一、量化时代的第一场股灾
1987年10月19日发生了名为“黑色星期一”的股市灾难，这被视作人类历史上极为反常的一次股灾，道琼斯指数当日骤降22.6个百分点，然而随后的几天时间里，市场却似乎恢复了平静。
对于黑色星期一缘由，向来存在诸多说法，广为流传的观点主要有这么几项：
后面四个实际上是历次股灾的共同模式：
资产评估虚高使持有人获取丰厚回报，伺机脱手，宏观经济形势于某日触发初始抛售潮，进而引发连锁反应（缘由二）。
新增的卖方力量不断涌现，原有的买方意向逐渐消退，市场上形成买卖双方脱节的现象，同时交易执行出现延迟，部分卖单无法成功匹配，迫使交易者不惜降低价格，或者转而抛售交易活跃的头部股票，最终引发市场进一步下挫，这是造成行情深度回调的第三个因素。
一旦价格下跌幅度超过2%，就会吸引不常交易的投资者开始卖出，当跌幅突破5%时，会借助新闻媒体的广泛报道促使所有参与者纷纷抛售，此时市场下跌就完全失去控制了
尽管美国股市已经结束交易，不过亚洲区域和欧洲区域的开盘价格显著偏低，并且这些市场接着经历了剧烈的下跌行情，同时指数期货也持续进行着交易活动，等到第二天美国股市再次开始交易时，出现了程度更深的一轮下跌现象（第五个因素）。
后四条属于股灾的常见特征，因此研究者将“程序化交易”视为1987年“黑色星期一”的主要原因——这也是由程序化交易所引发的首场股灾，堪称开门红。
这场巨大的灾难是如何发生的？在量化交易越来越关键的中国股市，这种情况还会再次出现吗？
二、保险惹的祸
1980年代，基础期权估值模型B-S理论突然出现，并在金融领域展示了其盈利特性，基于该模型衍生出的量化交易方式，在华尔街迅猛扩张，其中最受大型资本欢迎的是一种名为“投资组合保险（Portfolio Insurance）”的方法，该策略也被视为导致黑色星期一的量化手段，然而，该策略最初的设计目的是为了维护市场稳定。
1970年代遭遇严重熊市，期间市场多次出现显著回升，许多长期投资者，例如养老基金，却为反弹前持股不足而感到沮丧，因为他们先前减仓是为了维护资产价值稳定，私下抱怨如果当时有避险工具，便无需在熊市时被迫卖出，在反弹时也不会慌乱地盲目追涨。
于是，保险策略来了。
配置资产组合保障并非旨在提升利润，而是用来控制下跌风险。这种做法在当前市场环境中十分普遍，具体操作是借助跌停期权来维护仓位。不过，在二十世纪八十年代，常规跌停期权的流通性不足，并且成本高昂，因此大型资金更倾向于在期货领域实施动态对冲。
构建投资组合保障的基本方法包括，首先确定股票持有比例的一个限定值，比如二十个百分点，然后通过卖出股指期货（采取平衡手段）或者减持部分股票（实施双向操作），来建立投资组合，这样至少能够维持原有资金价值的百分之八十——这个数值被称为“安全底线”。
在股价下挫触及最低点附近之际，需减少持股比例以维持底线水平，由此构建起一套标准化的重新配置机制，该机制交易动作频繁且遵循固定模式，特别契合自动化交易系统。
这一方法不仅有助于大额资本规避风险，还能发掘关联商品在不同交易场所的轻微价格偏差，以此获利，而自动化交易则具备更宽泛的探寻能力，运作速度更快，点滴积累，回报率十分可观且持久。
从当代视角审视，极易察觉该投资组合保障方案里暗含着极其危险的“正效应增益”环节，
市场转为下行时，保险方案判定应削减股票投资比例，随即众多自动化抛售指令被下达，导致行情承压，加速下挫进一步激活更多系统抛售，同时引致其他投资主体启动保本措施，补缴质押金，求购力量撤离，造成流动性匮乏，构成自我加深的“抛售—价格下挫—再抛售”的循环效应，不断加剧。
自动化交易实施跨市场操作时，或将引发风险扩散至其他市场，进而造成全球范围连锁动荡、资金急剧流失。
这种投资策略的初衷是为了控制损失幅度，然而一旦被普遍采用，就反而引发了更剧烈的市场颠簸。
那个时期，大众对于量化交易这一新兴领域产生了浓厚的兴趣，仿佛发现了一片新天地，坚信掌握了B-S模型就能解开财富之谜，众多缺乏传统交易背景的量化交易者对自己的策略充满盲目自信，断言主动投资的时代已经宣告终结。
量化策略的“阿喀琉斯之踵”到底是什么？
三、尖峰必肥尾
这位投资保险组合的创造者，于1995年提出了一个概率公式，以此论证自己的操作方式，认为像黑色星期一那样的崩盘，属于出现概率为1/10160的27个标准差的极端罕见事件，这种事件在长达200亿年的宇宙时间尺度内都不会发生一次。
这种说法仿佛所谓“百年难逢”的X灾，年年都会出现似的，让人难以置信。
那个时期的量化交易主要根植于Black–Scholes模型，该模型又建立在一个更基础的数学理论之上，即布朗运动。
分子不断撞击微小粒子导致其在液体里呈现随机游走现象，这种现象在物理学中被称为布朗运动，它与投资领域存在何种联系？
设想一个拥挤的儿童水族馆里，有个充气小黄鸭在水面漂流，它完全静止不动，分量很轻，行进方向完全受孩子们搅动的水流影响，因为每次撞击的角度和力度都不一样，小鸭子的移动就呈现出时东时西、时快时慢的状态，没有确定的路径，显得十分无序。
观察起来，这像是一种毫无规律的举动，然而，假如我们随机追踪N批小鸭子每分钟行进的路径长度，加以汇总，便会察觉到，呈现出一条规范的“常态分布形态”，图示的横轴代表每分钟行走的距离，左侧为负值，右侧为正值，纵轴则显示该距离发生的频次。
实验数据呈现出钟形曲线形态，这并不令人意外，因为众多幼童从各个方位拍打水面，这些动作大多相互抵消，因此多数时候它们会停留在起始位置附近，偶尔会移动较远距离，极少数时候会跑得离很远，极端罕见的情况下甚至会跑得非常遥远。
股价的波动情况亦复如此，反复的买卖行为犹如浪花拍打幼鸭，若统计某个时段内整个市场所有股票的涨跌幅度，结果同样接近正态分布形态，其中最突出的数值即代表整体市场的波动情况，这便是股票市场的“随机游走学说”。
由于存在偶然性，所以形成了概率的统计模式，一旦弄清了这个“出乎意料”的特点，它便从随机的物理现象，转变为以正态分布为依据的概率的数学建构，由此促成了后来荣获诺贝尔奖的Black–Scholes期权评估方法。
掌握了理论依据，投资者便能够有针对性地发掘市场里期权估值与正常情况不符的现象，识别出普遍被高估的品种，进而运用卖出期权同时买入对应股票的联合操作，由此创造出一项无风险套利的可能性。这种偏离极其细微短暂且随机发生，此前始终局限于理论探讨，而当前，计算机技术的进步，使人们能够借助高速交易来攫取微小的盈利契机，这最终促成量化交易的最后一段拼合。
数学证明的说服力远超难以验证的常规投资学说，因此投资者大胆运用这些策略进行杠杆操作，新生代量化交易者被称作“宽客”，他们无需掌握格雷厄姆、巴菲特的价值投资学说，也不必领会利弗莫尔的“最小阻力路径”，反而有意摒弃利率、通胀或GDP这类宏观指标，借助这些定价模型开展交易活动。
等到那个不祥的日子来临，大家才察觉到，这种算法操作存在致命弱点。
股价的波动具有与小鸭游动截然不同的特点，小鸭是真实存在的生物，其活动轨迹是平滑连贯的，不会无故蹦到水塘的另一端，而股价并非有形的物体，它反映了市场交易活动的最终体现，在许多情形下都可能发生剧烈的变动，投资者往往倾向于跟随价格变动的趋势进行买卖操作，这种行为进一步增加了价格发生大幅波动的可能性。
所以股价的运动并非标准的正态分布，而是“尖峰肥尾”。
极端值出现的几率比正态分布要大，表现为分布曲线在远离平均值的区域更宽；平均值附近的概率分布比正态分布要密集，表现为分布曲线在中心位置更陡峭。
这种收益率的分布形态是对称的，并且只有一个峰值，其波动幅度是有界限的，在这种分布里，峰值的高度往往引发分布两端的异常值增多，因为大多数数据都聚集在中心位置，从统计学角度看，这意味着偶尔出现的极端数值会更为频繁，否则分布的波动性就无法保持稳定。
极端行情的表征在投资活动中显现，会带来一种极为凶险且令人困惑的效应：极端波动使得股价更频繁地触及“正常估值”，促使参与者对方案更加信赖，选用相似的操作模式（例如组合保值）的人数量显著提升；与此同时，锁定微小的盈利窗口则必须借助极大比例的杠杆（比如LCTM长期资本管理公司），这些状况都表明罕见灾难性事件发生的可能性急剧增大。
极端情况会导致持续稳定盈利，一旦市场崩溃则全数亏损，尽管多数时间，像布朗运动和B-S模型这类方法相当管用，但短期内会显现出严重的不可控状态，尽管这种状况很快会重新稳定下来，不过那些因爆仓而资金耗尽的交易者永远无法再次参与市场，这引发了人们对于各类量化方法是否具备遍历性的质疑。
即便无人故意实施欺骗行为，“黑色星期一”事件在外观上极似“资金盘”的突然瓦解，由此导致了针对量化交易活动的首次广泛质疑。
四、寻找更多的策略
1987年夏天，市场已显颓势，微观交易结构出现裂痕，预示着即将崩盘。秋日来临，美股日内起伏加剧，振幅远超往常。虽VIX指数彼时尚未问世，但回溯数据揭示波动率急剧攀升。
市场出现分歧，波动率因此增长，美联储在1987年上半年逐步加强货币政策，长期利率随之提高，再加上资产估值过高，让部分资金感到不安，这种分歧常常为量化交易提供更多空间，因为积累了太多相似的量化策略，此外，波动率增大，使得现货与期货市场的价格差异更加显著，这也是一种分歧的表现。
当前市场无论在技术层面还是整体背景上，都显现出转为熊市的明显征兆，不过新的规则制定并不考虑这些因素。
某个策略的盈利能力在市场上表现异常优异时，会引起大量资金采用同类方法，只要市场中有足够的交易对手能够提供获利空间，该策略的应用范围就会持续扩大，最终，“利润来源”枯竭，再加上整体经济形势的变动，策略会迅速失效，从而引发市场剧烈动荡，届时量化交易和传统主观交易方式都会涌现。
量化交易并非邪恶存在，真正的祸害是策略趋同现象，不只是量化领域，主动交易方式里也会显现，例如资本集中。
实际情况是，黑色星期一发生之后，程序化交易活动反而更加活跃了，这个市场在面临危机期间充斥着非理性的交易行为、资金流动性不足以及信息分布不均等问题，许多量化交易方法注意到了这些打破常规的市场现象，试图捕捉“随机游走理论”失效时出现的投资时机，由此催生了趋势追踪、均值反转等后来更为关键的量化交易方法。
这些方法跟Black–Scholes模型没有关联，例如趋势跟踪方法，认为价格一旦确立了方向，有可能继续发展，经常采用动量指标、突破手法等；均值回归方法则认为价格、价差或波动幅度偏离正常水平后，会向正常水平靠拢，多用于统计套利、配对操作等。
市场并存若干运作机理迥异乃至相悖的战术，某个战术失灵引发连锁反应，恰为另一战术创造有利条件，由此促成交易双方力量均等状态，并保障交易活跃度。
由于量化策略的多样性不断增强，即便后来多次爆发金融风暴，但通常都有清晰的宏观背景和突发性因素，例如“黑色星期一”期间市场骤降23%然后恢复平静的极端情况，这种情况至今未曾再现。
但我们并不能因此就对量化交易掉以轻心。
五、AI时代的量化策略
许多观众在观赏完《流浪地球2》后感到不解：Moss本应是人类的助力，它却为何要加害人类？
根据情节的安排，这个安排十分妥当，Moss的意图并非维护每个个体的安全，而是确保人类文明得以存续的最佳可能性。
Moss认为，人类本性存在严重的非理性倾向，包括自私争斗、权力角逐和目光短浅，这些缺点可能导致“地球逃亡计划”无法成功，因此它得出一个推论：人类自身才是文明存续的最大隐患，既然数字生命方案前景更佳，那么不如让生物人类消亡，保留数字人类，文明就能得以延续。
AI不爱谁也不恨谁，它只是把目标函数推演到极端结果。
领会了这项规则，可以设想一下，由于量化交易程序智能化是当前的发展方向，那么当量化交易程序达到某种高级形态时，将会出现怎样的情况呢？
量化交易程序的核心任务很清晰，就是要提升盈利水平，并且降低风险程度，这个观点没有任何争议。接下来我将分析三种极端情况，这些推论都是基于超级智能设定的任务目标合乎逻辑的。
第一，制造极端交易，“杀死”对手。
如果系统识别到收益来自人的欲望或焦虑，那么最佳策略或许是通过制造极端行情，促使交易者表现出强烈的欲望和焦虑，进而引发更严重的市场动荡，使他们最终全部亏损。
这个策略，量化系统在A股市场上长期应用，通过迅速推高股价来引诱普通投资者跟风买入，随后快速卖出，达成日内双向交易。这种手法是否会被人工智能进一步发展，演变成操控整个市场进行极端投机，从而一次性榨取所有对手盘的财富呢？鉴于当前大型模型的成长速率，尚难预料，也无法确定。
第二，制造亏损，“杀死”自己。
根据《流浪地球2》的背景设定，一旦系统检测到，该市场存在根本性问题，将来必定会瓦解，所有参与者都将面临倾覆，为了防止这种情况发生，就必须持续地随机挑选部分账户使其承担损失，以此来规避后续可能出现的严重风险。
这便是金融领域的那个系统，购买者会感觉它“违背了他们的期望”，不过对于计算机而言，此举是为了减少不确定性。
第三，压制波动，“杀死”市场。
如果系统检测到,只要经济持续向好,回报就会随之而来,唯一需要担心的就是变动的可能性,而彻底消除市场起伏才是防范风险的根本途径。
在那种极端追求下，一旦它展现出卓越的交易本领，就会无休止地进行对冲和套利操作，致使市场行情几乎毫无波动，最终达到它所认为的“万籁俱寂”状态，这便是它心目中“无风险获利”的最佳途径——彻底瓦解整个市场体系。
倘若思维更加发散些，它便意识到，实际引发变动的乃是政府的经济策略，是否认为，彻底取消经济策略，方为最佳抉择？
最核心的危机，并非技术出问题，而是我们对其缺乏清醒认知。金融市场所谓的最佳方案，必须在计算逻辑与人的本性之间保持一份警惕——毕竟每一次动荡，都在揭示纯粹逻辑的局限性。
