建模偏差

建模偏差体现在两个方面。

一是模型不完善。量化模型一般会经过海量数据进行仿真测试，但若其测试所采用的历史数据太少或不完整则可能导致模型对行情数据的不匹配。

二是模型在构建中存在隐形错误。例如，由于历史数据是静态的，而实际行情数据是动态的，如果模型中夹带有未来函数，则模型在用历史样本回测时效果不错，但在实际使用时会存在信号闪烁或偷价行为，导致交易出现重大损失。

错误设置

错误设置风险，是指对交易模型的相关参数在设置上存在错误。例如，在模型构建过程中，可能会存在对参数优化时的过度拟合而导致出现参数孤岛效应。此外，对诸如滑点、交易手续费、保证金率等参数设置如果与实际不符的话，会出现量化模型在历史样本回测时收益较高，但在实际使用时竟然会出现亏损的现象。

执行错误

执行错误即系统程序或系统架构出现混乱性错误导致的严重风险。假如一个交易模型本应在买入信号时进行买入操作，卖出信号时进行卖出操作，但是在模型最后上线前由于错误操作，将开仓的指令由“+1”变为了“-1”，导致所有交易信号反向交易，在本应该买入的价格进行了卖出，在本应该卖出的价格进行了买入，后果不堪设想！

对应此类风险，除需要采取样本外检验的方式尽早发现建模偏差缺陷外，还应该在多个市场或品种上进行较长时间的仿真运行，从中发现模型缺陷，从而避免存在偏差的量化交易模型上线运用。