一、公司简介

　　骑士资本($骑士资本(KCG)$)是一家美国的金融服务公司。主要业务有做市(Market Making), 电子交易系统(Electronic Execution)，机构交易(Institutional Sales &Trading)等， 总部设在新泽西， 拥有员工约1450人。其ElectronicTrading Group (ETG) 部门操作超过19,000美国的证券，平均每天交易金额达210亿美元。骑士资本最大的运作项目是美股做市。另外，公司还在美国期权市场和欧洲股票市场做市。

　　2012年8月1日，骑士资本（NYSE:KCG）的证券交易系统出现“技术崩溃”，纽交所148家股票价格因此出现异常波动，有的波动幅度竟然达到400%。骑士资本本身损失高达4亿多美金，其自身股价在2个交易日内跌去超过70%。三天后，处在崩溃边缘的骑士公司从Jefferies Co.等券商处酬得4亿美金才得以存活。

　　二、做市商简介

　　做市（Market Making) 即对某证券同时报买入和卖出价，通过低价买入高价卖出的差价而获利，同时增加市场流动性。目前在美国有超过2000个做市商。

　　谁能成为做市商?

　　由于每个交易所不同，国家的证券法不同，所以成为做市商的条件也不同。做市商的选择比较严格，一般来说，做市商必须具备下述条件：

　　1、具有雄厚的资金实力，这样才能建立足够的标的商品库存以满足投资者的交易需要。

　　2、具有管理商品库存的能力，以便降低商品库存的风险。

　　3、要有准确的报价能力，要熟悉自己经营的标的商品，并有较强的分析能力。

　　在美国，纽交所（NYSE）和美交所（AMEX）都有特许做事商（DMM）。骑士资本就是为数不多的被两家交易所同时任命为特许做市商的。Nasdaq交易所的情况就有些不同-每支股票可以同时有几个做市商进行竞争。又比如在英国，官方指定的做市商必须同时买卖双向报价，而其他非官方的做市商则不需要总是双向报价。通常来说，做市商义务越多，权利也越多。

　　做市商优势和风险

　　优势：

　　1、信息：享有交易者的所有买卖盘的记录，以便及时了解发生单边市的预兆。

　　2、融资融券的优先权。为维护市场的流通性，做市商必须时刻拥有一大笔筹码以维护交易及一定资金作后盾，但这并不足以保证维持交易的连续性，当出现大宗交易时，做市商必须拥有一个合法、有效、低成本的融资融券渠道，优先进行融资融券。

　　3、一定条件下的做空机制。当市场上大多数投资者做多时，做市商手中筹码有限，必然要求享有一定比例的做空交易（有时可以进行合法的Naked Short Selling,即不保证借到股票的情况下卖空)，以维持交易的连续。

　　4、减免税收。做市商交易频繁，同时承担买进卖出的双方交易，为买而卖，为卖而买，在买卖差价中赚取利润，势必要求减免税收税。

　　风险：

　　1、交易系统故障

　　2、存货管理: 当买卖价差的中间价高于市场均衡价时，做市商成为净卖方，当买卖价差的中间价低于市场均衡价时，做市商成为净买方。这种多空的不平衡导致库存的证券价值随股价波动。如果价格浮动很大，则库存的证券的价值波动也会很大。于是，做市商需要通过调节自己的报价来控制库存证券的头寸。

　　3、信息不对称：做市商就可能因价格信号的暂时失真而蒙受损失。

　　三、算法交易(Algorithmic Trading)与高频交易(High Frequency Trading)

　　算法交易就是用电子平台来建立一个自动交易系统，非人工地决定交易的时间，价格，数量等。 算法交易被各类基金（buy-side institutional traders) 所采用，同时也被做市商和对冲基金所采用。算法交易系统分为三块：数据接收板块，交易决定板块，和执行交易板块。

　　高频交易是算法交易的一种。高频交易通过自动处理收到的信息做出交易决定。其速度比人类做决定快上成千上万倍。高频交易大大增加了市场流动性。2006年的时候大约三分之一的美国和欧洲股票交易是由算法交易完成的。到了2009年，73%的美股交易量均为高频交易。高频交易和算法交易对市场的利弊一直处在争论中。美国的SEC和CFTC两大政府证券机构也总是有新的针对高频交易的法案推出。

　　算法交易例子：

　　1、趋势论(Trends and Momentum)

　　即通过MACD, Bollinger Bands, RSI等均线指标预测未来股票走势，当股价产生买入或抛出信号的时候自动执行交易。下图显示四月份是一个买入信号。MACD是12日均线和26日均线的差值（图中黑线）。信号线是MACD黑线的9日均线(下半图中红线）。两线交叉即为买入或卖出信号，由红绿箭头标出。有兴趣的可进一步参考：http://stockcharts.com/school/doku.php?id=chart_school:technical_indicators:moving_average_conve


　　趋势算法交易还包括用回归模型（往往是Time Series Model)估算出未来的股价，然后建立算法。比如，规定如果开盘比预测出的收盘价低则买进，反之则卖出。

　　2.成对交易(pair trading)

　　即计算机系统关注2支历史上相互关联的股票，一旦两个股票的关联出现异常则买进。举个最简单的例子，假如统计告诉我们股票X的价格在历史上持续稳定地比股票Y高$10。有一天股票X暴涨，比Y股票高了$15,那么计算机系统就会捕捉这个异常，而自动做空X股票，同时做多Y股票，因为我们相信最终差值会回到$10。在这个例子中，我们不关注大盘涨跌，而只关注两个股票间的差值。当然，这只是一个简化的例子，很多时候通过回归模型来判断两个证券的关系，当价格跳出95% confidence interval的时候，系统自动启动交易。下图显示了一个潜在的成对交易的机会：

3. 套利(Arbitrage)

　　这是一个很笼统的概念-套利的种类实在太多，无法一一举例。事实上，做市从某种程度上就是套利。“无风险”地赚取那一厘差价。但做市又不是纯粹的套利因为上面提到的各种风险。做市商运用算法来报上比市场价高的卖出价以及比市场价低的买入价以确保在每一对交易中能赚得差价。

　　4. 机器学习（Machine Learning)

　　是人工智能的一个分支。通过用算法分析已知数据（比如过去股价）中的固有模式（可以是一个代数公式也可以是逻辑树）使计算机自己找到规律来预测未来的数据。通常，每次有新的数据（比如新一天的股价）都将会被加入到模型中重新运行一遍。

　　四、经典案例

　　2010 Flash Crash


　　2010年5月6日，道琼斯工业指数在大约2：45分的时候几分钟内暴跌1000点，并在几分钟后迅速回涨，创造了一个交易日内跌幅历史之最，以及波动历史第二的记录。根据SEC和CFTC在2010年月30日的报告，2010年5月6日，一家大型的基金公司在下午2：30卖出大量的E-mini SP500期货（价值41亿美元）来对冲自己的多头，很快耗尽了买家。这笔交易的计算机算法是＂交易前一分钟交易量的9%＂，而并没有针对价格和时间做特殊的程序设计。这笔大量抛售引发了大量高频交易的基金公司的算法系统自动买进并很快抛售给其他基金，导致股指期货在几分钟内大跌3%。期货的大跌很快引发股市的震荡。高频交易公司一看股市的交易出现异常，立马停止交易系统，流动性一下子跌落股底，于是很多股票的价格停留在异常价位，比如几分或几万一股。剩下的还在交易的基金更是不断抛售，使股价进一步走低。过了几分钟，高频交易的公司确认自己的系统无误，于是重新进入市场，买卖方重新建立正常交易，价格也随之回升。对Flash Crash的解释有很多版本，在这里我们还是引用了官方的报告。虽然很多人对此解释仍表疑问态度，但可以肯定的是，高频交易在此次事件中扮演了重要的。

　　Knight Capital Group

　　2012年8月1日，骑士资本（NYSE:KCG）的证券交易系统出现“技术崩溃”，损失高达4亿多美金，其自身股价在2个交易日内跌去超过70%。

　　
　　骑市资本的算法出了什么问题是公司机密，我们无从得知。笼统地来讲一般就是系统高价买入，低价卖出，炒高股价后买入更多，压低股价后继续抛售。撇开技术问题，这次的事件有两大有趣的问题。首先，如此庞大的高频交易公司在发现技术问题后居然没有办法立即终止交易令人费解。由于这已经不是骑士资本第一次的技术故障（去年也发生过一次，只是程度比较轻），公司应该不难预计到如此的故障将给公司带来难以承受的损失。因此，应该在系统里设置一个能够立即中止交易的快捷键或按钮。事实上，发现错误后30分钟，公司仍然无法中止交易止损。另一个有趣的现象是，在08年Lehman Brothers和Bear Stearns垮台的时候，除了被以美股$2几乎白送的方式收购外，没有同行的公司愿意站出来帮助其度过难关。而如今骑士资本则能在几天内筹到和损失金额相当的借款可以说对散户和纳税者来说是一个好消息-因为不需要政府斥资来救也不会有其他连锁反应。市场上传言这是因为骑士资本的CEO Thomas Joyce为人可靠，人缘好。事实上，想借款的公司供过于求，可见很多证券公司把这当作一个好的投资机会。

　　五、高频交易的未来

　　毫无疑问，高频交易将面临政府越来越严格的监督。2008年金融危机后出台的Dodd-Frank提案以及其他法规政策都越发强调保护散户。高频交易者，无论是否为做市商，都将面临更多信息披露的要求。

　　虽然信息科技不断提高，技术故障在未来仍将伴随着算法交易。类似于Flash Crash和骑士资本的事件仍将时有发生。另外，套利机会随着市场的成熟将越来越少。综上所述，算法交易的盈利将面临越来越严峻的挑战。

　　（作者未持有KCG股票。）来源雪球)