什么是算法交易？

关键要点

• 量化交易主要依托数据与模型，以寻找投资标的和制定投资策略。

• 量化交易的优势主要体现在纪律性、系统性、及时性和多元化等方面。

• 量化交易的短板主要包括样本误差与样本偏差、策略共振、误归因以及“黑箱”问题。

概念图示

近年来，量化交易已成为备受青睐的投资策略之一。那么，什么是量化交易呢？简而言之，量化交易是指借助计算机技术，通过特定的数学模型来发掘投资机会并实施投资策略的过程。

传统投资方法主要包括基本面分析和技术面分析，而量化交易则依托数据与模型来筛选投资标的并作出投资决策。

量化交易不依赖个人主观感受来管理资产，而是基于恰当的投资理念与经验构建量化模型。通过计算机处理海量信息，归纳市场运行规律，并制定可反复复用、持续优化的投资策略，从而指导投资决策过程。

在应用层面，量化交易几乎涵盖了整个投资流程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、资产配置以及风险管理等。

量化交易的优势

与传统投资方式相比，量化交易兼具优势与劣势，其优势主要体现在以下几个方面。

(1) 纪律

传统投资在很大程度上受到贪婪与恐惧等人类情绪的影响。有时，要保持交易的纪律性并非易事。

量化交易以纪律为基石。严格遵循量化交易模型所给出的投资指令，不会因投资者情绪的波动而随意变更。

(2) 系统性

量化交易的系统性特征主要包括多层次的量化模型、多角度的观测以及海量数据处理。

多层模型主要包括大类资产配置模型、行业精选模型和个股精选模型。

多角度观察主要包括对宏观周期、市场结构、企业估值、增长与盈利质量、市场情绪等维度的分析。

海量数据处理意味着量化交易能够借助计算机获得远超人脑的数据与信息处理能力，从而捕捉更多潜在的投资机会。

(3) 及时性

量化交易能够跟踪市场变化，不断发掘带来超额收益的新型统计模型，并寻找新的交易机会。量化交易持续关注估值洼地，通过全面而系统的扫描，挖掘由定价偏差与估值错配所孕育的机遇。

(4) 多元化

量化交易分散化的核心在于以概率为导向。这主要体现在两个方面：一方面，量化交易从历史数据中挖掘规律，所构建的策略往往在过往具有较高的盈利概率；另一方面，量化交易通过构建多元化的股票组合来获取收益，而非仅依赖单一或少数几只个股。需要注意的是，分散化并不能确保盈利，也无法完全规避市场下行时的损失。

量化交易的弱点

在阐述了量化交易的优势之后，接下来将列出其若干劣势。

(1) 抽样误差与抽样偏差

许多量化交易策略高度依赖历史数据。然而，历史数据往往缺乏足够的多样性与长期积累，因此样本量过少可能导致抽样误差，或因非随机抽样而产生偏差。基于此类数据得出的相关性规律，一旦超出样本范围便可能失效，从而丧失其参考价值。

(2) 战略共鸣

许多量化策略与技术分析策略颇为相似。一旦某种策略被证明有效，随着使用人数的增加，其有效性便会逐渐减弱，这种现象被称为“策略共振”。

(3) 错误归因

其原因可从广泛采用的多因子量化策略所得到的数据结果中推断得出。只要构建足够多的因子，就很可能实现某一特定的既定目标。

然而，当基于这种多因子组合的量化策略应用于实际交易时，可能会因误判因果关系而失效。由于因果倒置，难以准确区分偶然因素与决定性因素。

(4) 黑箱

各类量化策略，包括高频交易、对冲或套利等，往往并无内在的因果关系。这些策略的有效性主要依赖于历史数据的高度相关性。其逻辑在于：只要基于历史数据测算出的胜率达到55%及以上，且样本重复次数足够多，那么长期来看，盈利的概率便会不断累积。

然而，仅凭相关性而缺乏对内在因果关系的洞察，投资者便无法预测那些历史无法指引未来的情形。这就好比一只火鸡，每天都有主人来喂食，却在最后一天被宰杀。