量化投资在中国的发展时间不长，很多机构和投资者都还对量化投资非常陌生，而那时又恰逢2016、2017年的震荡市，量化对冲产品的业绩表现不是很好，使得本来对于量化投资有质疑的投资者有了更深的误解。
就像当时人们对互联网的态度一样，将其视为洪水猛兽，颠覆很多行业。可现在回过头来看看，互联网不仅没有所谓的“颠覆”行业，反而给社会提供了众多便利。所以切勿妖魔化量化投资，你所看到的量化投资不一定就是你以为的量化投资。
什么是真正的量化投资?
简单的说，量化投资就是通过对所有能公开获得的数据进行数量化分析而获得对投资标的未来价格走势进行预测的一种投资方法。但如果你认为量化投资仅仅是用数理模型来进行选股的话，那你就大错特错了!
比如大类资产配置、保险产品定价、商品期货、股指期货、国债期货、外汇、期权、可转债、信用债、利率债等等，甚至包括比特币，都是量化投资的运用范围。而量化投资的目的不是别的，而是实现超越市场平均水平(β)的超额收益(α)。在有超额收益能力的基础上，量化对冲类产品可以获得相对收益α，而量化多头类产品可以获得绝对收益β+α。
择时和选股是量化投资超额收益的主要来源
在股票市场，量化投资超额收益的主要来源分为选股与择时：
选股，就是在市场的所有股票中选出能在某段时间获得高出市场平均收益的股票。择时，又包括Beta择时和风格择时。Beta 择时就是判断市场的整体走势，抓住上涨的股而规避下跌的股。风格择时就是抓住市场近期的风格取向，提高配置来获得超额收益。
量化和对冲不是一码事
此前的对冲工具少，只有沪深300股指和中证500股指，而这两者对应的是股票市场上市值最大的800只股票，所以只要不把选股标的限制在大市值股票内，基本上都能赚一部分做多小市值股票做空大市值股票对应的股指期货的钱。但把这种收益称之为绝对收益是不科学的，因为一方面是个股本身超越大盘指数的收益，另一方面是赚了不完全对冲市值规模风险的钱(即通过对市场规模风险的暴露去赚钱)。而市场的风险其实除了包括市值规模的风险，也包括行业和风格的风险。真正的中性策略是即包括市值的中性，也包括行业和风格的中性。
2017年股票市场分化明显。有数据显示，代表大盘蓝筹的沪深300指数上涨21.78%，中证500指数下跌0.2%，代表小市值股票的中证1000指数下跌17.35%。因此如果你做空沪深300或者中证500的话，将面临着巨大的损失。再加上量化投资在国内的水土不服，可以说2017年的市场环境是考量量化机构选股投研实力的一个很好的标准。优秀的量化对冲私募在2017、2018年都会有不俗的表现。
某量化私募旗下的多策略旗舰基金，采用量化选股+股指期货对冲策略，并以CTA策略作为辅助，表现如下。
某量化私募旗下中性策略旗舰基金，采用量化选股+股指期货对冲策略，并以股票日内策略为辅助，表现如下。
本文来源：凤凰网财经
每天1小时，
360小时带你掌握真正的量化投资
量化投资就业班
时间：共300-360小时授课，随报随学
方式：在线学习，按时完成提交每部分作业
费用：23112元；学习有效期2年，提供全程答疑与学习监督
课程章节
（共31章，360课时）
01章 量化投资概述（3课时）
01-01 量化投资的定义(量化, 金融, 工程, 交易)
01-02 量化投资行业现状(国外, 国内)
01-03 量化投资行业展望(岗位职业, 互联网金融, 金融科技)
02章 金融理论：金融基础知识（12课时）
02-01 经济金融原理
02-02 证券及衍生品
02-03 期货及衍生品
03章 Python基础（12课时）
03-01 语言介绍和对比
03-02 安装、配置和IDE
03-03 Python基础和特性
04章 Python进阶（12课时）
04-01 numpy
04-02 pandas
04-03 scipy
04-04 matplotlib
05章 Python三方库（3课时）
05-01 清单介绍
06章 数学-概率论与数理统计（6课时）
06-01 理论和python案例
07章 数学-微积分（3课时）
07-01 理论和python案例
08章 数学-线性代数（6课时）
08-01 理论和python案例
09章 数据库（6课时）
09-01 mysql
09-02 mongdb
10章 大数据理论与技术（12课时）
10-01 hadoop
10-02 spark
11章 机器学习理论（12课时）
11-01 概念、类型、应用场景
11-02 监督学习
11-03 无监督学习
11-04 半监督学习
11-05 强化学习
11-06 深度学习
11-07 迁移学习
11-08其他
12章 机器学习技术（24课时）
12-01sklearn
12-02keras
12-03TensorFlow
13章金融理论-金融专业知识（12课时）
13-01专业技能
13-02证券估值
13-03衍生品定价
14章 量化相关软件
14-01同花顺、通达信-软件使用,公式,指标,信号（3课时）
14-02joinquant、ricequant、bigquant、uqerquant-介绍,数据,功能,案例（6课时）
14-03TB、WH、TS、YT、MC-软件介绍,数据,功能,案例（6课时）
14-04国泰安、天软、Wind-软件介绍,数据,功能,案例（6课时）
15章Python量化相关库（12课时）
15-01tushare
15-02talib
16章 模型案例-模型研发流程（12课时）
16-01模型原型
16-02数据
16-03模型模板
16-04回测
16-05优化
16-06业绩评价
17章 模型案例-择时模型:技术指标模型（12课时）
17-01模型原型：ma,macd, sar, rsi, kdj, boll, kama, turtle, grid
17-02数据类型、源和清洗
17-03模型信号
17-04历史回测
17-05参数优化
17-06业绩评价
18章 模型案例-择时模型:K线形态与组合模型（12课时）
18-01模型原型：希望之星,黄昏之星,红三兵,绿三兵,圆弧底,“V”型底,“U”型底,“W”底,“M”顶
18-02数据类型、源和清洗
18-03模型信号
18-04历史回测
18-05参数优化
18-06业绩评价
19章 模型案例-择时模型:经典日内模型（12课时）
19-01模型原型：hans123,r-breaker,hl-breaker,nhl-breaker,ap-cross,grid
19-02数据类型、源和清洗
19-03模型信号
19-04历史回测
19-05参数优化
19-06业绩评价
20章 模型案例-择时模型:机器学习模式识别（24课时）
20-01模型原型：线性回归,逻辑回归,决策树,随机森林,SVM,神经网络
20-02数据类型、源和清洗
20-03模型信号
20-04历史回测
20-05参数优化
20-06业绩评价
21章 模型案例-因子模型:基本面因子（12课时）
21-01模型原型：因子模型、套利定价模型（APT）
21-02数据类型、源和清洗-财务因子（盈利性、估值、现金流、成长性、营运能力、资本结构）；统计因子（换手率、波动率）；一致预期因子（分析师评级、盈利预测）
21-03模型信号
21-04历史回测
21-05参数优化
21-06业绩评价
22章 模型案例-因子模型:技术因子（12课时）
22-01模型原型：因子模型
22-02数据类型、源和清洗
22-03模型信号
22-04历史回测
22-05参数优化
22-06业绩评价
23章 模型案例-因子模型:数据挖掘另类因子（12课时）
23-01模型原型：因子模型
23-02数据类型、源和清洗-事件；舆情；大数据
23-03模型信号
23-04历史回测
23-05参数优化
23-06业绩评价
24章 模型案例-套利（12课时）
24-01无风险套利理论
24-02无风险套利案例
24-03ETF套利
24-04期现套利
24-05跨期套利
24-06跨品种套利
24-07跨市场套利
24-08期权套利
24-09配对模型
24-10统计套利原理
24-11统计套利案例
25章 模型案例-阿尔法对冲（alphahedge）（12课时）
25-01capm
25-02套利定价模型（APT）
25-03案例
26章 模型案例-聪明贝塔（smartbeta）（12课时）
26-01同因子投资、阿尔法投资的相同和区别
26-02产生背景
26-03案例
27章 模型案例-资产配置（12课时）
27-01Equal Weight
27-02risk parity
27-03Minimum Variance
27-04Markowitz Model
27-05Black-Litterman Model
28章 交易接口（12课时）
28-01股票交易接口
28-02期货交易接口
28-03其他交易标的交易接口
29章 量化系统（24课时）
29-01rqalpha
29-02zipline
29-03vnpy
30章 量化交易经验分享（6课时）
30-01交易分享
30-02模型开发分享
30-03技术分享
31章 量化投资岗位就业指导（6课时）
为什么选择经管之家的量化投资就业班
1，通过专业，有针对性的课程迅速提升自己的量化投资技能；
2，通过量化投资领域从业的讲师授课，迅速掌握量化投资实战经验；
3，通过360小时高强度的学习与训练，实现独立编写策略的目标；
4，通过毕业答辩的能力展现，弥补招聘中无法吻合的条件要求；
5，有机会毕业后直接进入授课讲师的量化团队进行实习。
投资也讲究一个快字，等大家都知道了，很多投资方法也就没那么有效、甚至失效了！
报名流程
联系客服
