——摩尔方德观点：模型和系统一般指的是数学公式和基于数学公式建立的由电脑操控的交易形态。模型主要偏向于统计的方向。系统偏向于电脑的方向。
投资的方法有很多种不同的分类，用两组相对比较清楚的概念，按照他取的信号来源来分，分成基本面型和技术型，技术型一般比较注重过去的价格数据，看他本身的交易价格，也许包括一些交易的数量或者其他类似的数据。基本面型从外汇上讲，看宏观经济的一些指数，比如说经济增长，通胀，或者是央行以后的利率政策，一个是过去历史的价格，和基本面型。
这是一组相对独立的概念。另外一组就是量化型对判断型，判断型就是对人脑对电脑的获取。我们也会看到，分法不是很准确，并不是人脑对电脑的博弈。安全两组相对的概念，可以由量化型加技术型，基本面型加判断型的等。下面我列了两个，大家可能比较熟悉的。
西蒙斯是量化型投资，他是一个比较有名的教授，看的是历史的价格，是一个比较很有代表性的量化型加技术型的。在另一个和他相对的象限是巴非特索罗斯以基本面为主，按照它们自己所雇佣的交易人员对基本面的交易投资，这是两个比较成功的案例。量化投资并不是灵丹妙药，只不过是一个比较好用的方式。
大家比较熟悉的是图表法和技术分析法，历史是很久远的。不同的技术分析人员，给他不同的数据和图表，做出来的判断分析是完全不同的，有很多人为的因素在里面。
基本面型加量化型也有一些基金是做量化公式，所用的输入数据是基本面型的一些指标，股票选股上有很多是这一类的投资方式。比如说用PB，或者PE对股票进行一定的筛选，到达一定的临界值就会买入、买出。我上面列的一个指数“巨无霸指数”是《经济学人》的量化型和基本面型所做的。这个判断是非常准确的。在技术型加判断型里面我还列了两个稍微有点带玩笑的法则叫做“超短裙法”“星象法”，这个有点把量化投资，有些贬低了，不管是技术分析法还是技术的量化型投资，是有一定的理论依据的，是跟投资者的心理变化，或者是跟市场的心理结构有关系的，不能万全归结到一起。
量化投资的不同叫法也有很多，比如说经常提到的模型交易，或者说系统交易，模型和系统一般指的是数学公式和基于数学公式建立的由电脑操控的交易形态。模型主要偏向于统计的方向。系统偏向于电脑的方向。这两年主要偏向于算法交易（olworithmic trading），大家会觉得他是比较高级的交易，也不尽然。还有高频交易和超高频交易，一般来说算法交易是以天为单位，高频交易就不是以天为计，以秒和毫秒为单位，在里面由分出超高频交易，现在一些国家的监管机构也在关注这一类，有些也也调查超高频交易，是不是违反了一些关于证券交易的规定，受的关注也比较多。这里面包括，高频和超高频，实际上也是系统交易的延伸，只不过是时间段比较紧，超高频交易所获利的来源是不同的，更多的是中介的交易模式，而不是说主动去单边投资的交易模式。所以有点不同。
还有两种电脑交易或者是自动交易，虽说量化投资不是只能用电脑交易，只能用电脑算，我也见到过很多投资人，用很简单的表格，自己去做投资。一般来说人们想到量化投资都是跟电脑相关的。
黑箱交易，很多投资细节完全不提，首先怕别人去模仿，然后怕交易的秘密传到别的地方，所以外地人叫黑箱交易，最近几年行业越来越大的了，有很多机构也把这个钱交到这个交易商，整个量化投资行业便得比较公开化，细节不可共享，但是什么样的交易模式变得是半公开，现在还用这个概念应该说是“灰箱交易”，比如我们是交易公司，我们的交易方式是用什么样的数学公式，用什么样的历史上多久的数据这就是商业秘密，不可跟别人来分享。
量化投资和期权定价理论的关系
在海外如果你要说我是一个量化分析师，一般来说你是一个期权的量化分析师，分析这个期权怎样去定价，怎样去对冲，投行要找很多分析师，都是关于期权定价的概念。我们今天谈的很多人看的量化分析，主要是看的比较狭义的，根据历史的交易找出一个数据，来进行一个交易。期权定价理论是在过去30年中，最重要的一个创新，不光是一个比较复杂的数学公式，很多人是专门做量化研究的，到出公式要需要很深的知识。里面是一个动态对冲的理论，简单地说，要是卖出一个期权，在过去来看，你指望卖出很多很多的期权，用期望的概念，预期3个月之后，跟事先的预测结果差不多你就能赚钱，有这个理论之后，期权定价就不再是一个预期的概念。你卖出了期权可以进行动态对冲，这个理论关键是这一点，跟量化投资有什么关系。首先，因为期权定价理论实际上是对将来风险各种交易人对将来风险的综合评估，所以他得出隐含波动性可以运用到将来的风险评估，改变你的量化投资公式。这在行业中是比较普遍的。
另外，中国的期权交易不是特别普遍，将来会越来越普遍，很多价格流动性比较大，历史价格数据比较完整，很多量化投资的公式和概念，研究方法，可以直接用到期权上，也可以作为一个量化投资的方向。
最后一种是，期权的交易在中国比较多的时候，期权和期货、期权和现货之间的套利机会会非常非常多，期权和期货的套利比较复杂，需要很多的量化分析，这个我觉得像量化投资非常有前景。
另外量化投资有三个比较大的分类：
（一）价格趋势；
最传统的量化方法，很多变种，包括趋势和泛趋势，大部分的技术分析策略都属于这一类。
（二）相对价值、套利、对冲；
获取两个或者多个证券之间价格差异的量化方法，如果是无风险的就叫“套利操作”，还有外汇套利、利率区县的套利、股票指数的套利、多空操作、统计套利。
（三）高频和超高频交易；
最近几年快速发展；一部分是将“价格趋势”和“相对价格”，传统量化投资的模型很自然可以用到更多的时间段上，量化方式用在非常短的时间内，是针对微观市场的结果、做市等。
你去询价一个价格从一个银行价格报给你，又到别的银行对冲自己的头寸，这个价格的变化是有规律的，高频的交易模型可以针对这些规则发现规律。
从历史上看可以追溯到很久，1900年使用几何学、数学和占星术研究投资—威廉江恩。
1930年按照“规则投资的投资方式，理查德唐奇安。
1970年用电脑和历史价格选取最佳的规则，艾迪，赛柯塔
1980年所罗门兄弟银行的债券套利，约翰，梅里威瑟。
1988年复兴技术公司成立，詹姆士，西蒙斯。他是一个很有名的数学教授，88年开始正式成立了复兴技术公司，那时候开始运作大小型基金公司，他使用比较狭义的量化投资的公式，他这个人表现很好，使投资人对这个行业很有兴趣，有越来越多的人去模仿他，他也走入了投资行业的主流，起到了很大的作用。
1990年各类金融衍生工具、量化分析大局进入投资银行。投行大批雇佣量化分析师，做期权对冲的量化分析。
1998年长期资本管理倒闭。这中间的教训对整个量化投资行业是比较大的。
2000年全自动交易、高频和超高频交易、交易所并购，有一些ETF直接就有量化基金的概念在里面，比如说趋势投资就可以获利，有些指数不是上证指数，而是一种动态的，通过趋势来获利的交易模型他的指数是根据交易模型的，发展比较迅速。
2010年机构工共置、按持、量化共同基金、可投资量化指数。
量化投资的使用情况，投资银行分两类，一类是做势，尤其是OTC的产品中需要量化的方式，因为他的数据比较多，来进行分析，更好地控制他的库存，控制他的报价方式。
衍生工具大部分都是在OTC市场上交易的，衍生工具怎样去对冲就需要大量量化投资的模型和人才。另一方面，自营资金，比如说高盛，自营资金收入所占的比例是非常高的，这里面高盛自营投资或者其他投资银行有一部分有明星的交易人，他来做判断型的投资，有一部分是由完全量化的、黑箱的投资也是一种互补，要完全把你的钱全放在一种交易模式，就是太多的鸡蛋放到一个篮子里，投行自营资金的投资很多都是采取不同的投资方式。
投行还会雇佣一些量化投资师，对他的客户进行量化投资的帮助，我也碰到好几个对量化投资自己建模感兴趣的期货公司，投行有一些专门提供这些免费服务的人，他替你做一些测算，他的好处就是你要交易的话，你是通过他的银行来进行交易，他来收取中介手续费。
对冲基金最主要的就是专门使用量化投资技术的基金。共同基金是比较新的方式。机构投资管理人专门为退休金、保险基金等提供投资服务的基金管理公司；资产配置、指数优化。这个行业中，最近几年大家也谈到一些比较热门的话题，比如说olphohbetad，也需要很多的量化分析。现在有很多指数优化采取比较另类的指数方法，选取一个更好的指数，风险跟上证指数低一些，风险相同。回报相对高一些。
复兴科技，他是一个数学教授他到金融行业投资，刚开始也是需要一方面的钱，也需要消遣，后来他对这个越来越感兴趣，80年代末，他完全从这个数学界跳出来，成立了这个复兴科技公司，专门做投资。刚开始跟大家一样，也是判断型的，后来完全是数量型，他主要原因就是很多操盘自己做投资的人都有同感，自己做的话，天天都会担惊受怕，老是不停地想，下一步怎么办，总是不停的考虑。他作为一个科学家，他觉得很多东西都是可以量化的，让电脑去做，只要在概率上讲，我能超过50%的条件下能够赚钱的话，有亏有盈对我来说心理上没有什么影响。这是他刚开始研究量化的动机，后来他越来越成功，总结他的人也比较多。比如说他是比较注重创新，不是说别人都在做趋势分析，他也去做一个更好的趋势，他不是这样，他是别人做趋势，他就不做趋势，他去想一个别的数据源，或者是别的数据分析方法，他雇佣的人都是做信号处理、做电脑、做物理、做语音识别的专家，用其他领域的方法，来设计他的模型。他总是想比较新的东西。
在很久的时候，他就意识到要快，他在10年前花很多钱来提高他交易的机房配置，交易速度也提高，现在的高频交易、超高频交易每个人都知道，但是他10年前就做这个事情，比别人快很多，现在全球各种各样的交易量越来越大的时候，他已经占了先机，可以提前赚钱。他的主要统计方式就是统计套利，通常套利就是两个东西的价钱是有差别的，然后你买出一个，卖出另外一个，等到将来就会赚取差价，通常的套利是没有风险的，现在没有风险的套利，在中国的市场可能有机会，但是在成熟的市场风险是很大的。
在配对交易上发展出一种套利。有时候出现股市价格稍微偏差的时候，配对交易就会把价钱稍微高的那个卖掉，把低的那个买进来，等价格回归到一样的高度。在最近随着超高频交易发展，这个发展得很快，世界上很多股票交易所，它们的交易量越来越大，每笔交易越来越小，就是因为这种套利模式被越来越多的人在使用。西蒙斯赚钱还针对一般的股价，或者是各种各样的金融产品的过激反映，或者有一单新的生意，一般价格变动会超出他的合理变动，他的很多模型是针对这种市场异常。他从来不接受采访，他每次都说，我们的投资很多，我们什么都做，他都不会告诉别人，这些都是由他过去的工作经验来透露出来的。
真正拿到西蒙斯公式的话也赚不到他那样的钱，他是一个科技公司，花了很大的代价做一个非常庞大的电脑系统，在很短的时间内光有公式是做不到的。
为什么量化投资能够赚到钱？最主要的是市场有很多投资人，不是按照传统的金融理论来假设，对新机会的出现，新信息的评判不是完全理智的，我们大家都知道，止损的时间大家都舍不得，这种会造成价格的一定格式。超高频的交易模式还会造成市场的微观结构，这中间可以用量化投资的方法得到这中间的规律。
说到量化投资和期货市场，量化投资所使用的金融市场不一定是期货市场，实际上在股票市场用的是非常非常多，但是期货市场有他很多的好处，首先是高杠杆，交易成本很低，隐蔽性也很高，你要做一个量化投资人，你背后有一个人，你赚的钱就是他赔的钱。比如说在外汇行业，你做一个超高频的交易，你经常去跟投行交易，投行会发现你总他身上赚钱，很快他就会断掉你的线，但是在期货市场就没有这样的事情，因为隐蔽性比较高。
最近十年中期货交易市场数据比较大，全球经济增长，量化投资对冲基金在这上面交易量越来越活跃。外汇期货是我比较熟悉的市场，十年前外汇期货交易连1%都不到，平常都是用OTC来交易的。但是最近十年中，外汇期货也是增长非常非常快，后面的直接原因就是量化投资的高频交易大副使用期货。期货市场可以进行趋势交易，也可以用期货市场和现货市场联动来进行对冲和仓位的调整。中国新的股指期货出来大家这也是大家研究的一个方向，用股指期货和现货的联动来做交易。
量化投资不仅仅是限于买卖对象，这是非常关键的一点，大家说起来就是量化投资的公式，买什么卖什么，量化投资分析的方法可以用在投资的很多不同方面，最直接就是交易策略，没有认为感情的干预，可能跟人的判断来比会好一些，比如说投资组合的优化，仓位有多少，什么时候加仓、什么时候减仓，各种证券和资产之间如何匹配。还有刚才对指数进行优化，这些也是可以用量化进行分析的量化使用方法。投资的另外一面就是风险控制，怎样去用量化投资对整个投资组合进行止损，对杠杆进行控制，这也是行业中研究非常非常多的，衍生工具的定价和对冲之前也都说过了。很多不同的方面上都会对投资收益、降低风险带来正面的影响，他的使用范围非常广。
还有一点优化交易的执行方式，有些操盘比较大的数量时，这个对市场的价格影响比较大，现在很多量化交易的算法就用到交易执行方式，怎样把一笔交易打散，降低交易成本，这也是量化投资使用的非常多的领域。
说起比较狭义的量化投资就是对历史数据进行分析，量化投资对判断型投资相比有一个好处就是他总有数据，你建立一个模型，可以给你一个可信度，另一方面要非常非常警惕，有可能这种数据只是假象，对将来没有预测性，这个度量怎样把握，完全是一个人为或者是艺术的东西，你统计的东西可以减少认为拟合的程度，量化投资行业很多从业时间很长，要不断地进行判断，来防止数据的过度挖掘。在国外经常说，把一个数据库严刑拷打就什么都会“招”，尤其是现在统计方式很发达，把过去的历史数据拟合，通常来说拟合程度越高，对数据判断越低。
量化投资的局限性
“西医”和“中医”——头疼的病困不同，历史可能不重演。有些人比较反感西医，只看表象，不看内部的问题，没有真正的找到治好病的原因。
具体到量化投资上就是说，你找到过去的格式，但是过去的格式每次的原因不同，将来会怎样，你是说不清楚的，所以你只是假定重复历史，这种假定是有局限性的，这种批评是对的，量化投资要注意到你的模型对将来有多少参考的价值，历史总是会重复的，但是重复的方式是不同的，所以这是需要人脑和经验去判断的。
“筷子”和“漏勺”——人们可能认为量化投资成功的可能性大。很多人有一个错觉量化投资比较简单，只要找几个格式，就能赚钱，这是一种片面性的看法，漏勺当然用起来比较简单，不用想锅里有什么东西，怎样防止数据挖掘这都是需要实践经验，还有对各种局限性的认识加起来才能做一个比较好的判断。
另外投资我觉得最大的局限性就是流动性问题，在西蒙斯大奖基金到了50亿美元的时候就只剩自己和员工的投资，为什么呢？他觉得到50亿的基金，虽说全球各地都做那么多支股票，那么多各种各样的期货，他觉得已经到了流动性上线，再加的话，就不能赚钱了，所以他对流动性判断是非常值得学习的。量化投资策略的福祉和散播造成机会的小时，如果你老是赚钱的话，很多人都会去模仿你，在海外最常见的情况就是你在一家量化投资基金做得很成功，慢慢你升起来做了发起人的副手，几年以后你就会自己去做，这种模型就会分散得很快。
量化投资的前景
作为一种投资方式，它存在的历史很久，而且经历过不同的市场变化格式，经过考验，作为一种组合方式是非常合理的，尤其是在像中国这样的市场，有很多新的金融工具在不断的被引进，这种量化投资方式来捕捉这种机会，也是非常合理的，另外要说一点，刚才我提到量化投资不仅仅是限于买入卖出，在风险控制和组合方面对投资的帮助将不会小于你是怎样去选股，怎样去选类型。如果是一个量化基金，每个环节都会有帮助，不仅仅是选股。
数量化交易的风险管理
量化投资真正进入普通大众的事业还是从高频交易信息以后，福布斯把整个量化投资称为华尔街上的新现象。深交所对数量化的交易和发展进行了一些基本研究。我们是金融创新实验室和衍生品工作小组，我们对先生品市场做了一些创新，对于资产管理对于买方进行了一些产品创新做了一些研究。昨天晚上，我把PPT更新了一下，把名字改成了数量化交易与风险管理。最近不停地去调研，看了一下大家的风险管理状况，在这个阶段我们来谈风险管理策略并不是很实用。这里主要讲四个议题：
数量化交易与风险管理
数量化交易概念与应用
数量化交易的现状
数量化交易对市场的影响
数量化交易与风险管理
什么叫做数量化交易？我们把它定义为数量化交易，并不是用市场上所用的量化投资来娘扩进来，我们把他定义为金融工程手段来定义你的投资，进行投资决策，并且严格的实行你的决策，按照他的侧重点不同，我们称为自动化交易、程序化交易、算法交易、程序化交易和高频交易。
所谓自动化交易就是技术分析投资方式的自动化，将技术分析投资方式固化成计算及可以理解的模型、技术指标，他的好处可以避免投资人心理变化，严格地执行既定策略。在忻海现行所从事的外汇交易领域，自动化交易是一种应用很广的投资方式。
数量化投资是利用计算机来分析宏观经济和公司的基本面交易，并通过数学模型来预算未来变化的数量。
数量化投资可以帮助投资人在越来越多的信息中选择实质性关键信息，并转化成投资决策。在整个市场的宏观行业数据，还有公司数据，积累到一定程度之后，我们才有前提条件。程序化交易是伴随着股指期货与现货市场套利交易而星期的数量化交易方式。
NYSE把程序化交易定义为包含15只或15只以上的指数成份股的组合交易，其价值超过100万，且这些组合交易是同时进行的。另外就是一个算法交易，有时被称为“黑箱交易”就是通过计算机模型执行订单，以减少对市场价格造成冲击，降低交易成本。算法交易是交易执行精细化发展的结果。由计算机模型根据特定目标自动生产执行的成本。最后我们说到高频交易，高频交易其实是投资数量化交易发展到高端阶段的产物，透过极高速的超级电脑分析高频交易数据中的变化模式，并且利用这些价格变化模式利。
在相对更快的时间内获得市场行情和执行大量交易指令。从而取得普通交易方式难以获得的利润空间。高频交易的成交量现在在纽约美国股票市场成交量的70%。
数量化交易的应用主要由四个方面：
制订投资决策，不仅是基本面分析与技术分析，而是它们的融合，通过对分析宏观经济环境，通过资产配置、行业选择、选股、择时。
一个订单的执行成本第一个是机会成本，就是你想要下订单没有下订单过程之中，价格的变化。冲击成本就是你的大额订单下到系统里，在他完全成交之前，这个价格变化就是冲击成本。
做市商报价
现在的做市商已经并不是纳斯达克场外的做市商，在电子化交易时代，新型做市商在电子化交易系统上进行双向报价，他体现出来的一个优势只是交易所给他提供的成本优势，承担的是报价的义务。一个是金融产品定价，另一个方面就是风险控制的对冲，大家可以看到前一阵子，权证发行商在后台运用股票进行风险控制和对冲。
数量化交易应用大家特别关注的是套利，套利有确定性套利和统计套利，有大概的两种方式，一个是当前市场的资产价格违反溢价定律，一个是同样价格的资产具有不同的价格，另外一个就是具有相同资金流的资产拥有不同的价值，动态对冲利用期货的工具保护组合的价值。
统计套利简单地说是一个对当前价值异常的未来回归的一个期望，当前价格如果有异常的话，如果回归正常的价格我们就可以进行相对的买卖，常见的就是配对交易，在美国市场，黄金期货和黄金行业指数配备交易到现在一直有存在套利空间的，钢铁期货和钢铁行业的指数也是存在套利空间的。
国际市场上数量化交易的现状，我们把他分为4个市场进行描述，首先是股票市场，股票市场在国际市场上他的交易量多达全市场交易量的70%，因为股票市场相对于衍生品市场和债券市场，相对较少，股票只数很少，周转率也很小，电子化交易成本也比较高，对于期货期权市场是有一种天生各种各样套利的方式，比较适合做数量化交易，在国际市场上衍生品大概在50—70%债券市场很不活跃，大部分是场外交易，在国际市场上不到10%。虽然数量化交易这种表面看来并不是很活跃，但是作为量化投资方式，可以做到非常好，他虽然最后破产了，模型在最后来说是非常完美的，只不过没有考虑到流动性问题。外汇市场是由各种各样的利率评价关系，所以他的数量化交易的情况非常好，大概到70%—80%，在外汇市场美国连署做了一个研究，有政府的干预，完全可以实现盈利，所以数量化交易方式也会比较适合于生存。
在国内数量化交易也进行了一些基本的调研，在自动化交易，我们是在期货市场，在外汇市场还是受管制的。我们和一些期货公司调研的结果，技术平台比较稳定，基本没有大型应用在股票市场。在期货市场上运用比较好的原因是因为期货市场的参与者为特定人群，技术分析比较简单地说期货市场的参与者比股票市场的参与者更专业一些。
数量化投资在股票市场上刚刚星期，到目前为止，股票市场分析师团队逐渐成熟，数据日益丰富；华尔街华人金融工程师的回归为国内带来数量化金融的理念和经验。
程序化交易以前是在ETF套利上有一些应用，融资融券上市，股指期货上市后会有较大发展，产品链还不健全，较难实施套利。
我们现在国内可能是两个交易所，市场机制与国外不同，没有“最佳执行”的问题与要求，机构投资者在减少执行成本上动力不足，属于常试阶段。
高频交易现在的现状基本上没有，因为“T+1”交易、行情数据限制和较为不熟悉。
数据化交易的动力
首先就是电子化交易方式的广泛运用，另外一个就是传统交易方式下利润空间的减少。为了拓展新的利润空间发展新的交易方式，减少执行成本也推动了算法交易和数量化交易节省的历程。对冲行业也有兴起，他和券商之间的竞争关系，促进了全球化跨资产的领域，对冲基金作为买方也推动了一个更好的方式为卖方。
在美国国家市场系统在07年正式实行市价成交规则，对于美国来说，他有10个左右交易所，30个左右的OTS，还有大概4个电子交易网络，对于他来说要达到最佳执行一定要对技术系统有相当大的改造，推动最大的还是对于监管上的放松，我们现在的监管特别的松。
数量化交易的主要参与者一个是投资银行，是具有买和卖的双重角色，来增加利润，作为纯粹的经济业务，要为买方提供服务，高盛在2009年平均每天通过数量化交易每天有1个亿左右。对冲基金无比比拟的优势，比如说数量化基金资产达到141美元，人才、技术、监管、风控都做得非常好。对冲基金做得比较好的就是复兴科技。
做市商是高频交易为王，他为整个衍生品市场做市，对于新型做市商提供双边报价，就是高频交易发展的源头，做高频交易是一个稳定赚钱的，是相当于稳定的做市商。
数量化交易对市场会有哪些影响，我们也会从三个角度来说，从市场微观结构的影响，对市场参与者结构的影响，对市场运行的影响。
对市场微观结构的影响提供市场定价效率，降低了交易执行成本，提高了市场流动性，增加了套利交易的活跃度，第一张图在美国市场上股票交易的价差和佣金的水平，到2004年已经是从最初的0.25美元，已经降到零点零几，肯定是可以降低在每张订单的交易规模。从80年开始到2006年，每张订单所包含的股票数量一个图形。数量化交易还可以降低市场的波动性，一方面当你出现定价异常的时候，马上会有套利把你的定价异常抹掉，另一方面也会增加你的波动。
对市场参与者结构的影响
（一）卖方——两极分化。
1.IT军备竞赛；
2.多元化系统接入；
3.规模效应：新产品、新服务、新渠道。
（二）买方——加速整合。
1.人员结构整合；现在从事交易方式主要是金融或者是经济类相关人员，这些交易员，交易员的结构肯定要发生变化，一定需要有IT人员进行介入，现在做数量化交易的情况，一个交易员要配数量化交易师，下面再配四五个数量化程序员。
2.算法整合；市场不断变化，算法只适合于市场的某一个阶段，也在不停的升级换代，买方会有一些特殊的需求时，进行更专业的执行。
3.肢协从卖方像买方整合。
对市场监管及运行的挑战
（一）增加市场风险，提高检查难度。
1.机构的个体风险；
2.市场的整体风险，“乌龙指”；
3.对市场检查提出了更高的要求；
4.新的交易犯罪形式。
（二）升级交易所系统与服务
1.交易所系统的吞吐量与速度，Eurex o/d 38M->230M
2.交易所的数据服务，<1ms
3.交易所系统的接入，Co-locatio
数量化交易的风险管理
数据与延迟，基本数据的接入，数据是根本，是源头。在国际性投行在2009年底数据要求已经达到了300个T，这是一个不可想象的数据，如果把300个T完全存储再完全快速存储，套利机会早就没了。
市场行为数据的私密性
1.客户行为数据—行为模式窥则
2.市场行为数据—流动性、波动率
3.客户市场数据—市场与客户行为的互动
交易延迟管理，交易的速度并不是越快越好的，对冲基金和自行交易完全是通过超高频交易来进行做市商的套利。顶级券商对延迟的要求是小于10个ms，全功能服务型投行有10个ms就可以。
数量化交易的风险管理：
（一）实时风险管理
1.海量数据集中管理
2.内存数据库
3.策略组
4.深入理解日间价格变动细节
（二）集成风险管理—国内现状面临的问题，要做股指期货，期货下单只能走期货经济公司，证券这边走证券公司，一旦发生风险，我有限后对冲，这就是目前面临集成风险的问题，也需要市场来推动一下。
另外说一下数量化交易在动荡市场环境下会有什么样的风险管理，2008年的时候，数量化交易从51%降落到44%，动荡的市场环境下，市场环境发生变化，很多算法会失效，大的止损订单会带来恶性循环，在2007年的8月份发生了美国市场上没有任何原因的大规模动荡，也有可能是某些订单的一个卖出，导致了数量化交易的止损，整个对冲基金行业调研的结果倾向于传统的倾向方式。
前面这些就是我们对于数量化交易在国内的一些影响，和我们认为数量化交易在国内发展需要的一些机会，和我们推动数量化交易发展，在国内也应该有一些机制上的变革。
