第10章　量化策略的风险内生性

从敞口说起：本章只处理”阿尔法风险”#

开篇作者把敞口分成两种：能带来长期回报的（阿尔法和贝塔）和不能带来长期回报的（风险）。贝塔敞口对主动型宽客而言基本可以回避——低成本指数工具就能复制——所以本章聚焦阿尔法敞口。作者提醒，宽客捕捉的阿尔法敞口和主观判断型经理找的其实是同一类；任何策略都会遇到”本该产生回报的敞口却没有从市场得到补偿”的时刻，这对两类交易者都成立。本章要区分的，是哪些风险为量化独有，哪些只是对量化格外要紧。

题词来自格雷戈·伊斯特布鲁克：「如果对数据进行深入研究，它们将会表明任何事情。」（本章章首引语）

模型风险之一：建模不适宜性#

模型风险是量化系统给投资者的最基本风险——策略无法精确表述、匹配或预测它想探索的现实现象。作者强调两点：一是它不会立即显现，技术参数或软件工程上的小错会积累，然后在某个繁忙交易日突然爆发；二是它不只藏在阿尔法模型里，回测软件、数据处理器、风险模型、交易成本模型、组合构建模型和执行算法全都有份。

建模不适宜性有两种形式。第一种是对问题本身做了错误的量化建模——比如给音乐家的素质建模，你可以量化训练资源和持久性，但”是否优秀”根本不是数学能回答的主观问题。作者把 2008 年金融危机也归入这一类：那些结构化证券在各种模拟情形下都通过了检验、被评为 AAA 级，但拆开看都是不良资产，问题出在概念化提取上——模型忽略了整体经济可以由一个因素导致大量贷款同时无法偿还。

第二种更隐蔽：对已知问题错误地套用模型，典型是 VaR 的滥用。传统 VaR 用相关矩阵和历史波动率算组合风险，隐含假设是数据服从正态分布，但市场数据经常呈现厚尾。作者给了一个可复核的算例：用 2000 年 1 月 3 日到 2008 年 11 月 30 日的标普 500 日指数数据（剔除红利），-4 倍标准差对应的是回报率低于 -5.35% 的日子。若真是正态分布，4 倍标准差事件每 33333 个交易日才发生一次（按每年 260 个交易日算约 128 年）；实际上平均每 13 个月就出现一次，正态假设把频率算低了 118 倍。

相关系数的问题同理：它只在线性关系下才有意义。图 10-1 用埃克森美孚（XOM）与阳光微系统（JAVA）作对比——XOM 回报率最高时，JAVA 的回报率大约是 -5%；反过来 JAVA 最高时 XOM 也大约是 -5%。作者说两者的最佳拟合更像圣路易斯的大拱门而非直线。而 XOM 与雪佛龙（CVX）之间才更像线性关系。用相关系数去检验 XOM 和 JAVA，就是典型的建模不适宜性错误。

模型风险之二：模型误设#

误设指模型没能很好描述真实世界。作者有个反直觉的观察：完全拟合不了现实的模型活不长，所以越流行的误设，越是和不寻常事件相关——大部分时间运转正常，异常发生时集体失灵。2007 年 8 月的余波就是明证：许多宽客事后发现，自己对大盘股流动性风险的建模只考虑了与自己持仓相关的流动性，却没考虑”如果许多大交易者同时清算类似持仓，总规模会远大于任何单个交易者的持仓”。事发后大家忙着修补风险模型和交易成本模型，但这类事件的罕见性和独特性，恰恰让建模格外困难。

模型风险之三：执行错误#

作者认为这可能是最常见的一类：所有量化策略最终都是跑在硬件和网络架构上的软件。他先用一个设例说明——宽客在执行软件里把符号写反，本想以买入价买入、卖出价卖出，结果变成以买入价卖出、卖出价买入，每笔交易都白付一个买卖价差。

真实案例更触目：2012 年 8 月，骑士资本在短短 30 分钟损失超过 4 亿美元，起因是软件某个部分由休眠状态错误转为活跃，订单量成几何级数增加，在高价位累积大量头寸，卖出时损失达 9 位数；公司几乎破产，为求生存被迫以极不合理的折扣把超过 70% 的资本卖给投资者集团。作者补了一句这不是骑士第一次犯执行错误——2011 年 3 月的一个”过程错误”曾让一些新创 ETF 的价值从初始阶段的 80% 变至 100%，交易所取消了那些交易。

法国安盛的风险模型里有个代码错误，导致客户损失 2.17 亿美元，最终向投资者赔偿并向证监会支付 2500 万美元赔偿金了结。时间线尤其刺眼：错误似乎 2007 年 4 月就出现，2009 年 6 月才被发现；发现之后几位高管还向 CEO 隐瞒，既不披露也不修复；直到大约 3 年后的 2010 年 4 月才向客户披露。代价不止赔偿金——管理资产从 2010 年 3 月的 620 亿美元跌到 2012 年 6 月底的 180 亿美元。

第三个是架构错误（公司匿名）：阿尔法模型和执行引擎在不同服务器上。某次重启后执行服务器先上线，阿尔法模型几分钟后才恢复；执行模型没收到任何信号，就自动快速清算组合以消除风险——短短几分钟内 80% 的组合被清掉，然后不得不重建。全程没有任何预警，直到结果显现。作者说算是幸运，回报率没受太大影响，但也就是幸运而已；软件和架构错误最常见，通常也是伤害较小的那类。

结构关系变化风险#

量化模型建立在历史关联之上，哪怕用分析师预测或情绪信号也一样——情绪本身偏向历史趋势的方向。市场按某种方式运行一段时间后，宽客就会开始依赖这种持续性；一旦结构关系改变，至少会被暂时性地伤到。作者特意声明这不是对趋势跟踪的谴责：有些策略盈利几十年，风险调整收益优于股市。但讽刺的是，专做均值回复的宽客在大趋势反转时也可能受伤——尤其是用相对均值回复策略的，因为反转往往伴随既定相关关系的破坏，策略”相对”的那一半就会出事。

图 10-2 用嘉信理财（SCHW）与美林证券（MER）划出四个阶段：1996 年初到 1997 年末，两只股票相当相关、趋势相似；1998 年初到 2001 年初，趋势完全分道扬镳，嘉信波动性异常放大——互联网泡沫使投资者把嘉信当成在线经纪商，股价波动更像美国证券（Ameritrader）和电子交易（E*trade），而不像传统对手美林；互联网泡沫破裂后，2001 年初到 2007 年初，嘉信又长期密切跟踪美林；2007 年初关系再变，美林戏剧性地跑输嘉信，原因是可以追溯到 2007 年初的银行业和信用危机。押注这对关系持续的宽客，十年里要经历两段艰难时期。它们是永久分离还是将来重新关联，作者直言超出预测能力。

第二个例子是价值/成长价差（IVE 与 IVW 分别代表标普 500 价值型与成长型指数），图 10-3：2004 年初至 2007 年 5 月中旬，价值型跑赢成长型约 29 个百分点；价差略微缩小到 2007 年 7 月中旬；然后快速下降——因为押注价值优于成长的宽客在平仓，叠加当时的宏观环境，引发成长型对价值型的巨大反弹。作者在脚注里说明了这里的”成长型”：与商品价格正相关的公司（石油、黄金采掘）以及与经济周期弱相关的公司（电信）。

后续两次短期反转的数字更能说明”速度”才是杀手：2008 年 1 月 9~31 日的 16 个交易日里，价值型指数反弹超过了此前 160 个交易日跌幅的一半以上——反弹速度是先前趋势的 5 倍；接下来的 115 个交易日，价值/成长价差反转超过 22 个百分点，到 2008 年 7 月中旬回到平衡点；再之后一个剧烈的 6 个交易日阶段，价差恢复到之前下跌水平的 40%，速度几乎是先前趋势的 8 倍；2008 年 8 月后期到 9 月初期又回复 36%，从 7 月中旬到 9 月早期的 39 天里合计回复超过 50%。

更糟的是这类剧烈反转会摇动其他相关关系：曾经表现不佳的金融、房产商开始变好，曾经表现好的科技开始变差，外汇、债券、大宗商品也倾向于反转。图 10-4 显示原油 ETF 的走势像是价值/成长价差的镜像，在 2008 年 1 月早期和 2008 年 7 月中旬经历了镜像反转。这正是结构关系改变对宽客尤其痛苦的原因：它们通常在许多层面同时发生。

外生冲击风险#

之所以叫外生，是因为驱动力不来自市场内部信息——恐怖袭击、新战争开端、政治或监管干预。量化模型靠市场数据预测，当非市场信息影响价格，模型就解释不了，而这类冲击往往带来大于平常幅度的价格运动。图 10-5（1999 年 12 月至 2008 年 12 月的标普 500）标了四个圆圈：

• 2001 年 9 月 11 日纽约和华盛顿的恐怖袭击。市场关闭约一星期，重开后急剧下跌，随后以极快速度反弹。作者的分析很克制：撇开袭击的恐怖本质，这轮下跌其实是 2000 年 3 月已开始的下跌趋势的延续，趋势跟踪策略反而获益；受损的是均值回复策略和相对阿尔法策略，因为非市场信息戏剧性且暂时地改变了市场的运行方式。
• 2003 年早期伊拉克战争初始阶段。全球股市、债券、外汇、大宗商品突然步调一致，由美军在伊拉克进展的新闻驱动。这次连趋势跟随者也付出代价——多个资产类别同时做出与先前趋势相反的运动。
• 2008 年 3 月中旬贝尔斯登获得救助。剧烈的趋势反转由机器无法预测的信息引起。作者提到，贝尔斯登的倒闭可能是非市场”信息”的结果——本书写作时证监会应该正在调查其倒闭前四处蔓延的谣言背后可能存在的不道德行为。
• 最后一个圆圈是金融板块的又一次上涨，由证监会改变做空制度、使做空受损金融股更困难所引起。

作者承认，证监会干预、倒闭谣言和政府救助算内生还是外生仍有争论，但毋庸置疑的是它们传递给市场参与者的信息既不可量化也不寻常。因此外生冲击风险对量化投资而言重要、难处理，且无法自由规避。

蔓延风险与同质投资者风险：1998 与 2007 是同一条线#

这是量化特有风险中的”新成员”：风险不来自策略本身，而来自别的投资者也持有同样的策略。它由两件事决定——用这个策略的人数，以及这些投资者手里还持有什么别的、可能逼他们惊慌退出量化策略的东西。后者就是”自动取款机效应”（ATM effect）：一个策略的重大损失引起完全不相关策略的清算，因为同时持有两个策略敞口的投资者（尤其高杠杆时）面对财务困境和追加保证金，卖不掉非流动性持仓，就只能减流动性头寸。本质上，好的、流动性充裕的策略被卖掉，是为了弥补差的、流动性欠佳的策略的损失。

作者点名两个年份的强相似性：1998 年 8 月（明显不是量化事件）和 2007 年 8 月（很清楚是量化事件），两次都是信用危机导致信用类产品流动性枯竭，触发与信用危机毫无关系的流动性资产被强制卖出。

1998 年的样本是相对价值股票套利——押注双重上市股票或并购中股票的价格趋于一致。洛文斯坦《营救华尔街》（When Genius Failed）里最著名的例子是荷兰皇家壳牌：荷兰皇家总是相对壳牌以 8%~10% 溢价交易，长期资本管理公司等押注溢价会消除，于是做多壳牌、做空荷兰皇家——毕竟同一家公司在欧洲上市并没有理由天然比在美国上市表现更好。但 LTCM 在俄罗斯债务头寸上巨亏（那是相对收益率策略的一部分：做多高收益的俄罗斯债、做空低收益的美国债，后者既对冲全球利率上涨，也为做多俄罗斯提供资金）。俄罗斯违约后，数十亿美元的俄罗斯债务没人接盘，LTCM 只能痛苦地清算荷兰皇家壳牌这类头寸筹钱——到完全清算时，价差不但没收敛，反而从 8%~10% 扩大到 20%。

作者特别澄清：把 LTCM 危机认定为量化交易的失败并不准确。LTCM 里确实有人很擅长数学，但真正闯祸的策略不是量化策略——那是跨国家、跨资产类的收益游戏，持续买入风险资产、卖出相对安全资产，本质上是对新兴市场和一般市场的持续稳定与改进做高杠杆的单边赌注。

2007 年 8 月量化危机：四个驱动力#

2007 年 8 月完全不同，许多量化对冲基金损失惨重。作者归纳出四个同时发生的驱动力（章末他自己也做了复述式回顾）：

①拥挤交易效应。 2004~2007 年，许多一流经理人开发量化多头/空头策略以吸纳大量资本——低换手率和长期投资期限正是安置大资金所必需的，加上 2004 到 2007 年初的正收益率和一流经理人的招牌，机构和散户资金蜂拥而入。作者的估算是：可能有数千亿美元投入量化多空基金和银行自营交易，再加杠杆，量化多空交易者可能控制着约上万亿美元的总头寸（多头和空头绝对值加总）。这些头寸大部分压在大市值美国股票上——只有大批量、流动性强的股票才能同时满足多样性和资产规模的需求。各家模型即使有差异，也足够相似，于是单笔交易变得很拥挤。

②年内已经表现不佳。 2007 年初到 8 月，许多聚焦美国市场的大型基金已是零增长或负增长。部分原因正是前面那条价值/成长价差：前几年”价值型”跑赢”成长型”，而至少从 2007 年 5 月末起，“价值型”开始跑输。混合策略和自营交易柜台又倾向于追逐近期表现——好的加钱、差的减钱，这与量化多空夏天前几个月的糟糕表现叠加，很可能”帮”了那些本就觉得该降风险的风险经理一把。

③交叉抵押与交叉所有权（作者认为最重要）。 银行自营台和多策略对冲基金普遍对多种策略或明或暗地交叉抵押（cross-collateralizing）。夏天之前，对冲基金和自营台在信用价差保持较窄的风险暴露上赚得盆满钵满，而基于信用的策略历史上早已证明：相比”正常市场条件”，危机中它们远远更缺乏流动性。2007 年 7 月，一些信用产品基金经理突遭巨亏，只能卖掉仍有流动性的策略头寸筹钱——这就是 ATM 效应，也正是 2007 年与 1998 年的主要相似之处。

④风险目标定位催生的杠杆。 风险经理把基金或策略的波动率设为既定目标，据组合风险反向调节杠杆，追求”恒定风险”，而最常用的度量工具是 VaR。作者点出一个关键的自相关陷阱：VaR 把单个工具的风险（用一段时间的回报率）与工具间的相似性（相关系数矩阵）结合，波动率高或相关性强时算出的风险就高——但这两个现象本身就相互关联，市场波动大是因为被风险因素驱动，而同一风险因素又会把工具间的相关系数推高于正常值。也就是说，VaR 的两个输入会被同一个潜在原因同时推高。

20032006 年市场波动率持续下降，杠杆则通过两条渠道急剧上升：一是风险目标定位模型——波动率降了，就要求加杠杆把波动率拉回恒定，到 2007 年初，要达到 2002 或 2003 年同样的波动率，需要至少增加 1.5 到 2 倍杠杆，4 倍毛杠杆的策略变成了 68 倍；二是波动率下降时机会也减少、收益率下滑，20 世纪 90 年代后期和 21 世纪早期还是两位数收益的策略变成了一位数，投资者和基金经理为了更好的名义收益主动加杠杆，哪怕并不用风险目标定位模型。然后 2007 年夏天、尤其 7 月下旬，伴随严重信用危机，波动率急剧扩大——VaR 模型对相关系数和波动率的同时跳跃反应极其消极，于是许多参与者同时减杠杆。

去杠杆的连锁反应：从 7 月下旬到 8 月 13 日#

作者对机制的还原是一条清晰的因果链：

几家大型混合对冲基金和/或自营部门为应对信用类策略的业绩不佳而开始降杠杆 → 市场波动率持续上升，VaR 走高，进而要求更低的杠杆目标 → 去杠杆从美国量化多头/空头开始（因为它是手头最有流动性的策略），而这个最有流动性的策略也开始持续跑输 → 基金经理卖出多头、回补空头，对市场造成巨大冲击 → 多头股票经历大量无法用基本面解释的下跌，空头股票同样经历强烈上涨 → 凡是与清算者同方向持仓的投资者，业绩全部反转 → 成交量暴增，股价以不可思议的速度移动，宽客不得不平仓。

表 10-1 用普尔特房地产（NYSE：PHM，2007 年 5 月 31 日至 8 月 31 日）的拥挤空头交易做了微观解剖，数字是本章最有说服力的一段：夏初 PHM 股价一路下跌，日均成交量 350 万股；7 月 24 日成交量突增到 720 万股，股票加速下跌；接下来的 4 个交易日，成交量再增 50%，股价出现大反转——4 天就收复了此前 44 天跌幅的 50%，即变化速度比先前快约 20 倍。作者从中读出了市场冲击的二次型特征：最先那 100% 的成交量增长被市场吸收了，没有改变股价方向；但接下来这 50% 的增长成了卖方的转折点。8 月 9 日，回补空头的交易者因市场冲击成本上升，支付价格超过了 15%——是平均清算成本的几百倍。同日下午清算压力刚一减弱，股价立刻重回下跌趋势，在成交量接近量化清算之前平均水平的情况下下跌约 23%；两个交易日后的 8 月 13 日收盘，PHM 下跌 12.3%。

统计套利者的角色是这条链上的关键一环。7 月下旬，他们看上去为量化多空参与者提供了必要的流动性——这本是他们喜欢的环境：量化多空清算把有吸引力的多头砸到极低价、把昂贵低质的空头顶到极高价，这些股票严重偏离对等股票，对赌”公平相对价值”终会收敛的统计套利者来说是好机会。但到某个时间点，他们因为承接了其他量化基金持续涌入的库存而遭受重大损失，于是不再提供流动性、转而渴望现金，开始火上浇油。作者说这很可能就是转折点：统计套利者和量化多空同时开始重亏，而这些损失不能被基本面解释，只能纯粹地被流动性不足解释。

时间线随后急转直下：8 月 7 日情况变得更糟，统计套利这类更广泛的策略以飞快速度亏损，并加入清算；8 月 8 日彻底崩溃，许多策略为保全本金同意立即清算，损失从美国策略蔓延到国际策略——尤其是日本（当时日本是量化多空和统计套利最流行的非美国市场）；8 月 9 日周四，量化领域陷入一片混乱，当所有清算经理的共性压过了他们之间的差异，连基本面信号也开始受损，甚至通常持有与价值型、均值回复型相反头寸（opposite positions）的成长型和动量型策略也开始快速亏损。日内损益图（Intraday P&L）从早上就转负并越走越低；8 月 8 日还有几个信号在工作，到 8 月 9 日，在量化股票交易中「很难找到比现金更赚钱的金融工具」（本章”蔓延风险和同质投资者风险”一节）——看上去受欢迎的股票都在被卖，不受欢迎的都在涨。许多量化股票交易者经历了历史上最糟的一天，杠杆被降到极低水平。

作者用一个反例解释”为什么大家反应一模一样”，也解释了这场危机的本质。一家著名的大型量化公司 8 月初同样在受煎熬，8 月 9 日惊慌地召集投资委员会决定下一步——但几位委员正在休暑假，会议推迟到 8 月 13 日周一；这期间管理组合的助理经理每天保持基金满仓运行。而正如 PHM 的数据所示，清算一停，价格就相当快地回到先前趋势。等到投委会开会时，基金已经收复了大部分损失，委员会于是决定继续原来的投资理念。作者的评论是：许多量化经理的主观判断依据就是”模型表现糟糕时平仓”，一旦真有人这么做，会引发同样在亏钱的经理做出完全一样的反应——遭受的损失仅仅是市场冲击的结果。

最讽刺的一幕留给了小机构：那些规模较小、更精致、策略与传统大型量化机构重叠很小的交易者，最终也亏了，只是清算得更晚——他们在 8 月第二周中期才开始累积亏损，在大规模去杠杆的末期才停止对流动性的需求，结果被迫支付不可思议的交易成本（全部来自市场冲击）才降下杠杆。极富声望的基金的损失报告比比皆是，损失范围从 -5% 到 -45%，极少有股票交易者全身而退。

作者最后把 2007 年 8 月与以往危机、甚至 1987 年大崩盘区分开：这一次没有普遍的市场恐慌。美国股票在 8 月最初 10 天运行平稳，国际市场股价只跌了较小的个位数。所见证的完全可以说是”世界上最富有流动性的股票的流动性危机”，危机来自市场中性投资者——他们数千亿美元的卖出头寸并没有导致市场坍塌，股票指数几乎没有任何改变。损失很大程度上归因于清算和市场冲击的成本，而不是简单地认为交易”出现错误”。这是第一次证明：蔓延/同质投资者风险出现在流动性充裕的量化策略中，可以和出现在流动性欠佳或主观判断型策略中一样多；拥挤也第一次成为量化交易策略的风险。

宽客如何监控风险#

第 7 章讲的是降低和控制敞口的风险模型，本节讲的是监控工具，共四类：

• 敞口监控工具：从当前持仓出发，按经理关心的维度分组分析。期货组合可以按资产类别（股票、债券、外汇、大宗商品）看价值分布；股票交易者常用私有工具或 BARRA、Northfield 这类现成软件，监控不同板块/行业、不同市值以及价值型/成长型等因素的总敞口或净敞口；基于 VaR 的工具至少能按风险度量衡量敞口。作者强调”工具很简单，但如何使用是一门艺术”——当实际敞口与基于极限或基于期望的敞口不一致时，这就是模型出问题或市场条件出问题的早期警报。
• 损益监控：拿当前组合与前一日收盘价对当前市价做比较，许多经理会看策略的日内表现图。这也是防模型风险的重要手段：如果策略”该赚钱时亏钱、该亏钱时赚钱”，异常行为就会暴露。作者在这里回扣了 2007 年 8 月——当时日内图显示几乎每笔交易都在持续恶化，他知道至少有一位经理注意到了这个日内模式，尽快研究后比其他人更早降了风险，因此避免了大量损失，而其他交易者要晚很多才补回来。另一类损益监控看的是”怎么赚/怎么亏”而非”是否赚/是否亏”：分析已实现与未实现的盈亏，如果发现策略持有亏损头寸比平常更久、卖出盈利头寸比平常更快，就是出错的信号。这类工具常追踪命中率（hit rate），设计者通常知道成功率应该长什么样，严重偏离即为重要信号。
• 执行监控工具：显示正在运行和刚完成的订单及其规模、价格，追踪限价单填充率以监控执行算法表现（对被动执行策略尤其重要），有些经理还专门测量滑点和市场冲击。
• 系统性能监控工具：从 CPU 性能、自动化流程各阶段的速度到交易往返的延迟，用于检测软件和基础设施错误。作者认为这类监控对于嗅出系统风险和部分模型风险最为重要。

小结部分作者收束全章：这些风险中只有一部分是宽客特有的（例如模型风险），大部分只是对量化策略比对主观策略更重要（同质投资者/蔓延风险、外生冲击风险、结构关系变化风险）。宽客靠这些工具监控系统与风险，能够削弱量化交易风险带来的下行。章末一句话预告了下一章：注意力将转向市场对量化交易的各种批评。

图表与译文存疑说明#

本章密集引用了图 10-1 至 10-5 和表 10-1，但提取到的文本中，这些图表只有图题和作者在正文里的口头描述，没有图形或表格数据本体。因此上文中所有关于 XOM/JAVA 散点形态、SCHW/MER 四阶段、价值-成长价差、原油镜像走势、标普 500 四个圆圈以及 PHM 成交量与价格的数字，全部转述自作者的正文叙述，无法与原图逐点核对。

另有一处译文时间线可疑，此处标为存疑：讲交叉抵押时，原文写”夏天之前，对冲基金和自营交易柜台获得丰厚的利润，这证实了 2008 年年初一直保持较窄的信用价差的风险暴露”。但整段讨论的是 2007 年夏天之前的事，“2008 年年初”在时序上说不通，疑为”2007 年年初”之误。此处按原文照录，不做改写。