袁亮

隨著我國(guó)證券市場(chǎng)的發(fā)展和投資技術(shù)的成熟，加上近年來(lái)我國(guó)資本市場(chǎng)的不斷對(duì)外開(kāi)放，我國(guó)資本市場(chǎng)與國(guó)際幾大主要金融市場(chǎng)的聯(lián)動(dòng)效應(yīng)越來(lái)越明顯。在國(guó)際金融資本踴躍進(jìn)入我國(guó)資本市場(chǎng)的同時(shí)，在發(fā)達(dá)國(guó)家市場(chǎng)占交易主導(dǎo)地位的量化交易技術(shù)逐漸影響我國(guó)金融市場(chǎng)的投資結(jié)構(gòu)。量化投資技術(shù)經(jīng)過(guò)在美國(guó)市場(chǎng)的數(shù)十年發(fā)展后，從2015年初開(kāi)始在我資本市場(chǎng)中萌芽，并迅速成長(zhǎng)起來(lái)。現(xiàn)在，量化投資技術(shù)已經(jīng)是資產(chǎn)管理行業(yè)投資者重要的決策工具之一。本文通過(guò)對(duì)比分析國(guó)內(nèi)外量化投資發(fā)展歷程和現(xiàn)狀，分析量化系統(tǒng)風(fēng)險(xiǎn)隱患，研究應(yīng)對(duì)策略。

量化投資發(fā)展及我國(guó)現(xiàn)狀

2019年下半年，最令中國(guó)投資界震驚的一則消息就是全球規(guī)模最大的量化基金Two Sigma成功申請(qǐng)到中國(guó)的私募基金牌照。這意味著國(guó)際量化投資巨頭已經(jīng)搶灘中國(guó)私募資本管理市場(chǎng)，看好量化投資在中國(guó)市場(chǎng)的發(fā)展前景。這將會(huì)給中國(guó)資本市場(chǎng)增添一種新的投資力量。

主動(dòng)型投資基金在近年來(lái)表現(xiàn)差強(qiáng)人意，量化基金成為市場(chǎng)的新寵，它以驕人的成績(jī)快速地?cái)U(kuò)大它在資本管理市場(chǎng)占有的份額。以Two Sigma為例，在過(guò)去的十年間，其資產(chǎn)管理規(guī)模由不到46億美元迅速地在2019年10月增長(zhǎng)到超過(guò)500億美元的規(guī)模，它與老牌量化基金管理公司文藝復(fù)興基金Renaissance并列成為全球規(guī)模最大的量化投資管理公司。全球范圍內(nèi)，市場(chǎng)資金正在快速流入量化投資領(lǐng)域。

中國(guó)金融對(duì)外開(kāi)放是我們整個(gè)國(guó)家改革開(kāi)放中的一個(gè)重要環(huán)節(jié)，Two Sigma的到來(lái)，欣喜和隱患并存。發(fā)展的機(jī)遇、技術(shù)上的挑戰(zhàn)、市場(chǎng)份額掠奪的威脅如影相隨。近年來(lái)，“保持對(duì)外開(kāi)放”是中國(guó)金融行業(yè)發(fā)展的基本路線。僅2019年9月一個(gè)月，我國(guó)證券監(jiān)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(guó)資本市場(chǎng)改革開(kāi)放的決心。然而，量化交易在中國(guó)市場(chǎng)相對(duì)比較陌生，復(fù)雜的程序交易算法運(yùn)用不夠廣泛，發(fā)展緩慢。2011年4月16日，中國(guó)資本市場(chǎng)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(fā)展空間。中國(guó)量化交易發(fā)展起步晚，發(fā)展中遇到的各種困難和阻礙較多，發(fā)展道路曲折。2013年8月16日，光大證券量化套利策略驚現(xiàn)“烏龍指”交易，造成資本市場(chǎng)價(jià)格巨幅波動(dòng)，社會(huì)影響惡劣，引起監(jiān)管層密切關(guān)注。

現(xiàn)階段，量化交易在中國(guó)是探索時(shí)期，Two Sigma這樣巨型的國(guó)際量化投資機(jī)構(gòu)帶著前沿的量化投資技術(shù)和數(shù)十年的投資經(jīng)驗(yàn)來(lái)到我國(guó)資本市場(chǎng)，這無(wú)疑對(duì)我國(guó)投資行業(yè)和資產(chǎn)管理行業(yè)帶來(lái)了前所未有的壓力和巨大的挑戰(zhàn)。面對(duì)龐然大物，我國(guó)的量化投資者應(yīng)該如何規(guī)避風(fēng)險(xiǎn)？如何健全風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警系統(tǒng)？如何完善早期干預(yù)機(jī)制？

量化投資的風(fēng)險(xiǎn)

量化交易是把投資者的投資理念通過(guò)數(shù)理模型進(jìn)行量化和計(jì)算，這個(gè)過(guò)程建立模型是關(guān)鍵。首先通過(guò)計(jì)算機(jī)多維度挖掘數(shù)據(jù)，清洗數(shù)據(jù)，然后計(jì)算機(jī)模擬真實(shí)市場(chǎng)情況，建立投資模型去分析市場(chǎng)行情，預(yù)測(cè)市場(chǎng)發(fā)展趨勢(shì)，最后依據(jù)投資模型通過(guò)計(jì)算機(jī)電子化自動(dòng)執(zhí)行交易指令。量化交易策略不同于傳統(tǒng)的投資方法，重度依賴數(shù)據(jù)與模型，其運(yùn)行過(guò)程之中涉及到眾多風(fēng)險(xiǎn)管理因素。

第一，歷史數(shù)據(jù)選擇上出現(xiàn)的幸存者偏差。二戰(zhàn)中盟軍邀請(qǐng)哥倫比亞大學(xué)教授參與研究戰(zhàn)斗機(jī)最需要加強(qiáng)防護(hù)的部位，得出的結(jié)果是返航戰(zhàn)斗機(jī)中機(jī)體最完整無(wú)損的部位是最需要加強(qiáng)防護(hù)，而不是那些布滿彈孔的機(jī)體部位。因?yàn)檫@些完好的部位一旦遭到攻擊后，造成的傷害是致命的，戰(zhàn)斗機(jī)隨即墜落，根本沒(méi)有返航?？吹降慕Y(jié)果不一定是最糟糕的，看不到的部分可能情況更嚴(yán)重。幸存者偏差原理運(yùn)用到資本市場(chǎng)中，通過(guò)數(shù)學(xué)模型量化分析的公司，研究的是現(xiàn)在在市場(chǎng)上存活下來(lái)的公司，而那些因?yàn)楦鞣N原因遭到退市的公司并不在模型分析的數(shù)據(jù)庫(kù)當(dāng)中，導(dǎo)致所有模型得到的分析結(jié)果與實(shí)盤交易結(jié)果不一致，往往模擬分析結(jié)果偏于樂(lè)觀，容易誤導(dǎo)量化交易投資者。

第二，量化分析包含未來(lái)函數(shù)。很多量化模型會(huì)誤用未來(lái)函數(shù)，比如利用當(dāng)天的收盤價(jià)來(lái)判斷如何進(jìn)行當(dāng)天的交易，計(jì)算機(jī)得到的當(dāng)天回報(bào)率是非常高的。當(dāng)然這也是不真實(shí)的，在現(xiàn)實(shí)中不可能出現(xiàn)。另外，除了交易價(jià)格，最常見(jiàn)的未來(lái)函數(shù)就是把下一年度的分紅數(shù)據(jù)用到當(dāng)前分紅除息日中，這樣得到的分紅率也是不真實(shí)的。誤用未來(lái)函數(shù)會(huì)造成混淆，虛報(bào)投資模型收益。

第三，歷史數(shù)據(jù)建模過(guò)度優(yōu)化。投資模型中使用可變參數(shù)越多，越是在歷史中某一段特定時(shí)間內(nèi)通過(guò)調(diào)整參數(shù)去達(dá)到投資目標(biāo)，這樣得到的投資模型預(yù)測(cè)市場(chǎng)未來(lái)發(fā)展趨勢(shì)的能力就會(huì)越差。過(guò)度優(yōu)化存在的問(wèn)題是根據(jù)過(guò)去某一段時(shí)期的數(shù)據(jù)做出非常好的投資模型可能在下一個(gè)時(shí)期表現(xiàn)非常糟糕，好比一個(gè)人的蜜糖是另一個(gè)人的砒霜。往往過(guò)度優(yōu)化后，實(shí)盤和模型的差異非常大，最后導(dǎo)致全盤否認(rèn)模型。建議解決辦法是，一方面，不要過(guò)多地調(diào)整參數(shù)來(lái)優(yōu)化模型；另一方面，模型要多段時(shí)期，多個(gè)市場(chǎng)，多維度檢查其穩(wěn)定性，客觀評(píng)估收益率的合理性。

第四，數(shù)據(jù)過(guò)少，回測(cè)時(shí)間跨度太短。數(shù)據(jù)不足是導(dǎo)致投資模型預(yù)測(cè)能力不強(qiáng)的主要原因。資本市場(chǎng)行情波動(dòng)充滿不確定性，市場(chǎng)受到各方面因素影響，隨機(jī)性較強(qiáng)。在一個(gè)較短時(shí)間跨度內(nèi)表現(xiàn)較好的模型可是模型因子有效性，也有可能純粹是運(yùn)氣。所以，投資模型一定要經(jīng)過(guò)大量數(shù)據(jù)去檢查其有效性和穩(wěn)定性。如果真的覺(jué)得原始數(shù)據(jù)過(guò)少，就慢慢積累數(shù)據(jù)，交易市場(chǎng)每天都會(huì)有新的數(shù)據(jù)產(chǎn)生，或者把模型放到其他數(shù)據(jù)充足的國(guó)際資本市場(chǎng)中進(jìn)行檢驗(yàn)回測(cè)。新開(kāi)發(fā)出來(lái)的投資模型往往其穩(wěn)定性有待觀察，可以用模擬盤監(jiān)控或者小規(guī)模實(shí)盤跟跑策略。

第五，監(jiān)管規(guī)則促使策略執(zhí)行難度偏大。A股市場(chǎng)在現(xiàn)在還是T+0交易制度，也就是當(dāng)天買入的股票第二天才能賣出，這樣會(huì)讓很多國(guó)際上成熟的量化策略在國(guó)內(nèi)A股市場(chǎng)無(wú)法運(yùn)行，其中影響最大的就是諸多對(duì)沖策略。由于國(guó)內(nèi)股票市場(chǎng)做空品種稀少，融券難、融券貴等原因，量化對(duì)沖效果堪憂。當(dāng)然，最典型的還是中國(guó)特有的漲停跌停版制度，回測(cè)的時(shí)候如果不考慮漲停買不進(jìn)，跌停賣不出的情況，模擬回測(cè)的結(jié)果會(huì)偏高，與實(shí)盤的結(jié)果不一致。還有類似的停牌也是需要考慮的，當(dāng)天申請(qǐng)停牌交易的股票，不能統(tǒng)計(jì)在交易結(jié)果當(dāng)中。

第六，量化交易策略執(zhí)行認(rèn)知偏差。投資者必須認(rèn)識(shí)到模型也不是萬(wàn)能的，沒(méi)有哪個(gè)模型是無(wú)時(shí)無(wú)刻都戰(zhàn)無(wú)不勝的。就是再好的模型都不能保證每個(gè)月都戰(zhàn)勝指數(shù)，甚至連續(xù)幾個(gè)月，連續(xù)幾年跑輸參照指數(shù)也是正?，F(xiàn)象。投資者不應(yīng)該過(guò)度關(guān)注投資模型能否每個(gè)月跑贏參照指數(shù)，而需要去檢查在一個(gè)合理的投資時(shí)間段，例如三年或者更長(zhǎng)，投資模型能否達(dá)到預(yù)期的復(fù)利年回報(bào)率。在量化交易進(jìn)程中，追求完美的交易結(jié)果的策略會(huì)極易把投資者引入過(guò)度擬合的認(rèn)知誤區(qū)。

量化投資風(fēng)險(xiǎn)控制應(yīng)對(duì)方案

不斷測(cè)試，不斷挖掘因子，不斷創(chuàng)新策略。量化投資本身就是一個(gè)不斷挖掘數(shù)據(jù)，不斷開(kāi)發(fā)新策略，不斷優(yōu)化策略的一個(gè)過(guò)程。在這個(gè)過(guò)程中，不斷整合交易經(jīng)驗(yàn)，嵌入算法，模擬回測(cè)，分析回測(cè)結(jié)果指標(biāo)，規(guī)避過(guò)度擬合，合理修改參數(shù)，反復(fù)回測(cè)。逐個(gè)檢測(cè)單個(gè)因子有效性，整合弱相關(guān)因子，開(kāi)發(fā)多因子模型。在檢測(cè)模型穩(wěn)定性的時(shí)候，逐個(gè)周、逐個(gè)月、逐個(gè)季度地去檢驗(yàn)?？偦販y(cè)時(shí)間寬度要拉長(zhǎng)，每個(gè)檢測(cè)周期要縮短，提高有效性，優(yōu)化模型。

創(chuàng)建預(yù)警機(jī)制，早期干預(yù)。每個(gè)策略的每一筆交易要設(shè)立一個(gè)明確的標(biāo)準(zhǔn)，同時(shí)加強(qiáng)實(shí)時(shí)監(jiān)控，確保策略在執(zhí)行過(guò)程中的有效性。一旦量化交易發(fā)生異常情況，通過(guò)交易日志及時(shí)發(fā)出預(yù)警，在交易信號(hào)發(fā)出前，修改交易指令，及時(shí)調(diào)換非可執(zhí)行標(biāo)的，提高交易完成率，保障交易策略的完整性。

結(jié)合人工智能，用策略創(chuàng)新策略。在圍棋方面AlphaGo已經(jīng)完勝人類，但是AlphaGo只會(huì)下圍棋，不能進(jìn)行任何其他的工作任務(wù)，它最大的缺憾是不會(huì)像人類一樣遷移學(xué)習(xí)，夠不上真正意義上的人工智能。遷移學(xué)習(xí)是目前機(jī)器學(xué)習(xí)的前沿科技，可以讓人工智能舉一反三，模型為同一目標(biāo)綜合學(xué)習(xí)各領(lǐng)域知識(shí)，各個(gè)領(lǐng)域的模型之間傳遞經(jīng)驗(yàn)，讓程序自動(dòng)學(xué)習(xí)其他程序的優(yōu)越性，用策略創(chuàng)新策略。這樣，策略可以自行研究已經(jīng)發(fā)現(xiàn)的風(fēng)險(xiǎn)要素，分析風(fēng)險(xiǎn)要素之間的相關(guān)性，并且提供解決方案。

（武漢商學(xué)院）