數據協助市場投資判斷，執行仍得依靠縝密的規劃，等待太久即錯失獲利良機，太早進場則增加投資成本。因此投資管理者會從數據隨時間變化的規則中，制定出投資策略並且進行風險控管。但，數據到底是如何藉由科技來提供贏過市場的策略？
大家總是有過喊價殺價的經驗，通常我們都有個初步評估的價值，也可能是不管三七二十一，先殺價再說。殺價的策略是甚麼呢？時機點通常都是非常重要的，再來可能是要決定主動出擊直接價格砍半？還是柔性詢問價格是否有彈性？
我們可以假設出一整套的小販心理學，大家也都能想到幾個不錯的議價好方法，例如當小販的東西很多沒賣掉，或著已經很晚人潮稀稀落落的時候，通常都比較容易議價成功。所以「策略」可以說是一個由價值判斷到買賣執行的一個動態過程。然而殺價殺到小販不願意賣，就是策略執行不佳的例子啦!
資本市場是小經濟體的放大，由複雜的買賣與議價交織組合而成，當我們將資本市場資訊分析過後，量化分析會建構出不同的模型來進行投資判斷，策略則會將分析後的判斷賦予一個執行辦法。
金融數據科技又是怎樣連結數據到策略的呢? 通常經過資料分析後，團隊通常都會有了一套價值判斷的演算法邏輯，並交由策略來根據不同的情況來自動執行，整個過程通常會使用電腦程式來連結，經過自動化處理後輸出，產生「在何時執行買賣」以及「買入賣出多少部位」兩個關鍵值。
一個值得提醒的是在資產管理的領域中，「投資」與「交易」策略是不一樣的，以交易為出發點的策略著重於執行層面，也就是怎麼樣用最有利的價格來買賣，例如高頻交易的策略是希望透過持續性的極短時間買賣來賺取低買高賣的價差，這邊價值判斷的邏輯在於快速地分析限價委託簿 (Limit Order Book) 的動態變化，並建立維持市場中立的部位，不去承受太大的市場風險。
交易的風險有許多，例如台灣股市有漲跌停限制，導致許多交易無法進行，又例如交易常包含融資融券等操作，當市場波動大時，可能會因保證金不足導致被迫結清部位，產生受迫性的損失。
相對的「投資策略」考慮多為較長期的風險與報酬，例如近期美國聯邦基金利率 (Fed Fund Rates) 維持低息，而10年期美國公債的殖利率迅速上升，投資的策略則可考量降低公債的配置，以及如何持續建構抗通膨的資產。
當然投資與交易是相輔相成，有了明確的投資目標，會一併討論交易執行的機制，一個好的投資策略需要伴隨一個好的交易策略，不然就會空有好的構想，但是執行不出來。
最有名的一個事件是 1998 年的 Long-Term Capital Management （LTCM） 事件，一群天才的諾貝爾獎得主以及華爾街的頂級交易員，在執行上過度放大其風險容忍度，即使事後證明他們的方向還是對的，但是太大的槓桿交易導致投資等不到結局就遭到斷頭了。
另外，電影 The Big Short 描述2008-2009年的次貸危機，主角之一 Michael Burry雖然早就預期市場泡沫危機，但是太早進入市場放空，在2007年時他所管理的基金已經產生大損失，雖然最後也證明他的堅持是對的，但如果市場再晚個一個月崩盤，故事結局可能就不一樣了。
近期的 GameStop 的專業投資者與散戶的博弈，著名的私募基金 Melvin Capital 在今年一月過度放空損失了超過 50％，而許多小戶也因為買在一個超過$300美金的不理性股價高點而蒙受損失，這樣的事件更血淋淋的描述出投資方向、執行時機與風險控管的重要性。
量化模型可以協助投資者調整最適的策略，最常使用的方式是回測，也就是測試歷史數據在量化策略上表現，協助管理者找到適當的執行參數，這樣的過程稱作是「最佳化」(Optimization) 的過程，換句話說就是最大化某個策略的成功率。回測的分析也是一門學問，量化分析師需要了解模型或回測的極限，知道未來市場的不確定性所帶來的模型風險，而不盲從於過往的數據。
學術方面，財務數學在策略最佳化也為顯學，當股價能被量化成一個隨機過程（見前篇 0到 [0, 1] https://www.storm.mg/article/3424878），策略可以描述為一個根據模型所產生的「停止時間」 (Stopping Time)，白話的意思則為一個可依價格變動來決定買賣的時機點。如果加入更多的投資變數以及交易限制，最佳化的過程會需要進階的模擬程式（Simulation），來測試不同的市場狀況可能發生的變化，這樣的過程也當然需要很大量的電腦運算，自然是金融數據科技重要的一環了。
從數據到策略，使用量化來做為主要工具是必要的趨勢，只是對於科技所能成就的預期心態更顯得關鍵。 因為多數的量化模型是人為判斷的延伸，包含大家喜歡提到的人工智慧，多數也僅在人類設定的遊戲範圍內去判斷，因此如果資本市場是個動態發散的遊戲，期待一個有完美結局的策略就像是在讀童話故事了。
數據提供了很好的投資判斷，進而提供最佳化的投資策略，但是如何應用在資產管理上？下一次讓我們談談與金融數據科技與金融服務的連結吧。
＊作者林敬倫博士（Peter Lin Ph.D.）為高曼計量／高曼投顧董事長，同時任教於美國約翰霍普金斯大學，專長為計量財務金融，並致力於金融科技創新。
