2007年量化地震：拥挤交易如何让多因子模型集体失效

这不是一次普通的市场下跌。大盘指数并没有同步出现同等幅度的崩溃，许多传统意义上的市场风险指标也没有提前给出足够强烈的警报。真正失控的是因子层面的相对价格关系：原本被持仓组合做多的股票遭遇抛售，原本被做空的股票反而被集中买回。多空两端同时受损，市场中性策略赖以生存的结构被直接拆开。

这场危机留下的核心问题，不是某个模型算错了一个参数，也不是某一家基金判断失误，而是许多看上去彼此独立的策略，在压力最大的时刻暴露出了相似的持仓、相似的风险约束和相似的退出路径。

量化地震的爆发：三天内的极端因子异动

指数没有崩，因子却先失去了秩序

把时间轴拉回2007年夏天，首先看到的是次贷市场不断扩大的裂缝。贝尔斯登旗下两只与次级抵押贷款支持证券相关的对冲基金相继倒闭，随后，索伍德资本也被清算。非流动性信用资产的损失，先在相关基金的账面上显现出来，之后又通过赎回、保证金追加和风险限额调整，逐步传导到其他资产。

股票市场并没有立刻表现为全面下跌。相反，真正剧烈的变化发生在股票之间的相对表现上。

当时典型的多因子组合，往往同时持有一篮子被模型判定为具有较好特征的股票，并做空另一篮子被判定为相对弱势的股票。策略可能综合使用价值、动量、规模、波动率等因子，也可能通过行业中性、市场中性或市值中性处理，尽量剥离整体市场方向。

这类组合在正常环境下依赖的是相对收益。只要多头组合相对于空头组合表现更好，策略就可能赚钱；即使指数横盘，因子之间的差异也足以提供收益来源。

但在8月7日至9日，原有的相对关系突然出现了剧烈反转。需要准确区分的是：这里发生的并不是模型信号在数据层面“全部反转”，也不能简单说事后回放证明了所有模型都同时给出了相反方向的信号。更可靠的表述是，强制平仓和持仓挤兑使因子的实际收益，反向冲击了许多基金原本持有的多空方向。

做空的一侧因为空头回补而上涨，做多的一侧因为多头抛售而下跌。于是，因子收益与既有持仓方向同时相反。对一个依赖多空价差的策略来说，这种变化比单边下跌更加危险：市场不是只让组合的一端亏损，而是同时压缩甚至颠倒了组合两端的相对关系。

为什么10个标准差如此危险

因子收益通常会依据历史数据进行风险估计。研究者会观察过去一段时间的日收益分布，再用波动率、相关性和协方差矩阵估算未来可能出现的损益范围。这样的模型并不要求市场永远服从正态分布，但在实际风控中，许多极端情景仍然以历史波动和近似分布作为起点。

2007年8月的异常之处在于，因子收益的偏离达到了10至12个标准差的量级。即使不把这个数字机械地转换成某个精确概率，它也足以说明：当时出现的并非普通意义上的高波动，而是历史风险估计框架几乎没有覆盖到的状态。

更麻烦的是，因子层面的极端波动可以被指数掩盖。假设市场中一部分股票上涨，另一部分股票下跌，指数经过加权后仍然相对平稳；但对多空组合而言，这种分化可能正好对应着多头下跌、空头上涨。指数没有显著变化，并不意味着相对价值策略处在安全环境中。

这张表里最值得注意的，并不是某一个回撤数字，而是不同观察层面之间的错位。宏观指数看起来尚未进入全面危机，因子组合却已经处于流动性踩踏之中。对于只盯着指数波动率或市场贝塔的风控系统来说，这种错位尤其容易造成误判。

量化行业为何同时感到冲击

2007年之前，量化对冲基金经历了持续扩张。行业吸引了大量资金，市场参与者也越来越相信，基于数据、规则和纪律的策略能够减少主观判断带来的不确定性。约1940亿美元的年度净流入，体现了当时资金对这类策略的关注和配置规模。

资金增加本身并不必然导致危机。问题在于，大量资金进入相近的策略框架后，策略收益的来源、组合构建方式和交易执行方式会逐渐出现重叠。不同基金未必使用同一套代码，但它们可能在同一批学术文献、相同的数据供应商、相似的风险模型和相近的客户约束下工作。

当这些策略在平稳环境中运行时，差异可能仍然足够大，组合也可能表现出较低的相关性。可是，一旦市场进入需要快速降杠杆的阶段，真正决定收益的就不再只是模型如何选股，而是基金能否以什么价格、在多长时间内完成交易。

指数可以保持平静，因子却可能已经进入流动性危机。

拥挤交易的真相：模型收敛与持仓重合的隐患

“独立模型”不等于独立风险

量化基金通常会强调模型的独立性。它们可能拥有不同的研究团队、不同的信号组合和不同的投资流程，也可能在行业约束、持仓数量和交易频率上有所区别。

但模型之间的表面差异，并不一定意味着风险来源真正分散。

在2007年之前，价值、动量和规模等因子已经是股票量化策略中非常成熟的组成部分。很多团队会从财务指标、历史价格和风险暴露中构建排序组合，再通过行业中性、市值中性或市场中性减少组合的方向性风险。即使每家基金的具体实现方式不同，最后形成的多头和空头股票集合仍可能相互重合。

这种重合不只发生在单只股票上，也可能发生在更高层级：

• 不同模型使用相同或相近的因子定义，导致股票排序结果趋同；
• 不同基金对波动率、行业暴露和单一股票权重设置相似限制；
• 主经纪商和风险模型对组合风险的评估方式相近；
• 资金成本、赎回安排和保证金要求，使基金在压力阶段采用相似的减仓顺序；
• 数据供应商、研究论文和行业惯例不断强化同一套投资语言。

因此，策略之间的相关性不能只看日常收益序列。更关键的问题是：当大家面对同一种压力时，是否会在相近的时间卖出相近的资产。

拥挤首先是持仓问题，其次才是模型问题

“拥挤交易”经常被理解为某个因子太受欢迎，或者某个方向上的交易者太多。但在实际交易中，拥挤往往表现为更具体的几种重合。

第一种是标的重合。许多基金可能同时持有一批具有相似财务特征和价格表现的股票。单只股票的权重看起来并不高，但如果同一批股票出现在大量基金的多头或空头组合中，市场上的有效可交易流动性就可能被高估。

第二种是因子暴露重合。基金之间即使持有不同股票，也可能都在承担相同的价值暴露、动量暴露或波动率暴露。股票不同，只代表组合的表面分散；如果决定收益的底层风险相同，那么这些仓位仍然可能在压力阶段一起受损。

第三种是退出规则重合。很多模型都会设置波动率调整、止损、杠杆上限和风险预算。当价格变动超过某个范围，基金需要缩小头寸；当净值下跌或保证金要求提高，基金还可能被迫进一步去杠杆。风险控制原本是为了限制单个组合的损失，但如果全行业使用相近的规则，风险控制动作就可能在同一时间集中发生。

第四种是流动性重合。不同策略可能平时交易不同股票，但真正需要现金时，它们都会优先卖出最容易成交的资产。最容易卖出的股票，通常也是最容易被多个基金共同持有的股票。于是，流动性越好，越可能成为全行业共同的现金来源；一旦大量基金同时出售，所谓的流动性优势就会迅速减弱。

平稳时期无法充分暴露拥挤风险

拥挤仓位在市场平稳时往往不容易被识别。只要资金持续流入、价格继续沿着原有趋势运行，大家都能获得正向因子收益。基金之间的收益相关性可能并不高，风险报告也可能显示组合拥有良好的分散化效果。

但这些数据主要描述的是常态，而不是压力状态。

在常态市场中，基金可以慢慢调整仓位，买卖冲击相对有限，风险模型也有足够时间更新。进入压力市场后，基金不再拥有同样的时间。赎回、保证金追加、杠杆限制和内部风控可能同时要求它们减少头寸。此时，交易者关心的不是某个因子在长期是否有效，而是能否在不进一步打坏价格的情况下退出。

这会产生一种自我强化的过程：越多人相信同一类资产能够提供稳定的风险调整收益，越多资金会配置相似仓位；仓位越集中，越需要依赖正常的成交深度；而当市场开始要求所有人同时离场时，原本被当作优势的流动性和低相关性就会变成风险来源。

交易策略的独立性，最终要在被迫减仓的时刻接受检验，而不是在平稳回测里接受赞美。

流动性传导机制：从次贷爆仓到量化平仓的负反馈

第一步：信用资产损失制造现金压力

次贷相关资产的损失首先影响了持有这些资产的基金和金融机构。问题不只在于资产价格下跌，还在于这类资产通常难以在短时间内以合理价格变现。

当投资人提出赎回，或者融资方要求补充保证金，基金就需要筹集现金。非流动性信用资产可能正是最难出售的部分，于是基金会寻找其他可以快速交易的资产。股票多空组合虽然未必是损失最严重的仓位，却可能是账面上最容易变现的部分。

这一步非常关键。基金出售股票，并不一定是因为模型认为股票已经失去价值，也不一定是因为研究团队突然改变了对企业基本面的判断。它可能只是因为其他资产无法及时换成现金。

第二步：流动性最好的仓位成为共同现金来源

多策略基金通常同时管理多种资产。信用资产、结构化产品和股票策略在投资逻辑上并不相同，但它们共享同一个资金池、同一套融资安排和同一个净值。

当信用业务出现损失时，基金可能通过出售股票多空组合来满足现金需求。对于单家基金来说，这是一种合理的资金管理动作。股票市场的成交相对活跃，股票头寸也更容易被分拆和调整。

然而，如果许多基金同时做出相同选择，流动性好的资产就会被集中使用。股票多头被卖出，空头被买回，价格不再只是对企业信息作出反应，而开始反映资金被迫离场的方向。

第三步：平仓方向直接冲击因子收益

一个常见的股票多空组合，平仓时通常需要同时处理两端：

1. 卖出原有多头头寸，换取现金；

2. 买回原有空头头寸，关闭借券和卖空仓位。

如果很多基金持有相似的多头和空头，集中平仓就会产生两种方向相反但同时发生的价格压力：

• 多头股票受到抛售，价格下跌；
• 空头股票受到回补，价格上涨。

对于原本持有该组合的基金而言，两端都会造成损失。多头下跌意味着资产价值下降，空头上涨意味着回补成本增加。策略并非简单地承受市场整体下跌，而是被自己的持仓结构从两侧夹击。

这里也必须避免一个容易造成误解的说法：不能把这种结果描述为“模型信号几乎全部反转”。模型信号是根据数据和规则形成的排序或交易指令，因子收益则是这些持仓在实际市场中的实现结果。2007年8月的事实材料支持的是，强平造成的价格冲击使因子实现收益与原有持仓方向相反，而不是证明所有模型信号在事后都发生了方向反转。

第四步：其他基金的风险阈值被触发

当第一批基金开始平仓，相关股票的价格变化会影响其他基金的净值和风险暴露。其他基金可能并没有遭遇同样严重的信用资产损失，但它们持有的股票组合已经因为市场冲击而出现亏损。

如果基金的风险管理系统根据波动率、杠杆、保证金或净值变化触发减仓要求，那么第一轮平仓就会成为第二轮平仓的起点。后续基金的出售和回补，又会继续压低多头、推高空头，进一步损害尚未离场的组合。

这就是清算连锁反应的核心：最初的冲击未必很大，但它改变了价格；价格变化又触发风险控制；风险控制带来新的交易；新的交易反过来扩大价格变化。

第五步：主经纪商让压力更快传递

主经纪商是量化基金杠杆和交易融资的重要环节。基金需要通过主经纪商借入资金、借券卖空并进行保证金管理。主经纪商也需要持续评估基金组合的风险和抵押品价值。

在平稳市场中，保证金要求和风险限额可能只是后台参数。但当波动率突然升高、抵押品价值下跌、组合损失超过预设范围时，主经纪商可能要求追加保证金或减少融资规模。

这会让基金面临双重压力：一方面，基金内部的风险模型要求减仓；另一方面，外部融资条件也在收紧。即使某个基金仍然相信因子长期有效，也可能没有足够的时间等待价格恢复。它必须先卖出资产、偿还融资或补足保证金。

从个体角度看，每一家机构都在做风险控制；从整体角度看，所有机构的风险控制动作却可能构成同一个方向的市场订单。

学术视角下的崩盘：对平仓连锁反应的定量模拟

研究问题不是“哪个模型错了”

2007年至2008年间，麻省理工学院的安德鲁·罗和阿米尔·坎达尼，围绕这次量化地震中的强平连锁机制进行了定量模拟。

研究的关键问题，并不是要寻找一个具体的选股公式，也不是要证明某个因子从此失效，而是解释：为什么一些在正常时期相关性较低的量化策略，会在极端市场中同时出现大幅回撤。

如果只看历史收益序列，低相关性似乎意味着组合之间能够相互分散风险。但收益相关性是一个条件性指标。它描述的是在既定市场环境、融资条件和交易行为下，策略收益如何共同变化。一旦市场状态改变，策略之间可能通过持仓重合、融资约束和共同平仓规则重新连接起来。

也就是说，策略平时看起来彼此独立，并不代表它们在压力状态下仍然独立。

模型中的连锁机制

研究模拟了多家基金持有相似多空组合时的情况。假设其中一家基金因为外部损失、赎回压力或风险控制要求开始减仓，它的交易会改变相关股票的价格。

由于持仓存在重合，第一家基金的平仓会影响其他基金的组合价值。受影响的基金如果同样受到风险限额约束，就可能继续减仓。随着更多基金加入，最初的局部交易逐渐演化成行业层面的价格冲击。

这一机制可以拆成几个相互连接的环节：

• 初始损失或现金需求迫使部分基金出售资产；
• 共同持仓使平仓对特定股票和因子产生集中冲击；
• 价格变化造成其他基金账面损失；
• 其他基金的杠杆、保证金或风险限额被触发；
• 新一轮平仓进一步改变价格；
• 因子收益与原有持仓方向持续背离，形成负反馈。

在模拟框架中，即使初始减仓幅度有限，只要基金之间的持仓重合足够高、杠杆足够大、市场深度不足，连锁反应也可能把局部冲击放大为整个行业的显著回撤。研究的价值就在于，它把“大家可能持有相似仓位”这一模糊担忧，转化为可以分析的平仓传导机制。

材料显示，模拟结果与当时实际观察到的行业回撤具有较高的一致性。这里需要保持边界：这项研究支持的是强平连锁如何形成和放大损失，并不支持把它延伸为某种关于“拥挤度临界点”的普遍理论，也没有足够依据把某条非线性曲线说成后来行业评估因子拥挤度的统一基准。

低相关性为何会在危机中失效

低相关性通常来自两个方面。第一，策略持有的股票和资产不同；第二，策略收益所依赖的因子不同。但在极端环境里，还存在第三个更强的连接：大家是否会因为同一种融资压力，在同一时间进行相似的交易。

当平仓成为主导行为，策略之间的联系就不再只由投资逻辑决定，而由交易方向决定。一个策略卖出多头、回补空头，另一个策略即使研究逻辑不同，只要也需要出售同一批高流动性资产，就会与前者发生价格上的联动。

这也是为什么风险管理不能只看收益相关矩阵。收益矩阵回答的是过去一段时间里策略如何共同波动，却不一定能回答以下问题：

• 这些策略是否持有相同股票或相同风格暴露；
• 它们是否依赖相同的融资渠道；
• 它们是否会在同一类损失出现时同时减仓；
• 市场深度能否承受全行业同时出售；
• 组合是否在压力状态下仍然能够保持原有的对冲关系。

真正的风险不只是模型在极端行情中判断错误，而是不同模型可能在同一个时刻被迫执行同一种交易。

反思与启示：因子策略的流动性风险与杠杆边界

第一，因子收益不是脱离交易的抽象数字

在回测报告中，因子收益通常以时间序列出现。研究者可以计算均值、波动率、最大回撤和夏普比率，也可以进一步分析行业暴露、市场贝塔与风格相关性。

但真实交易中的因子收益，不只由排序规则决定。它还受到成交量、买卖价差、借券条件、融资成本、价格冲击和交易拥挤程度的影响。一个在历史数据中表现稳定的因子，只有在足够多的资金以相近方式交易时，才会变成真实的策略收益；同样，当这些资金一起退出时，因子收益也会受到共同交易行为的影响。

因此，因子回测中最容易被忽略的部分，往往不是信号本身，而是信号转化为订单之后会发生什么。特别是市场中性策略，不能因为组合的净贝塔接近零，就把它视为没有方向性风险。多头和空头各自都需要流动性，两个方向的交易还可能在压力阶段同时受损。

第二，分散持股不等于分散风险

2007年时，许多量化基金已经在行业、规模和个股层面进行了分散。组合可能包含大量股票，单个标的权重也受到严格限制。

但标的数量多，并不自动意味着风险来源多。如果几百只股票都受到同一类因子驱动，那么组合只是把相同逻辑分摊到更多标的上。正常时期，这种分散可以减少单只股票事件带来的影响；压力时期，它却可能形成规模更大的共同交易。

真正有意义的分散，至少要同时考虑几个维度：

• 标的是否重合；
• 因子暴露是否重合；
• 交易频率和持仓周期是否重合；
• 融资渠道和保证金安排是否重合；
• 平仓规则和风险限额是否重合；
• 在市场深度下降时，是否仍然能够通过不同路径退出。

如果这些维度高度相似，那么组合即使拥有很多股票，也可能只是更精细地持有同一种风险。

第三，杠杆边界由极端损失决定

2007年8月期间，部分量化基金遭遇约20%至40%的回撤。材料显示，一些基金在事前使用的杠杆大约处于5至10倍的范围。在常态市场中，这种杠杆可能看起来与低波动、多空对冲策略相匹配，因为基金试图用杠杆放大相对稳定的超额收益。

但杠杆不会区分损失来自普通波动还是流动性踩踏。只要净值、保证金和抵押品价值同时恶化，杠杆就会把原本可以等待的回撤转化为必须立即处理的融资问题。

因此，杠杆不能只根据平均收益和常态波动来倒推。更重要的是评估：

1. 多头和空头是否可能同时遭遇不利价格变化；

2. 极端行情下，历史波动率是否仍然具有参考意义；

3. 组合需要多长时间才能完成减仓；

4. 减仓本身会对价格造成多大冲击；

5. 主经纪商提高保证金要求后，基金还能否维持仓位；

6. 多家策略同时退出时，原本的流动性估计是否仍然成立。

杠杆的上限，最终不是由平时能赚多少决定，而是由最坏情况下还能否有序退出决定。

第四，风险模型必须加入“共同退出”情景

传统风险模型往往基于历史收益和协方差结构。它们能够帮助研究者识别常态下的组合风险，却不一定能捕捉到所有基金同时平仓时的市场冲击。

针对拥挤交易，压力测试至少应当覆盖以下情景：

• 多头资产出现集中抛售，空头资产同时发生回补；
• 市场成交深度明显下降，买卖价差扩大；
• 融资成本上升，保证金要求提高；
• 多个策略同时触发波动率调整和风险限额；
• 某类因子收益在短期内与历史方向相反；
• 组合无法按照历史平均成交速度完成退出。

这些测试不需要假装预测某一天会发生什么，也不需要为每种情景附上精确概率。它们的作用是暴露策略的结构性脆弱点：一旦大家采取相同动作，组合还能不能保持原有的对冲关系。

第五，回测中最漂亮的部分，可能正是最需要追问的部分

长期回测中的低波动、高夏普和低相关性，确实可以为策略提供研究价值。但这些指标不能脱离形成它们的市场环境来理解。

如果一个因子在很长时间里都表现良好，需要追问的并不只是它是否具有经济解释，还包括：

• 这段收益是否吸引了大量相似资金；
• 因子的交易容量是否随着资金规模增加而下降；
• 收益是否依赖持续的融资条件；
• 因子暴露是否已经集中到少数行业或股票；
• 组合是否在历史样本中经历过真正的共同平仓；
• 风险模型是否把流动性当成固定参数，而不是会随市场状态变化的变量。

这些问题不会让模型失去价值。相反，它们能帮助交易者区分两件经常被混在一起的事情：因子长期是否可能提供风险溢价，以及在资金拥挤时，策略是否还能以可接受的成本实现这种收益。

结语：模型的边界写在退出路径里

2007年8月的量化地震，并不是一个“因子突然失效”的简单故事。价值、动量或其他因子并不会因为三天的极端行情就自动失去长期研究意义。真正发生变化的，是这些因子被大量相似资金共同持有之后，价格、融资和风险控制之间形成了新的反馈关系。

信用资产的损失带来现金需求，现金需求迫使基金出售流动性更好的股票组合；共同持仓又让这些交易集中冲击多头和空头两端；价格变化触发其他基金的风险限额，新的平仓继续放大价格变化。整个过程不需要每个模型都出错，只需要足够多的机构在同一时刻必须做相近的事情。

这也解释了为什么市场中性从来不等于风险中性。消除了市场方向，并没有消除流动性、融资和拥挤交易风险。股票多空组合仍然依赖两端的成交深度，因子收益仍然依赖参与者能够在相对有序的市场中交易，低相关性也仍然依赖市场没有进入共同退出状态。

今天重新研究那三天，最有价值的不是寻找一个可以事后套用的单一答案，而是重新检查策略的边界。模型如何生成信号，当然重要；但在极端行情里，同样重要的问题是：谁在持有相同的仓位，谁会同时收到保证金通知，谁会先卖出最容易卖的资产，以及当所有人都想退出时，市场是否真的有足够的对手方。

量化交易的纪律，不应当只体现在信号、回测和执行规则上，也应当体现在对未知风险的承认上。复杂模型可以提高预测和管理能力，却不能消除市场参与者之间的相互影响。真正可靠的风险控制，既要问策略在正常情况下能赚多少，也要问它在最拥挤、最缺乏流动性的时刻，是否还能留出一条退出路径。

2007年的教训因此仍然清晰：保护交易者的，不是模型看起来有多复杂，而是交易者是否诚实地面对模型没有覆盖的部分。

Related reading: 强化学习在量化交易中为什么屡屡失效？从模拟盘到实盘的四大鸿沟 and 量化策略的终极博弈：为什么高质量数据比复杂算法更决定成败.