杨博理、贾芳：量化交易策略的优缺点

查尔斯·达尔文（Charles Darwin）在1859年出版的《物种起源》一书中系统性地阐述了他的进化论思想，认为生物是进化的，而自然选择是生物进化的动力。如果一个有利的变异更能适应当前的环境，那么变异的个体就更容易生存下来并繁衍后代，保存自身的性状，从而不断地进化。作者一直都很倾向于将这一理论类比到某种技术发展或者社会实践上，一种事物的产生并兴起，往往是因为它更好地适应了环境。好像量化交易策略一样，因为学术理论的不断产生、交易环境的不断更新、计算机技术的不断进步而持续发展。而由于量化交易策略在这种大环境下表现出了种种优点，以及对比其他交易策略的一些优势，从而呈现出了欣欣向荣之势。

鉴于量化交易策略自身的特质，其最为明显的特点就是较强的可度量性。作为采用数量化手段构建而成并进行决策的交易策略，其在构建过程以及决策过程中，都是可以被精确度量的。对比而言，主观化、定性化的交易策略虽然在复盘等过程中也能够得到数量化的交易结果，但是由于缺乏整体性的精确度量，因此局部的定量化结果往往波动较大，在很大程度上不具备稳定的刻画能力。

这一特性带来了量化交易策略的另一个优点，即可验证性。由于未来数据的不可得，因此不论是定量的还是定性的，实际上交易员在判断一个交易策略时，很大程度上都依赖于策略在历史数据上的表现结果。然而，主观的交易策略在复盘或者其他测试过程中含有人为判断的成分，因此在缺乏过往实盘操作时，历史验证就成为一个不可精确重复、缺乏稳定性和说服力的部分，这对于此类交易策略而言是一个比较严重的缺陷。

量化交易策略就不存在这个问题，基于本书给出的量化交易策略的定义，只要准备好策略所需的完整数据以及资产的历史价格，我们就可以将交易的过程在历史数据上模拟复现一遍，这一过程被称为回溯测试，简称回测。在策略构建和策略表述数量化的基础上，多次重复历史回溯测试均能够得到一致的结果。如果测试结果是正向的，那就说明该量化交易策略在历史检验上具有盈利能力。

上述两个特性使得量化交易策略具有较强的客观性。由于构建交易策略的过程中数量化手段占主导地位，交易决策更是具有明确的数量化规则，因此量化交易策略可以在很大程度上规避策略开发者的主观臆断，在构建的过程中始终获得客观地对待。这里举一个反例，作者曾经在构造一个量化交易策略时，由于急于获得最终的结论，因此对策略粗略运行得出的待加工结果进行了人工观察。在没有进一步编写程序进行验证的情况下，得到了该策略可以获利的结论。但是在测试完整策略的时候，发现预期情况和实际不符，重新检查后才发现偏差来自这一点点的人工行为。量化交易策略的研发已然如此，作者有理由相信在主观策略的研究过程中，这种情况更为常见。实际上，在开发人员对策略有效性有期待的情况下，即使面对一个非常简单的问题，人的主观判断也是有可能会产生偏误的。

同时，明确的数量化交易决策规则这一特点，也使得交易员在执行量化交易策略时，有希望完全排除情绪对于整个交易过程的干扰和影响。基于数量化规则，量化交易策略本身具备相当的独立性，不需要交易员的主观判断也可以完整地指导整个交易流程。而主观的交易策略由于在交易操作中需要持续的人为控制和判断，因此不可避免地存在一定的偏向。行为经济学里研究了很多相关的问题，包括损失厌恶偏向、过度自信偏向、参考点偏向等，都是一些人类固有的行为偏向。当这些客观存在的偏向影响到交易策略的实际执行时，交易结果的预期就会从最优点处发生偏移。虽然量化交易策略不可能帮助我们完全地规避这些问题，但是数量化的框架和规则确实可以尽量减少这些不安定因素所带来的损害。

上面所说的排除情绪化操作，实际上也包含了交易员常常谈到的一致性，也就是保证交易策略在执行过程中，使用相同的交易规则，其中包括买入点、卖出点、交易仓位大小的确定等。如果交易员在执行量化交易策略时不主动加入人为判断，量化的交易规则可以帮助其很轻松地完成这个任务。更为重要的是，量化交易策略可以做到历史验证过程和实际交易行为的一致性，因为不论是真实交易决策，还是历史回溯测试，所参照的交易规则都是由数量化表达精确定义了的。这种整体上的一致性，是绝大部分主观交易策略都无法保证的。

量化交易策略的数量化特点及其带来的一致性，使得这种策略具备了比较好的可移植性。除非使用特定的量化因素，一般而言，量化交易策略是比较容易在一个市场或者资产上证实有效后，移植到其他的市场或资产上使用的。例如，当策略使用的量化数据仅限于价格时，所有存在报价的市场都能够使用历史数据来验证这种量化交易策略。而当使用的量化数据包括价格和成交量时，除了外汇市场等少数情况外，量化交易策略也是能够移植到其他大部分的场内交易市场上的。量化交易策略所使用的数据的可得性越强，其移植能力也就越强。

同时，由于量化交易策略可以很方便地得到数量化的验证结果，收益、风险等策略特征都能够通过数据形式得以呈现。因此，在量化交易策略被应用到多个市场或者资产上时，策略开发人员可以通过数量化结果这样的直观形式来进行横向对比，从而有针对性地选取适合某一特定量化交易策略的市场，或者在多个市场之间进行配比。而由于量化交易策略的执行过程中不需要交易员的主观判断，因此相比于主观化的交易策略，其有能力同时覆盖大量的市场和资产，这对于投资组合的分散化来说具有很好的辅助作用。在现实中，大部分的量化基金都持有数量较多的资产和资产种类来组成投资组合，这正是利用了量化交易策略的特性从而更方便地分散风险。

另一方面，对于量化交易策略而言，这种多个市场间的策略移植所需要的成本很小，在一些情况下甚至不需要变动原先的基础工具，因此降低了研发成本，同时节省了宝贵的研发时间。而量化交易策略不仅可以在策略研发的过程中帮助节省时间、降低成本，由于其具有非常明确的数量化规则用以指导交易，因此策略在实际使用的过程中可以脱离人为判断，执行速度更快，运作效率得到了提高。不论是否采用程序化的执行手段，量化交易策略都能够在实际交易中减少人的负担，也就减少了许多重复性的劳动。对于一个交易策略的控制者而言，就能够把更多的精力放在最为核心的策略创新上。

而在策略创新上，量化交易策略本身也具有一定的优势。在科学不断进步的今天，越来越多的先进技术被创造出来并应用到各种情境之下。通过结合多个不同学科的知识和相应的数学模型，量化交易策略更有可能发现一些隐藏较深的复杂数据规律，而这些规律往往不太容易被主观交易者察觉得到。时至今日，神经网络、支持向量机、隐马尔科夫模型等机器学习模型已经开始被量化交易从业人员频繁提起，虽然作者并不能确定这些技术手段在量化交易策略方面有多大程度的应用，但是可以肯定的是，交叉学科知识进入量化交易策略研发已经形成一种趋势。而量化交易策略本身也在融合这些科学技术的同时保持极快的发展速度，以至于有些从业人员开始用“第几代量化交易策略”之类的说法来划分各种策略方法。尽管作者并不太赞同这种过分注重技术手段的行业观点，但是量化交易策略当前的迅速发展是不可否认的。当然，主观的定性交易策略也是在不断进步当中的，只不过在目前这种科技发展、学科交叉的环境下，量化交易策略发展和进步的速度应该是更快的。

实际上就整个行业的状况而言，量化交易策略还有一个不太被人提及的优点或者说特点，那就是能够在一定程度上帮助公司减小对所谓的明星交易员的依赖。由于在交易流程当中，做决策的不再是具体的交易员，而是已经具有明确规则的量化交易策略，因此在量化交易策略研发完毕甚至只是核心理念构建完成之后，公司对于量化交易策略的研发者的依赖程度就会迅速下降，这一方面可以帮助公司在人员配置上减少支出，更重要的是提高了公司对于交易整体的控制程度。整个公司系统的核心优势在于量化交易策略本身，因此不会由于人员变动等问题而非常迅速地消失，有利于公司在量化交易方面保持长期稳定。

不过这个特质在稳定公司组织架构的同时，实际上也损害了量化交易策略研发者的利益。量化交易策略的研究人员在策略研发完成之后丧失了一定的价值，因此在薪资等方面也不如主观交易的明星交易员一般具有讨价还价的底气。这也导致一部分的量化交易从业者较为消极地对待工作，甚至选择保留核心交易策略，进而隐性地损害了公司的利益。好在很多情况下，量化交易策略即使在研发完成之后，仍然需要不断地改进，从而适应市场环境的不断变化，因此对量化交易策略研发人员的持续需求仍然是存在的。当然，这个问题要妥善解决，仍然在于公司对此的激励政策。

量化交易策略由于其明确而数量化的交易规则，不仅会造成上面提到的这一缺点，更重要的是，这些明确的量化规则是非常容易被复制的。量化交易策略和许多科技创新一样，具有研发困难、复制简单的特点。即使在最终交易规则保密程度良好的情况下，仅仅只是泄露出一些策略理念出来，相比于主观交易策略，量化交易策略也有更大的可能会被逆向工程破解从而外泄。这种特性，一方面增加了量化交易策略使用的成本；另外一方面也加大了量化交易策略在交易之外的风险。一些量化交易的从业者在交流过程中非常小心谨慎，公司在管理量化交易时执行诸多规章条例、对员工加以合同上的严格限制甚至最后走到对簿公堂的境地，都是由量化交易策略这样的特性引起的。

量化交易策略还有一个非常显著的缺点，那就是量化这个特性本身。诚然这一特性为量化交易策略带来了多种优势，但是由于这一特点，使得量化交易策略在对待无法量化的因素时，只能采取忽略、舍弃这样较为无奈的处理办法。因此，量化交易策略损失掉了很多其实有可能带来盈利的信息，也使得策略在处理信息时所覆盖到的范围变得狭窄。当然，随着科学技术的发展，一些之前无法被量化的因素开始进入量化交易策略的研究范围之内，如针对网络微观信息刻画出的投资者情绪等。但是，即使科技手段会让量化交易策略能够处理的信息范围更广、更深，相对于主观交易策略而言，这样的缺陷始终是量化交易策略无法彻底摆脱的。这种来源于自身特性的缺点，目前来看只能改善而无法根治。

同时，由于量化交易策略在构建过程中采用的是数量化的方法，因此除了套利策略这种更注重模型和逻辑的策略之外，大部分基于统计、优化等手段的量化交易策略，均需要一定数量的数据样本进行研究，而相应的数据都是随着时间的推移逐渐产生的，所以当量化交易策略的构造形式没有本质上的改变时，从数据中抽取的数量化特征也只会随着时间的延长逐渐变化，策略所形成的交易也只能缓慢地变化。当市场情形发生重大转变时，这种缓慢变化的特性会导致量化交易策略无法适应转折期的市场，在短时间内造成较大的损失。

而对于套利策略来说，当其缺乏主观判断控制的情况下，结构更为稳定，转向也更为缓慢。如果出现某些小概率的突发事件，有可能就会产生如长期资本管理公司那样极端负面的结果。相比较而言，一部分定性的交易策略由于主要基于逻辑上的思路来进行交易，因此当市场情形发生改变时，能够基于主观逻辑迅速进行本质上的策略调整。转向缓慢这一特点也是量化交易策略一个比较难以改善的缺陷