「量化科普」小白都能看懂的量化科普文，手把手带你步入量化世界

龙听

什么是量化投资？
投资的本质是买卖决策，成功的秘诀是低买高卖。

量化投资的概念是相对于传统的主观投资而言的。主观投资中投资者通常依靠经验、知识和直觉进行买卖决策，对于买什么、什么时候买卖并没有明确的交易规则。

相反，量化投资就是按照预先设定的规定进行投资的买卖决策。

大致的流程可以简化成这样：


狭义的量化投资是纯计算机执行指令，零人工干预。但实际上，量化投资的关键是规则和算法。规则建立后，执行买卖决策的可以是电脑，也可以是人。

所谓量化投资的规则，大致可分为三类：

1. 纯数据推动

代表选手就是量化投资大神詹姆斯·西蒙斯（James H. Simons）所创办的文艺复兴量化基金，由一群数学家和科学家组成的团队，他们的投资策略在设计和执行过程中，都以数学和统计模型为依据，以此实现非常有吸引力的风险调整后收益（risk-adjusted returns）

2. 金融理论推动

代表选手就是AQR （AQR Capital Management），由美国金融学教授组成的团队，主要根据金融理论和文献的研究成果，建立交易策略。

3. 投资经验推动

也就是根据成功投资者的过往投资经验，建立规则构建量化交易策略，有人就专门根据巴菲特或彼德林奇的投资经验建立交易策略。

无论如何，量化的本质是建立规则。如果这样来理解，像巴菲特一样，坚持一贯投资原则和操作策略的人，未尝不可以称之为量化投资者，只不过这些投资者在量化投资基础上加入了个人的一些定性判断，而非狭义的纯计算机执行指令的量化投资。

量化投资的优劣

人性是有弱点的。肉体凡胎在面临涉及金钱的投资与交易面前，是无法做到始终保持理性的。曾有一位业内人士谈到，一个基金经理，在管理规模5000万，5亿和50亿的时候，心态是不可能一样的——有着七情六欲的人，大多是经不起考验的。

量化投资最大的优势就是守纪律、反人性。建立严格的规则，采用大量的数据，甚至利用计算机去代替人做买卖的决策，可以最大程度上避免人的主观因素干扰到投资决策。

当然，量化投资也有不足之处：

量化规则是基于历史数据建立的，实际效果往往没有测试的那么好，一般也无法避免黑天鹅事件。一般量化策略本身（如包含统计学习特性）和量化策略开发人员是具有很强的学习市场的能力的，但是当你从未见过、考虑过、测试过这样的市场状况时，就无法保证量化策略的成功。这可以说是量化天生的缺陷，它是数学、是统计，是基于过去对未来的预测，你若需要他预知从未见过的事物时，这几乎是不可能的。

来给你们举个阴沟翻船的例子：

著名的美国长期资本管理公司（Long-Term Capital Management，简称LTCM）自成立以来业绩一直十分骄人，合伙人之一Robert C. Merton还是1997年诺贝尔奖获得者。LTCM以"不同市场证券间不合理价差生灭自然性"为基础，制定了"通过电脑精密计算，发现不正常市场价格差，资金杠杆放大，入市图利"的投资策略。他们将金融市场的历史资料、相关理论学术报告及研究资料和市场信息有机的结合在一起，通过计算机进行大量数据的处理，形成一套较为完整的电脑数学自动投资系统模型，建立起庞大的债券及衍生产品的投资组合，进行投资套利活动。1994年成立之初，LTCM资产净值为12.5亿美元，到1997年末，上升为48亿美元，净增长2.84倍。每年的投资回报率分别为：1994年28.5%、1995年42.8%、1996年40.8%、1997年17%，业绩十分辉煌。

然而，LTCM万万没有料到，俄罗斯金融风暴引发了全球的金融动荡，结果它所沽空的德国债券价格上涨，它所做多的意大利债券等证券价格下跌，它所期望的正相关变为负相关，结果两头亏损。它的电脑自动投资系统面对这种原本忽略不计的小概率事件，错误地不断放大金融衍生产品的运作规模。短短的150天资产净值下降90%，出现43亿美元巨额亏损，仅余5亿美元，已走到破产边缘。

如何建立量化策略
简单点来说，设计量化交易策略是一个想法+验证的过程。

首先你需要有一个策略想法，当然想法一般不太可能凭空冒出（如果你是天才，就当我没说），通过研究经典的金融理论、经典的策略方法以及研究报告可以为你提供思路。


第二步，就是利用历史数据对你的想法进行验证，也就是我们通常所说的回测。在回测中，我们需要针对历史及模拟情景下的数据进行样本内外、连接实时行情进行实际交投环境下的效果检验。通过不断的测试各种市况（单边上涨、单边下跌、先上涨后下跌、先下跌后上涨、震荡等等）多次调整测试时段，确定开平仓的触发水平，观察结果中异常偏离及整体效果等数据，并依托资产组合的价值达到一定水平执行止盈止损、资金回撤操作等捕获资产组合价值高位运行的手段，筛选表现较佳的策略。

简单地来说，在了解将在整个运行过程中要使用的模型方案后，我们在回测环节解决的问题就是：

输入什么样的参数、得到何种形式的变量、整个过程如何衔接、如何筛选适当方案。

第三步，模拟盘，根据大盘实时数据，利用虚拟的账户和资金进行的仿真股票交易。在回测完毕后，至少要在模拟盘上连续三个月验证策略，以防止未来函数。所谓未来函数，就是在今天用了明天的值去做决策的一种概念，放在实盘操作里，就好像我已经能够知道明天的收盘价一样。

如果你的策略通过了模拟盘的检验，好的，恭喜你，你就可以利用真金白银进行实盘的交易了！

当然，到了这里，你也并非高枕无忧了。一个策略不可能永远有效，还需要针对策略的设计特点，评估其存续的生命期限，在方案累计收益处于高位（未达到顶峰）时，严格地将策略终止，设计系列策略路线图并在旧策略终止前，将新策略运用到实际环境中，从而保证新旧策略交替过程连贯有序。简单的来说，就是进行策略升级。

随着数量化技术不断演化，策略所处的环境亦不断更变，作为一个量化人，必须持续提高数量化研究的思考意识，重新审视已有策略的假设，不断更新变革视点，开发尚未被市场发掘到的产品方案始终是量化策略研究的关键所在。

说到这里，如果你还没有打退堂鼓，希望能够做量化世界里的苦行僧，那么这个产品你有必要了解一下！

量子金服旗下Quant Desk资管平台

http://www.yunkuanke.com/#/download


我们提供：

1. 整理过的、干净的、结构化的量化数据，包括股票、期货、期权基本面数据，财务数据等等。

2. 大量的金工研究报告、经典策略示例、社区共享策略开拓你的研究思路

3. 本地回测工具及回测报告，对你的策略进行全面的风险归因、业绩归因

4. 无障碍打通实盘交易

让QuantDesk助力你的量化进阶之路吧！