2012年8月1日，美国股市开盘后，Knight Capital的交易系统开始向纽约证券交易所发送大量异常订单。美国证券交易委员会后来记录，这套系统在约45分钟内造成超过4.6亿美元损失。时任首席执行官Thomas Joyce面对的已经不是一笔判断失误，而是一套系统在缺少有效控制时持续把指令变成真实仓位。
结果尚未确定时，系统仍在运行，订单仍在进入市场。Knight Capital随后需要紧急融资，公司最终失去独立地位。SEC在2013年的执法文件中指出，公司的风险控制和软件部署流程存在缺陷。
这场事故的规模远超普通交易者的账户，但它揭示的是同一个问题：信号生成、风险判断和订单执行一旦连成无人复核的直线，小错误就能直接动用真实资金。
184美元为什么会让人睡不着
设想一名交易者早晨醒来，打开账户，看到隔夜仓位亏损184美元。
184美元未必意味着策略失效。市场会跳空，流动性会变化，止损成交价也可能偏离预期。只要参与交易，这类损失就无法彻底消除。
真正的冲击来自成交记录：昨晚系统生成了信号，随后直接开仓。交易者没有看过入场理由，没有确认仓位大小，也没有决定是否愿意承担这笔风险。账户里的资金已经替他作出了选择。
这会改变问题的性质。
如果交易者批准了一笔订单，随后亏损184美元，他至少知道自己接受了哪些条件。如果订单未经批准便成交，他需要追问更基础的问题：
谁设定了仓位？
系统依据什么数据入场？
当时账户是否已经持有高度相关的资产？
最大可能损失是否超过自己的单笔风险上限？
如果答案无法在成交前看到，所谓自动化便隐藏了最关键的控制点。
市场风险和授权风险是两回事
市场风险来自价格的不确定性。授权风险来自流程的不确定性。
前者无法清除。你可以用仓位控制、止损规则和最大回撤限制约束它，但不能要求市场按计划运行。后者可以通过明确的审批门降低：AI负责生成并排队交易信号，人负责检查理由、仓位和账户整体暴露，然后批准或拒绝。
审批不会让错误消失，也不会保证盈利。它的作用更具体：在资金进入市场前，保留一次拒绝的机会。
这次拒绝可能基于信号质量，也可能基于账户背景。例如，一个买入信号单独看似合理，但账户已经持有两项相关资产。第三个仓位会把同一风险重复放大。此时需要评估的不是信号方向，而是总风险暴露。程屿的买入警报。仓位重叠让他拒绝订单。讨论的正是这种情况。
审批记录还有第二个用途：建立可审计的交易日志。每笔订单应留下信号依据、建议仓位、批准或拒绝的理由，以及最终结果。几十笔交易之后，交易者才能区分策略问题、执行问题和自己的判断偏差。
下单前应看清四个数字
收到AI生成的交易建议时，先检查四项：
第一，仓位金额。不要只看预计涨跌幅，要看这笔订单会占用多少本金。
第二，止损距离。入场价与止损价之间的距离，决定了单位仓位可能承受的损失。
第三，账户总暴露。多个看似独立的仓位，可能同时受同一种市场因素影响。
第四，最大回撤。回测中的收益曲线不能单独说明问题。交易者还要知道策略曾经从高点回落多少，以及自己是否能承受类似过程。
假设账户资金为2万元，单笔计划风险为账户的0.5%，对应金额是100元。如果某项建议在既定止损下可能损失300元，交易者应当缩小仓位或拒绝订单。这里的数字只是计算示例，不代表适合任何人的风险标准。
还要确认自动化系统在第一笔亏损后会做什么。它会暂停、等待审批，还是继续开出第二个仓位？第一笔亏损后，系统还能自动开出第二个仓位吗？说明了为什么连续执行规则必须提前写清楚。
保留拒绝权，才能谈自动化
Knight Capital的事故没有证明所有自动交易都会失败。它证明了一件更窄、更重要的事：真实订单需要与风险控制同时设计。生成速度越快，检查机制越不能含糊。
对个人交易者来说，184美元可能不会毁掉账户，却足以暴露流程漏洞。先暂停系统，核对订单日志、审批设置、仓位规则和连续开仓条件。修复授权问题后，再评估策略本身。
AI可以整理数据、生成理由并排队信号。最终下单权留在人手里，意味着每次资本移动都有明确责任人。你仍会遇到亏损，但不会在醒来后才发现，账户已经替你同意了一笔交易。
教育内容，不构成金融建议。
评论
暂无评论。