2010 -- 閃電崩盤與高頻交易：毫秒級的市場#

案件描述#

2010 年 5 月 6 日下午 2:32，美國股市發生史上最離奇的崩盤：

道瓊指數在 5 分鐘內暴跌近 1,000 點（約 9%）；
成交量爆增到每秒數十萬筆；
部分股票（如 Accenture）以 0.01 美元成交——一分錢賣一股；P&G 暴跌 35%；
20 分鐘後，市場又反彈回原位。

這就是「閃電崩盤」（Flash Crash）。SEC 與 CFTC 的官方報告（2010）指出元凶是一支演算法賣單引發的流動性雪崩——而它發生的速度，說明市場已經完全進入毫秒級演算法交易的時代。

前因：高頻交易的崛起#

最佳執行的演算法化（Almgren–Chriss 2000，見 2000-AlmgrenChriss最佳執行.md）：機構訂單由演算法拆單執行。
做市演算法：Avellaneda–Stoikov（2008）把做市變成隨機控制問題——高頻做市商用毫秒級速度提供買賣價差。
速度軍備競賽：2000 年代末，交易延遲從秒 → 毫秒 → 微秒；券商花數億美元縮短光纖路徑（芝加哥到紐約的微波塔）。
線索：到 2010 年，美股約 50% 以上的成交量來自高頻交易（HFT）——市場已經是演算法互相交易的世界。

推理過程#

線索一：官方報告的時間線#

SEC/CFTC 報告（2010）與 Kirlenko 等（2015）的學術分析重建了整個案件：

2:32：共同基金 Waddell & Reed 用演算法賣出 75,000 份 E-mini S&P 500 期貨合約（約 41 億美元）——演算法設定「按成交量比例（POV）」賣出，不考慮價格。
2:32–2:45：高頻做市商先買後賣（快速倒手），持倉時間從平均數秒降到數十毫秒——流動性看似存在，實際是「虛假的流動性」。
2:45：做市商持倉爆增 → 停止報價（流動性蒸發）→ 演算法繼續按 POV 賣出 → 價格雪崩。
2:45:28：部分股票的買單報價跌到 0.01 美元（「stub quotes」——做市商的防護性最低報價被觸發）。
2:47：CME 的停損邏輯（Stop Logic）暫停期貨交易 5 秒 → 所有演算法同步重置 → 市場反彈。

線索二：流動性的數學本質#

偵探的核心推理：閃電崩盤的本質是「流動性不是常數，是狀態相依的」。

Almgren–Chriss 模型假設衝擊函數 \(\eta\) 是常數——但做市商的報價深度 \(D\) 隨持倉、波動率與壓力劇變：

\[ \text{實際衝擊} = \frac{\text{交易量}}{\text{報價深度}(t)} \]

當 \(D(t) \to 0\) ，同樣的交易量產生無限大的衝擊——一分錢成交就是 \(D \to 0\) 的極端案例。

Kirlenko–Kyle–Samadi–Tuzun（2015）用交易員層級資料證明：HFT 在崩盤前「買漲賣跌」（趨勢追隨行為），放大而非吸收了波動。

線索三：與 1987 年的同構#

	1987 黑色星期一	2010 閃電崩盤
元凶	投資組合保險程式	POV 演算法賣單 + HFT
放大器	正回饋：跌→賣→更跌	流動性蒸發：深度→0
速度	分鐘級（人工執行）	毫秒級（演算法執行）
解法	熔斷機制	Stop Logic + 之後的熔斷改革

同一個教訓：所有人都用同一類演算法時，系統性風險以更快的速度重演（見 1987-黑色星期一與投資組合保險.md）。

後果#

監管改革：
熔斷機制改革（2010–2012）：個股熔斷（Limit Up-Limit Down）、市場熔斷標準更新
stub quotes 廢除（2010）
SEC 的 Market Access Rule（2010）：券商必須對演算法接入設防護（kill switches）
MiFID II（2018，歐盟）：HFT 需註冊、演算法需測試
做市演算法的修正：做市商加入壓力偵測與自動停手邏輯。
學科化：最佳執行與做市成為隨機控制的完整學科（Cartea–Jaimungal 2015）。
速度的反思：IEX（2013，Banks 的 Speed Traders 書與《Flash Boys》2014）的 350 微秒延遲線——「速度不是一切」的反叛。
2017 年後：機器學習進入交易——深度學習的執行與避險（見 2017-深度避險.md）。

現代程式重現：流動性蒸發的雪崩#

import numpy as np

def flash_crash_sim(n_steps=300, sell_rate=0.002, depth0=0.05, seed=0):
    """流動性蒸發：報價深度隨壓力下降 → 衝擊爆增"""
    rng = np.random.default_rng(seed)
    price = 1.0; depth = depth0
    path = [price]
    for _ in range(n_steps):
        pressure = (1 - price)                    # 價格越低壓力越大
        depth = max(depth0 * (1 - 3*pressure), 0.001)  # 深度蒸發
        impact = sell_rate / depth                # 衝擊 = 量/深度 → 爆增
        price = price - impact - rng.normal(0, 0.001)
        path.append(price)
    return np.array(path)

path = flash_crash_sim()
print("最大瞬時跌幅:", (path.min() - 1) * 100, "%")
# 深度蒸發 → 衝擊爆增 → 閃電崩盤的數學本質

偵探筆記#

動機：POV 演算法不考慮價格 + HFT 的虛假流動性
工具：最佳執行、做市隨機控制、狀態相依的流動性
遺產：熔斷改革、做市的壓力邏輯、IEX 的速度反叛
核心教訓：流動性是狀態相依的——它會在最有需要的那一刻蒸發。

參考資料#

SEC & CFTC (2010). Findings Regarding the Market Events of May 6, 2010.
Kirilenko, A., Kyle, A., Samadi, M., Tuzun, T. (2015). "The Flash Crash: The Impact of High Frequency Trading on an Electronic Market". Journal of Finance.
Lewis, M. (2014). Flash Boys. W.W. Norton.