第1章 关注量化交易的原因

向智者学习，才能像智者一样做事。

——马可·奥勒留，《沉思录》

约翰是一个中等规模对冲基金的量化交易员。20世纪90年代初期，他在一所高等学府获得了数学与计算机科学学士学位。毕业之后，约翰立即在华尔街交易部门开始工作，渴望能够将自身的数量化知识资本化。经过7年时间的历练，并在华尔街从事多种量化相关工作之后，他成立了自己的对冲基金。他的合伙人负责业务和运营，约翰负责创建量化策略。目前，每天股票的交易规模已经超过15亿美元。最显赫的成就是，这些策略在60%的交易日和85%的交易月里均获得收益。

尽管每天有高达数十亿美元的交易量，但是在约翰的办公室里，既听不到嘈杂的喧哗声，也看不到通过电话发出的订单。事实上，唯一看到的是约翰办公室的一些平板显示屏，显示着当天交易策略的表现和交易量。约翰并不能像讲一个非常有趣的故事一样，讲述他为什么买入一只股票或卖出一只股票。当有需要干预的事件发生时，他会跟踪监测这些数以千计的股票。而在大部分时间内，这些复杂的工作都是由策略自动执行完成。约翰最关心的还是策略的稳健性以及市场环境对其产生的影响。他锐意进取，会根据市场的变化进而调整模型。

马克坐在约翰的对面，是近来加入基金的合伙人，对高频交易有着深入的研究。不同于公司前面能够在60%的交易日获利的策略，马克和约翰希望能完成一个更具野心的任务：寻找每天都能赚钱的更小的机会。马克最先的高频交易策略已经能在几乎95%的时间里盈利。事实上，他们对于高频交易具有更高的目标，希望复制那些在交易日内每小时甚至是在每分钟都能够获利的交易策略。一些高频交易策略并不适用于大规模的投资，因为所发现的盈利机会比较小且转瞬即逝。创建高频交易的技术设备费用非常昂贵，而且在维护方面也价格不菲。然而在任何资本市场，高频交易都极具吸引力。约翰和马克希望他们的高频交易策略能够每年获得不低于2倍的回报水平。

在资本市场，许多规模较小的量化交易公司在默默耕耘着，诸如约翰和马克的公司，但是它们在较长的时间里业绩骄人。例如，弗吉尼亚州夏洛茨维尔的量化投资管理公司在2002~2008年年收益高达20%，这是一个许多主观判断型经理望尘莫及的记录。

与这些小的量化投资公司不同的是大型量化投资公司，这些公司被许多投资者所熟悉。在这些引人注目的成功的量化公司中，最出众的当属于文艺复兴科技公司（Renaissance Technologies）。这家公司最著名的量化基金业绩是，自1990年以来，平均每年能获得35%的回报率，这是在除去各种高昂的费用以外的数字，且风险较低。2008年，许多对冲基金业绩不佳，而文艺复兴科技公司的旗舰基金——大奖章基金的业绩仍然接近于80%。我个人比较了解这家基金的业绩，随着时间的流逝，即使面对越来越激烈的竞争，模型的业绩仍然会更好。

并非所有的宽客都是成功的。似乎每过10年，都有一次因量化交易者的失败引起的，或者至少是感觉由量化交易者的失败而引起的市场戏剧化变动。当然，迄今为止最著名的案例当属长期资本管理公司案例（LTCM）。如果当时没有美联储和华尔街银行联盟的干预，这一事件极可能引起资本市场的崩塌。虽然市场救助成功，但是长期资本管理公司并不那么幸运。曾经在4年时间里，扣除各种费用之后，每年平均获得30%回报率的长期资本管理公司，于1998年8~10月，清算了自己几乎100%的资产，留下了许多对量化交易心存疑虑和害怕量化交易的投资者。事实上，对于长期资本管理公司失败的原因，是归因于量化交易还是归因于人性在风险管理中的判断失败，还有所争议。而且对于长期资本管理公司是否为真正的量化交易公司，也有所争论。长期资本管理公司的员工主要是一些博士生和获得诺贝尔奖的经济学家，将其定性为量化交易，无疑会使从事量化交易的宽客蒙羞。

不仅仅长期资本管理公司的倒闭使得宽客受到严重的质疑，1987年的股灾事件（也许不公平）和2007年量化交易基金清算事件（也许公平）也将量化交易推上了审判台，很多量化公司深受后者事件的影响，包括许多大的量化交易公司。例如，高盛旗下最大的量化基金——全球阿尔法基金在2006年达到6%的损失以后，在2007年估计达到40%的损失。2007年8月不超过一周的时间里，许多量化基金在几天时间内的损失为10%~40%，虽然在这个月余下的日子里，一些量化基金强势反弹，减少了一些损失。

在一本非小说类畅销书中，《华尔街日报》的前记者指出发生大量经济危机的量化交易会在2008年走到尽头。虽然他的逻辑有些混乱，但是普遍还是对量化交易持否定的态度，这种观点一直持续到2010年，这一年5月闪电崩盘事件的发生使得高频交易进入公众的视野。即使这样，对量化交易关心的人也很难断言宽客是否应该对不断上升的市场波动性、资本市场的不稳定性、市场操纵、内幕交易以及其他行为负责。我们将会在第16章对高频交易进行讨论。

撇开量化交易的成功与失败，以及人们对于量化交易的批判不谈，量化交易每天对于资本市场的影响毋庸置疑。美国股票市场的交易大都是通过算法执行的，而且这个比例在快速上升。算法执行（algorithmic execution）指的是，在电子化市场中，投资者的买卖行为是通过计算机软件实现的。自动化执行技术不仅仅在量化策略中使用，而且在指数基金或者主观判断型宏观交易基金中也会使用，但是确定的是，其在量化交易中占有较大的比例。而且，宽客是算法交易引擎（algorithmic trading engines）的发明者和主要创新者。在美国市场，仅仅5个宽客每天就可以负责10亿美元的交易量。值得注意的是，尽管这样，这些人在高频交易被广泛宣传之后，也并不为投资大众所知。TABB集团是一个聚焦于资本市场的咨询公司，估计在2008年，大约58%的买方交易订单是由算法交易来完成的。同时TABB也估计，自从2005年，这个速度是以每年37%的复合速度增长。更为直接的是，Aite集团在2009年早期出版的研究报告显示，股票市场60%的交易是由短期量化交易完成的。这些统计数据在非美国市场也是有效的。2008年第1季度，欧洲Xetra电子订单匹配系统中，约45%的交易量是由黑箱交易实现的，与一年前相比，增长了36%。

量化交易并不局限于股票市场。在期货和外汇市场，以及商品交易顾问（commodity trading advisors，CTA）所涉及的领域，量化交易也是市场的主角。新际另类投资咨询公司（Newedge Alternative Investment Solutions）和巴克莱集团（Barclay Hedge）估计，截至2012年8月，CTA旗下几乎90%的资产是由系统的交易公司进行管理。虽然许多大型的CTA并不公开它们管理的资产数量及市场表现，但是这些公司很可能有超过75%的交易属于量化交易。新际估计，截至2012年8月，量化型期货基金管理的资产达到2823亿美元。

毋庸置疑，在对冲基金中，量化交易的规模巨大。对冲基金是私募产品，适合于那些成熟老练的、富有的个人以及机构投资者。对冲基金可以投资于任何能想象到的领域，管理人可以根据投资利润进行分红。这仅是量化交易被广泛应用的原因之一。不同银行的自营交易柜台、自营交易公司以及使用一定比例进行量化交易的多策略对冲基金管理者，使得量化交易在资本市场具有较大的规模。

由于量化交易成功或者失败案例的大规模或者极端影响，宽客经常占据金融出版物的头条就不足为奇了。虽然许多对宽客的报道是负面的，但事实并不总是这样。实际上，许多量化基金不仅因为稳定的收益受到表扬，而且许多专家认为各种风格的成功量化策略促进了市场发展。例如，瑞德·弗兰乔尼（Reto Francioni）是运营法兰克福交易所的德国证券交易所（Deutsche Boerse AG）的首席执行官，在一个演讲中谈到，算法交易能够“改善市场流动性，市场参与者均从中受益”。弗兰乔尼并引用一项近期学术研究成果，指出“算法交易和流动性之间是正向的因果关系”。确实，这就是事实。使用执行算法（即算法交易）的量化交易者主要是将订单拆分成各种小的订单，以期降低交易成本和提高交易效率。正如前面所谈到的，虽然算法最初是由量化基金提出的，但目前被众多投资团体所使用。通过拆分成多个小的订单，具有不同观点和需求的投资者也能改进它们的执行效率。

当其他交易者的需求使得证券市场的供需关系短暂失衡时，量化交易可以通过提供流动性使得市场更有效率。从有效市场（efficient market）的经济角度而言，不平衡性也称为市场无效（inefficients）。真正的无效市场代表着存在很少的、转瞬即逝的无风险套利机会。但是，无风险获利或者套利并不是宽客改进效率的唯一方法，甚至不是最主要的方法。宽客并不是能够绝对地消除市场无效性并从中获利，而是概率性地获利，并且需要承担风险。

一个经典的策略叫作统计套利（statistical arbitrage），其中最为经典的当属配对交易（pairs trade）。想象两只来自同一行业，具备相似商业模式和财务状态的资本市场化的股票。因为某种原因，公司A股票属于主要市场指数成分股，该指数是许多大的市场指数基金所跟踪的标的。同时，公司B股票不属于任何一个主要市场指数。很可能的结果是，A股票的市场表现会优于B股票，因为指数基金为了跟踪指数会买入较多份额的A股票。这样，A股票相对于B股票而言，具有较高的市盈率P/E，这是市场无效性的一种微妙表现。然而，两只股票的基本面并没有发生变化，仅仅是供求关系发生了变化，这时可以通过卖出股票A，买入股票B，阻止两个基本面相似的公司股票的市场定价偏离，促进市场有效性的同时进行统计套利。促进市场有效性并不是因为利他主义，而是因为这些策略确实当A股票和B股票之间的偏差越来越小时，策略能够带来收益。

并不是说，只有宽客能够通过改善市场无效性而获利。事实上，追求阿尔法回报的交易也是通过寻求市场错配而获利。当然，有时候，例如2007年8月，量化交易使得市场短暂弱有效。然而，对于那些市值较小、流动性较低且容易被忽视的股票，统计套利者是主要的市场流动性提供者，以帮助市场参与者发现有效的市场价格。

那么，我们能够从宽客那里学到什么？答案可以分为3个方面。这几个方面对于任何一个投资管理者都是重要的经验。