期货基础课 | 程序化交易中的风险控制

  摘要：程序化交易面临着哪些风险，如何去控制风险呢？本文将程序化交易风险控制分为风险预防、风险预测、软件风险三种，试图研究应对之法。

  一、 程序化交易面临的风险

  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交易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仍然远远低于欧洲和北美的平均水平。程序化交易有着明显的优点，资管管理人可以利用多市场、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收益曲线；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多交易者的推崇，随着市场中可以交易的品种越来越多、越来越复杂，程序化交易的快速计算能力优势更加明显。

  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，比如程序化交易涉及算法、众多参数和复杂的交易下单系统，所以会有一些出乎意料的可能性。在市场中这样的例子无独有偶，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。

  还有，美国长期资本公司的债券套利完美模型设计，最终由于俄罗斯金融危机下的国债违约黑天鹅事件毁于一旦。光大证券在2013年的股指期货乌龙指事件更是让程序化交易者感受到了量化产品风险失控的危险，警醒之余，也给市场提出了风险控制要求。

  二、 如何控制风险

  在海外市场，量化投资的发展历史已经有30多年了，在1997年，全球量化对冲基金管理资产规模为1182亿美元，而到了2014年末，规模达到了3万亿美元，整整提高了20多倍，年均复合增速高达20%。即使现在看，国内和海外的发展依然有很大的差距，但是不远的将来，国内量化投资的发展前景是非常大的。

  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能力为前提。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，也可以通过增加前瞻性参数来监控，来弥补单纯的在下错单出现之后才能发现风险的问题。 

  第二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，我们可以通过对多品种联合建立模型，提高套利交易的兼容性，用来减少不必要的风险估计，从而可以更好地找到真正的风险源。第三也是最重要的，交易软件系统带来的风险。程序化交易软件，有独立开发，有定制化开发也有外购成熟的交易系统的，当然也有外购系统和自主开发相结合的。

  不同的实现方法就会面临不同的问题:

  1）自主研发：难以建立稳定强大高效的开发团队，无法对风险和功能进行很好的控制，一旦人员发生流动那么之前开发的系统就完全有可能被作废。

  2）外购系统：外购系统相对封闭所以无法很好的控制风险和对公司的信息系统进行管理。同时，还有策略泄密的风险。

  基于以上原因，应该对建立的交易系统的方式进行进一步研究，将各种方式的有机结合起来。

  就目前设计阶段来说，主要的优化方式就是功能模块化。

  我们都知道一个简单的程序化交易系统，主要分为行情、生成订单、订单执行和控制风险这几方面。当然如果是多策略系统那么还需要对系统和策略进行管理。

  我们可以将所有的部分都以功能模块的方式来设计。并且采用多层设计的方式。从大模块一步步的进行细分。这样有几点好处：

  1）功能变更灵活，方便添加新品种

  不论是增加还是删除功能，模块化的设计方式都会让施行变得更方便，这种方式也更适用于目前快速发展的业务需要。

  2）支持分布式部署

  各功能模块间可以独立设计并且个功能之间还可以通过内部协议进行交互。更适用于分布式部署。

  3）加大系统稳定性

  当系统中某个程序化交易系统中某模块出现问题时，可以及时进行该模块的调整避免波及其他部分。