如何开始学习量化投资

伦敦大学学院龚晖：
当代的技术创新，大多源自跨越学科的资源整合，而非从无到有的发明创造。投资不是赌博而是博弈，关键在于如何将抽象的策略变成具体的数字。

一、量化投资是跨学科资源整合

讲起量化投资，就不得不提华尔街的传奇人物——詹姆斯•西蒙斯(James Simons)。

20岁获得学士学位；23岁在加州大学伯克利分校博士毕业；24岁成为哈佛大学数学系最年轻的教授；37岁与中国数学家陈省身联合发表了著名论文《典型群和几何不变式》，并开创了著名的陈—西蒙斯理论；40岁运用基本面分析法设立了自己的私人投资基金；43岁与普林斯顿大学数学家勒费尔(Henry Laufer)重新开发了交易策略并由此从基本面分析转向数量分析；45岁时正式成立了文艺复兴科技公司。

这位慧眼独具的投资巨擘，让人印象深刻的并不是他的光鲜履历，而是他运用自己最为熟悉的数学方法来搭建投资模型，从而科学精准地预测货币市场走势变动的大胆跨学科尝试。

通过将数学理论巧妙融合到投资的实战之中，西蒙斯从一个天资卓越的数学家摇身一变，成为了投资界中首屈一指的“模型先生”。

由其运作的大奖章基金(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%，比同期标普500指数年均回报率高出20多个百分点，即使相较金融大鳄索罗斯和股神巴菲特的操盘表现，也要遥遥领先十几个百分点。 最为难能可贵的是，纵然是在次贷危机全面爆发的2008年，该基金的投资回报率仍可稳稳保持在80%左右的惊人水准。西蒙斯通过将数学模型和投资策略相结合，逐步走上神坛，开创了由他扛旗的量化时代。

而我们现在所说的量化投资就是这样由跨学科资源整合演变出来的。

二 什么是量化策略？

我们经常听到巴菲特或者芒格他们说到投资策略，投资模型。那到底什么是策略和模型呢？

策略，可以实现目标的方案集合；在证券交易中，策略是指当预先设定的事件或信号发生时，就采取相应的交易动作。说白了就是设定的条件，满足了就投资，不满足就回撤，从而减少人为误判和干扰从而让投资更加客观和稳健。而量化策略是指使用计算机作为工具，通过一套固定的逻辑来分析、判断和决策。

三、什么是量化投资？

金融业的整个运作流程，归根结底，就是“把适量的钱投到适合的位置，从而以适度的金额购买适当的产品”（“Put the ‘RIGHT’ money in the ‘RIGHT’ place with the ‘RIGHT’ amount for the ’RIGHT’ price“）。

但是究竟多少算是适量？也就是所谓的”RIGHT“?
难道万事一拍脑袋，全凭感觉？
还是仰仗捕风捉影、真假难辨的小道消息？

投资是一个过程的活动，并非买定离手的赌大小点，投资过程中的应对行为，总结出来就是我们所说的投资策略。

投资不是赌博而是博弈，理性的投资者应该学会运用投资策略来实现自己的财富增值。

那么该如何将模糊抽象的策略变成具体可信的数字？

这其实就是“量化”在做的事情，即把投资策略通过数学模型和计算机代码数量化，让投资者可以基于数据分析和动态模拟而合理预测其投资行为的未来走势。投资者可以通过屏幕上显示的风险讲话指标，轻击鼠标生成定价模型结果或者是交易策略，根据实际情况略微修改参数，最终实现自己的资产配置及投资组合。

这里稍微总结一下：

• 量化投资就是利用计算机技术并且采用一定的数学模型去实践投资理念，实现投资策略的过程（模型）。
  价值投资和趋势投资（技术分析）是引领过去一个世纪的投资方法，随着计算机技术的发展，已有的投资方法和计算机技术想融合，产生了量化投资。

• 量化投资是一种工具，既可以实现价值投资，也可以实现趋势投资。
  我们可以利用量化技术，通过数据模拟和预测，从而先人一步，自动进行投资，排除人为干扰；也可以设置定投策略，进行价值投资等等。

四、量化投资的误区

误区一：量化 = 赚大钱

量化投资近几年在中国引发热议，但是到底有多少人真正了解其含义？众多大神的骤富神话更让世人对于量化投资有了最为直观而浅显的认识：这能赚钱，而且能赚很多钱。另外，量化的策略谁都可以有，但是高效的策略都是经过时间和交易验证的，是经过不断改良之后形成的一个普通定律，所以他是存在门槛的，它是有试错成本的。没有任何事情是一直赚钱的，量化策略也是需要长期去改良的。

量化很大程度是减少人为干扰，是一个辅助工具，他并不是最好或者最合适的，因为行业差别很大，股票市场，特别是区块链的资产交易，更是波动巨大，而量化策略的改良是存在它的滞后性的。因此，有可能在你使用量化工具的时候，你收益是30%；而你的朋友却有200%的收益。所以，量化更重要的是止损，这点也是符合投资的重要原则的。

误区二：一个模型吃天下

量化投资是利用计算机技术并且采用一定的数学模型去实践投资的过程，而这个数学模型是基于特定领域的，比如把股票的策略直接搬到区块链上，它不一定适用。因此，模型和策略是需要投入大量财力物力去总结和开发的。

区块链里，根据特定的情境，我可以开发出特定的策略。比如搬砖策略，比如定投策略，比如追涨杀跌等等，理论上各个平台都是有api接口可以代码实现的。

因此，包括摩根大通、花旗以及瑞士信贷等在内众多欧美顶尖投行，都在不计血本的培养自己的 IT 团队，并命其专门从事产品模型研发，从而有力跻身到“得模型者得天下”的金融大战之中。 这些拥有专属开发任务的 IT团队也往往被称为量化团队，即 Quant Team，是买方或卖方机构中专门从事量化投资分析以及衍生品定价策略的肱骨砥柱。

还是那句话，投资有风险，使用需谨慎。如何进行量化投资呢？ 使用量化策略是进行量化投资的有效方式。

五、量化投资的优势

量化投资的优势在于数据处理能力、纪律性、系统性、及时性、准确性、分散化。

(一) 数据处理能力

人脑的处理能力是有限的，一个人只能关注个位数的股票，但如果把个人的交易思路量化，完全可以使用计算机快速覆盖全市场甚至全球的股票。
纪律性：
严格执行投资策略，不是投资者情绪的变化而随意更改。这样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。

(二) 系统性

量化投资的系统性特征包括多层次的量化模型、多角度的观察及海量数据的观察等。

多层次模型包括大类资产配置模型、行业选择模型、精选个股模型等。
多角度观察主要包括对宏观周期、市场结构、估值、成长、盈利质量、市场情绪等多个角度分析。此外，海量数据的处理能力能够更好地在广大的资本市场捕捉到更多的投资机会，拓展更大的投资机会。

(三) 及时性

及时快速地跟踪市场变化，不断发现能够提供超额收益的新的统计模型，寻找新的交易机会。

(四) 准确性：

准确客观评价交易机会，克服主观情绪偏差，从而盈利。

(五) 分散化：

在控制风险的条件下，量化投资可以充当分散化投资的工具。
表现为两个方面：
一是量化投资不断地从历史中挖掘有望在未来重复的历史规律并且加以利用，这些历史规律都是较大概率取胜的策略；
二是依靠筛选出股票组合来取胜，而不是一只或几只股票取胜，从投资组合的理念来看也是捕捉大概率获胜的股票，而不是押宝到单个股票。

六、量化投资的两个方向

Q Quant是指风险中性测度。在“风险中性”的理论假设下，历史数据只是记录过去的数字，它们与未来无关，因而并不能直接帮助预测金融产品的未来走势，定价机制还是主要应依据数学模型，比如随机过程、偏微方程，所以由此推导出的定价模型大多充满了学院派气质且理论性十足，显得高深晦涩，非常人可试。

P Quant则指真实概率测度，与“风险中性”不同，在“真实概率”的理论假设下，搭建定价模型所需的概率分布应根据历史数据而估算出来，而非仅凭数学模型而演算出来，换言之，该种定价模型所预测出未来走势主要是以数据统计为基础的，因而是“真实”的，而且数据量越大，其预测效果就越可能接近未来的实际效果，也就是所谓的“大数据”（Big Data）。为了处理卷帙浩繁的历史数据，产品开发者们往往离不开计算机的辅助，所以与 P Quant相关的产品技术也主要是时间序列、贝叶斯算法、机器学习等与计算机技术密切相关的建模方法。

前者基于对未来的假设推算现在，后者基于对历史的借鉴推测现在。两者虽然都需要运用到历史数据，但前者通常是先搭建一个模型，然后再通过历史数据来不断精化该模型的参数性能，因而历史数据的作用主要是优化模型的磨刀石；而后者通常会先搭建数个备选模型，然后将历史数据分别套用到不同的备选模型中去，并根据由此产生的计算结果来选择表现最佳的那个模型，因而历史数据在 P Quant中的作用就升格成了选择模型的试金石。我们很难论断究竟哪一种理论更为科学，因为历史既值得鉴戒，但历史也不会重演，历史数据既可能帮助我们科学预测，但也可能带领我们误入歧途。

Q Quant主要背靠数学模型而不依赖历史数据，这意味着即便在数据相对匮乏的情况下，我们也依然可根据该理论凭空开发出一些新的产品，这对金融市场中的卖方而言，无疑是喜闻乐见的。以投行和券商为代表的卖方，大多从事衍生品定价，即通过开发和销售新的金融衍生品来实现获利，同行竞争者之间比拼的是原始产品的技术优劣和认购市场的实际需求，所以他们更倚重 Q Quant所具备的可实现“从无到有”的制造特性。

七、如何制定策略

一个策略往往会经历产生想法、实现策略、检验策略、运行策略、策略失效几个阶段。

产生想法任何人任何时间都可能产生一个策略想法，可以根据自己的投资经验，也可以根据他人的成功经验。

实现策略产生想法到实现策略是最大的跨越，实现策略可以参照上文提到的“一个完整的量化策略包含哪些内容？”

检验策略策略实现之后，需要通过历史数据的回测和模拟交易的检验，这也是实盘前的关键环节
筛选优质的策略，淘汰劣质的策略。 实盘交易投入资金，通过市场检验策略的有效性，承担风险，赚取收益。

策略失效市场是千变万化的，需要实时监控策略的有效性，一旦策略失效，需要及时停止策略或进一步优化策略

八、一个完整的量化策略包含哪些内容？

量化策略既可以自动执行，也可以人工执行。 一个完整的策略需要包含输入、策略处理逻辑、输出；

image

策略处理逻辑需要考虑选股、择时、仓位管理和止盈止损等因素。

选股

量化选股就是用量化的方法选择确定的投资组合，期望这样的投资组合可以获得超越大盘的投资收益。常用的选股方法有多因子选股、行业轮动选股、趋势跟踪选股等。

1 多因子选股 多因子选股是最经典的选股方法，该方法采用一系列的因子（比如市盈率、市净率、市销率等）作为选股标准，满足这些因子的股票被买入，不满足的被卖出。比如巴菲特这样的价值投资者就会买入低PE的股票，在PE回归时卖出股票。

2 风格轮动选股 风格轮动选股是利用市场风格特征进行投资，市场在某个时刻偏好大盘股，某个时刻偏好小盘股，如果发现市场切换偏好的规律，并在风格转换的初期介入，就可能获得较大的收益。

3 行业轮动选股 行业轮动选股是由于经济周期的的原因，有些行业启动后会有其他行业跟随启动，通过发现这些跟随规律，我们可以在前者启动后买入后者获得更高的收益，不同的宏观经济阶段和货币政策下，都可能产生不同特征的行业轮动特点。

4 资金流选股 资金流选股是利用资金的流向来判断股票走势。巴菲特说过，股市短期是投票机，长期看一定是称重机。短期投资者的交易，就是一种投票行为，而所谓的票，就是资金。如果资金流入，股票应该会上涨，如果资金流出，股票应该下跌。所以根据资金流向就可以构建相应的投资策略。

5 动量反转选股 动量反转选股方法是利用投资者投资行为特点而构建的投资组合。索罗斯所谓的反身性理论强调了价格上涨的正反馈作用会导致投资者继续买入，这就是动量选股的基本根据。动量效应就是前一段强势的股票在未来一段时间继续保持强势。在正反馈到达无法持续的阶段，价格就会崩溃回归，在这样的环境下就会出现反转特征，就是前一段时间弱势的股票，未来一段时间会变强。

6 趋势跟踪策略 当股价在出现上涨趋势的时候进行买入，而在出现下降趋势的时候进行卖出，本质上是一种追涨杀跌的策略，很多市场由于羊群效用存在较多的趋势，如果可以控制好亏损时的额度，坚持住对趋势的捕捉，长期下来是可以获得额外收益的。

择时

量化择时是指采用量化的方式判断买入卖出点。如果判断是上涨，则买入持有；如果判断是下跌，则卖出清仓；如果判断是震荡，则进行高抛低吸。 常用的择时方法有：趋势量化择时、市场情绪量化择时、有效资金量化择时、SVM量化择时等。

仓位管理

仓位管理就是在你决定投资某个股票组合时，决定如何分批入场，又如何止盈止损离场的技术。 常用的仓位管理方法有：漏斗型仓位管理法、矩形仓位管理法、金字塔形仓位管理法等 止盈止损

止盈

顾名思义，在获得收益的时候及时卖出，获得盈利；

止损

在股票亏损的时候及时卖出股票，避免更大的损失。 及时的止盈止损是获取稳定收益的有效方式。

九、策略的组合

image.png