风险管理是量化交易魔方的最后一块，我们之前讨论的所有偏差都属于风险的范畴。常见的风险有技术性风险（比如交易所的服务突然发生了硬盘故障）、经纪商风险（比如经纪商破产了，别笑，真的有，MF Global！）等，简言之，只要会影响交易进行的因素，都可能带来风险。
风险管理还需要确定最优资本配置（组合理论的一个分支），这意味着资本如何分配到不同的策略上执行。这是一个非常复杂的研究领域，需要依赖非凡的数学技能。目前凯利公式是业界公认进行资产及杠杆配置的标准，凯利公式提出了一些收益的统计特征假设，但在真实的金融市场中却不一定总是正确，交易员具体使用其时一般偏保守。
风险管理的另一个主要作用是用来排除交易员的心理障碍，有许多认知偏差会潜移默化地影响到交易过程。尽管大家普遍认同如果策略完全交由算法执行问题会更少，但目前很多交易还是需要经交易员之手。损失厌恶是一种常见偏差，当处于亏损状态时，可能会由于确认损失带来的痛苦而迟迟不进行止损，盈利情况下类似，可能会因为害怕失去已获收益而过早地交易。当交易员强调最近而忽略了长期，则会产生另一种常见偏差——近期偏差。当然也有经典的情绪偏差——恐惧与贪婪，它们会导致杠杆不足/杠杆过高，进而可能导致收益降低或爆仓的情况。
显而易见，量化交易是量化金融中一个极其复杂，但却非常有趣的领域。这篇文章只是触及皮毛地介绍了量化金融的基本框架，所以建议在你准备申请量化交易相关工作之前，一定要补一补基础知识，至少要对统计、经济学有个大略的认识，有MATLAB、Python或者R的相关实践，对于更高级的高频交易，你还需要Linux内核、C/C++，汇编及网络延迟优化等技能。
如果你对创建自己的算法交易策略感兴趣，建议你首先精通编程，尽可能自己构建数据采集器、策略回测及指令执行系统，因为试想你的自有资本一直在线持续运作，亲自完成完备的测试、熟悉策略里的各种陷阱与问题，相对于把这部分工作外包出去，是不是更能睡个安稳觉呢。
往期文章回顾
个人做量化交易——指令执行系统篇
