淺談黑箱投資能給資本市場帶來什麼

著名量子物理學家薛定諤有一個廣為人知的實驗設計，將一隻貓置入黑箱，將其生死與黑箱中的某種放射性元素是否衰變關聯起來。通過一系列的裝置設計，微觀的概率事件被放大到了宏觀尺度，造就了一隻被觀察前“既生又死”的“薛定諤之貓”。

同樣的哲學內涵也出現在了量化投資這一似乎與物理學風馬牛不相及的領域中。當量化投資從業者津津樂道於其模型的高效安全時，其複雜精巧的程序也如同一個神祕莫測的黑箱，以及其中生死難料的貓：很有可能是有效的，但下一刻會怎樣，誰也不知道。

在光大證券8·16事件之後，量化投資這一外人難以看透的“黑箱”一夜之間似乎又被國內投資者視為潘多拉的魔盒，稍有不慎就會釋放出災難。

“黑箱”之中究竟藏着怎樣的精靈，它給資本市場帶來究竟是可怕的夢魘，還是全新的希望?

離不開電腦的量化投資

從廣義上看，量化投資包括指數化投資、量化純多頭投資以及市場中性策略等幾大投資範疇。

而狹義上的量化投資，則可理解為藉助現代統計學和數學的方法，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種“大概率”事件以制定策略，用數學模型檢驗及固化這些規律和策略，然後利用計算機嚴格執行已固化的策略來指導投資，以求獲得持續的、穩定且高於平均的超額回報。

上海高級金融學院副院長嚴弘在接受上證報記者採訪時稱，量化投資的本質在於建立數學模型捕捉市場運行過程中出現的交易信號，從而指導具體的交易行為。

量化交易與計算機技術的結合有其必然性。目前常用的量化投資模型對交易的時間精度以毫秒計，遠遠超過了人類所能具備的反應速度，只有計算機能夠勝任。交易者甚至會希望縮短終端與交易主機之間的物理距離來尋求更快的交易。離開計算機，量化交易就只是一紙空談。

業內流行這樣一種表述：模型是數量化投資的靈魂，流程是數量化投資的命脈，系統是數量化投資的骨骼。因此，模型化、流程化、系統化是量化投資最重要的三個特徵。根據模型進行投資決策，排除人為主觀因素的干擾，也是量化策略強調的基本原則之一。但是否可以就此簡單地認為，量化投資是一項主要依靠機器的投資方式?

“量化投資最重要的仍然是投資理念，包括對市場、對投資的理解，建立數據模型本身就暗含了人的主觀能動性。因此，量化投資不是被動投資，模型的設立、選擇和調整都可以理解為一種主動的過程。”一位常年從事量化交易的業內人士如此評述。

據其介紹，通常情況下，量化策略會採用多種數據模型，有時不同模型得到的結論也會出現矛盾，這時就需要投資經理去理解各個模型之間的內在邏輯及其使用環境，從而在相互驗證的基礎上做判斷。

實際上，量化投資也是一種投資方法。引用某資深業內人士的表述：“其精髓和優勢在於，它是人腦的延伸和發展，可以讓投資人更全面、系統地看到所需要的東西。”

模型黑箱存在各種風險

業內人士表示，通過建立數學模型描述市場運行的'規律在實踐中固然高效，但也存在多種風險。其中包括依賴計算機帶來的操作風險、市場無法容納交易需求的流動性風險，以及數學模型中因子失效的模型風險。其中，數學模型失效可能是量化投資者常面對的風險。

一位主營量化投資的私募機構負責人表示，一條成型的交易策略中往往包含上百個變量因子，對應市場運行中表現出來的不同特徵。編寫這樣一組策略大致需要2個月的時間，之後則是幾乎同樣耗時的優化過程。所謂優化，就是將策略納入歷史數據進行仿真測試，同時對策略中因子的數學關係進行微調，直到該策略在歷史數據中得到令人滿意的回報。

但該負責人坦言，這種被稱為數據挖掘的策略形成方式可能存在“過度擬合”的問題，即數學模型被刻意調整成尤其能在歷史數據中獲利的形態，而在普適程度上有所減弱。當市場規律與歷史數據發生某種變化時，模型就面臨失效的風險。

也因為量化投資的核心競爭力隱藏在其數學模型黑箱中，在營銷實踐中，從業者很難像立足於基本面分析或是行業研究的職業投資人一樣講出令客户信服的故事。他們賴以獲利的法寶儘管被實踐證明有很大的概率是有效的，但為何有效可能連自己都難以説清，也就更難打動客户。量化投資基金管理者唯一能夠打出的王牌，就是其歷史業績，這也在一定程度上強化了量化投資基金通過數據挖掘形成策略的意願。

而嚴弘教授則稱，從海外市場的發展動向來看，具有實體經濟原因支持的量化數學模型正在越來越得到市場的肯定，有望成為未來量化投資基金的發展方向。