(资料图片仅供参考)

据排排网最新数据显示，截至7月底，百亿量化私募机构数量达到30家，创下历史新高。这背后，是量化私募产品投资策略也发生着明显变化。近年来，金融科技的兴起加速了传统金融行业的转型升级，同时也催生了包括互联网金融、量化金融、大数据金融、数字货币和智能投顾在内的众多新兴行业和金融服务模式。提及量化金融，人们首先离不开量化交易。无论是国内还是国外，蕴含著“程序化”、“高科技”、“高稳收益”等光环的量化投资交易策略不断映入人们的眼帘。国内量化投资近几年可谓是“冰火两重天”。在刚刚经历行业大扩容后，就遭遇了牛熊交替、市场风格切换的行情，令量化基金备受考验。那么，量化交易真的是完美无缺的么？在量化交易中，人们要注意些什么呢？量化交易对我们并不陌生，它是指以数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，其典型的例子就是高频交易。在这里，计算机在部分或全部程度上替代了人脑的思维。顾名思义，量化是以数学模型做基础，在这里主要涉及的是数理统计模型结合交易策略。我们知道，数理统计是建立在数据基础上的科学，因而量化金融离不开数据。我们简单地说，量化金融所涉及的数理统计方法主要有贝叶斯统计学、时间序列分析、机器学习等。这些方法都离不开对数据的需求。而量化金融的过程是通过计算机编程来实现的，整个编程过程中也离不开数据的应用。如果数据质量、数量不理想，势必会影响到量化金融的应用，因为它是建立在数据基础上的。从交易的流程中，限价订单系统，就是一个典型的应用范围。量化交易涉及了交易策略、风险模型、交易成本模型作为其基本的理论基础，这三者构架了资产组合模型。生成的这个资产组合模型，通过量化的方法得以在金融市场上交易实施。这其中有几个层面涉及到了数据。量化交易中的数据问题不仅仅涵盖数据本身，也包含数据的外部环境、其所在的技术平台等。因为所有这些因素共同造就了数据的大环境，决定了数据的质量与数量。我们以股价为例，对于那些交易频率低的股票，它们缺少数据的时间序列；对于交易频率高的部分股票，它们的价格是间断性的变化（缺乏连续性）。这些，都无疑是数据不理想的表现。无论是哪个环节，数据本身都存在问题。比如说，数据的计数点、数据的采集、如何从数据中得到价格，还有获得的数据同真实时间的时间差等问题。数学模型在量化金融的过程中是一种应用的方法，归根结底，它要有交易策略做支撑。常用的量化策略有价值投资、全球宏观策略、alpha策略等。在运用这些交易策略的时候，人们都需要有数据做支撑。对于金融产品，我们熟悉的有股票、期货、商品等，它们都存在不同特征与维度的数据质量问题。我们再以股票为例：分股、断层、分红、异常值等，都影响了量化金融过程中数据的质量。因为这些情况的出现，使得股票价格的数据产生了不连续、跳跃、异常等现象，势必加大了使用过程中的困难——是否使用这些数据、如何处理这些问题等。再比如说商品交易，它的交易特征为交易时间寿命很短，通常就为几个月；而且交易的量相对小。如果量化金融过程中使用商品做量化的头寸，使用它的价格数据，这些都是存在的问题——数据质量不佳。提及数据在量化交易中的重要性，还离不开一个维度，那就是数据的外部环境是否可靠。因为量化交易在很大程度上依赖数据——从计算方法，到运用的基础素材，都以数据为基础，所以它的安全性与可信性也很重要。提到安全性，对数据的外部环境也要有足够的要求：稳定的系统。在高频交易中，这一点尤为重要。如果交易系统安全性与稳定性达不到要求，那么一旦出现问题，势必会对整个市场和交易产生巨大的负面影响。在高频交易中，大规模的交易量会使得系统的稳定性和市场的融合性受到威胁。因为大规模和高速的输入、修正和删除订单信息都可能会对交易所的基础设施产生极大的负面压力。这是数据在量化交易流程中容易生成的问题。在高频交易中，交易的速度与复杂性获得了提升。但其伴随的也有相应的风险：它可以因一个突来的大订单，使得整个的交易系统的负担加重。还有一种可能，量化交易受到市场上发生的大事件的影响，并进而导致了更多系列的量化交易，也就是我们常提到的连锁反应。这些都加大了市场的波动率。我们上面阐述了由于数据本身存在质量、数量以及外部环境的稳定性对量化交易产生的难度。那么人为的数据操纵，则从另一个层面影响了交易的真实性与可信度。这也属于交易中操作风险领域的问题。在这里，安全系统中的IT风险就是操作风险的一种。IT风险很难通过数学模型来进行控制。它更多地是依赖IT流程的稳定性与质量，以及投入的IT产品。为了保证整个流程与系统的质量，需要在技术与组织上采取一定的措施。既然数据在量化交易中有很重要的作用，所以上述这些问题的出现必须得到解决，从而保障量化交易的质量。目前，已有一些国家出台了相关的监管政策来应对量化金融中数据方面出现的问题。例如在德国，监管机构针对量化交易过程中有可能发生的系统稳定类操作风险，要求相关金融机构对新产品流程、自动性提前控制、持续监控过程以及危机应急方案等采取明确的管理措施。更加详细地说，德国金融监管机构针对量化交易的系统与控制措施提出了很高的要求，其涉猎到：降低风险并且制止市场操作；机构系统与风险监控、明确标记量化交易、针对高速度高流量的量化交易的应急措施；对量化交易、交易系统和控制机制进行备案等。量化交易中数据在各个层次的稳定性对整个金融市场的影响是很大的。当前，国际金融市场量化交易的规模很大，而且也在一定程度上呈现为一种大趋势。如果数据系统大规模的发生问题，势必会影响到整个金融交易系统的稳定性。所以我们建议，不仅要提高数据本身的质量，更要关注与数据有关的外部环境系统的稳定性，这才是真正的道理。

文章来源法布财经由整理发布，转载请注明出处。

关键词：