量化投资(为获取稳定收益等的交易方式)

量化投资是一种基于数学模型和计算机技术的投资方式，它依赖于大量的数据和复杂的算法来进行投资决策。量化投资的主要步骤包括数据收集、数据清洗、特征提取、模型开发、组合优化、回测模拟和交易执行。

历史沿革

直到二十世纪五十年代，才有了一个严谨的测量风险的方法，当时一个名叫哈里·马科维茨的年轻研究生在《金融期刊》杂志上发表了一篇文章，内容与他在芝加哥大学的博士论文有关。马科维茨对“把风险与回报放在同等重要的地位”这一思想做出了巨大的贡献，并因此获得了诺贝尔奖。在马科维茨之前，风险的地位次于回报。当人们试图减小风险时会采用类似霰弹枪似的方法，即用一种很不精确的方法把风险分散在不同的资产、公司和行业中。

随后在60年代，William Sharpe等四人在现代投资组合理论（MPT）的基础上上发展出了资本市场定价模型（CAPM），成为度量金融风险和收益的基本模型。另一个值得注意的方向是是Fama等人在60年代发展起来的有效市场假说，影响力持续至今。此外Fama和French在90年代还发展出了三因子模型，成为后来因子分析模式的开端。

20世纪70年代，随着金融创新的不断进行，衍生产品的定价成为理论研究的重点。1973年，黑色和Scholes建立了期权定价模型，实现了金融理论的又一大突破。该模型迅速被运用于金融实践，使金融创新工具的品种和数量迅速增多，金融市场创新得到空前规模的发展。此后，Ross(1976)建立了套利定价理论(Arbitrage Pricing Theory, 斯蒂芬·罗斯)。在投资实务中，多因素定价(选股)模型可以看做是APT理论最典型的代表。

1988年，詹姆斯·西蒙斯成立了大奖章基金，从事高频交易和多策略交易。大奖章基金（Medallion）在1989-2009的二十年间，平均年收益率为35％，若算上44％的收益提成，则该基金实际的年化收益率可高达60％。西蒙斯也因此被称为"量化对冲之王"，是量化投资的标杆人物。

1991年，彼得·穆勒发明了alpha系统策略。

1992年，克里夫·阿斯内斯发明了价值和动量策略（OAS）。

1994年，约翰·梅里威瑟成立长期资本管理有限公司（美国长期资本管理公司），创立期权定价模型（OPM）并获得了诺贝尔奖的斯科尔斯和莫顿加入。该公司专长相对价值交易，搜寻价格偏离理论均衡水平的证券，并利用高杠杆放大收益。

概念举例

量化投资区别于定性投资的鲜明特征就是模型，对于量化投资中模型与人的关系，大家也比较关心。量邦科技冯永昌打个比方来说明这种关系，我们先看一看医生治病，中医与西医的诊疗方法不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。

医生治疗病人的疾病，投资者治疗市场的疾病，市场的疾病是什么。就是错误定价和估值，没病或病得比较轻，市场是有效或弱有效的；病得越严重，市场越无效。投资者用资金投资于低估的证券，直到把它的价格抬升到合理的价格水平上。

但是，定性投资和定量投资的具体做法有些差异，这些差异如同中医和西医的差异，定性投资更像中医，更多地依靠经验和感觉判断病在哪里；定量投资更像是西医，依靠模型判断，模型对于定量投资基金经理的作用就像CT机对于医生的作用。在每一天的投资运作之前，我会先用模型对整个市场进行一次全面的检查和扫描，然后根据检查和扫描结果做出投资决策。

特点归纳

纪律性

所有的决策都是依据模型做出的。我们有三个模型：一是大类资产配置模型、二是行业模型、三是股票模型。按照行业配置模型确定超配或低配的行业；依靠股票模型挑选股票。纪律性首先表现在依靠模型和相信模型，每一天决策之前，首先要运行模型，根据模型的运行结果进行决策，而不是凭感觉。

有人问，模型出错怎么办，不可否认，模型可能出错，就像CT机可能误诊病人一样。但是，在大概率下，CT机是不会出错的，所以，医生没有抛弃CT机，我的模型在大概率下是不出错的，所以，我还是相信我的模型。

纪律性的好处很多，可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差，行为金融理论在这方面有许多论述。纪律化的另外一个好处是可跟踪。定量投资作为一种定性思想的理性应用，客观地在组合中去体现这样的组合思想。一个好的投资方法应该是一个“透明的盒子”。

我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的，我会打开系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、动量上、技术指标上的得分情况，这个评价是非常全面的，只有汇总得分比其他得分要高才有说服力。

系统性

具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；其次是多角度，定量投资的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；再者就是多数据，就是海量数据的处理。

人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量投资的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。

概率取胜

这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是依靠一组股票取胜，而不是一个或几个股票取胜。

发展潜力

首先，相较于海外成熟市场，A股市场的发展历史较短，投资者队伍参差不齐，投资理念还不够成熟，留给主动投资发掘市场非有效性，产生阿尔法的潜力和空间也更大。投资理念多元化，也创造出多元分散的alpha机会。

其次，量化投资的技术和方法在国内几乎没有竞争者。中医治疗中医擅长的疾病、西医治疗西医擅长的疾病；如果把证券市场看作一个病人的话，每个投资者就是医生，定性投资者挖掘定性投资的机会，治疗定性投资的疾病。证券市场上定性投资者太多了，机会太少，竞争太激烈；量化投资者太少了，机会很多，竞争很少。这给量化投资创造了良好的发展机遇——当其他人都摆西瓜摊的时候，我们摆了一个苹果摊。总的看来，量化投资和定性投资的差别真的有如中医和西医的差别，互有长短、各有千秋。

由此可见，随着2010年4月股指期货的出台，量化投资国内市场发展潜力逐渐显现，已有深圳市国泰安信息技术有限公司金融学院，北京大学汇丰商学院，上海交通大学安泰管理学院投入数百万开设了专业的量化投资金融实验室，并开办了量化投资高级研修班，为国内量化投资的市场发展提供了良好学术和实战环境。

从全球市场的参与主体来看，按照管理资产的规模，2018年全球排名前四以及前六位中的五家资管机构，都是依靠计算机技术来开展投资决策，而且进入2019年由量化及程序化交易所管理的资金规模进一步扩大。桥水基金依然以1625亿美元的管理规模雄踞全球对冲基金榜首，量化基金AQR资本管理以996亿美元的管理规模位居第二。前十的对冲基金还包含英仕曼集团、文艺复兴科技、Two Sigma投资、千禧基金、摩根资产管理、埃莉诺投资管理、马歇尔·伟世（Marshall Wace）、贝莱德另类投资等。

从就业人员的薪资水平来看，全球超70%的资金交易用计算机或者程序进行，其中一半是由量化或者程序化的管理人来操盘。

投资策略

量化选股

量化选股就是采用数量的方法判断某家公司是否值得买入的行为。根据投资方法，如果该公司满足了该方法的条件，则放入股票池；如果不满足，则从股票池中剔除。

量化择时

量化择时策略只要两个人所使用的因子、参数、和既定规则是一样的，两个人得到的买入信号或卖出信号发出日就是同一日。利用一些指数工具，可以在较长的时间维度上判断出大盘的高点和低点。根据量化择时的策略判断，可以对大盘进行高抛低吸。

对冲套利

对冲套利就是利用两个相关性比较高的品种，同时进行做多和做空的操作的一种交易策略。当两个品种的价差偏差超过了合理区间时，就会存在较大的概率回归，产生套利机会，这是对冲套利策略的理论逻辑。套利所赚的钱就是不合理价格与合理价格的差，所以套利者需要做的就是在价差出现扭曲甚至严重扭曲的时候及时捕捉机会，稳定赚取这部分利润。

算法交易

算法交易，也称为自动交易、黑盒交易，是利用电子平台，输入涉及算法的交易指令，算法交易以执行预先设定好的交易策略。算法中包含许多变量，包括时间、价格、交易量，或者在算法交易许多情况下，由“机器人”发起指令，而无须人工干预。算法交易广泛应用于投资银行、养老基金、开放式基金，算法交易以及其他买方机构投资者，以把大额交易分割为许多小额交易来应付系统风险和冲击。卖方交易员，如做市商和一些对冲基金，为市场提供流动性，自动生成和执行指令。

资产配置

资产配置是指资产类别选择，即投资组合中各类资产的适当配置及对这些混合资产进行实时管理。量化投资管理将传统投资组合理论与量化分析技术结合，丰富了资产配置的内涵，形成了现代资产配置理论的基本框架。资产配置突破了传统积极型投资和指数型投资的局限，将投资方法建立在对各种资产类股票公开数据的统计分析上，通过比较不同资产类的统计特征，建立数学模型，进而确定组合资产的配置目标和分配比例。

高频策略

这种策略在极短的预测周期内赚取买卖价差，预测周期一般不超过5分钟。然而，由于国内的股票交易制度，真正优质的高频策略容量非常小众，基本上无法接受外部投资者资金发行资管产品，从规模占比上看对市场影响较小，也不属于主流策略。真正优质的高频策略容量非常小众，基本上无法接受外部投资者资金发行资管产品，从规模占比上看对市场影响较小，也不属于主流策略。故讨论外资高频量化策略的影响时，更多还是以期货市场而非股票为主要场景：外资高频主要存在于实行“T+0”交易的中国期货市场，其中以Jump Trading为代表的外资高频交易商在硬件、策略、技术上具备明显优势。

统计套利策略

这种策略主要运用价格和交易量数据，借助数学模型和算法进行预测和风险管理，通过预测个股中短期股价的相对走势来获取收益。这类模型通常在市场上寻找短期偏离合理价格较多的股票——做多低于合理价格的股票，卖出高于合理价格的股票——日积月累，以获得较为稳定的超额收益。这类模型的超额收益来源大部分来自对中短周期股票价格和交易量的研究分析，所以也常被称为“价量模型”。

基本面量化策略

和传统基金经理价值投资类似，基本面量化模型会收集处理企业的所有公开信息，包括财务数据、经营数据、行业信息等等，然后挖掘数据背后的市场规律。基本面数据更新频率低，基本面量化策略持仓周期短则数月长则几年。持仓时间拉长，超额收益会降低，但策略容量能够大幅提升。

投资风险

策略失效风险

量化投资最大的风险是策略失效。但更困难的挑战在于无法预测策略什么时间会失效，而策略失效的损失会非常大。

流通性风险

流通性风险主要是指市场融资风险，不是传统意义上的流通性风险。而是基于很多量化投资基金的策略很像，当许多基金都采用相似的策略，一旦出现比如大的对冲基金需要清仓，卖掉过去盈利的股票，那其他基金就可能输钱甚至被迫平仓，这就会导致有流通性风险的问题。量化投资很多因素导致很容易同质化，带来的问题就是会产生共振，更容易产生系统性的风险。

模型本身的风险

量化投资需要借助模型，而建立模型需要设定各种参数，但是，这些参数很难精准估计。估计不准的时候可能会带来巨大的损失。

投资优势

投资范围更加广泛

量化投资借助计算机技术，搜集的信息更具有速度和广度，投资分析的范围覆盖面更广，基本可达整个市场。同时，量化投资可以针对全市场范围的品种，多角度分析且实现选择，促进交易者获得更多投资机会。

程序化交易

量化投资通过回测来证实或者证伪策略的历史有效性，通过程序化交易自动下单，以投资建模和统计分析来做出选择，克服了人性过分自信、贪婪、侥幸心理、恐惧、情绪化等的人性弱点，避免人为情绪等主观因素的干扰。

数据处理快速响应，创造交易价值

采用计算机进行自动分析，响应速度迅速，拥有强大的数据处理能力和信息挖掘能力，可支撑高频交易；此外每一个决策背后都有模型支持可以验证有效性，更有可能创造出有效的交易价值。

投资参考

《量化投资—策略与技术》，全面介绍量化投资策略的教材。

《解读量化投资》，介绍量化投资大师詹姆斯·西蒙斯的策略和经历。

《高频交易》，介绍量化投资的一个分支：高频交易策略的方法与技术。

《积极投资组合管理》，阐述了如何利用量化的方法进行投资组合设计，获得超额收益的书。

全球市场

Wind数据显示，截至三季度末，公募量化的整体规模为2890.96亿元，其中指数增强类量化产品规模最大，为1715.38亿元。二季度末，公募量化的整体规模为2724.84亿元，这意味着，公募量化整体规模在三季度增长166.12亿元。在主动量化、指数增强、量化对冲三大类量化基金中，前两者贡献了主要增长，三季度规模分别增长143.74亿元、38.20亿元，而量化对冲基金则缩水约15亿元。截至10月30日，超过120只量化产品（不同份额分开计算）今年以来收益为正。其中，中信保诚多策略混合（LOF）、渤海汇金量化成长混合、国金量化多因子等产品今年以来收益均超过10%，招商量化精选股票、东方量化成长灵活配置混合等产品的收益超过5%，大幅跑赢沪深300指数基金。

按产品来看，多只绩优量化基金在三季度吸金显著。与二季度末相比，国金量化多因子、国金量化精选、华夏智胜先锋股票（LOF）、国泰君安量化选股混合发起等产品在三季度规模均增长10亿元以上。其中，国金量化多因子的规模为121.99亿元，首次破百亿元。