模型風險，是指量化交易策略思想因無法被準確描述而導致模型信號失效的風險。模型風險的來源包括：建模偏差、錯誤設置、執行誤差。
01
建模偏差
建模偏差體現在兩個方面。
壹是模型不完善。量化模型壹般會經過海量數據進行仿真測試，但若其測試所采用的歷史數據太少或不完整則可能導致模型對行情數據的不匹配。
二是模型在構建中存在隱形錯誤。例如，由於歷史數據是靜態的，而實際行情數據是動態的，如果模型中夾帶有未來函數，則模型在用歷史樣本回測時效果不錯，但在實際使用時會存在信號閃爍或偷價行為，導致交易出現重大損失。
02
錯誤設置
錯誤設置風險，是指對交易模型的相關參數在設置上存在錯誤。例如，在模型構建過程中，可能會存在對參數優化時的過度擬合而導致出現參數孤島效應。此外，對諸如滑點、交易手續費、保證金率等參數設置如果與實際不符的話，會出現量化模型在歷史樣本回測時收益較高，但在實際使用時竟然會出現虧損的現象。
03
執行錯誤
執行錯誤即系統程序或系統架構出現混亂性錯誤導致的嚴重風險。假如壹個交易模型本應在買入信號時進行買入操作，賣出信號時進行賣出操作，但是在模型最後上線前由於錯誤操作，將開倉的指令由“+1”變為了“-1”，導致所有交易信號反向交易，在本應該買入的價格進行了賣出，在本應該賣出的價格進行了買入，後果不堪設想！
對應此類風險，除需要采取樣本外檢驗的方式盡早發現建模偏差缺陷外，還應該在多個市場或品種上進行較長時間的仿真運行，從中發現模型缺陷，從而避免存在偏差的量化交易模型上線運用。