之前我讲构建量化投资的步骤：1）构建投资组合，投资策略=超额收益模型+风险模型+交易模型；2）执行模型，执行过程=回测+模拟盘交易；3）实盘交易。别舍不得了，把真金白银扔进市场里试试吧！

这时候你就会发现，你竟然亏钱了！可是，之前的每个步骤你都想的很仔细，想的很完备啊，应该是万无一失的，你的模型很完美，你的策略回测收益惊人，但是现实往往很骨感，你确实亏钱了！

为什么，到底是哪里出错了？

1、观察错误

首先要考虑的就是观测值不全或者错误的问题。在构建模型和策略的时候，我们收集使用了大量数据点，这些可能是完全基于历史真实的数据点，成千上万个观测的数据点中含有少量几个极端观察值。他们可能是交易所的记录错误，也可能是我们获取时的数据清洗疏漏，还可能是真实发生的历史极端情况。前两种情况下我们希望模型能够有效地剔除掉这些错误数据而对市场正确建模，对最后一种情况我们也希望可以加入模型之中，尤其是风险模型中，考虑而不是简单地从概率上忽视黑天鹅事件的数据。

因此，我们首先要区分这些极端数据的来源，了解他们发生的真实原因，这样才能有效避免将真实的历史数据极端数值错当成简单地计算机处理错误，避免犯LTCM同样的错误。对于黑天鹅事件，可能一千个数据点只有两个数据相关的时候我们怎么做？有学者提出了极限值理论（EVT），就是不考虑整体分布拟合，只看极端事件的情况， 对分布最左端的极端情况单独建立模型进行拟合，然后可以加入整体模型或者进行压力测试等。这是一种避免忽略小概率极端情况的纠正方式。

2. 模型错误
   这个指的是你的策略错了，不论是风险模型还是交易模型。策略的错误可能是一开始建模的时候就已经错了，也可能是随着市场的变化，模型没能及时匹配而出现错误。历史上一个著名的例子是伦敦鲸事件，主角是大名鼎鼎的摩根大通。

摩根通过赌近期spread（价差／息差）上升，远期spread下降的flattener策略来对冲自己的风险。摩根手头有大量债券等资产，因为它巨大的体量，为了避免对CDS市场造成过度冲击，它位于伦敦的CIO（Chief Investment Office）部门使用了流动性更好的CDX工具（Credit Default Swap Index，信用违约互换指数），通过卖出远期CDX，买入近期CDX来对冲债券风险。问题在于他们一开始可能是自称的以对冲风险为目的，但后来渐渐偏向于投机。由于卖得太多导致市场价值与实际价格开始偏离，Skew过高（Skew=构成该CDX指数所有公司的CDS的平均值－CDX实际的价格；CDS指的是信用违约互换合约，类似一种保险合约）。

Skew高意味着者什么？意味着有套利机会，大大的套利机会。所以这时候对冲基金嗅着铜臭味来了。他们不知道是哪个散财童子犯下了这么低级的错误，于是对冲基金们反向操作，盼望市场的力量将Skew调节回正常的接近于零的状态，从而攫取其中的套利利润。对冲基金们苦苦等待，同时摩根大通继续毫不知情的抛售，直到JP Morgan突然发现自己的风险敞口模型一直都算错了。经过各种权衡妥协，摩根的老大吉米呆萌(Jamie Dimon)决定停止在错误的道路上越走越远（实在是亏不起了）， 2012年4月市场的波动，摩根大通无可奈何，只能宣布伦敦鲸巨亏，在CDX市场上巨量的头寸给它带来了数十亿美元的亏损。

3. 系统错误
   就是你的交易系统出问题了，比如骑士资本和光大乌龙指事件，两者都是因为策略层和执行层之间的互相连接通信出现了错误。骑士资本在2012年跟随纽交所系统升级而升级他们自己的系统，但因技术问题，策略层自动生成交易单，但是由于系统问题一直没收到执行层面的确认，以为没有发单成功，于是同样的交易单被大量重复发送到交易所，远远超出了实际的交易需求，导致交易错误在短短的不到半小时内就亏损了四亿多美元。

很有意思的一点是，2013年的光大乌龙指的官方说法似乎完全照搬骑士资本对于美国监管的书面回复，唯一区别在于纽交所当天进行了交易系统的全面升级，而上交所和深交所那时候似乎并没有进行大规模的系统升级。

4. 人祸
   团队内部，或者是同行之间的相互碾压也会使得市场朝着模型预期的相反方向而发展，从而使得策略失效巨亏。我们前面讲的LTCM破产就是人祸的一个例子。LTCM出事以后，因为要做审计和资产变现之类的，美国的监管机构介入，多家大型金融机构也介入清算，并因为在其中是内幕人士，清楚了解LTCM的资产情况和清算变卖程序，所以提前放出风声导致LTCM的资产没有卖到自己应有的公允价格，导致LTCM本来有可能坚持过这次危机，但最后却不得不破产清算，而这些金融机构从中又小赚一笔。LTCM的一个合伙人一直对这件人祸咬牙切齿念念不忘。

关于LTCM的“精彩”故事推荐一本书：《赌金者》。告诉你如何从4年285%的离奇收益率到仅仅两个月就亏损45亿美元。

5. 假设错误：
   假设错误指的是作为整个投资决策的基础都错了，比如你基于理性投资人假说做了一个模型，逻辑推导和数学表达如麦克斯韦方程组一样的完美，你作为策略的发明者已经深深的沉溺于自我赞美之中了。 但是实际市场的参与者不会在每次购买股票之前都详细的推导效用公式并求解最大值（你内心正在吐槽：效用最优求解是什么鬼？！），所以包括你我在内的大多数人可能完全不符合理性投资人假设，那么数学上的完美模型在实际应用中可能就是南辕北辙了。

现在很多分析基于历史重演的假设，也就是说过去发生的很多技术图形等等对未来的操作决策有指导意义，但也有很多人坚持“历史就是历史”，市场永远是发展向前的。为了解决这些策略和模型底层的假设问题，很多学者研究金融市场，会融入行为学和心理学的理论，就是所谓的行为金融学。这样你可以坚持说市场是发展的，但我也可以认为投资者是不理性的，投资者是会不断重复自身的错误，从而使得市场表现出一定的规律性。

比如几百年前就出现的庞氏骗局，中间历经几起几落，今天依然有MMM这颗耀眼的后起之秀（关于MMM的黑历史有一大堆），还是有很多人，被骗过的和被骗过的投资者的子孙辈们依旧被骗。另外，麻省理工学院的著名教授Andrew Lo也提出适应性有效市场假说Adaptive Efficient Market Hypothesis (AEMH)，就认为市场是有一个进化的过程。

一个合格的量化金融从业人员应当有敏感的意识和快速纠正错误的能力，上面这些设计和执行量化投资中需要注意的主要错误，偶尔也难免会犯其中一条或者几条。但如果所有的这些错误都一直困绕着你，那么你需要静下心来冷静的思考，毕竟，量化金融这条路也并不是对所有人都适合的。自己操作不断亏钱，不如考虑咨询一份靠谱的投资方案，自己在家躺着慢慢赚省心钱。