2010 年閃電崩盤：演算法如何把一筆賣單變成急殺

目錄

1. 演算法是 2010 年閃電崩盤的成因嗎？
2. 2010 年 5 月 6 日，逐分鐘發生了什麼事？
3. Waddell & Reed 的賣單有多大？
4. 流動性為何消失，還自我加劇？
5. 閃電崩盤之後，規則有哪些修改？
6. 如何用崩盤日對策略做壓力測試？
7. 部位大小對崩盤日回撤有多大影響？
8. 常見問題
9. 參考文獻

演算法是 2010 年閃電崩盤的成因嗎？

演算法是 2010 年閃電崩盤的成因，但只是其中一環：一筆約七萬五千口 E-mini 的自動賣單啟動下殺，其他自動化交易者再放大跌勢。並無單一程式失控。對回測的啟示是：除了訊號，也要在急跌日測試部位大小與執行。

CFTC 與 SEC 的聯合幕僚報告（2010）描述了一連串普通程式：各自照設計運作，彼此互相反應。執行演算法是把一筆大單拆成許多小單、分時送出的程式。造市演算法是同時報出買價與賣價，並盡量在收盤時幾乎不留部位的程式。平常的午後，這兩類程式彼此成交，相安無事；2010 年之前的演算法交易研究也發現，它通常會縮小價差、增加流動性（Hendershott、Jones 與 Menkveld，2011）。5 月 6 日，同樣的程式遇上稀薄而緊張的市場，每個程式的行為都讓其他程式的行為更糟。這種放大如何發生，見下方的流動性一節。

這對散戶系統化交易人之所以重要，是因為幾乎每個回測都藏著同樣兩個假設：你這個口數的委託單，總能在接近最新價的位置成交；持有幾口只是細節。閃電崩盤是這兩個假設同時失效最清楚的公開紀錄。本文的主張只有一個：崩盤日的損害取決於你的部位大小與成交假設，而非進場訊號。最後兩節用 ES 的實際回測來檢驗這個主張。

2010 年 5 月 6 日，逐分鐘發生了什麼事？

整段下跌與大部分的回升，都發生在午後約一小時之內。2010 年 5 月 6 日原本就是疲弱的一天：歐洲債務疑慮讓美股指數走低、波動率上升，到午後稍早，E-mini S&P 500 的買方流動性已遠低於正常水準。在這個背景下，報告以美東時間列出以下順序：

1. 下午 2:32 一家大型基金在 E-mini S&P 500（代號 ES；合約說明見 S&P 500 期貨說明：ES 與 MES）啟動自動賣出程式。程式的設定是以前一分鐘成交量的 9% 作為賣出速度，沒有價格限制，也沒有時間限制。
2. 下午 2:41 至 2:44 跌勢加速。E-mini 在約三分鐘內下跌約 3%。造市者與高頻交易者開始撤退。
3. 下午 2:45:28 E-mini 較先前水準下跌約 5%，CME 的停損邏輯功能讓該合約暫停交易 5 秒。當後續成交即將穿過一整排等待中的停損單時，暫停會自動觸發。
4. 下午 2:45:33 恢復交易。買方回到 E-mini，價格開始回升。相對地，股票市場最糟的時刻在此之後才出現：由於報價已撤回，有些股票成交在 1 美分，有些則成交在 10 萬美元。
5. 約下午 3:00 多數指數期貨與多數股票回到接近下午 2:40 的水準。道瓊工業指數在最低點時曾下跌近一千點。

期貨交易人要看的關鍵細節，是反轉出現在哪裡。一家期貨交易所內的 5 秒暫停，就足以讓買方重新評估，期貨也比股票更早回升。速度正是重點：5 月 6 日的日 K 棒只留下一根長下影線，把每一分鐘都藏了起來。因此本文後面的壓力測試，讀取的是最糟的一天與其前後的回撤，而不只是收盤對收盤的報酬。

Waddell & Reed 的賣單有多大？

這筆委託約七萬五千口 E-mini，價值約 41 億美元，問題不在規模，而在速度。報告將賣方描述為一家為持股避險的大型共同基金集團。媒體後來指出該公司是 Waddell & Reed。這家基金先前執行過規模相近的賣出。當時耗時逾五小時，因為委託單分散在一整天，市場把它當成例行成交量消化。

5 月 6 日，這家基金使用的執行演算法只有一條指令：賣出前一分鐘成交量的 9%。沒有價格下限，也沒有最短執行時間。成交量參與演算法是指市場成交增加時賣得較快、成交減少時賣得較慢的程式。當成交量代表真實的買進意願時，這種設計合理。但成交量若因市場恐慌而上升，設計就會失靈，因為演算法會把下跌的市場讀成加快賣出的訊號。5 月 6 日，整筆委託在約 20 分鐘內全數成交。

散戶交易人不會送出這種規模的委託，但同樣的錯誤會以小規模出現。回測若在委託簿空空如也的日子，把市價單成交在 K 棒收盤價，就和賣出演算法犯了同一個假設：成交量等於流動性。這個假設藏起來的成本，見 回測中的交易成本：手續費、滑價與平均每筆損益。停損單是等價格觸及觸發價才轉為市價單的委託，所以在下跌的委託簿中，它成交在下一個買方所在的價位，而不是觸發價。

流動性為何消失，還自我加劇？

流動性消失，是因為平常向賣方買進的交易者不會長時間持有庫存。價格快速下跌時，他們停止買進，或把合約轉手給彼此，而賣出演算法把這種轉手誤當成需求。流動性是指在不推動價格的前提下，能在現價附近買進或賣出的數量。平常的日子，E-mini 的流動性多半來自造市者與高頻交易者，他們持有部位數秒到數分鐘，並設法讓部位回到持平。

下午 2:41 到 2:44 之間，這些交易者向賣出演算法買進，發現自己在下跌的市場中持有多單，於是彼此賣出以回到持平。報告稱這種現象為「燙手山芋」效應。暫停前的 十四秒內，高頻交易者成交逾兩萬七千口，約占該時段成交量的一半，而他們合計的淨部位只變動約兩百口。成交量暴增，實際的買進深度卻不存在。Kirilenko、Kyle、Samadi 與 Tuzun（2017）根據交易所的帳戶層級紀錄指出，高頻交易者並未引發崩盤，但他們持有時間短，無法吸收那樣規模的單向委託。

想像一個只有一個出口的擁擠大廳。幾個人開始衝向出口，門口的人群移動得更快，看起來像更多人正在離開。實際上沒有人出得去，大家只是互相推擠。若有程式計算門口的移動量，會判定出口寬闊，並加大力道。成交量參與演算法正是這樣做的。5 秒暫停則像管理員把門暫時關上，讓人看清大廳並沒有失火。

落到你自己的研究上：依賴成交量衡量交易興趣的規則，必須在急跌日檢驗，因為那時成交量與流動性方向相反。台指期的同類檢驗，見 如何在台指期崩盤情境下對策略做壓力測試。

閃電崩盤之後，規則有哪些修改？

監管機關與交易所為個股加入自動暫停，後來改以價格區間取代；訂定固定門檻來取消明顯錯誤的成交；並保留曾讓 E-mini 暫停的交易所層級停損邏輯。熔斷機制是指價格在設定時間內波動逾設定幅度時，自動停止交易的規則。2010 年 5 月 6 日以前，美國股市只有與道瓊指數大幅單日波動連動的全市場熔斷，當天沒有任何一個觸發。

防護機制	2010 年 5 月之前	之後
個股暫停交易	無	2010 年 6 月引入：5 分鐘內漲跌 10% 後暫停 5 分鐘，先從 S&P 500 成分股實施
漲跌停價格區間	無	後續分階段實施，以價格區間取代個股暫停，區間外的價格不予成交
明顯錯誤成交的規則	逐案處理	2010 年議定的固定百分比門檻，讓交易者事先知道哪些成交會取消
E-mini 的交易所停損邏輯	已存在	保留；正是它在 2:45:28 讓期貨暫停 5 秒的機制

取消規則與任何在回測中包含 5 月 6 日的人有關。崩盤當晚，交易所與 FINRA 取消了下午 2:40 至 3:00 之間、成交價偏離下午 2:40 價格逾六十% 的股票交易。落在區間內的交易則維持有效。某檔股票的停損單若成交在前一價格下方 40%，那是實際損失，而使用清理過資料的回測不會顯示它。E-mini 的成交未取消；期貨委託簿沒有像部分股票委託簿那樣掏空。在從自己的資料讀出崩盤日結果之前，先確認哪些成交仍保留在資料中。

今天，同樣的連鎖會更早中斷。價格區間擋得住股票成交在 1 美分。但期貨端的機制沒變：沒有價格限制的賣方，與不願持有庫存的造市者，仍可能在稀薄的委託簿相遇。規則縮小了迴圈能延伸的範圍，卻沒有消除迴圈。

如何用崩盤日對策略做壓力測試？

用貼近實際的交易成本執行策略，歷史要包含急跌日，然後讀取單日最糟的一天與其前後的回撤，而不是平均每筆損益。平均值會掩蓋崩盤；2019 年起 ES 的日 K 棒回測涵蓋 2020 年 3 月，當時指數在數週內下跌約三分之一，最糟的一天就在這段期間。最大回撤是權益曲線從高點到下一個低點的最大跌幅，計算至創下新高為止。步驟如下：

1. 選擇至少包含一段急跌期的歷史。ES 的話，2019 至 2025 年涵蓋 2020 年初。台指期的同一段期間，也包含這個事件在台灣交易時段的表現。
2. 每筆交易都計入手續費與滑價，第二次回測再把滑價加倍。崩盤日只假設差 1 個跳動點成交，屬於樂觀情境。
3. 以下一根 K 棒成交，而非訊號 K 棒。讀取日收盤價的規則，無法在該收盤價成交。
4. 讀取急跌週前後的交易明細。找出單筆最差交易與單日最差表現，並確認跌勢開始時策略是持有多單、空單或空手。
5. 以預定帳戶資金的比例，讀取事件前後的回撤，再把權益數列輸入免費的最大回撤計算機，了解回復花了多久。

下方方框是依照這些步驟做的實際回測。測試使用 2019-01-02 至 2025-06-30 的 ES 日 K 棒，多空皆做，1 口，每筆交易手續費 $20、滑價 $25。規則只是替代用的：以標準差指標規則作為唯一的進出場條件，沒有停損、停利與濾網，由標準指標建立，而非出自閃電崩盤本身。搜尋共嘗試 1,024 個候選策略，只留下這一個，依報酬相對回撤的比例挑選。事後挑出留下的那一個，會讓它的數字好看：同一份資料上的其他候選策略表現較差，而留下的這個帶有選擇加成，新資料不會重現。AlphaPrime（Valynox）在 1,024 次評估的每一次，都透過其回測套用 $20 手續費、$25 滑價與下一根 K 棒成交，所以下方的回撤數字已經包含急跌日的執行成本。

解讀方式：最大回撤 $15,520，約為六年半淨損益 $51,142.5 的 30%，且策略只有 14.83% 的時間持有部位。持倉時間占比低，是崩盤那幾週沒有造成更大傷害的主要原因：一條多數時間空手的規則，在多數糟糕的日子也是空手，這既是設計使然，也是運氣使然。該研究的是 2020 年初前後的權益曲線，而不是摘要表，因為摘要無法告訴你，回撤來自一個崩盤週，還是緩慢的失血。這些都不是預測；這只是這個留下的候選策略，在這段歷史、扣除成本之後的紀錄。

部位大小對崩盤日回撤有多大影響？

進出場固定不變時，下方九種資金管理方法產生的最大回撤相差數倍，代表在急跌日，你持有的口數比訊號更能決定損害。部位大小是決定每個訊號要交易幾口的規則。第二個方框取用上方方框中同樣的 151 筆交易，給定 $100,000 資金與 10 口上限，並以各方法報表的預設值套用九種部位大小方法。各列之間的所有差異，都只來自部位大小。

從回撤欄位開始讀這張表。固定比例風險平均 5.46 口，最大回撤達 $134,658，高於 $100,000 的起始資金。凱利平均 1.11 口，最大回撤 $28,895。九列之中，進場訊號、出場訊號與每筆交易的日期完全相同。唯一改變的，是糟糕時期來臨時持有幾口。這是 5 月 6 日教訓的縮影：賣方的訊號（為投資組合避險）是合理的；部位大小與速度則不然。

另外有兩點。以近期波動率或固定金額風險決定部位大小的方法（此處固定金額風險與波動率目標的平均都是 2.67 口），把最大回撤控制在約 $39,795，同時保有 $139,443 的淨損益，因為市場劇烈時它們會縮小部位，而那正是最可能出現急跌日的時候。此外，這張表中每一種方法較高的淨損益，都是以較大的回撤換來的；兩個欄位同向變動。這個回撤對應你自己的帳戶需要多少口，可用免費的期貨部位大小計算機算出，回測中口數的運作方式見 口數如何改變期貨回測。持有部位通過交易時段開盤的當沖交易人，在更短的時間尺度上面對同樣的問題。

接下來，打開你自己的回測報表，找出歷史中跌得最快的一週，記下兩個數字：開始下跌時你持有幾口，以及口數加倍時回撤會是多少。若第二個數字大於你能撐過的幅度，最先該改的是部位大小規則，而非進場規則。

常見問題

2010 年閃電崩盤花了多久回復？

大部分跌幅約 20 分鐘內回復。E-mini S&P 500 約在美東時間下午 2:41 開始急跌，2:45:28 暫停 5 秒，到約下午 3:00，多數指數期貨與多數股票已回到接近下午 2:40 的價格。道瓊工業指數在最低點時曾下跌近一千點，當天收盤下跌約 3%。

閃電崩盤是演算法造成的嗎？

每一步都有演算法參與，但沒有任何單一程式造成崩盤。一筆沒有價格或時間限制的自動賣單啟動了下跌，而幾乎不持有庫存的造市與高頻程式，以彼此轉手合約而非吸收的方式放大了跌勢。CFTC 與 SEC 的聯合幕僚報告將它描述為一連串普通程式，在本就稀薄而緊張的市場中互相反應。

什麼是「燙手山芋」效應？

指高頻交易者向大賣方買進，發現自己在下跌的市場中持有多單，隨即彼此賣出以回到持平的模式。成交量急升，整個群體的淨部位卻幾乎不變。2010 年 5 月 6 日，高頻交易者在約 十四秒內成交逾兩萬七千口 E-mini，合計部位只變動約兩百口。

今天還會再發生閃電崩盤嗎？

2010 年以來新增的規則會更早中斷同樣的連鎖：個股暫停與後來的價格區間，讓股票無法成交在 1 美分，固定門檻則事先決定哪些成交會取消。不過底層機制並未改變。沒有價格限制的賣方，仍可能在稀薄的委託簿中遇上不願持有庫存的造市者，所以系統化交易人實際的對策，是依歷史中已有的急跌日來設定部位大小。

演算法交易風險對散戶交易人是什麼意思？

散戶帳戶的風險鮮少是失控的程式，而是把每一天都當成平均日來設定部位大小、並假設以最新價成交的策略。回測若計入貼近實際的手續費與滑價、以下一根 K 棒成交，並報告歷史中最糟階段前後的回撤，就能在動用真金白銀之前顯示這種風險。該養成的習慣是讀最糟的一天，而不是平均每筆損益。

參考文獻

• Staffs of the CFTC and SEC (2010). Findings Regarding the Market Events of May 6, 2010. Report to the Joint Advisory Committee on Emerging Regulatory Issues, September 30, 2010.
• Kirilenko, A., Kyle, A. S., Samadi, M., & Tuzun, T. (2017). The Flash Crash: High-Frequency Trading in an Electronic Market. The Journal of Finance, 72(3), 967–998.
• Hendershott, T., Jones, C. M., & Menkveld, A. J. (2011). Does Algorithmic Trading Improve Liquidity? The Journal of Finance, 66(1), 1–33.