2023年09月13日20:22:08 财经 1284

最近，关于“量化交易”是误国妲己的讨论又多了起来。

回想过去十年，只要市场有持续单边下跌的行情，“量化”就会被拎出来示众。从2013年8月“光大乌龙指”事件开始，到2015年6月股灾里面的“恶意做空”，这次印花税减半市场却冲高回落——每次大的市场波动中，“量化，高频，程序化交易……”都扮演着反派的角色。

倒也是，一场大戏，总得有反派，否则观众的爱和恨，都无处安放。

01 祛魅

几年前在北大和得到的课程里，我都讲过“量化”——

量化有时候也被称为“宽客QUANTs”，取自英文字母quantitative（数量的）的前缀。

这确实是过去几十年间全球“金融自由化，金融工程化”的产物：金融自由化是外部环境趋势（尽管过程起起落落），金融工程化则是数学、物理等技术在金融市场上渗透应用的结果。

金融这种高杠杆的领域，总是会吸引最聪明的头脑，何况是这种适合天才理工男们信马由缰的高门槛领域——很多人会将这个行业的从业者称为“火箭科学家”，因为们把金融市场当成天体运行，进行非常精密的计算、推演，找到中间特别细微的偏离，再设计特别复杂的工具，然后加杠杆，赚取高额利润。

要说利润也确实高——

比较夸张的数据是2006年，摩根士丹利、高盛、德意志等投行的顶级宽客们平均的年收入是5.7亿美金，年龄最小的大概是30岁左右。

这大概才是“量化”这么引人注目的根本原因吧。

钱多，还快——这可比爱情更让人目眩神迷。

市面上，包括教科书里，对量化有很多解释，包括我自己的书。下面我摘取了《香帅金融学讲义》中第80页的解释。按照标准版本，已经挺全面了。

什么是量化交易？

量化交易就是依靠计算机程序实施投资策略的方法。比如说金融学上有一个很著名的交易策略叫动量交易（momentum trading），就是说股票价格向上突破的时候买入，向下跌破的时候卖出。但是这个策略说起来简单，做起来其实很难。就说A股市场，有3000多支股票，在短短的时间里要靠人力把所有的股票过一遍，其实是完全不可能的。但是现在有了计算机，就没问题了。交易员可以写代码，然后向计算机输入一个交易策略的指令：“当股票价格上涨超过20日平均线时买入，当股票价格跌破20日移动平均线时卖出”，然后把这个交易策略的指令输出去，让机器来下单操作。

2013年中国有一个光大“乌龙指”事件，当时是怎么回事呢？光大的交易员不小心输错了一个数字，下了一个70亿的买单，结果就导致这个股价大涨，就触发了很多量化交易程序的条件，所以一下子导致300多亿的资金涌入场内，几分钟之内上证的指数就拉升了100多点，59支权重股瞬间涨停。所以这也是为什么后来很多人指责量化交易，他们认为是量化交易导致了这个“乌龙指”事件。

那量化交易到底有什么用呢？

简单地概括，量化交易的作用就是利用计算机技术和金融理论的进步，帮助克服我们人性上的弱点，然后在投资中做出更好的决策。什么叫做人性的弱点？作为生物个体，投资者没有办法回避的一个弱点就是，我们的时间、体力、精力、注意力、判断力都是很有限的。比如说你要用传统的方法，每个证券都去仔细分析它的基本面或者看它的技术图形，那即便像巴菲特这样的股神，也只能分析很少的证券。

所以当大规模资产管理的行业出现以后，基金经理们就开始犯愁，然后就在想，我们有没有一些可行的方法，可以让一个人研究更多的证券，然后管理更多的钱呢？这个想法一直没有能够得到实现。

一直到上个世纪70年代左右的时候，计算机的计算能力突飞猛进，使得对金融数据的分析成为了可能，接着一大批这种划时代的金融理论诞生了，像很多人都知道的投资组合理论、资产定价理论、期权定价理论，都是在这一时期出现的，这些理论就为挖掘金融数据提供了理论基础。另外，当时市场上需要管理的钱越来越多，证券的种类也越来越多。计算能力、金融理论基础、市场需求，这三个条件在同一个时代风云际会，同时得到满足，所以量化交易在这个时候就有一种水到渠成、只欠东风的感觉。

这个时候，善于创新的投资银行自然地就充当了排头兵的角色，它们就投入了大量的资金、人力、物力去组建团队、募集资金和设计算法。像所罗门兄弟就是一个很著名的投行，它里面有一个叫梅瑟维夫的人，自己组建了著名的量化基金“长期资本管理公司”。在摩根斯坦利的内部有一个特别牛的量化部门，叫“过程驱动交易组”（Process driven trading），这个组替摩根士丹利创造了巨额的利润，像德意志银行、高盛都不甘落后，都到最牛的高校里面去挖最牛的人才组建团队。

这些天才云集在华尔街，他们把整个金融市场看作像天体运行一样，然后利用计算机技术在海量的数据里面挖掘信息，设计很多很复杂的金融产品，放大杠杆，获取着令人难以置信的高额利润。

从上个世纪的90年代到21世纪初，是华尔街宽客的一个黄金时代，很多人那时候都认为投资银行已经摒弃了自己原来擅长的传统投行业务，把自己转型成了一个又一个巨大的量化投资基金。华尔街的风格当时也在变化，因为宽客们大多是那种不修边幅的技术宅男，和华尔街那种很传统、精致的银行家形成了鲜明的对比。所以当时有个笑话说，大投行的豪华电梯里常常会同时出现衣冠楚楚的老派银行家，和那种穿T-shirt、牛仔裤的科学怪人，开始的时候银行家们都瞧不上这些不修边幅的家伙，但他们不知道的是，这些人的收入可能是这种传统投资银行家收入的数十倍，甚至数百倍。

所以经过投行的推波助澜之后，量化交易在整个金融市场上就占据着越来越大的份额，现在的美股市场上，量化交易大概要占到60%左右的比重。还有就是随着大数据和计算机技术的迭代，量化投资、量化交易的应用范围也越来越广。比如说原来看一个农业股，就看看它的财务数据、历史产量，但是现在很多交易公司是怎么做的？它们利用卫星的数据来分析天气，然后把农产品的历史产量，还有相关的产量的数据都拿过来，再对农产品的未来产量做预测，然后在这个基础上再来预测分析农业股未来的表现。

所以你看，量化交易的核心竞争力是什么呢？就是可以对海量的数据进行计算，然后把这个规律给提炼出来，做出预测。在一个市场很平稳的状态底下，你如果能够精确地把握这个规律，然后再加一点杠杆，当然就可以赚很多很多的钱了。

要告诉你的是，量化交易的风险其实特别大，为什么呢？因为刚才我说了，量化交易是在历史数据里面去挖掘规律，所以它依赖的是历史数据，也就是过去的趋势，那如果这个趋势存在的条件发生变化，过去的策略就都没有用处了。

这样的惨痛教训在量化交易发展的历史中有过好几次。比如我们刚才提到的著名的长期资本管理公司破产，这家公司是非常牛的，它曾经被誉为量化交易界的一面旗帜。它旗下包括两个诺贝尔奖得主，还有一个美联储的副主席。当时这个公司用的模型，市场上的反映是不仅看不懂，而且见都没有见过。所以很多人都在说，这群人不是在做金融投资，而是在造原子弹。

在1998年之前，这家公司的业绩确实很好，当时年化收益率是32%，远远超过同行。但是到了1998年发生了一件事情，当年俄罗斯的卢布大幅贬值，然后大家在市场上就开始疯狂地抛售俄罗斯债券。

但是在长期资本管理公司的模型里边有一个假设，就是像俄罗斯这样的大国是不可能赖账的。“天才”们就觉得是市场错了，所以他们不但不抛售，反而更加激进地买入俄罗斯债券，就想等着这个市场反弹大赚一笔。结果“黑天鹅”事件发生了。1998年8月17日，俄罗斯发表声明说，我们不再偿还任何债务。卢布当然就应声而落，长期资本管理公司一天就亏掉几亿美金，在一个月之后，这家天才云集的公司就被迫清盘了。

就像我刚才说的，量化交易把金融市场当作一个稳态结构，然后从历史数据中挖掘规律，利用高杠杆赚利润。但是金融市场不是天体世界，它归根到底是人的市场。金融市场的规律会被人性所影响，而人性中间的贪婪、恐惧、欲望都会随着市场情况的变化而变化。所以说金融市场的规律和人性是一个相互作用的动态过程，市场上很少有一成不变的规律，再厉害的模型也很难应对这种突如其来的规律变化。

当今的量化交易已经回归到了一个正常状态：一方面，认识到量化交易在数据挖掘和科学决策方面的优势，但是另外一方面，人们也认识到量化交易是有局限的，尤其是应对这种突如其来的规律变化的时候，这种纯量化交易可能会面临更大的风险。

特别有意思的一个事就是，在宽客们最风光的时代，这些天才们曾经质疑过巴菲特是不是已经属于过去的“老古董”了。但是经历了这次危机以后，像巴菲特这样的价值投资者仍然屹立不倒，还是受到市场的追捧。

02 量化是个筐，都能往里装

如果说到“中国的量化交易”，也大概可以洋洋洒洒再写上几页，比如市场规律不够稳定，波动大，处于发展初期，还有大数据，AI技术，模型，算力等等外部因素的推动等等，大差不差。

但这几年琢磨下来，越来越觉得，“中国特色”这个词，确实包罗万象博大精深。

A股市场的“量化”，不能用任何一个教条的名词解释来定义。

还是回到量化交易的本质——

挖数据，找规律，加杠杆，就这么几条。

至于各种“模型、计算、算力、速度、AI”，都是不同的应用工具，或者表达工具而已。

从交易角度来说，下单总需要一个理由——所以不管是量化还是主观，都是方法而已。

我一个好朋友，耶鲁博士，也是当年我们武大金融系遥遥领先的第一名，有句特别DEEP的话——“量化，就是用数学模型理解历史”。

作为易中天粉丝的她补充道，“就像读历史书，听易老师的课，去理解历史，推演未来，是一样的”。