0
在2013年8月一个温暖的早晨，阳光从玻璃和钢铁建成的高盛集团总部大楼反射回来。随着交易所准备开市，交易员和工程师们回到了座位上，眼睛注视着他们的电脑屏幕。
所有人都不知道，机器即将开始“叛乱”。
嗖，嗖，嗖。高盛一个原本用来追踪客户购买期权投资需求的交易系统发生故障，向纽交所期权市场发出了真实的交易指令。8点44分，已经有大量价格异常的订单从高盛电子系统发出，促使高盛内部的保障措施生效，切断了该公司与交易所之间的联系。
人们花了很长时间才注意到这种反常现象。9点01分，员工们终于发现了拥堵，并将保障措施取消。但这些异常订单在系统恢复后再度涌来。几分钟后，中断机制再次被触发——这样的情况重复上演，直到交易最后一次被阻止时，即故障开始不到一小时后，高盛执行订单，以1美元的价格卖出150多万份期权合约。
为何会出现这一故障？原来，一名程序员错误地对一台路由器进行了编程，将意向订单作为真实订单发出。据美国证券交易委员会称，如果不是期权交易所及时发现端倪，高盛将损失5亿美元。在撤销订单和对价格进行调整后，高盛的损失最终降至了3800万美元。
此次故障暴露了高盛的证券业务在风控和技术方面的软肋。尽管贵为华尔街主要券商之一，高盛的电子业务却成立得很晚。曾几何时，他们因为迎合那些统治金融市场数十年的多空对冲基金和激进资产管理公司而登上巅峰。在危机发生前的时代，高盛的人类交易员可以动用公司大量的资金在市场搏杀，赚得数十亿美元利润，成为同行羡慕的对象。
但随着史上最大一轮牛市的启动，专职人类交易员很难得到足够的回报。央行的安抚让市场波动性消失了，由此，数万亿美元资金从激进投资战略，转向了指数和交易所交易基金。这助推了电子平台，后者的佣金只是语音交易的一小部分。在老派同行凋零的同时，Two Sigma Investments等量化对冲基金的规模迅速增长。
拥有149年历史的高盛并不是唯一一家对股市巨变预期缓慢的投资银行。但是，高盛也有自己的理由。高管们担心，市场根基可能开始出现裂痕。此外，受衍生品市场扩张和利率降低促使人们更愿意持有投资推动，华尔街债券交易员已经享受了十多年的繁荣。
很少有人比高盛在这一趋势中赚得更多，在前大宗商品销售员Lloyd Blankfein的领导下，该行成为了华尔街历史上最赚钱的公司。利用内部资金在债券市场拼杀，要远比仅代表客户执行股票订单有利可图。在2009年，高盛交易员共贡献了330亿美元营收，其中三分之二来自于固定收益。
但金融危机带来的限制，终结了曾推动这一繁荣的杠杆。固定收益交易员对这种变化带来的冲击感同身受，在此后的几年里，股票交易员——尤其是那些有技术背景的人——迎来了复兴。他们的崛起引发了一场霸权争夺战，并最终在高盛、摩根士丹利和摩根大通这三家公司之间展开。这些公司如今陷入了一场技术军备竞赛，以试图控制每年580亿美元的产业。由于它们对彼此互有一项优势，所以市场上没有一个人是安全的。
及时转向+技术沉淀，摩根士丹利的“重生”四年
差不多就在2013年期权交易故障的同一时期，在高盛以北4英里的另一座办公楼中，摩根士丹利交易员正试图走出一个大坑。
次级抵押贷款带来的损失，让客户们在金融危机期间放弃了摩根士丹利，一度陷其于破产边缘。这家银行曾照搬高盛，在错误的时间在抵押贷款市场进行大笔押注。为了从股价暴跌中幸存，时任摩根士丹利CEO John Mack对该行的部分客户进行了猛烈抨击。最终，来自三菱UFJ金融集团的90亿美元资金拯救了摩根士丹利，但在危机发生后的几年里，它似乎成了自己从前的影子。
美国银行的一位证券高管回忆道：“我们在2010年任由他们等死。我曾对人们说，它们就是金融危机的牺牲品。”
但是，金融危机同样使其他银行遭受重创，这也正是摩根士丹利的机会：雷曼兄弟已经破产倒闭；瑞士信贷、德意志银行和巴克莱三家欧洲银行没有迅速适应新现实，此后被迫进行融资，为大宗经济业务客户带来了疑虑——对于那些想要最新交易技术的对冲基金客户来说，答案毋庸置疑。
在2009年成为股票业务联席主管的Ted Pick的领导下，摩根士丹利开始和客户重修旧好。这家银行又杀了回来，饥肠辘辘，生意兴隆，为对冲基金注入流动性来下注，而目标也更加清晰：新任CEO James Gorman明确表示，证券和财富管理业务将是战略关键。
人们会在一些摩根士丹利资深证券高管的身上看到十分反常的现象：拥有很高的社会地位和财富净值，却往往穿着寒酸。这可能有意为之的：“我们不关心自己的外在，只关心客户”。
49岁的Ted Pick就是典型之一，他会穿着老旧的休闲鞋和西服和记者见面。办公室的墙上除了孩子们的照片外，几乎什么都没有，唯一的窗户面向股票交易大厅：里面挤满了员工和电脑，气温比舒适温度高出五度。经理们并没有坐在办公室，而是和员工一样坐在交易大厅，以便更紧密地与客户和市场保持联系。
Pick对摩根士利丹的热情接近狂热。在接管股票部门不久后，他将业务分成了几大部分——现金权益，衍生品，美洲、欧洲和亚洲的大宗经纪业务——并试图加以改进。产品涉猎之广泛，意味着无论客户需要什么策略，想在在哪个地区交易，摩根士丹利都能提供。红木柜上摆放着一排排的文件夹，里面详细记录了该公司过去30多个季度的业绩。而Pick对所有这些数据保持密切关注，每当心绪来潮，他就拿出一份文件夹背诵很久以前的数据。
公司将服务器搬到得离交易所更近，采用能将过程缩短几毫秒的电线，以此让客户用最少的延迟时间发送订单。2012年，它还升级了低延时交易系统Speedway，并启动了Project Velocity项目，以满足量化投资者和其他拥抱算法交易的机构不断增加的需求。这些改进让这家其原本就处于领先地位的电子平台更进一步。
摩根士丹利是约十年前第一个创建电子掉期系统的主要经纪商。该系统是定量交易股票的首选模式，能在股市给出大量杠杆，又无需拥有这些杠杆并支付股息税，量化投资者因此对其格外青睐。
凭借电子系统的升级和对大宗经纪业务的改进，摩根士丹利让客户可以闪电般地连接到每一个市场，并在股市拥有大量的短期流动性，其系统对大型量化投资者来说足够强大。此外该公司还可以租赁渠道和算法给那些无法负担技术投资的小型对冲基金。
这些举措取得了回报。2014年，摩根士丹利在近十年的时间里首次在股票营收方面超过竞争对手，从高盛手中夺得桂冠。在Pick的领导下，摩根士丹利仅用四年时间便从“康复病房”走到了全球最具代表性市场的顶峰。然而，到达顶峰并没有削弱他们的动力：Pick说他们现在和2010年一样饥渴。
雷锋网注：摩根士丹利（红色）、高盛（白色）和摩根大通（灰色）的股权交易营收
从某种意义上说，是20年前的一个先见之明成就了今天的摩根士丹利和Pick。当Pick的前任Vikram Pandit在1994年接手摩根士丹利的证券交易业务时，他注意到计算能力的成本正在迅速减少。不断降低的计算成本加上大量的公开交易数据，让自动交易成为了可能——这让Pandit相信，该行有必要为“后人类”股票市场做准备。
“我们发现，虽然人类接触很有趣，但实际上它对在市场上正确交易产生了妨碍，”已经卸任的Pandit在其投资公司Orogen Group的办公室里说道。“你唯一能做的，就是设法将交易中涉及人的部分自动化，了解是什么在驱动股价，然后用这些算法进行交易。”
因此，Pandit召集数学和科学家，建立了Equity Trading Lab（下称ETL）实验室，最初的使命是将摩根士丹利交易大厅自动化。当时的摩根士丹利已经享受“创新温床”的美誉，这让实验室的进展更加顺利。
察觉到量化投资的早期需求，ETL团队建立了摩根士丹利电子交易业务的1.0版本。其指导原则是减少对冲基金的阻碍：该团队后来创建了Trading and Position System系统（简称TAPS），帮助大宗经纪客户接收自动化报告。由于这些创新，文艺复兴技术（Renaissance Technologies）等量化投资基金纷纷转向摩根士丹利。
反过来，摩根士丹利也紧紧拥抱量化投资客户，它并不仅仅提供订单执行服务，其大宗经济业务还提供杠杆和资产保管服务。“大宗经济业务是摩根士丹利的生命线，是氧气。如果这项业务忽然出现问题，那你就完蛋了，”ETL实验室联合创始人Michael Botlo说。
Pandit说，虽然Pick大谈摩根士丹利的员工和文化，但交易算法才是秘密武器。他补充道，算法实质上是一种规则：“搜集了你过去所做的所有错事，告诉你现在怎样做才是对的。而摩根士丹利在游戏中遥遥领先，让他们在相当一段时间内占有优势。”
曾守旧错失良机，新交易系统能让高盛迎头赶上吗？
多年前，高盛在华尔街主动交易员中的主导地位并非偶然。在20世纪50年代和60年代，传奇商人Gus Levy在混乱的贸易世界中帮助建立了这家“白鞋”投资银行。（雷锋网AI金融评论注：“白鞋公司”（White-Shoe Firms）通常指业内历史悠久、信誉卓著、专做大生意的服务机构。）
Levy拥有一个绰号叫“章鱼”，因为他想抓住每一笔交易。每当对手赢得梦寐以求的大宗交易时，他就会勃然大怒。高盛就是在这样的交易中利用自己的资产负债表，来购买大量股份。Levy还是风险套利实践的先驱，即利用公司的资金来押注收购目标。
1976年去世的Levy给公司灌输了强烈的风险偏好，这种偏好在他离世后仍长期存在。一代交易员追随他的脚步，在市场上了打磨了高盛的声誉。后来成为克林顿政府财政部长的Robert Rubin，曾在Levy的领导下从风险套汇起步，之后又掌管了股票部门。Rubin反过来帮助训练Richard Perry、Eric Mindich和Daniel Och等人，这些人后来都成立了自己的对冲基金。高盛的校友通常与他们的老同事保持密切关系，这使得高盛成为投资者寻求市场情报、智能销售覆盖或融资的首选。
1998年，金融板块风起云涌。在那一年，美国证券交易委员会（SEC）允许新生代另类交易平台与传统证券交易所进行竞争。这立刻助长了电子交易网络的崛起，削弱了交易员的控制力。
或许是认识到电子业务一直不是公司传统的一部分，高盛采取了从外部收购的策略，来发展这项业务。
1999年，时任高盛CEO的Hank Paulson收购了电子交易平台Archipelago Holdings的部分股份。六个月以后，他斥资5亿美元收购了芝加哥期权代理商和算法交易先行者Hull Group公司。2000年，他又花费数十亿美元收购Spear和Leeds & Kellogg LP。收购Spear的交易还包括电子交易系统REDIBook的少量股份。
然后，在2001年，SEC要求所有交易所按便士而非分数报价，这进一步打击了利润，助推了自动化。六年后，监管机构要求交易必须发生在提供最佳价格的场所，这促使交易场所大量增加，目前已超过80家。
在收购Spear后的几年里，高盛不断增强自身实力，成为了电子交易的顶级玩家。但是，不断变化的市场催生了一种新的市场参与者，侵蚀了高盛的地位，那就是高频交易员。
在接下来的几年里，高盛内部展开了一场斗争，来决定是由人进行高频交易和量化交易，还是使用算法进行这些交易。高盛经常让成功的人类交易员与该公司通过收购引进的技术专家进行交易较量。
据知情人士称，包括Brian Levine在内的资深高管当时认为，高盛应该坚持传统的强项，运用风险资本亲自搏杀。他们质疑，服务量化投资者产生的利润可能并不足够。Levine还为结构变化所困扰，认为这些变化正在削弱市场。故障，例如高盛的期权交易错误和现金股市的无数其他错误，都是市场弱点的象征。正是由于这种担忧，高盛未能预见到量化投资客户基础的增长前景。事后看来，这一决定是不明智的，但高盛在2008年创造了130亿美元的股票收入，这在行业是非常高的水准。账目上来看，他们势头正旺。“我们认为，我们那时并不担心电子交易，”Levine在去年12月回忆说。
高盛在自动交易方面的弱点一部分是人为造成的。在2000年收购Spear之后，高盛一直将电子交易部门保留在新泽西州，与其他业务分开。高盛对自营交易的偏好是众所周知的，因此担心交易将会被公开的客户要求高盛和该技术保持一定距离。但这种分离使高盛无法在电子部门开发资本交易能力，这意味着它们无法提供量化投资者所需的东西：将融资和执行成本捆绑在一起的股权互换。
在摩根士丹利率先推出电子掉期交易将近十年后，高盛终于在2013年合并了经纪自营商业务。
2013年2月，电子交易主管Greg Tusar宣布将跳槽到一家高频交易公司。多年来为客户提供高技术个性化（high-touch）服务的资深股票高管Ronnie Morgan被任命负责电子交易。前高盛合伙人、首席技术官Michael Dubno表示，这类决定反映了风险承担者对技术专家的文化偏见。他说，“高盛之所以落后很长一段时间，仅仅是因为他们没有真的技术领袖放在所有权位置上。因为这样做会让他们不舒服。”
高盛的一些人致力于在其风险管理平台SecDB做尽可能多的工作，这也不利于电子系统的发展。数年前，高盛高管决定，应当在风险管理系统中部署交易算法。
高盛继续在快速变化的市场中苦苦挣扎，与此同时，摩根士丹利的崛起变得明显。该公司和Levine邀请高盛竞争对手的员工参加面试。在这一过程中，高盛高管们了解到，摩根士丹利正在用高速交易产品赚钱。
更糟糕的是，多策略对冲基金等等这些传统高盛客户开始转向计算机驱动的战略，富达基金等资产管理公司对交易执行指令也变得更加敏感——高盛花费了数年时间才意识到，它在量化投资方面的判断是错误的。
当最终在2014年清醒时，高盛迅速行动起来。第一步是雇佣Raj Mahajan作为合伙人，这本身就是一个戏剧性的举动。1996年，Mahajan在高盛大宗商品部门开始了他的职业生涯，后来又和Marty Chavez成立了一家科技公司。随后，Mahajan成为了高频交易公司Allston Trading LLC的首席执行官。
很明显，Mahajan对速度非常着迷。当他试图将复杂的市场结构简化为简单的类比时，他一次又一次地谈到毫秒和微秒。进入高盛后，他做了一些公司曾抵制的决策——比如在SecDB外建立一个并行系统，只在必须时与SecDB连接。
Mahajan断定，SecDB的数据限制意味着，它无法获得订单数量，来在出价之上或之下买入或卖出股票，即获得所谓的市场深度。他说，没有这一点，“我们很难对我们正在进行算法交易的股票作出快速定价决策。”
他首先解决了“管道系统”（plumbing）问题——即连接数十套系统的连接网络，包括库存追踪系统，交易后内部处理，以及交易所和自营经纪商的连接。每一笔交易都必须按照一份冗长的清单进行审查，因此Mahajan让程序员编写新的代码来加速该过程。
随着交易所和其他交易系统的数量成倍增加，在任何特定的时刻，发现哪个交易所能提供最好的价格变得越来越重要。Mahajan不得不让高盛的系统变得足够快：每20到50毫秒便消化一次市场数据，并几乎立刻决定向哪里分配订单。
作为改造的最后一步，Mahajan命令大规模重写订单拆分算法。如今，客户可以选择使用这些指令或者高盛的管道系统来传输订单到交易所。“首要的原则是，不管是大型资产管理公司还是量化对冲基金，我们都想成为它们的头号电子媒介，”Mahajan说。
Mahajan称，高盛开发了一套核实交易的系统，能找到最好的价格，能抢在别人之前迅速处理订单。它的成功率超过99%。Blankfein在3月份致股东的信中表示，高盛如今是进入欧洲市场最快的三大供应商之一。该平台也适用于期货、大宗商品和美国国债。
对于一个充满雄心壮志的公司来说，高盛的抱负其实是谦逊的。高盛清楚很难让大牌公司立刻改变他们的业务，于是将目标锁定在吸引小型量化投资者，或者那些刚刚开始量化策略的活跃投资者。高盛每六个月便会重新评估项目背后的基本原理。
速度游戏：一分钟内的每秒市场数据峰值
照葫芦画瓢的摩根大通异军突起
在高盛和摩根士丹利争夺霸权地位时，另一个威胁出现了，那就是Jamie Dimon。他的摩根大通银行从金融危机走了出来，成为最完备的银行特许经营企业，助力来自两次收购，以及该公司在金融危机中作为安全港的声誉。随着余波消退，它在几乎所有主要金融领域都拥有领先的业务，包括零售和商业银行、资产管理和华尔街咨询服务。更重要的是，它坐拥近1万亿美元的存款，比它的两个竞争对手加起来还要多。
明显的例外在股票市场，这是摩根大通唯一一个没有进入市场前三名的主要业务类别。作为效力公司16年的资深老兵，Jason Sippel还记得说服客户与该行合作是多么困难。客户的贬低是无情的。他说：“当我们见客户，他们常常把我们贬低的一塌糊涂。我们无法为大交易提供强大的风险服务，我们在电子交易方面远远落后，我们没有低延迟产品。”
Dimon不会接受公司在排名中落后。2010年，摩根大通聘请了雷曼兄弟和巴克莱的电子交易专家Frank Troise，并告诉他要打造一个世界级的平台。起初，Troise和他的新员工在摩根大通内部自成一体。为了保护新兴的电子业务免受交易员的干扰（因为这会对他们造成威胁），Trois直接向当时的全球股票主管Carlos Hernandez报告工作。
当Troise在2015年离开摩根大通领导经纪公司Investment Technology Group时，摩根大通在股票电子交易市场的份额增加了两倍。该公司开始向其客户提供更多资金，并加大了对量化投资者服务的投资，创建了一个专门的风险管理团队。
如今，Sippel要讲的故事大不相同。需要快速接入和大量流动性的量化投资者纷纷和摩根大通合作。该公司可以向其他潜在客户推销其日益增加的股票库存，允许他们与更多的买家和卖家进行匹配。摩根大通对其产品的定价颇具竞争力，它说服现有客户（摩根大通拥有世界最大的固定收益业务）使用该行的股票柜台。在这一领域，规模是最重要的。规模不足的公司很难在技术进行大笔投资，来跟上竞争。
尽管晚了好几年，摩根大通正突飞猛进。Sippel直言不讳地透露他们是如何做到的：遵照摩根士丹利剧本（Morgan Stanley playbook）。着眼于电子交易和大宗经济业务，摩根大通在世界每一个地区份的每一个部门都站稳了脚跟，这和摩根士丹利高管Pick将业务分为九部分异曲同工。这帮助摩根大通从欧洲投资银行手中抢走了客户。尽管整体交易费用缩水，但摩根大通设法增加了市场份额。该公司在2017年的全球市场份额为10.3%，高于2006年的5%。
这是电子交易的胜利。尽管每笔交易佣金只是语音交易的一小部分，但摩根大通的电子交易业务已经从五年前的不值一提，变成了与它的高服务对手不分伯仲。Sippel说：“电子方面已经赢了。这不是我们强加的。客户选择它是因为它更有效率，更便宜，更容易。”
结语
但如今游戏再次开始改变。一直影响着市场的两股力量——技术和监管，即将再次引起混乱。
投资银行正开始在市场上推出新一代的学习机器，以定制、对冲和执行交易。这离Pandit预想的“后人类”股场更近了一步。在股票和固定收益领域，人类交易员以及人类对机器的照看越来越少，算法直接将卖家和买家连接起来。
然后是从金融危机的废墟中源源不断出台的规则。最新的监管要求来自欧洲：金融工具市场法规II（Markets in Financial Instruments Directive II）。它要求那些贸易委员会更加透明公开，而且肯定会加速市场向机器倾斜。
尽管金融市场正在变为机器互相交易的地方，但交易财富竞赛的胜负终究还是会在Blankfein、Gorman和Dimon等这些人之中决出——要么后来居上，要么坚持到底。
雷锋网AI金融评论编译 via Bloomberg
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
