英伦金业：交易所买卖基金，市场结构和闪电崩盘 (第二部分)

数据源和程序

根据之前的调查，我们开始回顾数据资源与程序以便选择样本。 

样本选择。样本包括美国6224个交易所交易证券产品，交易记录来源于2010年5月6日和之前20个交易天（4月7日至5月5日）的纽约证券交易所（NYSE）交易及报价数据和彭博数据。我剔除了一些前1个月有公司行动（corporate actions）的股票，导致样本减少至6173个产品。 

样本包括4003个普通股，968交易所交易产品（ETPs），602个封闭式基金和319个美国预托证券，还有一些房地产投资信托基金和其他证券产品类型。至于样本来自哪些主要的交易所，其中包括，2,560个样本产品来自纳斯达克全国市场（资本市场/全球市场/全球精选市场），2,314个来自纽约证券交易所（NYSE）的股票，917个来自纽交所高增长市场（NYSE Arca），剩余的则来自美国证券交易所（Amex）。同样值得注意的是，交易所交易产品（897个）也是来自纽交所高增长市场（NYSE Arca）。 

通过使用TAQ数据，我们可以计算一只股票在闪电崩盘当天受到多少影响。这里设置最大跌幅为M，一个在[0,1]区间的连续变量，代表着2010年5月6日下午的最大价格跌幅。

也就是说，最大跌幅M是1减去当天下午1时30分到4时整这段时间的最低价与最高价之间的比例。根据1日及日内数据，我们收集了一系列个股变量的数据。数据包括证券类型（例如，ETP、REIT），市值（以百万美元为单位），交易所，全球行业分类标准的子行业，和崩盘前20个交易日前平均每日成交金额。这里也包含波动数据，我定义作为崩盘前20个交易日每日下午1时30分至4时的5分钟回报率的标准差。 

在TAQ数据中每一笔交易都被标记为一个或者多个条件码，包括跨市场扫单指令。ISOs是不属于秩序保护规则的限价订单；即使其它交易中心已经有更好的报价，他们也允许用户在同一市场中心横扫一切可用的流动性。交易员按照ISOs准则履行国家市场调控系统(NMS)的义务以得到最好的报价，同一时间以更好的报价发送订单到所有的交易中心。做市商与机构交易部门常用ISOs来横扫一切可用的流动性；而散户投资者却很少用到。我们可以分别计算出5月6日有ISOs（定义为条件码F）标记的美元交易量的百分比和前几个月的数值。 

评估误差水平。我们使用交易层面与报价层面的交易码，去架构市场结构指标来捕捉和分析市场中的误差水平。 根据交易量评估误差是常见方法，因为它可以反映交易员的交易所的路由决定（即，选择在哪个交易所下单的决定）的最终结果。而最简单（相反）的评估方法是，计算出一只股票在K个交易场所的集中度数值， C_k ，定义为K个拥有这只股票最高市场份额的交易中心的成交份额。因此，C₁为一个最高市场份额交易场的交易额，C₂为最高两个交易场交易额的混合值，以此类推，可以得出C₁ < C₂ < C₃。虽然简单，但是在交易市场竞争中，集中度值可能会忽略市场结构的细微差别，因此这里我们分析赫芬达尔指数（Herfindahl index），一个常用于产业组织论的计量指标。一只股票在t天的交易量赫芬达尔指数为

值得注意的是，报价误差有其它定义。例如，对于一只股票来说，假如在交易场所A的最佳买入价是$34.48，交易场所B的最佳买入价改善至$34.47，你可以通过计算公式3递增计算出交易场所C的价格。作为一种替代方法，我们或者可以先不考虑后来的报价变化——因为最佳买入价是不会变的­­——直到出现更优的价格。前一例子中，算式3中的总计数K会略低，你会发现误差水平较高。我们一般关注于最优报价（NBBO）中的直接报价竞争（依据算式3）。 

这里我们计算得出，于闪电崩盘前20个交易日及闪电崩盘当天从下午1时30分至4时整，平均每日赫芬达尔指数（交易量和报价）和集中度值。报价误差与交易量误差是明显不同的，尽管它们是密切相关的经济的措施。基于价格、回扣、黑池流动性等因素，交易量误差可以反映出交易订单路由决策的结果。相反，报价误差通过报价途径可以分析订单流走向。相比之下，报价误差捕捉了交易订单流通的动态竞争。报价误差是与交易量同步的知情交易概率（VPIN）互补的。从本质上讲，VPIN是第1级度量（因为它使用时间、交易量、和价格），而这里提出的VPIN是第2级度量（因为它使用订单和其历史）。交易量赫芬达尔指数和报价赫芬达尔指数之间的相关系数是0.57，所以很明显，它们捕捉不同的现象。 

实证分析

我们评估是否（假设控制了其它因素的外在影响）跨市场的交易误差和报价误差在闪电崩盘中扮演着重要角色。
描述性统计。证券市场结构的作用在表2中显示，主要是根据根据每天的样本均值（没有以市值或金额进行加权，以避免因超级大市值股而失真）来比较集中度，根据每天的样本均值（不加权，以避免失真超级大盘股的市值或金额），数据来源于闪电崩盘的前20个交易日（2010年4月7日至5月5日）和2010年5月6日，即闪电崩盘当天。该表还显示交易所交易产品（ETPs）及非交易所交易产品（non-ETP）的证券工具。
结果证实，交易所交易产品（ETPs）被闪电崩盘严重地影响了，因为看见它们的价格急速下滑。如表2所示，交易所交易产品（ETPs）的最大价格跌幅为0.24，而其他的证券资产的最大价格跌幅仅为0.08。而且，交易所交易产品（ETPs）的二阶矩（second moment）也是比较大的。无论用哪种检视市场误差的方法，交易所交易产品（ETPs）的交易量较其他证券要集中。最顶尖交易场所的平均集中度比例，C1；如果是交易所交易产品（ETPs）的话，则C1为0.56；如果是非交易所交易产品（non-ETPs）的话，则C1为0.48。这一结果可能反映了一个事实，即在纽约证券交易所（NYSE）只交易在NYSE所上市的证券；大部分的交易所交易产品（ETPs）则列在纽交所高增长市场（NYSE Arca）。在所有资产类别中，2010年5月6日当天的市场误差是明显地比前20个交易日的要高很多。需要注意的是，所有资产类别在闪电崩盘那天表现出明显的成交金额增加，但相对而言，交易所交易产品（ETPs）的成交金额远远大于其他证券。这一发现与“交易所交易产品（ETPs）在市场波动时成交量占较高比例”这一事实是一致的。

越发常用的进攻战术——基于TAQ数据库里的有着状态代码F（F = ISO = Intermarket Sweep Order，即，跨市场扫描执行单）的成交金额——在闪电崩盘当天发生，其成交量增长对于交易所交易产品（ETPs）来说比其他股票更大。对于非交易所交易产品（non-ETP）来说，在5月6日那天的状态代码F（ISOs）的平均频率为0.36，然而在平时的基准期里，状态代码F（ISOs）的平均频率则为0.28。但是，对于交易所交易产品（ETPs）来说，5月6日的ISO平均频率为0.40，而前一个月的平均频率为0.21。平均频率的差异只是对于交易所交易产品（ETPs）来说有明显的统计差异，但对于普通股而言则并无明显统计差异。在这两种情况当中，两者的中位数是接近相应的平均值的，所以结果没有被少数离群值而导致歪斜。 

我们还检查了其他条件代码（例如，股票*交易）在闪电崩盘和前一个月是否有着明显的差异。经济上或统计上的明显差异没有找到。研究结果表明，最大跌幅与流动性之间，分别以市值与交投量作为衡量指标，没有明确的关系。但是，集中度指数一般跟随最大跌幅下降——与我们的假设一致——但这种关系不是单调的。

以流动性来区分数据是合乎逻辑的，因为市场误差很可能在这个维度中，很有系统地变化。以平均每日成交金额分成十个等分，表3提供了基准期的主要经济变量，和2010年5月6日的最大跌幅。各等分包含约622只股票，这样的标准误差平均相对较小。为了避免潜在的歪斜（skew），均值是没有根据数量或成交量而进行加权。请注意，这两个集中度的度量——顶尖交易场所份额（C1）和成交量赫芬达尔指数（volume Herfindahl index）——与成交量有着强烈的负相关关系，量间的市场竞争中更具流动性的股票，这与“较高流动性股票有较激烈的跨市场竞争”是一致的。报价误差度量与成交量之间的变化不大，这表明两者背后有着不同的驱动器。随着成交量和上市公司数量的增加，ISO（跨市场扫描订单）使用频率（以成交金额加权的）也会单调递增，这个与“流动性较高的股票有较多的扫描订单用户以及更大的市场误差”是一致的。最后，最大跌幅在第5-7等分中稳步增长至13-14％，然后在头几个等分中再次下降至10％（即与成交量的关系不是单调的）。

市场误差里的时间序列变化。市场误差的时间系列可以提供宝贵的历史背景。我们用了18年（1994年1月3日至2012年3月20日）来所有美国证券的日内TAQ数据，这个时期包含了许多重要的市场结构变化。样品当中有4587个交易日，共4260万库存天。对于每一个交易日的每一个股票，我们使用该股票当天的所有TAQ交易数据来计算成交量量赫芬达尔指数——这是一个计算上具有挑战性的任务。然后，我们为当天计算的平均股票的赫芬达尔指数（未加权平均值）来获得总体的市场集中度统计数值。 

图1显示了每日整个市场的赫芬达尔指数的时间序列，以及其50天移动平均线。每天之间的变化是有的，但个股平均集中度则从1994年到2003年年底以来保持相对稳定，当时该指数为0.742。在2003年第二季度开始，集中度持续下降（市场误差增加）是显而易见的。一些市场结构的变化，很可能在过去的十年中间接增加了市场误差。十进制正式在2001年年初开始分阶段实行，当时股票开始以1美分为最低价格递增来进行交易。交易员的降价促销能力，从旧制1/8或1/16美分转变成新制1美分，导致了交易员之间非常激烈的同行竞争。在2005年，美国证券交易委员会（SEC）推出的NMS（National Market System，全国市场系统）规例，此规例同时也与主要市场和其他交易场所之间的竞争急剧增加有关系，另外还与许多新交易场所（黑池、ECNs）、经纪商的内部交易流量、高频交易增长等有关系。许多高频率交易者特别喜欢在ECNs上交易，而不是传统的交易所。

在2012年3月的样本周期结束前，股票的平均赫芬达尔指数约为0.306。虽然市场误差已经在过去的十年中增加许多至前所未有的水平，这可能是一个由于订单流冲击或其它一时冲动而导致股价疲弱的引爆点。事实上，股市市场误差现在是位于有史以来的最高水平，而且明显比18年前的水平要高很多。
在闪电崩盘当天，日内盘中进化的市场误差也是一个引起大家兴致去探讨的地方。图2显示了5月6日那天的成交量进化和报价赫芬达尔指数。对于每一个一分钟的时间间隔，我们在单一股票层面上计算了成交量及报价赫芬达尔指数，然后在所有股票层面上，估算5月6日的样本均值，相对于5月5日同一时间的样本均值。图2当中显示了这两个指数的以每五分钟计算的移动平均线。相对的报价赫芬达尔指数在闪电崩盘一刻大幅下跌，在其最低点时，几乎比前一天低了将近10％。这一结果表明当场外竞争加剧时，下午较晚时间会有更大的交易场所误差。相反，当市场之间的关系打破以及纽交所（NYSE）进入交易淡季模式，相应的成交量误差数字则显示集中度明显增加。在图2中背驰的跨时空行为，与我们之前的有关“交易误差与报价误差捕捉不同的现象，同时也可以表现出背驰行为”的说法是一致的。

检查主要交易场所在闪电崩盘那天的市场份额，可以给我们提供新的见解。图3显示了主要交易场所的市场份额——紐交所高增長市場（NYSE Arca），BATS，纳斯达克（合并），紐交所（NYSE）——以及交易报告设施（TRFs）和所有其他交易场所。对于每一个五分钟窗口，我们计算了每个交易场所的市场份额（即，某一交易场所的成交金额占全美国股市成交额的百分比）。最初的时候市场份额还相对稳定，直到闪电崩盘的开始，当时跨市场之间的关系被打破和纽交所（NYSE）的市场份额也急剧下降。当天晚些时候，场外交易场所的市场份额下降并回归到正常的状态。交易场所之间的动态竞争是十分明显的。

（未完待续） 

英伦金业CFA特许金融分析师 金迪思