第 07 章 经纪商

本章对应 Harris 第 7 章 Brokers。除非你自己就是交易所会员，否则任何策略最终都要经过经纪商执行。经纪商能替你做很多事，也可能做一些对你不利的事。本章回答三个问题：经纪商为什么能比客户更便宜地完成交易；经纪商靠什么赚钱，这些收入来源会带来哪些利益冲突；客户怎样衡量和约束经纪商。对量化交易者，最直接的落点是交易成本分析（TCA）、券商与算法的评估、借券与融资成本，以及主经纪商的对手方风险。

学习目标

1. 说清经纪商的五项核心功能，尤其是它如何把清算结算中的信用核查从 \(O(N^2)\) 降到近似 \(O(N)\)。
2. 了解经纪公司前台、后台、自营三部分的分工，以及风险管理的真正目标。
3. 列举经纪商的收入来源（佣金、订单流付费、利息、卖空返还、承销、借券），理解软美元为何长期存在。
4. 理解委托—代理问题的根源是执行质量难以衡量，掌握最优执行的三个层次。
5. 认识六类不诚实行为（抢跑、不当暴露、欺诈性分配、预先安排与回扣、未授权交易与炒单、盗窃）及其防范机制。
6. 能用统计方法估计“需要多少笔订单才能分辨两家经纪商的执行质量”。

读前导读

这一章在解决什么问题。 经纪商对 CPA/CFA 读者并不陌生：CFA 道德准则里的“最优执行”“软美元”“公平分配”“优先处理客户交易”，几乎全是在规范经纪商和投资经理的关系。这一章从经济学角度解释这些规则为什么必要：经纪商之所以存在，是因为它能便宜地解决信用核查、交易所准入、找对手和谈判这些问题；而一旦有人替你办事，就有委托—代理问题，根源是执行质量很难衡量。衡量不了，就买不到；买不到，经纪商就没有动力提供。所以本章最重要的一句话是：执行质量的投入应当与审计能力相匹配。

量化实战部分把这句话变成了一个统计问题：两家经纪商的真实成本只差 2 bp，而执行期间的市场波动有几十 bp，需要多少笔订单才能分辨出来？答案可能比你想象的大得多。

需要先想起来的数学。

• 大 O 记号：\(O(N^2)\) 表示“数量级与 \(N^2\) 成正比”，只关心随 \(N\) 增长的速度，不关心常数。\(N=10^6\) 时，\(N^2=10^{12}\)，而 \(N=10^6\)；从 \(O(N^2)\) 降到 \(O(N)\) 意味着工作量少了约 \(N\) 倍。详见 第 00 册第 07 章 概率中的分析工具 中大 O 小 o 部分。
• 看跌—看涨平价：\(P-C=Ke^{-rT}-S\)，CFA 二级的内容。这里用连续复利贴现 \(e^{-rT}\)，和 CFA 常用的 \((1+r)^{-T}\) 只是计息方式不同。连续复利见 第 00 册第 03 章 积分 和 第 00 册第 04 章 级数与收敛。
• 两样本均值检验与检验力：你在 CFA 学过 t 检验和 p 值。这里多一个概念：检验力（power）是“差异真实存在时，检验能把它检出来的概率”。样本太小时，即使差异真实存在，p 值也常常大于 0.05，检验力低。样本量公式 \(n=2(z_\alpha+z_\beta)^2\sigma^2/\delta^2\) 会在讲解框里逐项解释。
• 独立随机变量的方差相加：\(\text{Var}(X+Y)=\text{Var}(X)+\text{Var}(Y)\)，所以总标准差是 \(\sqrt{45^2+20^2}\approx49.2\)，代码里的 np.hypot 算的就是它。这与 CFA 组合方差公式中相关系数为 0 的特例相同。

怎么读这一章。 7.1–7.2 精读“清算与结算”和“订单暴露管理”，其余快速浏览。7.3 记住风险管理的定位即可。7.4 中软美元、卖空返还和合成空头值得细读，它们与你的 CFA 知识联系最紧。7.5 是核心，最优执行三个层次要读懂。7.6 的六类不诚实行为可以对照 CFA 道德准则读，很快。量化实战第 1 节建议完整读懂，它给出的样本量结论对评估券商和算法有直接指导意义。

7.1 经纪商是什么

**经纪商（broker）是替客户安排交易的代理人（agent），通常收取佣金（commission）。它与交易商（dealer）**不同：交易商用自己的账户和客户成交，经纪商替客户找对手。许多经纪商同时提供投资建议，因而也影响客户的交易决策。

Harris 给出关心经纪商的四个理由：执行策略离不开经纪商，要知道它能为你和对你做什么；想当经纪商要懂这一行怎么竞争；自动化的指令驱动执行系统本质上是“电子经纪商”，要预测它们何时成功，得先懂传统经纪商的经济学；近乎相同的自动化系统有的按交易所监管、有的按经纪商监管，监管者需要分清两者。

经纪交易按市场分四类（表 7-1）：

从事大额资本交易的经纪公司就是投资银行（investment bank）。

7.2 经纪商为什么能降低交易成本

经纪商之所以是“低成本交易者”，是因为它能更便宜地解决清算结算问题，能接触客户接触不到的交易所和交易商，更清楚谁可能愿意交易，通常更会谈判，而且能在客户不在时替客户盯着订单。

清算与结算：最重要也最被低估的功能

只要成交不是即时结算，从成交到结算之间，交易者就面临对手不认账、拒绝结算或无力结算的风险。没有经纪商，每个交易者都得核查每个对手方的信用。经纪商的做法是担保（guarantee）客户会结算，或者用自己的商业声誉为客户背书（vouch）。经纪商擅长这件事，因为它了解客户（不接受超过客户支付能力的买单或超过持仓的卖单），而且控制着客户存入的资产：客户不付款，经纪商可以卖掉所买股票、亏损记入客户账户；客户不交券，经纪商可以借入或买入证券完成交割，再处置客户账户资产抵债。

例（信用核查的倍增）：100 万个交易者两两之间的潜在信用关系有

\[N(N-1)=10^6\times(10^6-1)=999{,}999{,}000{,}000\]

个，接近 1 万亿。若有 100 家经纪商，每家服务 1 万名客户，信用关系只剩三类：经纪商核查客户 \(100\times10{,}000=10^6\)，客户核查经纪商 \(10^6\)（经纪商信用众所周知时可以走过场），经纪商之间互查 \(100\times99=9{,}900\)，合计 \(2{,}009{,}900\)，比没有经纪商时小约 50 万倍。

这个功能在指令驱动市场里尤其重要，因为这类市场撮合的是完全陌生的人。

推导拆解：把例子写成一般式。设 \(N\) 个交易者、\(m\) 家经纪商，每家服务 \(N/m\) 个客户。

1. 无经纪商：每个交易者要核查其余 \(N-1\) 人，共 \(N(N-1)\) 次（A 查 B 和 B 查 A 算两次）。
2. 有经纪商：经纪商查自己的客户，共 \(m\times N/m=N\) 次；客户查自己的经纪商，共 \(N\) 次；经纪商之间互查 \(m(m-1)\) 次。合计 \(2N+m(m-1)\)。
3. 代入 \(N=10^6\)、\(m=100\)：\(2\times10^6+9{,}900=2{,}009{,}900\)；与 \(N(N-1)\approx10^{12}\) 相比，缩小约 \(10^{12}/(2\times10^6)=5\times10^5\) 倍。

当 \(m\) 远小于 \(N\) 时，\(2N\) 占主导，所以说从 \(O(N^2)\) 降到了近似 \(O(N)\)。这就是“轴辐式”（hub-and-spoke）结构的威力，与第 03 章中央对手方清算的逻辑相同：把 \(N^2\) 量级的双边关系换成 \(N\) 量级的“每人对中心”的关系。

提供交易所准入

交易所通常只允许会员交易，主要原因是清算结算和场内秩序。介绍经纪商（introducing broker）既不清算也不执行，把订单交给作为清算会员的经纪商；介绍经纪商决定客户佣金，客户账户由清算会员持有。许多经纪商允许客户通过其系统直接接入交易所、ECN 和交易商，这类客户称为订阅者（subscribers），经纪商仍担保结算，并可以为其设置实时信用额度。这就是今天直接市场接入（DMA）和券商事前风控的雏形。场内交易所排除非会员的另一个原因是场内交易需要熟练掌握规则、行话和手势，新人一般先当场内文员。

提供交易商准入

零售客户与交易商之间建立信用、清算和结算关系的成本很高，经纪商替他们做这件事，而且更清楚哪个交易商报价最好。机构客户交易量大，常由**买方交易员（buy-side trader）直接与交易商谈判，按净价（net price）**交易，不付佣金，交易商把费用含在价格里。

专家交易者

• 大宗经纪商（block broker）知道谁想交易、什么条件下谁会想交易。这一行有很强的网络外部性（network externality）：联系人越多服务越好，客户越多联系人越多。新经纪商只能用研究和招待来打开局面，这也解释了经纪人为什么工时长、少度假。
• 更好的谈判者：好的谈判者控制透露的信息，必要时可信地虚张声势。经纪商对结果没有直接利害，情绪投入少；它往往也不知道客户的底线，客户可以借它虚报立场，谈崩了还可以归咎于经纪商、换人重启谈判。
• 订单暴露管理（order exposure management）：可能显著影响价格的订单不宜广泛暴露，因为别人要么“让开”等价格被推动后再行动，要么抢先交易。好经纪商只向可能成交的人展示订单，避开会抢跑的人，在人人可见的市场里拆单隐藏总规模。好经纪商成交大单而不太推动价格，差经纪商让信息泄露、执行变差。

代理限价单与止损单

无暇盯市的客户把限价单、止损单交给经纪商，由它替客户盯市。这对零售客户比对机构更重要。

7.3 经纪公司的组织

经纪公司的活动分为前台（front office）、后台（back office）和自营（proprietary operations）。前台接触客户：招揽和接收订单、执行交易、提供建议，包括销售经纪人、场内经纪人、公司金融部和研究部。后台支持前台：清算结算、账户维护、信息系统、信用管理和合规。

侧栏：1968 年的“文书危机”。1968 年美国股市成交量增长到后台处理不过来，6 月到 12 月交易所每周三休市让后台追赶，其他日子提前收市。危机最终靠账户自动化解决。

几个与量化交易相关的后台要素：

• FIX 协议（Financial Information eXchange）：起源于 Fidelity 与 Salomon Brothers 连接双方系统的需要，1992 年发布初版，后成为公共规范，今天仍是机构交易系统与券商、交易所之间收发订单和成交回报的标准协议。
• 信用管理：客户资金不足仍买入、卖空、保证金贷款、担保结算，都是经纪商对客户的授信。
• 合规：确保客户交易的适当性（suitability），即“了解你的客户”。
• 街名持有（street name）：客户证券登记在经纪商或存管机构名下，经纪商负责派息、处理拆股和并购等公司行动。

自营部分包括现金管理、证券借贷和风险管理。Harris 对风险管理的定位很值得记住：风险经理的工作不是防止损失。公司从事风险活动，是因为预期收益足以补偿可能的损失；风险经理要确保管理层充分理解所有可能的损失及其概率，防止流氓交易员建立未授权头寸，不对差信用过度授信。为保证独立，风险经理常直接向 CEO 汇报。

金融直觉：这和 CFA 风险管理框架中的“风险偏好—风险预算”思路一致：风险是公司赚钱的原材料，不是要消灭的东西。风险经理的职责类似审计师对财务报表的职责：不替管理层做经营决策，而是保证管理层看到的风险数字是真实、完整的。巴林银行（1995）、法国兴业银行（2008）的流氓交易员案，问题都不在于“承担了风险”，而在于前后台没有分离、头寸没被如实报告，管理层根本不知道自己承担了多大风险。

7.4 经纪商怎样赚钱

收入主要是佣金，成本主要是人工。其他收入解释了为什么有些经纪商能低佣金甚至零佣金生存，其他成本解释了大经纪商的规模优势。

佣金

多数国家佣金可协商，美国 1975 年、英国 1987 年、日本 1999 年放开，香港计划于 2003 年放开。佣金高低取决于服务多少：深度折扣经纪商最便宜、服务最少，全服务经纪商最贵。原书写作时美国机构股票佣金平均每股 5–6 美分，其他多数国家按成交金额计费。原书表 7-2 列出了 2001 年美国零售佣金，例如深度折扣经纪商股票市价单每笔 12 美元，全服务经纪商每笔最低 100–250 美元；期货佣金按“往返（round-turn）”计价，因为预期客户在交割前平仓。全服务经纪商越来越多按资产收取统一费用（包管账户 wrap account，一般为资产的 1%–3%），这样可以降低经纪商**炒单（churning）**的动机。

现状补充：2019 年 10 月美国主要零售券商把网上股票交易佣金降为零，订单流付费和客户现金利息成为零售券商的主要收入。香港已于 2003 年 4 月取消最低佣金。

软美元

美国 1975 年 5 月 1 日（“May Day”）之前佣金固定，且远高于竞争水平，经纪商只能用“附送服务”竞争：免费研究、系统、培训、球票。为了公平记账，形成了软美元会计（soft dollar accounting）：客户每付一定量“硬美元”佣金，换一“软美元”，用于购买研究等服务。

佣金放开后软美元反而更多。SEC 估计 1998 年用软美元支付的研究超过 10 亿美元，平均每 1.7 美元硬佣金换 1 美元软服务。原因在基金会计：基金用现金买研究要计入费用，抬高费用率；佣金则计入买卖价格，只表现为略低的收益，投资者很难察觉。1975 年《证券交易法》修正案的第 28(e) 条安全港规定，只要投资顾问善意判断佣金相对所获研究和经纪服务的价值合理，就可以支付高于最低水平的佣金。这样，原本像回扣的做法在美国就合法了。

金融直觉：用 CPA 的眼光看，软美元是一个“费用资本化”的问题。基金直接付钱买研究，计入管理费用，费用率上升，投资者一眼就能看到。通过软美元买研究，这笔钱藏在佣金里，而佣金计入证券的买入成本或冲减卖出收入，只体现为投资收益略低，不进费用率。经济实质相同，列报位置不同，投资者的感知却完全不同。这正是 CFA 准则要求软美元只能用于“使客户受益的研究”、并需向客户披露的原因，MiFID II 的研究分拆则是用规则强迫它回到费用里。

现状补充：欧盟 MiFID II 自 2018 年起要求资产管理人把研究费用与交易佣金分开支付（研究“分拆”），软美元在欧洲大幅收缩。

订单流付费、利息与卖空返还

• 订单流付费（payment for order flow, PFOF）：交易商为得到经纪商的客户订单而支付的款项。1997 年占 E*TRADE 交易收入的 24%，2001 年二季度降到 15%，因为小数化后价差收窄，交易商付得少了。
• 利息：保证金贷款利率通常比短期国库券利率高约 2.5 个百分点；客户现金余额付息低于经纪商投资所得。期货经纪商一般不给零售客户现金付息：5% 利率下，2 万美元闲置现金每年为经纪商带来 1,000 美元，相当于 50 次 20 美元的往返佣金。
• 卖空利息返还（short interest rebate）：卖空所得留作抵押，经纪商把它投资生息；借入证券时，出借方要就现金抵押向借入方支付利息。美国的返还利率通常为联邦基金利率或 LIBOR 减借券费，易借证券的借券费每年约 10 个基点，难借的称为**“特殊”（on special）**。5% 利率下 10 万美元空头每年产生 5,000 美元利息，远超开平仓佣金。大客户能要回一部分，零售经纪商几乎都不付。
• 证券出借费：股权集中、卖空需求大的证券借券费最高。

白话解释：卖空的现金流可以这样理顺。你借入 100 股、卖出得到 1 万美元，这 1 万美元不能自由使用，而是作为抵押留在出借方（经由经纪商）那里。出借方拿着这笔现金可以生息，所以要按某个利率把利息“返还”给借券者，这就是卖空利息返还（rebate）。返还利率 = 市场利率 − 借券费。易借的股票借券费约 0.1%，返还接近市场利率；难借的股票借券费可能高达每年百分之几甚至几十，返还利率可以为负，等于卖空者要倒贴钱。零售经纪商把这部分返还留给自己，于是零售卖空者的实际成本比机构高出整整一个利率。

期货保证金术语：开仓交初始保证金（initial margin）；每天按盈亏通过清算所划转的是变动保证金（variation margin）；权益跌破维持保证金（maintenance margin）时收到追加保证金通知（margin call）。

合成空头：零售卖空者拿不到卖空利息返还，但可以用期权构造合成空头间接获得。由看跌—看涨平价（put–call parity）

“买看跌 + 卖看涨”等价于“卖空标的并把 \(Ke^{-rT}\) 投资于无风险债券”，这正是卖空者拿到卖空所得利息时的经济状态。当期权交易商的空头能拿到利息返还、竞争又迫使其定价反映返还时，构造合成空头者实际上就拿到了返还。卖出期货并持有同期限债券也一样。

（说明：精读笔记指出原文表述为“买看跌 + 卖看涨 + 债券多头”等价于空头，这一说法不严谨，此处按平价公式重述。）

推导拆解：为什么“买看跌 + 卖看涨”能让零售客户间接拿到卖空利息？

1. 平价公式移项：\(P-C=-S+Ke^{-rT}\)。右边是“卖空一股股票（\(-S\)）+ 持有一张到期付 \(K\) 的零息债券（\(Ke^{-rT}\)）”。
2. 机构卖空者的真实状态正是如此：卖空得到现金 \(S\)，作为抵押存着并拿到利息返还，相当于持有生息资产。到期时用 \(K\) 附近的钱买回股票。
3. 零售卖空者拿不到利息返还，他的状态是“\(-S\) + 一笔不生息的现金 \(S\)”，比右边少了利息。
4. 用期权构造：他直接买 \(P\)、卖 \(C\)，到期收益是 \(K-S_T\)（无论股价高低，都是一个看跌收益减看涨收益），和“卖空股票、到期用 \(K\) 平仓”一样。期初的净权利金由平价决定，\(P-C=Ke^{-rT}-S\)，其中 \(K\) 按利率 \(r\) 贴现，等于把卖空所得的利息按市场利率算给了组合持有人。只要做市商自己能拿到返还、竞争又迫使期权定价反映这一点，利息就隐含在了 \(P-C\) 的价格里。

一个推论：如果某股票借券费很高，平价会被“破坏”成 \(P-C>Ke^{-rT}-S\)，看跌期权相对看涨偏贵。量化研究中常用这种“平价偏离”反推隐含借券费，也把它当作卖空拥挤的信号。

承销、并购与成本

**包销（underwritten offering）**中投行保证发行人按发行价拿到全部款项，卖不完的自己买下；**尽力推销（best efforts offering）**没有这种保证，费用也更低。美国包销 IPO 的费用约为发行额的 7%。

成本方面，人工最大，其次是利息、营销、清算结算、数据和通信。信息技术有很强的规模经济：大公司能把系统固定成本摊到众多账户上，这解释了自动化以后经纪行业的大规模整合，小公司则多转型为介绍经纪商。

7.5 委托—代理问题

只要有人替别人工作，就有委托—代理问题（principal–agent problem）：代理人应该做委托人想做的事，却常常做自己想做的事。客户的手段是奖惩：显性奖励（按指标付费）、隐性奖励（把更多订单给做得好的经纪商）、显性惩罚（起诉、仲裁）、隐性惩罚（最常见：把业务转走）。

业绩衡量是关键

“你无法管理你无法衡量的东西”。佣金容易衡量，服务质量很难衡量。好的执行意味着低买高卖、该买时没错过、该卖时没错过；可客户很难判断自己是否拿到了最优价，也很难判断没成交是因为没人愿意交易，还是经纪商不够积极。第三方可以帮忙：评级机构、交易成本顾问，以及要求交易商和经纪商公布订单执行质量数据的监管规定。

现状补充：原书提到的执行质量披露规则（SEC Rule 11Ac1-5、11Ac1-6）在 2005 年 Reg NMS 中重编为 Rule 605（市场中心执行质量报告）和 Rule 606（经纪商订单路由报告），一直沿用至今。

最优执行的三个层次

经纪商接受订单就承担了**最优执行（best execution）**的代理责任，但这个词没有精确定义：

1. 不成熟的客户：市价单拿到“最好的价格”，限价单“尽快成交”，是绝对标准。
2. 较成熟的客户：执行质量取决于经纪商投入的资源，没有免费午餐，“给我我付钱让你提供的执行”。
3. 最成熟的客户：知道自己无法购买自己衡量不了的东西。如果经纪商认为客户无法衡量执行质量，就不会提供，因为花资源提供不被认可的质量，会被不这样做的竞争者用低价击败。所以这类客户只为能审计的质量付费：“在我付的价钱和我审计你的能力范围内，给我我预期的执行”。

第三层的含义对量化机构很直接：执行质量的投入应当与审计能力相匹配，自建逐笔成交与市场快照的数据，是买到好执行的前提。

白话解释：第三层是一个“柠檬市场”论证。二手车买家分辨不出好车坏车，只肯按平均质量出价，卖好车的人就退出了，市场上只剩坏车。执行服务也一样：如果客户分辨不出哪家经纪商执行得好，就只会按佣金高低选人，花了大力气提高执行质量的经纪商拿不到更高的价格，最终也就不再投入。所以“买得到好执行”的前提是“验得出好执行”。对量化机构，自建 TCA 系统不只是统计成本的工具，而是让经纪商愿意为你认真执行的筹码。

双重交易与订单优先导流

双重交易者（dual trader）既替自己交易（交易商）又替客户交易（经纪商），即经纪—交易商（broker-dealer）。最明显的冲突是内部化（internalization）：自己与客户成交时，客户想买得便宜，自己想卖得贵。同方向时也有冲突，双方都想先成交，借对方订单的冲击获利，这就是抢跑（front running）。美国期货市场要求双重交易者在同一价格上先执行代理单再执行自营单。小市场若完全禁止双重交易，可能明显降低流动性。

**订单优先导流（order preferencing）指经纪商按关系而非报价把订单送给偏好的交易商，常见于小额零售订单。交易商为此支付订单流付费，原书写作时美国股市约为每股 1 美分。批评者认为这像回扣。双方的做法是由交易商承诺服务标准，通常是以全国最优买卖价（NBBO）**或更好价格执行市价单；小单逐笔谈价成本太高，平均意义上的好价格和好服务就是最优执行。

现状补充：订单流付费是美国零佣金券商的主要收入之一，其利益冲突至今仍有争议；欧盟已在 2024 年的 MiFIR 修订中决定禁止 PFOF（设有过渡期）。

7.6 不诚实的经纪商

经纪商在欺诈收益相对预期成本较大、且难以被发现时最可能不诚实。所以不受监管的市场比监管良好的市场更常见，透明且有完整**审计轨迹（audit trail）的市场里经纪商更诚实。大型老牌公司的经纪人更可能诚实，因为声誉值钱，管理层有动力防范流氓员工；多数仙股欺诈（penny stock fraud）**发生在小型新经纪商。

六类不诚实行为：

1. 抢跑（front running）：不当地让一张订单先于另一张成交，先成交者从后者的价格冲击中获利。例：经纪人 Doug 先执行朋友 Fran 的买单，再执行大客户 Earl 的大买单，Earl 因流动性被抢走而成交更差。Harris 讲过一个 1960 年代白银期货的真实故事：一位交易者与某大经纪商的电话文员合谋，文员以携带订单的方式暗示大单方向，两人抢跑了 50 多张订单。今天审计轨迹和执行质量监控使抢跑难得多。
2. 不当订单暴露：为他人利益而非客户利益展示订单，例如把大买单的全部规模给一个根本无法成交的小交易商看，对方随即抬高卖价。
3. 欺诈性成交分配：把好价格的成交分给偏爱的客户或自己，把差的分给其他客户。
4. 预先安排交易与回扣：不把客户订单公开暴露就私下以较差价格安排成交；把订单送给交易商并默许其给差价，交易商再给经纪商好处。订单流付费看起来像回扣，但一般不是。
5. 未授权交易与炒单：未经授权替客户交易；或者建议客户以超出审慎程度的频率交易，主要为了赚佣金。“churn 'em and burn 'em” 式公司靠陌生电话不断找新客户。
6. 证券盗窃：机构通过**存管机构（depository）或托管人（custodian）**持有资产，经纪商只安排交易、从不经手资产，也就无从盗窃。

街名持有带来一个有趣的问题：卖空让“认为自己拥有股票的人”所持股数之和超过流通股数。只有登记持有人才能投票，经纪商在部分证券被出借时按客户指示的比例投票。DTC 托管的大量资产以 Cede & Co.（Central Depository 的缩写）名义登记。

白话解释：为什么卖空会让“自认为的持股”超过流通股？A 持有 100 股，经纪商把它借给 B，B 卖给 C。现在 A 的账户上仍显示 100 股（他并不知道被借出），C 也真实持有 100 股，市场上“认为自己有股票的人”合计 200 股，而公司只发行了 100 股。多出来的 100 股由 B 的空头头寸抵消，B 欠着 100 股要还。这在经济上没问题，但投票时只有 100 票，所以经纪商只能按比例分配投票权。这种“过度投票”（over-voting）问题在争议性股东大会上会引起实际纠纷。

经纪商破产常源于自营亏损、客户违约，或者最常见的，有人盗窃资产。Sunpoint Securities 一案中，管理层在 1997–1999 年系统性挪用客户货币市场账户 2,500 万美元。美国 1970 年设立 SIPC（证券投资者保护公司），原书写作时的赔付上限为现金 10 万美元、证券和现金合计 50 万美元。

现状补充：SIPC 的现金赔付上限已于 2010 年提高到 25 万美元（合计上限仍为 50 万美元）。NASD 于 2007 年与 NYSE 的会员监管部门合并为 FINRA，原书提到的 CRD 公开查询如今叫 BrokerCheck。2008 年曝光的 Madoff 庞氏骗局和 2011 年 MF Global 挪用客户隔离资金，都是资产不独立托管、客户资金未有效隔离时会发生什么的现代案例。

最后，Harris 提醒：所有安全系统都在威慑成功、看起来“没用”的时候最有效，人们因此常常低估它们的价值。

量化实战

1. 需要多少笔订单才能分辨两家经纪商？

委托—代理问题的根源是执行质量难以衡量。量化机构的标准做法是交易成本分析（TCA）：对每笔母单计算相对到达价（arrival price）的实施缺口（implementation shortfall），以 bp 计，买单为 \((\bar p_{\text{exec}}-p_{\text{arrival}})/p_{\text{arrival}}\)，卖单取相反数。问题在于，执行窗口内的市场波动是这个指标的主要噪声，真实的成本差异往往只有几个 bp。

下面的模拟设两家经纪商的真实平均成本为 10 bp 和 12 bp，执行窗口内的市场波动标准差 45 bp、个股噪声 20 bp。比较两种做法：直接比原始缺口，以及先剔除执行期间的市场（或行业）收益再比较。后者对应 Harris 所说的“相对同行而非绝对标准衡量业绩”。

import numpy as np, pandas as pd
from scipy import stats

rng = np.random.default_rng(0)
true_cost = {"A": 10.0, "B": 12.0}       # 两家经纪商真实平均执行成本（bp），B 比 A 差 2bp
beta, mkt_sd, idio_sd = 1.0, 45.0, 20.0  # 执行期间市场波动是成本噪声的主要来源

def simulate(n):
    rows = []
    for b, c in true_cost.items():
        mkt = rng.normal(0, mkt_sd, n)                    # 执行窗口内的市场收益（bp）
        side = rng.choice([1, -1], n)                     # 买为 +1，卖为 -1
        # 实施缺口（相对到达价，bp）= 真实成本 + 方向×市场漂移 + 个股噪声
        is_bp = c + side * beta * mkt + rng.normal(0, idio_sd, n)
        rows.append(pd.DataFrame(dict(broker=b, is_bp=is_bp, adj_bp=is_bp - side * beta * mkt)))
    return pd.concat(rows)

def power(n, col, reps=500):
    hit = 0
    for _ in range(reps):
        d = simulate(n)
        a, b = d[d.broker == "A"][col], d[d.broker == "B"][col]
        hit += stats.ttest_ind(b, a, alternative="greater").pvalue < 0.05
    return hit / reps

d = simulate(2000)
print(d.groupby("broker")[["is_bp", "adj_bp"]].agg(["mean", "std"]).round(2))
for n in [200, 1000, 5000]:
    print(f"每家 {n:>5} 笔订单: 原始缺口检出率 {power(n, 'is_bp'):.2f}, "
          f"剔除市场后检出率 {power(n, 'adj_bp'):.2f}")
# 解析近似：两样本 z 检验所需样本量 n = 2 (z_a + z_b)^2 sigma^2 / delta^2
za, zb = stats.norm.ppf(0.95), stats.norm.ppf(0.80)
for name, sd in [("原始", np.hypot(mkt_sd, idio_sd)), ("剔除市场", idio_sd)]:
    print(f"{name}: sigma={sd:.1f}bp, 80% 检验力所需每家订单数 ≈ {2*(za+zb)**2*sd**2/2.0**2:,.0f}")

输出：

        is_bp        adj_bp
         mean    std   mean    std
broker
A       11.06  48.97  10.76  19.95
B       14.28  49.83  12.60  19.78
每家   200 笔订单: 原始缺口检出率 0.11, 剔除市场后检出率 0.29
每家  1000 笔订单: 原始缺口检出率 0.24, 剔除市场后检出率 0.74
每家  5000 笔订单: 原始缺口检出率 0.65, 剔除市场后检出率 1.00
原始: sigma=49.2bp, 80% 检验力所需每家订单数 ≈ 7,496
剔除市场: sigma=20.0bp, 80% 检验力所需每家订单数 ≈ 1,237

结论有三条。第一，2 bp 的真实差距，用原始缺口要每家约 7,500 笔订单才能以 80% 的把握检出，几百笔订单的“排名”基本是噪声。第二，剔除执行期间的市场（或行业、配对）收益能把所需样本量减少到约六分之一，这就是“相对同行衡量”的统计含义。第三，这正是 Harris 第三层最优执行的量化版本：审计能力有限时，花大价钱买“更好的执行”很可能买不到可验证的东西。实践中还要按订单难度（规模占日均成交量的比例、波动率、价差）分组比较，否则经纪商之间接到的订单难度不同，比较就不公平。

推导拆解：样本量公式 \(n=2(z_\alpha+z_\beta)^2\sigma^2/\delta^2\) 的每一项。

1. 两家各 \(n\) 笔订单，样本均值之差的标准误为 \(\sqrt{\sigma^2/n+\sigma^2/n}=\sigma\sqrt{2/n}\)。这一步用了“独立变量方差相加”。
2. 单侧 5% 显著性水平下，检验统计量要超过 \(z_\alpha=1.645\) 才拒绝原假设，即观察到的差值要大于 \(1.645\times\sigma\sqrt{2/n}\)。
3. 真实差值是 \(\delta=2\) bp。要想有 80% 的概率观察到足够大的差值，真实差值需要比临界值再高出 \(z_\beta=0.842\) 个标准误（0.842 是标准正态分布的 80% 分位数）。所以要求 \(\delta\ge(z_\alpha+z_\beta)\,\sigma\sqrt{2/n}\)。
4. 解出 \(n\)：\(n\ge2(z_\alpha+z_\beta)^2\sigma^2/\delta^2\)。代入 \(\sigma=49.2\)、\(\delta=2\)：\(2\times(2.487)^2\times49.2^2/4\approx7{,}500\)。

关键在于 \(n\) 与 \((\sigma/\delta)^2\) 成正比：噪声减半，样本量降为四分之一；剔除市场后 \(\sigma\) 从 49.2 降到 20，样本量就从约 7,500 降到约 1,240。这和 CFA 里“用对冲基准降低跟踪误差的方差”是同一个道理：先把能解释的共同波动拿掉，剩下的差异才看得清。

2. 其他落点

• 融资与借券成本进回测：多空和市场中性策略要把借券费、卖空利息返还、保证金利率计入成本。借券费高（“on special”）的股票往往做空拥挤，既可以当约束，也可以当信号。借不到券时，期权或期货合成空头是替代方案。
• 佣金结构影响最优拆单：按笔、按股、按金额收费会改变最优子单大小；期货按往返计费。
• 系统实现：FIX 是交易系统与券商对接的标准；经纪商担保下的直接接入要求在本地实现事前风控（资金、持仓、价格笼子、频率限制）。
• 主经纪商风险：经纪商破产和挪用客户资产的案例提醒我们，要评估主经纪商的信用和资产隔离安排，必要时分散到多家券商。

本章小结

经纪商替客户安排交易，因为它能比客户更便宜地解决清算结算的信用问题，能提供交易所和交易商准入，了解对手方，会谈判，会管理订单暴露。经纪公司分前台、后台和自营，风险管理的目标是让管理层理解损失及其概率，而不是消灭损失。经纪商的收入除佣金外还有订单流付费、利息、卖空返还、承销和借券费；软美元因基金会计和第 28(e) 条安全港而长期存在。委托—代理问题的根源是执行质量难以衡量，最成熟的最优执行定义是“相对于审计能力”的；双重交易、内部化、订单优先导流都是利益冲突来源。抢跑、不当暴露、欺诈性分配、预先安排与回扣、未授权交易与炒单、盗窃，是需要防范的不诚实行为，审计轨迹、透明度、声誉、独立托管和投资者保护基金构成了威慑体系。

练习

基础

1. 有 \(N\) 个交易者和 \(m\) 家经纪商（每家服务 \(N/m\) 个客户），写出有经纪商时信用关系数的表达式，并对 \(N=10^6\)、\(m=100\) 验证原书结果。 答案：\(N+N+m(m-1)=2{,}009{,}900\)。
2. 为什么证券经纪商担保交易结算，而房地产经纪商不担保？（原书第 7 章第 11 题） 提示：证券市场撮合陌生人且交易频繁，经纪商控制客户资产，能低成本担保；房地产交易低频、标的独特、有托管和过户程序，买卖双方可以直接核查。
3. 解释“风险经理的工作不是防止损失”。
4. 软美元如何让基金报告更低的费用率？谁为此付出代价？ 答案要点：研究费藏在佣金里，佣金计入证券买卖价格而非费用，表现为略低的收益；基金投资者承担了这部分成本却难以察觉。
5. 为什么最成熟的客户“只为能审计的质量付费”？

进阶

6. 在量化实战的模拟中，把两家经纪商的真实差距改为 5 bp，所需样本量如何变化？若执行窗口从 30 分钟延长到一整天（市场噪声标准差约放大 \(\sqrt{13}\) 倍），结论又如何？ 提示：样本量与 \(\sigma^2/\delta^2\) 成正比。
7. 期货账户权益 20 万美元，头寸只需 10 万美元保证金，变动保证金日均现金流约 1 万美元。国库券收益 5%，以国库券抵押借款利率 10%，现金无息，每次买卖国库券（以 1 万美元面值为单位）收费 40 美元。应把多少权益投资于国库券？（原书第 7 章第 17 题） 提示：在“现金缓冲太少需频繁卖券或借款”与“现金太多损失利息”之间权衡，可写成存货模型，或模拟日度保证金现金流后对持券比例做网格搜索。
8. 用看跌—看涨平价推导：买入看跌、卖出看涨、同时持有面值 \(K\) 的零息债券，这个组合的收益是什么？它与“卖空股票并获得卖空所得利息”有何异同？ 提示：\(P-C+Ke^{-rT}=Ke^{-rT}-S+Ke^{-rT}\)，多出来的债券多头使组合不再是纯空头；与卖空等价的是“买看跌 + 卖看涨”，其隐含的利息体现在 \(Ke^{-rT}\) 中。
9. 经纪商把订单送给自营业务很大的交易商时，应承担哪些义务？是否应允许把订单流信息出售给自营交易者？（原书第 7 章第 8、9 题）
10. 为什么深度折扣经纪商按笔收费、美国机构经纪商按股收费，而其他国家机构按金额收费？（原书第 7 章第 19 题） 提示：从成本驱动因素（处理一笔订单的固定成本、美国股价水平与 tick 的关系、各国惯例与股价分布）考虑。

原书推荐习题：第 7 章思考题第 3、5 题（最优执行与无法衡量的服务）、第 8、9 题（自营交易、订单流信息与利益冲突）、第 17 题（期货账户现金管理）、第 19 题（佣金计费方式）。

原书对照

（书内页码 ≈ PDF 页码 − 13。）