2023年09月13日20:22:08 財經 1284

最近，關於「量化交易」是誤國妲己的討論又多了起來。

回想過去十年，只要市場有持續單邊下跌的行情，「量化」就會被拎出來示眾。從2013年8月「光大烏龍指」事件開始，到2015年6月股災裡面的「惡意做空」，這次印花稅減半市場卻沖高回落——每次大的市場波動中，「量化，高頻，程序化交易……」都扮演著反派的角色。

倒也是，一場大戲，總得有反派，否則觀眾的愛和恨，都無處安放。

01 祛魅

幾年前在北大和得到的課程里，我都講過「量化」——

量化有時候也被稱為「寬客QUANTs」，取自英文字母quantitative（數量的）的前綴。

這確實是過去幾十年間全球「金融自由化，金融工程化」的產物：金融自由化是外部環境趨勢（儘管過程起起落落），金融工程化則是數學、物理等技術在金融市場上滲透應用的結果。

金融這種高槓桿的領域，總是會吸引最聰明的頭腦，何況是這種適合天才理工男們信馬由韁的高門檻領域——很多人會將這個行業的從業者稱為「火箭科學家」，因為們把金融市場當成天體運行，進行非常精密的計算、推演，找到中間特別細微的偏離，再設計特別複雜的工具，然後加槓桿，賺取高額利潤。

要說利潤也確實高——

比較誇張的數據是2006年，摩根士丹利、高盛、德意志等投行的頂級寬客們平均的年收入是5.7億美金，年齡最小的大概是30歲左右。

這大概才是「量化」這麼引人注目的根本原因吧。

錢多，還快——這可比愛情更讓人目眩神迷。

市面上，包括教科書里，對量化有很多解釋，包括我自己的書。下面我摘取了《香帥金融學講義》中第80頁的解釋。按照標準版本，已經挺全面了。

什麼是量化交易？

量化交易就是依靠計算機程序實施投資策略的方法。比如說金融學上有一個很著名的交易策略叫動量交易（momentum trading），就是說股票價格向上突破的時候買入，向下跌破的時候賣出。但是這個策略說起來簡單，做起來其實很難。就說A股市場，有3000多支股票，在短短的時間裡要靠人力把所有的股票過一遍，其實是完全不可能的。但是現在有了計算機，就沒問題了。交易員可以寫代碼，然後向計算機輸入一個交易策略的指令：「當股票價格上漲超過20日平均線時買入，當股票價格跌破20日移動平均線時賣出」，然後把這個交易策略的指令輸出去，讓機器來下單操作。

2013年中國有一個光大「烏龍指」事件，當時是怎麼回事呢？光大的交易員不小心輸錯了一個數字，下了一個70億的買單，結果就導致這個股價大漲，就觸發了很多量化交易程序的條件，所以一下子導致300多億的資金湧入場內，幾分鐘之內上證的指數就拉升了100多點，59支權重股瞬間漲停。所以這也是為什麼後來很多人指責量化交易，他們認為是量化交易導致了這個「烏龍指」事件。

那量化交易到底有什麼用呢？

簡單地概括，量化交易的作用就是利用計算機技術和金融理論的進步，幫助克服我們人性上的弱點，然後在投資中做出更好的決策。什麼叫做人性的弱點？作為生物個體，投資者沒有辦法迴避的一個弱點就是，我們的時間、體力、精力、注意力、判斷力都是很有限的。比如說你要用傳統的方法，每個證券都去仔細分析它的基本面或者看它的技術圖形，那即便像巴菲特這樣的股神，也只能分析很少的證券。

所以當大規模資產管理的行業出現以後，基金經理們就開始犯愁，然後就在想，我們有沒有一些可行的方法，可以讓一個人研究更多的證券，然後管理更多的錢呢？這個想法一直沒有能夠得到實現。

一直到上個世紀70年代左右的時候，計算機的計算能力突飛猛進，使得對金融數據的分析成為了可能，接著一大批這種劃時代的金融理論誕生了，像很多人都知道的投資組合理論、資產定價理論、期權定價理論，都是在這一時期出現的，這些理論就為挖掘金融數據提供了理論基礎。另外，當時市場上需要管理的錢越來越多，證券的種類也越來越多。計算能力、金融理論基礎、市場需求，這三個條件在同一個時代風雲際會，同時得到滿足，所以量化交易在這個時候就有一種水到渠成、只欠東風的感覺。

這個時候，善於創新的投資銀行自然地就充當了排頭兵的角色，它們就投入了大量的資金、人力、物力去組建團隊、募集資金和設計演算法。像所羅門兄弟就是一個很著名的投行，它裡面有一個叫梅瑟維夫的人，自己組建了著名的量化基金「長期資本管理公司」。在摩根斯坦利的內部有一個特別牛的量化部門，叫「過程驅動交易組」（Process driven trading），這個組替摩根士丹利創造了巨額的利潤，像德意志銀行、高盛都不甘落後，都到最牛的高校裡面去挖最牛的人才組建團隊。

這些天才雲集在華爾街，他們把整個金融市場看作像天體運行一樣，然後利用計算機技術在海量的數據裡面挖掘信息，設計很多很複雜的金融產品，放大槓桿，獲取著令人難以置信的高額利潤。

從上個世紀的90年代到21世紀初，是華爾街寬客的一個黃金時代，很多人那時候都認為投資銀行已經摒棄了自己原來擅長的傳統投行業務，把自己轉型成了一個又一個巨大的量化投資基金。華爾街的風格當時也在變化，因為寬客們大多是那種不修邊幅的技術宅男，和華爾街那種很傳統、精緻的銀行家形成了鮮明的對比。所以當時有個笑話說，大投行的豪華電梯里常常會同時出現衣冠楚楚的老派銀行家，和那種穿T-shirt、牛仔褲的科學怪人，開始的時候銀行家們都瞧不上這些不修邊幅的傢伙，但他們不知道的是，這些人的收入可能是這種傳統投資銀行家收入的數十倍，甚至數百倍。

所以經過投行的推波助瀾之後，量化交易在整個金融市場上就佔據著越來越大的份額，現在的美股市場上，量化交易大概要佔到60%左右的比重。還有就是隨著大數據和計算機技術的迭代，量化投資、量化交易的應用範圍也越來越廣。比如說原來看一個農業股，就看看它的財務數據、歷史產量，但是現在很多交易公司是怎麼做的？它們利用衛星的數據來分析天氣，然後把農產品的歷史產量，還有相關的產量的數據都拿過來，再對農產品的未來產量做預測，然後在這個基礎上再來預測分析農業股未來的表現。

所以你看，量化交易的核心競爭力是什麼呢？就是可以對海量的數據進行計算，然後把這個規律給提煉出來，做出預測。在一個市場很平穩的狀態底下，你如果能夠精確地把握這個規律，然後再加一點槓桿，當然就可以賺很多很多的錢了。

要告訴你的是，量化交易的風險其實特別大，為什麼呢？因為剛才我說了，量化交易是在歷史數據裡面去挖掘規律，所以它依賴的是歷史數據，也就是過去的趨勢，那如果這個趨勢存在的條件發生變化，過去的策略就都沒有用處了。

這樣的慘痛教訓在量化交易發展的歷史中有過好幾次。比如我們剛才提到的著名的長期資本管理公司破產，這家公司是非常牛的，它曾經被譽為量化交易界的一面旗幟。它旗下包括兩個諾貝爾獎得主，還有一個美聯儲的副主席。當時這個公司用的模型，市場上的反映是不僅看不懂，而且見都沒有見過。所以很多人都在說，這群人不是在做金融投資，而是在造原子彈。

在1998年之前，這家公司的業績確實很好，當時年化收益率是32%，遠遠超過同行。但是到了1998年發生了一件事情，當年俄羅斯的盧布大幅貶值，然後大家在市場上就開始瘋狂地拋售俄羅斯債券。

但是在長期資本管理公司的模型裡邊有一個假設，就是像俄羅斯這樣的大國是不可能賴賬的。「天才」們就覺得是市場錯了，所以他們不但不拋售，反而更加激進地買入俄羅斯債券，就想等著這個市場反彈大賺一筆。結果「黑天鵝」事件發生了。1998年8月17日，俄羅斯發表聲明說，我們不再償還任何債務。盧布當然就應聲而落，長期資本管理公司一天就虧掉幾億美金，在一個月之後，這家天才雲集的公司就被迫清盤了。

就像我剛才說的，量化交易把金融市場當作一個穩態結構，然後從歷史數據中挖掘規律，利用高槓桿賺利潤。但是金融市場不是天體世界，它歸根到底是人的市場。金融市場的規律會被人性所影響，而人性中間的貪婪、恐懼、慾望都會隨著市場情況的變化而變化。所以說金融市場的規律和人性是一個相互作用的動態過程，市場上很少有一成不變的規律，再厲害的模型也很難應對這種突如其來的規律變化。

當今的量化交易已經回歸到了一個正常狀態：一方面，認識到量化交易在數據挖掘和科學決策方面的優勢，但是另外一方面，人們也認識到量化交易是有局限的，尤其是應對這種突如其來的規律變化的時候，這種純量化交易可能會面臨更大的風險。

特別有意思的一個事就是，在寬客們最風光的時代，這些天才們曾經質疑過巴菲特是不是已經屬於過去的「老古董」了。但是經歷了這次危機以後，像巴菲特這樣的價值投資者仍然屹立不倒，還是受到市場的追捧。

02 量化是個筐，都能往裡裝

如果說到「中國的量化交易」，也大概可以洋洋洒洒再寫上幾頁，比如市場規律不夠穩定，波動大，處於發展初期，還有大數據，AI技術，模型，算力等等外部因素的推動等等，大差不差。

但這幾年琢磨下來，越來越覺得，「中國特色」這個詞，確實包羅萬象博大精深。

A股市場的「量化」，不能用任何一個教條的名詞解釋來定義。

還是回到量化交易的本質——

挖數據，找規律，加槓桿，就這麼幾條。

至於各種「模型、計算、算力、速度、AI」，都是不同的應用工具，或者表達工具而已。

從交易角度來說，下單總需要一個理由——所以不管是量化還是主觀，都是方法而已。

我一個好朋友，耶魯博士，也是當年我們武大金融系遙遙領先的第一名，有句特別DEEP的話——「量化，就是用數學模型理解歷史」。

作為易中天粉絲的她補充道，「就像讀歷史書，聽易老師的課，去理解歷史，推演未來，是一樣的」。