復盤系列：黑色星期一

1/5

量化時代的第一場股災

1987年10月19日的“黑色星期一”是人類歷史上最古怪的股災，道瓊斯單日跌幅-22.6%，可接下來幾天卻好像什么事也沒有發(fā)生過一樣。

關于黑色星期一的原因，歷來有各種解釋，其中共識度比較高的有以下幾條：

原因一：程序化交易導致交易踩踏

原因二：利率上升、宏觀環(huán)境變化，觸發(fā)估值調整的背景

原因三：交易系統(tǒng)延遲，導致跌幅失控

原因四：投資者情緒與羊群效應，加速恐慌情緒傳染

原因五：全球主要股市的聯動與交易時差，跌幅共振放大

后面四個實際上是歷次股災的共同模式：

估值過高讓持有者獲利豐厚，隨時準備賣出，而宏觀變化在某一天引發(fā)了第一波拋售，推倒了多米諾骨牌（原因二）；

更多的投資者加入拋售，潛在買盤放棄買入，出現買盤的真空地帶，疊加報價延時導致賣出方交易失敗，不得不大幅壓低報價，或者改為賣出流動性較好的龍頭股，導致市場跌幅加大（原因三）；

當出現2%以上的顯著性跌幅時，會讓低頻交易者加入拋售的行列，出現5%以上恐慌性跌幅時，會通過媒體的傳播讓所有人加入拋售的行列，到這一步，跌幅就完全失控了（原因四）；

雖然美股收盤，但亞洲市場、歐洲市場大幅低開后，繼續(xù)恐慌性大跌，再加上指數期貨一直在交易，等到第二天美股重新開盤，出現新一輪更大幅度的下跌（原因五）……

正因為后四條是股災的一般模式，所以研究者都把“程序化交易”作為1987年“黑色星期一”的罪魁禍首——這也是程序化交易引發(fā)的歷史第一場股災，可謂出手即巔峰。

這場通天大禍是如何捅下的？在量化交易越來越重要的A股，還會重演嗎？

2/5

保險惹的禍

1980′s年代，由于標準期權定價B-S理論橫空出世，并在金融市場證實了其盈利能力，各種由此定價理論發(fā)展而來的量化交易，在華爾街迅速發(fā)展，其中最受大資金青睞的是一種叫“投資組合保險（Portfolio Insurance）”策略，也被公認為是引發(fā)（或者說加?。┖谏瞧谝坏牧炕呗?，但諷刺的是，這個策略最初設計出來的初衷是為了穩(wěn)定市場。

在1970′s年代大熊市中，市場也有數次大反彈，但很多長期投資者，比如養(yǎng)老金，都懊惱于反彈前倉位太低，而此前降低倉位也是為了凈值的穩(wěn)定，他們開玩笑說，要是有“保險”的話，他們當初就不用在熊市中賣出，在反彈時又手忙腳亂地一窩蜂買入了。

于是，保險策略來了。

投資組合保險并非為了增強收益，而是管理回撤風險。這一策略在當今的市場也被非常廣泛地使用，即利用看跌期權進行倉位保護。但在1980′s年代，標準看跌期權的流動性差，而且太貴，大資金更多在期貨市場上進行動態(tài)對沖。

投資組合保險的大致思路是，先給股票倉位設置一個風險敞口，比如20%，再利用賣空期指期貨（中性策略）或賣空股票（多空策略），形成一個投資組合，至少可以保住80%的初始市值——被稱為“地板”。

之后，當股價下跌接近“地板”時，要降低股票暴露以確保地板值，形成一套“規(guī)則化”的再平衡，這套規(guī)則調倉頻繁且機械化，非常適合程序化交易。

這套策略不光能為大資金“上保險”，還可以尋找相關品種在不同市場的細微定價差異，進行套利，而程序化交易的搜索范圍更廣，執(zhí)行更快速，積少成多，收益率也相當高且穩(wěn)定。

用現代的眼光，不難發(fā)現這個投資組合保險策略中包藏著致命的“正反饋放大”機制：

當市場開始下跌時，投保模型計算出需要降低股票風險敞口，于是大量程序化賣單被發(fā)出，壓低價格，更快的下跌觸發(fā)更多模型賣單，并觸發(fā)其他資金的止損機制，追加保證金，買方撤出的流動性枯竭，形成自我強化的“賣出—跌價—再賣出”的正反饋放大。

當程序化交易進行跨市場指令時，可能將危機傳染到更多市場，導致全球連續(xù)性沖擊、流動性迅速枯竭。

投資組合保險設計出來是為了管理回撤風險，但當所有人都在使用時，反而變成了更大規(guī)模的波動。

當時的人們對于量化交易這種新鮮事物有一種“打開新世界”的癡迷，認為懂得B-S模型，就打開了財富的密碼，大量沒有傳統(tǒng)交易經驗的量化交易者也對自己的策略有著“迷之自信”，認為主動投資的時代已經結束。

量化策略的“阿喀琉斯之踵”到底是什么？

3/5

尖峰必肥尾

投資保險組合的發(fā)明者之一，在1995年發(fā)表的概率公式，為自己的策略進行辯護，黑色星期一這種崩潰，屬于27個標準差的“黑黑黑黑黑天鵝”事件，發(fā)生的概率是1/10160，相當于200億年的宇宙歷史上都不會出現一次的概率。

這種說法就好像“百年一遇”的X災，每年都發(fā)生一樣，難以令人信服。

當時的量化交易大多源于Black–Scholes模型，而這個模型又有一個更底層的數學理論——布朗運動。

布朗運動是物理學里微粒在流體中受分子撞擊而產生的連續(xù)無規(guī)則運動，跟投資有什么關系呢？

想象一個熱鬧的兒童游泳池里漂浮著一個充氣小鴨子，小鴨子不會動，也很輕，運動軌跡完全依賴于小朋友們撲騰的水花，由于每次碰撞的方向和力量都不同，小鴨子的運動就顯得忽左忽右、忽快忽慢，沒有固定路線，看起來完全隨機。

看上去這是一個完全隨機的運動，但如果我們隨機記錄N次小鴨子1分鐘內的移動的距離，統(tǒng)計下來，就會發(fā)現出現了一個標準的“正態(tài)分布曲線”，下圖的橫坐標是1分鐘移動的距離，向左為負，向右為正，縱坐標是該距離出現的次數。

結果呈正態(tài)分布曲線，并不難理解，很多小朋友從不同的方向撲騰水花，大部分都抵消了，大多數情況下小鴨子就移動到原點附近，少數情況下跑遠一點，極端情況下才會跑得特別遠。

股價的運動也是如此，無數次買入賣出就像水花沖擊小鴨子，統(tǒng)計一段時間的一個市場所有的股票的漲跌幅，同樣是近似正態(tài)分布，中間的峰值就是整個市場的漲跌幅，這就是股票市場的“隨機漫步理論”。

正因為隨機，所以才有了概率的統(tǒng)計規(guī)律，一旦理解了這個“反直覺”的現象，就從隨機性的物理現象，變成了基于正態(tài)分布的概率的數學建模，就有了后來獲得諾貝爾獎的Black–Scholes期權定價模型。

有了理論，投資者就可以有目的地尋找市場上偏離了常規(guī)的期權定價，結果發(fā)現期權普遍定價過高，可以通過賣出期權買入正股的配對交易，形成了一次無風險套利的機會。由于這種偏離非常微小和短暫，且隨機出現，之前一直停留在理論層面，而此時電腦技術的發(fā)展，可以通過快速交易捕捉微小利潤機會，終于完成了量化交易的最后一塊拼圖。

由于數學證據的支持力強于不可證偽的傳統(tǒng)投資理論，人們放心大膽地加杠桿使用這些策略，新一代量化交易者被稱為“寬客”，他們不需要知道格雷厄姆、巴菲特的價值投資理論，不需要理解利弗莫爾的“最小阻力方向”，甚至刻意排除利率、通脹或GDP這些宏觀數據，利用這些定價模型進行交易。

直到黑色星期一的發(fā)生，人們發(fā)現量化交易也有“阿喀琉斯之踵”。

股價的“隨機運動”跟小鴨子有一個關鍵的區(qū)別，小鴨子是現實世界的實體，是真正的連續(xù)運動，不會突然跳躍到水池的另一邊，但股價并不是現實物體，是人們交易出現的結果，在很多情況下，都存在大幅跳躍的可能。加上投資者經常會追逐股價運動的方向進行交易，也大大提高了“跳躍”的概率。

所以股價的運動，并非標準的正態(tài)分布，而是“尖峰肥尾”。

尖峰，是指概率分布在平均值附近比正態(tài)分布更集中，表現為峰更高更尖；肥尾，是指概率分布在遠離均值的區(qū)域比正態(tài)分布更厚，極端值出現的概率更高。

在金融收益率這種對稱、單峰、有限方差的分布中，尖峰必然肯定會導致肥尾，如果大部分觀測值都集中在均值附近，統(tǒng)計上意味著偶爾出現的遠離均值的次數更多，否則分布的方差無法維持。

“尖峰肥尾”的特征在投資中出現，會呈現一種非常可怕且有迷惑性的結果：尖峰導致股價更頻繁地出現“合理價格”，可以讓投資者對策略更有信心，采用相同的交易策略（比如投資組合保險）的人更多；而捕捉更小的獲利機會就需要加極高的杠桿（比如LCTM長期資本基金），這些都意味著黑天鵝事件出現的概率大大增加。

“尖峰肥尾”的結果是，長期穩(wěn)定獲利，但一朝崩盤全虧，雖然大部分時候，布朗運動和B-S一類的模式很有效，但短期會出現劇烈的失控；雖然隨后很快又恢復了正常，但爆倉投資者永遠沒有機會回到牌桌上，這讓各種量化策略出現了“缺乏遍歷性”的懷疑。

雖然沒有任何人進行有意識地欺詐，但“黑色星期一”看上去很像“資金盤”的一次崩盤，引發(fā)了對量化交易的第一次大規(guī)模質疑。

4/5

尋找更多的策略

黑色星期一之前，1987年夏天到秋天，市場在微觀交易結構上已經出現崩潰的先兆，美股的日內波動幅度明顯上升，VIX雖然當時還沒推出，但事后數據回溯顯示波動率在大漲。

波動率上升是市場分歧加大的結果，美聯儲在1987年上半年逐漸收緊貨幣政策，長期利率上行，疊加估值過高，引發(fā)了部分資金的焦慮，而這種分歧往往給量化交易更多的機會，積累了過多的趨同的量化策略，另外，波動率加大導致現貨和期貨市場間價格偏離加劇，這也是一種分歧。

無論從技術形態(tài)還是宏觀環(huán)境，市場轉熊的跡象已經非常明顯了，但新的游戲規(guī)則并不看這些。

當市場上某一個策略的賺錢效應特別突出時，就會有更多的資金使用類似的策略，只要市場存在足夠的對手盤提供盈利來源，這個策略的市場規(guī)模就會不斷放大，直到某一天，“盈利池”不夠了，疊加宏觀環(huán)境的變化，策略出現迅速崩潰，造成市場的極端波動，這個過程，量化和主觀策略都會出現。

量化交易并非天生惡魔，真正的“惡魔”是策略同質化，不光是量化，在主動交易策略中也會出現，比如資金抱團。

事實上，黑色星期一之后，程序化交易反而更繁榮了，這個市場在危機中充滿了噪聲交易、流動性約束、信息不對稱的現象，更多的量化策略看到了這些非理性的市場行為，試圖尋找“隨機漫步假設”被打破的時候出現的投資機會，產生了諸如趨勢跟隨、均值回歸策略等等后來更重要的量化策略。

這些策略都與Black–Scholes模型無關，比如趨勢跟隨策略是假設價格一旦形成趨勢，就有可能延續(xù)，常用方法是動量指標、突破策略等；而均值回歸策略是假設價格、價差或波動率偏離均值后會回到均值，常用在統(tǒng)計套利、配對交易等。

當市場出現了多個底層邏輯不同甚至相反的策略時，一種策略失效發(fā)生踩踏時，剛好是另一種策略的機會，使市場恢復買賣平衡和流動性。

正因為量化策略本身的豐富性在提升，雖然此后又多次出現金融危機，但往往都是明確的宏觀和事件性原因，像“黑色星期一”當天暴跌23%，后面卻平安無事的極端事件，再也沒有發(fā)生。

但我們并能不因此就對量化交易掉以輕心。

5/5

AI時代的量化策略

很多人看完《流浪地球2》都會困惑：Moss 不是幫助人類的嗎？為什么反而要毀滅人類？

按照劇情的設定（這個設定非常合理），Moss的目標并不是“保護人類個體”，而是保證人類文明延續(xù)的最大概率。

在Moss看來，人類自身有嚴重的非理性，貪婪內斗、政治博弈、短視行為，這些行為會讓“地球逃亡計劃”失敗，所以它得出一個結論：人類自己才是威脅文明延續(xù)的最大風險，數字生命方案的成功率更高，那么不如讓肉體人類毀滅，留下數字人類，文明就可以延續(xù)了。

AI 不愛誰也不恨誰，它只是把目標函數推演到極端結果。

理解了這個設定，不妨來開個腦洞，因為量化交易程序AI化是正在發(fā)生的趨勢，那么如果量化交易程序發(fā)展到Moss階段會發(fā)生什么呢？

量化交易程序的目標函數很明確，最大化收益，同時最小化風險，這一點沒有問題。下面我就推測三種極端結果，都是根據超級智能的這個目標函數合理推演的。

第一，制造極端交易，“殺死”對手

假設程序發(fā)現利潤源于人類的貪婪或恐慌，那么最優(yōu)解可能是制造極端交易，引誘人類交易者出現貪婪和恐慌的極端行為，再制造更大的崩盤，讓他們徹底輸光。

其實這個策略，量化程序一直在A股用，利用快速拉升吸引散戶跟風，再快速派發(fā)，完成一次日內T+0。這個策略會不會被AI進化成制造更大規(guī)模的整個市場的極端交易，一次性贏下對手盤所有的錢呢？按現在大模型的進化速度，不知道，不好說。

第二，制造虧損，“殺死”自己

套用《流浪地球2》的設定，如果程序發(fā)現，這個市場有致命缺陷，未來終將崩潰，所有人都會破產，想要避免這個結果，就需要不斷地故意隨機選擇一部分賬戶虧損，就可以避免未來更大的危機。

這就是金融版的Moss，投資者會覺得它“背叛了自己”，但在程序眼里，這是降低風險。

第三，壓制波動，“殺死”市場

假如程序發(fā)現，反正只要經濟增長，收益會自然出現，唯一的風險是波動的風險，而真正能規(guī)避風險的方法，就是讓市場波動消失。

在這個極端化的目標下，如果它有極強的交易能力，可能會瘋狂做對沖、套利，把市場價格壓到幾乎不動，終于“世界清靜了”，這就是它眼中“無風險收益”的最優(yōu)解——消滅市場本身。

如果腦洞再開大一點，它會發(fā)現，真正制造波動的是當局的貨幣政策，會不會覺得，“殺死”貨幣政策，才是真正的最優(yōu)解？

真正的風險，從來不是模型失效，而是我們對其的盲目信任。金融市場的“完美策略”需要在算法與人性間留一線敬畏——因為每一次崩盤，都是對“絕對理性”的嘲諷。