说到量化投资，很多人都会想到阿尔法、贝塔、方差、均值这些传统的数学概念，听起来云里雾里，因为要理解这些概念需要具备一定的基础，而本人以前主要学习统计，在理解这些概念的时候并没有太大问题。但个人认为目前市面上的人正是通过这种复杂的数学概念将量化投资本身复杂化，而给量化投资蒙上了一层面纱。其实揭开面纱，量化投资并没有那么神秘。
在说量化投资的基本概念之前，我要旗帜鲜明的反对那些将量化投资神话或者是无用化的言论，因为这不符合基本的事实。也希望投资者不要对量化投资过于恐惧，勇于去了解其缺点和优点，扬长避短。
百度百科上对量化投资的定义是“ 量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式”。其实这个定义并不准确，量化投资本质是投资，量化是手段，以量化的方式来投资才是量化投资的本质所在。
其实投资就是一个简单的过程，投资的结果是Y，而投资的逻辑是F(x)，X是信息，而一些不以人的意志为转移的一些黑天鹅、波动等可以统称为西格玛。对于非量化的投资者来说，X是没有经过量化处理的信息，F(x)则是黑箱，有时候投资者自己也不知道其逻辑所在，很多人称之为“直觉”，或许有些投资者会有一些基本的投资原则，但是如何利用这些投资原则需要投资者本身就像操作，具有不确定性和不可复制性。但量化投资将X数量化，而投资逻辑F(x)是透明化、规范化、标准化，因此其结果变得可预期、可衡量、可复制。不管我们日常所看到的什么阿尔法中性策略、指数增强策略、CTA策略，还是多因子模型等等，都无法跳脱这个框架。
有的人将程序化交易与量化投资划为等号，我认为这是非常不合适的，因为程序化交易只是一种量化交易的深化而已。正因为计算机的发明，量化投资部分演变成了程序化交易，而在计算机没有发明之前，量化投资同样存在。计算机的发明是量化投资得到广泛应用的一个重要标志，因为计算机的发明使得标准化的量化投资方法可以迅速的复制和运转，从而提高了获取收益的效率，而在计算机没有发明之前，大量的数据需要依靠人力来计算，要么是操作上有困难，要么是根本来不及适应瞬息万变的市场。
量化投资首先是一种投资行为，其次才是量化，这二者之间的逻辑关系要搞清楚，不要以为量化投资就是万能的，显然不是如此。任何事物都有其正反面的存在，量化投资也是如此。要想真的理解并利用量化投资来帮助自己，就要先搞清楚到底优缺点在哪，适用性如何？
1)优点
量化投资的优点主要体现在两个方面，一个是速度，一个是可复制性。
速度包括两个方面，一方面是计算机带来的处理速度，这就使得量化投资可以同时处理大量的数据，将投资人从简单重复的活动种解放出来，专心致志的研究投资逻辑的问题，同时，高速的处理速度也拓展了投资人的投资范围，获取更多的投资机会；另一方面是计算机的反应速度，快速的反应可以让投资者先人一步，快速抢购筹码或者快速止损，从而增加收益或者是减少损失。
可复制性的优点在于同样的一个框架或者模型一旦确定以后，可以同时被很多人一起使用，或者说可以同时容纳巨量的资金。一旦某一人研发出一套量化系统，就可以迅速扩大战果，不需要受到精力的限制。
有些人认为量化投资的另一个优点是纪律性，其实量化投资在这方面的优势是非常少的，因为量化投资背后是人，人性是很难控制的。当一个量化投资基金经理的亏损30%,他还能够坚持自己的原则吗？这不是量化投资能够解决的问题，最终还没靠量化投资的掌控人来实际解决。
有些人认为量化投资的优点还在于分散性，因为投资范围广，从而可以从更广的范围内选择股票，进而分散风险。这又是一个伪命题，非量化基金同样可以通过刻意的选择来达到这个目标。
还有些人认为量化投资的优点在于系统性，这又是一个伪命题，是否系统性取决于量化投资的FX，也就是投资逻辑。非量化投资同样可以具有非常系统性的逻辑，这不是量化投资本身所带来的优点。
2）缺点
量化投资的缺点也很明显，主要是两个方面：FX的不确定性以及同质化。
对于量化投资来说，最重要的莫过于FX这个投资逻辑，一旦逻辑错误，很有可能就会错误，而计算机的快速执行和反应的优点就会成为缺点，会将错误迅速扩大。由于量化投资主要依据的是过去的历史信息，从统计学的角度来从事大概率时间。
可是统计学需要关注两个问题，一个是构建模型所依据的样本大小，另一个是概率。如果样本太少，那么这个确定的模型有效性将会大大降低。建设过去40年，30年的周期内股票市场是上涨的，因此股票上涨的概率是75%，非常高，但是由于样本量太少，依据这样的数据建立起的模型不具有可靠性。而现实中，具有高样本高概率的事件收益率可能并不高，因为这种机会早就被套利者所发现，有无数的竞争者，这就回到量化投资的第二个缺点。
由于量化投资的模型是标准化，可以广泛的复制，一旦发现一些高样本高概率的事件可以获利，那么就会快速吸引大量的投资者。这样以来，市场的竞争者就会削弱利润的空间，更为糟糕的是，很多投资者会设计反向策略来对付投资者，模型就会失效，这种高概率的时间可能以后就不会再是高概率事件。
除此之外，还有一些小缺点，比如说某些因素并不能够被量化，或者可以说很难采取一些足够好的方法来量化，却是判断投资的重要因素，这时候模型的建立就会面临较大的挑战。
联系客服
