摘要:
量化投资起源于20世纪80至90年代，但现已成为资产管理行业中的一大重要领域。当金融业的许多领域正在被技术和新的分销渠道所颠覆时，量化投资仍在继续它的蓬勃发展。
量化投资起源于20世纪80至90年代，但现已成为资产管理行业中的一大重要领域。当金融业的许多领域正在被技术和新的分销渠道所颠覆时，量化投资仍在继续它的蓬勃发展。
量化投资的特色，是以历史数据为基础，注重客观的数据分析，不受交易者主观情绪变化可能对决策带来的负面影响，而它又比传统的基本面分析(如行业、企业经营模式、财务分析等)来的更便捷，耗费更少的时间和精力，即使只是一支小型量化分析团队，也可以管理覆盖较大范围的证券投资组合。
当前，量化投资仍处于快速发展中，其潜力巨大，有很大空间有待进一步的挖掘与实现，本文EBC将带您走近量化投资，愿给每个希望成为理性投资者的你带来启发。
什么是量化投资
量化投资是利用统计和数学模型来研究标的资产的行为。量化投资分两个不同的部分：研究和实践。
研究常用于构建一个模型，以确定具有高于平均表现的基准指数的概率的股票。而在实践中，为了较好的使用这个模型，通常会根据一个或多个特征(或因素)给股票打分，然后进行排名。量化投资组合通常会持有排名靠前的股票，然后定期做后评估，当因股价变动，导致与最初模型不符时，进行重新再平衡。量化技术可用于管理含多只股票的投资组合，以及多头/空头投资组合。
量化与基本面投资
传统基本面投资通常基于自下而上的分析以及对公司收益和经济增长的预测。基本面分析还着眼于定性因素，例如管理质量和资产负债表的健康程度。而当在资本投资决策中使用量化因素时，投资组合经理则更倾向于寻找可靠的能带来超额收益的因素。与其说这是根据主观预测进行投资，不如说是根据经验数据进行投资。
量化投资模型基于概率和预期收益的分布，这意味着可以更准确地预测预期风险和回报，但这也需要足够大的样本量才能有效。因此，量化基金通常比主动管理基金持有更多的证券。
量化投资策略的类型
大多数量化投资模型相互重叠，也有部分具有自己独特的特征，但大多数策略都包含以下几种策略元素：
因素投资模型用于选择具有一个或多个在历史上表现优异的特征的股票。一般因素包括价值、动量、市值和增长。更具体的因素包括价格与账面价值比率、价格与自由现金流和股本回报率等比率。量化投资因子模型通常根据一系列指标对每只股票进行评分，然后计算用于对股票进行排名的总分。
智能贝塔是一种衡量证券对市场波动的敏感性的方法。它衡量一项资产相对于整个市场的表现。例如，一只比市场波动大20%的股票，其β值为1.2。通过关注贝塔，投资者可以构建满足其风险偏好的被动管理投资组合。智能贝塔策略旨在通过根据波动性、动量、规模或价值等因素重新加权证券组合，定制指数(如按市值加权的指数等)来超越市场表现。
事件驱动的套利通常利用历史和实时数据来识别可能对特定企业或市场事件做出反应的不适当定价的证券。事件包括收益发布、经济数据公告、公司行动和监管变化。如果价格行为遵循典型模式，投资组合可以通过买入或卖出空头证券来锁定利润。
全球宏观战略是基于对每个国家和地区经济的定量分析。该分析用于将资本配置到具有良好基本面的国家、地区、资产类别和行业。
风险平衡策略是根据每个资产在不同类型环境中的表现方式来平衡投资组合的风险。该方法的核心理论是，一种资产的波动性和损失将始终被其他资产所抵消。
统计套利是一种较为活跃的量化交易策略。它是基于均值回归的方法，根据证券之间的关系寻找错误定价(高估或低估)。当价格恢复正常时，建立相关股票的多头和空头头寸以获利。他们在被低估的证券中建立多头头寸，并在被高估的证券中匹配空头头寸，最终期望价格当回到平均值。统计套利大量使用了高频交易技术、定量分析和计算机建模，还利用财务比率来识别错误定价的资产。
托管期货也称为 CTA、趋势跟踪对冲基金，它使用系统的方法来跟踪主要市场趋势。传统上，这些基金专注于期货市场，但它们现今也越来越多地活跃于股票市场。
定量价值使用有条不紊的方法来检查每家公司的利润表和资产负债表的每一项，然后计算一个汇总的价值分数并将其用于对股票进行排名。这种系统化的价值投资方法非常有效，但需要一个长期的时间范围。
基于人工智能和大数据的策略是最新的量化策略类型。它试图使用最新的技术和数据来寻找新的阿尔法来源。
量化投资的优势
因量化交易决策是由计算机模型做出的，所以它们不受人类情绪的影响。这适用于进入和退出头寸，因为情绪往往是投资者最大的问题。此外，量化投资实际上也可以利用市场上的非理性漏洞，进行交易决策，从而实现超额收益。
小型量化分析团队可以涵盖大量证券。他们可以覆盖多个行业、地区和国家，因此，量化分析有更多机会找到可能跑赢大盘的证券。这也意味着它比以“每只股票”为基础的分析更便宜。
量化投资是基于数据的，这意味着结果更可预测，尤其是在预期风险和回报方面。因此，它们可以更好地满足不同投资者的需求。一旦创建，量化模型可以在不同的市场上轻松且廉价地进行测试，无论是否进行了修改。
量化投资的劣势
由于量化投资基于预期收益的分布和概率，因此需要相当多的持股量。这可能导致回报率被稀释。量化策略通常需要很长时间才能执行，并且在较短的时间范围内通常会低于其基准。
量化策略容易受到波动性突然增加和闪崩的影响。量化投资的管理没有任何的自由裁量权，这可能是一把双刃剑。在大多数情况下，决策的冷静性是一个优势，但在某些情况下也可能是一个劣势。
今天的量化投资
今天，华尔街已经接受了量化投资，量化技术被用来管理大多数类型的投资基金，包括共同基金、对冲基金、ETF和独立投资组合。量化技术也用于资产配置和风险管理，并根据客户的需求调整投资组合。
量化投资的新前沿是创建完全采用技术的策略。人工智能正在被用来寻找更隐蔽的模式和资产价格与其他数据源的数据之间的关系。大数据被用于获取和挖掘新的数据源，这些数据源可能会产生新的阿尔法。用户产生的数据正被用来衡量投资者的情绪，并映射到资产价格上。
量化投资的未来
量化投资正在不同领域取得进展，未来很可能会看到这些不同技术和平台的融合。其他领域的发展，包括引入新的投资产品和资产类别(例如加密货币和代币化证券)，将创造新的机会。
市场的持续全球化也将在未来发挥作用，因为投资者将能够进入新市场。最大的机会可能在于人工智能和大数据。来自车辆和设备的卫星图像、社交媒体内容和 GPS 数据都是潜在的数据来源。
情绪是一个对量化投资越来越重要的因素。人工智能和大数据也开始被广泛用于模拟情绪，并对其进行预测。人工智能的进步最终可能允许很多定性因素被纳入建模。
尾声
量化投资主要基于定量分析，为投资引入了一种更加科学和系统的方法。这种根据经验数据做出投资决策的方法有很多优点，比如较低的相对成本和消除决策中的情绪。
基于量化模型的策略不是灵丹妙药，也不能保证业绩，但在大多数情况下，量化策略有更好的机会实现其目标。量化投资还有很长的路要走，但我们相信该技术将在未来迎来更快速、更全面的增长和发展，为交易者的投资之路赋能。
