第1章　关注量化交易的原因

开篇：两个安静的交易员#

本章以马可·奥勒留《沉思录》的一句话破题——向智者学习，才能像智者一样做事。这句引语定了全书基调：这不是一本劝你改行做宽客的书，而是一本让你从宽客身上取经的书。

作者先讲约翰。20 世纪 90 年代初，约翰在一所高等学府拿下数学与计算机科学学士学位，毕业后直接进入华尔街交易部门，想把自己的数量化知识资本化。历练 7 年、辗转多种量化岗位之后，他自立门户成立对冲基金：合伙人管业务和运营，他专攻策略。如今每天股票交易规模超过 15 亿美元，策略在 60% 的交易日和 85% 的交易月里赚钱。

值得玩味的是这间办公室的样子：没有喧哗，没有电话喊单，只有几块平板显示屏显示当天策略的表现和交易量。约翰讲不出「我为什么买这只股票」的好故事——大部分时候策略自动跑，他跟踪的是数以千计的股票，真正操心的是策略稳健性和市场环境的影响，并随市场变化调整模型。

坐在约翰对面的是新加入的合伙人马克，专攻高频交易。两人的野心比 60% 更进一步：找那些每天都能赚钱的更小机会。马克最早的高频策略已经能在近 95% 的时间里盈利，他们的目标是复制出每小时甚至每分钟都获利的策略，年回报不低于 2 倍。作者同时点出高频的代价：机会小且转瞬即逝，容量有限，设备昂贵、维护也不便宜。

成绩单与事故簿#

小公司里像约翰这样默默耕耘、业绩骄人的不少。作者举了弗吉尼亚州夏洛茨维尔的量化投资管理公司：2002~2008 年年收益高达 20%，许多主观判断型经理望尘莫及。

大公司里最出众的是文艺复兴科技公司（Renaissance Technologies）。其旗舰大奖章基金自 1990 年以来平均每年 35% 回报——这是扣除各种高昂费用之后的数字，且风险较低；2008 年多数对冲基金业绩不佳时，大奖章仍接近 80%。作者说自己对这家基金的业绩比较了解：随着竞争越来越激烈，模型的业绩反而更好。

但并非所有宽客都成功，而且「似乎每过 10 年」就来一次由量化引发（或被感觉为由量化引发）的市场戏剧化变动。最著名的是长期资本管理公司（LTCM）：曾在 4 年里扣费后年均 30% 回报，1998 年 8~10 月清算了几乎 100% 的资产；若无美联储与华尔街银行联盟干预，极可能引起资本市场崩塌。作者在此保留了两个争议：失败该归因于量化，还是归因于人性在风险管理中的判断失败？以及 LTCM 究竟算不算真正的量化公司——它的员工主要是博士生和诺奖经济学家，把它定性为量化交易，无疑会让宽客蒙羞。

另外两次审判：1987 年股灾（作者认为「也许不公平」）和 2007 年量化基金清算事件（「也许公平」）。后者波及甚广，高盛旗下最大的量化基金全球阿尔法在 2006 年亏 6% 之后，2007 年估计亏损达 40%；2007 年 8 月不超过一周里，许多量化基金几天内损失 10%~40%，尽管当月余下时间部分强势反弹收窄了亏损。此后《华尔街日报》一位前记者在畅销书里断言量化交易将在 2008 年走到尽头——作者评价其逻辑有些混乱，但否定态度一直持续到 2010 年 5 月闪电崩盘把高频交易推入公众视野。作者不急于判案：很难断言宽客是否该为波动性上升、市场不稳定、市场操纵、内幕交易负责，留待第 16 章讨论高频交易。

规模：量化已经是主角#

撇开成败与批评，量化每天对资本市场的影响毋庸置疑。美国股票交易大都通过算法执行（algorithmic execution，即在电子化市场中用计算机软件完成买卖），比例还在快速上升；指数基金、主观判断型宏观基金也在用，但量化占比更大，而且宽客本身就是算法交易引擎的发明者和主要创新者——在美国市场，仅 5 个宽客每天就可负责 10 亿美元交易量，可即便高频被广泛宣传之后，这些人也不为投资大众所知。

作者列出的数据（正文中部）：TABB 集团估计 2008 年约 58% 的买方交易订单由算法交易完成，且自 2005 年以每年 37% 的复合速度增长；Aite 集团 2009 年早期报告称股票市场 60% 的交易由短期量化交易完成；2008 年第 1 季度欧洲 Xetra 电子订单匹配系统中约 45% 的交易量由黑箱交易实现，同比增长 36%。

期货与外汇同样如此。新际另类投资咨询公司与巴克莱集团估计，截至 2012 年 8 月，CTA（商品交易顾问）旗下几乎 90% 的资产由系统的交易公司管理，且大型 CTA 很可能超过 75% 的交易属于量化；新际估计同期量化型期货基金管理资产达 2823 亿美元。再加上对冲基金、银行自营柜台、自营交易公司和多策略基金里的量化部分，规模不容小觑。

量化对市场做了什么#

负面报道多，但事实并不总是负面。运营法兰克福交易所的德国证券交易所（Deutsche Boerse AG）首席执行官瑞德·弗兰乔尼（Reto Francioni）在演讲中说算法交易能「改善市场流动性，市场参与者均从中受益」（本章「量化交易的影响」段落），并引用学术研究指出算法交易和流动性之间是正向的因果关系。作者认同：用执行算法的量化交易者主要把大单拆成小单以降低成本、提高效率，如今这套东西已被众多投资团体使用。

更重要的一层是提供流动性。当其他交易者的需求让供需短暂失衡时，量化可以通过提供流动性提升效率——经济学上这种不平衡称为市场无效（inefficiency）。作者在此下了一个贯穿全书的定调：真正的无风险套利机会很少且转瞬即逝，宽客并非绝对地消除市场无效性并从中获利，而是概率性地获利，并且需要承担风险。

他用统计套利（statistical arbitrage）中最经典的配对交易（pairs trade）作说明（设例）：同一行业、商业模式与财务状态相似的两家公司，A 股属于主要市场指数成分股、B 股不属于任何主要指数。指数基金为跟踪指数买入较多 A，导致 A 表现优于 B、市盈率（P/E）更高——基本面没变，只是供求变了，这是市场无效性的微妙表现。卖 A 买 B 阻止定价偏离，既促进有效性又赚到偏差收敛的钱。促进有效性不是利他主义，是策略赚钱的副产品。作者也不揽功：追求阿尔法的交易同样靠寻求市场错配获利；有时候（如 2007 年 8 月）量化反而让市场短暂弱有效；但对市值小、流动性低、容易被忽视的股票，统计套利者是主要的流动性提供者。

经验一：深度思考的益处#

文艺复兴的奠基人詹姆斯·西蒙斯（James Simons）认为宽客带给投资领域最伟大的成就是解决问题的系统化方法。用西蒙斯的话说：科学家带入这场游戏中的，「并不是他们的数学或者计算机技巧，而是科学思考的能力」（「深度思考的益处」小节）。

理由很朴素：计算机是工具，没有绝对精确的指令它一无是处。你不能对计算机说「发现廉价的股票」——你必须定义什么是发现（比如搜索含股票信息的数据库、按行业分类排序）、什么是廉价（比如设 10 倍 P/E 为廉价，或行业内排名最后 10%）、什么是股票（美国股票、全球股票、欧洲大市值……）。这些定义逼着人去想清楚策略是什么、如何实施；连「要不要在行业内部排序」都得自己选，因为计算机不会自动填空。

作者的对照组是主观判断型交易者：他参加过无数次会议，问到如何决定持仓规模时，得到的回答是「看上去合理」。他强调这不是谴责，只是想指出对细节的精确与深入思考、以及更长远地考虑策略，是好事——而宽客对此深有体会。

经验二：风险的正确度量与错误度量#

宽客天生喜欢度量一切，包括风险暴露，这有优点也有缺点。好的一面：一个构想良好的量化策略鼓励承担经过划分的风险，而不是接受偶然风险；纪律严明的策略要求精确划出可接受范围并把风险控制其中。要清除风险，就得先知道风险是什么、怎么度量——比如许多股票量化交易者自认没能力预测市场方向，就用净头寸或贝塔系数度量市场风险敞口，靠多空平衡把暴露压低。

坏的一面：精度不准、度量错误、假设条件设错，会让风险度量与量化管理陷入困难。LTCM 就是过度依赖并不尽善尽美的风险度量技术：历史数据说某些情形很可能、某些不太可能、某些绝不会发生；当时绝大部分市场参与者不认为作为核武器和核原料大国的俄罗斯会违约，因为历史上从未发生过。可俄罗斯 1998 年夏天真的债务违约，世界市场一片混乱，任何风险度量手段都毫无意义，1998 年秋全球金融市场几近崩溃，全靠美国政府发起的救助与华尔街重量级银行支持。

2007~2008 年压垮市场的信用危机同理：银行依据的信用风险模型显然捕捉不到所有风险，而且很多情形下银行似乎故意视而不见，因为这有助于拿到短期超额利润（和奖金）。作者的结论用了一个类比：就像不能把 2005 年卡特里娜飓风给新奥尔良带来的损失归咎于天气预报模型，也不能因为创造和使用量化风险模型的人失败，就归咎于量化模型本身。只要交易者没被诱惑去做错事，理解和度量风险仍然有收获。

经验三：遵守纪律#

最显而易见的一条：策略一旦设计出来并经过严格检验、验证可获利且可行，宽客就让模型自动运行，不做非必要的任意干预。作者指出，从运动到科学，人在筹备计划阶段的推断、推理、假定、创造和从历史学习的能力都大有裨益，但执行阶段恰恰是人最缺的，失败的一个重要原因就是缺乏纪律性。

经典证据是那句老交易格言——亏损时止损、盈利时让利润奔跑。但主观判断型投资者往往很难及时意识到亏损，却很快意识到盈利，这种行为偏差叫处置效应（disposition effect，出自 Shefrin 与 Statman 1985 年发表于 Journal of Finance 的研究）。计算机不会有这种偏差，所以认同该准则的交易者很容易把它程序化，每次运行都照办。作者特别澄清：这不是说系统型交易者比主观判断型交易者更有优势，只是系统型交易者能在没有压力的环境中做出理性决策，绕开了绝大多数人在守纪律时面临的挑战——而这份纪律性，主观判断型投资者是可以学的。

小结与本章定位#

本章的收尾把三条经验合成一个立场：国际投资界里量化交易者形形色色、占比不小，遍布各地交易场所和各类资产、大小公司；其成败都会引起关注，很多投资者从中受益。宽客配置与实施策略时的完全性和严格性、度量风险与市场敞口的习惯（前提是小心避免错误）、以及执行的一致性和纪律性，值得所有决策者学习。这三条正是全书接下来要拆开讲的「黑箱」内部结构的价值锚点。