新书上架丨大数据、机器学习与量化投资

量化投资是一种利用数学模型和计算机技术来进行投资决策的方法。自20世纪中叶以来，经过数十年来的探索，海外量化投资行业已在成熟市场中积累了丰富的实践经验。量化投资的历史可以追溯到20世纪50年代，当时一些先驱者开始尝试用统计学和概率论来分析金融市场。最早的量化投资者之一是哈里·马克维茨，他在1952年提出了现代投资组合理论，为量化投资奠定了重要的理论基础。此后，1969年爱德华·索普推出首只量化基金，1988年詹姆斯·西蒙斯推出文艺复兴大奖章基金，在成立20年来取得年化70%的惊人收益，1991年彼得·穆勒开发出Alpha系统策略，首次以计算机与金融数据结合的方法构建投资组合。此后，股票多空、宏观对冲、统计套利、事件驱动、高频交易、多因子等策略不断发展涌现，同时与传统的主观基本面投研结合，共同构成了海外市场投资生态。目前，美国量化基金的交易规模已经占到美股总交易量的70%左右。

与此同时，我国量化投资行业在最近十几年时间里也经历了蓬勃的发展。2010年开始，我国量化投资发展进入快车道，量化投资机构和产品数量大幅增加，涉及的市场和策略也更加多样化，包括债券、基金、外汇、商品等，以及多因子、机器学习、人工智能等。2015年后，我国量化投资继续不断创新，量化投资机构和产品不断优化和升级，利用大数据、云计算、区块链等新技术来提高投资效率和风险管理能力。截至2023年一季度末，我国公募量化基金总规模已经超过2 000亿元，而私募量化基金的规模已经突破1万亿元，其中不乏一些投资回报优异稳健的公司。但纵向对比，量化占公募基金总规模仍不足1%，私募量化基金规模增长速度放缓；横向对比，我国量化投资行业无论在规模上还是在技术发展上与海外仍然存在较大的差距。如何让量化投资更适应A股市场，如何让量化策略更适应波动性更大的宏观环境，如何打开量化的“黑箱”，增强其结果的稳健性与可解释性，都是需要在实践之中思考的关键议题。

量化投资行业的发展，主要源于数据端和方法端的双重驱动。对数据端而言，除了最广泛使用的量价数据外，基本面财务数据、宏观指标数据在应用中也发挥越来越大的作用，各种另类数据也变得更加可用、更加高频，并且出现了标志着行业成熟化的专业数据供应商，投资者得以从海量数据中掘金Alpha；对于方法端而言，随着算力的提升和理论的发展，机器学习、神经网络等新技术被逐渐应用于量化投资领域，为“金融炼金术”提供了先进手段。此外，市场的环境和规则、投资者的需求和偏好也在不断动态进化，对其进化趋势的理解变得十分重要。这些综合因素相互作用，共同推动了量化投资行业的创新和变革，同时带来了机遇和挑战。

本书是一本关于大数据与机器学习方法如何应用于量化投资领域的最新著作，凝聚了以托尼·吉达为首的若干量化投资专家的重要研究成果与一线实践经验，不仅有微观方法的理论阐述、案例说明，还有宏观视角的比较分析、趋势展望，是量化投资领域稀缺的“手册”型书籍。

本书具有极强的专业性，包含了很多来自数学、计算机、金融投资领域的专业术语，在译者团队的努力下，终于完成了本书的翻译工作。徐照宜、薛扬荣、陈宇翔负责全书翻译工作的整体统筹把控，周康林、李剑雄、崔鼎茗负责完成全书专业性的审核以及专业术语索引系统的建立，其他译者负责完成部分章节的初稿翻译与校对工作。

特别鸣谢清华大学全球私募股权研究院首席专家、证监会市场监管二部原副主任、一级巡视员、湖南大学金融与统计学院刘健钧教授从金融市场的角度为本书提供指导建议并作推荐语；特别鸣谢中国国家创新与发展战略研究会副会长、中国科学院大学经济与管理学院吕本富教授从数字经济的角度为本书提供指导建议并作推荐语。

特别鸣谢乾象投资创始合伙人兼首席技术官鲜染先生、中信证券研究部高级副总裁丁奇先生、分享通信创始人兼董事会主席蒋志祥先生从量化投资的一线实践与产业应用的视角为本书提供了宝贵建议和倾情推荐。

特别感谢清华大学产业创新与金融研究院、清华大学新百年发展基金、北京大学对冲基金协会、北京大学金融校友联合会、西南财经大学金融投资协会对本书翻译与研讨工作的大力支持。

此外，张闻凡、朱震、徐皓钶、郭仲星、胡展畅、侯承钰、卢波、汪慧洁、杨天鸣参与了本书的阅读与校正工作，高孝森、刘书涵、刘明鑫、赵菁雨、朱良盛、陈欣然、张云昕、杨以恒、沈良翰、杨天凯参与了本书的宣传与推广工作，在此一并感谢。

最后，衷心感谢中信出版社编辑团队对本书精心负责的排版校对工作，若没有大家精益求精的协同合作，本书的中文版本不可能如此顺利地与读者们见面。

由于译者水平有限，译文难免出现瑕疵，还望读者朋友批评指正，多多包涵，也欢迎与译者团队进行探讨。希望本书能为国内量化投资领域的从业者带来有益参考价值，共同推动我国量化投资行业迈向更美好的明天。

* 本文为《大数据、机器学习与量化投资》译者序

把时间交给阅读