近年来，量化交易在国内发展迅速，也引起了市场的广泛关注和热烈讨论。鉴于量化交易本身存在一定的专业性与复杂性，以及它在国内仍属于新兴领域的现状，宽德投资撰写此文，希望凭借自身的经验与思考，帮助大家以客观、理性的态度来认识和理解量化交易。

　　要深入理解量化交易，先来听三个小故事。

　　故事一来自于股票市场。

　　假设市场上有一只股票C，价格为10元每股，每年每股分红约为0.5元。

　　现在有A、B两位市场参与者。经商能力上，股民A>股民B：

　　股民A：使用10万元本金自主经商，每年可以赚到1万元；

• 　　股民B：自主经商，同样的10万元本金只能每年赚到2千元。

　　当前状况：

　　股民A：持有1万股C股票，每年收益为：1万股 × 0.5元/股 = 5千元；

• 　　股民B：持有10万元现金自主经营，每年收益为：2千元。

　　交易过程：

　　股民B买入：B花10万元购买A持有的1万股C股票；

• 　　股民A自主经营：A利用收到的10万元进行自主经营。

　　交易后收益：

　　股民A：每年收益为1万元；

• 　　股民B：持有1万股C股票，每年收益为：1万股 × 0.5元/股 = 5千元。

　　结果分析：

　　A增加收益：1万元 - 5千元 = 5千元

• 　　B增加收益：5千元 - 2千元 = 3千元

• 　　总共增加：8千元

　　在微观经济学中，这部分额外的收益分别被称为生产者剩余、消费者剩余和社会总剩余。交易的本质是通过资源优化配置实现双赢，从而增加社会总剩余，也就是增加了社会总财富。

　　不过，故事一中所假设的股票C每股10元，实际上是假想中A、B都认可的公允价格，A、B都认为10元符合股票C的价值。但是实际上市场价格并不总等于公允价格，这就可能导致双赢的交易无法发生。

　　特别是，真实的交易中，往往A、B难以相互直接进行交易，通常是A、B分别与集中市场上的匿名对手方进行交易。也就是说，你往往只能在“接受当前的市场价”或者“不参与当前市场交易”之间进行选择。

　　故事二我们选择一个简单直观的生产要素市场例子：

　　假如A有一袋玉米种子，A使用这袋种子，可以种出价值50元的玉米；

• 　　B的种植技术更好，使用同样一袋玉米种子可以种出100元的玉米。

　　A、B相互不认识，不能直接交易，只能通过村头叫“市场”的一位好老乡来间接交易，“市场”会用自己指定的价格先把A的玉米种子收过来，再立刻用同样的价格卖给B，整个过程分文不取。

　　同样是这笔交易：

　　假如“市场”报价75元，那A、B都会很高兴，各赚25元；

• 　　如果“市场”报价低于50，那A无法接受，交易无法完成；

• 　　如果“市场”报价超过100，那B则无法接受，交易无法形成，更大的社会总财富无法被创造。

　　继续刚刚生产要素市场的例子。

　　上述例子中，假如A、B的买卖时间并不匹配，A想要卖出玉米种子，但是B的资金还需要3天筹集，那A的生产活动就停滞了。

　　如果此时有一个专业的交易者C，先用70块钱从A的手中买过来玉米种子，等三天，再将玉米种子用75元卖给B，这样A的生产活动也不用停滞，最终这笔交易也完成了，解决了交易时间错配的问题。

　　聪明的读者可能发现了，C不就是故事二中的村头“市场”吗，脱了马甲我还是认识你！

　　是的，真实的“市场”不是某个村头的好老乡，也不是某个固定的人，而是一个一个交易者，他们的交易行为共同创造了市场，每个人在市场交易各取所需的同时，也相互成人之美，为他人建筑了市场，提供了宝贵的流动性。

　　聪明的读者可能还会想，C跟A的成交价格是70元，C一转手就赚了5元，这赚钱也太轻松了。所以，另一个专业交易者D出现了，他出价71元，只赚4元，出价更高，A自然就会选择跟D成交。哪知这时候又来了一个E，他出价72元。结果C、D、E各不相让，最后出价直逼75元。

　　在真实的世界里，可能存在无数个A，有的成交在70，有的成交在71，但是最终价格很快来到了更加公正的75元。这正是一个有效市场价格形成的过程。

　　那么这三个故事想要告诉我们什么呢？

　　故事一中，我们看到了交易在资源配置中的关键作用。通过交易，资源从低效能者（B）转移到高效能者（A），这不仅提高了双方的收益，社会总财富也随之提升。

　　故事二强调了高效的交易离不开有效定价。只有有效的市场定价，才能撮合市场上的交易者，使得丝滑的资源配置得以实现，促进交易的同时创造了更多的社会财富。

　　故事三强调了专业交易者在市场中的重要性。专业交易者通过在不同时间段买卖资源，解决了交易时间错配的问题，为市场提供了流动性和价格发现的功能，进而提高了市场效率。

　　从以上三个故事中，我们发现，交易依赖于有效定价，而有效定价又离不开专业交易者的存在。在市场中，各种类型的专业交易者发挥着重要作用，而量化交易正是其中之一。

　　量化交易不仅具备专业交易者的共同特点，还具有一些独特的特性。为了更好地理解量化交易的本质，下面我们进一步探讨量化交易的特点。

　　作为专业交易者，量化交易首先具备市场上所有交易者所共有的特性：

　　任何交易行为，不管是机构还是个人，不管是主观投资还是量化交易，其实都是通过传递市场信息、促进正确定价，同时提供流动性，并以此获利。

　　只是对于这个行为，有时会有一些不同的表述，比如，长期投资、价值投资，本质上都是认为该标的长期的定价应该更高，于是在当下买入持有。一个容易忽略的事实是，当我们进行买入操作，也是为想要卖出的对手方提供了流动性。

　　流动性的意义是什么？流动性看似老生常谈，但充沛的流动性，有助于整个权益市场高质量地运转。很多人认为股票可兑现市值是由“股价×股本”决定，事实上，真正的可兑现市值是“区间平均股价×区间内认可该价格的流动性”。只有认可当前定价的流动性充沛，才能有足够的可兑现市值。换句话说，股票的市值不仅依赖于一个固定的价格，还需要在该价格水平上有足够的市场参与者愿意进行交易，才能使得该价格具有实际的市场意义。

　　另外，二级市场的流动性对于一级市场也有着重要意义，一级市场投资者也有在二级市场退出的需求，二级权益市场有充沛的流动性、稳定的可兑现市值，亦有助于增强一级市场的投融资信心，促进权益市场更好服务于实体企业融资需求。

　　此外，量化交易也具备自己的特性：

　　量化交易与主观交易的关系，很像是大语言模型和人类思维的关系。大语言模型根据人类思维和语言习惯进行学习，量化交易根据历史数据和市场行为进行模拟和总结，两者都是利用数据来进行预测和决策。

　　量化模型通过历史数据学习到一些正确的交易行为。比如，质量好的公司因为其持续稳定的盈利能力和良好的发展前景，股价会上涨；被低估的公司在市场逐渐发现其价值时，股价也会上涨，或者当一个行业发生变革的时候，它们的价格变化会有一定的惯性，形成一个变化的趋势。这些都是主观交易中合理的逻辑，也历经市场行情被反复验证。

　　量化交易通过分析大量的历史数据，提取出市场中蕴含的交易规律和模式。这些规律和模式并不是量化模型创造的，而是市场长期运作中自然形成的结果，换句话说，量化并没有创造新的交易行为，亦没有修改市场运作规律，只是广泛高效地使用这些本就存在于市场的规律进行交易。

　　借助先进的信息技术，量化交易可以在广泛的股票上应用自己学习到的知识。不过值得注意的是，对于个股，量化交易判断的准确性、掌握的信息，并不一定是领先于个人交易者的。

　　借助信息技术，量化模型对股票间广泛的关系进行建模，把整个股票市场建设成流动性共享、冲击分担的有机整体。比如，当一个新的中小股票进入市场，基于市场上相似的股票，量化模型可以迅速地对它形成相对合理的定价，把这个股票的流动性与整个市场的流动性关联起来。当这个股票被过度卖出的时候，量化策略往往会少量卖出其他股票，增持这个被低估股票，这个机制就相当于把一个股票的卖出流动性需求分担到了更多股票上，借此平抑了个股上的非理性波动。健康的量化交易生态于市场而言，就像提供一个时刻在线的服务，当你想交易时，成为你的对手方，让价格不至于因为你的交易而短期大幅偏离公允定价。

　　总结来看，量化是科技与交易的交汇点，涉及到软硬件工程、数据科学、决策科学等多领域知识的综合应用。量化交易的每一步，与人工智能在其他领域的应用，在本质上是一致的，都是致力于通过先进的技术和算法来解决实际问题，创造社会价值。

　　我们相信量化交易的发展，能同时为资本市场的高质量发展和新质生产力的培育壮大贡献力量。

（CIS）