金融科技时代的到来引发了中国金融业的一场新的变革，并且这场变革正在不断升级。量化投资借力人工智能技术，运用现代统计学和数学的方法，从大量的历史数据中寻找并搭建获得超额收益的投资策略，服务于个人投资者和机构，也成为了金融科技新时代的领军者。但是我们也知道，任何事物都有其两面性，只有真正了解量化投资，才能帮助我们更好的运用到金融市场中。今天我们就来聊一下大数据和机器智能时代量化投资的缺陷以及量化投资生存的关键。大数据和机器智能时代量化投资的缺陷数据陷阱在大数据时代，量化投资者可能会遇到“数据陷阱”。1936年，美国共和党人艾尔弗·兰登与民主党人富兰克林·罗斯福竞选总统。当时很有影响力的杂志决定搞一次超大规模的民意调查，调查人数高达1,000万，约为当时选民总数的1/4，最终收到的回复约有240万份，对于民意调查来说可谓是“大数据”。通过对这组“大数据”的分析，杂志预测兰登将以55%比41%的显著优势获胜。但不久后揭晓的真正结果却是罗斯福以61%比37%的优势大胜。这个小故事给我们的启示是，数据足够大到可以忽略统计误差的地步仍然会出现与事实大相径庭的结果，这种类型的错误对我们来说是个警示。先天缺陷基于统计方法和固定模型分析的大数据结果通常依赖于统计方法或者模型本身，因此通常情况下所得到的结果和实际并不是很相符。例如统计学界常用的P值检验法，2014年发现它并不是特别的靠谱。P值从来被证明可以用来接受某个假设，拒绝假设也是基于样本得出的结论，单样本变动可能会导致结论的不适用。因此经济学家史蒂芬认为“P值没有起到人们期望的作用，因为它压根就不可能起到这个作用。”因此以大数据为基础的量化投资由于存在的这种先天缺陷并不会达到完美的效果。风险不可控机器是没有情感的。因此量化投资优势之一就是能够避免由于个人的主观情感参与而导致的交易损失。但是如果让机器智能完全抛弃主观情感进行操作的时候，一旦出现差错，就会产生“蝴蝶效应”继而造成意想不到的后果。风险不可控的原因有：风险控制缺失使得风险高；频繁的交易与目前交易所或证监会的相关规定冲突，政策上受限制；相关流程和规定空白，使得量化交易很难监管，出现问题时很难追查；相关证券公司接口和服务的限制等。量化投资生存的关键多角度收集数据对于大数据的技术，其应用技术后得出的结果如果能够更加具有普适性，那么从根本上解决“数据陷阱”这个问题就比较现实了。数据来自自然界，人们无法控制产生这些数据的条件，数据具有不可控制性，当然自然数据格式是由人们采集方式决定的。我们可以利用爬虫等技术，尽量的做到爬取对研究结果有帮助的所有数据，再对结果进行回测分析。如此循环往复，查缺补漏，从多角度收集数据，从而避免“数据陷阱”，把误差降到最低。改进统计方法和量化模型数据统计方法和量化模型都有一套算法，就连生物也可以看成一种算法。当然生物的算法要经过几百万年的进化自然选择才能变得更加强大，同样，模型的进化也要从它的算法入手。要想从根本上解决问题，我们必须需要考虑一系列的问题，其中之一就是要改变大数据的算法，从而规避掉大数据统计方式的先天缺陷。当然这需要在实践中不停的对投资策略组合的结果做分析，不断地去优化统计方法和量化交易模型。加强监管在当前的法律框架下，对于机器智能下的量化投资还存在一定的空白。相关部门应严格制定止损规则，投资者可以选择让智能自动下单。交易所应加强对异常情况的监控并及时响应。交易所开发更先进的监控系统，进行跨市场违规预警，实时同步监控期现货市场、内外盘市场；对量化投资的交易量、交易频率和买卖指令等进行监控，并在高频交易对市场产生重大异常影响时提供及时的反馈；预警并视情况决定是否暂停交易，并能够关注、提醒或限制某些账户的交易。另外，监管部门也设置该系统的客户端，一旦发生异常情况，能够接收到系统的报警并实施同步追踪，并及时触发应急处置机制。在金融科技掀起热潮的现在，需要我们持客观态度去看待大数据和机器智能时代下的量化投资。量化投资毫无疑问是有价值的工具，在金融领域也产生了至关重要的影响。但是，我们不能盲目的跟风，现阶段要做的就是理性的看待量化投资的不足，去遇见一个金融投资的服务更加个性化、能使大数据和机器智能发挥最大价值的时代。