今天我们还是来聊一聊量化投资，我们首先来看一下，下面的两个有趣的现象：
第一个：《Margin Call》这是一部形容金融危机前夕的电影，在电影中，年轻有为的分析师皮特·苏利文提前发现了公司资产“问题”，同时皮特·苏利文既是斯坦福大学空气动力学的博士，还是一名火箭工程师，而他在的风险分析部的顶头上司则是一名过目不忘和心算能力非凡的桥梁工程师。
第二个： 在美国华尔街上的公司，基本上现在都在大量的购买一种产品，你一定想象不到这个产品就是——GPU，由于只是单纯的比拼“计算量”的话，GPU的能力一定程度上要大于CPU。
大家回想一下，不难发现，原来在海外的对冲基金焦点由宏观对冲基金转型到量化对冲基金的时候，在数学家西蒙斯打压了索罗斯名气的时候，在西蒙斯的大奖章年化收益率35%超越股神巴菲特年化20%的收益神话的时候，量化基金的神乎其神就渐渐的被大家了解了。
其实和电影里讲述的基本都是一样的，当你进入金融行业时，特别是做量化的人已经不是传统的金融出身了，而是转变成了数学家、统计学家、物理学家，乃至火箭动力学家，很好的贴合了电影里的一句话“It’s just all about numbers”。量化投资好像慢慢的变成了投资领域的一把利器。
2017年5月，由《机构投资者》旗下出版物《阿尔法》公布的“2016年全球收入最高的对冲基金经理”排行榜可知，排名前十个人收入最高的对冲基金经理当中，有8名是量化基金经理，同时前排名前25位中，有1/2的属于量化分析。
在国外，量化投资的发展历史和国内相比，已经算是“悠久”了，国内的量化基金才刚刚开始，在写这篇文章之前，小编分析了当前国内全部的主动管理型量化基金，根据现在的情况看，量化基金获取的业绩充分的体现了，量化基金是能够战胜市场的。
田汉卿（华泰柏瑞副总经理）表示：“市场效率越是不高的市场，量化投资获得超额收益的空间越大。”根据国内目前的量化基金状态来看，可以把量化划分为两个阵营：一是虽然穿着量化的衣服，也使用一些模型和具体策略进行“量化”选股，可是在配置和交易上，还是在依靠基金经理的主观经验。二是真正意义上的量化，会和机器学习相关联。而基金经理的职责就是专门负责对现有策略的管理和维护，同时开发出新策略。
所以，量化“黑箱子”里究竟有什么东西呐？
虽然，每一个量化基金的“黑箱子”全是不向外公开的秘密，可是量化黑箱子形成的过程基本上都是一样的：
首先：先提出一个交易思路，比如，“市值超过10亿就剔除”的小市值轮动，或是“只选择分红最多最勤”的红利企业思路，或是多因子，又或是什么“只炒次新”等等，不管是什么，你第一步都应该有一个初步的想法。
然后：把这个想法转变成为一个策略。 即使想法是好的，可是只是单纯的想就是不好的了。如果你通过一些开放和易得的数据验证一下你的想法，你可能会发现3年之内会翻番哦。
在量化投资的世界里，我们把一个成功的选股策略叫做——因子，如果要想实现稳定的盈利，你就要有很大和质量很高的“因子库”在你的身后支持你。
其次：构建一个量化模型。这一步就是量化投资的核心所在，简单了说就是你既要追求高的利润，也要控制你的风险，还需要降低你的交易成本，一定要让这三者达到一个动态平衡的状态。
再有：让你的机器跑起来。在你的量化模型构建完毕之后，你就拥有了一个优秀的目标组合，之后你就可以通过机器进行交易了。
最后：你以为这样就结束了？ 你以为把你的交易完全的交给机器就可以了吗？当然不是了，你还是需要看着你的模型，因为“邪恶的小鬼”往往在细节里。机器的理解能力不管什么时候都是达不到人脑的程度的。
例如，现在你的策略里存在一个限定条件，在某一个股票在当日涨停之后，卖出并且获利。可是一旦这个股票进行了重组停牌，可能就会出现连续的涨停状态，而出现这种情况就需要人的干涉了，进行修正参数和调整策略以此让模型可以更好的获利，千万不要再第一个涨停板就跑了。
问大家一个问题，量化投资的黄金时期是不是已经到来了？
根据国家千人计划成员和华泰柏瑞副总经理，以及量化投资负责人田汉卿的预测可知，现在国内的土壤最适合量化投资的成长。原因如下：
1.目前市场的状态是若有效的，因此量化投资完全有能力战胜市场。同时A股市场的发展时间很短，和发达国家的市场相比之下，市场的效率非常低。可是能够获取超额收益的机会也非常的多。
2.在市场中，量化投资占据的比例还很小，和海外动辄数百和上千亿美元的量化基金进行对比，总体来看，现在国内的基本面量化产品的国模很小，尤其是当中严格遵循量化投资理念的基金更是少之又少，所以量化投资在市场中的空间会非常的大，盈利机会也非常的多。
3.A股市场的容量很大，截止到现在，A股市场已经拥有了超出2500支的股票，同时还在不断的扩大，这种情况对于量化投资来说，给它提供了充足的投资宽度和行业宽度。
4.A股的数据质量也在持续的提高。数据供应商的数据每一年都在持续的提高，还有不断上升的识别上市公司数据可靠性的技术手段，导致基于数据的量化投资环境和投资能力都在持续的提高。
总而言之，到底构建一个量化策略的难度是多少？究竟怎样的量化策略才是赚钱的？
小编通过研究大量的数据和资料，研究了很多的量化策略，从中发现要想拥有一个长时间有效的策略，最好的灵感来源，其实并不是什么参数，代码，指标，程序，各种因子的相互组合，而是需要你长时间的观察实盘和关注行情，长时间对账户的运行进行了解和对测试的模型进行反复的重复和实践。
(责任编辑：一个量化投资者) | 
:
| 
:
| 
:期货程序化 | 
:期货程序化研究 | 
:期货量化学习 | 
:期货量化 | 
发表于 2019-6-15 08:29
| 
发表于 2020-5-3 15:41
| 
微信：
|
TB/MC开户优惠政策:
：
：
2024年最全的Python编程与程序化（量化）教程、视频、源码、课件、资源汇总贴：/thread-152864-1-1.html
2024年最全的MultiCharts程序化（量化）教程、视频、源码、课件、资源汇总贴：/thread-88129-1-1.html
2024年期货开户限时优惠：政策一：品牌期货公司开户，特惠佣金费率；政策二：短线炒单及大资金享高比率返佣；政策三：可申请交易所保证金比率（具体咨询客服）；政策四：享论坛VIP会员资格免回复看贴、千部电子书一键下载。
