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幫助他們提高交易品質並降低合規成本。 那麼，究竟如何實現此分析系統？ 《交易執行品質研究白皮書》能對你有所啟發。

《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。

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，如金融市場指導法規、競爭加劇以及其他因素，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數據中獲得全部優勢。 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質量，結果卻側重於違規行為報告。

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，並闡明瞭如何使用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 《金融工具市場指令II》（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，美國證券交易委員會 （SEC） 實施了更複雜的國家市場系統 （Reg NMS），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，因此給亞太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反饋迴圈的系統，使交易者能夠更改演演演算法、更改執行場所和選擇具有不同資產流動性的供應商，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數據監視最佳執行情況，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響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。

新技术和法规以外的其他因素加剧了贸易环境的复杂性。例如，纽约证券交易所不再因拥有90%以上的上市证券（按交易量）而处于近乎垄断的地位。

今天，美国市场高度分散，大约有14个交易所和40多个"暗池"。客户需求频繁地变化：他们寻求自定义算法，以自己的基准来进行最佳交易执行，并透明地访问交易数据，以便他们可以轻松地测量性能。

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、昂貴和耗時的專案，以支援 MiFID II。 在幾乎所有情況下，這些專案都極大地改善了交易數據的存儲，大多數專案也提高了數據品質。

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 專案時沒有從他們收集的所有數據中獲得實際價值，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，支援合規性的數據環境，包括金融市場指導機構法規 （MiFIR） 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，但其可視化顯示幾乎相同。 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「實時」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。 交易數據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，這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） 的數據轉向全域資料深度可視化，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、按演演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。

隨著數據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：

1. 訂單執行程度與同行和整個市場相比如何？

2. 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，即分析週期包括四個不同的階段，其中最重要的是數據收集。

這些數據來自多個途徑，包括來自雲的參考數據、公司訂單管理系統的執行數據、各種交易所的市場數據，以及彭博、湯森路透甚至推特的資訊。 無論數據的來源如何，數據都必須乾淨準確。

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、準確的數據，為交易者提供有用的可視化效果，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，分析師從分析和可視化中推斷出可能的交易機會和風險，然後開發交易演演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后都會生成新的數據，這些數據將會反饋到系統中。

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。

當利潤率高時，公司並不擔心TCA。 但是，機器會執行越來越複雜的執行演演演算法而不是個人進行可自由支配的交易，這將會降低獲利率。 企業目前正在進行競爭，以獲取流動性並保持其領先地位。

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演演算法，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。

即時數據流及可視化BI分析平臺 Altair Panopticon™，

數據流處理無需編碼

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數據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，Rao 先生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並行計算解決方案。