量化交易的三大优势

我们普遍认为2010年股指期货上市是中国量化的元年，但是在CTA领域中，量化开始的时间更加早。从开始的无人问津，到现在的人人谈论，量化变成了一个不可逆的大趋势。

但是十年后的今天，我认为依然存在着对量化很大的误解。

量化交易我认为从三个层面深刻的影响了交易，一是数据层面，二是效率的层面，三是决策层面。

第一，数据革命。

传统的主观交易者经常把分析方法分成“技术分析”和“基本面分析”两大类。这两种分析方法有不同的假设逻辑和数据分析方向。通常来说，技术分析是假设历史可以重复，采用过往的行情数据来做决策的；而基本面分析是假设价格围绕价值波动，采用基本面数据来做预测的。

但是量化交易是抛弃了这两种假设，从用了数据有效性验证的方式，来衡量规律的有效性。简单来说一个规律如果在样本内外表现都合理的话，我们就暂时地认为规律是有效的。并且量化交易对数据做了统一的处理方式，不论是基本面数据、历史行情数据，只要有用的都可以拿来用。因子不分门派，只看效果！

基于以上两点，很多奇异数据加入到了量化研究的视角中，让市场的博弈变得更加充分起来。

第二、效率提升。

互联网的发展，让交易从手工填单，电话报单（10年以上的交易员会经历过）到现在的互联网报单。任何行业，软件或者互联网流行的第一步，都是效率的提升和人工成本的下降。在以前1个交易员盯6-10个账户已经是极限，在现在1个交易员，可以轻松管理100多个账户。考虑到夜盘，一般配备两个交易员就足够了。这为很多基金公司省下了一大笔费用。

另外因为量化交易的流行，会促使公司或者个人的决策流程更加科学化。一般一个量化交易会经历策略发掘、验证、执行三个步骤。挖掘和验证两步有可以指定明确的考核依据，而执行过程交由计算机自动执行。对公司来说权责清晰，对个人来说执行高效。

并且因为量化策略采用了策略和交易分离的方式，交易和风控反而集中到一起。这样对公司来说省下来风控人员的费用。对个人来说，可以补上没有风控的空白。

第三、决策优化。

这一步意义最大，但是进步最慢。其中有客观的因素：市场本身动态博弈的属性，作为固定的策略总会滞后于市场的变化。也有人自身傲慢因素：人总是最相信自己。

举一个例子，现在人类驾驶的事故率是20万公里每起事故，而智能驾驶可以达到40万公里每起事故。即使自动驾驶比人类驾驶好，人类也不会轻易接受自动驾驶，因为在风险暴露的场景下，人更愿意相信自己。

放在交易层面上也是这样，虽然量化交易能提升交易胜率，但是人不会轻易地接受和相信量化交易。所以现在量化交易最广泛的运用是用计算机语言来实现人的思想，相当于把电脑作为一个忠实的下单员来使用。我们称这一类的方法为“自上而下”的策略。

但是还存在另外一种方法，算法自动从数据中寻找规律，我们称之为“自下而上”的策略。这类交易策略会变得越来越普遍，越来越有竞争力。

目前我开发的策略湃软件就是这样的一个尝试，采用遗传编程算法，自动生成人可以读懂的量化策略。并且可以导出到交易开拓者上直接使用。