跟主观交易相比，量化交易有哪些特殊的风险？

量化的主要风险点来自于人工智能模型对开放的世界永远无法像人类那样形成深度的理解，其决策过度依赖于历史数据。而真实的世界往往会有很多永远都不会重复的重大事件发生，从历史数据里找不到类似的决策依据。比如日本的核电站事故，又比如乌克兰战争，新冠疫情。这些事件都对金融领域产生深远影响，而且过去没有发生过类似事件。曾经美国的顶流量化基金“长期资本管理公司”，就是死于一次重大异常事件：俄罗斯宣布国债违约。
另外，量化的风险点还包含各种系统软硬件故障。比如：骑士资本的高频交易故障。量化交易系统再怎么完善，总归是人类设计的，试问有哪家公司的软件从来不出bug？没有。
所以，真实的交易时间，往往都是量化与主观相结合，各取所长。这就是为什么上海爆发新冠疫情各类金融机构都要派驻员工坚守公司。如果基金公司完全依赖量化交易，那么让机器开着就好了，还要人员坚守阵地么？
前面说了那么多量化的风险点，其实也不是一无是处。主观的优点在于可以灵活应对特殊情况，量化的优点在于全面监控市场机会一个不落，人眼照顾不到的地方机器程序给你找出来。
比如：网上很多大师普及各种炒股的门道，还举出很多图文并茂的例子证明自己的理论多么完美。实际上，在量化数据面前不堪一击。把大师讲的决策理论在数据里搜索一下，除了发现大师给出来的少数成功例子，搜索到更多是巨亏的失败例子。这就是所谓的幸存者偏差，大家只看到吃肉，没看到挨打。目前几乎所有的量化模型胜率，都很难超过60%，由此可见大师们的理论有多离谱。他们之所以难以被拆穿，是因为普通投资者难以接触到大量的历史数据。不过现在互联网这么普及了，资源都是可以找到的。这个地址丰谷图文提供了历史竞价数据、历史竞价图和日K线数据的大数据图文并茂综合查询。普通投资者可以很容易验证各种选股思路是否合理，可算是怼各种野路子专家，专唱反调的利器。以下是查询历史竞价图的例子：

历史集合竞价图

下面是查询历史数据的例子：

历史数据查询