」与「放大」分开讨论。
CS 类比
像一次线上雪崩复盘:自动扩容/熔断系统「放大」了流量尖峰,也可能因为提前限流而「避免」了全站故障。事后 blame 一个机制几乎从不产出可执行结论,可执行的是:把各层超时与阈值参数去相关、避免同一信号同时驱动所有层。这恰好就是「生态位说」给量化的处方。
这条分歧改变什么做法
作为研究者你能做的具体事:让你的风控规则与同行刻意不同。不要用同一套「波动 20 日 + 回撤 X% 砍一半」,把止损依据分散到多个口径(时间、价格、流动性指标),这样在最坏那天你不太可能与所有人在同一秒做同一个动作。
5. 规模是量化策略的敌人,还是它的伙伴? (系列分歧第⑪条)
争的是什么:一派:收益随规模单调衰减,冲击成本与信息衰减共同决定容量上限,所以「封盘、限规模」是良心的专业行为;另一派:规模带来更好的数据、更低的交易成本、更多可做的频段,而且真正决定衰减的不是规模而是同质化——一个只做 5 亿的团队如果和一百人和它做同一件事,也不会有好收益。这条分歧决定你该相信哪一类业绩宣传。
容量派:规模是硬约束
alpha 半衰期短的频段必须靠高换手兑现,而高换手对成交量的占比敏感;规模一旦让策略成交量占到日成交量的可观比例,自己就成为行情的主要来源,收益被自己的冲击成本吃掉。因此「主动控制规模 / 封盘」不是姿态,是数学。
机制侧无需文献分歧:冲击成本与容量是标准结果。理论背景可归于 Shleifer & Vishny (1997) 关于套利者受资本约束的论述,以及②篇的 alpha 衰减证据(McLean & Pontiff 2016)。
协同派:规模是护城河
数据采购、算力、交易执行、融券与期货额度都随规模改善;更关键的是可以做低相关频段,把容量瓶颈分摊开。他们指出容量派的经验观察常被误归因:真正衰减的原因是同行增多(ρ 上升),不是自身体量。
与 §2 的数学完全一致:把 k 份资金摊到不同 ρ 上,组合的容量瓶颈由相关性结构决定,而非由总规模决定。这一侧还引用机构长期存在的存续事实作为支持(公开经营信息,非业绩)。
可观测信号:封盘本身
两派共同承认的唯一硬信号是「限制申购 / 封盘」这个行为:它意味着管理人自己判断边际容量已到。所以对个人研究者有用的不是判断谁对,而是把这个动作当成信息读取。
这是本页给出的判断标准,不引文献:任何无法用「费率、市场、策略切换」解释的限规模动作,都应读作容量信号。
| 论据 | 倾向 | 口径与薄弱点 |
|---|
| 收益随规模衰减的公开可观察案例 | 容量派 | 样本多为头部机构,混杂了频段切换与规则变化 |
| 规模上升后单位成本下降、频段变多 | 协同派 | 不可外部验证,属经营信息 |
| 同质化(相关性)才是衰减主因 | 协同派(与 §2 数学一致) | ρ 不可观测,只能事后指认 |
| 封盘 / 限申购行为的出现 | 两派都能解释 | 解释相反:容量已到 vs 营销姿态 |
为什么争不完
要把「规模效应」与「同质化效应」分开,需要同一策略在不同规模、不同同行密度上的独立实验——不可能做。于是同一组业绩数据能同时支持两派,这与③篇分歧⑦(小盘 alpha 是结构还是拥挤)是同一条不可识别性。
CS 类比
像「加机器能不能解决性能问题」:能,如果你的瓶颈是算力;不能,如果你的瓶颈是所有实例都打同一个数据库。工程上先测瓶颈(QPS/锁/IO),金融上先测的是成交占比与相关性——区别在于后者常常没有可观测面板可看。
这条分歧改变什么做法
给自己一条与规模无关的自查表:你的策略收益是否依赖某段别人进不来的容量(小票、冷门合约、日内高频频段)。如果依赖,写出它的失效条件;如果不依赖,那么规模争论对你无意义,你该担心的只是②篇那件事:它到底是不是噪声。
PART D — 操作规程
6. 市场层能带走的一条总规程:为你的规则去找反事实
本篇三条分歧的共同结构:它们都无法用数据裁决,因为缺的都是
反事实(没有高频会怎样、没有量化那两天会怎样、同行少一半收益会怎样)。
所以能带走的不是结论,而是「知道自己缺什么」的纪律。
| 你要做的事 | 具体动作 | 对应分歧 |
| 给流动性结论补口径 |
任何「流动性变差/变好」必须写明:常态还是压力时段、价差还是深度、相对哪个反事实 |
⑨ |
| 把风控规则去做相关 |
多口径止损、不同波动估计窗口、分层限额,避免与同行在同一秒做同一动作 |
⑩ |
| 为容量写失效条件 |
估算策略成交量占目标标的日成交量的比例,写出「到什么比例必须降规模」 |
⑪ |
| 把限规模动作当信息 |
读产品公告时优先看规模与申购限制,而不是业绩区间宣传 |
⑪ |
| 区分监管口径与市场口径 |
「高频交易」的认定阈值是规则文本(笔/秒、笔/日),与学术讨论的 HFT 定义不是一回事 |
⑨⑩ |
本篇的诚实边界:站内只有 64 个交易日的单一标的样本,
没有跨策略相关性、没有规模与成交占比数据、没有期货-现货价差序列。
因此 §2 的表与图是把假设摆出来给你看形状,
它证明的是「相关性会让分散失效」这一算术性质,
不证明现实中量化策略之间的相关性有多高。
分歧论系列导航
本系列的四篇在争什么:学术界与实务界意见真正分裂、且分裂会改变操作的问题。四篇共用同一套卡片结构(争点 / 两派论据 / 证据对照 / 为何争不完 / 操作含义),每篇末尾都有可核证的来源清单与时效声明。
9. 来源清单与时效声明
本篇数学与实测(站内,可复现)
data/sample/im_main_15min.csv:单腿年化波动 σ=31.3% 与样本内最差单日 -6.45% 的来源(64 个交易日,构建期脚本计算);- §2 公式
σ_p = σ √(ρ + (1−ρ)/k) 是等权、同波动、两两同相关情形下的恒等式;ρ 与 k 为假设格点,站内无实测样本; - 同一把「单日冲击量尺」的另一用法(杠杆与强平)见主流量化机构运作与盈利模式 §7。
分歧⑨(高频与流动性)
- Hendershott, T., Jones, C. M., & Menkveld, A. J. (2011). “Does Algorithmic Trading Improve Liquidity?”. Journal of Finance, 66(1), 1–33. 原文;
- Budish, E., Cramton, P., & Shim, J. (2015). “The High-Frequency Trading Arms Race: Frequent Batch Auctions as a Market Design Response”. Quarterly Journal of Economics, 130(4), 1547–1621. 原文;
- SEC (2010). “Concept Release on Equity Market Structure”, Release No. 34-61358:PDF。
中国监管口径(条款类事实,时效敏感)
- 中国证监会《证券市场程序化交易管理规定(试行)》(2024 年第 8 号公告,2024-05-11 发布、2024-10-08 施行):原文;
- 《上海证券交易所程序化交易管理实施细则》(上证发〔2025〕52 号,2025-07-07 施行;高频交易认定阈值见其附件条款):原文;
- 中国证监会新闻发言人就私募基金 DMA 业务有关情况答记者问(2024-02-28):原文;
- 第一财经《年内三次大规模敲入,雪球风险进一步出清》(2024-02-01):原文(作为事件时间线的媒体口径,非一手数据)。
分歧⑩⑪(归责与规模)
- Shleifer, A., & Vishny, R. W. (1997). “The Limits of Arbitrage”. Journal of Finance, 52(1);Lo, A. W. (2004). “The Adaptive Markets Hypothesis”. Journal of Portfolio Management, 30(5);McLean, R. D., & Pontiff, J. (2016). “Does Academic Research Destroy Stock Return Predictability?”. Journal of Finance, 71(1)。
- 关于 2022-06-15 美股盘中快速下挫与收复(常被称作 flash rally)的官方复盘报告,本环境未能核证到可访问的原文链接,因此本页不引用其任何结论数字,只在该事件「高频与自动交易在压力时刻的行为」这一讨论语境中被提及。
时效性与可信度声明
- 监管条款会变:高频认定阈值(笔/秒、笔/日)、报告义务与差异化收费以交易所与证监会现行有效文本为准,本页链接为访问时点的官方页面,不随修订自动更新;细则的量化阈值位于其附件中,请以附件原文为唯一依据;
- 市场事件只作时间线锚点:本页不重述 2024 年 2 月相关个股与产品的具体跌幅、规模或盈亏数字(这类数字多来自转述,口径混杂),需要时请查监管答记者问原文与交易所披露;
- 英美文献的结论针对其自身市场结构(做市与电子交易所混业、maker-taker 返佣等),不能直接搬到 A 股,本页引用它们是为了呈现「同一问题可以有相反的实证结论」这一方法教训;
- §2 的图表输入只有一个站内实测值(σ=31.3%),其余为假设格点;请勿把表中任何一格当作对真实同行群体的估计或对市场冲击的预测。