昨天，视知产研院在一文中，多次提到荷兰消费者和市场管理局（ACM）的一份研究报告，报告名称为《能源批发市场中的算法交易——荷兰消费者与市场管理局（ACM）探索性市场研究主要发现》。这是迄今为止，关于算法交易最详尽的一份官方分析，视知产研院全文翻译如下（引文部分忽略）。

　　荷兰消费者和市场管理局（ACM）开展了一项关于批发市场算法交易的探索性市场研究，旨在进一步提升对这种日益重要的交易方式的认识。该研究调查了算法使用的总体趋势、所使用的算法类型、市场参与者参与或不参与算法交易的动机、对批发市场可能产生的影响，以及交易公司为确保算法按预期运行所采用的程序。研究的主要目的是深入了解行业及相关利益相关者的观点，并观察和解读新兴的发展动态。ACM有责任监督并执行欧盟关于批发市场完整性和透明度（REMIT）的法规。

　　此次市场研究是与荷兰金融市场管理局（AFM）合作进行的。AFM基于其经验提供了宝贵的输入。作为金融市场的监管机构，AFM曾在早期的研究中考察过算法交易的发展，其目的之一是为了对金融市场进行监督。ACM和AFM共同负责荷兰批发市场交易的完整性和透明度的监督工作，包括通过算法进行的交易。每个机构都根据自身的专业能力开展工作。

　　本报告的目的是分享我们探索性市场研究的总体发现。ACM旨在提升公众对能源市场中算法交易的知识水平。该研究的见解也与政策制定者、监管机构、交易平台和市场参与者相关。此外，通过本报告，ACM强调了市场参与者理解其责任的重要性，即确保并记录其算法交易活动符合2024年5月生效的修订版REMIT。作为国家监管机构，ACM负责监督荷兰批发市场能源交易中对这些义务的遵守情况。

　　研究方法：ACM对市场参与者和交易平台进行了访谈和调查，并辅以案头研究。探索性市场研究包括与多样化市场参与者、交易平台和监控服务技术提供商进行访谈。此外，还对更大范围的市场参与者进行了调查，并进行了案头研究。尽管研究未能收集到所有在批发市场活跃的各方的观点，但广泛的、多样化的参与者群体使得研究结果具有价值，并反映了广泛的观点。该研究未涉及ACM的数据分析，也未对市场参与者使用的算法进行深入分析。此外，研究也未评估或验证受访市场参与者和调查对象在多大程度上有效实施了本研究中概述的关于能源交易中算法使用的合规程序。

　　研究范围：研究聚焦于电力和天然气现货市场，涵盖ACM认定的从事能源产品交易的市场参与者，这些产品需在48小时内交付。许多现货市场的参与者也活跃于衍生品和期货交易。研究在相关情况下纳入了与这些市场的见解，但并未专门聚焦于这些领域的参与者。

　　- 算法交易是一种由计算机算法确定交易参数（如价格、数量以及是否发起订单）的过程，其在人类干预极少甚至完全没有的情况下运行。在许多情况下，交易员只是监控算法的运行表现。

　　- 算法有多种类型，包括执行算法、交易算法和信号生成器。这些算法的复杂程度各不相同，从简单的基于规则的算法到先进的机器学习技术都有。

　　- 利用算法进行交易通常是更广泛交易策略的一部分，也可能同时包括（同步的）人工交易。在算法交易中采用多种策略，例如将交易量分散到不同时间段或不同市场以减少价格影响、进行价差交易、做市以及在订单簿中进行相对定价等。

　　能源转型促使市场参与者使用算法，因为随着最后一分钟交易的增加，不断平衡头寸的需求也在增加。

　　- 能源市场交易中算法的使用正在增长，并且预计还会进一步增加。纯算法交易市场参与者的数量也在增加。

　　- 预计算法交易将进一步增长的一个关键驱动因素是能源转型，因为随着可再生能源生产的不可预测性增加，需要在短时间内平衡头寸的需求也在增加。

　　- 在电力现货市场中，交易中使用算法的情况很普遍，而在天然气现货市场中，算法的使用频率相对较低，但也在不断增加。

　　- 市场参与者提到使用算法的动机是提高效率、优化资产和降低风险。不使用算法的原因包括信息技术和知识要求，以及对必要性或兴趣的感知不足。在某些市场中，由于手动交易速度较慢而带来的相关劣势，没有算法进行交易变得越来越困难。

　　- 算法交易可能带来的市场结果包括增加流动性以及更精细、更快速的价格形成。然而，另一方面，也存在一个被普遍认知的风险，即基本面信息与算法驱动的交易行为之间可能会出现脱节。

　　- 算法交易可能会通过反馈循环以及对市场信号的快速反应来增加市场波动性，从而放大已有的市场走势。然而，也有人认为，它并没有从根本上改变波动性动态。良好的编程算法会纳入安全措施以防止过度波动，并且甚至可以在高度波动的市场中作为一个有用的工具。

　　- 由于频繁的价格变动，市场透明度可能会受到影响，这会使价格确定变得更加复杂，尤其是对于人工交易者而言。尽管算法也可能会通过记录交易决策来增强透明度，但它们的复杂性——特别是在机器学习方面——可能会阻碍可解释性，从而影响透明度。

　　- 有人提出了通过算法进行（无意的）操纵的可能性，其中的担忧包括算法对操纵性数据输入的敏感性以及操纵性行为发生的速度。然而，另一些人则认为，算法交易可以通过增加流动性来降低操纵的脆弱性。

　　- 算法交易的复杂性和高频交易指令改变了从监控角度识别可疑交易模式的方法，需要一种全面且数据密集型的方法。

　　- 在使用算法交易时，合规性和内部制衡机制是必不可少的。尽管行业已经采取了此类措施，但本研究并未评估其有效性。

　　- 所有接受访谈和调查的市场参与者都向ACM表示，他们已经针对其算法制定了合规性和风险管理措施，尽管程度各不相同。在本研究中，ACM并未评估这些程序是否真正付诸实践。这些措施包括多种手段，例如将订单的价格和数量限制在特定范围内，以及一种“终止”功能，使交易员能够在必要时立即停止所有算法交易。

　　- 由于本研究具有探索性，ACM并未从监管角度评估合规性和风险管理措施的有效性或实施情况，因为这超出了本研究的范围。

　　- 即使采取了合规措施，不良行为的风险可能仍然存在。例如，应用的控制和限制措施的有效性取决于特定的输入值。如果输入值设置过高或过宽，那么在实践中这些控制和限制可能不够严格。

　　- 交易平台为市场参与者在其平台上使用算法设定了若干条件，主要是为了确保交易系统的稳定性和价格发现的质量。

　　- ACM将继续监督和规范算法交易以及市场参与者对修订版REMIT所规定的义务的遵守情况。

　　- REMIT的修订对从事算法交易的欧盟批发市场能源市场参与者施加了新的义务，以减轻相关风险。从事算法交易的市场参与者必须实施有效的风险管理系统，遵守交易阈值和限制，确保业务连续性，并向监管机构通报其算法交易活动。

　　- REMIT的修订加强了ACM对荷兰能源市场中算法交易的监管。ACM将继续监督和规范市场参与者的交易行为，同时关注算法交易义务的遵守情况。

　　本次市场研究的见解增强了ACM对算法交易的理解，并将与AFM合作应用于未来的市场监督中。在这次探索性市场研究中，目标并不是对特定交易行为得出明确结论。未来市场研究或市场监督的多个感兴趣的主题包括算法使用的进展，特别是在TTF天然气市场期货交易中的发展、能源市场交易中自学习算法的进步、涉及算法的潜在可疑行为的检测和分析，以及市场参与者在多大程度上遵守了他们声称已经到位的合规程序。ACM和AFM将继续在未来合作：共享知识、进一步构建知识，并在市场监督和对市场参与者义务的执行中联合行动。

　　在当今世界，自动化数字流程正变得与我们的生活息息相关。所谓的算法能够处理大量数据，并为用户提供有用的见解。其例子不胜枚举：算法通过节省我们的时间并帮助我们做出更明智的选择，简化了我们的日常任务。然而，我们每个人也都对公开报道的算法滥用和不受欢迎的结果有所了解。

　　在交易公司及其交易员的世界中，算法发挥着重要作用。这一趋势在金融领域已经持续了数十年。对于许多交易公司来说，数据分析师和程序员是不可或缺的。即使是小规模的交易，例如面向小型交易者的交易机器人也越来越普及。与金融领域一样，能源批发市场的交易也越来越依赖于交易算法。

　　作为能源监管机构，ACM对能源市场的算法交易非常关注，原因有多个。首先，为了有效解读市场发展并能够对可能的违规交易行为采取行动，必须清楚了解市场动态。ACM收到的关于涉及算法交易的市场滥用的线索数量不断增加。此外，《能源批发市场完整性和透明度条例》（以下简称：REMIT）于2024年5月进行了强化，为采用算法交易的交易公司引入了新的义务。ACM对荷兰能源市场参与者遵守这些规则的情况进行积极监督，并与金融市场管理局（AFM）密切合作。

　　ACM开展了一项关于能源市场算法交易的探索性市场研究。该研究旨在进一步构建和增加现有知识，重点是获取市场及其参与者的见解。研究探讨了几个关键问题：使用算法的动机是什么？目前尚未使用算法的参与者（如果有）有何看法？市场参与者感知到哪些风险，他们又是如何应对的？能源公司如何围绕算法交易组织其内部流程？对于有责任监控市场发展、发现并打击市场操纵行为的能源市场监管者来说，这些变化意味着什么？

　　-访谈：ACM与多个相关利益相关者进行了十二次访谈，这些利益相关者包括能源公司/交易商、交易平台以及监控服务的技术提供商。访谈对象的选择确保了多样化的代表性，涵盖了主要活跃于天然气或电力市场的交易商、终端用户供应商、生产商、没有实物资产的纯交易商、人工交易商等。参与访谈是自愿的。

　　- 调查：在访谈之后，ACM对更大范围的交易商进行了自愿性调查。调查对象的选择基于荷兰现货天然气和电力市场的交易量。平均每天交易量少于一次的市场参与者被排除在外。调查的回应率约为20%。尽管这一比例无法对整个交易商群体得出完全有根据的结论，但回应来自一个多样化的群体，根据ACM的说法，这些回应提供了宝贵的见解。

　　- 文献调查：此外，ACM进行了简明的文献综述，以收集有关算法交易的普遍知识。据我们所知，关于欧盟和/或荷兰能源批发市场算法交易的已发表研究非常有限。所综述的文献主要涉及金融市场中的算法交易，对能源市场中的算法交易关注较少。ACM意识到能源批发市场与更广泛的金融市场相比具有特定特征，并在解释文献时考虑了这些差异。

　　研究范围聚焦于能源现货市场的交易者。现货市场包括当日交割（日内/当日市场）或次日交割（日前市场）的能源批发市场。此外，许多活跃在现货市场的交易者也参与衍生品市场的交易，例如期权和长期合约。尽管本研究的主要焦点并非如此，但来自这些现货市场以外的市场参与者关于其他市场的见解，只要相关，也被纳入了研究之中。选择聚焦于现货市场的交易者，是因为它们与所交易商品的实物交割有着直接且主导性的联系，这可能与衍生品交易相比，呈现出不同的市场特征和动态。此外，作为能源监管机构，ACM有责任监督现货市场的完整性和透明度。传统上，对于在交易所交易的衍生品的监督主要是AFM的职责范围，但随着最近REMIT的修订，这一监督职责现在由AFM和ACM共同承担。

　　必须承认研究群体的异质性。这种多样性突显了能源市场的复杂动态，不同类型市场参与者可能会对市场产生不同的影响。

　　ACM在AFM的帮助和专业知识下进行了这项研究。AFM在调查的不同阶段为ACM提供了宝贵的见解。在最近的过去，AFM已经对金融市场中的算法交易进行了市场研究。这些研究的见解在适用的情况下被应用于当前关于能源市场交易的探索性市场研究中。ACM和AFM将继续在这个领域合作，以进一步构建知识。此外，AFM和ACM将共同密切关注算法交易活动以及交易公司对现行规则的遵守情况。

　　本出版物概述了ACM关于能源市场算法交易的市场研究结果。它首先解释了能源市场在实践中是如何运作的（第2章）。随后，深入探讨了算法交易的具体情况（第3章），以及算法交易在能源领域的应用及其背后的动机（第4章）。第5章探讨了潜在的市场影响，接着第6章概述了市场参与者如何确保对其算法的控制。最后，第7章概述了修订后的REMIT下关于算法交易的具体规则，以及其对使用算法交易的市场参与者以及国家监管机构的影响。

　　为了让更广泛的读者群体（不仅仅是市场内部人士）能够理解算法交易的发展，有必要先了解能源市场交易的一般机制。在天然气和电力的能源供应链中，从生产/发电/开采的一端到消费的另一端，存在着多个环节。本次市场研究聚焦于能源批发市场。在这些能源批发市场中，终端用户的供应商会购买电力和天然气，而生产者则会出售他们所生产的电量。然而，还有许多其他类型的交易者活跃在其中。除了这条“交易链”之外，还存在着一条物理运输和分配的链条。

　　在能源批发市场交易领域，活跃着许多不同类型的企业，每一家都有其自身的利益和策略。这些企业包括传统的和可再生能源发电企业、天然气生产商、终端用户供应商、大型用户、储存运营商、供需之间的其他类型的中介/聚合商、大宗商品交易商、自营交易公司、投资公司、对冲基金等。这些实体中的每一个都根据其在市场中的自身利益制定自己的交易策略，例如其客户（预期的）需求、受天气影响越来越大的预期产量、地缘政治发展、更广泛的（国家、欧洲、全球）经济形势和发展前景等。在许多情况下，交易各种能源产品及其衍生品是一种对冲其头寸和利益的方式，而对许多公司来说，参与能源市场交易也是一种投机活动。如果使用算法交易，那么它就是公司整体交易策略中的一种交易方式。

　　在天然气和电力的物理交割批发市场中，供应与需求始终保持平衡至关重要。对于电力而言，这种必要性比天然气更为突出，尽管天然气市场存在一定灵活性，但由于物理限制，其不平衡的范围也十分有限。出现这种情况的原因是与天然气运输（由Gasunie Transport Services运营）和电力传输（由TenneT运营）的底层物理网络相互作用。这些输电系统运营商（TSO）负责物理网络的审慎运行，并通过基于市场原则的机制，使市场参与者能够不断平衡其头寸。例如：电力生产商必须确保所发电量（通常以兆瓦时[MWh]表示）被消费者供应商或其他经销商购买。

　　天然气和电力市场都有自己的基于市场的机制，供活跃的市场参与者平衡其头寸。对于天然气市场，可以交易当日产品和下小时产品。当日产品是指当天剩余时间或整个次日的天然气交割，而下小时产品则涉及下一个小时的交割。在一天结束时，市场参与者必须平衡自身的物理头寸，以确保整个天然气网络的平衡处于某些安全限制范围内。平衡电力网络的工作量更大，且需要更多的交易产品。在一天中的任何时间，都可以交易季度和（半）小时产品，即在约定的15分钟或（半）小时内交割电力的产品。此外，还有涉及次日交割的日前产品。

　　时间范围和交割地点是能源批发市场交易的重要方面。可以交易具有许多不同较长时间框架交割的电力和天然气交易量，例如周末、周、月、季度、季节和年。交割地点也很重要，当我们提到荷兰能源批发市场时，我们指的是在荷兰境内或从荷兰交割的电力和/或天然气产品的交易。

　　此外，还交易着各种不同的衍生品，例如期权（买方获得在特定日期以约定价格购买/出售一定数量的权利）和价差（例如地点价差，交易者会在一个交割地区购买一定数量，并在另一个地区出售相同数量，如果价格差异达到一定阈值）。

　　批发市场是商品市场，所交易的（基础）产品本身大多具有同质性。在实践中，交易要么通过交易所平台进行，要么通过经纪平台进行，要么在交易双方之间双边进行。存在多个交易能源产品的交易所。交易者可以在“屏幕”上匿名下单，其他交易者可能会对此感兴趣，或者与已存在的订单进行交易。订单通常由交易所自动匹配，从而达成交易。对于每个交易方来说，交易所的清算银行是他们的交易对手。现货市场的大部分交易是通过交易所进行的。经纪公司是中介，根据其对客户利益的了解，尝试匹配客户未决/潜在的订单。大约有十到二十个经纪商为在荷兰交割的能源市场产品提供中介服务。

　　经纪交易可能有几种方式，要么通过使用的交易门户数字插入，要么通过电话/电子邮件联系和确认。最后，交易也可能在交易双方之间双边进行。他们可以就只对他们相关的特定要求达成一致，而不是在交易所交易的标准合同。双边和经纪交易通常每笔交易的交易量更大。

　　市场参与者和交易场所都有需要满足的要求。为了遵守REMIT，市场参与者在开始交易时有义务在相关监管机构进行注册。在这方面，所有在欧盟一个或多个成员国活跃的能源市场参与者，都需要在欧盟成员国进行REMIT注册：要么在其公司所在的成员国，要么对于非欧盟市场参与者来说，在其大部分交易发生的成员国。对于本身不是交易所会员，但通过其他市场参与者提供的直接市场准入进行交易的市场参与者，这一义务同样适用，该市场参与者为他们提供进入交易场所的通道。此外，市场参与者需要满足所有必要的要求，并持有相关的许可证，例如输电系统运营商（TSO）和交易场所的许可证。显然，市场参与者需要遵守交易的透明度和诚信规则，不得从事市场操纵（或试图操纵）。交易场所有义务发现并报告可能的可疑交易行为给相关监管机构，如能源监管机构和金融监管机构。

　　- 算法交易是一种由计算机算法确定交易参数（如价格、数量以及是否发起订单）的过程，其在人类干预极少甚至完全没有的情况下运行。在许多情况下，交易员只是监控算法的运行表现。

　　- 算法有多种类型，包括执行算法、交易算法和信号生成器。这些算法的复杂程度各不相同，从简单的基于规则的算法到先进的机器学习技术都有。

　　- 利用算法进行交易通常是更广泛交易策略的一部分，也可能同时包括（同步的）人工交易。在算法交易中采用多种策略，例如将交易量分散到不同时间段或不同市场以减少价格影响、进行价差交易、做市以及在订单簿中进行相对定价等。

　　根据最新修订的《欧盟能源市场完整性与透明度条例》（REMIT II），算法交易指：

　　以下部分概述了在能源批发市场交易中相关的不同类型的算法。这些信息主要基于与利益相关者的访谈以及ACM对市场参与者进行的调查。

　　本报告并未进一步定义哪些类型的算法属于修订版REMIT中算法交易的法律定义范畴。以下信息是对不同类型算法的概念性描述，基于受访和调查的市场参与者在实践中所使用的交易方法类型。

　　• 执行算法：用于执行算法外部作出的交易决策。其参数在算法外部设定后，该算法通过特定方式（通常在既定价格和数量限制范围内）以最优方式在交易平台提交订单。

　　•信号生成器：基于一组输入数据，向交易员或执行算法发出交易机会信号或其他辅助交易决策信息的算法。

　　• 交易算法：与执行算法的一个关键区别在于，此类算法还自主决定是否在交易平台提交订单。当信号生成器与执行算法直接连接时即属此类情况。

　　不同类型的算法使用不同的输入。执行算法使用一系列参数以预定义的方式执行订单。除了订单的价格和数量信息外，这还可以包括许多控制和限制，例如最高和最低价格（价格限制）以及数量（数量限制）；第6章包含了更多关于控制和限制的信息。执行算法还利用历史交易模式来确定例如在订单簿中定位订单的位置，这可以基于技术分析，例如五分钟内的历史最大波动率。根据复杂性的程度，交易算法和信号生成器可以使用数百个参数作为输入。这些可以基于基础数据，例如天气数据或由输电系统运营商（TSO）或市场参与者提供的数据。技术数据包括，例如，在不同时间框架内的历史和当前价格以及价格波动。

　　不同类型的算法的输出也各不相同。执行算法和交易算法产生的输出是发送到交易平台的订单。信号生成器则为人工交易员或另一个算法提供预测和/或建议。预测可以包括例如预期价格、供应、需求、波动率或投资组合。建议可以是一种特定的首选策略，并附带基于某些市场条件和/或预测的特定策略的合理性概率。

　　算法的复杂性各不相同。每种类型的算法（执行算法、交易算法或信号生成器）都可以相对简单地编程，也可以更高级。相对简单的算法是基于规则的；算法由预定义的规则组成。例如，一个执行算法遵循这样的规则：“如果市场价格最高为每兆瓦时Y欧元，则以指定数量（X兆瓦时）下达一个卖单（订单）”。下一步是算法本身确定在给定示例中算法参数值应该是多少。在这种情况下，只有规则的结构是预先定义的，算法会随着新信息的出现而更新规则中的参数。

　　还有更复杂的自学习算法，它们可以自行确定规则的结构。这些算法必须自行发现输入数据集中变量之间的关系，并确定哪些变量与交易决策相关，以及每个变量应赋予多大的权重。这类机器学习算法通常使用历史数据进行训练，因此它们可以学习，例如，在某种情况下（如订单簿的状态）某个选择能带来多少利润，从而找到未来最佳的选择。算法本身会学习何时发起交易以及用什么属性（价格、数量等）进行交易。

　　调查结果显示，在天然气市场中，执行算法的使用频率高于信号生成器和交易算法，而在电力市场中，所有类型的算法被使用的程度大致相同。不同类型的算法在天然气和电力市场的使用情况如图2所示。如前所述，参与调查的市场参与者之所以被选中，是因为他们至少在现货市场中活跃，尽管他们的回答可能也包括了他们在远期/期货市场的活动。在总共8名使用和/或开发天然气交易算法的受访者中，有6名报告使用执行算法，3名报告使用信号生成器和交易算法。在电力市场中，执行算法、信号生成器和交易算法的使用程度大致相当（大约12名使用和/或开发电力交易算法的受访者中有9名左右）。一些受访者使用基于机器学习技术的算法。图2显示，在天然气和电力市场中，机器学习主要用于或开发用于生成交易信号。与天然气市场不同，在电力市场中，机器学习也被应用于交易算法。

　　通过算法进行交易通常是市场参与者更广泛的总体交易策略的一部分。市场参与者使用他们认为实现目标所必需的交易策略和方法：手动交易、算法交易或两者同时进行。例如，算法基于做市原则进行交易，而与此同时，交易员手动交易以平衡实物投资组合。不同的交易方式——使用（多个）算法交易和手动交易——也可以基于相同的策略同时应用：除了自动交易（或半自动）算法和手动交易外，还可以使用更先进的机器学习模型。此外，一家交易公司同时使用多个算法是很常见的，每个算法可能都在追求不同的策略。

　　算法被用于部署几种策略。这些策略并非专门用于算法交易，也可以在手动交易中实施。然而，使用算法交易来执行这些策略可能会为用户带来某些潜在的优势。下面更详细地描述了一些最常被提及的策略：

　　这是一种交易方式，算法可以通过在时间上或跨市场分散所需交易量来最小化其交易对价格的影响。将大额交易量分解为较小批次并分散交易时间，可以避免在任何特定时间点交易过多的订单簿份额。这有助于防止订单簿中多个价格水平的匹配，从而最小化与感知公允价值的偏差。实现这一目标有多种方法。例如，算法可以考虑近期的交易量模式，并相应调整带入市场的交易量。当市场上交易活动较多时，算法会增加交易量。这种策略的目标是，在一定时期内实现与成交量加权市场价格相似的价格。算法的另一种策略是在预定时间段内线性地以较小批次分散所需交易量。这有助于减少因一次性交易大额交易量而可能产生的价格波动风险。多位受访市场参与者确保其交易量不超过市场总交易量的一定百分比。这可以避免对市场产生过大影响。

　　价差交易是一种交易策略，交易者试图从以下价格差异中获利：1）不同产品之间的价格差异，例如售电收入与购买天然气和排放配额成本之间的差异（清洁火花价差）；2）不同市场之间的价格差异，例如TTF和泽布鲁日之间的差异；和/或3）不同时间段之间的价格差异，例如夏季和冬季天然气价格之间的差异。

　　据一家受访交易平台表示，这种套利策略是最常使用的策略。多位受访市场参与者使用算法来实施这一策略。为此，交易者输入参数，如期望的交易量和待交易合约之间的价差。一旦达到给定的价差，算法就会执行交易，从而利用不同市场之间的价格差异获利。价差交易的例子包括：1）产品转换（例如天然气转换为电力）；2）地点转换（在一个国家购买天然气并在另一个国家出售）；3）时间转换（例如通过使用天然气储存）；以及4）交易平台转换（跨场所套利）。一个例子是在日前以相对于近月价格的折扣购买天然气，将其储存于天然气储存设施中，然后在TTF近月市场上出售。

　　做市是一种基本策略，其核心在于试图在整个交易日或大部分时间内，同时在订单簿的买卖双方保持存在。这样做的目的是最终不留下任何实物头寸，即买卖量相等。采用做市策略时，大致有两种方法：要么追求较大的买卖价差（通常导致交易量较低），要么追求较小的买卖价差（通常导致交易量较高）。在选择这两种方法时，交易者通过寻求单位交易量的盈利能力与交易量之间的平衡，同时管理任何未平仓头寸，以实现总利润最大化。总体意图是以高于买入价的价格卖出相同数量的产品。交易平台也可能为交易公司提供财务激励，使其频繁出现在订单簿的买卖双方。

　　做市是算法根据订单簿中所有订单的相对位置下单的策略示例。例如，算法的目标可能是使订单簿的买卖双方都显示最佳价格。风险在于，做市方可能仅在订单簿的一侧找到交易对手并达成交易。如果没有后续的反向交易，市场参与者将留下未平仓头寸。为了管理这种风险，可以向算法输入参数。管理订单簿中相对下单位置的算法也用于其他策略，例如价差交易。

　　- 能源市场交易中算法的使用正在增长，并且预计还会进一步增加。纯算法交易市场参与者的数量也在增加。

　　- 预计算法交易将进一步增长的一个关键驱动因素是能源转型，因为随着可再生能源生产的不可预测性增加，需要在短时间内平衡头寸的需求也在增加。

　　- 在电力现货市场中，交易中使用算法的情况很普遍，而在天然气现货市场中，算法的使用频率相对较低，但也在不断增加。

　　- 市场参与者提到使用算法的动机是提高效率、优化资产和降低风险。不使用算法的原因包括信息技术和知识要求，以及对必要性或兴趣的感知不足。在某些市场中，由于手动交易速度较慢而带来的相关劣势，没有算法进行交易变得越来越困难。

　　受访的交易平台和市场参与者观察到算法的使用有所增加。算法交易技术所提供的可能性被各种类型的能源市场参与者所接受，这些参与者从生产者和供应商到自营交易者不等。他们使用的简单或高级算法的类型及其使用强度取决于他们的交易策略。一些受访方观察到，在批发市场中，拥有实物组合和没有实物组合的市场参与者之间在算法使用的程度上存在差异。有观点认为，至少从传统上讲，没有实物组合的自营交易者使用高级算法交易来进行做市和价差交易等策略。然而，调查和访谈的结果显示，各种类型的公司都在使用算法。

　　访谈表明，包括做市商和套利交易者在内的纯算法交易者的数量正在增长。这一群体包括来自不同行业的公司，例如金融市场或量化数据分析师，他们被能源市场的基础数据所吸引。一家受访的交易平台描述称，非资产持有者的存在显著增加，目前在电力日内市场和日前拍卖市场的交易量中，非资产持有者的份额分别约为50%和30%。这使得拥有实物资产的传统市场参与者意识到，为了保持竞争力，他们需要采用这些技术先进的策略。

　　几位受访的市场参与者预计未来算法的使用将进一步增加。在一次访谈中提到的一个论点是，随着越来越多的“现成可用”的优质算法可供选择，市场参与者更容易使用这些算法，而无需建立一个完整的内部开发团队。调查结果显示，目前大多数市场参与者自行开发算法（总共15个中有8个）。较小的一部分群体（总共15个中有6个）既使用内部开发的算法，也使用购买的算法。其中一个市场参与者仅使用从第三方购买的算法。

　　能源转型被几位受访方提及为当前能源市场中算法使用需求以及未来预期增长的关键驱动因素之一。随着可再生能源重要性的日益增加，市场参与者往往需要在接近交付时间时采取行动并进行调整，而算法在拥有大量可再生能源组合的市场参与者中发挥着关键作用。即使有多个供应商提供的天气预报，鉴于天气条件的不可预测性，准确预测仍然困难重重——尤其是长期预测，因为即使是小片云层也可能对太阳能发电产生显著影响。这使得准确预测交易量变得困难，因此需要根据不断变化的天气预测进行持续调整。如果所有交易决策，例如季度电力产品的交易决策，都由人工完成，将耗费大量人力。在此背景下，一家受访的交易平台还提到，随着可再生能源的增加，数据量也在增加，而算法交易正是被数据的可用性所吸引。

　　天气预报在接近发布时间时变得越发准确。关于天气预报有大量可用数据。算法能将每次新的数据更新转化为交易操作，例如调整交易头寸、一天内多次买卖所需数量。此类交易涵盖广泛的产品类型，如小时级产品、半小时产品和一刻钟产品。与需要持续单独交易每种产品的交易员相比，算法能高效管理这种多样化的海量数据。

　　调查结果及访谈反馈均表明，算法在电力现货市场中得到广泛应用。图3显示了参与调查的市场主体在各市场的活跃情况、其平均交易量以及是否使用或开发相关算法（注：天然气与电力平均交易量的坐标轴刻度不同）。此外，数据清晰显示，没有一家受访者在场外交易（OTC）市场（实物或金融）中使用算法。尽管市场主体在电力市场的平均交易量（以TWh计）较低，但相比天然气现货市场，电力市场使用算法的频率相对更高。这些发现与针对多元化能源市场参与者和交易平台开展的访谈所形成的整体印象一致。

　　受访方还观察到天然气现货市场正转向自动化。有受访者提到，相比几年前，如今天然气现货市场中算法的使用频率有所提升。由于越来越多交易者采用算法，由此产生的竞争促使其他交易者也开发自身算法以跟上市场动态。算法使用与市场流动性程度高度相关。电力日内市场中算法应用比天然气现货市场更普遍，部分原因可能在于：短期天然气交易（如日内与日前交易）通常每个国家仅涉及有限数量的产品，交易者更易管理；而电力日内交易涵盖众多产品——小时级、半小时级和一刻钟级产品。此外，天然气市场波动性较低，意味着交易者有更长时间应对市场变化，因而对算法的需求相对较少。

　　尽管近年来天然气现货市场的算法应用有所增加，但其使用规模仍不及天然气月度远期产品。尤其是TTF近月合约的天然气交易已由算法主导。一位受访市场参与者认为，对冲基金在TTF近月合约上的交易并无实物资产支撑，仅为对冲风险敞口或进行投机性交易。而在天然气现货市场，交易者主要关注实物需求管理。

　　算法主要用于流动性强的市场以套利价差。有市场参与者指出，产品流动性越高，价格变动越频繁。这种现象在远期曲线后端产品（如两年后的冬季产品）中表现较弱，因其交易量较少。在流动性不足的远期市场，人工交易仍占主导地位。

　　自动化和效率是受访市场参与者最常提及的使用算法的原因，多位受访者也强调了这一点。据解释，自动化能够比人工操作更快、更稳定地执行任务，从而提高效率，并确保交易活动不间断进行。例如，电力日内产品每个交割日的交易品种数量相对较多（以荷兰为例：每个交割日共有168个产品，包括24个小时级产品、48个半小时级产品和96个一刻钟级产品）。在此背景下，使用算法被认为可以减轻轮班交易员/调度员的工作负担。部分访谈指出，在某些能源市场中，人工交易正变得越来越困难，甚至几乎不可能实现。

　　调查和访谈中提到的其他使用算法的原因包括资产优化、预测和风险管理。例如，一些受访方表示，算法能够通过将大额订单拆分为小批量订单来更好地处理大宗交易，从而降低对市场价格产生影响的风险。此外，算法被认为能够处理大量数据（更新）。速度优势和盈利能力也被列为采用算法的原因。

　　不使用算法的考量因素包括投资于知识建设、专业能力和信息技术的成本过高，或缺乏兴趣。一位受访的市场参与者认为算法较不适合大宗商品市场，目前对实物交易者提供的附加价值有限；这与股票市场形成对比，后者普遍认为算法的应用更为广泛。

　　• 算法交易可能导致的市场结果包括流动性提升及价格形成机制精细化、加速化。但另一方面，也存在基础市场信息与算法驱动交易行为脱节的风险。

　　• 算法交易可能通过恶性循环和对市场信号的快速响应加剧波动性，放大现有市场波动。但也有观点认为其不会根本改变波动规律。编程良好的算法内置防过度波动的安全措施，甚至可作为高波动市场的有效工具。

　　• 频繁的价格变动可能影响市场透明度，尤其对人工交易者造成定价困难。尽管算法通过记录交易决策可能增强透明度，但其复杂性（特别是机器学习算法）可能降低可解释性，反而影响透明度。

　　• 部分观点认为算法存在（非故意）操纵可能性，包括对操纵性数据输入的敏感性及操纵行为的高速执行。另有观点则认为算法交易通过增加流动性可降低市场被操纵的脆弱性。

　　• 算法交易中订单的复杂性和高频特性，从监管视角改变了可疑交易模式的识别方式，需要采用更全面、数据密集型分析方法。

　　在评估算法对市场的影响时，文献通常区分正常市场运行阶段与波动加剧阶段。研究表明，在金融市场正常状态下，算法能带来流动性提升等益处。然而在波动加剧时期，算法虽可能具备某些优势，但也会引发重大风险并可能导致流动性枯竭。调查与访谈结果验证了这一观点：受访者既强调积极效应，也承认存在复杂性差异。

　　调查显示，市场参与者普遍认为算法对能源市场产生积极影响。多数受访者（19人中的17人）认同算法促进流动性提升，（19人中的13人）肯定其对价格发现效率的改善，预期其能收窄价差、提升市场效率、竞争性和价格发现透明度。但部分参与者预见到负面效应，包括波动性加剧（7/19）、（非故意）市场操纵风险上升（6/19）以及价格波动放大（4/19）。有受访者虽承认潜在负面影响，但认为这些并非算法的主要结果；另有受访者指出算法交易高速性带来的市场扰乱和极端价格波动等不利影响。此外，研究注意到订单簿的流动性或深度可能低于预期——当订单仅部分成交时算法会撤单，这对超过最小交易单位的大额交易构成挑战。

　　文献表明，算法对价格形成机制具有重要影响。其快速处理新信息的能力超越人类数据处理极限，从而加速价格发现过程。相较于人工交易，算法不仅能降低交易成本，还能避免情绪和认知偏差导致的错误（编程错误除外）。这种高速数据处理能力可提供全面的市场视图，优化价格水平，缩小买卖价差并增强流动性。做市活动（尤其在电力市场）通过促进市场参与、加强竞争、营造垂直一体化企业与独立企业间的公平环境，进一步提升了流动性。

　　访谈与调查结果均证实，随着算法交易的普及，能源市场流动性显著提升。受访交易平台指出，流动性改善主要源于做市算法的应用。做市行为强化了市场竞争，迫使参与者更紧密地跟随最优市场价格。多位市场参与者观察到，流动性增强对批发市场的价格形成产生积极影响，并有效收窄买卖价差。跨市场价格差的缩小还可归因于价差交易的增长——这种趋势在往年较不显著，因部分市场需要更长时间适应新价格机制。参与者还列举了流动性提升的其他益处：缓解电网不平衡影响、为低流动性市场提供对冲机会、降低市场操纵脆弱性。但需注意，操纵行为仍可能发生，只是对价格影响减弱。

　　另一方面，文献指出，面对算法带来的反应速度劣势，其他市场参与者可能因风险规避心理而延长决策时间。这种行为可能导致买卖价差扩大——人工交易者或将风险成本纳入定价。访谈中也提到，买卖价差有时会扭曲市场真实状况：最优买卖报价往往对应小额交易量。当人工交易者以较小成交量按最优价成交时，可能推高价格水平，而实际大部分成交量仍集中于更不利的价格区间（至少对人工交易者而言）。

　　部分访谈提出，算法应用可能导致大宗商品市场的交易行为与基本面信息脱节，即所谓“商品市场金融化”现象——投机动机交易占比上升，实物资产关联交易减少。不过虽有此类担忧，受访者仍认为商品市场因对基本面因素的固有依赖而区别于金融市场。尽管算法偶尔会造成与基本面的短暂偏离，但市场动态最终会与库存水平等稳定因素重新趋同。多数观点强调，供需关系仍是价格变动的核心驱动力，算法仅扮演次要角色。

　　最后，文献指出算法应用的增加可能提高市场参与者的准入壁垒，要求其投入更多数据和专业知识以与成熟算法竞争，这可能对市场流动性和价格形成产生负面影响。不过部分受访者注意到，随着时间推移，现成高级算法正变得越来越易于获取，这可能为更多市场参与者创造参与算法交易的机会。

　　文献对金融市场波动加剧时期算法使用的影响提出了细致见解。虽然算法能通过避免立即退出市场、在极端价格冲击时偶尔采取反向头寸来缓解波动，但公认的风险是算法可能陷入恶性循环——这种循环会放大重大价格冲击，最终导致算法大规模撤离市场。由于算法运作速度极快，任何潜在错误（无论是来自人工交易员还是算法本身）都可能对市场产生重大影响。此外，即使没有错误决策，算法对不同数据类型（如财务数据与新闻报道）的差异化处理也可能放大市场趋势。

　　研究表明，波动性风险源于算法之间的相关性，即不同算法对特定信息作出相似反应的现象。当市场参与者使用相似算法（尤其是来自第三方的算法）时，这种相关性会进一步增强。其结果是，数据错误可能在不同算法间产生连锁式传播，从而阻碍价格形成——当多个算法依赖相同的缺陷数据或参考流动性不足市场的不可靠价格时，这种情况尤为显著。

　　调查结果与访谈显示，受访者对于算法交易是否加剧市场波动存在分歧。约三分之二的受访者认为不会增加波动风险，其余受访者则持相反观点。这一态度在访谈中也得到了一定程度的印证。

　　• 部分受访者提出了与上述类似的风险，指出算法可能放大现有市场波动（尽管不一定是主因）。例如在轧空事件中，价格突然飙升迫使空头平仓，可能导致大规模退出市场。算法的顺周期性行为及其对市场信号的快速执行和响应，可能加剧此类市场波动，从而提升波动性。即使交易量轻微增加，也可能引发算法的连锁价格反应，加大市场不可预测性。

　　• 其他受访市场机构则认为，价格动态主要受供需力量主导。他们主张算法交易未必改变波动性的根本规律。虽然算法导致订单数量增加，但这并不自动转化为更高频的交易。另有访谈指出，算法通过稳定价格和缓释市场冲击来维护市场稳定性。与需要休息、难以在快速变化市场中及时调整订单的人工交易员不同，设计良好的算法能保持持续专注和可靠运作——在高度波动的市场中，这种快速调价能力对获取更优价格至关重要。

　　算法交易对市场运行的另一影响是单笔交易量较纯人工交易显著下降。多位受访方指出，平均单笔交易量急剧缩减（例如电力日内市场典型交易量从原先的100兆瓦时降至0.01兆瓦时），使人工交易难以适应。部分受访者将此视为优势——算法能将大额订单拆分为大量小额订单，从而降低市场冲击。

　　随着订单量显著缩小，大额交易（尤其对人工交易者）变得更为复杂。人工交易者无法再以竞争性价格挂单等待成交，因为算法会在毫秒级时间内推送更优报价。这导致人工交易者执行大额订单时难以避免价格影响，往往需要吃尽订单簿中的多个甚至全部报价才能完成交易，从而推高成本（特别是在价格上涨期间），因其不再能像过去那样等待有利价格波动。

　　部分受访市场参与者指出，算法交易的快速操作节奏对市场透明度构成挑战。交易屏幕上频繁且急速的价格波动使得准确判断价格变得困难，这种市场扰动迫使人工交易者必须等待此类反馈循环平息。此外，过度的流动性可能导致订单簿混乱（报价泛滥），进而损害透明度。作为预防措施，某些交易平台设置了限流机制，规定每个参与者在短时间内可提交的订单数量上限。一旦触及该限制，交易者需至少等待一秒才能继续提交或调整订单（详见第6.2节）。

　　访谈显示，算法对交易过程透明度的影响具有双重性。部分受访者认为算法通过精确记录所有交易决策和行为提升了透明度，这有利于持续监管。但算法也可能在多个维度削弱透明度：随着算法复杂性增加，其运作逻辑愈发难以理解——这一挑战在机器学习算法上尤为突出，因其通过经验学习可能导致相似情境下做出不同响应。根据访谈反馈，机器学习可能阻碍透明度，特别是在理解算法决策依据方面，从而影响算法的可解释性。

　　部分研究表明，随着预测和解释算法行为的复杂性增加，对算法进行全面测试的重要性日益凸显。一位受访者特别强调了构建精确测试环境的必要性，指出交易平台必须在测试环境中模拟真实市场场景。然而，过度聚焦测试可能导致忽视算法的可解释性，致使监管缺乏这一关键维度。

　　算法内部不同组件的集成也会产生复杂性——每个组件可能包含独立算法，这些组件间交互的不确定性可能导致算法整体行为偏离预期。文献指出，在金融市场中，算法采用的某些订单策略也可能损害透明度。例如：将大单拆分为小单（在交易时段分散下单量）、使用部分隐藏订单量（冰山订单）执行大宗交易等。虽然拆分订单能降低市场冲击，但会导致订单簿规模无法真实反映市场运行状况，因参与者无法知晓订单背后是否存在（及具体多少）隐藏交易量。对此，有受访者提到最优报价通常对应小额交易量，而大额交易往往集中于次优价格区间。因此可能需要额外指标（如流动性注入市场的速率）来准确解读市场——买卖意向的集中涌现能更透明地反映市场真实意向，帮助交易者把握市场方向和情绪。

　　需说明的是，上述策略也常被人工交易者采用（例如通过交易软件的现有工具实现）。

　　虽然大部分调查答复和访谈主要强调算法交易的积极影响，但部分受访者也认识到批发能源市场中存在（非）故意市场操纵的潜在风险。关于算法交易对市场操纵的风险，受访者意见不一。一个突出的观点是算法交易为市场增加了流动性，通常能降低被操纵的脆弱性。此外，部分受访者提到通过算法交易进行市场操纵与通过人工交易进行操纵并无根本区别。一些受访者补充说，订单或交易背后的意图最终决定了行为性质。具体风险因素和算法市场操纵案例请参见第6.5节。

　　部分受访者认为算法交易存在市场操纵风险。他们提到即使在流动性充足的市场中，操纵行为仍可能持续存在。在算法交易中，操纵活动通常涉及微小金额（如1欧分或仅1欧元的利润），但会全天反复执行。另一位受访者认为，由于算法依赖处理大量数据，可能比人工交易更容易受到操纵。操纵输入信息可能会影响算法的输出和后续操作。

　　一个涉及算法的潜在操纵行为例子发生在所谓的机器人战争情境中——两个算法相互竞争时。此类快速操作有时会表现出类似分层/幌骗（layering/spoofing）的行为特征，即向市场发送虚假或误导性信号。具体表现为：两个算法通过一系列订单调整相互争夺最优（最高）买单，这种竞争持续到嫌疑方算法触及价格上限时，该方随即以对手方最高买单价格卖出，并迅速撤销自身买单。其操纵性体现在：通过分层/幌骗行为（即在反向交易后快速撤销订单簿一侧订单）将买入价推至极限值。若此类不良行为属非故意，可通过有效控制和合规措施予以防范（参见第6章）。

　　另一例算法相关潜在操纵行为表现为：订单活动极端到干扰其他参与者查看订单簿。这种情况源于算法相关性引发的优化循环或反馈循环——两个及以上算法竞相优化订单时产生的双向价格波动。例如：两个算法争夺订单簿中最优（最低）卖单位置。当算法A将价格调整至低于算法B价格下限时，算法B不再试图报出更低价格，而是将报价改为略优于原次优价格的次优报价；随后算法A跟进调整，使其报价略优于算法B的新次优报价；当算法A最优报价重新进入算法B价格区间时，算法B再次通过微调价格夺回最优位置。此类调价行为持续导致价格上下波动，其持续时间取决于算法编程设定。极端情况下（如每分钟数千次调整），可能导致其他交易者无法查看订单簿。部分受访市场参与者承认优化循环的存在，但强调已实施控制机制（如最大价格差限制、最终成交价监控）来抑制此类循环波动。如第6章所示，市场参与者主动在算法交易中设置限制和保障措施以维护市场稳定性。

　　图10：优化循环的示意图。右侧价格为虚构；实际上，价格变动幅度通常以分为单位。

　　复杂且高频的算法交易需要采用不同的方法来识别可疑交易模式。交易平台有责任检测可疑交易行为并向监管机构报告。此外，能源和金融监管机构也进行独立的市场监控。

　　算法交易订单的复杂性和高频特性使得识别特定行为风险及检测潜在可疑交易具有挑战性。算法交易中的交易序列可在毫秒级时间内完成，且近年来订单和交易活动总量快速增长。

　　算法交易使用的增加已导致监控方法发生变化。与人工交易相比，调查可疑算法交易行为现在需要采用更数据密集的方法。监管方向正转向定量数据分析和先进检测工具的开发。因此，监管机构正在投资专业人才和IT基础设施，以提升检测和分析此类交易行为的能力。

　　• 所有受访及受调查的市场参与者均向荷兰消费者与市场管理局（ACM）表示已建立针对算法的合规与风控措施（程度各异）。本研究中ACM未评估这些措施的实际执行情况，相关措施包括：限定订单价格与数量的范围、设置可立即停止所有算法交易的一键终止功能等。

　　• 鉴于本研究属探索性质，ACM未从监管角度评估这些合规与风控措施的有效性或实施情况（这超出研究范围）。

　　• 即使存在合规措施，不良行为风险仍可能持续存在。例如：应用控制措施和限额的实际效果取决于具体输入值，若输入值设定过高或过宽，相关控制可能在实践中约束力不足。

　　• 交易平台对参与者使用算法设有若干条件（主要为保障交易系统稳定性与价格发现质量）。

　　所有受访及受调查的市场参与者（目前使用或正在开发算法的）均在不同程度上制定了关于算法开发、测试、使用和监控的流程。这些流程详细且（部分情况下）定期审查。由于本研究为探索性质，ACM未从监管角度评估这些合规与风控措施的有效性或实施情况，这超出了本研究范围。需注意，本研究在2024年5月REMIT修订生效前完成，修订后的REMIT包含多项关于风控、合规及测试监控系统的义务要求（详见第7章）。

　　算法开发通常始于市场与数据分析。市场参与者随后制定（新）算法的逻辑或策略。某些检查是必要前提，如数据质量及数据在应用间传输是否正常。

　　• 算法表现符合预期：通过输入真实或历史数据（常模拟多种市场条件）检验算法行为，并检查其与市场上其他活跃算法的交互情况（测试方式包括自动和手动）。

　　• 算法性能良好：模拟交易是测试阶段的常规步骤，在使用实际订单簿数据的仿真环境中评估算法的预期收益表现。

　　• 算法包含所有必备要素：多数市场参与者设有算法要素清单，例如价格与数量限制等。

　　所有接受调查和访谈的市场参与者都会在算法开发期间进行测试。几乎所有接受调查的市场参与者（即15位受访者中的13位）会在每次算法修改后进行测试。大多数市场参与者在以下情况下也会（再次）测试其算法：

　　市场参与者会记录算法开发及使用过程中的多类信息。受访市场参与者列举了以下存储信息类型：

　　所有正在使用或开发算法的受调查市场参与者（共计15家）均至少存储部分算法开发使用信息。近全部参与者会记录以下内容：

　　所有受访及受调查的市场参与者均在算法交易中采用预交易控制和限制。预交易控制通过特定限制条件，决定单个订单在提交前必须经过的验证流程。预交易限制则适用于特定交易时段内所有订单的（合计）特征，例如未成交订单总量。

　　多数受调查市场参与者（15家中的14家）对算法采用多种预交易控制，最常用的包括：

　　约半数受调查参与者（15家中的7家）设置执行次数和市场/信用风险控制。另有5家参与者提及其他控制类型，例如：

　　当前使用或开发算法的大多数受访市场参与者都设置了多种预交易限制。根据调查结果，主要应用的预交易限制如下（按使用频率降序排列）：

　　• 策略头寸限制：15家市场参与者中的14家设置此类限制，以确保策略头寸执行合规

　　• 未成交订单数量限制：15家中的11家对订单簿中任意时点的活跃未成交订单总量设限

　　另有5家市场参与者提及其他预交易限制类型，包括：数据完整性、市场冲击度、与其他算法的交互限制等。

　　价格与数量限制是访谈中最常被提及的限制类型。这些限制可防范胖手指错误（即人工输入订单价格和数量时的人为失误）。订单价格可设定绝对最小/最大值限制，和/或相对于参考价格（如最新成交价）的限制。此类价格限制能防止算法在竞争最优价格时（即优化循环）超出特定价格水平。

　　数量限制可设定单个订单的最小/最大交易量。头寸限制则避免算法买入或卖出过量。

　　算法被限制在紫色价格带宽区间内运行。若无价格限制，算法可能自由运行至粉色线标示的带宽外区域。

　　频率限制和防止自我交易的控制措施也常被受访市场参与者采用。从技术上讲，一个算法每秒可在交易平台上更新数百万次订单。频率限制规定了算法在特定短时段内（如每秒）可在交易平台提交的订单或订单更新的最大数量，从而防止订单簿过载和对市场造成混乱影响。

　　部分市场参与者在同一市场同时使用多个算法，因此需要设置控制以防止同一参与者的不同算法相互交易（即自我交易）。其他市场参与者则通过先在内部市场（公司内部）提交新订单，仅将净头寸带入外部市场来解决这一问题。

　　基于对可疑交易行为案例的评估，ACM注意到不同市场参与者在控制和限制措施的应用上存在差异。有些参与者更依赖交易员的监控，而其他参与者采用的控制措施与受访者高度相似。在ACM调查的多个案例中，相关参与者都新增了检查程序以确保算法与其他算法的正常交互。

　　• 算法选择与参数设置：交易员需预先选择使用何种（类型）算法及使用方式，例如设置算法参数值。有受访者解释，信号生成器会向交易员发送按特定策略交易一定数量的请求，交易员和信号生成器负责人需共同核验该请求的参数值。

　　• 算法监控：多数受访市场参与者的交易员负责监控算法运行。当交易条件变化时，不同参与者的应对方式各异：有的交易员会停止算法转为人工作业，有的则调整算法输入值，还有的在算法触及预设限制时会收到通知，需手动决定是否继续算法交易。多位受访者要求交易员必须全程监控算法运行（除短暂休息外），不得无人值守。因此有受访者表示算法交易仅在办公时间进行，但也有参与者在非办公时间通过自动化监控进行算法交易——基于燃料分析、预期供需等基本面信息设定的市场公允价值区间，并辅以历史数据作为参考。

　　多数市场参与者建立了实时监控系统和/或要求交易员监控算法交易活动。在使用或开发算法的受调查市场参与者中，大部分（15家中的12家）设有自动化监控系统，并要求交易员持续监控算法订单（15家中的12家）。这一情况与访谈结果一致。通常，此类监控系统会针对多类问题发出警报，参与者主要关注两方面：i) 可能构成操纵行为的交易模式检测；ii) 算法异常行为识别。

　　当发现异常情况时，交易员将进行干预。算法交易异常既可能由交易员主动发现，也可能来自监控系统的警报提示（此类警报通常需人工核查）。受访市场参与者并未预设需要交易员干预的异常情形清单，而是由交易员通过实际与预期交易量对比等多项指标，结合专业知识进行判断。在此背景下，参与者强调交易员均接受过包括REMIT相关内容在内的专业培训。

　　部分市场参与者从外部采购此类交易监控软件，其他则自主开发（访谈案例与ACM调查案例均存在这两种情况）。也有参与者同时使用自研和外部采购的监控软件。

　　几乎所有受调查参与者（15家中的14家）的算法都内置一键终止功能。该功能（亦称紧急停止开关）可使交易员在必要时立即停止所有算法交易。其中一家参与者还设置了常规终止功能——当长时间无人工操作时自动停止算法交易。

　　即使采取最佳合规措施，不良行为风险仍然存在。合规措施可最大限度减少不良行为发生，但某些因素仍可能导致非预期结果（ACM对此类行为进行市场监控，参见第5.2节）。主要风险因素包括：

　　•算法复杂性导致可解释性降低：算法越复杂，全面测试所有交易场景的难度越大。这一现象在机器学习算法中尤为突出——随着算法演进及应用环境变化，其对特定情境的反应可能发生改变。

　　• 多源数据输入增加测试难度：当算法接入更多数据源和数据类型（如新闻和社交媒体）时，验证复杂算法的预期反应变得困难]。各类数据源的交互可能导致输入错误，且难以及时发现和纠正不良行为]。

　　• 市场流动性影响：某受访交易平台指出，流动性不足时市场的自我修正倾向较弱；反之，多家平台表示高流动性市场中算法操纵市场的可能性更低。

　　• 机器学习算法的非预期学习：设计不当时，机器学习算法可能误将负面甚至操纵性交易行为识别为盈利模式。交易公司认为监督学习比强化学习的风险更低。

　　• 代码错误与技术问题：未被发现的代码错误或技术问题可能长期存在，导致算法持续做出错误决策，需主动干预才能解决。

　　•极端市场条件下的决策失灵：自学习算法在训练数据未涵盖的极端市场条件下可能做出不合理决策。

　　•内幕信息风险：市场参与者须确保算法不接收未公开的可能构成内幕信息的内部数据。算法负责人若获悉内幕信息，不得干预运行中的算法（即不干预原则）。

　　受访交易平台对允许市场参与者使用算法设有若干要求，但市场参与者始终对其算法交易行为负责。平台对参与者的主要要求包括：

　　•合规性测试：检测平台与算法连接的技术测试，通常在平台提供的测试环境中对应用程序接口（API）进行多场景测试。该测试不验证算法本身的逻辑或质量。当交易平台系统发生特定变更，或参与者修改连接方式时需重新测试。有参与者指出测试中95%的问题涉及算法与平台的通信。

　　• 算法终止功能：某平台要求算法必须内置紧急停止开关，支持即时终止算法运行。

　　•熔断机制：某平台表示，自从系统升级支持算法交易后，参与者能更好执行熔断措施。平台通过熔断机制在极端价格波动时暂停连续交易，以降低市场剧烈波动的概率和幅度。

　　交易平台还对算法在其平台上的使用过程设定条件。受访交易平台提及以下要求：

　　• 活跃订单数量限制：一家交易平台对市场参与者在较长时间段内可提交的订单数量设限，以防止订单簿中出现过多小额无效订单，从而保障交易系统稳定性与价格发现质量。

　　•下单频率限制：多家交易平台规定参与者在数秒时间内的最大下单次数，同样旨在维护交易系统稳定性与价格发现质量。

　　•订单量与价格限制：一家受访交易平台会在订单提交前检查参数，包括订单价格和数量，以过滤与当前市场状况严重偏离的极端值。

　　• 《欧盟能源市场完整性与透明度条例》（REMIT）修订版对从事算法交易的市场参与者规定了新的义务，要求其建立有效的风险管理系统、遵守交易阈值与限制、确保业务连续性，并向监管机构报备算法交易活动

　　• REMIT修订强化了荷兰消费者与市场管理局（ACM）对本国能源市场算法交易的监管权限

　　2024年5月7日生效的REMIT修订版对算法交易参与者和各国监管机构提出了新要求，旨在应对欧盟能源批发市场日益增长的算法交易风险。根据REMIT第5a条，从事算法交易的市场参与者必须：

　　- 向所在国监管机构（NRA）和欧盟能源监管合作机构（ACER）报备算法交易活动

　　(v) 当市场参与者向有组织市场(OMP)提供直接电子接入服务时，该实体应向其母国监管机构(NRA)及欧盟能源监管合作机构(ACER)进行相应报备。

　　这些新义务要求市场参与者承担更大责任，必须通过主动监督确保其算法交易活动的完整性与稳定性。具体包括：

　　•数据管理义务：在ACM注册的REMIT市场参与者须同时向ACM及ACER报备算法使用情况，要求ACM建立系统化数据管理机制

　　•核查权限：作为国家监管机构(NRA)，ACM有权要求市场参与者提供算法相关细节及文件以核查REMIT合规性

　　整体而言，REMIT修订案强化了对（荷兰）能源市场算法交易的监管权限，包括通过结构化监管流程监控市场参与者的合规情况及内部流程。ACM计划将本次算法交易市场调研成果融入荷兰能源批发市场监管实践，并通过与AFM等监管机构的持续对话，协同监管措施以实现全面监督。

　　访谈显示，许多交易商已建立符合第6章所述的结构化算法交易合规框架。部分参与者参照《金融工具市场指令II》(MiFID II)的RTS6标准制定措施，认为其已满足REMIT II要求，仅需微调即可符合新规。另有参与者通过自评表记录算法细节，认为已涵盖REMIT II要求。此外，交易所平台现有的严格合规体系大多已包含REMIT II要素。

　　部分市场参与者对REMIT修订案提出的算法交易要求表示担忧或存在理解不确定性，希望就技术标准等细节获得进一步解释以完善合规实践。一位受访者认为MiFID II的RTS6标准不应直接套用于能源批发市场，因能源市场与金融市场的本质差异导致部分算法交易标准不适用。ACER及各成员国监管当局正认真考虑相关方提出的关切。