作者：（美）纳兰（Narang,R.）
出版社：机械工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
打开量化投资的黑箱（原书第2版）试读：
前言
历史是无情的主宰，根本没有所谓现在，只有不断成为未来的过去。保守的下场就是被扫出历史的舞台。——约翰·肯尼迪
在相对默默无闻的投资管理领域，广泛被误解的有利可图的市场正快速发展。这个有利可图的市场被一直工作在这个领域的最聪明的人所主宰。他们在现代金融领域正努力解决一些最有趣且最具挑战性的问题。这个有利可图的市场有很多名字：量化交易、系统化交易或者黑箱交易。几乎在每个领域，技术都是改革的重要方式，极少数情况下，也是正在发生的事情。
上面提到这是一个技术革命，在量化交易领域，这可能让你感到很奇怪。但事实上，量化交易者和主观判断型交易者准确的不同点便在于技术。不要搞错：投资总是离不开数学，无论是对公司税收、成本、产生的利益和损失的基础分析，还是在计算市盈率指标等方面。格雷厄姆和多德所著书籍《证券分析》（Security Analysis）中有一个章节专门讲解财务报表分析。关于这一点，这本投资者的“圣经”比本书的阐述更详尽。
正如在其他领域，以遵守纪律的、可重复的、保持一致的方式做事情是很有用的（无论是制造汽车还是飞机），投资同样可以系统化，而且应该系统化。量化交易者在系统化的道路上已经走了一段距离了，汽车制造仍是汽车制造，手工安装的齿轮还是机器安装的齿轮并没什么区别。驾驶飞机亦是如此，飞行员驾驶和无人机工作没有什么不同。换句话说，只是以不同的方式做着同样的工作。核心是技术的不同。
如果我说“我喜欢拥有便宜的股票”，理论上，我会计算每个公司的市盈率，手工搜寻最便宜的股票，然后进入市场购买。或者我可以写一个计算机程序，扫描包含所有有关市盈率的数据库，找到符合预先定义的股票，然后利用交易算法在市场中购买。两者在如何操作方面是完全不同的，但是最终所购买的股票和购买原因是完全相同的。
所以，如果这里讨论的是如何对一种具体工作的完全理性的演进，而且对新技术没有不合理的恐惧，那么，新闻报道者、政治家、普通公众甚至许多行业专家为什么又不喜欢量化交易呢？这有两个原因。第一个原因是在许多情况下，人们不喜欢自己的工作被技术取代。例如，高频交易的许多活跃对手进行战斗，并不是因为对资本市场的关心，而是因为他们的生计被更先进的技术威胁，这一点是很明显的。这是可以理解并有道理的，但是如果他们取胜的话，对市场是不利的。因为最终，他们拥护的是停滞不前。
第二个原因在我的经历中非常常见，是人们不能理解量化交易，对于不能理解的事情，我们倾向于恐惧和不喜欢。这本书旨在改善人们对投资管理行业量化交易的许多类型的参与者的理解。宽客经常内疚于因为缺乏必要的谨慎描述而使这个问题雪上加霜。而这只会在某些方面产生不信任，事实上丝毫没有必要内疚。
这本书将带着你开启“黑箱”。本书阐明了宽客所做的工作，帮助人们揭开量化交易的神秘面纱，让对量化交易感兴趣的人能够更好地评估宽客和他们的策略。
首先要弄清楚一点，是人，而不是机器，应该对量化交易有趣的方面负责。量化交易可以被定义为人们通过严谨的研究，系统化地执行交易策略。关于这点，系统化（systematic）被定义为遵守纪律的、有条不紊的、自动化的方法。尽管依赖于自动化和系统化，但是人们开发策略并决定策略是什么，是人选择系统交易的证券种类，是人选择获取什么数据以及如何清洗这些数据，还有许多其他事情也是由人完成。给予量化交易策略的人通常被称为宽客（quants）或者量化交易者（quant traders）。
宽客在研究中采用科学方法。虽然这个研究使用技术（包括数学方法和各种公式），但是研究过程完全取决于人的决策。实际上，人类决策几乎存在于设计、执行和量化交易策略监管的各个方面。正如我已经表明的，量化策略和传统的主观型投资策略所做的事情是非常相似的，都依赖于决策者日复一日地管理投资组合。
量化策略和主观判断型策略的区别在于策略如何被制定以及如何被执行。通过仔细研究这些策略，宽客能够用科学家验证理论知识的方法评估这些想法。而且，通过使用计算机，系统化地实施策略，宽客能够消除很多存在于主观判断型交易中的随意性。本质上，由情绪、无纪律性、激情、贪婪和恐惧驱使的决策，能够在量化投资过程被消除，而这些心理因素被许多人认为是市场投资中出现重大失误的原因。这些心理因素被理性分析和系统化的方法所取代，这些方法都是从许多其他领域获得的：对于需要重复完成并要求遵守纪律的事情，计算机比人做得出色。计算机比人更适合重复性劳动，这并无不妥。毕竟，计算机也不适合创造性的劳动；如果人类不告诉计算机如何操作，计算机将一无所知。相对许多主观判断型策略而言，由于在设计和执行策略上的不同，运行良好的量化策略能够持续获得有利的风险/收益回报。
为了更好地阐明本书的观点，我在书中主要集中探讨阿尔法方向的策略，没有涉及量化指数型交易者或者其他贝塔型策略。阿尔法策略通过择时和调整持仓头寸进而获利；贝塔策略是复制或者稍微改进指数的表现，例如标普500指数。虽然量化指数基金管理是一个大的行业，不过对它的解释不必过多。我没有必要在金融工程上花费太多的时间，金融工程主要在创造和管理新的金融产品（例如，债务抵押债券）方面起着重要的作用。我也不陈述量化分析，因为这也支持主观判断型投资决策。这是两个非常有趣的话题，可惜它们不是量化交易专有的特点，这些讨论还是留给相关专家吧。
这本书的主体结构分为四个部分。第一部分（第1章和第2章）介绍量化交易的背景知识。第二部分（第3~9章）详细讲述了黑箱的内容。第三部分（第10~12章）对量化交易进行分析，并指出评估宽客和策略的技巧。第四部分（第13~16章）对高频交易、支持高速交易的基础设施、量化交易的传言和真相进行介绍。最后，第17章分析量化交易的当前形势并展望未来。
用直观的方式解释量化交易是我的愿望。本书基于经济学原理和技术理论基础，描述了宽客做了什么以及如何操作。本书避免使用大量公式，行业术语也仅有限使用或者被解释以后使用。本书旨在表明很多人认为的“黑箱”实际上是透明的、直观的和易于理解的。我也探索了在量化交易中得到的经验教训，以及如何评估量化交易策略和宽客。总之，这本书对于许多资本市场的参与者和评论者都是有用的。对于投资组合经理、分析师以及任何类型的交易者，这本书将帮助其系统化地理解“宽客做什么，如何做，为什么这样做”。对于投资者、财经媒体、监管者或者对金融市场有一些基本知识的人来说，这本书对于帮助他们进一步理解量化交易有很大的帮助。里什·纳兰（Rishi K.Narang）致谢
非常感激我的兄弟Manoj Narang对于本书第四部分给予的帮助，感恩Mani Mahjouri提供的许多建议和帮助。感谢迈克·贝勒和Dmitry Sarkisov对信息微爆发提出的具有启发性的观点。我在T2AM的同事Myong Han、Yimin Guo、Huang Pan和Julie Wilson通读了本书的不同部分，给出了许多有价值的建议。如果没有编辑Arzhang Kamarei不知疲倦的工作，这本书的可读性将会大打折扣。本书的第1版也是由Arzhang Kamarei帮助编辑校对的。
我必须感谢我在T2AM的同伴Eric Cressman、John Cutsinger和Elizabeth Castro的帮助。
我在量化交易领域学到了许多知识，应该感谢许多朋友和机构的帮助，它们是新际集团（Newedge）的Chris Kennedy和Ryan Duncan，艾特集团的Sang Lee以及巴克莱集团。除非另有说明，书中的基础数据来自YAHOO金融和彭博。
自2009年信息技术及广播局（ITBB）出现后，我对于很多人和很多机构的帮助表示感激，它们是新际集团（尤其是Keith Johnson、Leslie Richman、Brian Walls、Galen Burghardt和Isabelle Lixi）、美林证券（尤其是Michael Lynch、Lisa Conde、Tim Cox和Omer Corluhan）、摩根士丹利（尤其是Michael Meade）、芝加哥商业交易所（尤其是Kelly Brown）。
对于第2版，我感谢Philip Palmedo、Brent Boyer、Aaron Brown和Werner Krebs提出的建设性的批评意见，使得这本书进一步得以改善，也很感谢Pankaj Patel、Dave DeMers、John Burnell、John Fidler和Camille Hayek对各种新内容的帮助。第一部分量化交易的世界第1章关注量化交易的原因
向智者学习，才能像智者一样做事。——马可·奥勒留，《沉思录》
约翰是一个中等规模对冲基金的量化交易员。20世纪90年代初期，他在一所高等学府获得了数学与计算机科学学士学位。毕业之后，约翰立即在华尔街交易部门开始工作，渴望能够将自身的数量化知识资本化。经过7年时间的历练，并在华尔街从事多种量化相关工作之后，他成立了自己的对冲基金。他的合伙人负责业务和运营，约翰负责创建量化策略。目前，每天股票的交易规模已经超过15亿美元。最显赫的成就是，这些策略在60%的交易日和85%的交易月里均获得收益。
尽管每天有高达数十亿美元的交易量，但是在约翰的办公室里，既听不到嘈杂的喧哗声，也看不到通过电话发出的订单。事实上，唯一看到的是约翰办公室的一些平板显示屏，显示着当天交易策略的表现和交易量。约翰并不能像讲一个非常有趣的故事一样，讲述他为什么买入一只股票或卖出一只股票。当有需要干预的事件发生时，他会跟踪监测这些数以千计的股票。而在大部分时间内，这些复杂的工作都是由策略自动执行完成。约翰最关心的还是策略的稳健性以及市场环境对其产生的影响。他锐意进取，会根据市场的变化进而调整模型。
马克坐在约翰的对面，是近来加入基金的合伙人，对高频交易有着深入的研究。不同于公司前面能够在60%的交易日获利的策略，马克和约翰希望能完成一个更具野心的任务：寻找每天都能赚钱的更小的机会。马克最先的高频交易策略已经能在几乎95%的时间里盈利。事实上，他们对于高频交易具有更高的目标，希望复制那些在交易日内每小时甚至是在每分钟都能够获利的交易策略。一些高频交易策略并不适用于大规模的投资，因为所发现的盈利机会比较小且转瞬即逝。创建高频交易的技术设备费用非常昂贵，而且在维护方面也价格不菲。然而在任何资本市场，高频交易都极具吸引力。约翰和马克希望他们的高频交易策略能够每年获得不低于2倍的回报水平。
在资本市场，许多规模较小的量化交易公司在默默耕耘着，诸如约翰和马克的公司，但是它们在较长的时间里业绩骄人。例如，弗吉尼亚州夏洛茨维尔的量化投资管理公司在2002~2008年年收益高达[1]20%，这是一个许多主观判断型经理望尘莫及的记录。
与这些小的量化投资公司不同的是大型量化投资公司，这些公司被许多投资者所熟悉。在这些引人注目的成功的量化公司中，最出众的当属于文艺复兴科技公司（Renaissance Technologies）。这家公司最著名的量化基金业绩是，自1990年以来，平均每年能获得35%的回报率，这是在除去各种高昂的费用以外的数字，且风险较低。2008年，许多对冲基金业绩不佳，而文艺复兴科技公司的旗舰基金[2]——大奖章基金的业绩仍然接近于80%。我个人比较了解这家基金的业绩，随着时间的流逝，即使面对越来越激烈的竞争，模型的业绩仍然会更好。
并非所有的宽客都是成功的。似乎每过10年，都有一次因量化交易者的失败引起的，或者至少是感觉由量化交易者的失败而引起的市场戏剧化变动。当然，迄今为止最著名的案例当属长期资本管理公司案例（LTCM）。如果当时没有美联储和华尔街银行联盟的干预，这一事件极可能引起资本市场的崩塌。虽然市场救助成功，但是长期资本管理公司并不那么幸运。曾经在4年时间里，扣除各种费用之后，每年平均获得30%回报率的长期资本管理公司，于1998年8~10月，清算了自己几乎100%的资产，留下了许多对量化交易心存疑虑和害怕量化交易的投资者。事实上，对于长期资本管理公司失败的原因，是归因于量化交易还是归因于人性在风险管理中的判断失败，还有所争议。而且对于长期资本管理公司是否为真正的量化交易公司，也有所争论。长期资本管理公司的员工主要是一些博士生和获得诺贝尔奖的经济学家，将其定性为量化交易，无疑会使从事量化交易的宽客蒙羞。
不仅仅长期资本管理公司的倒闭使得宽客受到严重的质疑，1987年的股灾事件（也许不公平）和2007年量化交易基金清算事件（也许公平）也将量化交易推上了审判台，很多量化公司深受后者事件的影响，包括许多大的量化交易公司。例如，高盛旗下最大的量化基金——全球阿尔法基金在2006年达到6%的损失以后，在2007年估[3]计达到40%的损失。2007年8月不超过一周的时间里，许多量化基金在几天时间内的损失为10%~40%，虽然在这个月余下的日子里，一些量化基金强势反弹，减少了一些损失。
在一本非小说类畅销书中，《华尔街日报》的前记者指出发生大量经济危机的量化交易会在2008年走到尽头。虽然他的逻辑有些混乱，但是普遍还是对量化交易持否定的态度，这种观点一直持续到2010年，这一年5月闪电崩盘事件的发生使得高频交易进入公众的视野。即使这样，对量化交易关心的人也很难断言宽客是否应该对不断上升的市场波动性、资本市场的不稳定性、市场操纵、内幕交易以及其他行为负责。我们将会在第16章对高频交易进行讨论。
撇开量化交易的成功与失败，以及人们对于量化交易的批判不谈，量化交易每天对于资本市场的影响毋庸置疑。美国股票市场的交易大都是通过算法执行的，而且这个比例在快速上升。算法执行（algorithmic execution）指的是，在电子化市场中，投资者的买卖行为是通过计算机软件实现的。自动化执行技术不仅仅在量化策略中使用，而且在指数基金或者主观判断型宏观交易基金中也会使用，但是确定的是，其在量化交易中占有较大的比例。而且，宽客是算法交易引擎（algorithmic trading engines）的发明者和主要创新者。在美国市场，仅仅5个宽客每天就可以负责10亿美元的交易量。值得注意的是，尽管这样，这些人在高频交易被广泛宣传之后，也并不为投资大众所知。TABB集团是一个聚焦于资本市场的咨询公司，估计在2008年，大约58%的买方交易订单是由算法交易来完成的。同时TABB也估计，自从2005年，这个速度是以每年37%的复合速度增长。更为直接的是，Aite集团在2009年早期出版的研究报告显示，股票市场60%[4]的交易是由短期量化交易完成的。这些统计数据在非美国市场也是有效的。2008年第1季度，欧洲Xetra电子订单匹配系统中，约45%的[5]交易量是由黑箱交易实现的，与一年前相比，增长了36%。
量化交易并不局限于股票市场。在期货和外汇市场，以及商品交易顾问（commodity trading advisors，CTA）所涉及的领域，量化交易也是市场的主角。新际另类投资咨询公司（Newedge Alternative Investment Solutions）和巴克莱集团（Barclay Hedge）估计，截至2012年8月，CTA旗下几乎90%的资产是由系统的交易公司进行管理。虽然许多大型的CTA并不公开它们管理的资产数量及市场表现，但是这些公司很可能有超过75%的交易属于量化交易。新际估计，截至2012年8月，量化型期货基金管理的资产达到2823亿美元。
毋庸置疑，在对冲基金中，量化交易的规模巨大。对冲基金是私募产品，适合于那些成熟老练的、富有的个人以及机构投资者。对冲基金可以投资于任何能想象到的领域，管理人可以根据投资利润进行分红。这仅是量化交易被广泛应用的原因之一。不同银行的自营交易柜台、自营交易公司以及使用一定比例进行量化交易的多策略对冲基金管理者，使得量化交易在资本市场具有较大的规模。
由于量化交易成功或者失败案例的大规模或者极端影响，宽客经常占据金融出版物的头条就不足为奇了。虽然许多对宽客的报道是负面的，但事实并不总是这样。实际上，许多量化基金不仅因为稳定的收益受到表扬，而且许多专家认为各种风格的成功量化策略促进了市场发展。例如，瑞德·弗兰乔尼（Reto Francioni）是运营法兰克福交易所的德国证券交易所（Deutsche Boerse AG）的首席执行官，在一个演讲中谈到，算法交易能够“改善市场流动性，市场参与者均从中受益”。弗兰乔尼并引用一项近期学术研究成果，指出“算法交易和[6]流动性之间是正向的因果关系”。确实，这就是事实。使用执行算法（即算法交易）的量化交易者主要是将订单拆分成各种小的订单，以期降低交易成本和提高交易效率。正如前面所谈到的，虽然算法最初是由量化基金提出的，但目前被众多投资团体所使用。通过拆分成多个小的订单，具有不同观点和需求的投资者也能改进它们的执行效率。
当其他交易者的需求使得证券市场的供需关系短暂失衡时，量化交易可以通过提供流动性使得市场更有效率。从有效市场（efficient market）的经济角度而言，不平衡性也称为市场无效（inefficients）。真正的无效市场代表着存在很少的、转瞬即逝的无风险套利机会。但是，无风险获利或者套利并不是宽客改进效率的唯一方法，甚至不是最主要的方法。宽客并不是能够绝对地消除市场无效性并从中获利，而是概率性地获利，并且需要承担风险。
一个经典的策略叫作统计套利（statistical arbitrage），其中最为经典的当属配对交易（pairs trade）。想象两只来自同一行业，具备相似商业模式和财务状态的资本市场化的股票。因为某种原因，公司A股票属于主要市场指数成分股，该指数是许多大的市场指数基金所跟踪的标的。同时，公司B股票不属于任何一个主要市场指数。很可能的结果是，A股票的市场表现会优于B股票，因为指数基金为了跟踪指数会买入较多份额的A股票。这样，A股票相对于B股票而言，具有较高的市盈率P/E，这是市场无效性的一种微妙表现。然而，两只股票的基本面并没有发生变化，仅仅是供求关系发生了变化，这时可以通过卖出股票A，买入股票B，阻止两个基本面相似的公司股票的市场定价偏离，促进市场有效性的同时进行统计套利。促进市场有效性并不是因为利他主义，而是因为这些策略确实当A股票和B股票之间的偏差越来越小时，策略能够带来收益。
并不是说，只有宽客能够通过改善市场无效性而获利。事实上，追求阿尔法回报的交易也是通过寻求市场错配而获利。当然，有时候，例如2007年8月，量化交易使得市场短暂弱有效。然而，对于那些市值较小、流动性较低且容易被忽视的股票，统计套利者是主要的市场流动性提供者，以帮助市场参与者发现有效的市场价格。
那么，我们能够从宽客那里学到什么？答案可以分为3个方面。这几个方面对于任何一个投资管理者都是重要的经验。
[1] M.Corey Goldman，“Hot Models Rev Up Returns，”HFMWeek.com，April 17，2007；Jenny Strasburg and Katherine Burton，“Goldman Sachs，AQR Hedge Funds Fell 6%in November（Update3），”Bloomberg.com，December 7，2007.
[2] Gregory Zuckerman，Jenny Strasburg，and Peter Lattman，“Renaissance Waives Fees on Fund That Gave Up 12%，”Wall Street Journal Online，January 5，2009.
[3] Lisa Kassenaar and Christine Harper，“Goldman Sachs Paydays Suffer on Lost Leverage with Fed Scrutiny，”Bloomberg.com，October 21，2008.
[4] Sang Lee，“New World Order：The High Frequency Trading Community and Its Impact on Market Structure，”The Aite Group，February 2009.
[5] Peter Starck，“Black Box Trading Has Huge Potential——D.Boerse，”Reuters.com，June 13，2008.
[6] Terry Hendershott，Charles M.Jones，and Albert J.Menkveld，“Does Algorithmic Trading Improve Liquidity？”WFA Paper，April 26，2008.深度思考的益处
文艺复兴公司的奠基人詹姆斯·西蒙斯（James Simons）认为，宽客带给投资领域最伟大的成就在于解决问题的系统化方法。正如西蒙斯博士所说的：“科学家带入这场游戏中的并不是他们的数学或者[1]计算机技巧，而是科学思考的能力。”
研究宽客最主要的原因之一是，宽客会深入思考那些非量化投资者认为理所当然的策略的许多方面。为什么会这样？毫无疑问，计算机是一种工具，但是如果没有绝对精确的指令，计算机也将一无是处。因此，为了让计算机完成黑箱交易，必将付出艰苦的努力。你不能告诉计算机“发现廉价的股票”，你必须明确指出发现指的是什么，廉价指的是什么，股票是什么。例如，发现可能包括搜索含有股票信息的数据库，然后在市场行业内部对股票进行排序（按照行业对股票进行分类）。廉价可能意味着市盈率（P/E），投资者必须明确指出廉价的度量方法，以及满足何种条件才可以被认为廉价。照此，宽客可以建立一个系统，设置10倍市盈率为廉价，或者在行业内部排名，市盈率位于最后10%的被认为廉价。股票是模型的核心部分，可能是美国股票、全球股票、欧洲市场大市值股票或者宽客想交易的其他任何股票。
所有这些定义会督促我们去深入思考一些问题，策略是什么，如何实施策略等。在前面的例子中，宽客可以选择不是在行业内部对股票进行排序。股票可以在行业内进行比较，也可以在全市场范围内，还可以与其他有意义的股票群体内股票进行比较。重点是宽客要注意到这些，因为计算机不能自动填写这些空白。
这样做的好处是不言而喻的。对策略进行深入思考是一件好事情。更胜一筹的是，对于宽客和主观判断型交易者而言，通过对策略细致缜密的思考，能够弄清楚问题的本质，进而执行投资策略，这是非常重要的。在整个交易过程中，这都被认为是投资和交易成功的主要组成部分。相反，许多主观判断型交易者，在他们的策略说明和执行中，做得并不够精确，看上去像临时做出一个决定。我参加过无数场主观判断型交易者参加的会议，当问到他们如何决定持仓规模的时候，他们以“看上去合理”为理由回答了这个问题。这绝不是对主观判断型交易者的谴责。我仅仅是想指出对一些细节的精确和深入思考，以及更长远地考虑策略，是一件很好的事情。宽客对此深有体会。
[1] www.turtletrader.com/trader‐simons.html.风险的正确度量和错误度量
正如本章所谈到的，错误度量风险是长期资本管理公司崩盘的原因之一。宽客天生喜欢执行包括风险暴露在内的各种度量。但是这种行为自身存在着优点和缺点。从积极的方面讲，一个好的构想的量化策略鼓励承担一定的风险。不同于接受偶然风险，纪律严明的量化策略要求精确划分所能接受的范围，并且将所能承担的风险控制在一定范围内。为了彻底清除这些风险，宽客必须事先知道这些风险是什么以及如何度量这些风险。例如，认为没有足够能力预测市场运行的方向的许多股票量化交易者，都会度量市场风险敞口程度（利用净头寸或者贝塔系数度量），通过平衡多头和空头组合以使得风险暴露处在较低的一个水平。另一方面，精度不准确、度量错误以及设置不正确的假设条件会使得风险度量和量化管理陷入困难。
以上我们所提及的例子以及我们未提及的绝大部分例子，都是由于过度依赖并不尽善尽美的风险度量技术造成的。例如，在长期资本管理公司的例子中，历史数据表明某些情况很可能发生，另一些情形不太可能发生，还有些情形绝不会发生。那个时候，绝大部分市场参与者并没有意识到作为核武器和核原料大国的俄罗斯会违约。毕竟在历史上这种事情从未发生过。但是，俄罗斯在1998年夏天的确出现了债务违约，导致世界市场一片混乱，使得任何风险度量手段都毫无意义。在这次事件中，单纯地过度依赖量化风险度量技术导致1998年秋天全球金融市场几近崩溃。倘若不是美国政府发起的救助行动，并得力于华尔街很多重量级银行的支持，我们今天看到的资本市场和金融界都将会是另外一番模样。
实际上，从2007年和2008年开始压垮市场的信用危机也是可以避免的。银行所依据的信用风险模型，显然不能准确地捕捉到所有的风险。很多情形下，银行似乎故意对此视而不见，因为这样有助于银行得到短期超额利润（当然它们自己也会得到奖金）。需要指出的是，依赖这些度量方式的市场参与者通过使用更好的度量手段，这类度量错误本是可以避免的，或者至少可以减少损失。但是，正如我们无法将2005年卡特里娜飓风给新奥尔良所带来的损失归咎于天气预报模型一样，不能因为创造和使用量化风险模型的人的失败而归咎于量化模型本身。只要交易者没有被诱惑而采取错误的行动，通过理解和度量风险还是会有所收获的。遵守纪律
也许，从宽客那里学到的最显而易见的一条经验就是严格遵守纪律。一旦设计出交易策略并通过严格的检验验证了该策略可以获利并具有可行性，宽客都会让模型自动运行而不会进行非必要的任意干预。在诸多领域（从运动到科学），在活动的筹备计划阶段，人们具有的推断、推理、假定、创造和从历史经验进行学习的能力都大有裨益。但计划方案的执行过程也很重要，这经常是人们所缺乏的。失败的一个很重要的原因就是缺乏纪律性。
很多成功的交易者都很认同这么一句古老的交易格言：“亏损时要止损，盈利时要让利润奔跑。”但是，主观判断型投资者通常很难及时意识到发生了亏损，相反却会很快意识到盈利。这种已经被关注[1]的行为偏差称为处置效应（disposition effect）。但是计算机不会发生这种偏差。因此，遵守前面交易准则的交易者很容易将其交易策略程序化，使其每次运行都能遵守行为准则。这并非是因为系统型交易者比主观判断型交易者更有优势，只是因为系统型交易者可以在没有压力的环境中做出理性决策，从而避免了绝大多数人在遵守行为准则时所面临的挑战。主观判断型投资者可以学习其投资纪律性。
[1] Hersh Shefrin and Meir Statman，“The Disposition to Sell Winners Too Early and Ride Losers Too Long：Theory and Evidence，”Journal of Finance 40，no.3（July 1985）.小结
国际投资界存在着形形色色的量化交易者，并占据着较大的比重。在世界各地的各种交易场所，各种金融资产的交易中，无论大型还是小型交易公司中都可以看到他们的身影。量化交易的成功和失败都会引起人们的关注，很多投资者从中受益。宽客合理配置和实施量化交易策略时所表现的完全性和严格性值得绝大部分交易者认真学习。同样地，在小心谨慎避免错误的前提下，宽客度量风险与各种市场敞口的习惯也值得学习。最后，宽客实施量化策略的一致性和纪律性值得所有决策者学习。第2章量化交易简介
有线电报就像一只身长很长的猫。你在纽约拽一下它的尾巴，它在洛杉矶就会发出喵喵的叫声。可以理解吗？无线电的原理与之类似。你在这里发出信号，他们在别处接收信号，唯一的区别就是并不存在这样一只形象的猫。——爱因斯坦解释何为无线电
提及黑箱（black box），人们头脑中总是会浮现出鲁布·戈德堡（Rube Goldberg）装置的样子，这种装置可以将一个简单的输入，经过严格而精密的操作，得到神秘的结果。第3版《韦氏新国际词典》定义鲁布·戈德堡装置为“通过极其复杂迂回的方法实现看似运行比较简单”的装置。实际上，业界的很多人也用极为相似的说法来描述宽客。《华盛顿邮报》一篇题为“华尔街的数学大脑也会犯错：市场低迷时量化交易的任何复杂公式都不奏效”的文章这样定义量化交易：“量化型对冲基金通过复杂而巧妙的数学算法去发掘市场中异常[1]的和那些隐藏的获利机会”。《纽约时报》一篇名为“如今不再精明”的文章指出，“基于复杂的数学指标，量化型对冲基金通过电脑[2]程序同时买卖成千上万只股票……”也许是广泛传播的力量，世界上最受人敬仰的一些投资者也认同这一观点。大卫·史文森（David Swensen）是耶鲁大学170亿美元捐赠基金的首席投资官，同时也是《机构投资的创新之路》（Pioneering Portfolio Management）的作者，在一次接受“财富/CNN金钱”（Fortune/CNN Money）的采访中指出，“由于我们不了解量化黑箱策略如何运作，因此从来不依据其[3]进行投资”。
黑箱这个词本身听起来就颇有一些神秘色彩。据我所知，黑箱这个词汇最早出现在1915年赫伯特·罗林森（Herbert Rawlinson）主演的一部科幻电影的名字中。影片讲述了一个叫桑福德·奎斯特（Sanford Quest）的犯罪学家发明了一种可以帮助自己破案的机器，称为黑箱。该影片的制片商环球影城通过悬赏的方式鼓励大家去破解[4]黑箱的秘密。
直到今天，在任何场合使用黑箱这个词汇，人们仍觉得其内涵是很模糊的。通常地，在自然科学领域以及金融领域所提到的黑箱，是指提供输入变量就可以产生输出变量的一个系统，而我们往往并不清楚其内部运行机理。而最能恰当地描述量化策略的两个特征便是复杂性和神秘性。量化交易策略本质上是一种决策过程。对读者而言，本书中的绝大部分量化交易策略都很容易理解，不会比其他决策过程更难于理解。
例如，听起来很高深的统计套利策略（statistical arbitrage），本身是很简单并且容易理解的一种交易策略。统计套利所依据的理论是，相似的金融资产市场行为表现应该相似，例如埃克森美孚公司（Exxon Mobil）和雪佛龙公司（Chevron）两只股票的价格，如果短期内二者的价格发生较大偏离，极有可能是该产品供需的短期不平衡造成的，而不是二者的基本价值发生偏离。这一简单直接的结论所带动的套利交易，每日的交易额可达数十亿美元。主观判断型交易者也经常使用这种套利策略，只是他们更习惯称其为配对交易。然而，这些主观判断型交易者更多的是依靠主观经验做出决策，对于如何认定两种金融产品相似以及何种因素驱使价格背离等问题，不能给出统一而连贯的框架。而宽客恰恰能够对这些问题进行细致的研究，并得到一些有用的结论进而指导交易。
[1] Frank Ahrens，“For Wall Street’s Math Brains，Miscalculations，”WashingtonPost.com，August 21，2007，A01.
[2] Roddy Boyd，“Not So Smart Now，”NewYorkPost.com，August 19，2007.
[3] Marcia Vickers，“The Swensen Plan，”oney.CNN.com，February 24，2009.
[4] Michael R.Pitts，Famous Movie Detectives III（Lanham，Maryland：Scarecrow Press，Inc.2004），265.何为宽客
宽客（quant）通常会基于高深的理论构造追求超额利润，并系统地加以实施。宽客之所以被称为宽客，就在于他们会刻苦钻研交易策略的产生和实施过程。至于交易策略本身，宽客和主观判断型交易者并没有什么差别，就像上文所提到的配对交易和统计套利策略的例子那样。但是我们从未试图消除人们对于投资过程的贡献，毕竟我们只是在讨论宽客而不是机器人。恰如前文所提及的，不管是在跟踪标准普尔500指数策略，还是在构建复杂的金融产品（exotic products）策略中，尽管宽客在很多交易策略中都使用了数学和计算机的很多知识，但在本书中我们仍将注意力集中在从长期来看投资策略回报与市场趋势无关的、追求阿尔法超额利润的量化交易策略上。
除了构造和研究核心投资策略，人们还设计软件系统来自动实现投资策略。一旦这样的系统“开始运转”，人们的操作只能被限制于投资组合的日常管理，而不必涉及其他内容。但是，在运行过程中，不应该低估人类主观判断的重要性。优秀的宽客都具有良好的判断力。在上文统计套利策略例子中所提及的策略，只是宽客做出的经常性决策中的一小部分。这些决策具有最为重要的作用，一旦产生便直接推动交易行为的开展和实施。随着计算机严格地按照人们所下达的指令进行交易，量化分析决策的好坏随着时间的推移变得愈加分明。这一点在其他领域也经常碰到。例如，在制导系统的设计中，如果设计者在设计系统时犯了错误，随着越来越多的导弹按照错误的制导指令进行发射，结果偏差会越来越严重，最终导致灾难性的后果。
试读结束[说明：试读内容隐藏了图片]