高风险赌注：股票爆仓的教训和应对措施

admin 2024-09-28 3 0

在股票市场中，高风险赌注的诱惑往往令人难以抗拒。这些赌注也伴随着不可忽视的风险，股票爆仓便是最严峻的后果之一。

股票爆仓的教训

仓位过重： 贪婪和过度自信是导致股票爆仓的重要原因。投资者往往会超出自己的承受能力进行投资，一旦市场反转，便会陷入无法挽回的局面。
杠杆使用不当： 杠杆可以放大投资收益，但同时也会放大风险。如果使用杠杆不当，投资者可能会蒙受巨大的损失，甚至血本无归。
风险管理缺失： 成功的投资需要有效的风险管理策略。许多投资者忽视了风险管理，在市场波动中措手不及。
情绪化交易： 恐惧、贪婪和其他情绪会影响投资者的判断力。情绪化交易往往会做出错误的投资决策，导致亏损加剧。

应对股票爆仓的措施

虽然股票爆仓具有很高的风险，但也不是不可避免的。通过采取适当的措施，投资者可以有效降低爆仓的可能性。

合理控制仓位： 投资时应根据自己的财力、风险承受能力和投资目标确定仓位。切勿超出自己的承受范围。
谨慎使用杠杆： 如果使用杠杆，务必对风险有充分的了解。不要过度杠杆化，以免放大亏损。
制定风险管理策略： 建立一个全面的风险管理策略，包括止损点、仓位控制和风险头寸分散等措施。
控制情绪化交易： 投资时保持冷静和理性，避免情绪影响决策。在做出投资决定之前，应进行充分的市场分析和尽职调查。
分散投资： 投资不应集中于单一股票或行业。分散投资可以降低风险，分散损失。
寻求专业建议： 对于缺乏投资经验或承受能力有限的投资者，寻求专业投资顾问的帮助可以有效降低风险。

结论

股票爆仓是股票市场投资中最大的风险之一。投资者必须时刻保持警惕，避免高风险赌注。通过合理的仓位控制、谨慎使用杠杆、制定风险管理策略、控制情绪化交易、分散投资和寻求专业建议，投资者可以有效降低股票爆仓的可能性，确保投资的安全性。

请记住，投资有风险，入市需谨慎。在进行任何投资决策之前，务必对市场、投资标的和自身的风险承受能力进行充分的了解。

难道不用去赌场在加也能通过视频参与赌局？有人能提供网址，简单的介绍一下吗？

《战胜一切市场的人》 | 于利强解读《战胜一切市场的人》 | 于利强解读建议WiFi环境下播放关于作者爱德华·索普本身是一名数学家，但他最为人称道的成就却是在赌博和投资领域。他是横扫拉斯维加斯各大赌场的赌神，也是量化投资的教父级人物，彻底改变了全球证券投资行业。关于本书这是爱德华·索普的回忆录。在这个看似不理性的世界里，索普始终理性思考，从校园、到赌场、再到华尔街，全都是大赢家。他证明，赌博、投资，甚至生活中的各种问题，都可以简化为科学问题，只要通过一套简易的算法就可以破解。索普在书中揭秘了自己的解题过程和思维模型，这些模型将会帮你在人生各种难题面前，更聪明地思考和决策。核心内容不管是赌场还是股市，都有个主流观点，就是你没法战胜庄家和市场。如果你做投资，业绩还不错，大概率只能算运气还不错。但只有找到有统计学意义的优势并能重复获利，才称得上“战胜市场”。那么这可能做到吗？如果能，那应该怎么做？其中要用到哪些思维模型？本期音频，会通过三个问题的解答过程，带你了解索普的思维模型。一、怎样才能击败赌场？二、怎么才能战胜市场？三、怎样进行风险管理？点击查看大图，保存到手机，也可以分享到朋友圈首页你好，欢迎每天听本书，本期音频解读的书是《战胜一切市场的人》。这本书是爱德华·索普的自传。索普本身是一名数学家，但他最为人称道的成就却是在赌博和投资领域。他是横扫拉斯维加斯各大赌场的赌神，也是量化投资的教父级人物，改变了证券投资业的格局。不管是赌场还是股市，都有个主流观点，就是你没法战胜庄家和市场。注意了，业绩优于市场与战胜市场不是一回事。业绩好可能只是因为运气好，只有找到有统计学意义的优势并能重复获利，才叫战胜市场。所以，如果你做投资，业绩还不错，大概率只能算运气还不错，不一定就算战胜市场。但是本书的传主、也是本书作者，爱德华·索普认为，赌博和投资，都可以简化为科学问题，更准确地说，是数学问题。他用数学的方法证明，玩家可以击败庄家，投资者也可以击败市场。他在理论上证明后，又一一实践验证：他先是在赌城拉斯维加斯大杀四方，赢了一大笔钱，还把方法公布于众，成千上万的赌客用索普的方法去赌城淘金，迫使赌场不得不修改规则。随后，他又成功运营了一个对冲基金，获得的投资收益堪比股神巴菲特，而且29年的职业生涯中没有一年是亏损的，这点巴菲特都没做到。正因如此，索普敢说自己是“战胜一切市场的人”。他总结出来的思维模型和方法，不仅可以用在赌博和投资领域，在人生的其他领域也同样能用得上。本期音频，我会通过三个问题，带你了解索普的思维模型。第一个问题，怎样才能击败赌场？第二个问题，怎么才能战胜市场？第三个问题，怎样进行风险管理？第一部分我们先来看索普是怎么击败赌场的。很多科学家都注重研究理论，不太注重理论的应用。但是索普不一样，他研究理论，但更关心用理论来解决实际问题。索普从小就聪明过人，最感兴趣的是做各种化学实验，十几岁就自己配炸药玩。他家境贫寒，为了能上大学，通过几个月时间自学，就得了全国物理竞赛第一名，拿下了大学奖学金。他读完物理学的本科和硕士，又继续攻读物理学博士。因为写论文要用到很多数学知识，索普在自学数学的时候兴趣再次转向，转而拿下了数学博士，并一路成为了数学教授。大学教学之余，索普热衷于研究实际的数学问题，尤其是跟概率相关的赌博问题。他中学时，就听到过这么一个说法，玩家不可能战胜赌场，因为从概率来说，赌场长期是稳赢的。所有赌局的概率设计，赌场一方获胜的概率要略大于50%，比玩家高几个百分点。只要你一直玩，赌场就能最终把你的钱赚走。历史上也有很多著名的数学家，都热衷于研究赌博游戏中的概率问题。但在索普之前，这些数学家的结论也基本都是，你不可能击败庄家。但索普这个人有个特点，别人说的不作数，可不可能，得自己试过才知道。研究了一圈赌博项目，索普发现，所有赌场游戏中庄家优势最少的、对玩家最友好的，是一个叫21点的游戏。但这个游戏中，庄家的胜率还是比玩家略高。 21点的规则说起来真的很简单：每个人先拿到两张牌，然后选择继续要牌还是不要。手中的牌点数相加，玩家尽量让自己手上的牌接近21点，21点最大，但不能超过21点，超过就“爆牌”出局了。他通过研究这个规则就发现，玩家获胜的概率不固定，而是随着发牌而发生变化。一副扑克陆续发牌，如果先出小牌，那么在剩下的牌堆里大牌较多，而大牌多对庄家不利。因为规则是玩家可以随时停止要牌，但庄家在17点以下，则必须继续要牌。剩下的大牌越多，庄家越可能爆牌，赌客的胜率就越高。这还是1959年，索普利用当时运算能力还极其有限的IBM大型电脑，推演了所有情况下的概率分布，发现玩家比庄家的胜率最高能多5个百分点。理论上，只有在胜率高过庄家的时候才下注，那就一定能击败庄家。但是要去实战，只算出理论概率显然是不够的。赌场不允许你带电脑，也不允许你拖延时间，玩家只能凭借自己的大脑来快速算牌。索普将这个问题进一步简化，并得出了一个简便易行的算牌方法，叫“高低法”。我简单给你介绍一下：低牌是2、3、4、5、6，算加1；中牌是7、8、9，算0；高牌是10、J、Q、K、A，算减1，总分加起来，结果越大，就表示前面出现过的小牌越多，剩下的牌对玩家越有利。索普研究出致胜策略后，就跑去拉斯维加斯的赌场小试牛刀，证明策略可行，随后他居然发表了论文，也引来了媒体关注。但这时，其实大部分人并不相信真的有击败庄家的方法，不仅有媒体质疑，赌场也来嘲笑索普只是个书呆子。但随后赌场就笑不起来了。索普拿着1万美元，来到“赌城”拉斯维加斯，只用了30个小时，就赚了一倍多。这在当时已经算是比较大的金额，引起了赌场的注意。赌场开始用各种方法刁难他，比如增加洗牌的频率，更换扑克牌，不卖大额筹码给他，甚至还派上了作弊的发牌手。尽管有这样那样的干扰，索普仍然能赢钱。最后赌场使出杀手锏，封杀这位常胜将军，请你出去，别在我这里赌了。索普陆续登上了多家赌场的黑名单。但赌场的噩梦才刚刚开始。索普随后写了一本书，揭秘自己的21点致胜策略，书名就叫《击败庄家》。这本书在1962年出版后，迅速成为畅销书。成千上万的算牌玩家用索普的方法去拉斯维加斯，只玩21点，这动摇了赌场的根基。赌场大佬们开会，有人提出直接做掉索普，但最后他们还是选择了更文明的方式，修改游戏规则，重新掌握概率优势。之后索普乔装改扮，陆续去过多次赌场。但连续赢钱的他，总是免不了逃脱赌场的重点关照。他在书中记录了两次惊险的经历：一次是连续赢钱之后，喝了赌场送的酒水，出现了中毒症状；另一次是在回程途中，下坡路上，车速高达100多迈，刹车失灵，差点翻车。赢钱当然很好，但要冒着生命危险，这就不值得了。索普本人仍然是个数学教授，还要上课搞科研，于是放弃了赌博，况且策略得到充分验证，他已经心满意足了。除了21点，索普还用数学方法去研究了其他赌博游戏。比如轮盘赌，去猜轮盘上转动的小球会最后停在哪个数字格里。轮盘赌本来是个纯粹的赌博游戏，赌场占据绝对的概率优势。但是索普认为，小球从高处下落，最终停止运动，这其实是一个物理问题啊，只要能记录小球的运动轨迹和速度，就能算出落到哪个区域。索普跟同事克劳德·香农，就是那位“信息论之父”，两位科学家合作研发了人类历史上第一台可穿戴电脑。这个电脑只有香烟盒大小，被嵌在鞋里，脚指头控制按键，电脑会计算出轮盘赌小球的轨迹，给出预测的结果。这个设备他们带到赌场去实战过，证明可行，但是碍于当时的技术、设备不成熟，比较容易出故障，就收起来了。顺便说一下，与索普合作的香农教授，是信息论及通信理论的奠基人，电脑中的二进制应用就是由他提出的。香农和索普一样，是个非常有意思的科学家，每天听本书还解读了《香农传》，解析了香农的思维方式，推荐你找来听听。我们简单总结一下第一部分的内容。索普运用概率思维，成功地破解了21点的秘密，实现了统计学意义上的击败庄家。同时我们也知道了，赌场也在不断地打补丁、修bug，重新确立概率优势。总体来说，对于绝大多数人来说，要想不输给赌场，最好的选择就是不赌。第二部分击败赌场之后，索普的兴趣开始转向，那就是金融市场。有人说股市就是赌场，这个话虽然不一定对，但投资和赌博确实有相通的地方。两者都基于数学和概率分析，都需要平衡风险和收益，都需要管理仓位，都需要高度的理性。某种程度上来说，赌博就是简化版的投资。既然在赌场这个博弈市场中可能通过数学获胜，那在华尔街这个世界上最大的博弈市场中，数学家还能取胜吗？索普初次接触金融投资的经历并不美好。他一边继续教学工作，一边把在赌场打牌和出书挣的钱投入了股市。但就像大多数散户一样，他主要是看报纸听专家选股票，也像很多散户一样，很快就亏掉了一半钱。痛定思痛，索普重新思考这个问题，怎么样才能投资成功、实现统计学意义上的战胜市场？经济学界盛行一套理论，叫有效市场论。这个理论认为，市场能充分反映所有已知的信息，股价也能立即反映所有新的信息，市场上的任何投资优势都是有限、微小并且短暂的。结论就是，除了少数幸运儿，投资者无法战胜市场平均收益；想要高收益，只能承担高风险。但对于索普来说，“市场无法战胜”这种说法，同样需要自己来试一试。他这次仍然用的是数学方法。索普的思路是这样的：选股票，需要研究公司基本面、消息面、技术面，还需要看宏观微观经济，这些我都不擅长。那我擅长什么呢？当然是数学。那投资有没有可能变成一个纯粹的数学问题？有没有办法既不用选股，又能抵御股市大起大落的风险，还能获得满意的回报呢？答案就是两个字：对冲。对冲是指，你预测到某种风险的存在，就用另一种方式去抵消和降低这种风险。棺材铺卖药，死活都赚钱，这就是一种对冲。金融投资中的风险对冲，就是用一项投资去降低另一种投资的风险。一般来说，这两种投资需要相关度比较高，才能有效对冲掉风险。举个例子，如果你要选股票，通用汽车和可口可乐两家公司，差异性很大，遇到的风险也不同，这两者之间很难做对冲交易。但如果一个是可口可乐，另一个是百事可乐，两家公司面对的外部风险非常类似，你就只要判断在同等外部环境下，哪个公司更好，然后买入好的那个，卖空差的那个，就能对冲掉大部分外部风险。而索普的策略把这种风险对冲做到了极致，根本不用选公司。他只要找同一个公司发行的不同证券产品。这两个产品高度趋同，同涨同跌，但是定价又有差价。这相当于同一个东西，在两个地方，换了两个名字，就卖出了两种价格。有了这两种产品，一边买入便宜的那个，另一边做空贵的那个。随着时间的变化，市场长期来说还是会有效，越来越多的人发现了这种定价错误，资金像水一样，会从高处流向低处。两者间的差价逐渐消失，投资者就可以收获利润。索普用这种方法，对美国电话电报公司AT＆T的新旧两种股票进行了交易，大赚了一笔。当时，通信巨头AT&T公司将要分拆，成为一个“新的”AT&T公司和7个“子公司”，原股东会收到新的8家公司的股票。但市场不喜欢老公司、更追捧新公司，所以同等的旧股票价格比新股票要低。索普于是借了一大笔钱买了原AT&T公司500万股股票，同时做空相应数量的8家新公司股票。这是笔稳赚不赔的买卖，索普因此轻松赚到了160万美元。这种投资策略跟股市是否涨跌并没什么关系，所以被称为是“市场中性”的策略。而事实上也确实如此。索普在29年中没有一年是亏损的，包括几次大股灾，投资年均复合收益率堪比巴菲特。当然，这个策略最大的难点在于，你得知道这两种证券的定价，才能判断它们之间有没有机会。比如最常出现的机会是在股票和期权之间。期权就是一张合约，有了它，你就有权在某个时间段里，以某个固定的价格，买入或卖出一种资产。比如股票期权，就类似赌未来股价的一张彩票，跟股价同涨同跌，走势完全相同。但是做对冲交易之前，你必须知道这个彩票实际值多少钱。这又是一个数学问题。经过一番计算，索普找到了这个彩票定价公式。经过计算，索普发现市场上存在大量定价错误的期权，只要有效利用它们，就能战胜市场。这种借助数学的方法，从海量数据中寻找投资机会的投资方式，就是我们经常听到的“量化投资”。在《击败庄家》后，索普又写了本书叫《击败市场》，这本书是量化投资的开山之作，也成为有史以来最有影响力的投资指南之一。后来，索普仿照巴菲特的模式，建立了全球第一家采用量化投资策略的对冲基金。如今，量化投资已经是全球证券投资市场最重要的几大派别之一。作为量化投资理论和实践的先驱，索普彻底改变了证券投资行业。索普后来又进一步完善了期权的定价方法，但他这次没有公开，而是留下来闷声发大财。后来，有另外三位数学家受索普的书启发，也发现了这个期权定价公式，公开发表后，因此获得诺贝尔经济学奖。错过诺奖的索普并不后悔，选择本来就有得有失。从1969年成立，到1988年意外关闭，索普管理的两支基金，在19年里的总回报率分别为27倍和15倍，年化平均回报率分别为18.8%和15.1%。作为对比，同期标准普尔指数上涨了5倍，年均增长率为10.2%。他的收益是远远跑赢标普指数的。在这19年期间，分别发生了1973年第一次中东石油危机，1979年第二次中东石油危机，还有历史上单日跌幅最惨重的1987年黑色星期一股灾，但是索普管理的基金从来没有一个季度发生过亏损，更没有年度亏损。索普再次证明，自己可以击败市场。总结一下第二部分内容，索普使用风险对冲的策略，击败了市场，在风险极低的情况下，取得了高额投资回报。不过索普的经历，也证明了市场在一定程度上确实有效。同样的投资策略会被越来越多的人发现和使用，投资收益率会逐渐降低，并趋近于市场平均水平。长期来说，击败市场还是很难的。索普也建议普通投资者，买指数基金，跟上市场平均收益，就能战胜大部分人了。第三部分在本书的最后几章，索普给普通投资者提了很多建议，我认为其中最重要的，就是他风险管理的方法。索普本人极度厌恶风险。你别看他去拉斯维加斯赌博，后来又在华尔街管理资金，动不动就是几亿美元的大手笔。但他都是基于理性分析的稳赢策略，对于他来说，赌博和投资都不是运气游戏，而是一种科学实验，风险都很低。作为数学家，索普的优势是能在理论上推导出最优的策略。但实践和理论之间还有一道鸿沟，就是现实的不确定性。输的概率虽然低，但输了之后结果会很严重。 20世纪60年代初，索普做了一笔白银投资。当时他预计到白银价格会大幅上升。在银行的建议下，他借钱买入白银。随后白银果然持续上涨，索普短期内赚了很大一笔钱，但这笔钱并没有收进。在随后白银短期的波动，价格下跌达到1/3，在杠杆的作用下，亏损超过了本金，索普爆仓了，这笔投资全部亏光。这件事情，让索普在之后的50年职业生涯，始终把风险管理当做最主要的事。判断对了，但是却亏光了钱。问题出在哪里？对于赌徒和投资者来说，如果投资策略没问题，那主要的关键就是怎么下注，或者叫仓位管理，这也是风险管理的核心问题。赌注太小，赢得不够；赌注太大，随时爆仓。一旦输光，即使遇到100%能赢的机会，也没法再翻盘了。那有没有一种最佳的下注策略呢？既能获得比较高的收益，又不用冒太大的风险。还真的有。在共同完善21点赌博策略时，索普经香农教授提醒，了解到了凯利公式。凯利公式的发现者是物理学家约翰·凯利，这是一个关于如何下注的策略。这个公式是这样的：下注比例 = 胜率/赔率。胜率是你能比庄家多的优势；赔率是每1块钱的预期收益。根据凯利公式，你只要计算出赔率，计算出获胜的概率，那么你就能知道要拿当前资金的多少比例去下注。索普就是这么玩的。他带着1万美金，去拉斯维加斯。胜率不利时按赌场的最小下注额下注，胜率有利时增加下注，最大下注500美元，也就是总金额的5%。在赌场，赢的人总是迷信手气而加大赌注，输的人则期望下一把翻本。可索普不相信手气，只相信数学，始终坚持用凯利公式下注。这是他每次都能赢钱的秘密。数学证明，根据凯利公式下注，有两大好处：一是在长期中能获得最高的复利增长率；二是永远不会输掉全部本金。凯利公式这么重要，但在本书中，索普甚至没有在正文中列出凯利公式的方程式。我推测，这是因为公式背后的思维方式比公式本身更加重要。在生活中，概率和赔率并不可能像赌桌上那么清楚，但你可以通过凯利公式的两条原则，提升决策的有效性：第一，根据胜率和赔率下注，胜率越大、风险越小，赌注越大；第二，除非有100%的胜率，别全部押上。索普把这个公式运用到自己之后的赌局和投资中，也正是因为他的使用和推广，凯利公式成了金融界的香饽饽。股神巴菲特、股神搭档查理·芒格、债券之王比尔•格罗斯等人，都曾明确表示，自己在风险管理中，使用到了凯利公式。查理·芒格说过：“当世界给予你机会的时候，聪明的投资者会下重手。当他们具有极大赢面的时候，他们会下大注。其余的时间里，他们做的仅仅是等待，就这样简单。 ”芒格的话，其实就是凯利公式所表达的意思。但在华尔街，并不是所有人都能认识到风险管理的重要性，到处都是用高风险博取高回报的案例，其中不少惨痛的教训。长期资产管理公司就是个经典的反例。长期资产公司一度是华尔街的超级梦之队。合伙人中包括多位知名经济学家，其中就包括发现期权定价公式的两位诺贝尔奖获得者。长期资产的人，还曾问过索普是否有兴趣参加，或者投资，索普拒绝了。他认为长期资产的领头人偏好高风险，自己并不喜欢；而且他认为长期资产的合伙人们，缺乏实际投资经验，难保不是纸上谈兵。长期资产创立于1994年，在前几年每年收益都高达30%以上。但它的高收益建立在高杠杆高风险上。它的杠杆率在30倍到100倍之间浮动，不到1%的利润可以放大到约40%的利润。但是一旦市场下跌3%，本金就会全部亏光。据这帮经济学家的测算，亏光的概率不到万分之一，但这种小概率事件恰恰就发生了。 1998年，长期资产公司在不到四个月内亏掉46亿美元，几乎亏光了本金，随后倒闭。索普的评价是：“这帮人下注太多，酿成了大祸。 ”想要完完全全应用凯利公式，需要知道收益结果的确切概率。在大部分赌场中你预先可以估计到自己的胜率。而在现实投资中，这种胜率很难估计，而投资者天生又会过度乐观和悲观。你认为70%胜率的投资，可能实际只有55%的胜率。面对这种情况，索普的办法是，再保守一些，用比凯利公式算出的结果更小的比例去下注。索普警告，对于那些声称100%赚钱、而且收益率还很高的项目，尤其要睁大眼睛。索普就亲自揭露过这样一个骗局。 1991年，有一家投资公司请索普来帮忙，检查公司的投资组合有没有问题。索普经过梳理发现了组合中有个基金不太正常。这个基金持续10年每年收益都高达20%以上，而且每个月都是赚钱的。索普详细询问了基金经理的投资策略后断定，这是个骗局。根据他的计算，按照这种策略，基金不可能每个月都赚钱，肯定应该有赔钱的月份。带着自己的怀疑，索普将这位基金经理的买卖记录与市场上当天真正的交易量做了对比，发现交易记录是伪造的，很多交易根本不存在。投资公司在索普的建议下，把钱拿了回来。由于监管机构的漠视，这起骗局后来又持续了17年，而且越来越大。直到2008年金融危机期间，因为资金链断裂，骗子才被正式揭露。这就是“世纪巨骗”麦道夫，这起骗局诈骗金额超过600亿美元，受害客户4800名，其中还有很多名人政要。总结一下第三部分，索普进行风险管理的主要工具，是凯利公式。简单来说，胜率越高，下注越大，但别全押。公式背后的思维方式比公式本身更加重要，因为生活中面临的选择，胜率和赔率都不那么容易算清楚。总结好的。总结一下本期音频，我们用三个重点问题，带你了解了索普的故事和他的思维模型。第一、怎么击败庄家？索普主要的思维模型是概率统计。索普从不轻信已有的结论，而是亲自去验证；他也不相信什么运气，而是寻找统计学意义上的解决之道。第二、怎么击败市场？索普主要的思维模型是风险对冲。排除无法判断的情况，对冲掉自己无法掌控的风险，用自己最擅长的数学方法，成功获利。第三、怎么控制风险？索普主要的思维模型是凯利公式。胜率越高，下注越大；除非有100%的胜率，千万别全押。最大的风险不是输钱，而是爆仓。爱德华·索普的故事，此前王烁老师在《大学·问》和《30天认知训练营》中都曾讲述过。王烁给索普总结的打法中有一条，就是：始终保持理性，不是只在某个科学领域里保持理性，而是在与世界打交道的所有方面都保持理性。所以，索普才能从校园、到赌场、再到华尔街，全都是大赢家。甚至在找寻伴侣的过程中，他也是用理性的思考，得出了结婚的结论，并换来了长达60年的美满婚姻。无独有偶，查理·芒格也曾说过，自己成功的秘诀如果只用一个词来说，就是“理性”。你必须先维持理性，才能够让知识得到有效的应用。没有理性，知识、耐心这些东西，都没有用。尽管我们很难复制索普和芒格的奇迹，但我们却可以学习他们生活中的理性。撰稿：于利强脑图：摩西脑图工作室转述：孙潇打开得到App听更多

8倍高杠杆基金爆仓了

在2008年全球金融危机爆发10多年后，经过整顿的金融体系再次面临风险。一个隐藏的对冲基金通过结合几家投资银行的高杠杆衍生品，暴露了全球金融体系背后的风险和劣势。

这件事虽然告一段落，但影响远未远去。受影响的投资银行的经济业务可能在此次爆炸中损失100亿美元，瑞士瑞信银行成为爆炸发生后第一家被投资者起诉的投资银行。

新冠肺炎疫情爆发后，美联储大量放水，银行流动性充裕，放贷意愿强烈，资产价格上涨，泡沫风险加大。作为一个警示信号，这次仓库爆炸说明金融体系存在相当大的系统性风险。从华盛顿到苏黎世和东京的金融监管机构都在仔细研究这起仓库爆炸事件涉及的结构性问题，投资银行和对冲基金都可能面临调整，以应对金融危机以来最重大的变化。

为什么高杠杆看不见？

爆炸的原因是一个名叫比尔黄(BillHwang)的韩裔美国人采用了一种杠杆异常高的多空策略，但他的投资策略却是押注少数股票。

大型投资银行不断给黄彦林提供他需要的杠杆，这意味着他投资的每一美元，他都会购买数倍于他喜欢的股票，但投资银行看不到所有的赌注。因为高杠杆，黄彦林管理的Archegos基金用自己的100亿美元将自有资金杠杆化了数倍。

这个职位的总职位是什么？从几百亿美元，500亿美元，甚至上千亿美元，估计数据都在不断上升。晨星估计自己的杠杆率已经从最早的3~5倍跃升到8倍以上，也就是说即使稍有亏损，基金本金也会被迅速消耗。

随着股价的快速下跌，黄彦林可能单日损失200亿美元。高盛的一位前合伙人评论说，他从未见过如此快速的财富集中和快速流失。这绝对是历史上个人财富最大的单笔损失之一。

富国银行投资研究所高级全球市场策略师萨马纳表示，尽管华尔街可能避免了一场系统性灾难，但这次崩盘是“杠杆失灵”的一个例子。这次崩盘真的提醒了人们，市场上积累了多少未知的杠杆，包括券商账户、期权、信用领域。

2008年金融危机后，华尔街原有的高杠杆、风险扩散的做法得到了一定程度的抑制。为什么这个充满系统性风险的高杠杆产品运作成功，为什么基金敢赌这么大却功亏一篑？为什么投资银行无法预测这些风险？

不需要披露职位的家族理财室

杠杆看不见的第一个原因是Archegos不是普通的对冲基金，而是仅以自有资本形式存在的家族办公室。这意味着黄彦林的亏损全部由自己承担，因此外界对其产品的高杠杆操作模式一无所知。

在从对冲基金转向家族理财室之前，黄彦林的职业生涯漫长而充满争议。作为传奇对冲基金老虎管理公司JuriensRobertson的弟子，黄彦林凭借自己的努力，在前老板Juriens的部分资助下，在纽约创立了亚洲老虎管理公司。

黄彦林投资数十亿美元，重点投资亚洲市场，并一度取得了优异的回报。但在2012年，因为内幕交易，他同意与监管机构达成6000多万美元的和解协议，然后将之前管理的亚洲老虎基金变成了他的家族办公室，并改名为Archegos。

据了解，专门管理自己财富的家族金融机构通常可以免于在美国证券交易委员会注册为投资顾问。它们不必披露所有者、高管或管理资产规模。但如果基金接受外部投资者，只要持有规模超过1亿美元，就需要对外披露相关信息。

因为没有必要向外部投资者出售自己的基金，也没有义务披露任何信息，黄彦林的策略和业绩一直保密。即使比尔在知名的老虎基金工作，但他在华尔街和纽约的社交圈并不知名，以至于在投资公司倒闭前，投资界很少有人听说过他的名字。

外界干扰的监管对于小型家族理财室来说是合理的，但如果其规模通过杠杆扩张到数百亿，甚至达到数千亿的仓位，仍然不为外界所知，就可能构成不可控的“黑洞”。

这也是为什么很多中概股开始暴跌后，市场还没有完全搞清楚背后是谁在兴风作浪，一度被市场误解为中概股面临退市风险。

高杠杆背后的秘密3360掉期交易

与通常的直接投资不同，黄彦林并不直接持有他所持有的股票，而是通过总回报掉期建立投资组合。互换是他们和投资银行之间的协议。它们是根据股价的变化来结算的，但是真实的头寸都记录在这些大型投行的资产负债表上，所以更加隐蔽。

据了解，大宗经纪业务通常位于投资银行的股票部门，该部门将向基金提供现金和证券贷款以及各种衍生交易工具，并帮助执行交易。总收益掉期是他们提供的掉期衍生品之一。

互换的一个好处是，它允许像黄彦林这样的投资者匿名建立股票头寸。投资银行的大宗经纪部门将购买这些股票，并报告自己为受益所有人。上市公司的头寸持有者只会显示为投资银行，但Archegos实际上会承担风险。

因为互换合约只允许投资者提前投入有限的资金，这意味着他们有杠杆。 Archegos将以现金形式提供一定比例的头寸价值作为保证金，其余部分由投资银行以杠杆形式提供。

掉期交易除了匿名性，还有很强的波动性。由于掉期交易每天结算，损益已经扣除。如果其投资组合价值下降，Archegos必须再次提供质押，即浮动保证金。但如果股票价值增加，银行将向公司支付现金。

从已经爆仓的股票持仓来看，投行的“代持”相当集中。统计显示，投资银行

共计持有至少68％的跟谁学已发行股票，至少持有爱奇艺公司40％的股份，这种带有杠杆性质的衍生品本身就蕴藏着极大的风险。一旦股票下跌，掉期合约无法满足追加保证金的情况下，投行就会出售作为质押而持有的股票，进一步引起股票下跌，股票下跌又会进一步提高保证金要求，这往往引起一种螺旋式的抛售，为爆仓埋下种子。

大宗交易抛售

加大“踩踏”风险

除了前面提到的中概股外，Archegos最大的持仓是传媒集团维亚康姆哥伦比亚广播公司，它的意外下跌成为导火索。

3月22日，维亚康姆宣布出售30亿美元的股票和可转换债券，其股价随后2天暴跌了30％。加上Archegos的其他持仓也不理想，其持有的网络到3月中旬时，其股价已经高位下跌20％以上。持仓恶化迫使采用高杠杆策略等的 Archegos触及平仓线，危若累卵。

伴随股价回调，放大的杠杆和集中持仓加剧了Archegos亏损，投行开始要求比尔·黄主动抛售，以满足其不断扩大的保证金要求。

大宗交易出现抛售总是令投资者感到不安，尤其是在卖方不明和成交价低于市场价时更是如此。市场担心，接近消息源的人知道一些市场尚未了解的坏消息，并开始提前行动。这不仅促使各大投行交易部门因为股价进入螺旋式下跌而竞相抛售，其他持有股票的交易员们在摸不清楚原因时，也急着清空仓位，引起“踩踏”。这也解释了为何像网络等中概股股价大幅下跌时，跌幅如此之快。

高杠杆的另一面

跑在前面是“赢家”

一方面，为了扩大杠杆，Archegos与野村控股、摩根士丹利、德意志银行和瑞士信贷等多家投行的经纪业务部门建立了合作关系。各自为政的投行，给Archegos提供杠杆时往往互不清楚其他交易方，无形之中累积了更高的杠杆率。

另一方面，这些互不通气的机构在面临风险时，又往往为了利益最大化选择抢跑，趁着股价大跌之前尽量抛售股票兑现。伴随不断升级的混乱局势，谁跑在前面，似乎就成了赢家。 3月26日，早在开盘之前，高盛就已经通过大宗交易方式出售其持有的33亿美元头寸，摩根士丹利和富国银行等投行紧随其后。

不过，并非所有投行都这么想。瑞士信贷不是唯一一家在衍生品上存在高杠杆风险的银行，但却是少数没有像其它投行一样迅速平仓，减少损失的机构。这轮爆仓中亏损最多的就是瑞士信贷。从其亏损程度推测，瑞士信贷想等股价止跌反弹以此减轻损失，因此没有不断追加保证金。

瑞士信贷披露，由于Archegos的爆仓，该行出现了47亿美元的亏损，远高于此前的预期。这将导致该行第一季度亏损约10亿美元。根据其2020年度报告，这家投行净资产（减去商誉后）约416亿美元，意味着这笔亏损相当于抹去了其净资产的十分之一。

瑞士信贷随后解雇至少7名高管、交易员和风险经理，暂停了15亿瑞士法郎的股票回购计划，并将股息削减三分之二。瑞士信贷高管全年的奖金已被取消，而即将离任的董事长罗内尔也放弃了150万瑞士法郎的奖金。

这不禁引发了人们对公司高管和风险管理机制的质疑。由于其高杠杆所带来的风险，4月16日，美国一家养老机构起诉瑞士信贷，称其误导了投资者，参与了过高风险的借贷，这也是该起爆仓事件后银行所面临的首个诉讼。受此影响，瑞士信贷的股价从今年的高点已经下跌了27％。

其他参与的投行也面临着不小的损失。野村证券面临着爆仓带来的约20亿美元的损失，摩根士丹利4月16日公告面临9.11亿美元的损失。目前来看，这一爆仓事件引起银行业的亏损约在百亿美元规模。

本文源自中国基金报

关于量化交易，这些入门知识你需要了解

这篇文章将向你介绍量化交易系统的一些基本概念。本文主要面向两类读者，第一类是正在努力寻找一份量化交易员工作的求职者，第二类是期望尝试开启自己量化交易事业的个人投资者。关于量化交易，这些入门知识你需要了解。

量化交易是数量金融学一个极其艰深复杂的领域。若要通过面试或构造你自己的交易策略，就需要你投入时间学习一些必备知识。

量化交易系统包括四个主要部分：

策略识别：搜索策略、挖掘优势、确定交易频率。

回溯测试：获取数据、分析策略性能、剔除偏差。

交割系统：连接经纪商、使交易自动化、使交易成本最小化。

风险管理：最优资本配置、最优赌注或凯利准则、交易心理学。

我们首先来谈谈如何识别一个交易策略。

策略识别

所有量化交易流程都肇始于一个初期研究。这个研究流程包括搜索一个策略、检验它是否适合你可能正在运作的策略组合、获取任何测试策略时所需数据、努力优化策略使其预期年化预期收益更高且（或）风险更低。如果你是一个“散户”交易员，一定要清楚自己的资金是否充足，以及交易成本对策略的影响。

通过各种公开数据搜索可盈利的策略实际上十分简单，并没有大家想的那么难。研究学者会定期发表理论交易结果（虽然大多为交易成本总额）。一些数量金融学主题博文也会详细讨论策略。交易期刊还会简报一下基金管理公司使用的一些策略。

你可能会问，个人与公司怎么可能愿谈他们的可盈利策略，特别是当他们知道，如果其他人“复制相同的策略”，长期而言它终将失效。

原因就在于，他们通常不会透露具体的参数以及他们所使用的调参方法，而这些优化技能才是把一个表现平庸的策略调成一个回报丰厚的策略所需的关键技术。实际上，若要创建你自己的、独一无二的策略，一个最好的法子就是寻找相似的方法，尔后执行你自己的优化程序。

你所看到的很多策略都可归入均值回归交易策略、趋势跟随或动量交易策略两类。

均值回归策略试图利用这么一个事实：“价格序列”（如两个关联资产的价差）存在一个长期均值，价格对均值的短期偏离终将回归。

动量交易策略则试图“搭上市场趋势的顺风车”，利用投资心理和大基金结构信息在一个方向积聚动量，跟随趋势直至回归。

定量交易还有一个重要方面，即交易策略的频率。低频交易（LowFrequencyTrading,LFT）通常指持有资产超过一个交易日的策略。相应地，高频交易（HighFrequencyTrading,HFT）通常指持有资产一个交易日的策略。

超高频交易（Ultra-HighFrequencyTrading,UHFT）指持有资产的时常达秒级与毫秒级的策略。虽然散户可以进行HFT与UHFT交易，但也只是在你掌握了交易“技术栈”与订单簿动力学的详细知识后才有可能。本篇入门文章，我们不会对这些问题做任何深入探讨。

策略或策略集合一旦确定，现在就需要在历史数据上测试其盈利能力，这就进入了回溯测试的工作范围。

回溯测试

回溯测试的目标是提供证据，佐以证明通过以上流程所确定的策略，无论是应用于历史（训练）数据还是测试数据均可盈利。它可以反映该策略未来在“真实世界”中的预期表现。

由于种种原因，回溯测试不能保证一定成功。这或许就是量化交易最为微妙之处，由于它包含了大量的偏差，我们必须尽尽力仔细审查并剔除它们。

我们将讨论几种常见类型的偏差，包括先窥偏差、幸存者偏差与优化偏差（亦称“数据窥视偏差”）。回溯测试中其他几个重要方面，包括历史数据的可用性与清洁度、真实交易成本及可靠回测平台上的决定。我们会在后续“交割系统”一节深入讨论交易成本。

策略一旦确定，我们就需要获取历史数据，并藉此展开测试，如有可能还可改进策略。现在卖数据的很多，所有资产类型的数据都有。通常，数据的质量、深度、时间间隔不同，其价格也不同。

刚入门的量化交易员（至少零售等级）最初使用雅虎金融板块（YahooFinance）的免费数据就行。对于数据供应商，这里不再赘言。我想重点谈一谈处理历史数据时，时常遇到的问题。

对于历史数据，人们主要关心的问题，包括数据精度或清洁度、幸存者偏差、应对如分发红利、拆分股票等公司行为的调整。

精度与数据整体质量有关，无论数据是否包含错误。有时错误容易识别，比如使用一个窄带滤波器，就可以找出时间序列数据中的“窄带”并更正它们。其他时候，错误又很难甄别，经常需要根据多个数据供应商提供的数据进行对比检查。

幸存者偏差通常是免费数据集或廉价数据集的一个”特征“。对于一个带有幸存者偏差的数据集，它不包含已经不再交易的资产数据。不再交易的证券，则表示已经退市或破产公司的股票。如果数据集中含有此类偏差，策略在此数据集上的测试表现可能比在”真实世界“里表现的更好，毕竟历史”赢家“已经被预先筛选出来，作为训练数据使用。

公司行为即公司开展的常引发原始价格阶梯形变化的”逻辑“活动，它不应该计入价格预期年化预期收益。公司分发红利和拆分股票行为是引发调整的两个常见行为，二者无论发生哪一种，都需要进行一个”回调“的流程。我们一定要留心，不要把股票拆分和真实预期年化预期收益调整混为一谈。许多交易员在处理公司行为时都碰过壁！

为了开展回溯测试，我们必须使用一个软件平台。你可以选择一个专门的回测软件如MultiCharts，一个数值平台如Excel或MATLAB，或者一个用Python或C++完全自主实现的平台。对于MultiCharts（或类似平台），个人是比较介绍，对于编程的要求比较低。

在做系统回测时，一定要量化表示系统性能。定量策略的“业界标准”度量为最大资金回挫与夏普比率。最大资金回挫表示一段时间（通常一年）内账户资金曲线从波峰至波谷的最大跌幅，常使用百分比表示。

由于大量的统计因素，LFT策略比HFT策略的资金回挫更高。历史回测会显示过去的最大资金回挫，它能够较为贴切地反映策略的未来资金回挫情况。第二个度量指标是夏普比率，它被启发式地定义为“超额预期年化预期收益均值与超额预期年化预期收益标准差的比值”。

这里，超额预期年化预期收益表示策略预期年化预期收益超出某个预定基准，如标普500或三月期短期国债（预期年化预期收益）的额度。注意人们通常不使用历史预期年化预期收益指标，因为它忽略了策略波动性的影响，而夏普比率却考虑到了这一点。

如果经过回测，策略的夏普比率很高且其最大资金回挫已经最小化，则可以认为它趋于无偏，下一步就是要搭建一个交割系统。

交割系统

交割系统是一个方法集合，由它来控制交易策略生成的交易列表的发送和经纪商的交割行为。事实上，交易可以半自动、甚至全自动生成，而执行机制可以手动、半自动（即“点击一次交割一项”）或者全自动。

尽管如此，对于LFT策略，手动和半自动技术却比较常见；对于HFT策略，则必须创建一个全自动交割机制，由于策略和技术彼此依赖，还要经常与交易指令生成器紧密相接。

在搭建交割系统时，我们需要考虑几个关键因素：连接经纪商的接口、交易成本（包括佣金、滑动价差与价差）最小化、实时系统与回测时系统性能的差异。

联系经纪人的方法有很多，你可以直接电话联系他，也可以通过一个全自动高性能的应用程序接口（API）实现。理想情况，就是希望交割交易的自动化程度尽可能高。这样一来，你不仅可以脱开身集中精力进行深入研究，还能运行多个策略、甚至HFT策略（实际上，如果没有自动化交割，HFT根本不可能）。

前面说过的几种常用回溯测试软件如MATLAB、Excel和MultiCharts，对于LFT策略或简单策略都是不错的选择。但是，如果要做真正的HFT，你就必须要构造一个用高性能语言（如C++）编写的内部交割系统。

说个我的亲身经历，以前受聘于一家基金管理公司，我们有一个十分钟的“交易周期”，每隔十分钟下载一次新的市场数据，然后根据这十分钟的信息进行交割。这里用的是一个优化的Python脚本。对于任何处理分钟级或秒级频率数据的工作，我相信C/C++更理想。

在一家大型的基金管理公司，交割系统的优化通常不在量化交易员的工作范围。但是，在小点的公司或高频交易公司，交易员就是交割人，所以技术面越广越好。你要想进一家基金管理公司，一定要记住这一点。你的编程能力不说比你的统计学和计量经济学禀赋更重要，至少也同样重要！

另外一个属于交割系统的重要问题是交易成本最小化。一般地，交易成本由三部分构成：佣金（或税收）、损耗与价差。佣金是向经纪商、交易所和证券交易委员会（或类似政府监管机构）支付的费用；滑动价差是你的预期交割价位与真实交割价位的差值；价差则是待交易证券的卖出价与买入价之差。注意价差不是常数，它依赖于市场当前流动性（即买单和卖单数量）。

交易成本是决定一个策略是高夏普比率且盈利丰厚，还是低夏普比率且极不盈利的关键。根据回溯测试正确预测未来的交易成本很具有挑战性，你需要根据策略频率，及时获取带有卖出价与买入价信息的历史交易数据。

为此，大型基金管理公司量化交易的整个团队都专注于交割优化。当基金管理公司需要抛售大量交易时（原因五花八门），如果向市场“倾泻”大批股票，会迅速压低价格，可能都来不及以最优价格交割。

因此，纵使遭受损耗风险，基金管理公式也会选择使用算法交易，通过“打点滴”的方式向市场出单。此外，其他策略如若“捕到”这些必要性条件，也能利用市场失效（获利）。这是基金结构性套利的内容。

交割系统最后一个主要问题关系到策略的实时性能与回测性能的差异。这种差异由多种因素造成，比如我们在“回溯测试”一节已经深入讨论过的前窥偏差与最优化偏差。

然而，对于有些策略，在部署之前不易测得这些偏差。这种情况对于HFT最为常见。交割系统和交易策略本身均可能存在程序错误，回溯测试时没有显现却在实时交易时出来捣乱。市场可能受到继交易策略部署后的一场政变的影响，而新的监管环境、投资者情绪与宏观经济形势的变化也均可能导致现实市场表现与回溯测试表现的差异，从而造成策略盈利性上的分歧。

风险管理

量化交易迷宫的最后一块是风险管理程序。风险包含我们之前谈论的所有偏差。它包括技术风险，比如所有在交易所的服务器突然发生硬盘故障。它还包括经纪风险，如经纪商破产（此说并非危言耸听，引发恐慌的明富环球就是一个例子）。

总而言之，它覆盖了几乎所有可能干扰到交易实现的因素，而其来源各不相同。已经有成套的书籍介绍量化交易策略的风险管理，本人也就不再对所有可能的风险来源做详细说明。

风险管理还包括投资组合理论的一个分支，即所谓的“最优资本配置”，涉及到如何将资本分配给一组策略、如何将资本分配给策略内不同交易的方法。这是一个复杂的领域，依赖于一些高级数学知识。

最优资本配置与投资策略杠杆通过一个名为凯利准则的业界标准建立联系。本文是一篇入门文章，我在此不详谈其计算。凯利准则对策略预期年化预期收益的统计性质做过一些假设，但是它们在金融市场中并不一定成立，交易员因此在实现时通常会有所保留。

风险管理的另外一个关键成分涉及到交易员自身心理因素的处理。尽管大家都承认，算法交易若无人为干涉，不太容易出现问题。交易员在交易时，稍不留神仍然可能会掺入许多认知偏差。

一个常见的偏差是厌恶规避，当人发现损失已成定局，其所带来的痛苦，可能会麻痹人的行为，不能做到及时抛盘止损。类似地，由于太过忧心已经到手的预期年化预期收益可能赔掉，人们可能也会过早抛盘收利。

另外一个常见的偏差是所谓的偏好偏差：交易员太看重事件而非长远地看问题。此外，当然不能落下“恐惧与贪婪”这对经典的情绪偏差。这两种偏差常导致杠杆不足或杠杆过度，造成爆仓（账户资产净值近乎为零或更糟）或盈利缩水的局面。

总结

由此观之，量化交易是数量金融学中一个虽趣味十足但极其复杂的领域。我对这个话题的讨论浅尝辄止，文章就已经这么长了！我在文中三言两句带过的问题，已经有大量的相关书籍和论文出版。

因此，在你申请量化基金交易职位前，务必要进行大量的基础调研，至少应当具有统计学和计量经济学的广泛背景，以及使用MultiCharts、MATLAB、Python或者R程序语言实现的丰富经验。如果应对的是更加复杂的高频端策略，你的技能组合可能还要包含Linux内核修改、C/C++、汇编编程和网络延迟优化。

标签：股票爆仓的教训和应对措施高风险赌注