量化交易策略的优点与缺点[古期心得]

 达尔文在 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

断的进化。一样事物的产生并兴起，往往是因为它更好的适应了环境。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。 { 来源 www.cxh99.com }

        由于量化交易策略自身的特质，其首先存在着比较强的可度量性。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可以得到数

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，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

测试结果。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

此历史验证就成为了一个不可精确重复、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，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，至少可以说明该量化交易策略在历史检验上具有盈利能力。{ 来源 www.cxh99.com }

        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的对待。

        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的指导整个交易

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

免的存在一定的偏向。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，交易结果的预期从最优点处发生偏移就无法避免了。

虽然量化交易策略不可能帮助我们完全的规避这些问题，但是数量化的框架和规则确

实可以尽量减小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的完成这个任务。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的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

针对性的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的分散风险。

        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。

        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的消失，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

从业者较为消极的对待工作，甚至选择保留核心交易策略，进而隐性的损害了公司的

利益。好在很多情况下，量化交易策略即使在研发完成之后，仍然需要不断的改进，

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

在交流过程中非常的小心谨慎、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重大的缺点，就在于量化这个特性本身。诚然这一特

征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，例如针对网络信息刻画出的投资者情绪等等。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，对比起主观交易策略而言，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，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，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逐渐产生的，因此当量化交易策略的

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逐渐变化，

策略所形成的交易也只能缓慢的变化。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。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较难改善的缺陷。