随着金融领域的发展、交叉学科在研究中的渗透，量化投资在投资中所占比重越来越大。什么是量化投资？简单翻译是，用计算机强大的数据挖掘和处理功能，从大量历史数据中寻找可以获得收益的投资机会。
跟定性投资比起来，量化投资是在定性理论研究基础上进行数据化的建模，用计算机的数据处理能力，在整个市场氛围内寻找符合策略标准的投资标的。要知道，量化投资几乎能做到零遗漏地捕捉到符合策略标准的目标。同时，量化策略的好处还体现在，借助了计算机程式化交易，能有效避免投资者因情绪等心理因素产生对投资标的判断偏差，用量化策略能实现真正的理性投资。
量化投资需要一定的数理模型对投资策略和投资逻辑进行量化。数理模型就是指如多因子模型这种量化投资中最常用的模型。模型完整的构建流程包括因子测试、模型建立以及组合优化等多个方面。明确的投资思想和逻辑是成功的量化投资策略所必须的，要根据这种逻辑，把投资所遵从的理念以及逻辑关系等量化为各种变量，以及变量之间的规则，进而构建成相关的量化模型。所以，量化投资绝对不是简单靠计算机语言就能完成的，都说量化投资跟学术界联系紧密，因为一般它都要通过研究经典的金融理论来启发投资思路。
量化投资起源于美国，回溯量化投资的发展，我们可以量化交易的历史可以分为三大阶段。第一阶段，1971～1977年，1971年世界第一支被动量化基金由巴克利国际投资管理公司发行；1977年，第一支主动量化基金由巴克利发行，总额70亿美元，是美国量化投资的开端。第二阶段，1977～1995年，这一阶段计算机技术飞速发展，为量化投资的数据分析打下了很好的铺垫。第三阶段，1995年到现在，量化投资的成熟阶段。目前，全部投资中，量化投资的占比超过50%，其中指数类投资全部采用定量技术，主动策略投资中，30%左右使用定量技术。
在中国，2008年，戴军、葛新元作为国内量化投资的先驱者，首次将量化投资的概念引入了中国，并且系统地分析了量化投资在中国的发展潜力。2011年，王冰、李想指出在中国这样的弱势有效市场上可以通过量化投资实现超额收益，并且更为详细地介绍了量化投资的原理和特点，这是国内第一次对量化投资做出系统性的分析。2013年，孙守坤在Alpha收益理论的基础上，同时运用多因子模型对沪深300指数进行量化分析选股。最终在获得超额收益的同时，减少了指数波动的风险。2014年，李慧兰认为量化投资是以历史数据建立的数据库为基础，通过这些数据建立合理的数理模型，再运用计算机编程实现交易程序，通过程序研究分析证券的风险和收益，预测行情走势，从而获得超额收益，这些步骤都是可以通过计算机实现的。
以上是中国量化投资发展的四个节点，最早的简单期现套利到现在主打股票中高频，量化策略在国内经历了几轮变化。而现在我们更加来到了量化投资5.0时代，许多头部的量化私募在策略迭代上都做了许多功课，比如构建以量价因子为主的多因子选股框架体系，在多因子框架里运用新的技术手段，比如深度学习的算法类型，来支持因子挖掘和组合优化，构建更合适的风险收益比的组合。
量化策略如凯利公式、卡尔曼滤波算法、蒙特卡洛期权定价等，每个策略都有它适用的不同情境和核心优势。虽然比起传统基金经理等投资，量化投资能有效克服投资过程中的随意性和情绪化行为，但是量化中，经常会有不知道是什么的新的变量加进来在量化策略中，你要时刻准备着会有新的变量加进来，从而去调整模型，也是一件相当考验和复杂的事情。这种复杂从量化交易这个系统就可见一斑。量化交易包括从盈利、风险控制、交易成本、交易执行等多个方面。如果从框架上看的话，量化交易则有几个主要的组成部分：盈利模型、风险模型、交易成本模型、投资组合的构建模型和执行模型。对很多量化策略的管理人来说，研究方向主要是如何发展和完善自己的模型。
模型的完善首先需要大量的数据，有时候要购买公司全部的数据表，把所有的表都标准化出来，对每个公司的基本面数据做充分研究，考虑到各种变量，才能真正做到能够投资较大规模和较多种类的基于数量统计的套利机会。因此，通常只有在头部资管公司，才具备这样的大规模数据收集和适应能力。
简单来说，量化交易是应用了统计学和概率学，通过了抽样和相关性分析，应用多元回归和时间序列分析以及数学模型来形成的投资决策。将风险和收益更加具现化。在中国，量化基金管理规模在国内证券基金的占比在1%～2%，在公募证券基金占比不到1%，在私募证券基金占比5%左右，相比国外30%的资金来自于量化或者程序化投资，在中国量化投资发展空间是巨大的！
以上观点不构成对投资者的投资建议，市场有风险，投资需谨慎。在任何情况下，本公司不对任何人因使用以上任何内容所引致的任何损失负任何责任。图片来源于网络，原版权归原作者所有，如有涉及到版权问题，请联系我们删图。
GTJAZG
扫描二维码
关注国泰君安资管订阅号