中国程序化交易历史与展望及量化就业答疑

“

本文为杭州希格斯投资创始人谈效俊在交易门精粹群的内部分享。点击阅读交易门对谈效俊的专访。

”

中国程序化交易历史与展望及量化就业答疑

文 / 谈效俊

个人背景三个时代

谢谢交易门的邀请。今天我主要分享一下个人所经历的中国程序化交易发展历程，还有我个人对量化从业者或求职者的一些看法。夹杂一点个人体会，要是有一些不太准确的地方，大家多多谅解。

我本人大概在2009年的时候知道有程序化交易这个事情。当时我在一家期货公司工作，那个时候我们国家的程序化交易发展也恰巧从期货市场开始。我能够从最开始就近距离观察程序化交易发展。在2013年到2015年前后，我又经历了中国期权上市的各种筹备工作，因为当时期权上市，交易所跟期货公司之间的交流比较多，并且当时我是期货公司做市业务部门的负责人，我也实际参与了期权做市交易。我对证券公司、期货公司的期权、做市程序化分支也算比较了解。2018年，我跟同事一起创办了希格斯投资，主要业务是采用程序的方法，在市场交易。 

从2018年到现在，我跟市场很多投资者面对面交流过，从他们那里学到其它市场参与者，他们在怎样进行程序化交易。现在我王婆卖瓜来说，我们应该算市场空间还不错的交易商。我们在国内各种市场都有比较丰富的程序化交易经验，并且我们有经验丰富的quant、程序员还有交易风控人员，我自己还算一个市场老兵，所以谈一下我对国内程序化交易发展过程的看法。 

我个人把整个发展过程划分成三个时代。

第1个时代，从2009年到2011年。2011年CTP柜台系统成为市场主流，我把这个时代叫做“开端时代”。

第2个时代，出现了专注于优化交易速度的柜台系统。CTP出现其实并不是专门针对速度优化。从专门优化速度交易的柜台系统出现，一直到2015年股灾之前，这个时代叫做“淘金时代”。 

为什么叫做“淘金时代”？因为这个时代特点是市场有效性比较低，非理性交易者比例很高。对一个理性交易者来讲，其实有非常多可以盈利的交易机会。这个时代比较适合揭竿而起创业。

第3个时代，从股灾结束一直到现在。这个时代和2015年之前相比，市场有效性提高不少，市场竞争更加激烈，交易团队更加成熟。我们把这个时代叫做“群雄逐鹿”。 

为什么叫“群雄逐鹿”？其实这个就是类比大家熟悉的三国时代，之后还有官渡之战、曹操统一北方，赤壁之战，三足鼎立，甚至到后来三分归一统。这个时代的交易机会比淘金时代少，竞争更加激烈，局势没有完全定下来。

1

开端时代

首先是我体验过的“开端时代”。在2008年的时候，上海期货交易所下属的信息技术公司：上期技术公司，在2008年推出了一个软件平台，叫CTP：Comprehensive Ttrading Platform。这是国内率先向交易者提供开放C++的API，这很重要。

2010年，股指期货上市，这两个事情结合，出现了中国最早一批较为专业的利用托管服务器、C++交易程序进行套利交易的程序化交易者。股指期货刚上市的这段时间，股指期货跨期套利润比较高，但不得不说，当时的期货公司比较老土。

虽然期货公司可以接触CTP，并能接受股指期货。但最早通过程序在市场中进行股指期货跨期套利并且获得利润的，并不是期货公司。最起码据我所知并不是。有少数交易者开始程序化交易后，期货公司发现，程序化交易者的交易量竟然可以这么大。一个稳定的交易者交易量占据期货公司非常大份额，并且交易收益稳定，这是之前期货公司没见过的。

当时有炒手也可以获得相当稳定的收益水平，但像程序化交易早期这么稳定收益，还是让非常多的人感觉到很震惊。期货公司也发现，这个交易竟然这么依赖于计算机的软硬件系统。最开始没有服务器，没有API，就做不了交易，大家都会觉得好奇怪，为什么会做不了交易。但这个观念现在已经变得很普及了。

开端时代，有一个很显著的特点。市场有各种声称自己是做量化交易的人或者机构，大部分都不靠谱。现在量化交易的门槛一般来讲比较高，需要学很多数学知识和计算机知识。但当时不管历史背景什么样，经历什么样，都突然说我是做量化交易的。

当时大家觉得，算一算移动平均线，然后再根据移动平均线做几个交易规则，这样就算量化交易。如果仅仅这样，确实没有门槛。后来这批声称搞量化的人很快就销声匿迹了，因为野生距离真正科学的研究距离非常远，所以非常难取得成功。

在开端时期，CTP在期货公司开始变得大规模普及。这主要因为要求使用CTP，还有要求使用API的客户变得越来越多。

本来CTP进入期货市场的时候，是以挑战者身份进入市场。后来它成为期货市场份额最大的柜台系统提供商，托管的概念也在各个期货公司里面都流行起来，很多客户都开始知道托管。CTP流行开之后，之前很多期货市场的老牌柜台开发商也都纷纷推出自己的开放API。 这些API跟CTP的API都非常像，可以说CTP实际上奠定了API标准。 

2

淘金时代

第二个时代是“淘金时代”。从优化交易速度的柜台系统出现开始，一直到2015年股灾。

CTP流行之后，一些专业程序化交易者因为要使用专门的设备，还要进行服务器托管，就是为了能够让自己的交易速度更快。当时市场很多开发商为了响应市场需求，上期技术又推出了一种新的柜台系统——CTP迷你。

原来的CTP系统是一个综合的交易平台，涵盖了期货公司运营所需要的各项业务。包括委托单收发、风险控制、结算、银期转账等功能。CTP迷你试图剥离掉跟交易没有关系的功能，比如结算信息、转账。 

CTP迷你仅仅负责收发委托单、检验、资金、检查委托的合法性，它的功能更精简，速度更快。还有很多其他开发商也都做了类似CTP迷你的软件。比如2013年前后，中金所下属的一家信息技术公司推出了一套飞马系统。

飞马系统应该属于比较早期在CTP体系之外，并对CTP构成一定挑战的柜台系统。不过飞马系统挑战的不是CTP系统的综合交易平台的功能，而是专注于把速度做得更快。期货行业里面还没有哪个软件能够挑战CTP的综合交易平台的功能，基本都在速度快上做文章

飞马柜台在2014年到2015年上半年股灾期间达到顶峰，当时中金所有很大的交易量都跑在飞马系统上。

当时市场上并不是只有CTP和飞马，还有很多崭露头角的柜台系统，其中就有中信期货。中信期货开发了众信柜台系统。中信期货本身背靠中信证券，在期货界里属于头部公司，再加上他们有速度名列前茅的众信系统，因此，2013下半年2015年股灾之前牛市期间，中信期货在股指期货上的交易量特别大，在国内是无可撼动的市场老大地位。

这是程序化交易创业的比较好的时期。现在市场上挺多能够叫得上名字的机构，都是在这个时候崛起的。这个时候市场的有效性，远远没有现在这么高，可以盈利的交易机会还没有被充分利用，也比较容易发现。

我们在2011年和2012年，最开始试图做股指期货的跨期套利，我们进入的时间距离股指期货上市已经两三年了，跨境套利的竞争很激烈，除非有特别优势，很难通过跨期套利获得利润。

后来我们很幸运的在市场中找到一个小特征，然后按照小特征做交易，从市场中稳定的获得利润。现在回过头看，这个特征很浅显，交易机会也只有那个时候才有，这个特征很快就失效了，不能再用。

如果一个创业团队就两三个人，学术背景不错，但没什么经验，这样的团队如果要发现市场无效之处并盈利，这个事放在2015年之前，会比现在简单很多。

那个时候市场成熟度本身不如现在高，并且2014年下半年和2015年上半年股市上涨的过程中，还有非常多非理性交易者涌进来交易，这些交易者提供了大量的盈利机会。

在市场最疯狂的时候赚钱，并不需要有高超的技术，因为交易机会多，我当时在做ETF的申赎套利，做分级基金套利，做股指期货的跨期限套利。 

其实这些交易原理都非常简单，套利机会应该不会大规模存在。但当时由于市场非理性，参与者太多，因此就让在股灾之前牛市的期间，很多从事套利交易的人都赚了很多钱。后来证监会公开一个俄罗斯人控制的伊世顿公司，据说他们是在股指期货上赚了十几亿人民币。

伊世顿的技术一定是非常高吗？并不一定，当时市场非常混乱，盈利机会多，才让他们的交易利润这么高。按照曝光的材料来看，他们确实存在一些违法行为。但如果是现在，我相信他们很难像2015年一样，在市场上砍瓜切菜。

当时很多在市场中小有名气的公司，在股灾之后，业绩就变得泯然众人。可能因为遍地黄金的时代已经过去，但技术没有升级，在新时代就很难像之前一样赚钱。当然也可能是因为这些人赚到足够多的钱退隐山林了。 

2015年股灾之前，市场上有非常大量的从事人工股票短线交易团队。股灾时，证监会处罚了一家叫做东海恒信的一家公司。我提公司的名字，并不是想诋毁谁，这些都是公开的信息。当时人工短线的股票交易，可以看作是程序化交易的人工版。

当然这并不意味着这两者一样，只是那个时候程序化交易接入做股票的机构还比较少，因此手工做短线就显得特别突出。在证监会的处罚决定书里，东海恒信在24个交易日通过这种交易赚了1.3亿人民币。市场当时挺疯狂，靠交易员手工就能赚这么多钱。现在市场的有效性比之前高很多，以前很明显的盈利机会，大部分都已经消失了。

在股灾期间还曝光过一家叫司度的公司。大家都知道这是国外很有名的一家交易公司城堡集团在国内的子公司，这家公司他应该是在国内比较早从事股票市场程序化交易的机构之一，一直到现在为止，也不太知道他们当时交易量有多大、利润有多高？但是结合当时市场情况、竞争态势、本身能力来讲，他们的利润可能非常惊人，甚至有可能比伊世顿、东海恒信都高很多。

那个年代还有一批程序化交易者在悄然成长，就是期权做市商。我就是期权做市商一员，不过由于股灾，期权上市的节奏放慢，做市商一直到现在也没有引起过太多注意，但他们确实为期权价格公平合理做了很大贡献。另外，由于我们国内交易所做市商遴选制度，我感觉实际上市场上很多有能力的人没有办法成为做市商，比较遗憾。

2013年，光大乌龙指事件，这个事件是大家首次体验到程序化交易给市场带来的风险。这也是后来大家诟病程序化交易很重要的原因，因为大家觉得造成市场不稳定。但我个人并不是很同意这看法，因为程序化交易在中国市场，尤其是在期货市场，其实已经存在很多年了，但从来没有发生过影响这么大的乌龙指事件。

在期货市场，下委托单之前要验资验券，如果没有对应的资金，或者没有对应的仓位，委托单下不出去。但光大事件，如果根据公开的材料，最大的问题其实是没有验资验券，也就是说账户没有资金就可以买股票，在没有足够钱的情况下，买了大量的股票。在当时只要严格遵守委托单发送前验资验券，就不会出现这种情况。

我再次说明一下，根据公开消息做评论，对任何机构都没有恶意。 

当然程序化交易有风险，只是可以控制到交易者自己承担。对于整个市场而言，一般来讲都很难体验到有哪个程序出错，都是交易者感觉到做错了，可能因为我的错误赔很多钱。

3

群雄逐鹿时代

2015年股灾到现在是国内程序化交易发展第3个阶段：群雄逐鹿。

这个阶段有几个特征，首先是交易速度进一步提高。现在期货市场的柜台穿透延时，一般都降到10微秒以下。10微秒不是指用了操作系统给你提供的计时工具去测量出了10微秒。我们这里说的10微秒指的就是你的光信号进网卡，然后再到你的光信号出网卡，它穿透你整个计算机的软件系统，所经历的完整的时间，时间是在10微秒以内。 

如果说你在期货市场上，你一个10微秒穿透延时的柜台，在期货市场实际上来说算不上先进，但是，我只能说是所有在速度上还有点追求的柜台系统，现在基本上都降到10微秒以下，如果还在10微秒以上的话，就可以基本上判定它在速度上没有太多追求。

这个数字在几年之前是很难想象的一个高速度。那个时候大家经常谈论的都是毫秒，但现在基本没有人再谈毫秒这个概念。 

在股票市场，穿透的时间也在快速下降。两年之前，在股票市场柜台穿透延时一般来讲也是毫米。但现在股票市场能看到有不少开发商宣称是微秒量级的传统延时。

第2个特点就是量化交易的竞争越来越激烈，市场定价更有效率。挖掘显而易见的阿尔法因子变得越来越困难。比如说高频交易市场，据说以前一些本土做的还不错的团队，现在遇到了一定困难。

这比较正常，在2015年之前的淘金时代里，量化交易者的整体水平没有那么高，现在经过优胜劣汰，剩下的都越来越强。淘金时代，量化交易者或者自称是量化交易的人更多，但这不是靠人多就取胜。自动化交易的时代，往往都是赢家通吃的，另外，很多外资机构的涌入，也会造成较大的影响。毕竟外资机构都做了二三十年了，我们国内刚刚起步。

第3个特点是股票的程序化交易，虽然受到限制，但股票的量化交易却取得非常大的成长。最早程序化交易基本上发生在期货市场，但现在国内做量化交易资金规模最大的是股票市场玩家。不过因为期货市场存在杠杆，所以需要使用的资金量相对较小。因此有一些不错的期货市场量化交易者，可能在使用自有资金做交易，他们做得很好，但并不知道他们在哪。因此我能听到做的比较好、规模比较大的基本都是股票交易商。

这个时代就是现在我们所正在经历的时代，如果你是求职者，大多数还是恰同学少年，风华正茂。十年之后，我觉得大家也可以回顾和讲述当前这一段历史，所以我们不再就当前这一段继续做更多展开了。

QA

回答量化求职者最关心的问题

我们下面说一说求职的主题。比如说你想去做quant，想去做程序员。我想回应一下这些求职者，或者将来想从事量化交易岗位的人，他们可能会关注这些问题。

这个行业是不是真的有非常多的钱好赚？

量化交易是一个非常小众的行业，总体从业人员的数量非常少。但很多人关注，可能因为有一些财富效应。这个行业跟很多自动化生产行业类似，在比较成熟的状态下，少数几家机构就可以占据一个细分领域里大部分份额。如果你不是这少数的几家之一，那从市场中分到的挺少。

在手工时代，一个种田能手再厉害，也没有办法把所有的田都给种完。在工业化生产时代，少数公司垄断市场大部分份额，计算机和互联网时代更加如此。所以说由于竞争关系，市场越来越有效，获得Alpha越来越困难。2015年之前赚钱很容易，如果那个时代是“黄金年代”，现在顶多算“白银年代”，利润还说得过去。如果将来进入更加差的“青铜时代”，可能就只有行业细分的龙头能够活得比较好。

量化机构，会不会是quant或者程序员的血汗工厂？

我在网上看到一些文章把量化机构的人力资源情况描写的非常不堪，这跟真实情况相差较远。因为量化机构主要资产，其实都扛在员工脖子上。

量化机构的长远发展潜力，取决于是否能够构建员工愿意长远发展的环境。如果说一个量化机构是血汗工厂，基本上注定走不远。最起码我们的员工工作都挺happy，他们也非常愿意分享，帮助别人。我们也非常尊重每个员工作为个体的目标、情感、想法。

在2018年，我们刚刚创办希格斯投资的时候，当时我们就跟“交易门”（ID: Tradingmen）有一个访谈，那个时候我跟“交易门”(ID: Tradingmen )讲，我说几年之后，可能要搬办公室，因为空间不够了。如果再搬一个办公室的话，我非常希望把办公室做成一个全国最适合做研究和工作的地方。为什么这么想？主要也是想为员工考虑，这和我们以研发为基础的思想一脉相承。

现在我们团队其实不到30人，但我们已经准备搬办公室了，我们新办公场地大概套内面积是1300平方，里面有大概接近一半的面积做公共活动区域。如果你来工作，会感觉到环境非常舒服。 

如果说我想去量化机构工作的话，我应该选什么样的机构？

我先总结一些基本条件，再总结一些加分条件。

我觉得是这个团队需要有一些真本事

当然一个团队是否有真本事，不是那么容易看得出来，否则的话，私募基金的投资者就不会投错人了。其实我觉得作为一个quant或者程序员，可以通过团队的业绩，交易频率，去推断他们的业绩有多大可能是运气造成的，有多大可能是能力造成的。这些推断应该是作为你做一个量化行业的从业者具有的基本素质。

这个团队需要比较有科学素养

说实话，这个词有点玄乎，就是懂的人就懂，不懂的人也很难解释清楚。量化这个行业里面伪科学特别多，能相信什么，不能相信什么，哪些东西只能半信半疑，都非常重要。如果一个团队缺乏科学素养，就很难找到正确方向。这是非常可怕的事情。

这个团队不能搞很多虚假宣传

如果他们喜欢搞虚假宣传，或者喜欢做坏事，能够做出正面研究的可能性不太高，或者说非常低。

除了这些基本条件之外，团队如果还能具备其他一些条件就可以加分。

团队发展速度比较快

因为只有发展速度比较快，它才能够给新人提供足够多的上升空间。这就好比创业时期的腾讯或者阿里巴巴。一个机构，它其实很大，但是如果说它萎缩，或者说没有发展，那新人也很难获得上升。

团队里的人，需要看起来比较友善

一个机构里有一两个人脾气古怪，不合群，都很正常。但如果这个机构看起来人人都这样，苦大仇深的样子，说明机构本身有问题。说到这儿，我们就要向大家隆重的推荐一下，我们杭州希格斯投资是非常好的机构，你值得拥有。

那我应该具有什么样的素质，或者技能，我才适合到量化机构里面工作? 

如果是quant，基本数学需要比较熟悉。当然，并不是所有quant岗位，都要求有非常牛逼的数学，部分岗位对数学要求确实非常高，但并不是所有的岗位都这样。

无论如何，对大学的基本数学知识需要非常熟练。最好有比较完整的研究训练。比如发表论文，不但要求你有idea，还需要把事情说圆。不是说车轱辘话，或者似是而非的话，而是非常有逻辑的排除各种可能，证明只有这种推测才可能是最合理的。这种训练对破除轻信，破除盲从，帮助很大。尤其对量化研究，这一点非常重要。

我觉得你应该有比较大的脑洞。因为很多知识在被发现之前，会觉得不可思议，发现之后，觉得理所当然。1000年前跟别人讲地球是圆的，那时候大家就会说你傻，地球怎么可能是圆的。现在跟别人讲地球是圆的，别人也会说你傻，地球当然是圆的。知识被发现之后觉得稀松平常，但之前可能很多人都想不到。

你的脑洞越大，你能够扩展的边界就越大。

对于quant而言的话，我们不太要求计算机知识非常丰富，但我们很多quant本身计算机知识确实很丰富，大部分牵涉计算机开发的事情，都有同事做，最基本的一些Python程序还是应该会写。我们现在招程序员主要找C++程序员。 

程序员在我们这边主要做什么呢？ 

主要做几点工作，一是搭建交易策略开发的一些软件平台；二是构建交易需要的一些基础软件平台；三是保障交易安全；四是提升交易速度；五是提升运维效率。

如果套用一个比较流行的名字，我们也是“金融科技”，只不过我们的金融科技服务我们自己。但同时我们的需求其实代表国内量化交易行业里面最前沿的趋势和需求，你可以亲身体会到业务挑战在哪，可以非常快看到你做的东西，对业务产生怎样的影响。

我们欢迎大家把简历投递给我们，或者说你介绍比较熟悉的人，把简历投递给我们。地址：[e-mail]

QA

互动答疑

Q:怎么看待最近的市场的剧烈波动，对我们的净值有什么影响？ 

我没有办法在这里面说净值，因为违法监管规定。不过大致没有什么负面影响。量化交易在当前这个阶段，市场波动比较高，各种参与者变得更加不理性，这个时候往往是盈利比较好的一段时间。

Q：在程序化交易的模式下，如何保持策略和技术的更新？您觉得问题的核心竞争力应该保持在哪里？ 

其实你要是想通过掌握一套东西，在市场一直都能有用，也就是我刚入期货市场听到的“圣杯”，我觉得不太可能存在。你需要做的是不停的发现市场中影响因素，其实跟做很多研究挺类似，尤其是各种社会科学的研究，因为我知道很多人应该对自然科学研究相对比较熟悉一点。

我们国内对社会科学研究普及没有那么广，比较相对于社会科学一点的研究，经常要做很多事情，要排除 a的影响，排除b的影响、排除c的影响。最后只剩下d，我确信排除不了的，可能是我真正发现的影响因素。其实我们做交易的时候也经常这样，比如市场为什么是涨？去看股评的话，股评家每天都可以找到一个市场上涨或下跌的理由。

但真做交易的话，是不能简单的去相信，必须做很多的数据分析。对于研究的过程中间，保持竞争力的秘诀，就是要能够创造一个大家能够倾向于去分享的环境。

如果自己做，实际上能够做的东西相当有限。但如果有一个团队做，并且你不是单打独斗，你能够和别人分享成果，你也能看到别人的成果，你就可以一步一步的把你的研究去往前推进。因此我觉得做量化交易，鉴于他的这种研究的就是这种本质特征的，如果说一个机构能够保持比较好的竞争力，就在于这个机构能够创造出一个更广的、能够对内分享的环境。这对长远的竞争力来讲，非常重要，而不是现在掌握了什么，这个东西在将来可以一直有用。

Q：未来的量化交易发展的方向是什么？AI深度学习在高频量化交易领域应用前景怎么样？

这个问题我感觉有点大。未来量化交易的发展方向，我个人从一个更大图景上是这么理解的。其实我们在历史上很多科学家做很多研究，这些研究应该讲让我们对自然界的理解已经相当深入了，但实际上我们现在的各种研究，让我们对人类行为的理解其实还没有那么深入。

比如某人做事情，这个事情在社会中会产生反应，然后人们会对这个事情怎么认知？这个事情在科学体系里预测比较困难。但金融领域是一个非常巧的领域，因为这个领域的数据量非常大，并且可获得性很高，很容易获得非常多的数据。因此金融领域可能会是一个让我们能够去研究和预测人，人类社会它对一个东西会有什么样的反应的领域。

我觉得这样的领域在将来应该是不仅限于我去做交易的这种金融领域，而是在更广的，比如说社会塑造、社会传播，还有公共关系、公共政策，我觉得甚至在很多领域，只要将来你有更多的数据可能都会做这种研究。我只能讲，我觉得我们做的这些工作或许能预测人类社会对外界的信息有什么反应。这个是我们工作一部分。但是我也很难讲量化交易未来发展方向是什么。

AI的深度学习，在高频交易里面应用。我个人的体会是这样的，如果用深度学习做这个事情的话，我觉得是一个挺好的方式。当然可能并不要求所有的人都做深度学习，做交易。因为我们可以看到国外的很多量化交易机构，他们崛起的时候，实际上深度学习也并没有普及起来。当然我并不是说深度学习没有用，因为很多时候一些新的突破，它往往都是由于技术突破所带来的。在历史上如果我们没有很多统计学方法的话，可能也没有现在的量化交易。

深度学习作为一种更新的统计学习方法，有可能会给交易带来一些更多的认识，带来更多的惊喜呢。我觉得不管我的看法是什么，如果说你认为它有价值的话，是值得你去尝试的。

Q：股票T+1是怎么做量化交易的？ 

其实做量化不用管它是T+1还是T+0，总是可以做一个预测的。甚至你可以这么考虑，假设我只能预测未来的半个小时走势，半小时之后的我不太知道。你如果把未来半个小时预测的很准，也会给你带来一个很强大的优势。

因为如果说我觉得半个小时会涨，我就现在先买好了，半个小时之后，我不知道会涨还是跌，它是一个纯粹的风险，可能不会给你带来正的期望收益或负的期望收益，你就把这个风险给拿到就好了。并且风险的累积，我们统计学都知道，风险累计它是随着这个时间增长，是根号下根号T这么累积的。 

你的利润是可以随着时间T线性累积的，因为只要你的交易次数足够多，时间足够长，你的利润相对风险就会变得相当显著了。所以说其实股票市场即使它是 T+1，做量化交易也是很正常的。 

Q：您觉得市场形成了有几家独大之后这种局面会不会一直持续？ 

中国现在是否可以称得上已经有几家独大？这个是说不准的。因为整个市场还没有到国外发展二三十年这个程度，有些机构现在看起来规模可能是比较大的，但是如果说你拿10年之后的观点来看的话，可能规模仍然不算大。 

就算一些机构可能规模比较大，但是实际上我觉得我们所掌握的知识，并没有多的到那种对其他的机构都形成碾压的程度。也就是说我可能是一家比较大的机构，但是我也很难阻碍到其他机构成长起来。这个是我的判断，它是一个群雄逐鹿的时代，其实还没有到统一北方的时代，或者是说到三足鼎立的时代。

Q：量化机构开发的策略的期望值什么样的？比如说多长时间达到多少收益率？ 

实事求是的讲，在希格斯，我们并没有要求新人进来之后，一定在多长时间里面达到多少收益率。 

因为做研究这个事情，实力很重要，运气也很重要。有可能有的人他运气比较好，他上来就找到一个比较好的方向，就能够做得很好。也可能有的人运气比较差，他可能做了很久，并没有找到一个特别合适的东西。我觉得你不用太担心，就说我做了很久，我都没有什么大的进展。因为我们非常倾向于团队一块去做的。也就是说可能会存在一些策略，这些策略它有非常多的组成部分，这些组成部分，有些人是比较主要的贡献者，然后有些人相对来讲是比较次要的贡献者。

但无论多多少少，你在其中都会有一些都会有一些贡献的力量。所以说刚才这个问题就是说一个人开发策略怎么样？多长时间开发出一个收益率多少的策略？某种程度上来讲，这个问题在我们公司是不太存在。

Q：量化交易如何对抗黑天鹅？ 

这个问题我觉得其实是一个蛮好的问题。所谓的黑天鹅，其实我感觉这个含义可以是很广。一种黑天鹅就是像大家经常说，类似于今年发生新冠肺炎这种事情。这种事情对不同的量化策略而言，它的含义是不太一样的。对于有些量化策略而言，它可能确实超出他之前的范围，变得非常不适应。但是有对另外一些量化策略，可能还是处在它的范围里面，就并没有觉得这是一个特别大的黑天鹅事件。但是不论是哪种量化策略，它都会存在一些历史上不太熟悉的情况，因为计算机都是这种这样的。计算机就是，你如果说历史上的情况我是很熟悉的话，我可以应付的非常好，比所有的人类的专家都要好。但是如果说这个情况，历史上没有出现过，我不知道，它有可能它的应对相对来讲是比较差的。这也是显示出量化交易，它的科学性或者工程性所在。

量化交易大概就是说有些情况下实用的，在另外一些情况下，我认为确确实实是不实用的，就是说这个情况是我之前没有遇到的。相当于比较主观的人的感悟而言的话，我觉得是有一种进步的。

人如果相对于计算机还是有一种优越感，这种优越感某种程度上来讲的话，我认为其实是挺虚幻的。对计算机而言，还有另外一些黑天鹅，之前类似于我讲到的“光大事件”。还有非常多的计算机程序出错，但是其实市场现在都不知道，只有计算机程序的运行者自己才知道。可能会有一个交易者亏个几万块钱，几十万块钱，甚至几百万上千万，都是有可能的。然后这种就会牵涉到你在程序化交易中间，你怎么去防范你程序写得有问题，或者运维过程出问题。这其实也没有那么简单的解决答案。

在希格斯我们怎么做呢？我们其实是会每个月，都把我们在过去一个月里面犯了什么错，都会给聚集起来，然后我们准备做一个所谓程序化交易的程序编写、运维的Best Practice（最佳实践）。 

我们想把我们历史出的错误归类，总结采用哪些措施可以避免重复这类错误。我们会把这种做成册子发给大家，包括我们新进来的同事。采用了Best Practice推荐的一些方法之后，大家可以避免掉大部分错误。也不能保证说你避免了所有错误，因为很多错误他发生之前，你都会觉得很不可思议的。发生了之后，你才觉得原来在这个地方还可以出错。

这个就是我说的几种黑天鹅。都没有什么太简单的解决办法，但是我们会努力的增加我们的知识来应对这些事情。 

Q：前量化交易竞争越来越激烈，尤其是在低延时策略上，请问你们是如何应对？以及未来突破方向？ 

第一，我们还是需要比较专注去把策略做好。因为这个市场在竞争到后来以后，在市场初期的时候，很多人进去他都可以获得一个比较不错的利润，这样的话市场的生存的人就比较多。但随着市场竞争越来越激烈的话，可能有越来越多的参与者，他就只能获得一个比如说接近于利率这种利润，可能对你做这种业务就没有什么吸引力，因为你要承担风险，但是你只能获得比如说你去做一些很低风险的债券，或者说银行利率这些收益，所以说你可能就会退出掉。

但是如果说你能够比这些交易者还能够再高出一个层次，比如说我比他又能够年化多出10%的收益出来，这个时候我就可以在继续市场中间继续去做交易，我就可以获得年化10%的收益，但是并不一定很高，但是是可以比较稳的去做这个事情，因为我们讨论是那种低延时策略。这个时候10%，就相当于是你自己的竞争壁垒。因为其他的人如果想新进来的话，他首先要打败交易成本，他还要做出足够好的预测。因为如果说你的能力不够强的话，你可能就只能获得接近于利率的这种收益，对你而言没有什么太大吸引力。

那么这个时候你维持一个就是相对于其他人，有一个优势的话，比如说10%的这种收益优势的话，你就可以在市场中间一直的去做下去。这个是策略上的竞争。

第二，其实就是速度上的竞争。其实国内的速度竞争和国外的速度竞争，我感觉应该还是会有比较大的区分。当然有一些交易，比如做的国内和国外的跨境的一些联动的交易，比如说我想知道国外的黄金的价格走势什么样的，由此来推断国内的环境价格走势怎么样？

这个时候如果说没有更快的信息渠道，就很难跟有更快信息渠道的人竞争。如果说它的定价中心本身就是在国内，比如A股，很多股票定价中心在国内，其实跟国外的这个市场没有什么太大关系。还有一些很多商品，国外可能没有对应的东西，或者说国外交易量远远没有我们国内这么大，其实定价中心也是在国内。这种情况下，你的速度竞争跟国外的差异其实还是有些大的。

一个比较重要的东西就是我们国内的交易所，其实它的抖动是比较大的。如果说你去做这种很强的速度优化，在国外是可以到纳秒级。但是我觉得国内你想做到纳秒级，其实意义不是非常大，因为有一些你控制不了的随机的因素，它是远远的覆盖掉你纳秒级的优化。因此我就觉得在国内其实大家会追求速度，但是会有一些客观的情况，会让你的速度的追求会到了一个地方之后就变得比较极限了，就是你在再追求速度，它能够带来的边际的效应就没有那么高了。

这个是我对国内的做比较短周期的，尤其是比较对速度依赖的这些策略，以及策略上还有在数据优化上，我的一些看法。仅仅代表我个人看法，并不一定正确。

谢谢大家，今天时间有限，期待下次再跟大家交流。

欢迎大家把简历投递给我们

邮箱地址：[e-mail]

本次活动嘉宾谈效俊已加入交易门非公开社群

活动完整视频：中国程序化交易发展历史与展望

已上传至交易门深度精粹

欢迎添加小编微信获取非公开社群、精粹详情

（18916821993）

本周六，我们特邀A股量化黑马张志诚

与交易门读者线上分享我的A股量化交易5年

本次活动免费

欢迎添加小编微信报名

（18916821993）

交易门非公开社群成员还可以免费获得活动回放

包括文思捷线上分享视频《量化FOF资产配置实战》

袁骏线上分享

《宏观对冲 |金融大周期中迎战危机漩涡》 

柯南线上分享视频

《爆红之后，深析B站发展及投资逻辑》

汤立线上分享视频

《美国对冲基金运营实操》

交易门主角：华尔街老孙线上分享

《美股自营交易系统实例》音频资料

周翔线上分享视频

《波动率交易及风险管理》

更多活动内容尽在交易门深度精粹

欢迎添加小编微信购买深度精粹

（18916821993）

目前已加入非公开社群的嘉宾姚健钢

IMO金牌得主

U.C. Berkeley数学博士

谈效俊

杭州希格斯投资创始人

毕业于北京大学的量化交易悍将

波特

个性耿直

交易心狠手辣的量化交易员

徐英武

清华高材生

美股投资人

李骧

程序化交易不死鸟

上海蒙玺投资创始人

陈达

离开大投行创业做自己的基金

周翔

出身剑桥

年赚6亿美元的期权交易员

袁骏

前高盛传奇资深交易员

晟元投资创始人，首席投资官

老孙

资深华尔街高频10年

从零到一打造自己的全自动交易系统

洪灏

中环最帅

交银国际研究部主管

Amy

资深互联网从业者

携程国际火车票CEO，欧洲互联网出海专家

ALEX

曾就职于中国人民银行， 宝洁，Google等

现负责一二级市场投资

王丰

国际媒体意见领袖

英国金融时报FT中文网总编辑

黄耀东

香港大学博士

联合创办Fintech公司Aqumon，并得到阿里投资

YY

美股基金经理

职业扑克牌手，2019巴塞罗那EPT勇夺第6

神男

高收益债资深大佬

Structured Credit and Special Situation专家

袁玉玮

资深宏观对冲基金经理

欧洲国际宏观对冲十年实战

2008年金融危机期间为索罗斯咨询

柯南

资深美股基金经理，专注互联网投资

在B站、呷哺、复星国际等公司发展早期就成功选股并长期持有

汤立

全球科技股捕手

硅谷从业20年，从英特尔到科技基金创始人

小萨

UBS大中华区资深交易员

更多嘉宾，敬请期待

……

了解更多精粹内容请点击下面图片