量化交易策略運行風險研究

袁亮

隨著我國證券市場的發展和投資技術的成熟，加上近年來我國資本市場的不斷對外開放，我國資本市場與國際幾大主要金融市場的聯動效應越來越明顯。在國際金融資本踴躍進入我國資本市場的同時，在發達國家市場占交易主導地位的量化交易技術逐漸影響我國金融市場的投資結構。量化投資技術經過在美國市場的數十年發展后，從2015年初開始在我資本市場中萌芽，并迅速成長起來。現在，量化投資技術已經是資產管理行業投資者重要的決策工具之一。本文通過對比分析國內外量化投資發展歷程和現狀，分析量化系統風險隱患，研究應對策略。

量化投資發展及我國現狀

2019年下半年，最令中國投資界震驚的一則消息就是全球規模最大的量化基金Two Sigma成功申請到中國的私募基金牌照。這意味著國際量化投資巨頭已經搶灘中國私募資本管理市場，看好量化投資在中國市場的發展前景。這將會給中國資本市場增添一種新的投資力量。

主動型投資基金在近年來表現差強人意，量化基金成為市場的新寵，它以驕人的成績快速地擴大它在資本管理市場占有的份額。以Two Sigma為例，在過去的十年間，其資產管理規模由不到46億美元迅速地在2019年10月增長到超過500億美元的規模，它與老牌量化基金管理公司文藝復興基金Renaissance并列成為全球規模最大的量化投資管理公司。全球范圍內，市場資金正在快速流入量化投資領域。

中國金融對外開放是我們整個國家改革開放中的一個重要環節，Two Sigma的到來，欣喜和隱患并存。發展的機遇、技術上的挑戰、市場份額掠奪的威脅如影相隨。近年來，“保持對外開放”是中國金融行業發展的基本路線。僅2019年9月一個月，我國證券監管部門就推出了取消QFII和RQFII的投資額度限制、“深改12條”等等改革政策，這充分反映了中國資本市場改革開放的決心。然而，量化交易在中國市場相對比較陌生，復雜的程序交易算法運用不夠廣泛，發展緩慢。2011年4月16日，中國資本市場正式推出股指期貨后，投資者才具備了做空股市的工具，更多的雙邊量化投資策略才有了發展空間。中國量化交易發展起步晚，發展中遇到的各種困難和阻礙較多，發展道路曲折。2013年8月16日，光大證券量化套利策略驚現“烏龍指”交易，造成資本市場價格巨幅波動，社會影響惡劣，引起監管層密切關注。

現階段，量化交易在中國是探索時期，Two Sigma這樣巨型的國際量化投資機構帶著前沿的量化投資技術和數十年的投資經驗來到我國資本市場，這無疑對我國投資行業和資產管理行業帶來了前所未有的壓力和巨大的挑戰。面對龐然大物，我國的量化投資者應該如何規避風險？如何健全風險監測預警系統？如何完善早期干預機制？

量化投資的風險

量化交易是把投資者的投資理念通過數理模型進行量化和計算，這個過程建立模型是關鍵。首先通過計算機多維度挖掘數據，清洗數據，然后計算機模擬真實市場情況，建立投資模型去分析市場行情，預測市場發展趨勢，最后依據投資模型通過計算機電子化自動執行交易指令。量化交易策略不同于傳統的投資方法，重度依賴數據與模型，其運行過程之中涉及到眾多風險管理因素。

第一，歷史數據選擇上出現的幸存者偏差。二戰中盟軍邀請哥倫比亞大學教授參與研究戰斗機最需要加強防護的部位，得出的結果是返航戰斗機中機體最完整無損的部位是最需要加強防護，而不是那些布滿彈孔的機體部位。因為這些完好的部位一旦遭到攻擊后，造成的傷害是致命的，戰斗機隨即墜落，根本沒有返航。看到的結果不一定是最糟糕的，看不到的部分可能情況更嚴重。幸存者偏差原理運用到資本市場中，通過數學模型量化分析的公司，研究的是現在在市場上存活下來的公司，而那些因為各種原因遭到退市的公司并不在模型分析的數據庫當中，導致所有模型得到的分析結果與實盤交易結果不一致，往往模擬分析結果偏于樂觀，容易誤導量化交易投資者。

第二，量化分析包含未來函數。很多量化模型會誤用未來函數，比如利用當天的收盤價來判斷如何進行當天的交易，計算機得到的當天回報率是非常高的。當然這也是不真實的，在現實中不可能出現。另外，除了交易價格，最常見的未來函數就是把下一年度的分紅數據用到當前分紅除息日中，這樣得到的分紅率也是不真實的。誤用未來函數會造成混淆，虛報投資模型收益。

第三，歷史數據建模過度優化。投資模型中使用可變參數越多，越是在歷史中某一段特定時間內通過調整參數去達到投資目標，這樣得到的投資模型預測市場未來發展趨勢的能力就會越差。過度優化存在的問題是根據過去某一段時期的數據做出非常好的投資模型可能在下一個時期表現非常糟糕，好比一個人的蜜糖是另一個人的砒霜。往往過度優化后，實盤和模型的差異非常大，最后導致全盤否認模型。建議解決辦法是，一方面，不要過多地調整參數來優化模型；另一方面，模型要多段時期，多個市場，多維度檢查其穩定性，客觀評估收益率的合理性。

第四，數據過少，回測時間跨度太短。數據不足是導致投資模型預測能力不強的主要原因。資本市場行情波動充滿不確定性，市場受到各方面因素影響，隨機性較強。在一個較短時間跨度內表現較好的模型可是模型因子有效性，也有可能純粹是運氣。所以，投資模型一定要經過大量數據去檢查其有效性和穩定性。如果真的覺得原始數據過少，就慢慢積累數據，交易市場每天都會有新的數據產生，或者把模型放到其他數據充足的國際資本市場中進行檢驗回測。新開發出來的投資模型往往其穩定性有待觀察，可以用模擬盤監控或者小規模實盤跟跑策略。

第五，監管規則促使策略執行難度偏大。A股市場在現在還是T+0交易制度，也就是當天買入的股票第二天才能賣出，這樣會讓很多國際上成熟的量化策略在國內A股市場無法運行，其中影響最大的就是諸多對沖策略。由于國內股票市場做空品種稀少，融券難、融券貴等原因，量化對沖效果堪憂。當然，最典型的還是中國特有的漲停跌停版制度，回測的時候如果不考慮漲停買不進，跌停賣不出的情況，模擬回測的結果會偏高，與實盤的結果不一致。還有類似的停牌也是需要考慮的，當天申請停牌交易的股票，不能統計在交易結果當中。

第六，量化交易策略執行認知偏差。投資者必須認識到模型也不是萬能的，沒有哪個模型是無時無刻都戰無不勝的。就是再好的模型都不能保證每個月都戰勝指數，甚至連續幾個月，連續幾年跑輸參照指數也是正常現象。投資者不應該過度關注投資模型能否每個月跑贏參照指數，而需要去檢查在一個合理的投資時間段，例如三年或者更長，投資模型能否達到預期的復利年回報率。在量化交易進程中，追求完美的交易結果的策略會極易把投資者引入過度擬合的認知誤區。

量化投資風險控制應對方案

不斷測試，不斷挖掘因子，不斷創新策略。量化投資本身就是一個不斷挖掘數據，不斷開發新策略，不斷優化策略的一個過程。在這個過程中，不斷整合交易經驗，嵌入算法，模擬回測，分析回測結果指標，規避過度擬合，合理修改參數，反復回測。逐個檢測單個因子有效性，整合弱相關因子，開發多因子模型。在檢測模型穩定性的時候，逐個周、逐個月、逐個季度地去檢驗。總回測時間寬度要拉長，每個檢測周期要縮短，提高有效性，優化模型。

創建預警機制，早期干預。每個策略的每一筆交易要設立一個明確的標準，同時加強實時監控，確保策略在執行過程中的有效性。一旦量化交易發生異常情況，通過交易日志及時發出預警，在交易信號發出前，修改交易指令，及時調換非可執行標的，提高交易完成率，保障交易策略的完整性。

結合人工智能，用策略創新策略。在圍棋方面AlphaGo已經完勝人類，但是AlphaGo只會下圍棋，不能進行任何其他的工作任務，它最大的缺憾是不會像人類一樣遷移學習，夠不上真正意義上的人工智能。遷移學習是目前機器學習的前沿科技，可以讓人工智能舉一反三，模型為同一目標綜合學習各領域知識，各個領域的模型之間傳遞經驗，讓程序自動學習其他程序的優越性，用策略創新策略。這樣，策略可以自行研究已經發現的風險要素，分析風險要素之間的相關性，并且提供解決方案。

（武漢商學院）