한국거래소

유가증권시장본부 주식시장총괄팀

아시아 증권시장의

알고리즘매매 현황과 대응전략

- Trading Architecture Asia 2010 (홍콩) 참석 후기 -

I. 알고리즘메메의 현황과 전망

II. 증시환경 변화 – 새로운 유형의 경쟁

III. 사례 : 일본 동경증권거래소

IV. 국내증시의 시사점

1. 아시아 지역의 알고리즘매매·고빈도매매에 대한 논의

▣ 아시아 Trading Architecture 2010 : 8월 31일~9월2일 / 홍콩

☞ 아시아 증시에서도 알고리즘매매고빈도매매가 주요 화두로 부상하고 있음을 시사

주제 : High Frequency Trading & Co-location Strategies

아시아 각국의 거래소, 규제당국, 브로커, 투자자 등 200명 이상이 참석하여 시장간 속도경쟁,

고빈도매매에 대한 투자자의 수요 증가 및 관련 인프라 구축방안 등을 논의

2. 알고리즘매매란?

▣ 알고리즘매매(Algorithmic Trading)의 특징

i) 투자자가 전산시스템(알고 솔루션)에 설정한 매매 조건(목표가격, 수량, 시간 등)에 따라,

ii) 시장상황(호가현황 등)을 시스템적으로 실시간 분석하고 조건부합시 자동 주문 집행

iii) 인간의 개입 없이 짧은 시간에 대량의 주문(1초에 수십~수백건)이 동시다발적으로 제출

※ 프로그램 매매와의 차이: 자동으로 주문의 집행되는 공통점이 있지만, 프로그램매매는 선현물간 차익거래를 목표로

다수의 종목(바스켓)을 동시에 매매(대량매매)하는 반면, 알고리즘매매는 거래비용 절감을 목표로 대량주문의 분할

및 빈번한 호가제출(정정․취소포함)이 그 특징

• 미주·유럽 지역을 중심으로 증권시장의 기관화, 전산화 등의 추세에 따라 브로커는 거래비용 절감 및

착오거래 최소화를 위해 자동으로 주문이 집행되는 알고리즘매매 방식을 선호

• 이후 대형 기관투자자는 주문정보 노출을 최소화하고 보다 신속한 매매체결을 위해 직접 알고리즘매

매 시스템(솔루션)을 내부적으로 사용하는 추세

• 최근에는 수동적인 거래비용 절감 목적 보다는 일시적인 차익거래를 목표로 한 다소 공격적인 유형

의 고빈도매매(High Frequency Trading)가 성행

▣ 초기에는 브로커의 주문집행 효율화 및 대량주문의 시장충격 완화가 목표

3. 알고리즘매매 주문흐름

Buy-side(헤지펀드, 자산운용사 등)

Sell-side(투자중개업자)

수탁(주문접수)

주문 지시

전통적인주문집행 방식

소극적 알고매매 전략

호가 제출

체결결과 통보

주문집행(트레이더)

체결결과 통보

증권시장

(거래소, ECN,등)

투자전략 수립

호가 제출

적극적 알고매매 전략

알고 솔루션

전략 수립

조건 설정

알고 솔루션수탁(주문접수)

조건설정

브로커 주문관리시스템(리스크관리)

DMA, Sponsored Access

OMS

F

I

X

P

R

O

T

C

O

L

SOR

4. 알고리즘매매·고빈도매매의 긍정적 효과

▣ 투자자 – 거래편의 제고

투자전략을 안정적으로 수행하는데 용이하고,

특히, 대규모 거래 수요가 많은 기관투자자는 시장충격 비용을 완화하고 주문정보 노출을

최소화하는 효과

▣ 증권시장 –유동성 증진 및 가격발견기능 제고

시장에서 마켓메이커 역할을 하며 풍부한 유동성을 공급함으로써,

시장의 심도(Market Depth)를 향상시키고 (Bid/Ask) 스프레드를 축소하는 효과

⇒ Liquidity Creates More Liquidity

▣ 증권사 – 위탁매매 주문처리 업무의 안정성 ·효율성 제고

업무처리를 전산화함으로써 비용절감 및 주문처리 과정의 착오(Fat Finger) 예방 가능

새로운 유형의 투자자(High-Frequency Traders, Algo-Traders) 유치

5. 전 세계 증시의 알고리즘매매 비중 증가

▣ Aite Group(컨설팅 社)은 ’07년 미국·유럽 증시 거래량의 1/3 이상을 알고리즘매매

로

추정 – ’10년에는 미국에서 ½ 이상으로 확대 전망

아시아에서는 ’10년 전체 거래량의 약 16%까지 성장할 것으로 전망

출처 : Aite Group, 2009

< 세계 증시의 알고리즘매매 비중 현황 >

25%

28%

33%

38%

42%

46%

53%

3%

7%

12%

18%

22%

25%

28%

1% 1%2%

4%

9%

13%

16%

0%

10%

20%

30%

40%

50%

60%

2004 2005 2006 2007 2008 2009 e 2010

미국

유럽

아시아

6. 아시아 증시의 알고리즘매매 증가

▣ 아시아에서는 시장규모가 큰 일본·홍콩 시장을 중심으로 Low-Touch 매매 급성장

Low-Touch란 주문처리와 관련 브로커의 개입이 최소화되는 매매방식 (High-Touch와 대비)

* 출처 : Tabb Group (Trading Architecture Asia 2010)

7. 유동성 증가 효과

▣ 선진 증시의 알고리즘매매 비중 증가에 따른 유동성 증가

시장분권화 현상에도 불구하고 각 거래소시장의 거래대금(Turnover Value)은 급증하는 추세

반면, 주문을 소규모로 분할하는 알고리즘매매의 특성으로 인해 호가 및 체결건수는 급증하고

평균 매매거래 규모는 급격히 축소되는 양상

5

10

15

20

25

30

2004 2005 2006 2007 2008

천 $

0

5,000

10,000

15,000

20,000

25,000

30,000

35,000

40,000

십억

$

평균 거래규모(천 $)

거래대금(십억 $)

< NYSE (뉴욕증권거래소) > < LSE (런던증권거래소) >

5

10

15

20

25

30

2004 2005 2006 2007 2008

천 $

0

500

1000

1500

2000

2500

십억

$

평균 거래규모(천 ￡)

거래대금(십억 ￡)

I. 알고리즘매매의 현황과 전망

II. 증시환경 변화 – 새로운 유형의 경쟁

III. 사례 : 일본 동경증권거래소

IV. 국내증시의 시사점

1. 핵심 어젠다 : Race to ‘Zero Latency’

▣ 알고리즘매매 유동성 유치를 위한 투자중개업자간, 거래소·ATS간 인프라 개선 경쟁 가열

‘Latency’란 통상 투자자 주문이 전송되어 거래소 매매체결시스템에서 응답받는 속도를 의미

‘Latency’가 낮을수록 알고리즘매매·고빈도매매에 유리한 시장으로 인식

투자자 투자중개업자 (브로커) 거래소 (또는 ATS)

수탁, 원장관리 A

P

호가제출

G

W

매매체결시스템

정보분배시스템시세정보 분배

A B C D

주문지시

응답응답 (체결내역 통보)

Latency : 00 millisecond*

* 1 milliseond (ms)는 0.001초를 의미

투자중개업자별로 상이함

1. 핵심 어젠다 : Race to ‘Zero Latency’

▣ Latency 경쟁 : millisecond (ms) → microsecond (μs) → nanosecond (ns)

1990년대 말 : latency는 초 단위로 측정 (예: 2초)

2002 : millisecond(1/1,000초)로 측정 (예: 100ms = 0.1초)

2007 : 한자리수 millisecond로 측정 (예: 2ms = 0.002초)

2009 : 100단위 microsecond(1/1,000,000초)로 측정 (예: 120μs = 0.00012초)

2010 : nanosecond(1/1,000,000,000초) latency 가능성에 대한 논의

* 평균적으로 인간이 눈 깜빡하는 순간이 350ms, 카메라 플래쉬가 터지는 순간이 100ms라고 함,

HKeX, KRX

10 ms

KRX

8 ms

TSE

5 ms

ASX

3 ms

NASDAQ

143 μs

출처 : SGX (Trading Architecture Asia 2010)

2. 속도 향상을 위한 시스템/네트워크 혁신

▣ 가장 빠른 주문처리 속도를 제공하기 위한 브로커의 인프라 투자 확대

효율적인 고객주문 집행을 위한 OMS (Order Management System) 또는 EMS (Execution

Management System) 구축

복합기술 활용 : network layer 축소, messaging accelerator, appliance based chip technology

주문처리 속도 향상을 위한 시스템 및 네트워크의 경량화 등

* 출처 : TS-Associates Plc (Trading Architecture Asia 2010)

< 알고솔루션 서버의 경량화 사례 > < 네트워크 경량화 사례 >

3. Co-location (또는 Proximity Hosting) 서비스

▣ 지리적 한계 극복을 위한 거래소의 근접서버지원 서비스 활성화

Co-location 서비스 : 회원사의 서버(주문처리시스템)를 거래소 데이터센터 내에 설치하여 물리적

거리에 기인한 Latency 최소화

Proximity Hosting 서비스 : 거래소 데이터센터에 근접한 장소를 회원사 전용 서버 공간으로 제공,

또는 제3자(통신사 등)가 제공하는 전용 시설(데이터센터)에 서버를 구축하여 Latency 단축

정보분배

시스템

매매체결시스템

회원사 서버 렉 회원사 서버 렉

Access

PointWAN

< 거래소 데이터센터 Co-location 예시 >

별도의 시설 구축내부 시설

▣ 아시아 거래소의 데이터센터 구축 및 Co-location 서비스 현황

일본 TSE : ’10.1월, 차세대매매시스템 Arrowhead* 가동 및 Co-location 서비스 개시

* 10ms 이하의 Latency, 일일 6억건 이상 주문처리 가능

홍콩 HKeX : ’11 말 (예정), 차세대 데이터센터 구축, Hosting 서비스 준비중

호주 ASX : 시스템 인프라 개선작업을 통해 주문응답속도를 80ms에서 20ms로 향상

싱가폴 SGX : Proximity Service 시행중, ’11.3분기(예정) 시스템 개선* 및 Co-lo 서비스 개시

* 90μs (0.00009초) 이하의 Latency, 초당 백만건 호가처리 가능

대만 TWSE : ’10.3월, Co-location 서비스 제안서 제출 (규제당국)

인도 NSE : ’10년 1월, Co-lo 서비스 개시

* 현재 Co-lo를 통한 일평균 거래대금이 40억 USD를 초과

중국 SZSE : 3개년 계획에 데이터센터 구축 및 Co-lo 서비스 포함

4. Co-location (또는 Proximity Hosting) 서비스

5. 시장제도 개선 – 알고 친화적 환경 조성

▣ 알고리즘 친화적인 매매환경 (Trading Environment) 조성을 위한 노력

DMA 허용 : 원격지 투자자의 매매편의 및 속도 향상을 도모하고 투자자의 거래정보 노출 최소화

FIX 프로토콜 수용 : 증권거래관련 정보의 전자적 교환을 위한 메시지 송수신 표준 언어

수수료 제도 개선 : 수수료 인하 및 유동성공급 호가에 리베이트를 지급하는 제도(maker-taker) 도입

호가단위 축소, 매매수량단위 인하, 호가정보 공개 확대 등

< FIX 프로토콜을 수용한 거래소(ATS) 현황 >

* 출처 : FIX Global

매 도 가 격 매 수

1,000주 102

500주 101

투자자 A …1,000주 ①(유동성 Maker : 리베이트)

100② 1,000주 …투자자 B(유동성 Taker : 수수료)

99 3,000주

98 1,000주

97 800주

* ①, ② 번호 : 호가접수 순서임

< 예시 : Maker-Taker 수수료 제도 >

5. 시장제도 개선 – 시장운영의 안정성 제고

▣ 알고리즘매매의 부정적 요인을 최소화하기 위한 적정 시장관리방안에 대한 논의

적정 시장관리방안에 대한 논의

부정적 요인 : 시장불안정시 급격한 변동성 확대, 투자자간 형평성 문제, 호가건수 및 취소율

급증에 따른 시스템 과부하 가능성 등

특히, 지난해 미국의 Flash Order에 대한 형평성 논란 및 지난 5월 6일 일시적인 가격급락 사건

(Flash Crash) 이후 HFT·알고매매에 대한 규제* 필요성 논의 확산

* 시장에 제출된 호가의 유효시간(예시 : 최소 2초)을 의무화하는 방안, 과도 분할호가 통제, 알고트레이딩

시스템 등록/주문표시 등

다우지수 장중 나스닥지수 장중 S&P 500 장중

< 미국 증시의 ’10.5.6 Flash Crash >

일부(HFT 업계 등)는 Flash Crash 당시 HFT·알고매매가 있었기 때문에 시장이 신속히 안정될

수 있었음을 주장 – 추가 규제 불필요

I. 알고리즘매매의 현황과 전망

II. 증시환경 변화 – 새로운 유형의 경쟁

III. 사례 : 일본 동경증권거래소

IV. 국내증시의 시사점

1. 시장 인프라 개선

▣ 알고매매·HFT 유동성에 대비한 최첨단 차세대 매매체결시스템 (Arrowhead) 가동 (’10.1)

Latency 축소 : 주문응답속도 최저 5ms (0.005초) – 기존의 600배 향상

시세정보 분배 (FLEX) 다양화·고속화 : Standard, Light, FULL 3가지 형태로 구분

Capacity(처리용량) 개선 : 1일 주문처리 최대 5억건 가능 (기존 시스템 대비 44배)

Connectivity (시장접속) 개선 : 거래소-회원간 전용 네트워크 Arrownet 구축

* 출처 : TSE (Trading Architecture Asia 2010)

▣ 속도-민감형 투자자를 위한 Co-location 서비스 개시

네트웍 latency 축소 : 동증 primary site와 접속 [ Co-location 경유 주문비중 30%(6월기준)]

2. 시장 제도 개선

▣ 동시호가 제도 (Itayose) 개선 등

1 단원주씩 체결수량 분배

* 출처 : TSE (Trading Architecture Asia 2010)

▣ 호가가격단위 축소 (평균 16pb →10bp) ▣ 가격제한폭 확대 (평균 17% → 21%)

▣ 연속체결호가 제도 도입

특정 호가로 인해 일정 폭 이상의 가격 변화가

예상되는 경우 당해 호가를 1분간 정지시킨

후 동시호가 분배

3. 시장의 반응 – ’10.1.4일 이후 시장의 미시구조 변화

▣ 시장 전체의 유동성 증가

* 출처 : TSE (Trading Architecture Asia 2010)

특히, Co-location을 통한 호가 비중이 최고 30% 수준까지 증가

3. 시장의 반응 – ’10.1.4일 이후 시장의 미시구조 변화

▣ 주문건수와 체결건수가 동시에 증가하면서 체결율은 감소

* 출처 : TSE (Trading Architecture Asia 2010)

3. 시장의 반응 – ’10.1.4일 이후 시장의 미시구조 변화

▣ 종목별 체결건수 2배 이상 급증

* 출처 : TSE (Trading Architecture Asia 2010)

▣ 최우선 호가 스프레드는 평균 30% 축소

▣ 시세데이터 트래픽은 3배 이상 증가

’09.12.21일 메시지 건수 : 2,168,495

’10.01.17일 메시지 건수 : 7,623,488

▣ Latency 축소

평균 2ms (0.002초) 기록

장중에도 안정적인 수준을 계속 유지

I. 알고리즘매매의 현황과 전망

II. 증시환경 변화 – 새로운 유형의 경쟁

III. 사례 : 일본 동경증권거래소

IV. 국내증시의 시사점

1. 현황과 전망

유가증권시장 기준 평균 거래규모는 다소 감소하는 추세

* 체결건별 평균 거래대금 : (’07.1) 448만원 → (’10.6) 297만원

* 체결건별 평균 거래량 : (’07.1) 282주 → (’10.6) 198주

2007.1 2010.62008.10

0

100

200

300

400

500

0

2,000,000

4,000,000

6,000,000

8,000,000

< 체결건별 평균 거래대금 추이 (유가) > < 체결건별 평균 거래량 추이 (유가) >

2007.1 2010.62008.10

단위 : 원 단위 : 주

▣ 현재는 비중이 낮지만 향후 우리 증시에서도 알고리즘매매가 점진적으로 증가할 것으로 전망

0

500

1,000

1,500

2,000

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000

18,000

20,000

거래대금 (십억)

코스피지수

2007.1 2010.62008.10

코스피지수 거래대금 (10억원)

최근 수년간 시장 전체의 거래대금은 뚜렷한 추세변화 없이 정체하고 있고,

최우선호가 스프레드비율은 100bp 이상의 다소 높은 수준을 유지

< 지수 및 거래대금 변화 추이 (유가) > < 최우선호가 스프레드비율 추이 (유가) >

2007.1 2010.62008.10

1. 현황과 전망

▣ 알고리즘매매 활성화시 시장의 유동성 증대 및 스프레드 축소에 기여할 것으로 예상

0.00

0.50

1.00

1.50

2.00

2.50

3.00

3.50

4.00

4.50

최우

선호

가스

프레

드비

율(%

) 코스피지수 구성종목 평균

코스피200 지수 구성종목 평균

2. 시사점

▣ 급변하는 시장환경에 유연하고(flexible) 민첩한(nimble) 대응 필요

거래비용 절감 및 안정적인 투자전략 수행에 민감한 투자자에게는 알고리즘매매 방식이 필수 매매

기법으로 자리잡고 있는 실정

우리 시장에서도 다양한 유형의 알고리즘 매매기법이 발달할 수 있도록 거래소/증권사의 인프라 및

규제환경 개선 등의 노력 필요

한국거래소는 ’09.3월, 차세대 매매시스템 ‘EXTURE’ 가동

- 기존의 분산된 매매시스템을 통합하여 시스템의 효율성안정성을 제고

- 주문응답속도 최대 8ms, 일일 호가처리건수 최대 4,000만건

< 국내 증시의 매매 인프라 개선 >

2. 시사점

▣ 시장운영의 안정성·공정성 측면도 고려할 필요

개인투자자 비중이 높고 파생상품시장 규모가 큰

우리 시장의 특성에 따라 투자주체간의 형평성 및

변동성 확대 문제 등이 신중히 고려되어야 함

우리 시장에 적합한 제도개선·인프라구축 방향 등

을 모색

알고리즘매매 친화적인 환경 조성 및 안정적인 시장운영 체계 마련을 통해

투자편의 제고 및 증권시장의 경쟁력 제고

기관, 22.1%

외국인,17.0%개인, 58.3%

기타, 2.6%

< 투자주체별 거래비중 >

* 2009년도 유가증권시장 거래대금 기준