摘要：借助量化投资策略能够处理大量信息，以客观的方式，冷静地执行交易，从而达到预期收益。然而，目前量化投资策略存在着一定的风险隐患，需要辅以风控措施，不断提升技术水平，才能够帮助量化投资朝着正向发展。本文首先介绍了量化投资策略的基本内容，并分析了量化投资策略中的风险隐患，最后提出了创新量化投资技术、加强系统建设和流程监控和人工智能加速量化投资升级三方面的量化投资的风控措施。
关键词：资本市场；量化投资；风控
量化投资策略是目前资本市场中所运用的一种投资方法，该投资方法在国外己有多年的沉淀，拥有一套较为成熟的体系，被广泛地运用于资本市场中。在我国，量化投资这一投资方法仍处于发展阶段，亦受到了市场的重点关注。
一、资本市场量化投资策略
1、量化投资策略
量化投资是一种投资方法，主要是运用了投资模型作为指导方向。在进行量化投资策略的时候，需要借助数据分析，投资人员以投资模型作为投资理念，对设立的模型进行有效性检验，所得到的结果用以指导实际的交易操作。在整个过程中，运用量化投资策略可以极大程度地规避投资人员在操作中的心理偏差，冷静地执行交易，从而达到预期收益。量化投资策略的优势在于能够利用统计模型与计算机技术将数据进行收集、分析、处理、跟踪。在资本市场中，市场环境复杂多变，借助量化投资策略能够处理大量信息，从而获取更多的交易机会。量化投资策略主要分为两大类：一是技术型量化投资策略，主要包括高频或低频数据分析，对整个交易过程的操作进行检验，并由计算机或相关系统执行命令，从而获取战略和交易模式，常见的技术型量化投资策略有交易趋势及套利、股票估值指标、基本面分析指标等；二是金融型量化投资策略，是以金融产品为基础进行定价的交易策略，通过跨时期、跨市场的金融市场波动而生成了交易机会，常见的金融型量化投资策略通常用于股票、期货、期权等产品，主要的金融型量化投资策略理论为有效市场假说、期权定价理论等。
2、资本市场中量化投资策略的特点
（1）规避投资者的心理偏差。在资本市场中运用量化投资策略能够让投资者减少甚至规避其心理偏差以实现其他投资方法难以达到的收益水平。在用传统的投资方法进行决策的过程中，投资者的心理左右着其所做出的投资决策，即心理偏差可能会使其做出错误决定，导致原来能够实现收益的交易变成了亏损的交易。量化投资策略更具理性，在统计模型的指导下，能够对资产走势实时追踪，一旦出现套利机会，即进行交易，减少人工操作的误差。（2）投资范围广。量化投资策略不仅是交易的某一时点，而是涵盖了投资的整个过程，投资范围十分广泛，包括统计套利、交易算法、资产配置和风险管理等多个环节。其中，资产配置中包括固定收益、大宗商品类别的选择，投资组合的投资比例设置，资产的选择和权利设置等。除了产品种类和过程的范围广外，投资地域也十分广泛，量化投资策略能够运用于全球范围内的投资领域，实现最优投资效果。（3）基于概率的套利思维。量化投资策略通过全面、系统性的分析为估值错误寻找机会，哪一个被低估了，就买入，哪一个被高估了，就被抛售，属于低买高卖的方式。同时，通过对历史数据和基于历史会在未来重复这一规律，对以组为单位进行投资。
二、量化投资策略中的风险隐患
1、数据陷阱的风险隐患
传统的投资方法，带有一定的主观特征，是基于某一现象投资者对其进行的预判，此类方法存在着一个致命的缺陷，即投资者情绪影响着投资过程，由于投资者的情绪变动，可能会使得整个投资交易无法达到客观准确的效果。而量化投资将个体情绪排除，是从数据中抽取和剥离投资价值，构建模型进行分析，并基于分析结果进行决策，追求的是持续、稳定的非偶然性回报。构建量化模型时，是基于历史会重复的这一依据来进行判断。然而，数据并非绝对安全，也可能存在风险隐患。现代社会是大数据时代，大数据可能存在这样一种现象，即投资者被数据包围，无法区别有效数据、真实数据与事实数据，对于存在缺陷的数据进行建模分析，可能导致所得到的结论不能与现实真实市场环境相一致。例如统计模型中如果样本发生了变动可能最终导致结论不正确，不能适用于交易决策中。
2、系统故障的风险隐患
量化投资策略中系统故障的风险隐患主要包括四个方面：第一，网络问题或硬件故障影响量化投资效果；第二，模型在设计的过程中没有对资金配置及仓位充分考虑，使得仓位与资金没有达到匹配，从而出现爆仓的问题；第三，目前的交易系统缺少统一的标准认证，基本上是各家机构各自设计，没有经过投入前的测试，进而导致系统存在漏洞，引发安全问题；第四，交易所的处理系统也存在延时问题，交易机制对订单进行系统验证时还需要消耗额外资源。
3、市场操纵的风险隐患
目前在我国资本市场中，采取量化投资策略的多为机构投资者，而机构投资者资金雄厚，人才水平较高，一定程度上还可能导致市场波动。而在我国资本市场的成份中，占大多数比例的还是散户，即中小投资者，他们通常没有雄厚的资金基础，没有专业的人才，也缺少技术分析。这部分人群中，很小一部分会将量化投资策略运用于交易中。从这一点来看，量化投资策略存在市场操纵的风险隐患。
三、量化投资的风控措施
1、创新量化投资技术
目前量化投资交易策略已经经历了两个阶段，即程序化的启蒙阶段和因子库决策阶段。程序化的启蒙阶段是指将交易经验整合后嵌入算法，以此来完成初级量化投资策略交易；因子库决策阶段是指将决策过程建立一个因子库，通过下单逻辑来启用和判定策略，实现自动买涨或买跌。创新量化投资技术应具备更强的物质基础，涵盖两方面的内容，一方面是实现对非结构化数据分析，将看起来相关性并不强的因子纳入量化投资模型，并分配权重，丰富量化投资模型交易的精度和维度；另一方面是结合人工智能生成虚拟的交易员，并对策略的合理性进行反向跟踪。
2、加强系统建设和流程监控
首先，可以规范证券、期货公司的数据接口，且有一定安全认证的接口才能符合要求，并对接口具体内容向证监会报备，同时交易所也应完善其核心系统和预警响应，对于交易前发送的订单予以限制，设立当日最大头寸并实现同步监控，当量化投资策略交易出现异常时，能够提前预警并反馈给监管部门客户端口，实施追踪的同时触发应急处置机制。其次，完善证券、期货公司的风险监督流程，对于错误指令的发送以及投资者信用等级以外的交易指令及时进行控制，尤其是自营业务，应确保风险在可控制的范围内，同时对于突发异常状态下的跨市场、跨品种交易及时进行有效风险隔离，减少市场异动。再次，对于提交的订单设置最低存续时间，防止大单拆分，频繁撤单等引起的假市场活跃景象，确保每笔订单都符合风控、合规。最后，加强量化投资策略交易风险控制流程的培训，建立大额交易监管机制，强化风控，防止市场操纵。
3、人工智能加速量化投资升级
在量化投资领域，金融与人工智能的结合将会是未来实现产业升级的重要突破点。人工智能与量化投资策略相融合能够解决目前量化投资策略中有效性存在疑问以及同质化现象严重等问题，能够改善量化投资领域的生态环境。人工智能与量化投资策略的结合从浅到深有三个层次，第一层是浅层的语义识别、研究报告等应用，以智能投顾的方式对客户提供多个维度的咨询应用，将过往业绩、智能化程度、决策的核心能力通过人工智能展示给客户，帮助客户匹配与其风险偏好相适应的产品组合。第二层是中等层次的量化模型生成，将资本市场环境中理性和非理性因素进行区分，通过历史数据和行情构建模型。第三层是深层次的模型修正，基于量化模型，通过人工不断学习和解析，实时修正参数，从而实现规模化量化投资策略。人工智能量化投资策略是以量化为基础的，同时也兼顾用户体验，通过加工财务数据、行情数据甚至是宏观经济指标数据，建立数据库，再加上量化投资策略模型的算法，进而生成决策，突破传统的量化方式所体现出的桎梏，加速实现量化投资升级。从市场容量来看，中国的量化投资仍具有很大的发展空间。随着资本市场的不断发展，股票数量的增长，基金规模的扩大，信息传导的加速，量化投资策略能够有效规避非理性的负面效应，以客观的方式捕捉市场中的异常讯息，获得超额收益。量化投资策略将会是未来发展的趋势和方向。虽然目前量化投资策略还存在着风险隐患，但是通过一系列的风控措施能够帮助量化投资朝着正向发展。
参考文献
[1]敖文雅：浅析资本市场量化投资策略和必要的风控措施[J].大众投资指南，2017（5）.
[2]刘晶晶、古晨：量化投资交易策略研究[J].中国市场，2017（2）.
[3]彭志：量化投资和高频交易：风险、挑战及监管[J].南方金融，2016（10）.
[4]陈健、宋文达：量化投资的特点、策略和发展研究[J].时代金融，2016（29）.
[5]岳跃、居雄伟：量化投资的四大误区[J].中国证券期货，2017（1）
作者:李林 单位:天津科技大学
