我不是在赌博，我是在计算——揭秘量化投资（下）

江湖上，剑气之争向来难离恩怨情仇，量化投资亦是如此。从技术上，量化投资可分为两个流派——Q Quant 和P Quant，此消彼长，不断进行技术迭代。

量化投资流派之争

Q Quant算得上是量化投资的“屠龙刀”，Q指风险中性测度，认为历史数据只是记录过去的数字，无法预测未来，定价机制主要依靠数学模型，比如随机过程、偏微方程。

也就是说，Q Quant重模型而轻数据，主要依靠数学模型来进行投资，而历史数据只是这个模型的磨刀石。在运算技术尚不成熟的年代，各类金融衍生品凭借着Q Quant定价模型大行其道，颇有“屠龙刀”号令天下之势。

P Quant则可以称为量化投资的“倚天剑”。P指真实概率测度，这种模型依赖的概率分布是从历史数据上估算出来的，而且数据量越大，其预测的效果越接近未来的效果。

P Quant产品主要是时间序列、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。计算机技术的日新月异使得海量数据处理瞬间成为了可能，在“Big Data”的强力支持和“电子化交易”的产业革新下，尤其是金融危机后，P Quant一出，莫与争锋，一时风头无两。

量化投资交易策略

量化投资的江湖，可以按策略分为三大门派：趋势性交易、市场中性策略、高频交易。

趋势性交易

该策略的核心是根据目前价格发展的动向，运用价格形态、拟合趋势曲线等多维度参数来推测未来价格的变动方向。就像冲浪一样，提前捕捉到了波峰和波谷，那么就能乘风破浪，所向披靡。

市场中性策略

该策略同时构建多头头寸和空头头寸，对冲市场的高低起伏，比如买入股票的同时卖出股指期货来对冲股票市场风险。对冲策略、套利策略、阿尔法策略等都涵盖其中。与趋势交易相比，市场中性策略的优势在于，在任何市场环境下风险相对更低，收益稳定性更高，资金容量也更大。任他风出雨打，我自岿然不动。

高频交易

顾名思义就是在极短的时间内频繁买进卖出，完成多次大量的交易，此类交易方式对硬件系统以及市场环境的要求极高。无论市场如何变化，把趋势变化切割成更小的时间段，高频交易总能把握住大概率投资机会。

量化投资发展史

提起量化投资，就不得不提量化投资的开山鼻祖——詹姆斯·西蒙斯(James Simons)，这位慧眼独具的投资巨擘在43岁时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，1988年在他45岁时，正式成立了文艺复兴科技公司，成为了勇执牛耳的量化投资霸主。

至今，量化投资发展已历经近30年的历史，从理论的出现发展至今成为最重要的投资方式之一，离不开两个助推器：

1

现代金融理论的发展

现代金融理论对传统理论的主要推动作用包括：

2

计算机技术的发展

无论是P Quant还是Q Quant都要基于对数据的计算，人脑的速度自然比不过电脑的速度，而电脑的速度越快，量化模型能够处理的数据体量及速度也就越快，相比人工计算分析的优势也就越明显。

西蒙斯在1989-2009年运作的大奖章基金，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。众多欧美顶尖投行和资产管理机构，都在积极培养自己的量化团队从事产品模型研发，颇有一副“得量化者得天下”的气势。

随着大数据和人工智能的发展，量化投资将有新的突破。获得高盛、谷歌投资的人工智能投资助手Kensho可以覆盖4倍于传统分析师能够获得的数据源，并能在数分钟内自动化完成事件对资产价格影响的预测，获得传统分析师花费几个小时分析的结果。随着科技的发展，量化投资的江湖也将会更加精彩纷呈。

— End —