信貸車貸快速申請

►〈推薦序〉擺脫隱藏交易資訊的暗池，卻可能走進人工智慧布建的黑池
——姜林杰祐教授（國立高雄科技大學金融資訊系所）
►自序──明池
電子交易出現後，股市依靠以極快速度互相溝通的電腦運作，演算法在各地高速網路上活動，交易場域分散到幾十處、祕密交易機構的觸角延伸全球，整個市場已變成一個龐大暗黑交易所，連創造這系統的人也未必了解這瘋狂的活動。2010年5月6日，美國電腦交易系統不知道出了什麼問題，道瓊指數在幾分鐘內直落八百點，這次閃電崩盤證明，這不是反自動化人士杞人憂天所杜撰的狀況。
▎第一部　機器對決
►第一章　交易機器
要在股市浩如煙海的資訊中發現規律，需要強大的電腦運算能力和精巧的交易系統。資料魔人、人工智慧專家海姆．波迪克兩者都有。他成立「交易機器公司」後設計的「機器」，運作核心是一套複雜演算法，與二十多年來最優異的交易策略一脈相承。波迪克藉助人工智慧領域中的專家系統，獨力設計出這些演算法，這種技術歸納專家分析市場後的心得，同時擷取現今市場資料，提出無比準確的預測。
►第二章　規模遊戲
專業經紀人和造市商的行為無法預測，對買單和賣單的回應可能時時不同。委託單必須精確，死板的電腦系統才能順利運作，但人有可能犯錯，從而擾亂了電腦。這時必須有所改變。我們需要新的交易池，讓演算法正面對決；我們需要電腦交易池，讓演算法在對它們而言最自然的環境中演化成長，發展出自己的生態系。電腦交易程式在其他電腦中運作時，如魚得水。
►第三章　演算法戰爭
1990年代末出現幾家專精電腦的高頻率交易商，演算法戰爭隨之爆發。它們技術高超、效率極高、速度極快，幾乎每天都賺錢。到了2000年代末，它們以微秒為單位快速買賣股票，交易量占全美股票交易的三分之二以上，它們只想短期獲利，很少持有部位超過一天。演算法戰爭和人工智慧一同演化，早上股票交易可能是某個趨勢，下午投資人獲利了結時，趨勢可能又變了。這些趨勢整天在電子交易池中一波波擴散，演算法則試圖站上浪頭不被套牢。
►第4章 0+倒賣策略
這種特殊委託單允許高頻率交易員在市場變動時，掛出隱藏的特定價格委託單，放在交易佇列最前方，把其他交易員擠到後面，即使市場起起落落，這張單子依然不動如山。高速券商為何想這麼做？在市場變動時卡在佇列最前方而且不被發現，券商就能掛出委託單，一再賺到掛單費。其他交易員的委託單一再跳進看不見的交易，這就像個隱形陷阱，陷害其他券商支付吃單費。
 
▎第二部　機器誕生
►第5章　攔截中間人獲利的盜賊
紐約證券交易所（NYSE）在交易大廳中買賣股票，交易完成後才將價格公開在紀錄彙總單上，讓大眾知道市場先前的狀況──NYSE在許多方面就是個超大暗池。電腦技客中的技克約書亞・列文覺得應該有更好的方式。這名程式設計師對交易或賺錢沒興趣，遵奉「資訊想要自由」信條的他，希望解放資訊的所有層面，讓大眾都能共享——他決定改造股市現行體制。
►第6章　催生當沖客國度的「觀察者」程式
為了讓交易員收盤後不用自己計算賺了多少錢，列文想到可將訊號從斯達克二級工作站的印表機纜線傳給個人電腦。他們只要寫程式轉譯訊號，篩選出相關資訊記錄下來就好。列文為此寫出「觀察者」程式，之後又不斷改良，使它從被動的委託單追蹤系統，進化成先進的交易機器。這讓達提克交易員得以全面了解市場上的委託單流量，下單速度比其他人快上許多。
►第7章　「怪獸金鑰」直通委託單佇列最前端
輸入納斯達克委託系統的委託單都有個時間戳記，規範價格相同的委託單的優先順序。委託單時間越早、順序越優先；然而價格較好的委託單即使下單時間較晚，也會跳到最前端。卡馬拉塔得知這個祕密幾個星期後，績效已經勝過公司所有同事。最後，他把這個技巧告訴列文，列文在「觀察者」中製作這個程式，交易員從此能像機關槍一樣大量下單。
►第8章　孤島——史上第一個道地的明池
列文對達提克唯一的興趣是利用它當木馬，滲透並從內部攻擊華爾街。他用英特爾股票對付造市商的把戲，證明人類不善於撮合買方和賣方的委託單；他們除了收取不合理的價差，還很容易犯愚蠢錯誤。電腦能做得更快、成本更低，而且毫無錯誤。萬事都已具備，列文的夢想即將實現，他將打造一座讓投資者齊聚一堂，沒有中間人的電子交易池。
►第9章　綠色機器
Instinet報價只能透過專用電腦查閱，納斯達克造市商和許多法人投資人都有這種電腦，但一般投資人買不到。後來證券交易委員會（SEC）規定Instinet的報價必須公開。為此SEC設計出全新交易實體「電子通訊網路」（ECN）。只要具備相關技術，任何人都能建立 ECN。這些規定不僅改變遊戲規則，還創造了新遊戲。有了委託單處理規則之後，整個納斯達克市場將變成對電腦交易廣開大門的電子平台。
►第10章　群島——與孤島亦敵亦友的新勢力
儘管證券交易委員會訂立新規則，讓任何人都能設立電子通訊網路與納斯達克連線，但真正付諸行動的人不多。傑瑞．普南花了幾個月，設計和建立他的電子交易網路，為了向列文等人致敬，同時表達公開叫陣之意，他將公司取名「群島」。爾後十年，普南成為美國股市的要角，他和馬希勒和列文一樣，準備和納斯達克、紐約證券交易所和其他華爾街傳統勢力正面對決。
►第11章　每個人都在乎
普南和列文雖然互通了幾十封電子郵件，也講過多次電話，但從沒見過面。1998年某日列文正在電腦上打著字時，一個陌生人走進他的辦公室。「嗨，列文，我是傑瑞．普南。」這個人說道，伸出手準備握手。列文沒有跟他握手，而從椅子上跳起來，一把抱住普南把他舉起來。普南把列文當成競爭者，但這位天才程式設計師把普南當成失聯多年的兄弟，視之為擊垮華爾街傳統勢力的親近盟友。
►第12章　逼宮
線上交易網站成長迅速。微軟共同創辦人保羅．艾倫的海鷹創投承諾投資達提克一億美元，法國銀行業巨頭貝爾納．阿爾諾的家族控股公司與波士頓創投公司TA Associates，也同意投資高達兩億五千萬美元。尼可爾相信，有了經驗豐富的高階主管來領導，達提克的潛力不可限量，但他擔憂，達提克跟馬希勒和惡名昭彰的SOES交易部門關係密切，可能形成道德瑕疵。
►第13章　芒刺在背
多年來，美國主管機關和國會議員一直催促納斯達克和NYSE，交易股票放棄分數制，改為以分計價，但它們一再延宕，態度相當強硬。股價單位從分數改成小數會大幅縮小價差，從而壓縮獲利。普南非常討厭那斯達克，也深深憎惡NYSE，他認為它們封閉落後，總想掩蓋些什麼。對抗這些舊時代大勢力，普南有個堅強無比的盟友並肩作戰，就是它最強的競爭者：孤島。
►第14章　笨錢——把小股民餵給鯊魚
「我們比競爭者快十倍，但收費只有他們的一成。」盈透證券執行長湯瑪斯．彼得菲點了點頭說：「孤島確實又快又便宜。」「那麼您為什麼不用呢？」「因為我在孤島賺不到錢！」安德森試著探究彼得菲剛剛說的話，後來想到彼得菲的意思是：他在孤島上交手的交易員都太厲害了。孤島是速度最快、收費最低又最可靠的電子交易網路，這招來了許多動作最快、最老練的交易員，於是孤島交易池裡充滿互相撕咬的鯊魚。
►第15章　交易機器人
戴夫・康明斯讀到談深藍程式擊敗卡斯帕洛夫的文章時，開始思考電腦程式是否可能擊敗市場。他在家裡打造交易機器人程式，開始向幾十家券商推銷他的點子，但經驗豐富的經紀商經常譏笑他的示範，說電腦不可能處理場內交易員面對的各種混亂因素。某日康明斯拜訪Getco創辦人史蒂芬．舒勒和丹．提爾尼，結果他倆異常非常興奮──他們也是幻想破滅的現場交易員，知道電子交易是未來趨勢。
►第16章　瘋狂數字
NYSE和納斯達克這兩個主要股票市場，一向落後其他市場，而且自己絲毫沒有察覺。它們為了維護專業經紀人和造市商而拒絕升級系統，在高頻率交易興起，創造全新流動性來源的關頭，這麼做大錯特錯——這些流動性全部流向電子交易池。高速交易員挾龐大的交易量，已經取得主導地位，納斯達克如果要生存下去，就必須配合他們的需求，而且動作要快。
►第17章　「我不想當名人」
列文在華爾街史上最具改革性的技術中扮演總工程師，這事只有極少數親眼目睹的人知道。他不想成名，總是迴避聚光燈，讓席特龍和安德森等人以他的發明享有盛名。在一封電子郵件中，列文表達了對名人的強烈反感：「任何關於孤島的報導都不應該放上我的照片，我也不會配合任何我的報導。我不想當名人，而且我會盡全力避免。」
 
▎第三部　機器大獲全勝
►第18章　怪獸
紐約證券交易所與群島合併，是美國金融史上的分水嶺，代表舉世皆知的資本主義象徵──大行情板的交易廳──不再居於主導地位。電腦將成為統治者，沒有人阻止得了。最清楚這個轉變的人，應該是許多人視為NYSE與群島合併的神祕工程師：鄧肯・尼德奧爾。1999年高盛高階主管支持高盛投資成立電子通訊網路，他就是讓塞恩進入NYSE最高層的幕後推手。
►第19章　平台
米哈伊爾．馬里謝夫要自己打造交易機器，薩吉．阿列尼可夫是他禮聘的頂尖人才，是高盛祕密高頻率交易部門的程式設計師，該部門是霍爾交易的後繼者，1999年高盛以五億美元收購。阿列尼可夫在高盛的工作是撰寫交易處理程式，處理速度越快越好。程式碼是關鍵。只要拿到品質最佳、速度最快的程式碼，就能在競賽中取勝。
►第20章　恐慌性檔位
從1987年10月19日的黑色星期一、1998年長期資本管理公司倒閉、2000和2001年網路泡沫爆破，一直到2008年金融危機，彼得菲全經歷過。但這次完全不同且速度飛快，因為出問題的是高速交易。彼得菲問交易台：「到底怎麼搞的？」慌亂的交易員回答：「不清楚。」「去搞清楚！」當時是2010年5月6日下午，再過短短幾秒，彼得菲從螢幕上感受到的混亂就會擴散，擾亂史上最精密的交易系統，華爾街也將為恐懼和慌亂所籠罩。
►第21章　極度危險
2009年阿列尼可夫因偷竊高盛的程式碼而遭到逮捕一事，引發全美熱議股市現狀，而在媒體稱為閃電崩盤的事件後幾星期和幾個月，這項爭議變得更加激烈。閃電崩盤引發對股市的信心危機。5月6日之後，現金開始以驚人速度流出股票型基金。即使股票市場反彈得更高，當年其餘月份仍每個月都在減少。許多人害怕再次崩盤。誰能保證下次一定會有閃電反彈挽救市場？
 
▎第四部　機器的未來
►第22章　被操控的遊戲
現在複雜程度已是前所未見。超高速交易和人工智慧機器人程式數量激增，在演算法戰爭中不斷擴張的前線決戰，讓市場變得完全不同。納斯達克一向腐敗成風，奸巧的經銷商串通自肥，傷害一般投資人的權益；NYSE專業經紀人吃相也很難看。積習已久的腐化和人性的貪婪，聯手摧毀了延續數百年的制度，真人交易員和造市商被機器人程式取代，只能怪自己。但機器人程式就比較好嗎？
►第23章　大數據
波斯灣運輸發展趨勢、哈薩克小麥種植量、加拿大卑詩省降雨量、拉丁美洲出生率、荷姆茲海峽石油運輸等等，資料應有盡有。大數據交易機器或許能耙梳網路和其他資料庫系統，找出固定型態，尤其是以往不知道的型態。順利的話，這些型態可提供訊息，讓機器用來買賣股票，賺取大筆利潤。活躍全球市場和交易員拉多波羅斯打算運用的，正是這種方法。
►第24章　先進棋——人腦與電腦結合的威力
波迪克要創造人機整合裝置，他在巨大的數位網路的中心，連結所有交易池，操縱所有人工智慧機器，就像個傀儡大師。波迪克的系統，和文藝復興或Getco等大咖高頻率券商採用的自動輔助系統不同，他自己就是機器的一部分，他負責控制、管理，確保它不會脫軌。無論波迪克是否會成功，我們都有理由相信，人腦和無限的電腦能力將能超越純機器主導系統的能力。
►第25章　恆星——像彼得・林區或華倫・巴菲特的選股程式
列文等夢想家領導的電腦革命，已經改變市場結構的許多方面，也改變股票易手方式的本質。但有個領域至今仍然紋風不動，就是基金經理人的頭腦。沒有人提出方法，模擬長期投資人的想法和做法，像彼得．林區或華倫．巴菲特那樣買賣股票。人工智慧普遍被視為太特殊、太難以預測、太奇怪。格林柏格希望改變這個想法，他看著台下聽眾：「我今天想跟各位談談⋯⋯機器學習這個領域。」
►後記　差錯頻傳的一年
2012年8月1日，在混亂的早盤交易中，經驗老到的騎士資本因一部高速電腦交易系統出問題，損失四億五千多萬美元，之後瀕臨倒閉。騎士資本打從成立後，一直是電腦交易的先鋒，連這樣擁有光輝歷史的券商，都在半小時左右蒸發將近五億美元，令人難以置信，這讓許多人驚覺市場中潛藏許多危機，甚至比閃電崩盤時更加明顯。
 

推薦序

擺脫隱藏交易資訊的暗池，卻可能走進人工智慧布建的黑池

姜林杰祐教授（國立高雄科技大學金融資訊系所）

　　2010年5月6日美國股市發生閃崩事件，事後調查報告試圖爬梳當日市場交易狀況以釐清真相；但更深層的原因，打從1980年代人工交易逐漸轉變成電子交易的過程，就種下了。當日諸多巧合，在金融市場上再度驗證了「莫非定律」（凡是可能出錯的事就一定會出錯）的智慧。本書回顧了金融市場電子交易的歷史，一路帶過美股閃崩事件，預告日後脆弱金融市場頻現的風暴；閱讀本書，也有助於我們理解發生在台灣，2018年2月6日台指選擇權賣方市場的災難，以及最近（2019年8月21日）的台指期貨夜盤閃崩事件。

　　最好的因也可能產生最壞的果。電子交易取代人工交易的原始動機，是一群資訊人（例如孤島的列文、群島的普南、盈透的彼得菲……）希望透過資訊工具，讓交易民主化、透明化、去中間化，讓交易價格更低、效率更高；卻無意間創造了能力更強大、更無形、更肆無忌憚的新中間人——「高頻交易者」，挾其所設計的演算法，反而讓市場更加不公平、不穩定。這些只求獲利的高頻交易單，在關鍵時刻棄守市場造成真空，甚至推波助瀾，產生骨牌效應，導致市場震盪。

　　本書循著資訊科技影響金融市場的歷史脈絡，娓娓道來金融市場交易方式演變，如何因為本書的主角與他們所創造明池、暗池交替存在的電子空間，一路走到現在；詳細分析在交易的生態池中，又如何以貪婪為基礎（再也不是崇高的願景），豢養、演化出眾多狡詐的演算法怪物，在池中「釣愚」吃掉「笨錢」，侵蝕正規投資人的獲利，也一點一滴啃食對市場的信任。

　　對於本書提到諸如造市獎勵、交易回扣、冰山委託、委託簿戲弄、分層布單、倒賣策略、狙擊策略等演算法與高頻交易邏輯有興趣的讀者，可參考我在2012年出版的《程式交易方法與實務應用——含演算法交易與高頻交易》一書。

　　近年來，另一群科技人正以金融科技（FinTech）之名，懷抱似曾相似的願景，會不會又埋下日後的災難，作為參與金融科技的一員，深自警惕；本書讓我們得以鑑往知來，趨吉避凶。

　　公平交易是金融市場的基本人權。電子交易市場發展的歷程，逐一解放市場存在的不公平制度（例如以小數代替分數報價、不得拒絕並需以投資人最有利價格成交、不得更動送單順序等）的同時，卻陸續被魔高一丈的演算法找到制度套利的空間。時至今日，交易戰爭延伸到低延遲高速競爭（從軟體戰到硬體、從主機共置戰到傳輸通道），就像無謂的虛擬貨幣採礦運算般，耗費許多原本可以用於利益眾生的計算資源。

　　這世界或許從未公平，但切不能放棄追求公平的努力與堅持，否則不公平不僅僅傷害另一群人的財富而已，恐怕會挑戰人類好不容易建立起的交易制度與信任基礎。

　　只是公平的界線何在？有時容易辨明（例如交易流的公平競價、禁止以窺探提前交易、交易規則的公開揭露與確實執行），有時又很模糊（例如是否可以對傳輸速度與資訊量作區別定價——別忘了，交易所終究是營利組織）。

　　但若有人透過對資訊的深度洞悉、更快的交易、更高超的分析能力與策略設計，得以在市場上取得優勢，就與公平與否無關了，金融市場終究是優勝劣敗的獵場，選擇進場只能生死自負。

　　於是當風暴來襲，面對匿蹤、分散破碎的交易市場，沒有人能負全責卻都須負點責任、沒有人理解全貌（即使聰明如文藝復興的西蒙斯團隊）只能事後拼湊真相，看著事件一再重演；或有人開始倡議回到過去的年代，恢復大行情板交易廳、放慢撮合速度，但現代文明已經建構在資訊基礎建設上，金融市場無法自絕於外，也只能往前管理、尋求解困，至少亡羊補牢。

　　本書同時也讓我們窺見交易策略邏輯的演變。第一階段，交易策略從市場行為、商品本質、制度設計中，以合理邏輯演繹市場未來走勢中形成；第二階段，以資訊技術提供的運算能力，從市場大數據中歸納隱晦（開始似懂非懂）的規則，藉以建立交易策略；最後，人工智慧（AI）登場了，快速運算大數據的同時，它也追蹤變幻莫測市場的演化軌跡，只求馳騁在變化浪頭短暫駕馭市場，但藉此形成的交易策略，已經逐漸脫離人類能理解的層次。近來AI應用的重點方向，是希望AI深度學習的同時也能提出解釋，即源於此。

　　麻煩的是，與其他AI應用領域（如影音辨識等工程應用）不同的是，市場預測的對錯只能事後驗證，你又怎能知道這次AI到底是瘋了，還是對了? 就像書中提到的，具備AI引擎有如先知般的恆星系統，在你以為它要自殺時，事後才知道它是對的。

　　我們應該對無法理解的預測結果給予多少信心呢？端視作為人類，你對自己有多麼沒有自信。AI應用的弔詭是，我們期待它（或祂）能超越人類的智慧，當AI走向無法理解時，卻又惴惴不安。

　　AI應用在投資領域到底有沒有用，至今未有定論（或許永遠無法得知，就像無法得知有多少被刻意隱藏在電子交易空間的獲利策略），但這終究只影響個別投資人的權益，其實無關宏旨（進入此門，生死自負，不是嗎？）。我擔心的是，AI演算法在市場各個交易角落的大量使用，會不會把市場帶到更深不可測的暗池；當市場因此震盪、閃崩，即使事後拼湊，也難以理解出真相。

　　千百年來，人類用盡辦法努力理解這個世界，卻可能創造一個工具，把對世界的解讀帶向無法理解！？

　　於是，當我們透過歷史教訓改變交易規則試圖修補制度，以期擺脫或管理隱藏交易資訊的暗池的同時，卻無法樂觀。交易策略典範的轉移，隱然即將把交易帶入另一個人工智慧布建的利維坦黑池。但這次，具備演化能力的AI演算法，可能會把市場帶過人類智慧難以理解的「技術奇異點」，屆時，有多少交易者可以倖免於難，市場會不會又要以「大到不能倒」的理由要求納稅人出錢紓困？

　　對此，我沒有答案。但我知道並建議參與交易、設計管理交易制度，或對交易有興趣的朋友，都應該讀這本書，在一切還來得及以前，切斷引信。