第2章　量化交易简介

黑箱这个词，是怎么被用成「看不懂」的#

本章开篇不谈模型，先谈词。作者说人们一提黑箱就想到鲁布·戈德堡装置——《韦氏新国际词典》第 3 版把它定义为「通过极其复杂迂回的方法实现看似运行比较简单」的装置（本章开篇段）。而业界很多人正是用几乎相同的说法来描述宽客。

他随后列了三条证据，一条比一条有分量。《华盛顿邮报》2007 年 8 月一篇题为《华尔街的数学大脑也会犯错》的文章说，量化对冲基金靠「复杂而巧妙的数学算法」发掘市场中异常和隐藏的获利机会；另一篇题为《如今不再精明》的文章说量化基金靠电脑程序同时买卖成千上万只股票；最重的一条来自大卫·史文森——耶鲁大学 170 亿美元捐赠基金的首席投资官、《机构投资的创新之路》作者——他在接受「财富/CNN 金钱」采访时表示，因为不了解量化黑箱策略如何运作，所以「从来不依据其进行投资」（本章开篇段）。作者举史文森，正是因为连最受敬仰的投资者都停在「看不懂」这一层。

黑箱一词的来历也被交代了：作者所知最早出自 1915 年赫伯特·罗林森主演的一部科幻电影片名，讲犯罪学家桑福德·奎斯特发明了一台帮自己破案的机器，叫黑箱；制片商环球影城还悬赏鼓励观众破解黑箱的秘密。作者由此给出中性定义：在自然科学和金融领域，黑箱是「给输入就产出输出、但内部机理不清楚」的系统，而量化策略恰好同时具备复杂性与神秘性这两个特征。但他立刻把话锋一转——量化交易策略本质上是一种决策过程，本书里绝大部分策略都不比其他决策过程更难懂。

统计套利：名字唬人，道理不唬人#

作者用统计套利拆穿「高深」。它的理论只有一句：相似的金融资产，市场表现应该相似。埃克森美孚和雪佛龙的股价若短期内大幅偏离，多半是供需的短期失衡，而不是二者基本价值真的分道扬镳。就这么一个直接结论，撑起了每日数十亿美元的交易额。

关键在于对比。主观交易者也做这件事，只是叫它配对交易。差别在于：主观交易者靠经验判断「哪两个算相似」「什么因素驱动价格背离」，给不出统一而连贯的框架；宽客则把这些问题拿去细致研究，得到可指导交易的结论。这是本章的主论点第一次落地——差的不是策略内容，是回答问题的方式。

何为宽客：差别在过程，不在想法#

顺着上一节，作者给出定义：宽客基于高深理论构造追求超额利润，并系统地加以实施；之所以叫宽客，在于他们刻苦钻研策略的产生和实施过程。至于策略本身，宽客和主观交易者并无差别。

同时他划定了本书的范围：宽客在跟踪标普 500、构建复杂金融产品时也大量用数学和计算机，但本书只关注长期回报与市场趋势无关的、追求阿尔法的量化交易策略。

作者反复强调没有要把人赶出去——「我们只是在讨论宽客而不是机器人」。系统一旦运转，人的操作虽被限制在组合日常管理，但人的判断力仍然是决定性的：那些经常性决策一旦做出便直接推动交易，而计算机会严格照办。他用制导系统作类比：设计阶段犯的错，会随着越来越多导弹按错误指令发射而越放越大，最终酿成灾难。量化决策的好坏，就是这样随时间被放大到无法遮掩。

系统性方法的边界：什么时候必须伸手#

要理解量化的本质，就得研究系统性方法在什么情形下必须让位给主观判断。最常见的触发条件是：出现了影响市场行为的消息，而已有策略无法自动调整。

案例是 2008 年美林与美国银行合并。合并推高美林股价，模型若不知情，很容易判定它严重高估而做空——但股价上涨有合理原因，理性的宽客不会做空。此时的处理是人工干预，把美林从备选股票中剔除。作者说这是「输入垃圾，输出垃圾」的生动例子：当投资经理意识到模型所依赖的信息不准确、不完全甚至无关，为降低风险，她可能取消受影响品种的交易。

处理时点也有分歧。有些激进的机构一听到有一定可信度的并购流言就剔除，有些宽客则从不轻易改名单。另一类干预是整体降杠杆：2001 年「9·11」事件后，许多宽客担心冲击扩大而降低杠杆，等市场恢复正常再调回。

量化与伪量化：一条可操作的判定线#

严格主观和严格系统/自动之间有大量兼顾型策略，作者给了一条判定线：看投资组合的规模和日常交易品种的选择由谁决定。建仓点位与头寸规模都由系统自动生成，是量化交易；两者中有一个需要人工干预，就不是——「紧急」情形下的干预属于允许的例外。

由此产生了伪宽客（quasi-quant）。最常见的一种：用自动系统扫描出潜在机会，把大量候选压缩到可控规模，然后人工挑选。另有两种更少见的组合——交易品种完全人工选、由电脑做组合配置与风险管理；或者电脑筛品种、人工定头寸规模。作者说本书也涵盖他们用的技术，因为工具是同一套。

图 2-1：三个模型、一个构建、一个执行#

这是全书骨架。作者说理解宽客及其黑箱的最好方法就是逐一了解各组成部分，这也是本书其余部分的框架。

交易系统包含 3 个模块：阿尔法模型、风险模型、交易成本模型。三者构成投资组合构建模型的输入变量，而构建模型与执行模型相互作用。逐个说：

• 阿尔法模型：预测所考虑交易的金融产品未来趋势。期货趋势追随策略里，它预测想要持有的期货的价格变动方向。
• 风险模型：控制那些不太可能带来收益、却会造成损失的敞口规模。趋势追随者可能限制商品这类资产的方向性风险——因为预测结果可能全指向同一方向，从而堆出过多风险；风险模型给出这些敞口的水平。
• 交易成本模型：确定从当前组合走到新组合要付多少成本。任何交易都有成本，不论预计赚多赚少。仍用趋势追随的例子：若预计趋势不强且只持续很短时间，成本模型可能显示建仓加平仓的成本大于预期利润。
• 投资组合构建模型：拿前三者的结果做输入，在追求利润与控制风险、交易相关成本之间平衡，定出最佳组合。
• 执行模型：拿目标组合与当前组合作差，差异就是要执行的交易；执行算法再结合紧迫性、市场动态流动性等输入，以高效低成本的方式成交。

作者主动声明这个结构并不普适：许多量化策略并不包含交易成本模型、投资组合构建模型或执行模型，另一些则包含这些模型的不同组成部分；关于风险的要求和限制也可以直接塞进阿尔法模型。还有一种变化是在部件之间建立更多递归连接——有些交易者采集自己实际执行的数据，反过来优化交易成本模型。图的用途在于：大多数情况下它反映了系统内真实存在的组成部分，无论它们是否严格按这个框架组织。

图 2-2：被漏掉的两块地基是数据和研究#

作者随即指出图 2-1 只画了交易系统的生产部分，漏掉了两个重要组成：数据和研究。

没有数据、而且必须是精确的数据，黑箱毫无用处。宽客的流程是输入数据、加工信息、做出交易决策，建立输入/输出模型；趋势跟踪者靠价格数据判定趋势，没有数据就一事无成。所以作者的判词是：数据是宽客的命脉，决定策略的各个方面。

研究则是拿到数据之后做的事——通常包含测试和仿真，用来判断量化策略的运行情况。而且不只策略要研究：框架中的各个模块都需要基于大量研究才能正确建立。加上这两块，就得到图 2-2 的黑箱示意图。

关于图 2-1、图 2-2、表 2-1 的说明（存疑）#

需要向读者交代：本章的图 2-1（量化交易策略的基本结构）、图 2-2（黑箱示意图）与表 2-1（从现有投资组合到新的目标投资组合的交易过程）在可提取的文本中只有图题/表题，没有图内与表内的具体内容。上面对结构的所有描述均来自正文文字对图的解说，未对图形本身作任何推断；表 2-1 的具体数字与权重无法给出，正文只说明了它的读法——当前组合体现现有持仓，运行构建模型后生成新的目标组合权重，两者之差即需执行的交易。

另有一处原书自身的存疑：正文称《如今不再精明》出自《纽约时报》，而对应脚注标注的来源是 Roddy Boyd, NewYorkPost.com（2007 年 8 月 19 日），即《纽约邮报》。正文与脚注不一致，此处照实并列，不作取舍。

小结里作者真正想推的那句#

作者在小结中把神秘感彻底卸掉：宽客也是先观察市场，产生一些普通人也会想到的想法，只是接下来用市场客观数据去研究它对不对，而不是靠传闻、经验或直接假设自己是对的。满意之后才布置进量化系统，由系统排除情绪、严格执行经过测试的策略。人依然在：产生想法、测试策略、决定用哪个策略、交易什么品种、交易速度多快，还握着「恐慌开关」——一旦觉得市场走势超出模型可控范围，就用它降低风险。

最后是本书的立场声明：即使是关注量化的人，也把主要精力放在阿尔法模型上；而作者要指出的是其他部件同样值得深入理解和评估——交易成本模型帮着确定换手率，风险模型帮着避开错误敞口，投资组合模型在成本、风控、盈利这些相互冲突的目标间平衡，并把目标组合传给执行模型。这些全部基于数据、经过研究才能完成。第二部分将沿黑箱内部逐一展开，且每章结尾都会标出已经研究了黑箱的哪些部分、还剩哪些——这是作者给读者的进度提醒机制。