夏阳，上世纪90年代先后在华尔街为ITG(现VirtuFinancial，世界最领先的电子交易商，兼营自营和服务)、雷曼兄弟、瑞士信贷(CreditSuisse)、瑞银集团(UBS)等创立领导算法交易业务，尤其瑞士银行(UBS)的量化算法体系架构是夏总亲自主持设计研发（至今仍然未被更换），并在00年代引入中国，开启了算法和量化交易在国内推广的热潮。夏总国内毕业于清华大学，拥有清华大学电子工程学士学位及企业管理学士学位，在国际上获卡内基梅隆大学集成电路设计验证（EDA）硕士，以及纽约大学工商管理硕士学位，同时持有CFA认证资格。
算法交易在金融交易领域中是相对细分的一个部分，甚至在投资环节中显得有点隐形，尤其是在市场还不够成熟有效、投资收益相对好做的时候，很多投资者，尤其是主观投资者可能都不会去关心算法交易带来的那点成本优化。但国内市场正在大踏步迈向成熟，数字化智能化正在成为主流，我们相信算法交易的优势会在这个过程中逐步放大。
一、海外发展历程
海外算法交易诞生的年代，是计算机和通信技术大发展的年代，也是金融产品、资产管理、金融监管逐步成熟的年代。可以说，算法交易是金融与科技充分结合的典型。
追溯到1975年，美国颁布《有价证券修正法案》，开启了自由佣金制时代。70年代末，纽交所开始电子化，引入了订单传送及成交回报系统(DOT-designedorderturnaround)以及开盘自动报告系统(OARS)，美国用于交易撮合的电子信息网络(ECNs-electroniccommunicationnetworks)也迅速兴起。电子化给交易带来了革命性的发展，也为早期算法交易的诞生和发展奠定了基础，80年代经济金融的学术界也开始对算法交易进行理论研究，同样在这个阶段，监管部门推出了一系列交易规则和监管政策，改变了交易市场的微观结构。在各个市场参与者的变化下，海外真正的算法交易需求开始体现。
1989年，市场上第一个算法交易模型MarketMind诞生于ITG-全名叫InvestmentTechnologyGroup；到了1997年，纽交所开始逐步从分数制报价，改为百分位报价，最小变动价差缩小了6倍多。本来由于自由竞争导致券商传统佣金收入下降，再加上价差缩小，以及严格的监管政策抑制了传统做市商的信息优势，卖方机构开始更为注重量化算法交易能力的投入和建设。从推出更丰富的量化算法交易策略，到追求更快的算法交易速度，在这波算法交易大发展中，不单是券商投行，各大交易系统服务商也在绞尽脑汁去优化他们的产品，通过更高效的算法交易服务能力，吸引更多买方客户。这是供应端的一个变化。
当然，一个产品或服务要能有商业化的大市场，最终还是需要得到消费者的认可，让消费者愿意买单。算法交易主要的消费者是买方，量化基金的出现成为了市场的重大变革。80到90年代前后，美国诞生了一批代表性的量化对冲基金，比如大家比较熟悉的D.E.Shaw、RenaissanceTechnologies文艺复兴基金、Citadel城堡基金等。这里面也包括造成了一个著名的市场挤兑恐慌，最后要由美联储和美国财政部出面救市的量化基金，名字相信大家也不陌生，是由诺贝尔经济学奖得主创办的叫长期资本，longtermcapital的公司，算是大家记忆中第一个著名的因僵化采纳量化模型投资导致崩盘的案例。总之，这个时代美国量化资管行业进入了高速发展，这是需求端的一个变化。
供需端的合力，给算法交易带来突破性的发展。到了2004年，美国股票市场的算法交易渗透率达到了近25%，可以说是一个产业从概念验证走向规模商业化的关键转折点。另外在政策上，2004年也有一个重要的助推力，就是美国国家市场系统管理规则(RegulationNMS-nationalmarketsystem)的生效。它其中有一条规定，要求客户下委托订单时,其券商均需选择报送到行情显示提供最佳价格的证券交易所或地区性交易所或ECN，就是说交易所和另类交易所开始公平竞争流动性。这个政策的压力进一步推动了当时电子化程度较低的纽交所等加速转型，也为算法交易的大规模应用扫清了阻碍。
到2010年的这6年，量化投资风格加速渗透资管市场，算法交易作为其必然的交易方式和体现形式也在美国进入高速增长期，市场上总交易量占比很快达到近70%，买方机构投资者中采用了算法交易服务的接近90%。算法交易产品也更为丰富化，除了早期已经成熟的均价下单算法，又催生了一批新型算法策略，比如冰山(Iceberg)、游击队员(Guerrilla)、狙击手(Sniper)、嗅探器(Sniffer)等。从名字里就能听出来，这个时期的算法之间的竞争主要集中在博弈如何帮助机构投资人隐藏大单交易意图，发现和获取流动性而不造成异动，已经直接能够帮助改善投资收益，不只是在提高自动化程度，减少人工成本等方面做出贡献了。交易执行算法逐步与投资策略融合，尤其是在量化基金，在高频低延迟的投资策略上。
同期，欧洲和亚太主要市场的算法交易也进入快速发展，到00年代中后期，亚太地区中日本，澳大利亚，四小龙中的新加坡、香港的算法交易已较为成熟，台湾和韩国的稍微慢一些。10年代中的调研结果显示，日本和香港的机构客户股票交易已有80%以上采用算法交易，接近了美欧发达国家的水平。
中外算法差异
在回顾了海外算法交易的发展史后，现在来借古开今，借鉴海外看我们国内当下的发展阶段和未来的发展潜力，同时也要看到中外算法发展历程上必然的不同，来选择更适合我们自己的发展模式。国内这两年机构化的发展趋势，以及量化投资基金的大发展，其实都比较类似美国算法交易在00年代进入提速发展的前期阶段。当然，比起美国当时，我们国内目前算法的渗透率还只有不到20%，机构化率也相对较低一些，这说明我们未来发展空间是比较大的。那中外算法行业有哪些差异，又会如何影响我们这些参与者呢？
1）竞争格局的差异
金纳科技作为国内第一家第三方算法服务商，我们也在不断思考和探索国内算法交易服务行业将如何发展，是否会踏上海外相同的竞争路线。我们认为，国内算法行业很难出现像海外这样券商垄断的竞争局面，这源于国内算法交易发展方式和参与者固有的不同。
●从发展历程看，国内算法交易基本是引入而不是因应监管和买方需求而本土自然诞生的，一批第三方服务商的创始背景和金纳科技一样，是有海外投行或量化基金、算法交易开发背景的。这意味着，国内的算法服务发展是站在海外的经验之上，从发展初期就一直是服务商做了大量市场教育培训，引导市场参与者去了解算法交易的价值、去提高智能交易的能力，现在回头看，这虽然是一条艰辛的见效很慢的路径，但也奠定了第三方算法交易服务商在国内算法交易市场的行业影响力。
●从海内外券商发展差异看，在海外，大券商能从第三方服务商手里夺回市场，核心在于海外做市制度下，他们重视长期交易能力的建设，同时强大的资产负债表和投入资金的能力保障了他们持续投入技术，保障算法研究和业务团队的实力，而一旦他们能提供优秀的算法模型和服务，客户资源的优势就是他们夺回交易业务垄断地位的天然护城河。而国内做市制度和衍生品业务发展较晚，甚至还只是萌芽阶段，券商对客户的交易服务长期停留在简单的提供交易通道，欠缺综合交易能力，包括大宗，互换，做市，衍生品等的定价和交易工具，多品种组合绩效归因分析，交易盘前预测等算法业务建设上的积累也较少，也很难有海外大券商那样保持自研算法的高资金高人员投入的强烈动机。而基金客户对券商的资金要求也尚停留在融资融券上，也就是说缺少前面讲到的美国市场算法交易高速发展阶段在供给端和需求端的要求。
2）应用场景的差异
对于算法交易的策略应用，国内市场的理解目前也较为狭隘，大多还停留在拆单分散交易和减小市场冲击上，而且投资策略和算法执行是清晰分开的。而海外算法交易的发展随着市场需求多样化的提升，已从简单的交易执行环节，衍生到投资策略，尤其是中高频的量化交易策略，以此更好地形成“投资-交易”的连贯性和一致性。
所以，用于为基金仓位增厚收益的日内T0，以采用趋势预测型算法居多，名义上它是能预测和跟随趋势，而且倾向于希望交易更频繁（为券商和交易所产生更多的交易佣金和费用），希望尽量多地发现和“预测”所有持仓股票的日内趋势。因为其跟随或预测趋势，希望频繁交易，实质上可能是一种助长趋势，甚至诱发趋势的交易手法，是可能有操纵市场价格的动机和嫌疑的，割的是追涨杀跌的散户的韭菜，利用了非专业投资人的人性弱点。这种交易手法，尤其是当其走向高频和低延迟白热化竞争后（T0算法之间的军备竞赛），在美欧市场里长期也是被质疑和挑战的，我们也应警惕和防止整个行业在这方面过早滑入无效的军备竞赛。事实上，在美欧市场，基本上隔几年就会有量化私募基金或者大投行的交易部门因违规被开出天价的罚单。另外，还在挂撤单信息按条收费，对获取流动性（taker）收费，在延迟上设置减速带（bumper）等方面进行约束。实际是逼着这些基金把一部分利润吐出来再回归市场。我们国家目前在这方面的监管也在比较初级的水平，会随着行业对算法交易的使用和理解而同步提高。