我们都知道程序化交易首先兴起于海外市场。据数据调查显示北美市场程序化已经占有超过百分之七十的交易份额。就我国目前市场情况来看，我国的程序化交易份额已经远远低于欧美和北美的平均水平。资管管理人可以利用程序化交易多市场、多品种、多周期、多组合的量化交易策略来降低投资风险并且平滑资金曲线。程序化交易也因其速度快和执行力强等优势受到了越来越交易者的推崇。
我们也都知道在程序化交易的发展中曾受到很多条件的制约，这是因为程序化交易涉及算法、众多参数和复杂的交易下单系统，所以会有一些出意外的可能性。在市场中不无这样的例子，比如美国的Kningt Capital骑士资本就曾由于计算机程序错误导致的乌龙事件，亏损了4.44亿美元，这一亏损几乎让骑士资本面临破产的困境。
不仅如此，美国长期资本公司的债券套利完美模型设计，最终也由于俄罗斯金融危机下的国债违约黑天鹅毁于一旦。光大证券在2013年的乌龙指事件更是让程序化交易者感受到了量化产品风险缺失的危险，警醒之余，也给市场提出了新的风险监管课题。
首先在系统风险控制的逻辑构建中，第一步要强调风险控制的重要性。无论是任何风险控制工作的改进，都必须以提高风险控制为前提。要强调风险的提前发现和预防。我们可以通过实盘的模拟情况，找出可能会出现的量化交易风险。并且我们在进行实盘交易的过程中，也可以通过增加参数监控，来弥补单纯订单智能在错单出现之后才能发现风险的问题。
第三步我们要强调风险估计的准确性。一方面，不断发展适合量化交易的风险估计模型，目前采用基于GARCH模型和GED分布的VaR风险估计模型。另外，我们可以通过针对多品联合建立模型，提高套利交易的兼容性，用来减少不必要的风险估计，就可以帮助量化交易客户找到真正的风险源。
最后要强调的是量化交易风险的独特性，对于量化交易风险来说，我们面对的风险不仅仅是当前仓位继续持有的话可能会带来的风险，还有就是量化交易继续进行一段时间内所可能会带来的全部风险。所以我们可以发展蒙特卡洛模拟的方法来对下一个交易日的风险情况进行预测。
