水晶球实现揭秘:为什么量化比主观交易更能控制风险?

主观投资者即使拥有『水晶球』也会亏损,为何量化交易能更好地控制风险?本期节目揭示了维克托·哈加尼的惊人实验结果:一半受过训练的投资者亏损,六分之一直接爆仓。我们深入探讨量化交易如何通过科学决策、严谨回测和严格执行来降低风险,并分享三大验证策略有效性的方法:参数稳定性测试、系统性错误排查和策略仿真。告别『回测买地球,实盘亏成狗』的困境!


Table of Content

Flora: 量化好声音,睡觉听一听,大家好,我是Flora

Aaron: 欢迎大家回到量化好声音,我是Aaron

Flora: 今天我们要聊的话题是,量化交易是怎么控制风险的。 在主观投资中,我们是凭借推理、直觉和经验来冲锋陷阵,准确度很差。到底有多差呢?在水晶球那期节目中,我们介绍了这样一个实验,就是维克托.哈加尼在2024年做的一个实验。维克托.哈加尼也是个名人,他曾是著名的长期资本管理公司的创始合伙人之一,现在是ELM财富的CEO。

Aaron: 在这个实验中,哈加尼找了100多个接受过金融训练的年轻人,来玩一个游戏:交易标普500的指数。他们可以看到前一天的华尔街日报,他们要根据这个信息来进行交易。时间是从08年到2022年之间随机的选。

Flora: 这相当于是从未来穿越了。所以这项实验被称为水晶球实验。因为水晶球有预言未来的意思。那这个实验的灵感来自于塔勒布,就是著名的畅销书《黑天鹅》系列的作者,它在2016年的一条推文中写到,如果你提前 24 小时告诉投资者第二天的消息,他将在不到一年的时间内破产。

Aaron: 结果呢,水晶球实验真的支持了塔尼布的观点。这些人当中有一半人赔了钱,六分之一的人直接就爆仓了。你想这些人都是有知识有信息的,但是在这种主观的判断下面,他们依然没有办法很好的去控制风险。量化呢就是通过历史数据的回测,以及一些科学的方法,可以让你的预测更精准,所以它在风险上面会更小

Flora: 对,首先是,量化交易更能做出科学的决策。当你有一个idea时,做主观投资的人,可能当时一拍脑袋就冲进去了,结果被套时,才发现自己的假设不对。而量化交易则不同,你可以先拿历史数据,对你的想法进行检验。这个过程,量化人把它叫做回测。如果自己的想法在历史上都从来没有赚过钱,那么你就洗洗睡吧,不用做了。

Aaron: 但是这里有一个很大的但是,对量化人来说,也常常听说一句话,叫做回测买地球,实盘亏成狗。听上去,如果回测很不错,反倒更可能亏钱,这么看,不是加大了风险了吗?

Flora: 这实际上并不是量化本身的问题,而是做量化的人的基本素养、或者说流程的问题。刚好前几天也有一位学员提问,在写完了一个多因子模型策略之后,有没有比较好的、系统的方法来验证它是否正确。我记得你当时在群里回答他,大概是提了三个建议,对吧?

Aaron: 对。这位同学是做出来了模型,而且回测结果不错。因为如果回测结果不好,大概率自己会觉得哪里写错了,会不停地调优的。但是现在出了个好的结果,反倒不敢信了。

Flora: 他这种意识很好。

Aaron: 对,那我给他的建议是三点。首先,每个策略都会有多个变量,比如,回测时间,universe(也就是股票池),还有一些是策略独有的参数。我们可以修改这些参数,看看与之对应的,策略收益的变化情况。比如,在我们修改回测的时间和股票之后,如果回测结果发生较大变化,那我们要确保这些变化能够得到解释。

Flora: 不是说这种情况下,回测结果不应该变化,而是说,要确保这些变化能够得到解释。

Aaron: 对。这两个变量一般来说,对策略的影响都很大,所以,发生变化是可以理解的。但我们要能得到一致性的解释。那如果保持回测时间和universe这两个变量不变,对一些参数进行微调时,如果结果有较大变化,那就说明回测模型当中,是有过拟合存在的,这个模型就不能用。

Flora: 这个说法背后的原理是所谓的参数高原。也就是模型如果是鲁棒的,那么,多数情况下,参数的微小变化,不会引起模型性能的显著变化。这样就会在参数邻近的位置,出现收益比较接近的一片区域。

Aaron: 对,参数高原原理是我们检查模型是否存在过拟合的一个重要方法。第二点是,有一些错误是系统性的,比如,引用的数据,特别是财务数据,可能存在未来数据;你使用的回测框架又不能帮你排除错误,而你自己也没有意识到这种错误。这种情况就会出现系统性错误。也就是,不管参数怎么调,数据都很好。举个例子如果你的回测模型常常出现涨停板买入的情况,那么回测结果就会很好。

Flora: 我记得有一年有一个段子,就是如何在一年内,从一万变成一个亿。然后他们真的给出了这样一条路径。就是一月份买入某个股票,吃到十几个涨停板后,然后换成股票B,又吃几个涨停板,就这样接力下去,最终用不到一年,就可以从一万变成一个亿。

Aaron: 正是如此,所以,如果你的股票池很大,回测时间又长,你甚至很难发觉,你的策略收益其实是由这样一些不正常的交易撑起来的。

Flora: 所以,需要换一些更严谨的回测框架,能自动限制涨停板买入、跌停板卖出的。此外呢,框架还有要自动限制T0交易,正确处理复权等等功能。

Aaron: 对,这些方法需要一定的技巧和投入。这里我再介绍一个最简单的方法,就是策略仿真。仿真就是让策略接受实盘数据,做出买卖决定,但只做纸面交易。运行一段时间,如果仿真阶段的表现与回测差异不大,那么我们就可以比较放心地付诸实盘了。

Flora: 对。在仿真阶段,我们需要每天去评估像夏普、最大回撤,胜率,alpha,beta,等等指标。那什么时候可以结束仿真?

Aaron: 最重要是在仿真期能积累足够多的数据,比如交易次数、交易标的数。这样相关的数据才可以进行比较。在交易次数足够多的情况下,如果数据还能跟回测保持接近,那么就可以比较放心地进行实盘了。

Flora: 说到实盘,其实在这一阶段,量化可以控制风险的手段就更多了。听说你在实盘风控上有过惨痛的经历吧?

Aaron: 往事不堪回首啊。发生过两次乌龙指。就是本来要决定卖的个股,结果在操作时,把全仓卖出,点成了全仓买入。最要命的是,我判断还很准,所以,这样遭受的损失就可想而知了。

Flora: 亏都能亏出凡尔赛哈。所以你从此就转量化了。

Aaron: 啊,是的。因为量化是程序化交易,所以,一旦程序跑通,就不会发生这样的错误。还有就是说,你心里想着我要止损,但真到那个时候,你又下不去手了。那量化它就可以帮你严格的执行这个纪律。

Flora: 还有,做主观交易,理论上讲我们需要每天复盘。但是每天的数据计算都会很花时间,就可能没法及时得到结果。但是量化交易的话,你可以每天都看到你的很多的策略指标,那你就可以很及时的去发现说,我的这个策略现在表现是不是有异常,那我可以很快的去调整

Aaron: 所以说,做量化更容易发现风险,更好地控制风险。

Flora: 听起来量化确实是个宝。那你觉得个人如果想要去尝试量化交易的话,会不会因为机构投资者的存在,而完全没有胜算呢?

Aaron: 其实并不会。因为量化这个赛道,它其实并不是一个资金容量特别大的赛道,就机构其实也挺受限的,因为它的钱太多了,它要进来出去的话,市场冲击成本太大了,然后它的这个回测和实盘的差异会非常的大。那这个反而是我们个人投资者,小资金的一个优势,就是我们可以更精准的去回测我们的这个交易,也不会对市场造成什么冲击,所以我们可以以我们想要的价格成交

Flora: 我们在昨天的节目中,介绍过简街的困局,其实它就是因为量化赛道的资金容量并不大,才不得不冒违规的风险,通过操纵市场来赚钱。

Aaron: 对,大资金可以为市场定价(也就是预测),却无法以自己的定价成交;而小资金尽管无法为市场定价,却可以预测的价格成交。所以对大资金来说,他们是没有办法去做精准的回测的。没有回测,就没有量化。

Flora: 对,No root, no fruit。回测就是量化的根。今天我们聊了这么多关于量化,他是如何通过科学的决策、严谨的回测、以及严格的执行,来帮我们更好地控制风险,以及我们个人在这个领域独特的优势。

Aaron: 今天的节目就到这里。匡醒量化好声音每晚播出,欢迎订阅。

Flora: 投资就是一个江湖,也欢迎加入我们在各个媒体上的圈子和社群,与大家一起共同学量化。我们明晚再见。

Aaron: 再见!