尖峰肥尾：量化交易如何制造市場的完美崩潰？

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、宏觀環境變化，觸發估值調整的背景

原因三：交易系統延遲，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展而來的量化交易，在華爾街迅速發展，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（或者說加劇）黑色星期一的量化策略，但諷刺的是，這個策略最初設計出來的初衷是為了穩定市場。

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“規則化”的再平衡，這套規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，執行更快速，積少成多，收益率也相當高且穩定。

用現代的眼光，不難發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出，壓低價格，更快的下跌觸發更多模型賣單，并觸發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

投資保險組合的發明者之一，在1995年發表的概率公式，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無規則運動，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，統計下來，就會發現出現了一個標準的“正態分布曲線”，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計規律，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的期權定價，結果發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生，人們發現量化交易也有“阿喀琉斯之踵”。

股價的“隨機運動”跟小鴨子有一個關鍵的區別，小鴨子是現實世界的實體，是真正的連續運動，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域比正態分布更厚，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，引發了對量化交易的第一次大規模質疑。

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。

無論從技術形態還是宏觀環境，市場轉熊的跡象已經非常明顯了，但新的游戲規則并不看這些。

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，這個策略的市場規模就會不斷放大，直到某一天，“盈利池”不夠了，疊加宏觀環境的變化，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，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化是正在發生的趨勢，那么如果量化交易程序發展到Moss階段會發生什么呢？

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

假設程序發現利潤源于人類的貪婪或恐慌，那么最優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，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”的最優解——消滅市場本身。

如果腦洞再開大一點，它會發現，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。