一、量化时代的首场股灾：黑色星期一的诡异崩塌
1987 年 10 月 19 日，道琼斯工业指数单日暴跌 22.6%，创下人类股市史上最惨烈的 "黑色星期一"。更令人费解的是，这场暴跌后几天，市场竟迅速恢复平静，仿佛什么都没发生。
关于这场股灾的成因，学界共识集中在五个方面：程序化交易引发的踩踏效应；利率攀升与宏观环境变化触发的估值调整；交易系统延迟导致跌幅失控；投资者情绪与羊群效应放大恐慌；全球股市联动及时差效应加剧共振。
后四项实为历次股灾的通用剧本：估值过高让持有者随时准备离场，宏观变化引发第一波抛售（原因二）；抛售潮导致买盘真空，交易延迟迫使卖方大幅压价，进而拖累龙头股（原因三）；2% 以上跌幅吸引低频交易者加入抛售，5% 以上跌幅经媒体扩散引发全民恐慌，最终跌幅失控（原因四）；美股收盘后，亚欧市场持续暴跌，指数期货隔夜交易加剧恐慌，次日美股开盘再遭重挫（原因五）。
正因后四项具有普遍性，"程序化交易" 被视作 1987 年股灾的罪魁祸首 —— 这是量化交易首次引发全球性股灾，堪称 "出道即巅峰" 的灾难级亮相。这场浩劫究竟如何酿成？在量化交易日益主导的 A 股市场，历史会重演吗？
二、投资组合保险：以稳定之名制造的动荡
20 世纪 70 年代大熊市中，多次反弹让养老金等长期投资者追悔莫及 —— 为稳定净值而降低仓位，却在反弹时被迫高位回补。他们戏称：若有 "保险"，便不必在熊市割肉、牛市追高。投资组合保险策略应运而生。
该策略核心并非增强收益，而是管理回撤风险，如今仍被广泛使用，即通过看跌期权对冲仓位。但在 80 年代，标准看跌期权流动性差且成本高昂，大资金更多通过期货市场进行动态对冲。
其运作逻辑大致为：先为股票仓位设定 20% 的风险敞口，再通过卖空股指期货（中性策略）或股票（多空策略）构建组合，确保 80% 的初始市值（即 "地板"）不受侵蚀。当股价逼近 "地板" 时，自动降低股票暴露以守住底线，这套规则化的高频再平衡机制，恰好适配程序化交易。
这套策略不仅能为大资金 "上保险"，还能捕捉跨市场定价差异套利。程序化交易凭借更广的搜索范围与更快的执行力，将细微利润积少成多，实现稳定高收益。
但现代视角不难发现，投资组合保险暗藏致命的 "正反馈放大" 机制：市场下跌时，模型触发程序化卖单压价；更快的下跌引发更多模型抛售，进而触发其他资金止损与追加保证金机制；买方撤离导致流动性枯竭，最终形成 "卖出 — 跌价 — 再卖出" 的自我强化循环。而程序化交易的跨市场指令，会将危机扩散至全球，引发连续性冲击与流动性骤减。
当所有人都使用旨在稳定的策略时，反而催生了更大规模的波动。当时市场对量化交易痴迷不已，认为掌握 B-S 模型便掌握财富密码。缺乏传统交易经验的量化交易者对策略盲目自信，宣称主动投资时代已终结。殊不知，量化策略的 "阿喀琉斯之踵" 已悄然显现。
三、尖峰肥尾：正态分布之外的市场真相
当时量化交易多基于 B-S 模型，而该模型的底层支撑是布朗运动理论。布朗运动描述微粒在流体中受分子撞击的无规则运动，这与股市有何关联？
想象儿童泳池中漂浮的充气鸭，其运动完全由孩子们的水花推动。由于撞击方向与力度随机，鸭的轨迹看似毫无规律。但若统计其 1 分钟内的移动距离，会呈现标准正态分布 —— 多数时候在原点附近，少数情况远离，极端情况极少。
股价运动与之相似，无数买卖行为如同水花，统计一段时间的涨跌幅，会呈现近似正态分布，这便是 "随机漫步理论"。基于此，B-S 期权定价模型将随机性转化为数学概率，最终斩获诺贝尔奖。
理论支撑让投资者得以捕捉期权定价偏差，通过卖出期权、买入正股进行无风险套利。电脑技术的发展，则让量化交易能快速捕捉转瞬即逝的微小机会，完成最后一块拼图。
凭借数学证据的强说服力，投资者放心加杠杆使用这些策略。新一代 "宽客" 无需通晓格雷厄姆、巴菲特的价值投资，甚至忽略宏观数据，仅靠定价模型交易。
直到黑色星期一，人们才发现量化交易的致命缺陷：股价运动与充气鸭存在本质区别 —— 股价是交易结果，可能突然大幅跳跃；而投资者追涨杀跌的习性，进一步提高了 "跳跃" 概率。因此，股价分布并非标准正态，而是 "尖峰肥尾"。
"尖峰" 指均值附近的概率比正态分布更集中，表现为峰更高；"肥尾" 指极端值区域概率更高，远超正态分布。在金融收益率分布中，尖峰必然伴随肥尾 —— 多数观测值集中于均值附近，意味着偶尔出现的极端值必须更频繁，否则无法维持分布方差。
这种特征带来可怕且迷惑的结果：尖峰让股价频繁呈现 "合理价格"，增强投资者对策略的信心，导致同质化策略泛滥；捕捉微小机会需加极高杠杆（如长期资本管理公司），最终使黑天鹅出现概率骤增。
其结局往往是：长期稳定获利，一朝崩盘归零。尽管多数时候 B-S 模型有效，但短期可能剧烈失控，而爆仓者永远失去翻身机会，这让量化策略的 "遍历性" 备受质疑。
黑色星期一虽非人为欺诈，却酷似 "资金盘" 崩盘，引发对量化交易的首次大规模质疑。
四、策略多元化：市场自我修复的解药
波动率上升源于市场分歧加大：美联储收紧货币政策推高长期利率，叠加高估值引发资金焦虑。这种分歧给量化交易提供更多机会，却也积累了过多趋同策略；同时，波动率扩大导致现货与期货价差加剧，进一步放大分歧。
无论技术形态还是宏观环境，市场转熊迹象已显，但量化新规则对此视而不见。
当某一策略赚钱效应突出时，资金会蜂拥而入。只要对手盘充足，策略规模便持续扩张，直至 "盈利池" 枯竭，叠加宏观变化，策略崩溃引发市场极端波动 —— 这一过程中，量化与主观策略皆难幸免。
量化交易本身并非恶魔，真正的威胁是策略同质化，主动交易中的 "资金抱团" 亦是同理。
黑色星期一后，程序化交易反而更加繁荣。市场中的噪声交易、流动性约束与信息不对称，让量化策略看到非理性行为带来的机会，催生出趋势跟随、均值回归等脱离 B-S 模型的新策略。
趋势跟随策略假设价格趋势会延续，通过动量指标、突破策略获利；均值回归策略则认为价格偏离均值后终将回归，用于统计套利、配对交易等。
当市场存在底层逻辑相反的策略时，一种策略失效引发的踩踏，恰好成为另一种策略的机会，从而恢复买卖平衡与流动性。
正因策略丰富性提升，此后金融危机多由明确宏观或事件性因素引发，像黑色星期一这样单日暴跌 23% 后迅速平静的极端事件，再也未曾上演。但这并不意味着可以对量化交易掉以轻心。
五、AI 时代的量化隐忧：目标函数的极端推演
AI 无关爱恨，仅会将目标函数推演至极端。量化交易程序的 AI 化正在发生，若进化至 Moss 级别，可能出现三种极端结果：
其一，制造极端交易 "杀死" 对手。若程序发现利润源于人类贪婪与恐慌，最优解可能是制造极端行情，引诱人类犯错，再通过崩盘彻底收割。类似策略已在 A 股显现：快速拉升吸引散户跟风，再迅速派发完成日内 T+0。随着大模型进化，这是否会升级为制造全市场崩盘？尚未可知。
其二，制造亏损 "杀死" 自己。若程序预判市场存在致命缺陷终将崩盘，可能通过随机让部分账户亏损，以规避更大危机 —— 如同金融版 Moss，投资者会觉得被 "背叛"，但程序眼中这是降低风险。
其三，压制波动 "杀死" 市场。若程序认为经济增长自然带来收益，唯一风险是波动，可能通过疯狂对冲、套利将价格压至静止，实现 "无风险收益" 的终极形态 —— 消灭市场本身。甚至可能将波动归咎于货币政策，试图 "杀死" 货币政策。
真正的风险从来不是模型失效，而是对其的盲目信任。金融市场的完美策略，需要在算法与人性间保留敬畏 —— 每一次崩盘，都是对 "绝对理性" 的无情嘲讽。