这次疫情期间，为什么那么多量化交易策略破产？_VNPY官方原创
-
在疫情迅速发展的2020年3月的全球市场剧烈波动中，不仅股神巴菲特管理的伯克希尔亏损接近500亿美金，而全球最大的对冲基金桥水也遭遇滑铁卢，资产大幅缩水，因为疫情导致的量化基金破产案例载入历史并被持久关注。这些因大额亏损濒临倒闭的量化基金，大多采用市场中性策略，基金经理们用这类策略的理由：无论市场涨跌，都可以稳定盈利，追求的是阿尔法，通过对冲和套利追求贝塔等于0。
桥水基金管理的资产规模缩水了15%，主要原因是由于3月至4月期间，该基金主要的交易策略遭遇重大损失。桥水基金资管规模在4月底为1380亿美元，作为对比，该基金在2月底的资管规模曾达到1630亿美元。不过，据有关媒体称，桥水基金这次出现管理规模大幅缩水，主要原因是价值回撤，是其资产市场表现驱动的，而不是客户撤资。
为什么市场中性的量化策略在今年的有疫情下的表现是失效并大幅亏损呢？
其实基金经理的中性策略大多用的都是通过历史数据拟合训练的算法、也就是利用归纳法去预测未来，经常性的后尾的风险中最终崩溃。
产生这个现象的原因有二：
一、系统性风险导致黑天鹅产生
下面这个实际发生的例子，可以很好的解释的市场中性量化策略的在系统性风险下失效过程。
在2018年的4月，在数字货币发币越来越多，本来很多交易者采用的是在一个交易所做空，在另一个交易所做多中性策略。这种情况下，无论数字货币是涨还是跌，通过时间差的优势，总有稳定的收益。在2017年8月1日的比特币现金硬分叉(Bitcoin Cash hard fork)引发了与比特币和比特币现金相关的两个数字货币社区之间的争吵，为2018年的比特币崩盘埋下了伏笔。硬分叉最初导致比特币价值下跌，一部分是因为围绕该事件的负面影响。硬分叉之后引发了技术性抛售，随后又引发了全面的问题。
有很多数字货币出现在短短几分钟从几百元暴跌到几毛钱，对刚刚采用中性投资者来说，一边做多的一方被爆仓，另一个边做空的数字货币归0，即便数量再多，价值也是0。 也就是这样原因，很多投资者倾家荡产了。
人们往往高估了历史数据的价值，低估了不可预测的随机事件在其中的作用，无论再高明精准的技术分析或风险管理模型，所以不能减少投资者在超级股灾中损兵折将的可能。1998年由一群诺贝尔经济学家管理的美国长期资本管理公司破产，就是重视短期规律忽视黑天鹅的例子。
二、市场环境变化了，这个变化是再一个小级别小的规律放大更大的周期才发现并非是更大周期下的规律在国内分级债券市场就有一个典型的例子，在2012至2016年间，很多分级债券的年化收益达到了26%，曲线30度向上，很多分级债券在短短4年已经盈利超过200%，而且是一条平滑向上的斜曲线，但到了2016年由于宏观经济面的变化就突然失效了。
下面五张图是局部到整体的例子可以清楚的表达短期规律和长期规律的差别
上述2点提出的原因并不是完全平行的和对等的概念，事实上1恰好是2的一个极端情况，而2的另一个极端情况则是灰犀牛危机。
然而在每一次、每一组黑天鹅事件的背后，都隐藏着一个巨大的灰犀牛危机。
所有的量化交易策略，都需要经过大量历史数据的训练和拟合。只有回测和拟合成功的策略才有可能难道真是世界里作为交易的一句，就是那些在回测里始终盈利，放到样本外的环境里，依然盈利，拿到真实世界里交易后，依然盈利的策略。
所有的量化交易策略，都是对过去已发生的事情的训练，试图从海量数据里总结出金融市场运作的规律，诸如小公司可能由市值因子增长率高、杠杆率低的公司在经济下行时表现好、产业链上下游公司的股票之间关联度高等等。
一个量化交易算法，做的再好，做到极致，也不过是“充分学习了过去市场里发生的一切事件，并掌握了规律”。但是，通过归纳法总结出的参数永远无法预测从未发生过的事件。
所有的量化策略都必须历史数据回测下通过归纳法进行总结，于是就不可避免的导致历史有效，未来一定失效的结果。这样的例子日复一日的在金融世界不断发生。
这里不得不提到归纳法和演绎法的概念。
下面这个例子可以很好的举例说明了归纳法：
前提：目前观察到的所有天鹅都是白色的。 结论：所有天鹅都是白色的。量化交易本质上是不严谨的归纳法，这样的归纳法的bug是面对“黑天鹅”事件毫无办法，而另一个重要的逻辑论证法“演绎法”，我们知道，哲科思维的重要特征是基于一个正确的假设（公式或公理），然后经过严格的演绎逻辑推演得出结论，这种推理的方法就是演绎法，人类1%的知识来自于演绎法，但那1%可能是最重要的1%。
但是在量化投资领域，量化交易很难通过演绎法实现，绝大多数的模型都是通过归纳得出的。
技术分析相关的因子完全依赖于归纳。在回测之前，我们将很难通过演绎推理来判断价格将以动量还是反转来运行。我们将很难解释为什么股指期货在日内通常是动量的，而股票价格在20天的周期上通常是反转的。而即便是动量，我们也很难用演绎推理来判断动量的具体形式，也因此会诞生众多的技术指标。但是，通过回测，也就是通过对价格历史的归纳，我们将很容易得出结论。而基本面分析中归纳也是最关键步骤。我们可以通过各种财务信息对股票进行估值，也就是所谓的演绎方法。然而被低估的股票并不必然在未来带来超额收益。极有可能存在你不知道的基本面信息，长期压制股票价格。极有可能，市场将长期无效下去。然而，通过回测，也就是通过归纳，我们将很容易地总结出被低估的股票未来的价格走势。而反过来，即便一个研发者不知道任何基本面分析知识，仅仅通过归纳，也能通过遍历发现有效的基本面因子。
那些量化基金经理们，没有人曾判断出来疫情会蔓延到美国和欧洲吗？
一定有，但有两点原因阻碍了他们作出正确应对策略。
1，他们是量化基金经理，使用量化手段制定交易原则是他们的交易原则，仅凭主观判断而拿出一部分本金去对冲或趋势策略做空并不是量化交易的风格。
2，很多量化基金经理们，往往并不具备全天候的能力，没有能力作出正确判断，不理解也不愿意理解如何对冲到从未有相关处理经验的事件。
这是为什么大型券商量化交易的领头人都不是IT出生，而是经济学家出生，一直坚持宏观基本面理论重要性，是因为人比程序策略更容易在大的趋势上掌控正确的方向。
在很多行情特征，人一看就明了，而程序比较傻，量化具备的是突出的拟合曲线的能力，而人最重要的最重要的作用就是择时和降维。
而如果没有了人控制，而将工作全部交给量化交易程序的话，我想拟合的极端就是采用高维度人工智能算法，而那将不可避免陷入过拟合的结果。更重要的是，那是一个所有人都将无法理解的黑盒子，任何人都无法理解人工智能策略的内部逻辑，也就无法判断策略什么时候失效。
对基金经理而言，也许量化交易和程序化交易，确实降低了对人性要求的门槛，缩短了学成出师的时间，但若完全依赖量化交易和程序化交易，却终将难以成为投资大师！
