“量化交易”將走向何方

導語

“量化交易”兼具兩大功能：一個是投資功能☢️✊🏽，另一個是平臺功能😼#️⃣。它的發展將證券市場帶入了一個“新時代”🤌🏽↕️。由於學科交叉的創新🪜，量化交易蓬勃興起。又由於多學科、多市場和製度約束，量化交易的發展存在一定局限。然而，大數據🦕、人工智能、區塊鏈、數學理論和高性能計算技術的進步🧗🏿‍♂️，使商品金融化進程加快；同時，適應性市場假說的提出成為推動量化交易實質性發展的重要力量。此外，我們還需要警惕量化交易所固有的風險，並利用當前金融領域技術性的手段對其進行有效監管🚷。

說起當前熱點，最吸引眼球的無外乎“大數據”、“人工智能”🏃‍♂️‍➡️、“區塊鏈”🤚🏽、“雲計算”等技術在金融領域的應用🏄。作為學科交叉的有效應用，“量化交易”一直是金融學界和業界關註的焦點，特別是在量化交易如火如荼發展的今天🐹。關於量化交易的話題很多，本文主要談及三個方面：第一，量化交易的發展及其局限性；第二，量化交易的創新性發展及其未來；第三，量化交易的風險與管控。

量化交易的發展及其局限性

量化交易的源起及發展

說到量化交易，不得不提及“量化投資之王”詹姆斯·西蒙斯（James Simons）。他以驕人的戰績🙁，成為華爾街最為令人敬仰的量化投資先驅——文藝復興基金✊🏿，並在2010年達到了260億美元的規模🧑🏻‍🏫🤷‍♂️，成為《福布斯》雜誌排行榜中身價140億美元的全球第76位富豪。這裏所談的量化交易是指運用現代數學和統計方法⚆，借助於計算機技術來進行交易的證券投資方式及其過程，也稱之為“狹義”的量化交易🙂‍↔️，實際上就是“量化投資”💅。目前🚓，全球量化交易多指量化投資🧰，且近年來有了飛速發展。據不完全統計🌀，美國股票市場的量化交易量不低於70%🧗🏼，期貨期權類投資不低於80%，而其套利交易不低於90%🍜。對新興的中國市場而言🏋🏼，截至2012年9月，我國18只量化基金產品總體規模為281.7億元。截至2018年5月🥇，量化投資基金市場規模已經達到1160億元👱🏽‍♀️。

那麽🎒，量化交易應該如何實現呢👳🏻‍♂️？根據現代投資理論👨‍🦳，簡單而言我們一般通過投機、套利和套期保值來實現量化交易，而每一種策略又包含很多更具體的策略。例如，投機策略不僅要考慮技術層面的選股和擇時🫸🏽，還需要從其他方面來挖掘有效信息😖；基本面和周期性👄、宏觀事件和趨勢等通常是量化投機策略需要考慮的，而資產定價的相對價值、定價公式、統計相關性等通常是套利策略所關註的對象🗼；此外，還有時間跨度為秒和毫秒量級的高頻交易🤶🏽、交易成本及它們之間的均衡考量🪰🏋🏼‍♀️。

以上所提的量化交易🧟，著重於投資，是多數金融市場從業人員追逐的目標。然而，量化交易還有更寬泛的內涵，就是量化電子交易平臺的設立🖐。從經濟學角度講🤵🏿‍♂️，這一“量化交易”的本質是一種雙向拍賣過程🆓。事實上🤵‍♀️👵🏻，在交易中買方和賣方可以對證券的價格進行競價🕵🏼‍♀️，提供最優價格的買方和賣方成交，此過程就是拍賣中的有效價格發現過程。在20世紀70年代之前🧑🏽‍🦰，買賣雙方只能在證券交易所通過公開喊價的方式進行場內交易。到了80年代，電子交易得到了有效發展，由於其具有減少交易成本、增加流動性🙋‍♀️、令市場更透明等優點🛷，Globex等電子交易系統迅速興起👩‍👩‍👦，並用於美國CME、CBOT、NYMEX和NYSE等多家交易所。90年代以後🧑‍⚕️，我國證券市場開始興起🦓，采用的也是電子交易系統，並且近年來也有了長足的進步，目前的交易也已達到毫秒級。

量化交易的諸多局限

雖然量化交易能夠有效提高市場效率🎅🏽🐭，但也有其局限性。第一，交易品種有限，且有些品種難以標準化。我們知道交易產品（包括金融產品和大宗商品）常具有自己的特性🚞，在產品品質、交易量🧑🏼‍🔬、價格等方面存在差異👩🏼‍🚀，往往難以標準化，特別是在商品領域。此外，雖然以美國為代表的證券市場發展較為成熟，仍有很多新興市場還不夠成熟，交易品種偏少🦸‍♂️。例如，美國市場除了股票🌙、債券及其相關金融工具外，還可以將量化交易應用到貨幣、外匯及其他商品領域；而新興市場的交易品種常以股票和債券為主®️。交易品種受限的同時⚖️，量化交易的廣泛應用也受到限製。

第二，針對量化交易的經濟學理論發展相對遲緩👩🏽‍🚀。目前🤾🏻‍♂️，針對量化交易的市場微觀結構、量化交易策略、行為金融學、風險傳染機製等理論和應用研究仍相對滯後🕵️‍♂️。並且，仍需要提高資本市場的市場質量，增強其市場功能，完善市場運作機製。例如，我國資本市場主要以散戶為主，機構投資者相對較少，前者約占80%~90%👩‍✈️，後者還不到20%；並且🌦，發達市場量化基金占比近30%，而我國僅占5%~6%🏌🏼。我國的投資結構需要優化🤦🏽🙎🏼‍♀️。

第三🏥，科技的發展遠未滿足量化交易的真實需要。雖然當前的統計方法🏊🏽‍♀️、數學理論🤾‍♂️、計算機技術、電子通信技術等有了長足的進步，但在量化交易這一交叉性領域，仍未達到完美的地步。特別是對於新興市場而言，足夠的硬件設備和量化交易技術仍需要一定的門檻，這對大力發展以技術支持為核心的量化交易會有一定限製👩。

第四👩🏻‍🚒，復合型量化交易人才緊缺。量化交易對從業者的要求較高，不僅需要其擁有深厚的數理功底、專業的經濟學和金融學素養，還需要擁有很強的計算機應用能力👨🏿‍🌾，甚至要懂得法律和財務。而同時擁有這些知識的量化交易人員很少，這也是影響量化交易快速發展的又一要素➙。

第五，證券市場的交易製度限製是量化交易的另一掣肘。國際量化交易監管法規仍不夠完善🦹‍♀️。例如，自2015年以來，我國證券市場的交易量和保證金等交易限製頻繁出臺，而投資者保護🌎💆🏽‍♂️、違法違規交易等法規遲遲未定等。這使量化交易在股票、期貨及相關市場的交易量驟降，市場持續低迷。這些原因使量化交易的運營受限🧑🏽‍🔬，也在一定程度上抑製了量化交易的創新和發展。

量化交易的創新性發展及未來

量化交易的發展根源於科技的進步與融合

量化交易本是就是學科交叉的產物，而量化交易的推動力自然歸於多學科的進步和發展🤵🏻‍♂️。近年來，隨著信息革命的快速推進和技術的迅猛發展👳🏼，包括量化交易在內的技術進步日益成為金融發展的核心驅動力👷🏿‍♀️。科學技術的思維、創新及其應用也正在改變著金融行業原有的競爭格局和生態系統🧤。在這一新形勢下，加速發展的互聯網、大數據、人工智能、區塊鏈和雲計算等科技正重塑金融發展的模式及路徑，量化交易的角色🪨、地位和發展也正在經歷新的變化。

這些科學技術的進步自然依賴於三個理論：一是熊彼特的技術創新理論💾，該理論認為創新是一個科技、經濟一體化的過程，是技術進步與應用創新“雙螺旋結構”共同催生的產物，而伴隨創新的實現，經濟增長才可以獲得。二是企業生命周期理論，它將企業分為四個生命周期👀：種子期📀、初創期🤵🏽、成長階段、成熟階段，各個階段對融資的需要不同🌖。三是協同理論。該理論是德國物理學家哈肯提出的一種可以廣泛應用的現代橫斷學科，主要研究由大量子系統以復雜的方式相互作用所構成的復合系統，如何通過子系統間的協同作用，自發地形成時間-空間的有序結構。而量化交易正是依賴於數學和統計👨‍💻♔、金融學和計算機科學的發展而自然融在一起的復合系統。

當然，許多新的理論、方法和技術正在產生，也正逐漸影響量化交易的模式✊🏿、手段及績效🛻。第一是大數據的發展🏇。在量化交易中，信息的搜集和處理非常重要。對投資者而言⬛️，除了傳統所用的結構化數據，含有文本⇾、聲音、圖像等非結構化數據的信息無疑是對投資者準確掌握交易信息♢、進行有效投資和風險管理等具有莫大的幫助💆🏼‍♂️，同時也可以有效避免信息非對稱性和逆向選擇問題⚀。第二是人工智能的應用。深度學習、機器學習、人工神經網絡、遺傳算法⛑、支持向量機等方法和技術的出現無疑給大數據分析和應用提供了完美的試驗場，對量化交易的發展舉足輕重🦵🏿⟹。第三是區塊鏈的興起🦵🏿。類似於芝加哥商品交易所🦑、塞浦路斯證券交易委員會、日本軟銀科技在區塊鏈上的應用🧑🏻‍🦲，在量化交易中，我們可引入區塊鏈理論的共識機製（如嘗試采用PoW、PoS或DPoS等），以使信息結構更加透明👎🏽、實時可查及降低成本🤘🏼，並保證系統的安全可靠。第四是數學理論的突破性進展🦹🏽‍♀️。近年來數學理論的發展為量化交易的進步提供了更多可以想象的空間🫃。例如，山東大學彭實戈教授所提出的非線性期望理論為自動做市商和非線性風險測度等提供了重要的理論支撐🧏🏽‍♂️🧔🏿。斯坦福大學的黎子良教授通過考慮不確定收益和風險，將傳統的馬科維茨投資組合問題推廣到更為實際的狀態。第五是高性能計算的快速發展🫲🏻。近年來，我國的“神威·太湖之光”以每秒9.3億億次的浮點運算速度成為世界運算速度最快的計算機，這為量化交易的加速計算提供了重要基礎。並且，隨著互聯網技術的發展和應用軟件的成熟，以基礎設施🧑🏿‍✈️👨‍👨‍👧‍👧、平臺和軟件為基礎的雲計算也將為量化交易提供更多可借鑒的服務。

大宗商品金融化進程的加快給量化交易創造了必要條件

北京當代經濟學基金會中國經濟學獎評獎委員會於2018年7月12日發布公告🙄，將2018年中國經濟學獎授予王江和熊偉教授，獎勵其在金融學領域做出的傑出貢獻🥞。其中，熊偉教授的研究方向之一是大宗商品的金融化。近十年來，商品的金融化是資本市場關註的一個焦點，且越來越受到機構投資者的歡迎🤾‍♂️。雖然商品的金融化沒有統一的定義，但從字裏行間🧘🏼‍♀️，可將其理解為金融屬性在商品上的實現過程🧑‍🏫。並且🍊，隨著商品金融化進程的加快，商品和金融資產的融合度將越來越強♘。

為什麽會出現這一狀況呢？自然有其存在的基礎及推動力。除了全球範圍的經濟一體化和金融自由化等驅動力外🧘‍♂️Ⓜ️，一國或地區監管政策法規的放松🙍🏻、交易品種和手段的多樣、產品越來越標準化以及現實規避風險的迫切需求是更為重要的原因🪫。事實上，更為深層的原因可以從商品的相對定價來分析🌧。一方面，衍生金融工具（也稱衍生金融產品）的出現是商品金融化的內在推動力。我們知道除了金、銀等具有貨幣和金融屬性外🪲，當前大部分的商品期貨、商品期權等衍生產品的標的物就是商品。這些衍生金融產品就是隨著標的物的價格的變動而變動的派生產品✊🏽，也逐漸可以作為經濟的“晴雨表”🚥。因此，它們之間具有嚴格的定價公式或內在均衡定價機製👨🏿‍⚖️。在資本市場上❗️，衍生金融產品及其標的商品的運動方向是基本一致的🫲🏼，衍生金融產品的金融交易行為會通過均衡機製傳遞給對應商品，這就使商品也具有了金融屬性🥲，如投資性。另一方面，不存在嚴格定價公式的不同商品之間或商品與金融產品之間，由於套利等要素的存在，不同交易品種之間也會存在高度的相關性。如果這樣相關性長期存在🍂，它們之間也會存在統計意義上的“均衡機製”，這也為商品的金融化提供了“實證”基礎🤲🏿。

當然🦹🏻‍♂️，商品的金融化自然有其不利之處，如容易引發商品價格的大幅波動⛏，導致很多生活必需品的投機性、泡沫化等🈲。這些可以通過適當的政策性幹預得到改善，也可以通過市場化等手段進行解決🧑‍🤝‍🧑。然而🗾，商品金融化的部分“功勞”也歸功於量化交易的存在✨。並且，量化交易的存在也使得不同商品之間的交易變得更加容易實現，隨著量化交易的快速發展，也會相應地加速金融化進程📋。同時🙎🏼‍♀️，商品金融化進程的加快也為量化交易提供了天然的試驗場。

“適應性市場假說”是助推量化交易的重要力量

有效市場假說是1965年由尤金·法馬（Eugene Fama）提出的，該假設的理論基礎是理性預期理論👩🏼‍🚀。現代的很多經濟學理論都是建立在這一理論基礎上的。然而，行為人是有認知偏差的，這使金融市場不再是一個有效的市場😏💦。為此🕜，行為金融學逐漸成為了有效市場假說的替代理論。然而，自20世紀80年代的嶄露頭角到90年代的繁盛之後👨🏽‍🍳，行為金融學在21世紀初有所減退。自亞洲金融危機🧧🫳🏿、美國次貸危機🚻、歐債危機接連發生之後，傳統市場理論包括有效市場假說與行為金融面對如過山車般的現實金融世界已無能為力，也未能給出合理解釋。

為了協調有效市場假說和行為金融理論，MIT華裔教授羅聞全在2004年基於進化原則，找到了在資本市場上發揮作用且與演進和變化相類似的過程，並提出了“適應性市場假說”🧑🏽‍🍼，並逐漸引起了學術界重視。適應性市場假說是以進化生物學的眼光來看市場運動👎🏽，它認為市場中的個體一般基於自身利益來做出決策行為🃏、且會犯錯，個體只有不斷地學習和適應👨‍🎤，只有持續適應變化不定的市場環境，才能立於不敗之地。他還認為是市場競爭導致了適應行為及其更新🧙🏿‍♂️🚵‍♀️，這一進化過程造就了市場的動態過程🎹，也是“市場生態”或“市場環境”自然選擇的結果。

在現實市場中👱🏻，根據進化原則，價格反映的是市場的經濟狀況和對沖基金經理、做市商🐷、散戶投資者等不同群體的市場參與者的天性共同決定的信息。如果有很多成員共同在一個群體中為了稀缺資源而競爭，市場更可能會更有效率✡️🦡。而如果市場中只有少量成員在為充足的資源而競爭的話，市場的效率有可能相反。市場的有效程度會隨著時間的變化而改變🐰，且受到包括市場競爭者數量、獲得的機會多少、市場參與者對於變化的環境的適應能力等“市場生態”的影響。在這一適應性市場假說下，行為金融學中與有效市場假說中的經濟理性假說相違背的例子與經濟行為中的競爭🙅🏿‍♂️、適應🏄‍♀️、自然選擇等進化原則就相符了😰。

量化交易被廣泛應用於互惠基金、對沖基金和其他買方機構投資者。一些賣方投資者，如做市商、投行和一些為市場提供清算服務的對沖基金，也傾向於使用電子交易平臺來生成和執行交易。在進行量化交易時，用於分析的機器首先需要導入數據‼️，然後利用模型和優化程序來開發量化交易策略。這一自動交易是利用算法來在電子化交易平臺上進行交易的，這一算法用來執行包含交易時間、交易價格、交易數量等信息的交易策略，並最終輸出量化交易結果🔺。除了我們常見的證券交易所，很多電商平臺（如B2B和B2C）也存在類似的交易適應性特性🫷🏽。並且🎅，由於交易過程是動態變化的🧑🏿‍🏫，常規的交易方式很難捕捉市場的快速變化💆🏻‍♀️，也很難對市場做出積極回應🏄‍♂️。因此𓀆，作為兼具即時性、快速性和準確性的量化交易義不容辭地挑起這一重擔。並且，大數據⏱、人工智能♙、區塊鏈和雲計算等技術的有效運用將會加速“適應性市場假說”在金融市場中的實現🐕‍🦺，也會進一步深化量化交易理論及其在金融市場中的廣泛應用㊙️。

量化交易的風險與管控

無論在國內還是國外，量化交易都獲得了很大發展且表現優良。但是，量化交易的建立及其近些年來在市場中的應用也存在著很多風險。接下來，我們將介紹一下量化交易風險頻發的根本原因及相關的風險管控舉措👨🏽‍🏫。

量化交易風險頻發的十大誘因

第一，不同市場的關聯性逐漸增強🕉，不同市場的相關性常趨於一致。交易者可以通過套利或基於以計算為目的的同一標的物，一個市場所發生的交易行為會直接影響到與之相關聯的其他市場🛬。

第二，借助於計算機技術，高頻交易和算法交易很容易實現🧑🏿‍⚕️，這將引起產品價格的快速變化和交易量的顯著增加🌇，並且隨著計算機技術和算法交易等的發展，這一趨勢將更加明顯🐃。並且🖖🏽，高頻交易在短時間內會帶來巨大的流動，從而對市場產生巨大沖擊力，並且也會導致“多米諾”效應。

第三👨‍💼，直接電子訪問和主機代管服務的快速發展。雖然傳統的公開喊價的方式在某些交易所仍然保留，但快速、便捷、低成本的電子交易已是不可逆轉的趨勢💥，交易者可以遠程登錄直接進行電子交易。並且，由於主機代管服務提供了非常低的時間延遲，無疑就提高了交易的速度和執行交易策略的效率🧘👷‍♀️。

第四🤶🏿，產品交易和結算結構的新變化💂🏼。為保證交易的效率和市場的有效性，在進行合約設計時采用了最小的報價單位🍹，調整了費用結構🗺🤸🏻‍♂️。並且🧁，隨著市場的需要🔂，合約設計和結算規則等也會經常變化📟。

第五👨🏽‍⚕️，交易產品及其交易策略日趨復雜和多樣化。為更好地管理金融風險，會有很多復雜的交易產品和復雜的交易策略問世🫅🏼🏙，這些產品所依賴的定價模型和交易策略也相對復雜，這又反過來必須依賴計算機技術來實現🦵🏻。

第六🦕🚽，交易系統本身所具有的脆弱性。現在的證券交易往往采用自動撮合電子交易系統🚣，如果出現系統故障或通訊故障，自然會影響到交易的正常進行。當前的計算機交易依托於高速計算機系統與海量數據存儲系統進行的，因此對計算機系統、數據存儲器的穩定性、安全性要求極高，一旦支持高頻交易的計算機系統與海量數據存儲系統出現任何技術故障，其後果將是嚴重的。

第七😦，新技術條件下高頻交易的增加，增加了市場異常情況的嚴重性。高頻交易撤報單速度快（往往在1秒內完成）、持倉時間短、對系統延時要求較高👱🏻‍♀️，其止損機製被觸發，大量的止損定單推到市場上，會讓市場的買賣力量對比迅速失衡7️⃣，導致市場流動性喪失🧍，從而引發市場的雪崩式下跌🙍‍♂️，這會進一步引發更多的止損定單，陷入惡性循環🫴🏻。

第八😐，交易人員的疏忽或犯錯。在頻繁和時間緊促的交易中，價格、數量、訂單類型交易人員有時會出現輸入錯誤。並且，有些產品定價復雜（如機場可轉債、期權），投資者對產品認識不夠👩‍🦯‍➡️👨🏻‍🚒，在價格發生變化時，不能非常清楚地認識到它所面臨的風險👮🏽，也容易犯錯🧝🏼。

第九🏙，證券交易機製存在一定缺陷。目前，證券市場多采用高度自動化的電子系統撮合，因此對於符合現行交易規則的訂單均會被系統自動撮合👩🏼‍🔬，雖然交易效率很高，但交易系統的穩定性和安全性不足。

第十，證券賬戶和托管體系不夠健全🔘。國外證券交易市場多采用二級證券賬戶和托管製度：證券經紀商在一級結構，投資者在二級結構🎫。交易所僅對證券公司進行清算和監控🔽，證券公司再為客戶提供交易清算，交易系統壓力較輕。而我國現行的交易托管製度采取的是一級證券賬戶和托管製度🤽🏽，所有投資者都在交易所競價撮合🤧，交易所系統壓力較大⛹️‍♀️🍸，很難對所有投資者監控到位。以上幾點也是當今金融市場發展的基本趨勢🤦🏼‍♀️，但這一趨勢也成為量化交易風險頻發的誘因。

量化交易的風險與管控

以上說到了量化交易風險產生的十大誘因。那麽🤷🏼‍♂️🌡，量化交易常具有哪些風險👩‍❤️‍👩，應如何管控呢？概括而言，需要管理好如下三類風險🐃。

一是執行風險。這是交易者在特定的時間段內與規模上無法執行預設訂單的風險。在實踐中，為了降低執行風險🧔🏽，大多數交易員利用有形（或主要）市場和暗池市場的組合，而作為替代交易系統的暗池在為有形市場執行大額交易時，能有效避免價格的沖擊♙，並節省價差成本和執行成本👩🏼‍🦲。

二是操作風險。由於交易決策是在瞬間進行的，為確保算法和基礎架構無差錯，需依賴軟件工程和定量分析。那些看似不明顯的錯誤可能會對策略產生重大影響。這一風險主要包括訂單傳輸協議風險、軟件錯誤風險🛩、合規風險及其他與基礎架構相關的風險。

三是策略風險。對於策略實施👩🏻‍🚀🥖，除了采取合理的程序之外👩🏿‍🏭，考慮可能對算法完整性產生不利影響的風險也是很重要的🧉。在建模中，需要實時參數更新的模型，應該有適當的機製來監視和糾正擬合誤差👨🏽‍⚕️，否則會發生模型風險。從風險管理角度看，高頻交易也有一些傳統交易已經存在的常見風險參數🧔‍♀️，因此，執行頭寸限製🛄、盈虧限製👨🏽‍🌾、情景限製、庫存調節，以及自動交易中的訂單大小👨‍💻🧑🏻‍🦯‍➡️、訂單速率🎀、消息速率和潛在倉位等方面的檢查來控製交易風險🖖🏼。

為系統識別和防範量化交易風險，通常的處置手段主要包括三類🛰👨‍⚕️：一是需要建立量化交易的監控和預警系統🔉。可以考慮從客戶、賬號👳🏻‍♀️、業務、地域和時間方面來提取用戶特征，結合量化交易過程中的價格信息🚴、交易量信息以及關聯市場的交易行為，利用數理統計預測模型來識別業務和操作層面的量化交易的異常信息，並對可能出現的風險進行報警。

二是需要建立量化交易的前段控製系統。這一系統常采用價格限製🏋🏻‍♀️、交易算法的技術修正以及為交易者製訂技術或程序要求等方法🆒。另外，為保證市場功能的公平性和有效性👩🏻‍🦲，交易所應適當減少使用前端控製措施，多通過市場機製的約束和市場參與人的事後追責來處理。

三是需要建立異常交易的事後處置系統。國內外金融市場一般通過法律以及交易所的業務規則來對量化交易風險進行事後處置👮🏿‍♂️。此外🫲🏽🧝🏻‍♂️，在深入理解量化交易規律的前提下，可以嘗試建立量化交易大數據平臺，並在此基礎上建立量化交易智能監控和處置系統👊。