成为一名专业“宽客”的精髓，当我第一次被问到“宽客”这个词是什么意思的时候，我当时简单的称之为一帮捣鼓数字的人创造出来的交易金钱的系统。事实的情况和我这样简单的解释差不了多少，在更多的接触了这个行业之后，我认为做一个“宽客”的精髓可以理解成为：收集一切有价值的信息，并把这些信息转化为走势预测或算法改进的要素，建立我们称其为交易模型，包括（但不局限于）：1.基本面数据 2.技术分析数据 3.经济数据 4.新闻 5.天气 6.其他所有对预测可能有用的信息。所用的分析工具具有广泛的跨学科性，包括但不限于：1.数学 2.统计学 3.物理学 4.经济学 5.语言学 6.心理学 7.生物学。一个合格的宽客需要具备综合了解以上学科的素质，并且在“数据挖掘及分析”的工作中将其良好运用。

作为一个宽客，首先你要设计一种“可量化的（quantifiable）”交易理论，如果这个理论不能够被量化，通常是因为：1.逻辑定义不清 2.无法在现实中测试。作为一个宽客没有哪个学科是你不用了解的，学科之间只有优先级的划分。

值得注意的是量化分析其实并没有经常使用大家所熟悉的传统技术分析的手段。因为，传统技术分析中模棱两可的地方较多，同一种指标往往可以预示数种不同情况的发生，而且有些分析方法略有玄学成分，无法被量化。同时，传统的技术分析也被认为有缺陷：1.缺少稳健的统计结果 2.建立在市场是固定模式下的。而市场是无限动态的，我们不能指望所有的市场参与者每次都按照相同的模式采取行动，基金经理、央行、ZF不断的在市场上进行着互相影响。但这也不意味着我们就应该完全抛弃技术分析法，我想说的是一些可量化的技术指标在建立模型的时候应该被密切监控，并且在市场转变的时候提出来进行修改。

那么基本面分析情况又如何呢？传统的量化分析法里基本面分析是很受用的，比如价值投资者参考的PE比、现金流、营收等指标。但是其中也有相当一部分不能被量化的内容。比如公司管理层决定着公司的未来，管理者们的真正想法外界是难以搞清楚的，这些“想法”就是重要却又难以加入模型的变量。再比如，公司将发售一款新产品，那这款产品是否会大卖？你很难准确做出量化判断。

事实是量化投资方法已经对人脑提出了挑战，只要模型得当，量化程序相比人脑更加快速、廉价、自律也更加可靠。在量化程序编制的过程中，编写者与模型设计者同样重要，但跟机器不同的是交易程序自建立之日起便需要不断的改进与监控。专业的宽客不会盯着程序的短期表现，而是专注于改进长期及对未知情况的处理表现，业余的宽客则有可能不断“粉饰”程序使其在历史回溯测试中取得良好的表现，或者简单的调整参数使其抓住短期的趋势。

专业宽客往往从一个简单而清晰的想法出发，然后逐渐加入复杂情况的对应方法，整体框架一定是优雅而简洁的。而业余宽客则经常试图建立一个笨拙的框架以一次性囊括所有情况。专业宽客会花费很长时间慢慢改进模型的设计，他们知道模型永远不会完美；而业余的宽客设计出发点便不怎么明确，可能过于在意历史回溯测试的数据，试图制造出马上就可以用的“圣杯”。

专业的宽客会坚持固定的思路及想法，不受外界的干扰；而业余的宽客可能一旦受到批评便立刻进行修补，试图让所有人满意/所有情况都能应对，这样做最后的结果往往是所有人都不能满意。如果你认为我说的过于偏激或是傲慢，我会很高兴的承认这一点，因为在我的职业生涯初期也犯过很多类似的错误，几乎所有的专业宽客都是通过前辈指点或者自己不断的“撞南墙”才学会这些道理。一个合格的宽客应该与武术家相似：极强的自制力，排除情感因素的干扰，这样你的模型才能拥有较高的水平。有时也许在放松状态下灵光一闪的点子会比你埋头苦干上百个小时来的更有用，建模的基本理念不要太复杂，讽刺的说，基于一个不怎么样的点子建立起的模型，你把它搞的越复杂其往往表现越差。


勘破量化投资的三把钥匙
量化投资一直是以“高、大、上”和“高、精、尖”的投资面目出现的。这一方面源于其投资过程中，大量运用高等数学、金融学以及计算机编程知识，天然形成了一些学术上的壁垒。另一方面，也源于这个行当的不成文准则——“黑匣子”原则。

所谓的“黑匣子”原则，即通常行内的量化投资团队是不会就投资本质和过程对外透露过多的。细细盘问一个量化团队的投资过程，某种程度上就跟询问“官府私房菜”的制作秘方一样，既不可能，也无必要。

而且，通常——就我的个人经验——对量化投资信心越少的团队，在运用“黑匣子”原则方面更为熟练。

上述的神秘色彩在今年造成了行业的一大困扰。即，如何解释今年几个季度里，量化基金之间何以走势如此迥然。这个问题，连许多保险公司的投资人士和第三方渠道的专业人员也解释不了。

本人在过去一个月和三组不同的业内人士聊过这个话题，负责任地说，大家给出的“揣测”都不怎么靠谱。

我的疑惑直到遇到华泰柏瑞副总经理田汉卿，才有了不小的突破。一方面，田汉卿是今年业绩最出色的量化基金之一华泰柏瑞量化增强的操盘者，是真正的局内人。另一方面，她的从业经历也足够丰富。田是当年巴克莱亚洲团队的核心投资经理，更早前则在巴克莱旧金山总部的“32floor”工作。巴克莱旧金山总部曾经是美国量化投资的一个绝对高地。熟悉武侠小说的投资者，可以想象武当派在武林中的地位。

还有一个最关键的方面，田汉卿对于量化投资本质的解读是我迄今为止听到的最清晰和完整的。以我不完全的个人经验来看，这是对于投资领域和业绩有相当自信的人才能做到的。

综合一下专家的观点，基本面量化的业绩差异，多数出自三个方面的高低。第一层面是因子的好坏。第二层面是投资理念和执行的差异。第三层面是临场决策和风险控制的把握。这也算是打开量化投资这个“黑匣子”的三把钥匙。

在任何量化投资中，模型因子的好坏多寡都是绝对重要的事情。因子的重要性就好比做菜时的原料。同样还是以“烧私房菜”为例，原料的新鲜和丰富程度当然会对菜品口味有重大影响。类似的，在量化投资中，是否拥有大量的高质量的投资因子，对于业绩有极大的影响力。

不过，这一点局外人通常辨识不到。“菜”都烩成一锅了，究竟是原料不新鲜还是后期烹炒蒸煮的不得法，并不容易分辨。不过有一个小窍门可以观察，由于因子的积累是需要时间的，通常一个量化团队成军时间越长，核心人员投资年限越长，拥有“好因子”的概率越大。

除了原料以外，“烹炒”的技艺是否得法也很关键。于量化投资而言，这一关就是理念与执行的层面。投资理念的重要性，投资过股票或基金的人都明白。运用的得不得法，其实是存乎一心的。但能否坚守住量化的大局，则事关成败。

从旁观者来观察，不同投资经理的理念差异，主要还是在于量化模型的使用范围和边界上。其中，既要防止“模型决定论”，一概强调模型决定一切；更要警惕投资经理过于主动，越界干预投资过程。如果，仅仅是拿个统计表算下，然后基金经理自己挑股票下单那种量化投资，业绩后果且不论，实在算不上量化。

除了以上两把“钥匙”以外，第三把钥匙的重要性同样不可低估。这就是风险控制。用田汉卿的说法，量化投资相对主动投资的最重要优势之一，就是可以把“风险”控制地很好很具体——甚至细化到每天的净值最大回撤幅度上。而对风险控制的把握，也成了不同投资团队差异最大的一个环节。

再打个比方，如果投资经理是一支球队的主教练，那么派哪些球员上场，则是其最大的考验。风格激进的教练，可能同时上阵5个前锋；而换一个风格的教练，可能只有1个前锋在场上。同样不同风格的量化投资经理，在具体操作上也可能有不同的差别。而这一定会反映到基金中长期的净值上。

总体来说，无论投资风格差异如何，长期、相对稳定的净值表现才是最佳。这样的选择标准，和主动的股票投资又何其相似耶？

量化交易系统的四大支柱
一般来说，量化投资交易系统有四大支柱：心理素质、创新能力、资金管理、策略 ( 方法 )

心理素质大致上包含恐惧、痛苦管理、乐观情绪管理，其关乎操盘者在交易时的抗压、守纪律的能力。具有交易经验的人想必都已有自身体验，想要驾驭多大的资金，就必须练就多大的心脏，此部分如人饮水冷暖自知，许多人承受过的痛苦真是不足为外人道。


创新能力即是进化的能力，每个参与者对交易的领悟力与适应力皆不尽相同。李尧勳的书中便贴切地以超级赛亚人做比喻：成功的交易者必须如同悟空靠着对武学的热情，不断地适应市场、不断地学习新事物并跟随对手进化。有些人天生就对市场具有高敏锐度，其余则像海龟一样，需要靠着系统学习进化。

心理素质及创新两部分敝团队以「心法」称之，但本篇的主题所要论究的是「功法」：量化交易的基本架构 - 资金管理与策略模组。

回忆录里交易老前辈们总描述着在纸上辛勤绘製图形的故事。拜电脑软硬体发展所赐，现下的技术分析已不再需要逐步运用尺规及铅笔跟随报价机所印出的报表后面写写画画，取而代之是券商所提供的看盘软体内琳琅满目的技术分析图表。更甚者，因为网路技术的普及、知识传递速度的爆炸、交易软体与程式语言的进化，传统技术分析已经无法满足一般或专业交易者，这年头的交易战争已经更往前迈入自动化战场。现在的交易者得以透过既有的量化运算平台 ( 例如 Excel VBA / Multicharts/ 奇狐 / Wealth-Lab ) 等软体打造属于自己的武功及武器，以协助他们在这个日不落的线上游戏世界持续运作，并不间断地完整实现属于自己的交易理念。

一个基本的量化交易系统大致上有两个分层：资金管理层与 ( 商品策略 ) 层。框架 ( 模组 ) 决定好了，再更有系统地强化各个模组，进而更接近交易本质。


初阶的交易者多数先选定一个邻近市场，如外汇或是熟悉的台股、台指期、台指选择权，并进行策略的开发。一个基本策略的框架大致上如下，可以分成数个模组，设计者可以依循这样的框架进行一个初步策略开发或交易程式撰写：

1. 多空指标

也就是多数人所认知的技术分析，诸如均线、KD、MACD、董诠通道、布林通道等大家耳熟能详的指标，场内游戏者希望能够藉此探知当前市场状态，是多或空。因此璞格交易团队在设计多空指标的时候，便以非多即空的基本模型为主 ( 此处先不谈论交易风险 )，以单纯为原则举例如下：

If Close >Average ( High , N ) then buy 1 share next bar at market( 若K棒收盘价格大于过去 N 个 K 棒最高价均值 -> 做多 )

If Close 若K棒收盘价格小于过去 N 个 K 棒最低价均值 -> 做空 )

这个模组主要以决定策略的多空方向为目的，亦即交易者持单的正负号。许多人至此可能心中产生一个疑问 - 非多即空？那么空手这种状态呢？因为量化交易的本质是以数理金融的方式思考，在数值上就计算值便只有正负两种符号 - 上涨或下跌趋势，空手是部位为零的结果，部位数的大小不在指标这个模组中决定，是由后文将提及的部位管理 ( 风险管理 ) 模组或是滤镜所定。

2.滤镜 ( Filter )

滤镜的功能即是用以「过滤杂讯及假讯号」，可以是价位型态 ( 例如关键价位 ) 或是时间型态 ( 特定交易时间 )。使用某种降噪技巧分辨出市场噪音较大或是杂讯较多的状态，减少不必要或是较为不利的交易行为。

3.进场讯号

考量多空指标和滤镜后所进行实际的进出点位判断逻辑，可分为基本单与加码单。下方举例多空指标赋予实际的进出逻辑：( 以均线为例 )

「当收盘价位于均线之上且碰触昨日高便做多」

「当收盘价位于均线之下且碰触昨日低便放空」

4.加码讯号

加码讯号可视为进场讯号的延伸，可同样使用多空指标及滤镜为判断依据，亦或其他方式。以海龟的交易方式为例，依进场讯号的基本单在若干浮动损益或其他特殊状况才进行部位加码。

5.出场讯号

出场讯号可使用方式列举如下：

a) 以反向讯号为出场讯号。

b) 藉由每根 K 棒或若干时间重新运算口数公式P，若P <</SPAN> 现有部位则减码出场 ( 风险平衡 )，P 值的基本运用方式可参考海龟投资法则 ( Way of the Turtle : The Secret Methods that TurnedOrdinary People into Legendary Traders ) 书中描述。

c) 特定极端条件列表、例如爆量、涨跌停。

部位管理 ( Position Sizing / 风险管理 )

部位管理亦是滤镜的一种，但为动态方式呈现，其原理是在风险值高 ( 杂讯高 ) 的时候将部位放小，风险值低 ( 杂讯程度低 ) 的时候将部位放大。

以上大致为拟定一个策略的基本框架，当交易者将设计完成的基本策略放置到市场后，它就成了为辛勤工作并有获利能力的一位小员工。

而系统顺利的在市场存活了一段时间后，交易者会渐渐增加商品及策略的複杂度，当员工变多了，甚至跨足全球市场，那么便需要下一个至关重要的分层：资金管理层。这一层面的技术需要借助第三方软体协助，如Excel或自行撰写程式。

资金管理模组大致上也有几个环节：

1.Reinvestment (再投资与风险管理 )

用以管理获利与亏损的架构，建立赢要冲输要缩的机制。爱因斯坦曾说：复利的威力比原子弹更惊人，事实上此处才是交易的决胜关键。

2.策略终止线 ( 风险管理 )

用以管理系统中商品进出，并确保策略运用了正确的上架与下架机制。

3.讯号优先权处理(Priority)

当资金有限，但出现适合下单的商品或讯号过多时，用以取决哪些讯号享有优先上架或优先停利等条件。

一套完整的量化交易系统范畴已经超越了传统交易的型态，当它被设计为武器后，配载系统的交易者更能在市场中享有高度竞争优势。