⊙记者 浦泓毅 潘圣韬 ○编辑 李剑锋

  著名量子物理学家薛定谔有一个广为人知的实验设计，将一只猫置入黑箱，将其生死与黑箱中的某种放射性元素是否衰变关联起来。通过一系列的装置设计，微观的概率事件被放大到了宏观尺度，造就了一只被观察前“既生又死”的“薛定谔之猫”。

  同样的哲学内涵也出现在了量化投资这一似乎与物理学风马牛不相及的领域中。当量化投资从业者津津乐道于其模型的高效安全时，其复杂精巧的程序也如同一个神秘莫测的黑箱，以及其中生死难料的猫：很有可能是有效的，但下一刻会怎样，谁也不知道。

  在光大证券8·16事件之后，量化投资这一外人难以看透的“黑箱”一夜之间似乎又被国内投资者视为潘多拉的魔盒，稍有不慎就会释放出灾难。

  “黑箱”之中究竟藏着怎样的精灵，它给资本市场带来究竟是可怕的梦魇，还是全新的希望？

  离不开电脑的量化投资

  从广义上看，量化投资包括指数化投资、量化纯多头投资以及市场中性策略等几大投资范畴。

  而狭义上的量化投资，则可理解为借助现代统计学和数学的方法，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数学模型检验及固化这些规律和策略，然后利用计算机严格执行已固化的策略来指导投资，以求获得持续的、稳定且高于平均的超额回报。

  上海高级金融学院副院长严弘在接受上证报记者采访时称，量化投资的本质在于建立数学模型捕捉市场运行过程中出现的交易信号，从而指导具体的交易行为。

  量化交易与计算机技术的结合有其必然性。目前常用的量化投资模型对交易的时间精度以毫秒计，远远超过了人类所能具备的反应速度，只有计算机能够胜任。交易者甚至会希望缩短终端与交易主机之间的物理距离来寻求更快的交易。离开计算机，量化交易就只是一纸空谈。

  “人性”依然至关重要

  业内流行这样一种表述：模型是数量化投资的灵魂，流程是数量化投资的命脉，系统是数量化投资的骨骼。因此，模型化、流程化、系统化是量化投资最重要的三个特征。根据模型进行投资决策，排除人为主观因素的干扰，也是量化策略强调的基本原则之一。但是否可以就此简单地认为，量化投资是一项主要依靠机器的投资方式？

  “量化投资最重要的仍然是投资理念，包括对市场、对投资的理解，建立数据模型本身就暗含了人的主观能动性。因此，量化投资不是被动投资，模型的设立、选择和调整都可以理解为一种主动的过程。”一位常年从事量化交易的业内人士如此评述。

  据其介绍，通常情况下，量化策略会采用多种数据模型，有时不同模型得到的结论也会出现矛盾，这时就需要投资经理去理解各个模型之间的内在逻辑及其使用环境，从而在相互验证的基础上做判断。

  实际上，量化投资也是一种投资方法。引用某资深业内人士的表述：“其精髓和优势在于，它是人脑的延伸和发展，可以让投资人更全面、系统地看到所需要的东西。”

  模型黑箱存在各种风险

  业内人士表示，通过建立数学模型描述市场运行的规律在实践中固然高效，但也存在多种风险。其中包括依赖计算机带来的操作风险、市场无法容纳交易需求的流动性风险，以及数学模型中因子失效的模型风险。其中，数学模型失效可能是量化投资者常面对的风险。

  一位主营量化投资的私募机构负责人表示，一条成型的交易策略中往往包含上百个变量因子，对应市场运行中表现出来的不同特征。编写这样一组策略大致需要2个月的时间，之后则是几乎同样耗时的优化过程。所谓优化，就是将策略纳入历史数据进行仿真测试，同时对策略中因子的数学关系进行微调，直到该策略在历史数据中得到令人满意的回报。

  但该负责人坦言，这种被称为数据挖掘的策略形成方式可能存在“过度拟合”的问题，即数学模型被刻意调整成尤其能在历史数据中获利的形态，而在普适程度上有所减弱。当市场规律与历史数据发生某种变化时，模型就面临失效的风险。

  也因为量化投资的核心竞争力隐藏在其数学模型黑箱中，在营销实践中，从业者很难像立足于基本面分析或是行业研究的职业投资人一样讲出令客户信服的故事。他们赖以获利的法宝尽管被实践证明有很大的概率是有效的，但为何有效可能连自己都难以说清，也就更难打动客户。量化投资基金管理者唯一能够打出的王牌，就是其历史业绩，这也在一定程度上强化了量化投资基金通过数据挖掘形成策略的意愿。

  而严弘教授则称，从海外市场的发展动向来看，具有实体经济原因支持的量化数学模型正在越来越得到市场的肯定，有望成为未来量化投资基金的发展方向。