监管机构和投资者疲于应对高频交易(HFT)带来的难题。这种速度极快的计算机化金融活动如今占据了交易的大头。美国监管部门认为，高频交易一手制造了2010年5月的“闪电暴跌”(flash crash)，令道琼斯工业平均指数(Dow Jones Industrial Average)突然大跌。然而，现在的高频交易已与三年前大不相同，这是“大数据”造成的。
大数据指的是过于庞大或复杂（或两者兼具）、无法用标准软件高效管理的数据集。金融市场是大数据的重要产生者，交易、报价、业绩报告、消费者研究报告、官方统计数据公报、调查、新闻报道无一不是它的来源。
第一代高频交易单纯靠速度来发现利用价格差异，依赖这种策略的公司近年来的日子不太好过。Rosenblatt Securities表示，与2009年相比，2012年高频交易公司的利润下降了74%。光快是不够的。我们与劳伦斯伯克利国家实验室(Lawrence Berkeley National Laboratory)的马科斯?洛佩斯?德普拉多(Marcos Lopez de Prado)提出，高频交易公司越来越依赖“战略顺序交易”(strategic sequential trading)。它包含的算法可以分析金融大数据，以识别出特定市场参与者留下的足迹。例如，如果一支共同基金通常在收盘前每一分钟的第一秒执行大额订单，能够识别出这一模式的算法将预判出该基金在其余交易时段的动向，并执行相同的交易。该基金继续执行交易时将付出更高的价格，使用算法的交易商则趁机获利。
这种新形式的高频交易可能会误入歧途，例如2013年4月23日的“无厘头暴跌”(hash crash)——美联社(AP)的Twitter账号发出巴拉克?奥巴马(Barack Obama)遭遇恐怖袭击的虚假消息，引发市场下跌。与2010年5月的那次暴跌不同，此次暴跌的罪魁祸首不是快速抛售引发的更多抛售。它不是快速交易导致的暴跌，而是大数据导致的暴跌。如果监管机构认识不到区别所在，它们将面临一种风险：新制定的规则只能解决陈旧、过时的问题。
大约两年前，对冲基金开始普遍从社交媒体提取市场情绪信息，其理念是利用Twitter、Facebook、聊天室和博客用户发出的成百上千万条消息，开发交易算法，判断出与各家公司有关的需求趋势。然而，这些算法通常无法利用小数据集做出有效的猜测。近几个月，一种算法流行起来——一旦有自然灾害或恐怖袭击等意外信息公布，便立即抛出订单。一个数据点出错就能导致“无厘头暴跌”，能够引发它的灾难性事件未来必定会上演。
坏消息是，若要应对新型高频交易带来的难题，就必须理解大数据与以往截然不同的挑战。好消息是，监管机构似乎认识到了适应变化的必要。本月，美国商品期货交易委员会(CFTC)专员斯科特?奥马利亚(Scott O’Malia)在纽约大学理工学院(NYU-Poly)大数据金融会议上表示，“鲁莽行为”正取代“市场操纵”，成为起诉不当行为的标准。例如，尽管利用从几百万条Twitter消息提取出的信息进行交易合情合理，但一旦算法在新闻通讯中发现“炸弹”和“白宫”两词便抛出大量订单，毫无疑问是鲁莽的。
一个重要的问题是，我们如何保证市场参与者负责地使用“大数据”？正如《哈佛商业评论》(Harvard Business Review)的文章所说，大数据需要大智慧。几年前，CFTC曾考虑是否应当让监管机构对交易商的算法进行认证。监管机构干预的潜在风险是巨大的，更不用说还有知识产权盗窃的风险。各方可以达成一种妥协：让市场参与者提出一系列追踪“鲁莽”行为的实时指标，例如在买家减少时增加市场抛售压力的行为。如果一家交易商逾越了多个“鲁莽”行为的临界值，它将可能被起诉。随着市场的演化，这些指标可以调整变化；最重要的是，它们可通过全体市场参与者的一致同意而制定。
利用美国国家实验室的资源是一种解决方案。劳伦斯伯克利国家实验室拥有超级计算能力和雄厚的分析技术，足以实时监控这些“鲁莽行为”指标，并且向监管机构汇报威胁稳定的鲁莽市场行为。传统的停市机制在市场暴跌后停止全部交易。相比之下，实时监控能够将单个参与者扫地出门，从而向诚信的参与者继续敞开市场。
大数据的使用正在改变市场。现在，我们需要改变监管市场的方式。解决高频交易问题的出路不是限制技术，而是鼓励对更复杂的技术乃至更大数据的利用。