来源：上海证券报
量化交易系统的升级，对券商业务转型而言是一场应变图存的压力测试。作为券商越来越重要的客户群体，量化客户对股基交易量、两融、收益互换等业务线都有着重要价值，而量化交易系统正是其基础性保障。随着量化私募规模的扩容，券商不断强化量化交易服务，对交易系统迭代升级，展开“毫秒级”的争夺，力求在转型中占得先机。
争夺量化客户
“去年，招商证券有两家深圳营业部的股基成交总额大幅增长，量化交易系统的迭代起到了重要作用。其中，深南东路营业部去年股基成交总额突破3万亿元，而2020年的股基成交总额仅1.34万亿元。背后原因是在量化交易系统建设上投入了更多资源。”深圳一家头部券商的资深机构业务人士表示。
量化客户的业务价值及客群属性，在券商佣金费率下滑的趋势中，为经纪业务手续费的增长提供了支点。招商证券年报显示，2021年财富管理和机构业务营收为137.07亿元，占比达46.58%，几乎就是半壁江山。“量化客户的业务价值推动券商投入更多资源加强量化交易系统的建设，让券商具备更强大的技术支持‘底座’及更敏捷的机构服务能力。”招商证券有关人士对记者说。
有市场人士表示，随着A股市值规模和股基交易量的增长，具备较强交易研发能力和运行经验的券商将率先占据量化机构服务这一赛道，各家正以协商佣金率吸引客户。但同时，委托未成交、实时行情报错等情况仍时有发生，一些券商迫切需要加强量化系统的建设。
“目前，量化交易佣金普遍在0.012%到0.015%，也有券商可以提供到0.01%。”深圳超量子基金合伙人聂稳表示，“其实，量化私募大多能接受以一定的佣金率提升来换取相对较快的交易速度和更好用的交易系统。”
聂稳认为，券商交易系统最重要的考量指标包括：交易速度（给出下单指令到具体执行以及反馈响应的时长）、是否有灵活的交易算法、交易的安全性和稳定性。“我们遇到的大部分券商所提供的量化交易系统，如传统的迅投QMT量化交易系统速度较慢，系统不够稳定，导致交易指令受到影响、交易反馈出错，甚至出现持仓不同步的情况。量化私募机构都有一套严格的系统检验标准，也经常将系统问题反馈给券商。”
据深圳一家量化私募的相关人士介绍，目前券商的收费主要是协议佣金费。由于佣金费率不断降低，未来在基础佣金费上还可能收取流量费。此外，私募股票托管在券商机构，券商负责监管和清算，托管费率普遍为0.1%到0.3%。“我们私募的月交易成本在0.5%到0.6%左右，对券商的交易系统会优中选优。”该人士介绍。
量化系统升级赛开打
从服务方的视角看，广发证券相关负责人认为，量化私募对券商的核心需求包括：交易服务能否满足其策略和交易要求；能否为其带来资金支持和客户资源，如产品代销和种子基金投资；融资融券、场外衍生品个性化金融工具的综合化服务能否高效地满足其个性化需求。
“去年，我们提升了交易速度，新建新一代极速柜台系统，使交易处理的内部时延低于10微秒。新引入建设QMT系统，以便为客户已有策略提供灵活快速落地的技术手段，包括客户策略的迁移、加载、运行和调度能力，提供更便利的量化交易服务，还推出主动型算法交易服务。”广发证券相关负责人表示，上述优化大幅提升算法绩效，较好满足了量化客户的需求。
招商证券也将量化系统升级作为连接财富管理转型、机构客户服务的重要桥梁。招商证券相关负责人表示，对量化客户的服务主要围绕行情、柜台等基础设施开展。一方面，公司将自主研发的极速柜台X-QTS升级到性能更优且稳定性更强的ExtremeSpeed-QTS，还引入了近年来业内评价优异的ATP极速柜台，为机构客户提供更多样化的选择；另一方面，结合交易所行情发送优化机制，推出了自主研发的融合行情方案，为客户提供更稳定的行情及衍生服务。
招商证券相关负责人对记者表示，招商证券的量化系统建设分为三阶段。先是了解客户需求、通过海外调研了解服务模式、结合国内实情构建服务方案，完成了量化服务框架的建设；在现阶段，对服务框架内的各组件“深耕细作”，挖掘潜力优化模式；面向未来，招商证券正探索量化交易服务领域风险控制等方面的研究。
除在交易系统优化上精耕细作外，不少券商对优质成长型量化私募给予种子基金支持，扩大量化机构的“朋友圈”。如广发证券推出了“广发量化成长40”计划，目前已对300多家量化私募进行了尽调，有上百家进入跟踪观察池，几十家被纳入投资标的池。另外，通过机构投顾服务，广发还为信托公司、FOF机构、财务公司等提供私募产品配置服务，吸引机构资金投资优质量化私募。
记者 唐燕飞 编辑 孙放
什么是量化交易，未来前景如何？知道的讲讲。
量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。在国外的期货交易市场，程序化渐渐地成为主流，国内则刚刚起步。今天我们就来分析一下它的优势和劣势。
量化交易到底有何种魅力?
所谓量化交易，是指以先进的数学模型替代人为的主观判断，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，减少投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
量化模型=计算机技术+量化分析师制定策略
在股票市场上，量化交易早不是什么新闻，量化从业人士张威告诉人民创投(ID：renminct)，在国外七成的交易都是通过计算机决策的，在国内这个数字也接近五成。
过去的股票市场都是靠交易员手动敲键盘来操作的，难免一失手成千古恨，这种行为被戏称为“胖手指”，相比之下，量化交易则如同点石成金的“仙人指”。量化里最美的童话就是“旱涝保收”，牛市也好，熊市也罢，都能大赚特赚。
传统股市量化中最耀眼的明星莫过于詹姆斯西蒙斯，其一手缔造的大奖章基金自1988成立至2009年西蒙斯退休的这21年间，年平均收益率达到了惊人的46%，即使是2007年次贷危机席卷美国，量化基金遭遇滑铁卢的时代，大奖章基金依然获得了骄人的73%的回报率。
量化投资中常用的策略，包括阿尔法策略，CTA策略和套利策略。阿尔法策略通过选股组合，挖掘超越市场整体表现的投资机会;CTA策略通过追随趋势，追涨杀跌;套利策略利用市场价格差异，空手套白狼。每个量化投资策略都是个黑盒子，它们是量化公司的量化投资的核心竞争力，其他外部人无法知道其中的秘密。
旱涝保收，坐收渔利，这样的“黑科技”让币圈的投资者也分外眼红。一家量化交易企业的创始人这样描述自己转行数字货币量化交易的经历：“两年前，炒币的朋友经常24小时看行情，搞得精神疲惫，问我如何在数字货币领域实现量化、程序化交易。他们提供了一个比较简单初级的模型，希望我在它的基础上扩展改造，增加风险管理模块。”
现在大大小小的数字货币量化交易团队采用的量化策略与传统外汇市场、期货市场用来做套利的策略虽然大体相似，可也玩出了新的花样，搬砖就是一个典型。搬砖学名“配对交易”，是指同类型股票或同股异地股票根据价值分析以及股价相对比例相互置换的一种套利方法，由于政策原因，同股异地搬砖并不常见，但在数字货币市场，大大小小的交易所数不胜数，不同交易所之间的价格也常有差异，利用价格差低买高卖，就成为数字货币量化中最简单粗暴的盈利方式。
量化交易的优势
1. 严格的纪律性
量化交易有着严格的纪律性，这样做可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的化，我会打开量化交易系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、资金上、买卖时机上的综合评价情况，而且这个评价是非常全面的,比普通投资者拍脑袋或者简单看某一个指标买卖更具有说服力。
2. 完备的系统性
完备的系统性具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型;其次是多角度，量化交易的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度;再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量化交易的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。
3. 妥善运用套利的思想
量化交易正是在找估值洼地，通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。定性投资大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票;与定性投资不同，量化交易大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。
4. 靠概率取胜
这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是在股票实际操作过程中，运用概率分析，提高买卖成功的概率和仓位控制。
量化交易的风险性
首先是一二级市场“级差”风险，其次是交易员操作风险，最后是系统软件的风险。
一二级市场的“级差”是整个套利交易的核心。在现有规则下，ETF套利模式分为两种：一种是通过购买一揽子票，按照兑换比例在一级市场换得相应的ETF份额，然后在二级市场上将ETF卖出;另一种则与前者相反，是在二级市场上购买ETF份额，通过兑换比例换得相应数量的股票，然后在二级市场卖出股票。交易的顺序视股票价格、兑换比例、ETF份额交易价格的变动而决定。
由于股价的变动，ETF套利级差转瞬即逝，因此纷繁复杂的计算过程，目前业内由计算机完成，交易员通过设定计算程序并按照结果决定策略，又或者完全自动让系统在出现套利空间时自动交易，后者便称之为程序化交易。
又因为套利的空间非常小，通常只有万分之几，因此套利交易为了获取适中的收益，参与的资金量都比较大。如果交易员把握不当顺序做反，则投资将出现亏损，这便是级差风险。而为了控制这样的人为风险，券商一般提倡自动化交易，方向由计算机把握，交易员输入交易数量即可。
第二种风险是交易员操作失误，比如光大这次的乌龙指事件，有可能是交易员在输入数量的时候出现了失误。这同时也牵扯到第三种风险，系统软件风险，每个交易员在系统中都有相应的交易权限，包括数量、金额。光大本次涉及的金额坊间一度传闻为70亿元，而数量如此巨大的金额是如何绕过系统权限完成交易的?这个问题的暴露，也导致业内质疑光大风控并未做足。
这个平台犹如币圈的一个缩影，每一个人都心惊胆战地伏在荷官的膝下，聆听骰子撞击的声音，殊不知荷官才是他们中的头号玩家。“职业投资者都知道有庄家”，张威直言。多数的量化平台可能会推出更复杂的止损策略和更出色的套利机制，但除非平台拥有足够雄厚的资本成为游戏的庄家，否则就只有被收割的命运。
量化作为工具，或许无可厚非，但许多数字货币基金以“量化”为名，公开募集资金，行走在法律的边缘。中国人民大学教授赵锡军认为，金融行业和其他行业不同，参与金融活动，动用的是别人的钱，发生风险，别人会有损失，因此政府需要更加严格地监管。
量化交易一念天堂，一念地狱。小编在这里希望广大投资者切莫游走在法律的边缘，以身试法，否则等待你的将是法律的制裁
量化交易系统是什么？
很多时候我们进行数字货币投资，然后有没有过多时间去关注和操盘。我们想要操作按照我们的意志来走。这个时候量化交易系统就应运而生。量化交易最简单的理解就是比如你要去学校，你每天都可以有不同的路线去学校，然后通过多年去学校的经验自己规划好一条最近的道路，然后每天都按照这条出来走。一个量化交易系统的形成，一般都会经历这几个过程。
1，根据你多年对操盘的理解，然后总结出来几十条规则，然后按照这个规则就可以达到你操盘的目的。
2，通过编程的语言把你的想法变成程序，没办法变成程序的规则这个时候就被放弃了。
3，对你形成的量化程序进行回测，目的是（1）看量化程序的逻辑是否有明显的漏洞（2）用过去的数据演练来得出未来的答案.
4，所以的程序都做好了后我们可以在模拟盘上进行模拟交易，这样可以在不付出任何代价的情况下进行实弹演练。
5，上实盘进行交易，这个时候是检验你的量化交易系统的策略的最终战场了，中间出现任何偏差随时做好人工干预的准备，该优化就进行优化。
