2025 年 10 月 10 日， 加密货币市场经历了巨大的混乱。几分钟之内，一连串的清算就消灭了数十亿美元的未平仓合约，导致标准交易算法陷入瘫痪。这不仅仅是价格下降；这是预测模型的结构性失败。几个月来印钞的策略突然面临着训练数据中不存在的市场状态。
这一事件残酷地提醒我们：在高风险的量化金融世界中，对机器学习（ML）的依赖已经变得绝对，但它的盲点仍然是致命的。从纳秒级执行的高频交易 (HFT) 算法到复杂的 DeFi 预言机，该行业正处于数据霸权的军备竞赛中。但当“黑天鹅”袭来时，根据历史数据训练的模型不仅表现不佳，而且会崩溃。
这给现代贸易公司带来了一个悖论：当你的主要工具对最重大的风险视而不见时，你如何构建弹性系统？
为了回答这个问题，我们坐下来 格里戈里·奇基舍夫，团队领导和量化交易员 量子大脑。 Grigory 拥有超过九年为市场构建基础设施解决方案的经验（从 HFT 算法和机器学习模型到基于图形的流量评估系统），他的职业生涯一直致力于执行速度和系统弹性的交叉。在量子大脑，他将市场流程转变为可扩展的架构，旨在承受破坏标准模型的波动性。
以下是他对行业为何需要超越“黑匣子”以及如何设计真正的反脆弱性的看法。
不可预测的禅宗
当讨论转向风险模型在最近的 10 月崩盘、COVID-19 大流行或 2008 年金融危机等事件中的失败时，标准的批评是模型“未能”预测事件。格里戈里完全挑战了这个前提。他认为，机器学习模型能够预测奇点的期望在数学上是有缺陷的，解决方案不在于更好的预测，而在于更好的接受。
“我想立即指出，我不认为黑天鹅的存在有问题。根据定义，它们是无法预测的事件。我们对此无能为力。例如，一颗彗星与地球相撞：我们几乎可以肯定地说它不会在未来几周甚至几年内发生，但没有人知道银河系中看不见的部分正在发生什么……
“失败”这个词可能有点夸张。如果我们事先知道我们无法预测事件A，那么我们应该以佛教徒的平静来接受它的发生。”
然而，接受不可预测性并不意味着忽视后果。格里戈里指出，虽然模型无法预测 定时 危机发生时，人类领域专家必须构建能够理解危机的系统 结果 最坏情况的情况 – 纯粹数据驱动的模型经常会错过一些东西，因为数据点根本不存在。
“这两个数字之间的某个地方存在着区分可预测事件和不可预测事件（黑天鹅）的关键点。任何模型的根本缺陷是它无法计算这一点……我们只能为最坏的情况做好准备，而该模型无法解释这一点。”
透明度权衡的神话
量化金融领域的一个重要争论是可解释人工智能（XAI）与利润之间的紧张关系。普遍的观点认为，“黑匣子”模型（难以解释的无监督深度学习模型）更有利可图，因为它们更复杂，并且迫使它们可解释（为了遵守法规）会减慢执行速度并削弱其优势。
格里戈里强烈反对这种二分法。对他来说，透明度并不是监管负担；而是监管负担。它是一个调试工具。
“我非常怀疑，直接比较时，无监督或黑盒方法最终会比白盒方法更成功……因此，任何针对‘监管层面可解释性’的努力都只是为了更好。如果你的新生儿能够解释什么是伤害，那将非常方便，并且显然会有助于他们的成长。”
他认为，交易策略的不透明往往是运气而非天才的面具——特别是幸存者偏差。
“如果你看到一个成功的机器学习策略‘不清楚它是如何运作的’，那么以下两件事很可能是正确的：
- 要么它的创造者实际上了解一切，但更喜欢保守秘密。
- 或者我们正在处理幸存者偏差……如果 1,024 人做出一系列 10 个二元预测，则每个预测中恰好有一个是绝对正确的。
不幸的是，有时这两个原因都是正确的。所以一定要要求你的人工智能代理做出解释！”
工程反脆弱性
如果预测不可能，唯一可行的策略就是反脆弱性——系统从无序中获益的能力，这是纳西姆·塔勒布（Nassim Taleb）推广的概念。然而，在硬件和基础设施中实现这一点是出了名的困难。构建一个能够在崩溃期间处理 100 倍正常市场负载的系统通常成本高昂。
Grigory 的量子大脑基础设施方法优先考虑灵活性而不是强力能力。
“你无法为黑天鹅事件准备好你的基础设施。例如，如果你计算服务器的峰值负载并允许增加 100 倍，那么你几乎 100% 的时间都会在未使用的资源上烧钱……但是你可以准备一个灵活的系统来降低资源成本。例如，简单地关闭一个又一个的交易设置。如果一切都陷入困境，那还有什么意义呢？”
这种灵活性使公司能够在最初的冲击中幸存下来。但实际上 利润 摆脱混乱——真正的反脆弱——需要思维方式的转变。它需要认识到，当其他算法失败时，市场就不再有效。
“我再说一遍，我们谈论的是我们的模型没有预测到的情况……这个表述还包含一些好消息：我们可以假设其他市场参与者正在经历同样的‘困难’场景。10 月 10 日，加密货币经历了重大冲击，促使许多头寸被清算。一些参与者实际上离开了市场：要么他们选择了第二种选择（关闭），要么只是没有时间这样做（RIP）。
这是利用效率低下或实现通常会被关闭的机会的好时机……从某种意义上说，这也是塔勒布的方式：为了避免成为火鸡，你根本不必成为火鸡。”
零和游戏中的人为因素
随着人工智能继续主导交易执行，许多人质疑人类量化交易员的未来角色。如果机器处理流程、风险和执行，那么人类就被淘汰了吗？
格里戈里认为，市场的本质保障了人的因素：这是一场由获胜欲望驱动的零和游戏，而算法不具备这种情感。虽然人工智能可以执行，但它缺乏“击败”市场的动力，从而推动真正的创新。
“交易与人工智能正在积极发展的许多其他领域不同，因为它是一种零和游戏……让我们想象一个极端：市场上没有活着的参与者……这里有人类的一席之地吗？在我看来，没有。
但幸运的是……现实世界中，总会有活生生的参与者……另一个人为因素就是过度自信。 ‘我是人类，我将比人工智能更有创造力和原创性’的想法永远不会离开我们的脑海。”
最终，量化交易的未来不是用人工智能取代人类，而是人类利用人工智能与其他人类竞争。算法是武器，而不是士兵。
“正如我所说，这是一场零和游戏。但算法在这种情况下没有兴趣赚钱。只有智人才会永远有‘击败’他人的欲望。”
