第 08 章 人们为何交易
本章对应 Harris 第 8 章 Why People Trade，是原书第二部分“交易的收益”的第一章。它给出一张完整的“交易者地图”：谁在交易、为什么交易、谁平均赚钱、谁平均亏钱。量化研究员最该带走的一句话是：**以盈利为目的的交易是零和博弈，想赚钱就必须清楚对手是谁、他为什么愿意输。**本章的分类会在后续各章（知情交易者、订单预期者、交易商）中反复使用。
学习目标
- 理解交易在会计意义上是零和博弈，以及由此推出的“利润驱动型交易者依赖功利型交易者”。
- 掌握 Harris 的三大类交易者（功利型、利润驱动型、徒劳型）和知情/不知情的划分，能把一个量化策略放到这张地图上。
- 区分投资、投机与赌博，区分无条件预期收益（风险溢价）与条件预期收益（alpha）。
- 掌握远期、期货、期权、互换四种对冲工具的特点，会计算股指期货的 beta 对冲合约数。
- 认识雏鸟、避税者、交叉补贴者、伪知情交易者、流氓交易员等容易被忽视的交易者类型及其对成交量的影响。
读前导读
这一章在解决什么问题。 第 01 章给出了“零和”这条主线，这一章把它落到人身上：既然以盈利为目的的交易平均不赚钱，那么市场上那些“平均会输”的人为什么还在交易？Harris 的回答是一张交易者地图：功利型交易者（投资者、对冲者、资产交换者、赌徒……）为了交易以外的好处而交易，愿意付出交易成本；利润驱动型交易者（投机者、交易商）从他们身上赚钱；徒劳型交易者自以为能赚钱，实际上在送钱。CFA 里你学过投资者的目标与约束（IPS）、对冲工具和风险溢价，这一章把它们放进同一张图里，回答“谁付钱给谁”。
对量化研究员，这一章最重要的产出是一个自检问题：我的策略在地图上的哪个位置？对手方是谁？他为什么愿意输？ 量化实战第 1 节的表格把常见策略逐一放到了地图上。第二个重点是 beta 对冲，这是市场中性组合的最小模型，你在 CFA 二、三级都做过类似计算。
需要先想起来的数学。
- 条件期望与无条件期望：\(E[R]\) 是不看任何私有信息时的平均收益；\(E[R\mid I]\) 是在已知信息 \(I\) 下的平均收益。小例子：一只股票平均月收益 1%，但在“盈利超预期”的月份平均 3%，则 \(E[R]=1\%\)，\(E[R\mid\text{超预期}]=3\%\)。投机者赚的就是两者之差。详见 第 00 册第 07 章 概率中的分析工具。
- 简单线性回归与 beta：\(r_s=\alpha+\beta r_m+\varepsilon\)，\(\hat\beta=\text{Cov}(r_s,r_m)/\text{Var}(r_m)\)，这是 CFA 统计的内容；置信区间 \(\hat\beta\pm1.96\,\text{SE}(\hat\beta)\) 告诉你 beta 估计有多不确定。
- 看跌—看涨平价与 Black–Scholes：\(S+P=C+Ke^{-rT}\)；代码里的看跌期权价格 \(P=Ke^{-rT}N(-d_2)-S\,N(-d_1)\) 是 CFA 二级见过的公式，\(N(\cdot)\) 为标准正态累积分布函数。这里只需知道它算出期权费，不需要推导。\(e^{-rT}\) 的连续复利含义见 第 00 册第 03 章 积分。
- 分位数：1% 分位数是“只有 1% 的情形比它更差”的那个值，就是 CFA 里 99% VaR 的同一个概念。
怎么读这一章。 8.1 读懂三大类交易者和知情/不知情的交叉划分。8.2 中“投资者与借款者”的公平回报（无条件 vs 条件预期收益）和“对冲者”的三个例子是重点，赌徒、雏鸟等可以快读，但 Brad 的侧栏值得记住。8.3 的表 8-4 是后续第 10–15 章的目录，建议收藏。8.4 流氓交易员与第 03 章“巴西跨式”对照读。量化实战第 1 节的策略地图务必读，第 2 节的代码可以只看输出和解读。
8.1 为什么要问“为什么交易”
人们为投资、借款、交换资产、对冲风险、分散风险、赌博、投机或做市而交易。Harris 列出理解交易动机的六个理由，其中三个对量化交易最重要：
- **最优策略取决于要解决的问题。**不知道自己为什么交易，就无法把交易做好。
- **成交量需要解释。**成交量由各种动机共同驱动，策略若依赖成交量信号，却不理解成交背后的动机，就会误读成交量。
- 交易是零和博弈（zero-sum game）。在会计意义上，买卖双方的损益之和恒为零：买方从交易中赚到的，正是卖方错失的；买方亏掉的，正是卖方避免的。因此想盈利就必须和会亏钱的人交易，盈利者必须理解亏损者为什么交易，才能知道自己何时该交易。
这里的“零和”指以相对市场的收益衡量时的交易盈亏。人人都持有市场组合时整体可以分享正的风险溢价，但跑赢市场的部分一定来自别人跑输。
三大类交易者
Harris 用“程式化交易者（stylized trader）”来讲解：每种动机对应一个只为该动机交易的虚构人物。现实中的人往往同时有多重动机，这正是许多人搞不清自己为何交易的原因。
- 功利型交易者（utilitarian traders）：为交易利润以外的好处而交易，如投资者、借款者、资产交换者、对冲者、赌徒。
- 利润驱动型交易者（profit-motivated traders）：只因理性预期能获利才交易，包括投机者和交易商。
- 徒劳型交易者（futile traders）：自以为是利润驱动型，预期盈利，但这种预期不理性，他们没有任何能盈利的优势。
由于零和，功利型与徒劳型交易者平均而言输给利润驱动型交易者。
另一条与之交叉的划分是知情（informed）与不知情（uninformed）。**基本面价值（fundamental value）**是“如果所有人都知道全部可得信息并能正确分析，大家会一致同意的价值”。知情交易者能对标的是否被高估或低估形成可靠意见，他们都是利润驱动型的。不知情交易者不知道或不去判断标的是否错误定价，包括功利型、徒劳型，以及交易商、订单预期者等部分利润驱动型交易者。
8.2 功利型交易者
投资者与借款者
收入与支出在时间上不同步，就产生跨期现金流时点问题（intertemporal cash flow timing problem）：工人要把现在的收入移到退休后，学生要把未来的收入移到现在交学费，公司通过发债发股“向未来借钱”。总量上没有钱真正穿越时间：每投资一美元，必有人借一美元。
例（粗略估算：纯投资者贡献了多少成交量）：2000 年美国个人消费 7 万亿美元，其中医疗 1 万亿。设退休者消费非医疗消费的 20%（1.2 万亿）和医疗的 80%（0.8 万亿），合计约 2 万亿，扣除社保和医疗保险的 0.7 万亿，需自筹 1.3 万亿。同年美国股票成交额超过 43 万亿美元，即使退休者全靠卖股票，也只占约 3%；股票只占全国资本资产约 20%，按比例变卖只占约 0.6%。工人为退休储蓄再贡献约 0.6%。合计约 1.2%，这还是高估。即使放大十倍，也不到成交量的 1/8。结论：人们交易股票远不止为了投资。
股权与债务：高风险项目的公司往往发不了债。可能出现重大损失时，投资者只有在可能获得可观回报时才愿出资，而只有股权能提供这样的回报分布；同时，破产时债权人将接管资产，投资者宁愿一开始就当股东，好从一开始就对管理层施加控制。
公平回报：投资者是不知情交易者，他们的预期收益不依赖私有信息，所以公平回报是无条件预期收益（unconditional expected return）：
实际无风险利率是推迟消费而不承担实际损失风险所得的回报，通常为正：如果借贷没有成本，人们想从未来移到现在的钱会多于反方向，正的实际利率抑制一部分借款、鼓励一部分储蓄。风险溢价补偿投资可能达不到实际无风险利率的风险。**投机者则追求高于无条件回报的收益，其预期基于私有信息，是条件预期收益（conditional expected return）。**用量化语言说：风险溢价是 beta 的报酬，条件预期收益中超出风险溢价的部分才是 alpha。
推导拆解：把“无条件”与“条件”写成式子会更清楚。
- 投资者不掌握私有信息，他能指望的是 \(E[R]=r_f+\beta\times\text{市场风险溢价}\)，即 CAPM 给出的“公平回报”。
- 投机者掌握信息 \(I\)，他关心的是 \(E[R\mid I]\)。如果信息有用，\(E[R\mid I]\) 会随 \(I\) 变化，有时高于 \(E[R]\)，有时低于。
- 两者之差 \(\alpha(I)=E[R\mid I]-E[R]\) 就是 alpha。投机者只在 \(\alpha(I)\) 的绝对值足够大、能覆盖交易成本时出手：\(\alpha>0\) 时买，\(\alpha<0\) 时卖。
- 一个重要的性质（全期望公式）：\(E\big[E[R\mid I]\big]=E[R]\)，即 alpha 对所有信息状态取平均为零。这就是“alpha 是零和的”在数学上的表达：知情者在某些状态下赚到的超额收益，必然对应其他人在同一状态下的超额亏损。
所以一个因子如果在全样本上平均有正收益，它更可能是风险溢价（beta）而不是 alpha，除非能证明这个收益不能被已知风险因子解释。
侧栏：时间机器永远不会被发明的经济学证明（Reinganum, 1986）。如果时间机器能自由运送人和钱，逐利的时间旅行者会把未来的钱带回现在投资，这种套利会把税后实际利率压到零。既然实际利率通常为正，要么时间机器永远不会被发明，要么它贵到无法套利。
资产交换者
资产交换者用市场把自有资产换成对自己当下更有用的资产，在**现货市场（spot / cash market）**交易。原书引用 BIS 数据：2001 年 4 月全球现货外汇日均成交 1.2 万亿美元，约为全球股票成交量的 10 倍。资产交换者需要的不只是流动性，还要市场里交易的正是他们需要的资产：芝加哥流动的大豆现货市场，对需要在德州交货的德州奶牛场用处不大。
现状补充：BIS 三年一次的调查显示，2022 年 4 月全球外汇市场（含现货、远期、掉期等全部产品）日均成交约 7.5 万亿美元。
对冲者
对冲者用市场降低重大风险敞口：买卖价值与其风险正相关或负相关的工具。**对冲（hedge）**正确执行时，对冲后头寸（hedged position）的风险小于任一单独头寸。未对冲的头寸叫裸头寸（naked position）。
商品对冲：小麦与面粉。 农户怕麦价下跌，面包商怕麦价上涨，两者面临互补风险，是天然对冲者（natural hedgers）。
- 纵向一体化能消除风险，但农户不懂烘焙、面包商不懂种植，合伙很难管理。
- **远期合约（forward contract）**现在定价、未来交易。它有三个问题：双方要能找到彼此；要相互信任（麦价下跌时面包商想违约，上涨时农户想违约）；交割条款（地点、时间、品级）很难对双方都方便。所以远期市场一般不流动。
- 期货合约（futures contract）是标准化的远期，清算所充当每个买方的卖方和每个卖方的买方，担保履约。标准化加上清算所，使期货非常流动，大多数人在交割前平仓。北达科他的农户可以卖出 CBOT 小麦期货（每张 5,000 蒲式耳），收获后在本地卖麦、同时买回期货平仓。期货与本地现货价格之差称为基差（basis），正常情况下不超过运费，否则套利者会买便宜的一边运去交割。期货对冲锁定价格，同时消除下行风险和上行潜力，是线性对冲（linear hedge）。
金融直觉：期货对冲并不是把风险消灭，而是把价格风险换成了基差风险。北达科他农户的最终售价 \(=\) 本地现货价 \(+\)（期货卖价 \(-\) 期货平仓价）\(=\) 期货卖价 \(+\)（本地现货价 \(-\) 期货平仓价）\(=\) 期货卖价 \(+\) 平仓时的基差。期货卖价开仓时已锁定，剩下的不确定性只有平仓时的基差。基差通常比价格本身稳定得多（受运费、仓储、当地供需影响），所以对冲有效。CFA 衍生品里“空头对冲者在基差走强时受益”这条结论，就是从这个等式直接读出来的。
股票对冲：Jack 与苹果。 Jack 研究后认为苹果新电脑会比预期更成功，买入 55 万美元 AAPL。但大盘下跌也会让他亏钱，而大盘不是他擅长预测的。
- 用股指期货对冲：卖出 CME 的 S&P 500 指数期货，乘数 250，指数 1,084。Jack 认为苹果的 beta 约为 1.0，对冲合约数为
\[N^*=\frac{\beta\times V_{\text{股票}}}{\text{乘数}\times\text{指数点位}}=\frac{1.0\times550{,}000}{250\times1{,}084}\approx2.03\ \text{张}.\]他卖出 2 张。此后无论大盘涨跌，只要苹果跑赢大盘，Jack 就赚钱：他只暴露于自己有研究优势的风险。Harris 的总结是：投机者只暴露于自己最懂的风险时，通常最成功。
推导拆解：合约数公式是怎么来的？
- 由单因子模型，苹果的收益 \(r_s=\alpha+\beta r_m+\varepsilon\)。持有市值 \(V\) 的股票，盈亏为 \(V r_s=V\alpha+V\beta r_m+V\varepsilon\)，其中对市场的敞口是 \(V\beta r_m\)。
- 一张指数期货空头的盈亏约为 \(-\text{乘数}\times\text{指数点位}\times r_m\)（指数涨 \(r_m\)，合约价值涨同样比例，空头亏损；这里忽略基差变化）。\(N\) 张就是 \(-N\times\text{乘数}\times\text{指数}\times r_m\)。
- 组合盈亏 \(=V\alpha+V\varepsilon+\big(V\beta-N\times\text{乘数}\times\text{指数}\big)r_m\)。要让括号里的市场敞口为零，取 \(N^*=\beta V/(\text{乘数}\times\text{指数})\)。
- 对冲后只剩 \(V(\alpha+\varepsilon)\)：alpha 是 Jack 的研究收益，\(\varepsilon\) 是个股特有风险。“只要苹果跑赢大盘就赚钱”在 \(\beta=1\) 时严格成立；\(\beta\ne1\) 时应理解为“只要苹果跑赢 \(\beta\) 倍的大盘”。
这和 CFA 三级用期货调整组合 beta 的公式 \(N=\dfrac{\beta_T-\beta_P}{\beta_F}\times\dfrac{V_P}{F}\) 是同一个东西，目标 beta \(\beta_T=0\)、期货 beta \(\beta_F=1\) 时就退化为本式。
- 用看跌期权对冲：买入苹果看跌期权（put），股价跌破执行价时限制损失，期权费是保险的成本。这是非线性对冲（nonlinear hedge）：股价远低于执行价时，看跌期权价格几乎与股价一比一反向变动（delta 约为 −1），完全抵消下跌；股价远高于执行价时，看跌期权几乎没有价值，几乎不抵消上涨。由平价关系 \(S+P=C+Ke^{-rT}\)，“股票 + 看跌”等价于“看涨 + 债券”。
- 两者的取舍：期货对冲不付保费，但放弃上行；期权对冲保留上行，但要付保费。若 Jack 对自己的信息质量没有把握，期权对冲更合适，判断错了也能限制损失。至于对大盘方向的看法，那是另一笔投机，应当用指数期货或指数期权单独表达，不应混进对冲决策里。
（说明：精读笔记指出原文此处称“若 Jack 认为大盘下跌比上涨更可能”也会偏好个股期权对冲，逻辑上有误，疑为笔误。本书按“方向观点与对冲决策分开”的原则重述。）
现状补充：S&P 500 期货如今交易最活跃的是每点 50 美元的 E-mini 合约。
利率对冲：储贷机构与互换。 Wilshire 储贷机构吸收浮动利率的短期存款，发放固定利率的长期房贷，利率上升时存款成本上升而贷款收入不变，这就是久期错配（duration mismatch）。它可以签利率互换（interest rate swap），支付固定、收取浮动：短期利率上升时，互换收入增加，抵消存款成本的上升。互换是不完美对冲：存款利率很少与互换的浮动指数一致，贷款现金流也受提前还款和违约影响。
Wilshire 的天然对手方，是希望收取固定、支付浮动的一方，例如持有浮动利率资产、负债却是固定利率的机构。原书举的例子是“想对冲通胀的养老基金”：它持有长期固定利率债券，通胀上升会使组合贬值，于是把固定现金流换成浮动现金流。按这个描述，养老基金同样是“支付固定、收取浮动”，与 Wilshire 方向相同，不能做它的对手方；这个例子更适合用来说明另一类需要同方向对冲的人。
（说明：此处原书逻辑有瑕疵，依据精读笔记更正。）
金融直觉：那么 Wilshire 真正的天然对手方是谁？是资产负债久期错配方向相反的机构，例如：发行了长期固定利率债券、却持有浮动利率资产（如浮息贷款）的银行或金融公司；或者发行了固定利率债券、希望把融资成本改为浮动、随利率下行而降低的企业。它们“收取固定、支付浮动”，正好接住 Wilshire 的“支付固定、收取浮动”。在 CFA 的久期语言里，Wilshire 是“资产久期长于负债久期”，支付固定的互换相当于给资产端加了一笔负久期，把缺口缩小；对手方则相反。实务中两边往往并不直接见面，而是各自与互换交易商成交，由交易商在中间承担并对冲剩余敞口。
现状补充：原书中浮动端最常用的指数 LIBOR 已于 2023 年 6 月停止发布美元报价，美元互换市场改用 SOFR。
什么样的对冲市场会成功。 对冲者需要低成本的流动市场，以及与其风险高度相关的工具：基差的变动相对合约价格的变动越小，合约越能复制对冲者的风险。成功的对冲市场需要两边都有大量天然对冲者，所以通常交易中间商品：一个行业生产、另一个行业使用、同质、运输便宜，如玉米、原油、铜、国债、外汇、股指。许多新合约失败了，原书列举的有葵花籽、冷冻火鸡、通胀率、巨灾保险指数等。
赌徒、雏鸟、交叉补贴者与避税者
- 赌徒（gamblers）为娱乐而交易。赌徒与投机者的区别在于：投机者有理由预期赚钱，赌徒没有。很少有人纯为娱乐而交易，但许多人在投资、对冲或投机中掺入赌博成分，交易得更频繁、选更波动的工具、承担更大风险，从而损害了自己的业绩，而且往往不自知。识别赌博的线索是对交易的热情，以及说不清交易理由。赌徒喜欢“小概率大赢、大概率小输”的赌注，价外期权提供类似的收益分布。Harris 认为赌徒对金融市场不一定是坏事：他们输给知情交易者，使知情交易更有利可图（第 9、10 章展开）。
- **雏鸟（fledglings）**为了弄清自己能否盈利而交易，愿意为这个答案付学费。学会了就成为利润驱动型交易者，学不会却继续交易就成了徒劳型交易者。业界常说不到 5% 的新手能存活并盈利。幸运但无技能的雏鸟仍是雏鸟，许多成功的职业经理也可能只是幸运的雏鸟。
侧栏：一个常见的雏鸟故事。Brad 业余做了几年模拟组合，每次假装以收盘价成交，扣除佣金后仍持续跑赢市场。他请假全职用真钱交易，几个月后亏到足以说服自己回去上班。模拟交易不等于真实交易：真金白银时人会更情绪化、更怕风险，判断会受持仓和过往盈亏影响；以收盘价成交的假设还忽略了价差和冲击成本。
- **交叉补贴者（cross-subsidizers）**为给经纪商创造佣金、换取软美元服务而多交易（第 07 章）。
- **避税者（tax avoiders）**利用税法漏洞交易。原书举了三个例子：股息捕获（股息税率低于短期资本损失抵税率时，登记日前买入、登记日后卖出）；税收递延跨式（同时买入和卖空两只高度相关的墨西哥封闭式基金，年底实现亏损的一腿，把盈利的一腿递延到明年；美国税法后来要求期货年底按市值计税，并限制用本质相同工具构造的对冲头寸获取税收好处）；收割资本损失（harvest losses）（美国个人每年可用至多 3,000 美元资本损失抵扣劳动收入，持有分散化个股组合，每年底卖出亏损股换成新股，从不卖盈利股）。
所有功利型交易者都希望在流动市场交易，经济学家因此常把他们统称为流动性交易者（liquidity traders）。
| 交易者 | 动机 | 典型工具 |
|---|---|---|
| 投资者 | 把钱从现在移到未来并获得公平回报 | 股票、债券 |
| 借款者 | 以最低成本把钱从未来移到现在 | 债券、票据 |
| 资产交换者 | 获得当下更有用的资产 | 现货、外汇 |
| 对冲者 | 降低风险 | 远期、期货、期权、互换 |
| 赌徒 | 娱乐 | 高波动工具 |
| 雏鸟 | 弄清自己能否盈利 | 各种 |
| 交叉补贴者 | 补偿经纪商的服务 | 各种 |
| 避税者 | 利用税法漏洞 | 各种 |
8.3 利润驱动型交易者
盈利交易的关键是只在有理由相信会盈利时交易，因此要理解自己为什么盈利，才能预测何时盈利。利润驱动型交易者分两大类：**投机者（speculators）**预测价格变化获利，**交易商（dealers）**向别人出售流动性获利。
投机者又分两类：
- 知情交易者依据基本面价值的信息交易，是唯一使价格趋向基本面价值的交易者；其他所有人都给价格增加噪声，经济学家因此称之为噪声交易者（noise traders）。知情交易者包括价值交易者、新闻交易者、信息导向技术交易者和套利者（含纯套利者与统计套利者），第 10 章详细讨论。
- **寄生型交易者（parasitic traders）从他人的交易中获利，既不提高价格的信息含量，也不提高流动性。其中订单预期者（order anticipators）**依据他人将要做的交易获利，包括抢跑者、情绪导向技术交易者、挤压者；**虚张声势者（bluffers）**制造会被他人误读的信息，包括谣言散布者和价格操纵者。他们用的信息不是关于基本面价值的，所以在本书意义上属于不知情交易者。
技术交易者可以落在两边：识别价格何时偏离基本面的是信息导向型，属于知情交易者；识别不知情交易者将要做什么的是情绪导向型，属于订单预期者。
交易商随时准备交易，向急躁的交易者出售即时性，买卖价差就是流动性的价格。他们必须买卖大致等量，所以必须找到使供求相等的价格；他们很懂市场，但一般不太懂基本面价值，属于不知情交易者。**做市商（market makers）**小额、快速进出；**大宗促成者（block facilitators）**为大交易者提供流动性，可能要几天甚至几周才能平仓。
表 8-4：利润驱动型策略及其依据的专有信息
| 交易者 | 策略 | 专有信息 | 原书章节 |
|---|---|---|---|
| 价值交易者 | 估计总价值 | 全部可得基本面信息 | 10、16 |
| 新闻交易者 | 估计价值变化 | 基本面新闻 | 10 |
| 信息导向技术交易者 | 识别与有效价格不一致的模式 | 偏离基本面的价格模式 | 10 |
| 套利者 | 买低估、卖高估的相似工具 | 相对基本面价值 | 10、17 |
| 抢跑者 | 抢在已提交订单之前 | 他人已决定的交易 | 11 |
| 情绪导向技术交易者 | 抢在预期订单之前 | 对他人交易的预测 | 11 |
| 挤压者 | 抢在他人必须做的交易之前 | 他人的头寸 | 11 |
| 谣言散布者、操纵者 | 愚弄他人 | 自己制造的假信息 | 12 |
| 做市商 | 小额快速进出 | 短期市场状况 | 13–14 |
| 大宗促成者 | 交易大宗 | 长期市场状况、客户兴趣 | 15 |
8.4 徒劳型交易者
徒劳型交易者预期从交易中获利，平均却不获利，而且意识不到预期与结果之间的差距。
- 低效交易者缺乏盈利所需的技能、资源或信息渠道。最常见的是伪知情交易者（pseudo-informed traders）：他们自以为消息灵通，依据的其实是价格早已反映的旧闻。
- 受害交易者依赖不尽责的经纪商、顾问或雇员。
- **流氓交易员（rogue traders）**的交易服务于自己而非雇主。他们常常是知道巨亏一旦暴露就会丢工作的人：隐藏亏损，同时加大头寸试图翻本。赚了，保住工作甚至拿奖金；亏了，丢掉的只是本来就保不住的工作。这种不对称激励相当于持有一份免费的看涨期权。
金融直觉：把流氓交易员的处境写成收益函数：交易结果为 \(X\) 时，他个人的结局约为 \(\max(X,0)\) 的某个比例（赚了拿奖金、保住工作），亏了最多丢掉“本来就保不住”的工作，损失有下限，由雇主承担其余部分。这是一份看涨期权，而看涨期权的价值随波动率上升，所以他理性的选择是加大风险。这与第 03 章“巴西跨式”和公司金融里“濒临破产的股东偏好高风险项目”是同一个结构。对风控的启示是：亏损中的交易员最危险，限额、前后台分离、强制休假（让别人接手账簿）都是在拿走这份免费期权。
案例：尼克·李森与巴林银行。1994 年李森同时担任巴林期货新加坡公司的首席交易员和结算主管。上司以为他在做大阪与新加坡两地日经 225 期货的价差套利，实际上他在日经上下了大量未对冲的赌注。1995 年 1 月神户地震后，他又试图大举买入托市，结果失败。13.8 亿美元的交易损失使巴林破产，ING 以 1 英镑收购。根本原因是前后台不分离，他能向上司隐藏亏损。
侧栏：一个交易矛盾修辞。被动投资经理（如指数基金）帮人投资；主动投资经理试图跑赢市场，是投机者。“投资”于主动经理的人，实际上是在投机这位经理能否跑赢市场。
8.5 投资、投机与赌博
这是本章最需要分清的三个概念：
- 投资者是不知情交易者，把钱从现在移到未来，预期获得承担风险的公平回报；
- 投机者用信息比多数人更准确地预测收益，因为预期获利而交易；
- 赌徒是为刺激而交易的不知情交易者，常以为自己是投机者，长期却无法把价格预测到足以盈利的程度。
**除交易商外，所有交易者都喜欢流动市场。**交易商出售流动性，流动性差时其服务更值钱，但他们的交易恰恰使市场更流动。
白话解释：三者的区别不在于买什么、赚没赚钱，而在于预期收益从哪里来、这种预期是否合理。投资者预期的是无条件回报（风险溢价），合理；投机者预期的是条件回报（alpha），只有掌握真实信息优势时才合理；赌徒的预期收益扣除成本后为负，他交易是为了刺激。同一个人买同一只股票，可以是三者中的任何一种。一个实用的检验是：如果把这笔交易的收益换成“同等风险的指数收益”，你还愿意做吗？愿意，说明你在投资；不愿意且说得出信息来源，说明你在投机；说不出来，很可能是在赌博。
图 8-1：交易者分类
- 功利型：投资者、借款者、资产交换者、对冲者、赌徒、雏鸟、交叉补贴者、避税者
- 利润驱动型
- 投机者
- 知情交易者：价值交易者、新闻交易者、信息导向技术交易者、套利者（纯套利者、统计套利者）
- 寄生型：订单预期者（抢跑者、情绪导向技术交易者、挤压者）；虚张声势者（谣言散布者、价格操纵者）
- 交易商：做市商、大宗促成者
- 投机者
- 徒劳型：低效交易者（伪知情交易者）、受害交易者
量化实战
1. 把你的策略放到地图上
写任何策略之前，先回答三个问题：它在地图上的哪个位置？对手方是谁？对手方为什么愿意输？
| 量化策略 | 地图位置 | 对手方及其“愿意输”的理由 |
|---|---|---|
| 价值、质量等基本面因子 | 价值交易者 | 反应过度或不足的新闻交易者、赌徒、被迫交易的功利型交易者 |
| 事件驱动、新闻 NLP | 新闻交易者 | 反应慢的交易者、依据陈旧信息交易的伪知情者 |
| 动量、短期反转 | 信息导向或情绪导向技术交易 | 反应不足或过度的知情交易者；可预测的不知情资金流 |
| 配对交易、统计套利 | 套利者 | 只在单一品种上交易、没顾及相关品种的流动性需求者 |
| 指数调仓、ETF 申赎前交易 | 订单预期者 | 被规则约束、必须在特定时点交易的被动资金 |
| 做市、高频做市 | 交易商 | 急躁的流动性需求者，用价差换即时性 |
| 税损收割、直接指数化 | 避税者 | 税务机关（不是零和意义上的对手） |
如果回答不了第三栏，这个策略的盈利很可能只是回测里的幸运，也就是“雏鸟”的状态。
2. 用 beta 对冲剥离市场风险
Jack 的例子就是市场中性组合构建的最小模型：估计 beta，按 \(N^*=\beta V/(\text{乘数}\times\text{指数})\) 卖出股指期货，只保留自己有研究优势的个股风险。下面的代码先用 500 天模拟数据估计 beta，再在样本外 250 天比较对冲前后的盈亏，最后用蒙特卡洛比较线性对冲（期货）与非线性对冲（保护性看跌）的到期盈亏分布。
import numpy as np, pandas as pd
import statsmodels.api as sm
from scipy.stats import norm
rng = np.random.default_rng(42)
# ---- 1. 用历史数据估计 beta（日收益，模拟 500 个交易日） ----
T, beta_true, alpha_d = 500, 1.3, 0.0004 # 个股每日超额 4bp：Jack 的"研究优势"
mkt = rng.normal(0.0003, 0.012, T)
stk = alpha_d + beta_true * mkt + rng.normal(0, 0.015, T)
ols = sm.OLS(stk, sm.add_constant(mkt)).fit()
b_hat = ols.params[1]
print(f"beta 估计 {b_hat:.3f} (95% CI {ols.conf_int()[1][0]:.3f} ~ {ols.conf_int()[1][1]:.3f})")
# ---- 2. 对冲合约数 N* = beta * V / (乘数 * 指数点位) ----
V, mult, idx = 550_000, 250, 1084
for b in [1.0, 1.3, b_hat]:
print(f"beta={b:.3f}: N* = {b * V / (mult * idx):.2f} 张")
# ---- 3. 样本外 250 天：对冲前后的日盈亏 ----
T2 = 250
mkt2 = rng.normal(0.0003, 0.012, T2)
stk2 = alpha_d + beta_true * mkt2 + rng.normal(0, 0.015, T2)
N = round(b_hat * V / (mult * idx)) # 期货只能整数张
pnl_naked = V * stk2
pnl_hedged = V * stk2 - N * mult * idx * mkt2 # 指数期货空头（忽略基差与资金成本）
df = pd.DataFrame({"未对冲": pnl_naked, "对冲后": pnl_hedged})
print(f"使用 {N} 张合约")
print(pd.DataFrame({"日均盈亏": df.mean(), "日波动": df.std(),
"与市场相关系数": df.corrwith(pd.Series(mkt2))}).round(2))
# ---- 4. 线性对冲（期货）vs 非线性对冲（买入看跌）：到期盈亏分布 ----
S0, K, r, sig, tau = 100.0, 95.0, 0.03, 0.35, 0.25
d1 = (np.log(S0 / K) + (r + sig**2 / 2) * tau) / (sig * np.sqrt(tau)); d2 = d1 - sig * np.sqrt(tau)
put = K * np.exp(-r * tau) * norm.cdf(-d2) - S0 * norm.cdf(-d1)
ST = S0 * np.exp((r - sig**2 / 2) * tau + sig * np.sqrt(tau) * rng.standard_normal(100_000))
F0 = S0 * np.exp(r * tau)
res = pd.DataFrame({
"裸多头": ST - S0,
"期货对冲": (ST - S0) - (ST - F0), # 锁定价格：上下都没了
"保护性看跌": (ST - S0) + np.maximum(K - ST, 0) - put * np.exp(r * tau),
})
q = res.quantile([0.01, 0.5, 0.99]).T
q.columns = ["1%分位", "中位数", "99%分位"]
print(f"看跌期权费 {put:.2f}")
print(q.round(2))
输出：
beta 估计 1.288 (95% CI 1.172 ~ 1.405)
beta=1.000: N* = 2.03 张
beta=1.300: N* = 2.64 张
beta=1.288: N* = 2.61 张
使用 3 张合约
日均盈亏 日波动 与市场相关系数
未对冲 361.03 12371.85 0.71
对冲后 375.55 8740.32 -0.10
看跌期权费 4.30
1%分位 中位数 99%分位
裸多头 -34.15 -0.94 49.58
期货对冲 0.75 0.75 0.75
保护性看跌 -9.33 -5.26 45.26
几点解读：
- \(\beta=1.0\) 时 \(N^*=2.03\)，\(\beta=1.3\) 时 \(N^*=2.64\)，与原书一致（原书第 8 章第 4 题）。
- 对冲把日波动从约 1.24 万降到约 0.87 万，与市场的相关系数从 0.71 降到接近零；剩下的波动是个股特有风险，正是 Jack 想承担的部分。期货只能整数张，3 张略有过度对冲，所以相关系数略为负。实盘中可以用小乘数合约（E-mini、微型合约）把对冲误差做小。
推导拆解：对冲后的日波动为什么约是 8,700，而不是更低？
- 个股特有风险的日标准差是 1.5%，市值 55 万，所以 \(V\varepsilon\) 的标准差约为 \(550{,}000\times0.015=8{,}250\)。这是对冲不能也不应消除的部分。
- 3 张合约对应的市场敞口为 \(3\times250\times1{,}084=813{,}000\)，而目标是 \(\beta V=1.3\times550{,}000=715{,}000\)，多对冲了约 98,000，残余敞口约为 \(-98{,}000\times r_m\)，日标准差约 \(98{,}000\times0.012\approx1{,}180\)。
- 两部分独立，方差相加：\(\sqrt{8{,}250^2+1{,}180^2}\approx8{,}330\)，与模拟值 8,740 同一量级，差异来自 250 天样本的抽样波动。
换句话说，对冲后剩下的几乎全是 Jack 主动选择承担的个股风险，这正是“只暴露于自己最懂的风险”。
- beta 本身有估计误差（95% 置信区间约 1.17–1.41），这是市场中性组合残余 beta 暴露的主要来源之一，回归系数的置信区间见第 05 册。
- 期货对冲把到期盈亏锁定为 \(F_0-S_0\)（这里是持有成本 0.75），上下都没了；保护性看跌把 1% 分位的损失从 −34 压到 −9.3，代价是中位数下降约 4.3 的期权费，99% 分位基本保留。这正是“线性对冲放弃上行、非线性对冲付费保上行”的数值版本。
3. 成交量与回测的两个提醒
- 非信息性成交：年底税损收割、除息日前后的股息捕获、软美元驱动的交易、指数调仓，都会在可预测的时点制造与信息无关的成交和价格压力。量价策略要么把它们剔除，要么把它们当作订单预期类信号来交易。
- Brad 的教训就是回测与实盘的差距：以收盘价成交的假设忽略了价差和冲击；“幸运的雏鸟”对应多重检验和过拟合，要用足够长的样本外数据和统计检验区分技能与运气。
本章小结
交易在相对市场收益的意义上是零和博弈，所以盈利者必须有输家作为对手，理解输家为什么交易是盈利交易的前提。Harris 把交易者分为功利型（投资者、借款者、资产交换者、对冲者、赌徒、雏鸟、交叉补贴者、避税者）、利润驱动型（投机者与交易商）和徒劳型，并与知情/不知情的划分交叉使用。功利型与徒劳型交易者平均输给利润驱动型交易者；知情交易者是唯一推动价格趋向基本面价值的人，寄生型交易者不提高价格信息含量，交易商出售即时性。投资者获得无条件预期收益，投机者追求基于私有信息的条件预期收益，赌徒为娱乐交易却常以为自己在投机。对冲工具各有特点：远期不流动，期货靠清算所和标准化获得流动性、属线性对冲、有基差风险，期权是付保费保上行的非线性对冲，互换处理久期错配但不完美。
| 概念 | 要点 |
|---|---|
| 零和博弈 | 相对市场收益，交易盈亏之和为零 |
| 三大类交易者 | 功利型、利润驱动型、徒劳型；前后两类平均输给中间一类 |
| 知情 / 不知情 | 是否对基本面价值有可靠判断 |
| 无条件 vs 条件预期收益 | \(E[R]=r_f^{\text{real}}+\) 风险溢价；投机者追求条件预期收益 |
| beta 对冲 | \(N^*=\beta V/(\text{乘数}\times\text{指数点位})\) |
| 基差 | 期货价与本地现货价之差；基差风险决定对冲效果 |
| 线性 vs 非线性对冲 | 期货锁定价格；期权付保费保上行 |
| 噪声交易者 | 知情交易者以外的所有人 |
| 伪知情交易者 | 依据陈旧信息交易 |
| 流氓交易员 | 不对称激励，相当于一份免费看涨期权 |
练习
基础
- 苹果例中若 beta = 1.3，应卖出多少张期货？beta ≠ 1 时，“只要苹果跑赢大盘就赚钱”这句话需要怎样修正？（原书第 8 章第 4 题） 答案要点：约 2.64 张。修正为“只要苹果的收益超过 \(\beta\) 倍的大盘收益就赚钱”，即对冲后的收益是 \(\alpha+\varepsilon\)。
- 农户卖给面包商远期合约后，冰雹毁了收成，或面包商丢了大额供货合同，会怎样？对冲能保护他们吗？（原书第 8 章第 3 题） 提示：远期只对冲价格风险，不对冲数量风险；收成毁了，农户仍须履约，反而可能在价格上涨时亏损。数量风险要用作物保险等工具管理。
- 实际无风险利率能为负吗？（原书第 8 章第 2 题） 提示：可以，当想把钱移向未来的人远多于想借钱的人，或通胀超出预期时都可能出现。
- 知情交易者、订单预期者、虚张声势者分别从谁身上赚钱？交易商从谁身上赚钱，又输给谁？（原书第 8 章第 8、9 题）
- 用自己的话区分投资、投机和赌博，并分别给出一个量化领域的例子。
进阶
- 你给手下交易员设了 200 万美元的头寸限额，他在 400 万美元的头寸上为公司赚了 50 万美元，你该怎么办？（原书第 8 章第 12 题） 提示：从流氓交易员的不对称激励出发：如果奖励违规盈利，就等于给了他一份免费看涨期权。
- 股息捕获中，买股付款、卖股收款和收到股息发生在三个不同日期。利率如何影响这组交易的买卖价差？（原书第 8 章第 6 题）
- 修改量化实战代码：让真实 beta 在样本外从 1.3 漂移到 1.6，比较用历史 beta 对冲与用滚动 60 天 beta 对冲的残余市场暴露。
- 情绪导向技术交易者预期不知情交易者的交易。什么类型的交易者能预期知情交易者的交易？（原书第 8 章第 7 题） 提示：能推断知情者订单流的人，例如观察到大单拆分痕迹的订单预期者，以及从价格冲击中学习的交易商。
- 讨论每一类交易者对波动率的影响。（原书第 8 章第 11 题） 提示：知情交易者把价格推向价值，在价值变化时增加波动、在噪声出现时降低波动；不知情的流动性需求者增加暂时性波动；交易商和价值交易者提供流动性，降低暂时性波动。
原书推荐习题：第 8 章思考题第 3、4 题（数量风险与 beta 对冲比率）、第 7–9 题（利润在交易者之间的流向）、第 11 题（各类交易者对波动率的影响）、第 12 题（风险限额与激励）。
原书对照
| 本章小节 | 原书章节 | PDF 页码 | 书内页码 |
|---|---|---|---|
| 8.1 为什么要问为什么交易 | 第二部分导言、第 8 章开篇 | p.188–191 | p.175–178 |
| 8.2 功利型交易者 | 8.1 Utilitarian Traders（表 8-1 至 8-3） | p.191–207 | p.178–194 |
| 8.3 利润驱动型交易者 | 8.2 Profit-motivated Traders（表 8-4） | p.207–210 | p.194–197 |
| 8.4 徒劳型交易者 | 8.3 Futile Traders | p.210–211 | p.197–198 |
| 8.5 投资、投机与赌博 | 8.4 Summary（图 8-1） | p.211–213 | p.198–200 |
| 习题 | 8.5–8.6 | p.213–214 | p.200–201 |
（书内页码 ≈ PDF 页码 − 13。）