高频交易对证券市场的影响--基于市场微观结构的视角

High-frequency trading as a new way of trading, has brought profound influence to the securities market. We are intended to investigate the impact of high-frequency trading on the securities market and then explore the interaction mechanism between the high-frequency trading and microstructure of financial market. The achievements of this project would enrich theory and methodology of market microstructure, benefit the adjustment of trading mechanism as well as impose positive impacts on the development of regulatory strategy. This project would apply empirical analysis method to explore the influence of high-frequency trading on market in terms of its volatility, liquidity, and extreme market risk. Seeking for the strategy pattern and the rule of order flows of high-frequency trading with the help of technologies in machine learning, deep learning, and simulating high-frequency trading based upon the computational finance platform. This project would set, modify and simulate the parameters of the high-frequency trading model pace by pace, according to the heterogeneous characteristics of Agent, pattern, and market mechanism to simulate high-frequency trading under different combinations of parameters, in order to reveal the interaction between high-frequency trading and market microstructure.

高频交易作为一种新兴的交易方式，给证券市场带来了深刻的影响，本申请基于市场微观结构研究高频交易对证券市场的影响，探索高频交易与市场微观结构的相互作用机理，其成果将会对发展微观结构理论与方法、调整交易机制、制定监管策略有积极意义。本项目将运用实证方法分析研究高频交易对市场波动性、流动性、市场极端风险等的影响，通过机器学习、深度学习技术寻找高频交易的策略模式、订单流规律，并使用计算实验金融平台对高频交易进行仿真实验，根据高频交易Agent的不同特征、模式、市场交易机制的组合改变模型参数，生成不同参数组合下的模拟交易数据，以达到发现高频交易与市场微观结构的相互作用规律的目的。

随着IT的进步和数据可得性的提高，以高频交易为特征的量化交易在中国的证券市场上的比重越来越高，据中信证券估计，截止2021年第三季度量化交易的交易量占比接近三成，成为不可忽视的交易力量。对证券市场机制及其微观结构带来了深刻的影响和本质的改变，给证券市场的传统运行模式带来了新的机遇和挑战。. 本研究依据中国资本市场近几年的最新发展，使用高频数据或账户数据对股票市场、期货市场以及网贷市场中的微观行为或机制进行了研究。研究内容包括：使用逐笔 数据和分笔数据考察股票撤单行为与股票市场的交易质量之间的关系；使用股票账户数据过度自信与个人投资者股票投资业绩之间的关系；使用账户数据和气象数据研究了温度、湿度等因素的变化对投资决策的影响；使用分笔数据研究了高送转中的交易信息结构；使用期货逐笔数据研究了政策限制尤其是关于程序交易政策限制的改变对期货波动性、价格发现等的影响；使用局部线性尺度近似法（LLSA）对高频股票数据的结构突变进行了检测；使用网贷平台的借贷文本数据研究了中文文本的表现形式（文本长度、标点符号种类、长短句形式等）与投资决策之间的关系；设计了新的在线投资组合算法W-KACM，在使用高频数据的测试中获得了较好的超额收益；将深度学习中的DNN方法与技术分析相结合，将构造的方法与策略在中国等八个国家的市场上进行了检验。. 在本研究的过程中收集整理了股票逐笔数据、股票分笔数据、网贷平台借贷数据、中国的气象数据等。. 通过对高频数据情形下的信息扩散、交易者类型转换以及由此衍生的流动性、波动性等市场微观问题，对于进一步探索信息传递的规律、丰富市场有效性理论、完善资产定价模型具有积极意义；本研究通过引入机器学习、深度学习等领域的前沿研究成果，将之用于分析高频交易与市场微观结构的相关问题，拓展 了AI 在金融领域的应用， 对于丰富金融研究的方法与手段有现实意义；只有对高频交易的微观结构机理有较为清晰的认识的情 况下才能制定出合理、公平、有效的监管策略。