疫情期间，许多大型量化对冲基金就经历了史无前例的巨额亏损，比2007年8月的那次quant meltdown还要严重。许多久负盛名的基金甚至因为这次疫情引发的金融危机而破产了，比如oxford asset management, qt fund等等。这些大额亏损、甚至倒闭的量化基金，其策略都理应是“市场中性”的，也就是说，无论市场涨跌，其持仓都不受影响，即所谓beta为0。然而，为什么这次市场暴跌30%，这些市场中性的量化策略也随之亏损呢？
举个例子，经济学上常见的单向lead-lag依赖关系，比如吉野家的股票价格和牛肉商品期货的价格高度相关，当牛肉便宜的时候，吉野家的原料成本低，利润高，股票价格就理应上涨；而反之，当牛肉价格上涨时，由于吉野家不能随便给牛肉饭加价，其利润就会变低，股价就理应下降。算法通过训练，会得出“吉野家股价和牛肉期货价格高度相关”这一结论。因此，当牛肉期货价格上涨，便卖空吉野家股票，当牛肉期货价格下降，便看涨吉野家股票，这便是一个典型的pair trading策略。
假设，忽然间，有一种针对牛的传染病，导致全世界所有的牛都死光了，牛这个物种就此灭绝了。在这个虚构的世界里，这一个黑天鹅事件导致牛肉期货的价格先是上涨（疫情初期的肉牛供给下降），之后一路暴跌到0（在人们意识到牛即将灭绝后）。那么，在这个疫情的初期，吉野家股票肯定是会暴跌的，因此算法一开始的时候，遵循“牛肉涨、就看跌股票”的逻辑卖空吉野家股票，并获利；而在疫情后期，尽管牛肉期货价格一路跌至0，吉野家的股票也会一路跌到接近为0，那么在疫情后期，算法就会根据“牛肉跌、看涨吉野家”的逻辑买入股票，就会因此破产。
所有的算法交易和量化策略，都需要经过大量历史数据的训练。所谓成功的量化算法，就是那些在回测里始终盈利，放到out of sample的环境里，依然盈利，拿到真实世界里交易后，依然盈利的策略。所有的量化交易策略，都是对过去已经发生的事情的训练，试图从海量的数据里总结出金融市场运作的一般规律，诸如大公司表现好、杠杆率低的公司在经济下行时表现好、航空业股票之间关联度高、emini期货一般会导致nikkei期货跟着动，等等。一个量化交易算法，做的再好，做到极致，也不过是“充分学习了过去市场里发生的一切事件，并掌握了规律”。
但是，算法永远无法掌握从未发生过的规律，因为算法从来不从理论假设中学习。这次疫情导致的市场结构性失衡，为什么那么多量化策略破产？很多人给出了不同的解释，然而所有人都同意这一点，即“这种大流行病导致的全球性经济衰退”是“前所未见的”。因为从未发生过，所以量化算法没有训练过这样的样本，所以就不知所措、甚至胡乱交易。
当然，流动性导致的连锁反应，投资者去杠杆化，信贷挤兑，等等都是潜在原因，然而，这些现象每几年都会发生一次，也从未导致大批量化策略破产，原因无他，无非是这些都是见过的、都包含在量化策略机器学习的“样本集”里，模型训练过，也就知道如何应对了。而这次的黑天鹅事件，本质上，如同一个香蕉生产公司训练出来的、可以100%准确的识别香蕉在哪里的算法，突然间，树上的香蕉全都变成了萨克斯管，模型一概失效。
在二月中旬的时候，那些量化基金经理们，没有一个人有能力判断出来疫情会蔓延到美国和欧洲吗？有两点原因阻碍了他们作出正确的对冲。一来，量化策略，必须由算法进行系统性交易，仅凭主观判断而拿出一部分本金去对冲并不是量化交易的风格，也违背了和投资者签署的协议。二来，很多量化基金经理们，真的没有能力作出正确的判断，不理解也不愿意理解如何对冲到一个影响全球经济基本面的黑天鹅事件。因为他们很可能根本没有系统的经济学背景——你去看看每年各大高校数学、物理、计算机专业向金融行业输出了多少“人才”，你应该就懂了。
这也是我为什么一直坚持理论的重要性。金融市场，本质上是实体经济的衍生，长期上，受经济基本面、公司财务状况、国际贸易和技术进步影响，短期内，受证券的供需关系、交易成本、法规监管、市场结构限制。理解金融市场的运作原理，理解经济学基本模型和理论，应该是投资和交易的根基。缺乏经济学常识、只懂机器学习、随机偏微分方程等等，或许能一时成功，然而，在真正危机的时候，把所有收益全都吐出来。
没有经济分析能力，只分析数据，以前叫数据挖掘，是骂人话；近两年换了个说法，改叫数据科学了，但依然不好听。不懂得模型和理论，只看数据，属于fit noise。当然不是说分析数据的技术没用，只是quant有必要具体研究如何让这些重复的、稳健的东西可以规律做出来的高sharpe策略的pnl，而不是写黑天鹅事件的put options。像大奖章这种基金肯定是有alpha的，在三月份的股灾里大奖章基金不但没降反而涨了24%。但普遍上讲，抛开极端特例，整个行业，包括千禧、schonfield、two sigma等等一概亏损，那么多基金破产倒闭，一定要程度上反映了量化策略sell put options的本质。
有人认为，统计套利是一个单独的市场。普通的市场下有人大量抛售，其他持有相同股票人就会（浮）亏。类似的统计套利市场有人撤资，其他持有类似策略的就会（浮）亏。经典的策略在三月份确实亏了很多，但是很多新策略在那段时间没有受到影响，甚至还有猛赚的。所以量化策略本身没问题。其实这和我说的不矛盾，如果在统计套利市场的策略只相当于普通市场的交易者，那随时存在被新策略收割的风险本身，就和量化交易标榜的所谓“从数据中寻找规律的”优越性背道而驰了。死板的量化基金协议也正是这种风险的命门。归根到底，量化策略也仅仅是一种策略而已，需要我们在正确的情况下把它用好。统计学习本身存在系统风险，更不会替代传统的金融学分析。所以大家也要尽量减少这种幻想。