這個題目乍一看，是要對比一下主觀交易和量化交易的優缺點，但仔細一想，發現題設是有問題的。

首先，“主觀交易最大的難處是交易員的情緒波動或者說人性“，問題是，量化交易就不會面臨情緒的波動或者人性的干擾嗎？

再者，”量化交易解決了下單的一致性後，最大的難點是什麼？“，量化交易真的就能解決下單的一致性問題嗎？

我們逐一來看，姑且我們就認同主觀交易最大的難處是情緒化或者人性吧，畢竟“最**”一類的評定，本身就是個非常主觀的事情。

那麼，量化交易就不會受到交易員的情緒干擾嗎？

答案是一樣會！

不信，我們拿一套量化交易系統，掛在電腦上跑，幾個來回下來，不賺錢，甚至是資金回撤得很厲害，還能做到情緒穩定，內心毫無波瀾嗎？

如果能，那麼我們即便是做主觀交易，也一樣會有很好的心態！

如果不能，我們就會開始懷疑係統的有效性，懷疑係統的開發是不是出了問題，是不是這樣的系統化交易還不如自己做主觀交易呢？

某種意義上講，根本就沒有絕對的主觀交易和客觀交易之分。所有的交易都包含著主觀的成分。

所有的主觀的交易者，做的每一個決定，背後一定有一些客觀的觸發條件。而被我們視為客觀的量化交易，成敗的關鍵，仍然是交易者的主觀選擇。

以大眾最為熟知的量化CTA策略為例，選擇什麼樣的交易週期、選擇什麼樣的引數組合、選擇什麼樣的品種配置、選擇多大的倉位等等，都是至關重要的。如果遇到長期的震盪行情中，趨勢策略配置倉位過重，或者是在趨勢行情中，我們又配置了過多的逆勢策略或者是趨勢倉位配置太少，都會使得資金曲線很難看，難看的資金曲線背後是交易者難看的臉色和焦躁的情緒。

看看，量化交易中，交易者需要面對的主觀選擇一點也不比主觀交易者少，需要承受的情緒波動和所謂人性的弱點，同樣也一點都不比主觀交易者小。

再說第二點，各類推介量化交易的文章都會告訴初學者，量化交易最大的好處是克服了交易中的情緒化干擾，解決了交易的一致性，能夠實現機率上的優勢。

我曾經也是這個理念的忠實擁躉。弄了一個通道類的趨勢跟蹤系統，配在橡膠日K上跑實盤，第一個月做了3次突破訊號，全部止損。但是我在內心一再跟自己講，趨勢跟蹤系統就是這樣的，“小止損，大止盈“，”低勝率，高賠率“，堅持下去一定能捕捉到趨勢的，於是在第四次訊號出現時，我仍然義無反顧的跟進，然而，還是止損。

你要問我，那第五次訊號呢？很遺憾，沒有第五次！我換了系統！

所以要我來說，交易的一致性問題，並不是一遇到量化交易就迎刃而解了，相反，量化交易最大的難處恰恰就是如何保證交易的一致性。

通常來說，對自己的交易系統有堅定的信心，甚至是信仰，是解決交易一致性問題的關鍵。只有堅定的信仰，才能堅定的執行交易系統，才能在困難的時期，克服情緒的干擾。

當然，光有信仰還不夠，交易系統還必須是具備正向收益預期的。若是交易系統本身就是錯誤的，那麼信仰越足，死的越慘。

此外，還得注意倉位的控制。要是倉位過重，遇到時運不濟的時候，連續幾次止損下來，信仰還在，錢卻虧完了！

不過就個人經歷來說，我認為交易新手從量化交易開始入門，是比較好的選擇。因為這樣能夠快速的養成好的交易習慣、交易紀律，能夠更全面的認知各類技術指標和交易系統的優缺點，在平時的應用中就不會過於盲目樂觀。就像我們學做菜一樣，開始還是對著菜譜，一斤食材對應多少克鹽，亦步亦趨，更容易上手。等到經驗豐富之後，才能發揮自己的創造力，做到“隨心所欲不逾矩”。

所有的交易員都是“主觀”的。他主觀的選擇自己採用何等方式去交易罷了。有的交易員認為自己的主觀判斷是具有“優勢”的，因此，他才採取了主觀的方式。而有的交易員認為自己的“盤中判斷和隨機應變”完全不具備什麼優勢，相反，量化的交易模式更加穩定，所以，他會去選擇量化的模式去執行自己的交易。選擇自己去進行盤中判斷和隨機應變的“主觀交易員”，他們之所以沒有去量化，是因為他們的想法很難被固定下來，既然這樣，那麼情緒波動很明顯就更激烈一些。因為交易邏輯難以被固定，沒有一個明確的標準，想法千奇百怪，思路千變萬化。而選擇量化交易的交易員看來，這些完全沒有意義。自己的“主觀判斷”完全構不成優勢，相反，他們認為交易中更重要的是穩定的輸出自己的交易邏輯。也就是說：“主觀交易員”認為自己的判斷能力更重要，所以我主觀。而量化交易員認為，交易邏輯的穩定輸出更重要，所以他量化。量化和主觀沒有什麼巨大的差距，這背後依然是不同的交易認知而已。題主說：主觀交易的最大難點是交易中交易員的情緒波動或說人性，那量化交易解決下單的一致性後，最大的難點是什麼?也是情緒波動或者人性。為什麼？開頭說過了，因為所有的交易員都是“主觀”的。在量化交易的過程中，該有的考驗一個都不會少，這些考驗轉變為具體的環節就是：無法一致性的執行。止損多了會沮喪，連虧多了會難過，回撤大了會恐懼，倉位輕了會貪婪，你在無腦執行，別人在花樣崛起你會羨慕和急躁等等。做交易，該有的情緒波動一個都跑不了，量化的模式沒有幫你逃避的能力。因此，量化的難點就在於長期，持續的執行你的策略。實際上，在量化領域能夠長期的穩定的執行一套量化策略的人，從我接觸的有限的群體來看，不會超過10%。所以如果真如題主所言，你解決了一致性的執行，那不會再有什麼重大困難。因為你能夠一致性的執行一套量化的交易系統，這說明了你的認知經的起任何不確定性的衝擊，你已經足夠強大。

1）98％的演算法壽命很短。它們會一直工作，直到不起作用為止，然後您必須花費更多的時間來修復它們，或建立下一個程式。這是監視，改進和重新發明的連續過程。

2）量化交易程式中的一個小故障可以觸發許多訂單，從而導致價格股票的下跌急劇上升。反過來會導致股市產生恐慌和波動性突然垮臺或閃電崩盤。

3）演算法交易的另一個侷限性是演算法交易不是通用的，或者簡單地說，一種演算法不能應用於每種情況，因此，一個人需要不斷地監視或更改該演算法，因此如果有以下情況，則不能依靠一種演算法來進行所有型別的交易者或者她想從演算法交易中獲利。

4）回測經常被操縱，大多數系統都有所謂的反向測試，您可以看到系統在過去的執行情況。不幸的是，如果它只是在今天做的一個後測，你已經測試了假設場景，你可以坐在電腦前嘗試數百種策略，找到一個在過去可以賺大錢的策略。這可能提供了一些保證，但問題是不能確定該方法在未來是否還能繼續執行。

5）一個系統或市場突然開始表現得與預期有很大的不同，這可能會給量化交易者帶來巨大的損失。

6）建立演算法交易操作需要廣泛的能力，例如豐富的交易經驗，對市場資料和微觀結構的瞭解，設定必要的計算機硬體，軟體和網路的能力，策略的概念和定義，程式設計技巧，風險管理，業務管理，當然還有資本。

難題一：量化交易員(寬客)與基本面投資者一樣會遭遇虧損。我在量化交易大會那天本想聽到廣泛成功的演算法及量化處理過程、可以輸出完美的回溯測試結果並且在最小的風險上獲得最大收益的策略，我還希望聽到電腦科技、執行速度、或者資料探勘方面的新進展。

但聽了一圈下來，我發現量化投資其實相對來說還處在初級發展階段，比如你經常可以聽到關於“新聞對於股價的真實影響有多少?”的爭論，而此時基本面投資者只需簡單的基於預測特定事件、比如超過或差於預期的財報做交易即可。而量化交易者則需要搞清楚具體此類訊息對股價的平均影響程度，這不是件容易的事，你的研究物件時刻在變化著。

難題二：想在不同的股票/市場/產品中研究出一套通用交易規則很難。如果你想研究出一套只基於公司財報的交易系統這不難，比如基於超出預期的營收或股息來買入。但是供給面的情況如何?消費者層面的情緒如何?事實證明，財報的影響不及後兩者的大，但是你若想把後兩者納入交易模型中，這相當費力費時。

難題三：股票、基本面、新聞訊息之間的關係不停變化著。記得2009年美股到達低點的時候，很多“低質”公司的回報大大高於“優質”公司的回報。很多3塊錢的“垃圾股”可以在很短時間內漲到10塊錢，而高價的優質公司的股票想要翻一倍都要花上很久很久。對於基本面投資者來說，這是掘金的好時候，但對於量化投資者來說卻是噩夢，因為大多數模型此時都會顯示做多“優質股”做空“垃圾股”，後果則可想而知。

難題四：數學有時幫你解決問題有時又會成為障礙。寬客們要在浩如煙海的金融資料中“尋寶”，但是他們與普通人一樣，一天只有24個小時，經常會碰到因一個分析無法推進而其他分析也陷入停頓的狀況。

難題五：好材料卻並不容易使用。Twitter(美國的微博)是市場突發訊息和傳聞的最大出處，所有投資者都不會無視這裡傳出的訊息。但是這裡的訊息格式往往不規範，語法也千奇百怪，你無法讓計算機程式挑選出有效資訊並運用於自動交易中。

難題六：並非100%有效。不管是量化還是基本面投資者，大家都是在玩數字遊戲。如果你的交易生涯中能有66%的勝率就已經算乾的很好了。不過量化交易與後者的不同點在於持倉時間，量化交易一般只做穩而快的短線交易，不像基本面投資可以等上相當長的一段時間，在一隻股票上獲取甚至100%的收益率。

難題七：一切都從回溯測試開始。多數時候，回溯測試可以證明的你的設計交易策略在過去的表現，這是量化交易世界中非常重要的一塊內容，不過並不是所有寬客都能意識到，過去不代表未來。

難題八：交易訊號就在那裡，也不在那裡。現在的資訊社會到處都是資料，科學家們甚至可以做到預測每家沃爾瑪超市上空的天氣如何。Google的統計為我們展示著每天全世界網民都在搜尋哪些內容。包括你想在市場中搜索上升動能最強的股票，如今都不難做到。面對茫茫多的資料，你該把時間精力放在哪一塊呢?這是個難題。

難題九：量化交易正被監管機構瞄上。我想很多寬客們前幾天都聽說了：巴菲特決定讓旗下Business Wire終止向高頻交易公司提供特許直投新聞的服務。這是巴菲特為保護自己公司聲譽而高調與高頻交易撇清關係的行為。雖然量化投資≠高頻交易，但是不能否認，量化投資的主要優點之一便是“快”!如今量化投資者們獲取資訊的速度問題，已然被監管者們划進了重點監視區。

希望以上講述可以幫助到你。

從18世紀開始，金融投資的先驅已經開始探索各種不同的投資方法，經過多年的進化，已經嘗試了從價值分析、風險套利到日間交易等不同的方向。那麼，在目前不斷變化的中國資本市場，什麼投資方向迫切需要我們深入探索呢？筆者認為，量化投資作為中國市場的新興投資方法，正在引來越來越多的關注。 中國投資者對數量化投資，雖不陌生，卻仍懵懂。量化投資理論是藉助現代統計學和數學的方法，利用計算機技術從龐大的歷史資料中海選能帶來超額收益的多種“大機率”事件以制定策略，用數量模型驗證及固化這些規律和策略，然後嚴格執行已固化的策略來指導投資，以求獲得可持續的、穩定且高於平均的超額回報。

數量投資比傳統投資的優越性 數量投資相對於傳統投資方法的優越性主要來自兩個方面：其一，現代投資組合理論強調透過多元化投資組合消除非系統性風險，以實現降低風險的作用。但實際上由於人的視野和精力都相對有限，基金經理或研究員不可能進行大範圍的股票甄選和高頻率的驗證測算，形成的投資策略得不到寬度、廣度上的肯定，難免形成一孔之見。靠人力甄選得到的投資組合很難達到最最佳化配置，無法確保在風險管理和利潤追求上的投資目標。而量化投資的視角更廣，藉助計算機高效、準確地處理海量資訊，更廣泛地尋找和驗證投資機會，消除投資組合配置的侷限性。其二，行為金融學認為，投資者是不理性的。任何一個投資個體的判斷與決策過程都會不同程度地受到認知、情緒、意志等各種心理因素的影響。基金經理和投資研究員在一段時間跟蹤某隻股票之後，由於時刻關心股價的表現和基本面的變動，可能出現不同程度的情感依賴，“和股票談起戀愛”。即使出現了下跌趨勢，也可能因為過度自信、抵制心理等不理性的分析出發點而導致投資、薦股時的行為偏差。而量化投資依靠計算機配置投資組合，克服了人性弱點，使投資決策更科學、更理性。 A股市場 A股市場的發展程度決定了當前市場上不可能存在完全量化的基金產品。量化從一開始也不是作為定性的對立面而提出的方法，它是將定性分析中的技術分析策略用模型固化，替代過程中可以用電腦進行的部分並將其效用極大最佳化。應該架設怎樣的平臺、構建怎樣的模型、輸入怎樣的因子，都是建立在定性分析上的總結。而為了預防小機率事件的發生，還應該為模型配備精良的開發團隊，包括定性和定量分析專家，來跟蹤觀測模型的合理度、與市場趨勢的匹配度以及實際投資表現。 大眾投資者對量化投資有所顧慮 值得提出的是，大眾投資者在接觸量化投資基金時有所顧慮，一方面，是在A股市場欠成熟的環境下大眾對新興投資方法和模型可靠性的猶豫。另一方面，當前國內市場有效量化模型有限，為防複製，機構對其投資策略和構建理論依據往往遮遮掩掩不能透明化，這就增加了投資人對量化模型的擔憂。 3量化交易策略編輯 量化交易策略幾乎覆蓋了投資的全過程，包括量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、演算法交易，資產配置，風險控制等。

任何一種交易方法的優勢都是相對的，主觀交易更主動，同時也容易跳進情緒化交易的陷阱，量化交易儘管可以克服情緒化交易，保證交易紀律得執行，但是很多時候出問題的也恰恰是這種堅決的無腦式執行。

當連續交易不順的時候，主觀交易者會評估自己的交易狀態，以及市場的狀態來決定自己是否交易，以及是進行引數最佳化還是暫停交易。

而量化交易自身不會自我檢索引數設定有沒有問題，只是一股腦的根據市場條件開倉平倉，在這種情況下，做的越多虧的也就越多，甚至最極端的時候還會造成市場出現動輒幾百點的技術性暴跌。

還有第二個問題是實際交易中的量化系統永遠得不到你覆盤回溯時候的結果。

通常在得到一個量化交易系統之後，會選擇用過去的歷史資料驗證這套系統執行下來的最終結果是盈利還是虧損，只有結果是盈利的時候才會使用在實際交易中。

這中間涉及到一個數據採集的問題，比如在模擬回溯的時候我們是假設在某個關鍵點上是一定可以開倉或者平倉的，但是在實際的交易場景中交易系統不得不面對一個滑點的問題，因為價格在突破關鍵點位的時候會引起很多成交單互懟，量化系統系統的市價成交價格可能已經成交在關鍵點偉之外好幾個點了，如果這套系統本身的盈虧比不大，還會造成回溯的時候是盈利的，而實際交易的時候確是虧損出場。

最後，量化交易系統對使用者來說，不管是盈利的時候還是虧損的時候，都會面臨一個繼續，還是暫停的糾結選擇。

1)股票、基本面、新聞訊息之間的關係不停變化

　　記得2009年美股到達低點的時候，很多“低質”公司的回報大大高於“優質”公司的回報。很多3塊錢的“垃圾股”可以在很短時間內漲到10塊錢，而高價的優質公司的股票想要翻一倍都要花上很久很久。而在另一段時間跨度或者另一個市場裡，可能又是另一番情景。所以跨市場、長期有效的量化交易系統極少甚至可以說沒有。

　　(2)有些關鍵資訊並不容易量化

　　微博是市場突發訊息和傳聞的最大出處，所有投資者都不會無視這裡傳出的訊息。但是這裡的訊息格式往往不規範，語法也千奇百怪，你無法讓計算機程式挑選出有效資訊並運用於自動交易中。

　　(3)過去並不代表未來

　　多數時候，通過歷史資料測試可以證明的你的設計交易策略在過去的表現，這是量化交易世界中非常重要的一塊內容。不過並不是所有人都能意識到，過去不代表未來。這意味著一些交易策略在過去表現的很好，但是在未來可能會帶來巨大的虧損

本文向你講述量化交易的四大難點。

剛好我在做量化交易，在做量化交易之前我是做主觀交易。正好可以回答一下這個問題。

主觀交易的難點和量化交易的難點，他們的難易對比，要看他們是站在什麼層面上。

執行層面

表面上看，顯著的差異還是在執行層面。

執行層面主要體現在兩個方面，一個是交易規則的制定和遵守，一個是執行的速度。

交易規則

主觀交易常見的問題

一是沒有規則：很多韭菜就沒有規則，跟風聽訊息或者誰面熟就買誰，經常頭腦發熱買賣，這種屬於完全沒有交易系統。

二是有規則但不遵守：進場出場規則都有明確的設定，但是看盤的過程中看到盤面此起彼伏，心癢難耐，手指亂抖，追高割肉，主動破壞自己的交易規則。

量化交易則沒有這方面的問題，一旦形成量化系統，就意味著它的進出場規則就是限定了的，系統只需要按規則執行就可以了，規則是明確的。

執行速度

三是執行速度：主觀交易者完成一筆交易需要開啟軟體，輸入股票程式碼，下單數量等等。但行情變化往往很快，尤其是非正常市場行情，比如秒漲停，秒跌停，秒拉高，手動操作會提高不少衝擊成本，如果固定成本，這筆單子可能又沒法成交。

量化系統執行非常迅速，比主觀交易快很多。在常規狀態下，基本可以避開主觀交易者面臨的問題。

但是執行速度過快，對非常規行情也有不利影響。也就是行情衝擊，一旦程式發生bug，或者存在策略漏洞，將會導致巨大的虧損，給市場帶來巨大的衝擊。

這方面的例子可以參考816光大銀行烏龍事件。

2013年8月16日上午11:00左右,滬指突然直線拉昇100點,暴漲5%,2分鐘內成交額約78億元，下午2點，光大證券公告稱策略投資部門自營業務在使用其獨立的套利系統時出現問題。

如果說量化交易的難點，這也算難點之一吧。

策略層面

在策略構建上

主觀交易的策略構建，有一定的樣本侷限性。

量化交易主要基於已有的歷史資料，構建數理模型。更容易形成策略。策略的資料基礎更廣泛，構建速度更快。也具備可驗證性。

在策略結果上

主觀交易可能會有更多的容錯度。也就是對雜音的過濾有一定的自由度，可能更容易抓到大行情。

量化系統由於規則制定的明確性，它的數量模型構建的條件可能存在相互衝突的因子，具有相對較高的交易頻率，頻繁買入賣出，會產生不少的交易成本，好比我們設的止損線，有些操盤手就是專門針對這種固定的系統來操盤的，反覆誘多誘空。

這是量化系統一定會遇到的問題，也是需要解決的問題，這也算量化交易的難點之二吧。

在策略有效性上

主觀交易由於有一定的容錯度，更容易微調，可能一個頂級的主觀交易者，他的策略基礎模型可以衍生出很多策略，並在操盤過程中順利變通，糾正速度很快。

量化交易因為其規則的明確性，容錯度低，策略覆蓋範圍很窄，需要不斷的測試，研究，開發新的策略。但由於資料的關係，量化策略非常容易過擬合，往往回測收益好幾倍，實盤收益一坨屎。

這是量化交易的難點之三吧。

對手層面

在這方面，不管是主觀交易，還是量化交易，從行情來看，他們的對手其實都是一樣的。

但隨著人工智慧的普及，量化應用會越來越多，量化交易的對手除了主觀交易者，還有不少同類，智慧交易系統，有些機構本身不具備量化系統的研發能力，往往採取第三方開發的系統，第三方可能一家產品提供很多給很多客戶，那麼他們之間的策略往往是相似的，市場多了一個一樣分蛋糕的人。

到時候，量化系統本身比拼的就是演算法，而獨特智慧量化策略的研發其實並不容易，當前的深度學習在不少領域還存在不可解釋性。

從這個角度看，同質化和規則陷阱，才是量化交易最大的難點。而頂級的主觀交易者會更有機會。

量化交易的難點在於策略的開發、改進以及迭代。

所有量化交易的本質，都是利用市場的某些固定規律賺錢。

主觀交易可以憑藉基本面的感性分析，或者是交易員的盤感做出決策，比如我可以在“感覺盤面跌不動”的時候入場。

而量化交易必須把所有這些感性、模糊的東西轉化成標準化的計算機語言——程式能讀懂的固定規律。上面那個決策轉化成程式語言必須是“價格在N個交易日內沒有創出新低”這樣冷冰冰的規律。

“價格在N個交易日內沒有創出新低就會上漲”，暫且不說這個策略靠不靠譜，這就是量化交易利用的市場規律。不管多麼複雜的量化交易，都是同樣的道理。

市場天然具有進化特性，使得沒有任何固定規律可以長期有效。

這個市場有一個特點，它不允許任何規律在這裡長期生存下去，這就是市場的天然進化特性。

如果市場處在長期震盪中，大家都以為高拋低吸穩賺了，這個時候趨勢就要出來了；反過來市場處在連續上漲的牛市中，大家都以為無腦買入穩賺了，這個時候下跌就要出來了。類似的還有，大家都以為小盤股更好時，藍籌股開始發力了；大家都以為股指期貨持續升水時，貼水就出現了。

所以，主觀交易基於的感性分析或者盤感，可能會有較長的生命力。但是在市場某些固定規律之上建立起來的量化策略，都是存在一定的生命期限的。

基於市場規律，對策略進行開發、改進和迭代是量化交易的最大難點

基於以上，量化交易的難點，就在於對所謂的市場規律的選擇。這其實是在時效性和普適性之間取個平衡。這個選擇，其實是體現了開發人員的投資理念。

如果過於擬合市場的微觀規律，那麼量化策略可能在短期內會有不錯的表現，但是很快生命力就終結；如果選擇一些市場的宏觀規律，生命力會更久普適性會更好，但是可能會承受相當長時間的連續虧損。

關於微觀規律和宏觀規律，在我之前的文章或問答中都提到很多次。比如“市場總是貼著23日均線執行”就是微觀規律，“市場不破前低就維持上漲趨勢”就是宏觀規律。

所以，在整個量化策略開發、改進和迭代的過程中，都對開發人員的投資理念提出很高的要求，這也是量化交易的最大難點。