Altair Taiwan Blog

規章制度的變化、競爭、市場劃分和其他因素促使買方和賣方公司實施分析系統以説明他們提高交易品質並降低合規成本。

《交易執行品質研究白皮書》由兩部分組成，主要探討和規劃實現此分析系統的最佳做法，上篇介紹分析的作用，下篇介紹實施的挑戰。

本周我們將分享《交易執行品質研究白皮書》的上篇，下周將分享白皮書的下半部分，歡迎持續關注~

近年來，資本市場發生了重大變化，買方和賣方公司實施了廣泛的解決方案，旨在優化其執行品質。新的監管要求，如金融市場指導機構（MiFID II），競爭的加劇以及其他因素，推動了這些成果。

儘管這些變化提高了透明度，但公司往往無法從所收集的資料中獲得全部優勢。為實現"最佳執行"模式而做的許多努力，本應側重於交易執行品質，結果卻側重于違規行為報告。

金融公司需要的系統，是可以為交易者和管理者提供可操作的資訊的，這將有助於提高交易的整體品質。

本文介紹了公司面臨的交易執行品質挑戰，並闡明了需要一種全面的公司整體分析方法來理解和改進交易執行。

許多技術供應商和公司正在開發並實施解決方案，以遵守對交易產生影響的法規，包括MiFID II和歐盟的市場濫用條例（MAR）。理想情況下，此類解決方案可確保合規性，並降低其成本，同時不降低可盈利的交易操作。

回顧過去二十年，我們可以看到，有關貿易技術的規定已變得越來越複雜。1998年實施的《貿易服務（替代交易系統）條例》只是確定了在自動化環境中進行交易的三項指導原則：公平、准入和透明度。然後，在 2005 年，SEC 實施了更複雜的 Reg NMS（國家市場系統），該系統旨在保護秩序。

美國證券交易委員會 （SEC） 和歐洲證券和市場管理局 （ESMA） 現在要求公司提高貿易執行的準確性和品質。（由於沒有一個機構管理亞太地區的頂級公共交易市場，因此給那裡的市場帶來了獨特的挑戰）

交易成本分析（TCA）是衡量執行品質的一個指標，公司需要有效的方法來識別影響已執行訂單價格的所有因素。他們還需要支援資訊回饋迴圈的系統，使交易者能夠更改演算法、更改執行場所和選擇具有不同資產流動性的提供商，以降低成本並提高交易盈利能力。

交易員，量化和銷售人員能夠利用即時流資料監視最佳執行情況，並即時分析交易活動的損益以及交易成本。

這使他們能夠在交易日內立即回應市場事件以及對客戶訂單流執行和公司獲利能力的威脅。

新技術和法規以外的其他因素加劇了貿易環境的複雜性。例如，紐約證券交易所不再因擁有90%以上的上市證券（按交易量）而處於近乎壟斷的地位。

今天，美國市場高度分散，大約有14個交易所和40多個"暗池"。客戶需求頻繁地變化;他們尋求自訂演算法，以自己的基準來進行最佳交易執行，並透明地訪問交易資料，以便他們可以輕鬆地測量性能。

最佳執行解決方案因買入和賣出雙方而異，但雙方都尋求工具，以説明交易者更好地瞭解其當前交易的執行品質。一些公司實施了大型、昂貴和耗時的項目，以支持 MiFID II。在幾乎所有情況下，這些專案都極大地改善了交易資料的存儲，大多數專案也提高了資料品質。

但是，這些專案中大多未能為交易者提供優化執行品質所需的工具。許多公司實施 MiFID II 項目時沒有從他們收集的所有資料中獲得實際價值，通常看到的最佳執行報告只是報告違規行為但未建議如何提高執行品質。

此外，支援合規性的資料環境，包括金融市場指導機構（MiFIR） 法規所要求的交易和監控交易者，以及支援交易分析的環境往往模糊不清。即使支援合規性與交易團隊的目標不同，但其視覺化顯示幾乎相同。這種模糊造成了許多對於品質改進問題的挑戰：通常負責確保最佳執行的人看不到最相關的交易活動問題。

報告工作也發生了變化。目前日終交易成本分析 （TCA） 報告並不重要，因為在訂單完成後再提醒客戶執行中存在的問題已不再足夠。

公司需要交易"即時"可見，並且能夠在訂單仍在執行時向客戶通報問題，理想情況下，還要溝通解決這些問題的解決方案。即時分析工具使這種回應能力成為可能。

透明度是關鍵。交易資料的歷史觀點可以支援調查、回歸測試和交易流程的優化。

逐筆顯示交易事件的視覺顯示效果——以帶有序列 ID 的納秒級別形式——曾經僅在監控部門提供，但如今也用於交易大廳，使定量分析師能夠調查整個交易日的市場微觀結構。

市場微觀結構使訂單記錄分析成為焦點。分析師已從查看國家最佳出價和報價 （NBBO） 的資料轉向全域資料深度視覺化，其中包括公司的所有執行和訂單資訊（新訂單、替換、取消）以及訂單期限、按演算法策略排列的消息速率、市場運行狀況以及公司對市場的影響。

隨著資料變得更加分散和複雜，可以進行分析的顯著指標數量也有所增加。將當前績效與預期進行比較並預測訂單執行方式的簡單統計方法已不再足夠。分析員正在使用更多的多變數方法分析交易，從相當簡單的決策樹到複雜的神經網路，範圍很廣泛

使用最先進的系統，他們可以持續比較實際與預測的訂單執行指標。交易監控已經演變為同時回答兩個問題：訂單執行程度與同行和整個市場相比如何？訂單執行對預測路徑的跟蹤有多密切？

分析交易訂單執行的過程 – 分析週期 – 包括四個不同的階段，其中最重要的是資料收集。

這些資料來自多個途徑，包括來自雲的參考資料、公司訂單管理系統的執行資料、各種交易所的市場資料，以及彭博、湯姆森路透甚至推特的資訊。無論資料的來源如何，資料都必須乾淨準確。

下一階段主要是將人工智慧和機器學習等工具應用於乾淨、準確的資料，為交易者提供有用的視覺化效果，以便他們可以清楚地看到即時和事後發生的情況。

在第三步中，分析師從分析和視覺化中推斷出可能的交易機會和風險，然後開發交易演算法來利用這些機會並避免這些風險。

在最後的交易分析階段，分析師試圖回答這個問題："我們是如何做到的？"

然後，迴圈重複，並且每個交易在分析後都會生成新的資料，這些資料將會回饋到系統中。

交易員可以使用多變數方法分析交易，從相當簡單的決策樹到複雜的神經網路。使用最先進的系統，他們可以持續比較即時訂單執行指標並進行預測。

除了必須遵循法規外，還有三個其他因素推動了對工具的研究，以優化其執行品質：利潤侵蝕、整合和量化內部專業知識的可用性。

由於利潤率低，公司也傾向於擴大其活動範圍，並開始在新市場和/或對新資產類別進行交易。

例如，一家公司可能從美國股市開始，拓展北美股票，然後進入歐洲股市，或者為一家只做股票的企業增加期貨或期權。隨著公司的擴張，它們應該使用能運用於所有資產類別和市場相同的分析工具，以獲得完整的、全公司的成本分析結果。

最後，公司尋求更好地利用內部量化專業知識來優化演算法，這需要瞭解其成本模型。

成本模型既涉及易於理解的顯性成本，包括經紀費用和傭金，也包括基於製造商-執行者規則的交易所費用和傭金。在買入面和賣出方面，內部量化應該避免陷入只是編寫越來越多的代碼的泥潭。管理者應監控交易品質和成本，並使用他們的分析系統跟蹤並改進交易員的工作。

Altair 即時資料流及視覺化BI分析平臺 Panopticon

Rao 先生在 Jefferies主要負責股票分析以及 TCA 的業務和技術戰略分析。他在 Jefferies 股票定量策略平臺的維護、交易分析解決方案的實施以及市場資料的應用方面擁有豐富的經驗，最近正與 Altair Panopticon™進行合作。

在加入 Jefferies 之前，Shyam 是高盛公司交易自動化系統的副總裁、架構師和開發人員，在股票、外匯和固定收益交易專案的實施和管理方面擁有超過 20 年的經驗。

在其職業生涯的早期，他是SunGard 交易系統、Brass （現在為 FIS）的各種產品技術解決方案負責人以及C-DAC 印度軟體工程師，主要進行應用軟體的構建和確定平行計算解決方案。

他畢業于印度浦那大學，獲得高級計算和電腦工程學位元。路易士-洛瓦斯和彼得-辛普森的《一個市場資料》為Rao先生撰寫本白皮書提供了參考。