第二章　規模遊戲

海姆．波迪克小時候到物理實驗室，就像其他小孩在攀爬架上一樣如魚得水。他的父親艾瑞．波迪克（Arie Bodek）是世界知名的粒子物理學家，在位於紐約上州的羅徹斯特大學（University of Rochester）工作，對兒子期望相當高。艾瑞畢業於麻省理工學院研究所，博士論文提出的發現，後來成為粒子物理學重大開創性發現的關鍵。他的研究成果協助證明，夸克這種構成世界萬物的基本粒子確實存在。

但多年以來，艾瑞在這項發現中扮演的角色一直未受肯定，大致已經被人遺忘。1990年諾貝爾物理獎頒發給提出夸克模型的發現時，他只是其中的小小註腳。老波迪克儘管數次獲得「斯隆研究獎」（Alfred P. Sloan Fellowship）、擁有七百多篇著述，並且拿到粒子物理學界最高榮譽「帕諾夫斯基獎」（Panofsky Prize），以及多項專業頭銜和獎項，但總是和諾貝爾獎失之交臂。

許多人期望海姆能終結波迪克家族的遺憾。儘管老波迪克忙於世界各地實驗室的工作而長年缺席，從未協助小波迪克做過研究，卻依然以極高的標準要求兒子。要獲得他的青睞，唯一的辦法是擁有傑出的學術成就，而且從小學時就開始。海姆天資聰穎，理解艱深的概念毫不費力，還能提出優秀的原創想法。就各方面看來，他都是當學者的料，年輕的天才。

但是海姆當了逃兵。他十多歲時開始抗拒父親要他繼承衣缽的壓力。他把頭髮染黑，到鞭擊金屬樂團當鼓手，跟粗人混在一起，經常好幾個星期不回家。1988年，海姆十七歲時，他的父親做了預測。家庭聚會時，他公開感嘆兒子缺乏紀律。

他斷言：「海姆絕對不可能獲得諾貝爾獎！」

海姆也不需要提醒父親，他永遠不可能獲得諾貝爾獎。這個預言儘管讓他傷心，卻也撥動了更深處的心弦。為了達成他（而不是他父親）的期望，他必須能預測未來。

但我們要怎麼預測未來？

我們是否能蒐集和分析大量資料，提高預測未來事件的正確率？1980年代，電腦運算能力大幅成長，這個問題相當引人好奇。但任何一個與未來有關的問題，例如「海姆．波迪克獲得諾貝爾獎的可能性有多少？」，相關資料都多達數兆位元組，要從這麼多資料中找出答案，需要強大的電腦運算能力，電腦必須分析以往所有諾貝爾獎得主的生平、他們小學時生活如何、眼珠顏色、祖先、DNA⋯⋯等等。然後再檢視海姆的生活，找出符合的模式。

1980年代末和1990年代初，除了IBM等大型企業和國防工業之外，其他單位都沒有這麼龐大的運算能力。當時的超級電腦效能大概跟現在的 iPad相仿。現在是資料寶庫的網際網路當時剛剛萌芽，也沒有谷歌、維基百科和推特。以電腦預測未來簡直就是天方夜譚。

但即使後來海姆順利從高中畢業（而且最後一年所有期末考都沒去考），即使後來他以超高的SAT分數（彌補了糟糕透頂的高中成績）進入羅徹斯特大學，專心致力研究剛萌芽的人工智慧科學，開始追尋預測未來的夢想，這個問題一直留在他心裡。

這時他還認識了後來的妻子，亮眼的黑髮音樂學者伊莉莎白．龐海姆（Elizabeth Bonheim）。她沉醉於波迪克目空一切的壞男孩氣質，以及他令人嘆服的頭腦。波迪克不是最用功的學生，但考試時永遠是班上成績最好的。伊莉莎白看著波迪克幾乎蹺掉每堂課，但在考試前用一個晚上就把整學期的高深數學塞進腦子，而且破壞了每個人的分數曲線，她感到驚奇不已。

1995年以數學和認知科學（把心智視為資訊處理機制來研究的學科）雙學位畢業後，波迪克在伊利諾州橡樹園的Magnify公司找到工作。這家高科技公司的老闆是大型資料庫探勘先驅羅伯．葛羅斯曼（Robert Grossman）。波迪克很快就在公司裡展現實力。他和葛羅斯曼與幾位研究人員，一起撰寫了一篇關於藉助大型資料庫預測信用卡詐騙事件的研討會論文。這套系統運用機器學習技術（以演算法分析大量資料的人工智慧技術），偵測詐欺交易的固定模式。

有一種警訊是在加油站刷卡一美元加油，接著到銀樓大買一萬美元（這表示竊賊先測試信用卡，再盜刷大筆金額）。

Visa卡公司審視這套系統，發現它可協助他們自己的方法，

很快地用它來阻止一萬美元的珠寶交易。本質上，這套系統是在預測盜刷事件，進而加以阻止，一小時內可掃描三十萬筆交易。它就像個電腦水晶球，以數學和半導體預測未來。

波迪克開始在閒暇時研讀新趨勢：以人工智慧方法探討股票市場。當時類神經網路已經成為華爾街的熱門話題，至少從波迪克當時讀的這幾本書看來是如此。企業界據說已經開始研究模糊邏輯和遺傳演算法、機器學習，以及專家系統等人工智慧的各個分支。波迪克對這幾方面都很擅長，因此相信能運用自己的專長來預測股票動向，從中獲利。此時他也和伊莉莎白訂婚，正在想辦法充實銀行帳戶。

1997年夏天，波迪克造訪芝加哥的銀行與避險基金（代表有錢投資人進行大筆交易的民間投資公司）人力仲介伊利亞．塔爾曼（Ilya Talman），說他想用AI預測市場動向。

塔爾曼看著波迪克，好像看到神經病一樣。他說：「如果有個人才二十六歲，以前完全沒有相關經驗，你覺得這個人怎麼樣？誰會雇用你？沒有人，根本沒有人。」

此外他解釋，當時沒有合法公司使用類神經網路或模糊邏輯來預測市場動向。波迪克當時看的書全都充滿誇大的宣傳。塔爾曼說：「你得去找個正常工作，慢慢往上爬。」波迪克嘲笑地說：「我才不會去做一般的狗屎程式設計工作。」幾天之後，他匆匆翻閱《芝加哥論壇報》的人事廣告，在一堆房地產仲介和建築工徵求廣告中看到一則廣告：「徵求資料探勘類神經網路市場預測人員」，沒有公司名稱，只有電話號碼。

波迪克帶著這個廣告去找塔爾曼，說：「你說沒有我能做的工作。看，他們就在《芝加哥論壇報》上登廣告找市場預測人員！」

塔爾曼仔細看這個廣告。登這則廣告的是一家叫做「霍爾交易」的小公司。塔爾曼知道霍爾交易。這家公司是菁英中的菁英，簡直跟印鈔機一樣。

塔爾曼告訴波迪克：「你進不了霍爾的，裡面全都是博士。」

「反正你幫我安排面談就對了。」波迪克說。

＊＊＊＊＊

經過漫長的面談程序，波迪克於1997年9月取得霍爾的工作。

霍爾交易是全世界最複雜精細的金融公司之一，專精股票和股票選擇權。該公司於 1985年成立，創辦人是數學家、交易員和廿一點高手布雷爾．霍爾（Blair Hull）。公司裡有許多物理學家和電腦科學家，其中有許多曾在伊利諾州的高能物理研究機構「費米實驗室」工作。波迪克的父親非常熟悉這所位於芝加哥城外的實驗室，它在夸克發現過程中扮演重要角色，艾瑞．波迪克多年以來也曾來去這裡許多次。小波迪克雖然沒有走上獲得諾貝爾獎的道路，但父親仍

然很高興他能跟費米實驗室的老同事一起工作。

波迪克進入霍爾之後的第一件工作，是用機器學習技術創造演算法，預測股票選擇權市場動向，而機器學習技術正是他在Magnify使用的AI技術。

當時華爾街剛開始展開急遽的交易方式變革，未來的演算法戰爭也剛發生幾次交火。

那時，大多數公司用來交易的演算法，都是沒有思考能力的機器人程式，就像只會依據程式設計師設計的基本規則行動的單細胞生物。它們會掃描市場，尋找徵兆，就像遠古時代的動物只會吃掉眼前的所有東西。微軟的平均股價在這半小時內上漲了 1％？好，買微軟，咔嚓！

但實際交手證明，對於能像真人交易員一樣學習、預測，並且隨時適應多變市場狀況的 AI演算法而言，股票市場太笨拙了，原因大多是人類在系統中不斷干擾。

1997年霍爾雇用波迪克時，美國股市大致分成兩部分，其一是紐約證券交易所（NYSE），交易員透過註冊經紀商和專業經紀人，在著名的交易大廳交易 IBM和奇異這類大型藍籌股。另一部分是納斯達克股票市場，大約有五百家造市商在此代表客戶買賣股票，交易目標通常是英特爾、思科和蘋果等著名高科技公司。NYSE交易在華爾街十一號的大行情板廳進行，交易員透過誇張的手勢和高喊委託單來交換資訊。納斯達克的造市商則大多透過電話交易；納斯達克股票委託單有時會以電子方式輸入，但完全不透過人員進行的交易非常少。

人類雖然已經發展出複雜的生態系，但與電腦間互動依然不理想。專業經紀人和造市商的行為無法預測，對買單和賣單的回應可能時時不同。委託單必須精確，死板的電腦系統才能順利運作，但人有可能犯錯，從而擾亂了電腦。

這時必須有所改變。我們需要新的交易池，讓演算法正面對決。我們需要電腦交易池，讓演算法在對它們而言最自然的環境中演化成長，發展出自己的生態系。電腦交易程式在其他電腦裡面運作時（而不是在狂熱的 NYSE交易廳或納斯達克造市商的交易台），就像魚在水中一樣無比暢快。在波迪克首選的選擇權市場中狀況更糟。所以波迪克到職三個月就立刻轉換跑道，到公司其他部門發揮，目標大多集中在歐洲選擇權市場，因為這塊市場電子化程度較高。沒多久他就成為霍爾首屈一指的電子交易策略專家。

1999年，高盛以五億美元收購霍爾。這次收購代表高盛內部出現極大的轉變：這家典型的老式上流華爾街公司也開始發展電子交易。這次轉變促成高盛於2000年代崛起，成為全世界最雄心勃勃也最老練的交易大亨之一。

這次收購對波迪克衝擊頗大。一家華爾街大型銀行突然占據他的人生。他一向覺得自己是自有一套想法的局外人，是個碰巧擁有世界級科學家頭腦的獨行俠。霍爾是波迪克這類特異博士和天才少年的溫室，更強化他這種局外人的自我意象。反觀高盛，則象徵體制和欠缺個性的華爾街金權。

他決定主動出擊，從內部發現高盛的面貌。他覺得自己像個滲透到敵方內部密室的間諜。他要看看它是什麼樣子，為自己確定它是好是壞，或者兩者都不是。■

第二章　規模遊戲

海姆．波迪克小時候到物理實驗室，就像其他小孩在攀爬架上一樣如魚得水。他的父親艾瑞．波迪克（Arie Bodek）是世界知名的粒子物理學家，在位於紐約上州的羅徹斯特大學（University of Rochester）工作，對兒子期望相當高。艾瑞畢業於麻省理工學院研究所，博士論文提出的發現，後來成為粒子物理學重大開創性發現的關鍵。他的研究成果協助證明，夸克這種構成世界萬物的基本粒子確實存在。

但多年以來，艾瑞在這項發現中扮演的角色一直未受肯定，大致已經被人遺忘。1990年諾貝爾物理獎頒發給提出夸克模型的發現時，他只...

〈推薦序〉擺脫隱藏交易資訊的暗池，卻可能走進人工智慧布建的黑池

——姜林杰祐教授（國立高雄科技大學金融資訊系所）

2010年5月6日美國股市發生閃崩事件，事後調查報告試圖爬梳當日市場交易狀況以釐清真相；但更深層的原因，打從1980年代人工交易逐漸轉變成電子交易的過程，就種下了。當日諸多巧合，在金融市場上再度驗證了「莫非定律」（凡是可能出錯的事就一定會出錯）的智慧。本書回顧了金融市場電子交易的歷史，一路帶過美股閃崩事件，預告日後脆弱金融市場頻現的風暴；閱讀本書，也有助於我們理解發生在台灣，2018年2月6日台指選擇權賣方市場的災難，以及最近（2019年8月21日）的台指期貨夜盤閃崩事件。

最好的因也可能產生最壞的果。電子交易取代人工交易的原始動機，是一群資訊人（例如孤島的列文、群島的普南、盈透的彼得菲……）希望透過資訊工具，讓交易民主化、透明化、去中間化，讓交易價格更低、效率更高；卻無意間創造了能力更強大、更無形、更肆無忌憚的新中間人——「高頻交易者」，挾其所設計的演算法，反而讓市場更加不公平、不穩定。這些只求獲利的高頻交易單，在關鍵時刻棄守市場造成真空，甚至推波助瀾，產生骨牌效應，導致市場震盪。

本書循著資訊科技影響金融市場的歷史脈絡，娓娓道來金融市場交易方式演變，如何因為本書的主角與他們所創造明池、暗池交替存在的電子空間，一路走到現在；詳細分析在交易的生態池中，又如何以貪婪為基礎（再也不是崇高的願景），豢養、演化出眾多狡詐的演算法怪物，在池中「釣愚」吃掉「笨錢」，侵蝕正規投資人的獲利，也一點一滴啃食對市場的信任。

對於本書提到諸如造市獎勵、交易回扣、冰山委託、委託簿戲弄、分層布單、倒賣策略、狙擊策略等演算法與高頻交易邏輯有興趣的讀者，可參考我在2012年出版的《程式交易方法與實務應用——含演算法交易與高頻交易》一書。

近年來，另一群科技人正以金融科技（FinTech）之名，懷抱似曾相似的願景，會不會又埋下日後的災難，作為參與金融科技的一員，深自警惕；本書讓我們得以鑑往知來，趨吉避凶。

公平交易是金融市場的基本人權。電子交易市場發展的歷程，逐一解放市場存在的不公平制度（例如以小數代替分數報價、不得拒絕並需以投資人最有利價格成交、不得更動送單順序等）的同時，卻陸續被魔高一丈的演算法找到制度套利的空間。時至今日，交易戰爭延伸到低延遲高速競爭（從軟體戰到硬體、從主機共置戰到傳輸通道），就像無謂的虛擬貨幣採礦運算般，耗費許多原本可以用於利益眾生的計算資源。

這世界或許從未公平，但切不能放棄追求公平的努力與堅持，否則不公平不僅僅傷害另一群人的財富而已，恐怕會挑戰人類好不容易建立起的交易制度與信任基礎。

只是公平的界線何在？有時容易辨明（例如交易流的公平競價、禁止以窺探提前交易、交易規則的公開揭露與確實執行），有時又很模糊（例如是否可以對傳輸速度與資訊量作區別定價——別忘了，交易所終究是營利組織）。

但若有人透過對資訊的深度洞悉、更快的交易、更高超的分析能力與策略設計，得以在市場上取得優勢，就與公平與否無關了，金融市場終究是優勝劣敗的獵場，選擇進場只能生死自負。

於是當風暴來襲，面對匿蹤、分散破碎的交易市場，沒有人能負全責卻都須負點責任、沒有人理解全貌（即使聰明如文藝復興的西蒙斯團隊）只能事後拼湊真相，看著事件一再重演；或有人開始倡議回到過去的年代，恢復大行情板交易廳、放慢撮合速度，但現代文明已經建構在資訊基礎建設上，金融市場無法自絕於外，也只能往前管理、尋求解困，至少亡羊補牢。

本書同時也讓我們窺見交易策略邏輯的演變。第一階段，交易策略從市場行為、商品本質、制度設計中，以合理邏輯演繹市場未來走勢中形成；第二階段，以資訊技術提供的運算能力，從市場大數據中歸納隱晦（開始似懂非懂）的規則，藉以建立交易策略；最後，人工智慧（AI）登場了，快速運算大數據的同時，它也追蹤變幻莫測市場的演化軌跡，只求馳騁在變化浪頭短暫駕馭市場，但藉此形成的交易策略，已經逐漸脫離人類能理解的層次。近來AI應用的重點方向，是希望AI深度學習的同時也能提出解釋，即源於此。

麻煩的是，與其他AI應用領域（如影音辨識等工程應用）不同的是，市場預測的對錯只能事後驗證，你又怎能知道這次AI到底是瘋了，還是對了? 就像書中提到的，具備AI引擎有如先知般的恆星系統，在你以為它要自殺時，事後才知道它是對的。

我們應該對無法理解的預測結果給予多少信心呢？端視作為人類，你對自己有多麼沒有自信。AI應用的弔詭是，我們期待它（或祂）能超越人類的智慧，當AI走向無法理解時，卻又惴惴不安。

AI應用在投資領域到底有沒有用，至今未有定論（或許永遠無法得知，就像無法得知有多少被刻意隱藏在電子交易空間的獲利策略），但這終究只影響個別投資人的權益，其實無關宏旨（進入此門，生死自負，不是嗎？）。我擔心的是，AI演算法在市場各個交易角落的大量使用，會不會把市場帶到更深不可測的暗池；當市場因此震盪、閃崩，即使事後拼湊，也難以理解出真相。

千百年來，人類用盡辦法努力理解這個世界，卻可能創造一個工具，把對世界的解讀帶向無法理解！？

於是，當我們透過歷史教訓改變交易規則試圖修補制度，以期擺脫或管理隱藏交易資訊的暗池的同時，卻無法樂觀。交易策略典範的轉移，隱然即將把交易帶入另一個人工智慧布建的利維坦黑池。但這次，具備演化能力的AI演算法，可能會把市場帶過人類智慧難以理解的「技術奇異點」，屆時，有多少交易者可以倖免於難，市場會不會又要以「大到不能倒」的理由要求納稅人出錢紓困？

對此，我沒有答案。但我知道並建議參與交易、設計管理交易制度，或對交易有興趣的朋友，都應該讀這本書，在一切還來得及以前，切斷引信。

〈推薦序〉擺脫隱藏交易資訊的暗池，卻可能走進人工智慧布建的黑池

——姜林杰祐教授（國立高雄科技大學金融資訊系所）

2010年5月6日美國股市發生閃崩事件，事後調查報告試圖爬梳當日市場交易狀況以釐清真相；但更深層的原因，打從1980年代人工交易逐漸轉變成電子交易的過程，就種下了。當日諸多巧合，在金融市場上再度驗證了「莫非定律」（凡是可能出錯的事就一定會出錯）的智慧。本書回顧了金融市場電子交易的歷史，一路帶過美股閃崩事件，預告日後脆弱金融市場頻現的風暴；閱讀本書，也有助於我們理解發生在台灣，2018年2月6日台指選...

►〈推薦序〉擺脫隱藏交易資訊的暗池，卻可能走進人工智慧布建的黑池
——姜林杰祐教授（國立高雄科技大學金融資訊系所）
►自序──明池
電子交易出現後，股市依靠以極快速度互相溝通的電腦運作，演算法在各地高速網路上活動，交易場域分散到幾十處、祕密交易機構的觸角延伸全球，整個市場已變成一個龐大暗黑交易所，連創造這系統的人也未必了解這瘋狂的活動。2010年5月6日，美國電腦交易系統不知道出了什麼問題，道瓊指數在幾分鐘內直落八百點，這次閃電崩盤證明，這不是反自動化人士杞人憂天所杜撰的狀況。
▎第一部　機器對決
►第一章　交易機器
要在股市浩如煙海的資訊中發現規律，需要強大的電腦運算能力和精巧的交易系統。資料魔人、人工智慧專家海姆．波迪克兩者都有。他成立「交易機器公司」後設計的「機器」，運作核心是一套複雜演算法，與二十多年來最優異的交易策略一脈相承。波迪克藉助人工智慧領域中的專家系統，獨力設計出這些演算法，這種技術歸納專家分析市場後的心得，同時擷取現今市場資料，提出無比準確的預測。
►第二章　規模遊戲
專業經紀人和造市商的行為無法預測，對買單和賣單的回應可能時時不同。委託單必須精確，死板的電腦系統才能順利運作，但人有可能犯錯，從而擾亂了電腦。這時必須有所改變。我們需要新的交易池，讓演算法正面對決；我們需要電腦交易池，讓演算法在對它們而言最自然的環境中演化成長，發展出自己的生態系。電腦交易程式在其他電腦中運作時，如魚得水。
►第三章　演算法戰爭
1990年代末出現幾家專精電腦的高頻率交易商，演算法戰爭隨之爆發。它們技術高超、效率極高、速度極快，幾乎每天都賺錢。到了2000年代末，它們以微秒為單位快速買賣股票，交易量占全美股票交易的三分之二以上，它們只想短期獲利，很少持有部位超過一天。演算法戰爭和人工智慧一同演化，早上股票交易可能是某個趨勢，下午投資人獲利了結時，趨勢可能又變了。這些趨勢整天在電子交易池中一波波擴散，演算法則試圖站上浪頭不被套牢。
►第4章 0+倒賣策略
這種特殊委託單允許高頻率交易員在市場變動時，掛出隱藏的特定價格委託單，放在交易佇列最前方，把其他交易員擠到後面，即使市場起起落落，這張單子依然不動如山。高速券商為何想這麼做？在市場變動時卡在佇列最前方而且不被發現，券商就能掛出委託單，一再賺到掛單費。其他交易員的委託單一再跳進看不見的交易，這就像個隱形陷阱，陷害其他券商支付吃單費。

▎第二部　機器誕生
►第5章　攔截中間人獲利的盜賊
紐約證券交易所（NYSE）在交易大廳中買賣股票，交易完成後才將價格公開在紀錄彙總單上，讓大眾知道市場先前的狀況──NYSE在許多方面就是個超大暗池。電腦技客中的技克約書亞・列文覺得應該有更好的方式。這名程式設計師對交易或賺錢沒興趣，遵奉「資訊想要自由」信條的他，希望解放資訊的所有層面，讓大眾都能共享——他決定改造股市現行體制。
►第6章　催生當沖客國度的「觀察者」程式
為了讓交易員收盤後不用自己計算賺了多少錢，列文想到可將訊號從斯達克二級工作站的印表機纜線傳給個人電腦。他們只要寫程式轉譯訊號，篩選出相關資訊記錄下來就好。列文為此寫出「觀察者」程式，之後又不斷改良，使它從被動的委託單追蹤系統，進化成先進的交易機器。這讓達提克交易員得以全面了解市場上的委託單流量，下單速度比其他人快上許多。
►第7章　「怪獸金鑰」直通委託單佇列最前端
輸入納斯達克委託系統的委託單都有個時間戳記，規範價格相同的委託單的優先順序。委託單時間越早、順序越優先；然而價格較好的委託單即使下單時間較晚，也會跳到最前端。卡馬拉塔得知這個祕密幾個星期後，績效已經勝過公司所有同事。最後，他把這個技巧告訴列文，列文在「觀察者」中製作這個程式，交易員從此能像機關槍一樣大量下單。
►第8章　孤島——史上第一個道地的明池
列文對達提克唯一的興趣是利用它當木馬，滲透並從內部攻擊華爾街。他用英特爾股票對付造市商的把戲，證明人類不善於撮合買方和賣方的委託單；他們除了收取不合理的價差，還很容易犯愚蠢錯誤。電腦能做得更快、成本更低，而且毫無錯誤。萬事都已具備，列文的夢想即將實現，他將打造一座讓投資者齊聚一堂，沒有中間人的電子交易池。
►第9章　綠色機器
Instinet報價只能透過專用電腦查閱，納斯達克造市商和許多法人投資人都有這種電腦，但一般投資人買不到。後來證券交易委員會（SEC）規定Instinet的報價必須公開。為此SEC設計出全新交易實體「電子通訊網路」（ECN）。只要具備相關技術，任何人都能建立 ECN。這些規定不僅改變遊戲規則，還創造了新遊戲。有了委託單處理規則之後，整個納斯達克市場將變成對電腦交易廣開大門的電子平台。
►第10章　群島——與孤島亦敵亦友的新勢力
儘管證券交易委員會訂立新規則，讓任何人都能設立電子通訊網路與納斯達克連線，但真正付諸行動的人不多。傑瑞．普南花了幾個月，設計和建立他的電子交易網路，為了向列文等人致敬，同時表達公開叫陣之意，他將公司取名「群島」。爾後十年，普南成為美國股市的要角，他和馬希勒和列文一樣，準備和納斯達克、紐約證券交易所和其他華爾街傳統勢力正面對決。
►第11章　每個人都在乎
普南和列文雖然互通了幾十封電子郵件，也講過多次電話，但從沒見過面。1998年某日列文正在電腦上打著字時，一個陌生人走進他的辦公室。「嗨，列文，我是傑瑞．普南。」這個人說道，伸出手準備握手。列文沒有跟他握手，而從椅子上跳起來，一把抱住普南把他舉起來。普南把列文當成競爭者，但這位天才程式設計師把普南當成失聯多年的兄弟，視之為擊垮華爾街傳統勢力的親近盟友。
►第12章　逼宮
線上交易網站成長迅速。微軟共同創辦人保羅．艾倫的海鷹創投承諾投資達提克一億美元，法國銀行業巨頭貝爾納．阿爾諾的家族控股公司與波士頓創投公司TA Associates，也同意投資高達兩億五千萬美元。尼可爾相信，有了經驗豐富的高階主管來領導，達提克的潛力不可限量，但他擔憂，達提克跟馬希勒和惡名昭彰的SOES交易部門關係密切，可能形成道德瑕疵。
►第13章　芒刺在背
多年來，美國主管機關和國會議員一直催促納斯達克和NYSE，交易股票放棄分數制，改為以分計價，但它們一再延宕，態度相當強硬。股價單位從分數改成小數會大幅縮小價差，從而壓縮獲利。普南非常討厭那斯達克，也深深憎惡NYSE，他認為它們封閉落後，總想掩蓋些什麼。對抗這些舊時代大勢力，普南有個堅強無比的盟友並肩作戰，就是它最強的競爭者：孤島。
►第14章　笨錢——把小股民餵給鯊魚
「我們比競爭者快十倍，但收費只有他們的一成。」盈透證券執行長湯瑪斯．彼得菲點了點頭說：「孤島確實又快又便宜。」「那麼您為什麼不用呢？」「因為我在孤島賺不到錢！」安德森試著探究彼得菲剛剛說的話，後來想到彼得菲的意思是：他在孤島上交手的交易員都太厲害了。孤島是速度最快、收費最低又最可靠的電子交易網路，這招來了許多動作最快、最老練的交易員，於是孤島交易池裡充滿互相撕咬的鯊魚。
►第15章　交易機器人
戴夫・康明斯讀到談深藍程式擊敗卡斯帕洛夫的文章時，開始思考電腦程式是否可能擊敗市場。他在家裡打造交易機器人程式，開始向幾十家券商推銷他的點子，但經驗豐富的經紀商經常譏笑他的示範，說電腦不可能處理場內交易員面對的各種混亂因素。某日康明斯拜訪Getco創辦人史蒂芬．舒勒和丹．提爾尼，結果他倆異常非常興奮──他們也是幻想破滅的現場交易員，知道電子交易是未來趨勢。
►第16章　瘋狂數字
NYSE和納斯達克這兩個主要股票市場，一向落後其他市場，而且自己絲毫沒有察覺。它們為了維護專業經紀人和造市商而拒絕升級系統，在高頻率交易興起，創造全新流動性來源的關頭，這麼做大錯特錯——這些流動性全部流向電子交易池。高速交易員挾龐大的交易量，已經取得主導地位，納斯達克如果要生存下去，就必須配合他們的需求，而且動作要快。
►第17章　「我不想當名人」
列文在華爾街史上最具改革性的技術中扮演總工程師，這事只有極少數親眼目睹的人知道。他不想成名，總是迴避聚光燈，讓席特龍和安德森等人以他的發明享有盛名。在一封電子郵件中，列文表達了對名人的強烈反感：「任何關於孤島的報導都不應該放上我的照片，我也不會配合任何我的報導。我不想當名人，而且我會盡全力避免。」

▎第三部　機器大獲全勝
►第18章　怪獸
紐約證券交易所與群島合併，是美國金融史上的分水嶺，代表舉世皆知的資本主義象徵──大行情板的交易廳──不再居於主導地位。電腦將成為統治者，沒有人阻止得了。最清楚這個轉變的人，應該是許多人視為NYSE與群島合併的神祕工程師：鄧肯・尼德奧爾。1999年高盛高階主管支持高盛投資成立電子通訊網路，他就是讓塞恩進入NYSE最高層的幕後推手。
►第19章　平台
米哈伊爾．馬里謝夫要自己打造交易機器，薩吉．阿列尼可夫是他禮聘的頂尖人才，是高盛祕密高頻率交易部門的程式設計師，該部門是霍爾交易的後繼者，1999年高盛以五億美元收購。阿列尼可夫在高盛的工作是撰寫交易處理程式，處理速度越快越好。程式碼是關鍵。只要拿到品質最佳、速度最快的程式碼，就能在競賽中取勝。
►第20章　恐慌性檔位
從1987年10月19日的黑色星期一、1998年長期資本管理公司倒閉、2000和2001年網路泡沫爆破，一直到2008年金融危機，彼得菲全經歷過。但這次完全不同且速度飛快，因為出問題的是高速交易。彼得菲問交易台：「到底怎麼搞的？」慌亂的交易員回答：「不清楚。」「去搞清楚！」當時是2010年5月6日下午，再過短短幾秒，彼得菲從螢幕上感受到的混亂就會擴散，擾亂史上最精密的交易系統，華爾街也將為恐懼和慌亂所籠罩。
►第21章　極度危險
2009年阿列尼可夫因偷竊高盛的程式碼而遭到逮捕一事，引發全美熱議股市現狀，而在媒體稱為閃電崩盤的事件後幾星期和幾個月，這項爭議變得更加激烈。閃電崩盤引發對股市的信心危機。5月6日之後，現金開始以驚人速度流出股票型基金。即使股票市場反彈得更高，當年其餘月份仍每個月都在減少。許多人害怕再次崩盤。誰能保證下次一定會有閃電反彈挽救市場？

▎第四部　機器的未來
►第22章　被操控的遊戲
現在複雜程度已是前所未見。超高速交易和人工智慧機器人程式數量激增，在演算法戰爭中不斷擴張的前線決戰，讓市場變得完全不同。納斯達克一向腐敗成風，奸巧的經銷商串通自肥，傷害一般投資人的權益；NYSE專業經紀人吃相也很難看。積習已久的腐化和人性的貪婪，聯手摧毀了延續數百年的制度，真人交易員和造市商被機器人程式取代，只能怪自己。但機器人程式就比較好嗎？
►第23章　大數據
波斯灣運輸發展趨勢、哈薩克小麥種植量、加拿大卑詩省降雨量、拉丁美洲出生率、荷姆茲海峽石油運輸等等，資料應有盡有。大數據交易機器或許能耙梳網路和其他資料庫系統，找出固定型態，尤其是以往不知道的型態。順利的話，這些型態可提供訊息，讓機器用來買賣股票，賺取大筆利潤。活躍全球市場和交易員拉多波羅斯打算運用的，正是這種方法。
►第24章　先進棋——人腦與電腦結合的威力
波迪克要創造人機整合裝置，他在巨大的數位網路的中心，連結所有交易池，操縱所有人工智慧機器，就像個傀儡大師。波迪克的系統，和文藝復興或Getco等大咖高頻率券商採用的自動輔助系統不同，他自己就是機器的一部分，他負責控制、管理，確保它不會脫軌。無論波迪克是否會成功，我們都有理由相信，人腦和無限的電腦能力將能超越純機器主導系統的能力。
►第25章　恆星——像彼得・林區或華倫・巴菲特的選股程式
列文等夢想家領導的電腦革命，已經改變市場結構的許多方面，也改變股票易手方式的本質。但有個領域至今仍然紋風不動，就是基金經理人的頭腦。沒有人提出方法，模擬長期投資人的想法和做法，像彼得．林區或華倫．巴菲特那樣買賣股票。人工智慧普遍被視為太特殊、太難以預測、太奇怪。格林柏格希望改變這個想法，他看著台下聽眾：「我今天想跟各位談談⋯⋯機器學習這個領域。」
►後記　差錯頻傳的一年
2012年8月1日，在混亂的早盤交易中，經驗老到的騎士資本因一部高速電腦交易系統出問題，損失四億五千多萬美元，之後瀕臨倒閉。騎士資本打從成立後，一直是電腦交易的先鋒，連這樣擁有光輝歷史的券商，都在半小時左右蒸發將近五億美元，令人難以置信，這讓許多人驚覺市場中潛藏許多危機，甚至比閃電崩盤時更加明顯。

►〈推薦序〉擺脫隱藏交易資訊的暗池，卻可能走進人工智慧布建的黑池
——姜林杰祐教授（國立高雄科技大學金融資訊系所）
►自序──明池
電子交易出現後，股市依靠以極快速度互相溝通的電腦運作，演算法在各地高速網路上活動，交易場域分散到幾十處、祕密交易機構的觸角延伸全球，整個市場已變成一個龐大暗黑交易所，連創造這系統的人也未必了解這瘋狂的活動。2010年5月6日，美國電腦交易系統不知道出了什麼問題，道瓊指數在幾分鐘內直落八百點，這次閃電崩盤證明，這不是反自動化人士杞人憂天所杜撰的狀況。
▎第一部　機器對決
►第...