雪球专刊108期——玩转量化投资.doc

《雪球专刊108期——玩转量化投资.doc》由会员分享，可在线阅读，更多相关《雪球专刊108期——玩转量化投资.doc（17页珍藏版）》请在三一办公上搜索。

1、 刊物名称雪球专刊108期玩转量化投资第108期2016/04/01版权信息刊名：雪球专刊108期玩转量化投资出品人：方三文策划：刘江涛 王慧封面设计：李徽关于雪球专刊雪球专刊是投资社交网络“雪球”上的用户讨论集锦。本专刊全部内容均由雪球社区每日产生的大量高质量财经类UGC产生，按照不同专题进行组织、编辑和校对。专门为渴望财务自由，想拓展财经知识却无法长时间使用雪球的朋友，提供最好的阅读体验。关于雪球：雪球是目前国内最专业的投资社交网络，致力于为投资者提供跨市场、跨品种的数据查询、新闻订阅和互动交流服务，目前已覆盖A股、港股和美股市场。雪球App支持证券交易，用户可以在雪球App完成沪深/美/

2、港股开户，并可在雪球添加券商账号进行委托交易；交易功能与雪球独有的投资组合、实时行情和社区系统无缝对接。知识产权：此电子周刊中内容版权由对应的用户和雪球共同所有。第三方若出于非商业目的，此电子专刊的内容转载，应当在作品正文开头显著位置，注明原作者和来源于雪球。若需要对作品用于商业目的，第三方需要获得原作者和雪球的单独授权，并按照原作者规定的方式使用该内容。转载授权等相关事宜，请发邮件到secretary。本刊部分图片和文字来源于网络，如有侵权，请和我们联系。点击： 领取雪球50元交易体验券，使用雪球进行证券交易时可使用该券，支持随时提现。【内容概要】阿尔法狗火了，同样带火的是机器人炒股的话题。

3、从某种意义上说，量化投资就是一种机器人炒股的策略。所谓量化投资，其实就是定量投资，是通过分析一定的数据，在有合理逻辑的支撑下，运用某种策略所进行的具有胜率优势的投资。本期雪球专刊玩转量化投资将向你介绍量化投资的一些入门级知识。1、量化投资入门作者：潘潘_策略投资，发表时间：2016-3-25；原帖链接：在没有接触量化投资之前，和普通人一样，我也觉得量化投资很神秘；但学习并对量化投资有一定理解之后，我觉得量化投资并没有人们想象的那么复杂。今天就谈谈我眼中的量化投资，如有理解不对的地方，欢迎指正。一、量化投资定义量化投资其实就是定量投资，是通过分析一定的数据，在有合理逻辑的支撑下，运用某种策略所进

4、行的具有胜率优势的投资。1.数据量化投资并不一定需要海量的数据。有些量化策略，比如可转债转股套利，只需要通过可转债价格、正股股价、转股价、转债面值等数据算出转股溢价率（集思录等网站支持实时显示溢价率），即可以进行套利。而有些量化策略，比如高送转策略（虽然实质上高送转对提升公司价值没有任何意义，但几乎每年11月到次年3月都有一些公司因为高比例的送股、转股而受到投资者的追捧，股价相对指数有明显的涨幅），就需要通过每股资本公积、股本等关键字从大量股票中筛选出当年更有可能实施高送转的股票作为组合。2.逻辑量化投资要合乎逻辑。量化投资有时候是看到某些现象，然后去分析数据来得出结论。但这个结论能不能形成一

5、个有效的策略，得看这个结论合不合乎逻辑。举个例子，2005年以来，我们都会觉得A股的小盘股走势远比大盘股好，然后我们去分析数据，结论也确实如此。但如果根据这个结论，形成一个策略：任何时候都同时做多中证500和做空上证50。我想运用这个策略的人有可能最终会死的比较惨，因为这个策略不合乎逻辑。2005年到现在，小盘股和大盘股业绩增长差别并不大，然后一开始小盘股和大盘股的估值差距远比现在小的多，后来随着人们估值偏好的改变（也许是对壳价值的重新认识），估值差越拉越大，才导致小盘股走势远比大盘股好。如果未来因为注册制实施或者其他原因，小盘股和大盘股估值差逐渐缩小，那么同时做多中证500、做空上证50的策

6、略是会出现严重亏损的。3.策略量化投资要讲究一定的策略。建什么仓位，建多少仓位，什么时候建仓，什么时候平仓，都要按既定的策略严格执行。4.胜率要说的是，这里的胜率是考虑到赔率后的胜率。量化投资几乎没有100%胜率的策略，即便看似最简单最安全的期现套利，也有可能出现因为升水不断扩大导致期指端爆仓进而策略失败的风险。但理论上只要某个策略的胜率大于50%，那么在控制该策略合适仓位（依据凯利公式）的情况下，坚持执行该策略，长期赚钱的概率几乎是100%。二、量化投资的分类量化投资我觉得大体上可以分为两类，一类是相对确定的折价套利，一类是相对不确定的统计套利。1.折价套利折价套利是利用一方相对于另一方的折

7、价进行的套利，这时你可以直接买入低估的一方进行套利，或者买入低估一方的同时卖出高估的一方进行套利（这时就是量化对冲套利了）。如果有合适的对冲工具，折价套利很大概率上都能获得正收益。像分级基金折价套利就是分级A+B整体相对母基金净值折价，分级基金下折套利就是分级A的价格相对分级A实际价值折价，都是典型的折价套利。其他的还有可转债转股套利、期现套利、跨期套利、跨市场套利等都属于这一类套利。广义一点来讲，基本面投资中的价值投资、买入跌破面值的可转债等投资我认为都可以归属于折价套利，利用的都是价格相对于价值的折价。2.统计套利统计套利是从过往数据中找出规律，进而形成策略的一类套利。这一类套利的结果往往

8、是不确定的，因为套利结果会受到市场情绪、投资标的本身等诸多因素的影响。比如打新股策略属于统计套利，根据球友 Lagom投资 对过去十几年打新股收益的统计，坚持打新股平均每年能获得超过15%的回报。但在市场非常低迷的2012年，有三成新股在上市首日即破发，打新股策略变得不那么有效。其他如股票阿尔法套利、分级基金溢价套利等也都属于统计套利。广义一点讲，一些过去被证明有效的技术指标方法，如果合乎逻辑，我认为也可以归属于统计套利。三、量化和对冲我们在私募排排网等网站上选择私募基金的时候，可能会看到某某量化对冲基金，这里的量化对冲，其实是量化+对冲。一般来说，量化基金不一定是对冲基金，但对冲基金多是量化

9、基金，量化和对冲关系还是比较紧密的。量化做的再牛逼，如果没有对冲手段，仍然很难控制回撤，做的好一些的最多也就是大盘上涨的时候跟上或者略超过大盘涨幅，大盘下跌的时候比大盘跌的少一些。这样的结果，可能盘感很好的交易员也能做到，体现不出量化投资的独特优势。但有了对冲手段就不一样了，好的量化对冲基金，运用多种策略，不管大盘上涨下跌，都能做到几乎每个月都有正收益，且最大回撤不超过5%（甚至更少），我以前看过一篇文章甚至说国外的高频对冲基金能做到每日收益都为正。量化对冲基金，收益率虽然还算稳定，但大多数情况下年化收益率并不太高，一般在5%-25%之间。对冲是两面的，在对冲掉大盘下跌风险的同时，也对冲掉了大

10、盘大幅上涨带来的收益。对冲基金赚到的是持仓品种和股指期货（假设对冲手段是股指期货）之间微小的差额收益，这个差额收益虽然不多，但好在一年之内可能能够赚取多次，累计起来收益也算可观了。四、量化投资的发展量化投资在前些年应该就有公募基金在研究，但一直不瘟不火，也没多少产品推出来，直到2014年后才逐渐火起来，量化投资大致经历了下面几个阶段：1、2010年推出股指期货之前，量化投资体现不出优势，研究的人应该很少。2、2010年-2013年，大盘处于熊市阶段，也没出现多少套利机会，而且这个时候关注资本市场的人也不多，都觉得炒股是败家（上非诚勿扰那个炒股的直接24盏灯全灭）。但因为有了对冲手段，一小部分先

11、知先觉的机构开始研究量化投资，在期现套利、股票阿尔法套利等方面应该也赚到些钱。3、2014年-2015年9月，大盘经历暴涨暴跌，中间出现过分级基金套利、可转债套利、ETF套利、期现套利等一大波的套利机会，然后在大盘暴跌的时候有一部分量化对冲基金经受住了回撤的考验。量化投资在这一阶段得到快速的发展。4、2015年9月-现在，因为股指期货提高保证金、贴水、当日开仓手数受限等原因，相当部分的量化对冲基金处于停滞状态。总的来说，国内的量化投资整体还处于起步阶段，不像国外那样成熟。但好在国内的资本市场没有完全放开，而且期指、期权等对冲手段也不够成熟，很多品种还是T+1交易，即便国外对冲基金进来也需要修改

12、策略来适应国内的资本市场，所以国内的量化投资者们还是有很多投资机会的，且行且珍惜。2、当了一个月量化码农，六点收获作者：量化钢铁侠，发表时间：2016-3-23；原帖链接：一、有关量化投资量化投资其实不是什么新的东西，每个传统投资者在做出投资决策的时候，其实或多或少都用了定量的一些标准，比如基本面投资者用PE,PB,ROE，趋势投资者用均线，MACD。套利投资者用折价，溢价，等等。量化投资的精髓在于发挥了机器的海量数据挖掘和运算能力，可以针对交易策略进行多年的回测和分析，效率和准确性远远超过传统人工方式。相当于一个超级训练场，以前需要十年才能训练出一个投资高手，现在可能一两年就可以了。对于普通

13、投资者来说，随着量化投资和AI的逐渐普及，恐怕生存空间会受到严重的挤压。阿法狗能够下围棋，核心就是蒙特卡罗博弈算法，通过机器海量的运算能力，用神经网络进行自我学习。阿法狗问世两年之内，左右互博3000万盘之后横空出世，人类高手已经不是对手了。我们可以设想一下，未来会有一个强大的金融阿发狗出现，用世界主要金融市场几十年的数据测试数万种策略，然后还可以通过交易所数据随时分析博弈对手的意图，一秒钟下数千单。这个玩意对人类投资者来说基本上是碾压级别的存在。会完全改变金融市场的生态。随着效率的提升，以前大资金因为效率问题不愿意覆盖的死角也可能被挖掘，比如，小市值的个股，可以采用量化筛选，分散化，机器下单

14、的方式，类似增强版的指数基金。二、有关概率和逻辑在量化分析的过程中，有一些特定的统计分布，看似没有基本逻辑。套用持有封基 的话来说，如果你学过统计学就会知道，一个特定的事实长期高概率的存在，一定有背后的逻辑，看不懂背后的逻辑不能说明逻辑不存在，而是因为你的能力圈导致了你无法发现这个逻辑，或者是你的偏见导致了视而不见。举一个简单的例子，近因效应：股价总是对近期的消息过度反应。这个期间的参数一般是2060之间。为什么是这个参数，不是10，不是100？这其实跟人类的情绪周期有关，市场近期的走势其实反应的是全体交易者情绪的综合。如果全体交易者不是人类而是鸟类，这个周期估计是小时级别的。三、有关不同的投

15、资风格量化投资需要考虑胜率和赢亏比，而不同的投资风格，胜率和盈亏比大相径庭。天使和PE做初创期，胜率小，所以需要巨大的赢亏比。成长股投资人做成长期，胜率中等，需要较大的赢亏比。而价值投资者做成熟期的企业，胜率高，但赢亏比小。在价值投资者看来，早期投资跟赌博无异。而在成长股投资者来看，价值投资好比乌龟流。市场上不同的投资风格并存，不可能谁能完全压倒谁。每种投资风格都有他的优点和缺点，都有非常成功的案例，相互尊重即可，对不在自己能力圈的投资模式，最好不要评论，否则会显示出自己的无知。四、有关趋势和择时趋势投资和择时究竟有没有用？经过数据回测，我的结论是：对于长期低Beta的标的，择时没什么用，反而

16、会降低收益。而对于长期高Beta的标的，择时的作用巨大，但作用不在于提高长期收益，而在于大幅度控制回撤。但随着资金量的增大，因为冲击成本的上升和对标的本身的影响增大，择时的效果会快速下降。所以依靠右侧趋势投资和短线技术做大的投资者，资金量到了一定规模，必须转型左侧交易或基本面投资，这个是交易属性决定的。趋势投资的有效性的逻辑本因在于股价运行的相对连续性，多数情况下可以拟合出可操作的趋势，有点数学基础的人可以去证明。这是股票价格运行的方式决定的，历史数据也支持这一点。如果股票价格是完全离散的，今天10元，明天1元，后天100元，那趋势投资和短线肯定是跟赌博无异。五、有关小市值偏好过去数年市场对小

17、市值的偏爱一直都用被传统的价值投资者诟病，如同京沪持续上涨的房价，被无法理解背后逻辑的人咒骂。其实仔细想想，一线城市的房产对应的是教育，医疗，文化等各种优势稀缺资源，而小市值对应的是核准制下具有稀缺价值的壳资源，都是供应不足做导致的。从基本面的角度考虑，07年重化工业达到顶峰之后就开始走下坡路，相关标的开始长期走熊，只是由于08年底的四万亿回光返照了一下，由于国企的特殊体制，一直在勉力维持，但长期趋势不可逆转，直到去年才表现出崩盘的迹象。市场活跃资金长期远离重化工业股和银行股，其实正是一种避险策略，就好比三四线城市的房产，看似价格低廉，实际供给严重过剩，人口流出，即使刺激价格也不涨，而一线城市

18、，资源稀缺，人口流入，稍微放水就暴涨。未来注册制的情况下，壳资源的价值会归零，但成长性溢价还会存在，大多数大企业几乎都是从小市值开始不断成长变大的，小市值成长股永远是市场的最爱，这点在未来并不会改变。香港市场对小市值的折价源于香港监管部门对于老千股的纵容，在天朝这个投资人赔了钱习惯于上街拉横幅找政府的过度，我不认为注册制会复制香港市场的情况。小市值标的投资者要注意的是，由于小股票的Beta远远大于指数，所以一定要学会择时。根据我的回测数据，过去数年小市值成长股加中线择时应该是风险收益比最好的投资方式，三年10倍真的不是什么神话。所以，看到这种例子不要轻易否定，不能因为自己做不到就认为不存在。六

19、、有关投资风格对于资金量小的个人投资者来说，选择什么样的投资方式要看自己的能力圈。标准应该定的高一些，在中国特定的历史阶段，过去20年，M2的平均增速是17%，过去10年是15%，一个成功点的投资人应该远超这个数据。在过去10年如果以15%的投资收益作为标准，其实只是社会财富增加的平均水平。个人投资者的优势就是灵活，可以随时进出。各种投资大师的路数可能并不适合你。形象点讲，本来是个小舢板，非要按航母的方式操作，那不是很可笑么？适合自己的才是最好的。3、量化投资八大常见误区作者：持有封基，发表时间：2016-3-18；原帖链接：从06年开始进入股市已经快10年了，也做了快10年的量化投资，作为一

20、个非专业人士，从一开始懵懵懂懂的不自觉的用了量化模型还不知道自己是在用量化投资开始，几乎所有初学者犯过的错误我都犯过。正好下周有个量化投资的采访，在采访前先把这些误区拿出来晒给大家：误区一：原始数据过少。毕竟有不少原始数据和价格之间是没有直接的关系的，数据过少会导致结果有较大的偏差。一般来说，原始数据至少要经历过一个牛熊周期。如果你在牛市里收集的数据来优化的，往往到了熊市一败涂地；而仅仅在熊市里收集的数据优化的，到了牛市就显得过于保守。我自己10年里面惟一一年跑输大盘的就是09年，虽然这一年也赚了不少，但受08年大熊的影响，量化投资采取了非常保守的策略，才会在09年严重跑输大盘。如果真的觉得原

21、始数据过少，比如在10年刚刚出来创业板，当时的数据肯定非常少，用来做量化是远远不够的，但可以慢慢积累数据，同时对于这些可靠性不强的模型，可以用模拟盘监控或者非常小的仓位参与。误区二：用了未来函数，也就是说用未来获得的信息对现在的收益率产生了影响。我见过最多的量化模型里误用未来函数的就是用当天的收盘价对当天选择的品种产生影响，那当然是巨高无比的收益率啊，你能知道当天的收盘价，那这个世界上的财富都是你的了。另外最常见的是用下一年一季度公布的年报里的数据放到当年、分红到帐日和分红除息日混淆等等。避免的方法只有对你优化的标的加上理解，慢慢熟悉后才能避免，即使像我做了近10年的量化，都不敢说100%避免

22、使用未来函数，只是可能bug少一些而已。误区三：不注意当时的一些边界条件。最典型的是涨停跌停，初学者很容易犯的毛病，回测的时候不考虑涨停买不进，跌停卖不出。回撤的结果巨高无比，实盘一做就不行了。还有类似的停牌也是需要考虑的。误区四：过度优化。初学者最容易犯的毛病，可变参数用的越多，优化后得到的年化收益率越高，越容易过度优化，过度优化好比做了一件非常贴身的西服，穿在这个人身上还不错，但只要换一个人马上就穿不下。往往过度优化后实盘和模型的差异非常大，最后导致否认模型。建议的办法是一方面不要过多的参数来优化模型，另一方面可以采取这样的办法，比如说现在有07年到16年10年的数据，你可以先去掉16年的

23、数据，就“假装”回到了15年然后优化模型，再把16年的数据放到模型中去看看是否有效，如果效果非常差的，十有八九就是过度优化了。当然这只是我的经验之谈。误区五：试图每月每周甚至每天都能战胜参照指数。上面误区四说了“假装”回到15年去看16年的情况，这里也要注意一个问题，就是再好的模型都不能保证每个月都战胜指数，甚至某一年战胜不了都是很正常的事情。初学者跟踪了某个模型后最多的问题就是，为什么今天会跑输？为什么这个月也跑输了？我可以很负责的告诉大家，我做了快10年的量化，我就从来没有遇到过一年里每个月都能跑赢参照指数的系统，将来随着散户的慢慢退出更加不可能有。误区六：量化投资就是对冲。说实在，国外量

24、化投资做对冲的非常多，但在国内因为一是做空品种少，无法做到完全对冲活大部分对冲，在A股上对冲效果不好，有一些类似熊宝的产品又不是场内的而且交易量也不大并且经常偏差较大，而且现在的政策也限制做空。所以我在A股市场里的模型只用概率和负相关品种而没有用对冲。当然如果是商品市场、外币市场等又是另外一码事情了，我们这里讨论的范围仅仅限于A股市场而且绝大部分小散可以做的事情。误区七：量化投资就是高频交易。应该这样说，大部分高频交易都是量化交易，而量化交易不仅仅是高频交易，我自己因为前几年工作很忙，没有用过日线外的任何数据，交易模型也仅仅是平均一周交易一次，但依然可以获得很好的效果。误区八：量化一定要用高大

25、上的工具。现在主流的量化工具是Matlab、Python等。当然除此之外还有一些工具也是可以用到量化中的。第一种：用专用的工具如Matlab、Python。打个比方，就好像机关枪，熟悉了后效率非常高，但木仓械相对复杂，而且扫射可能有死角。第二种：就是我现在在用的用了十年的excel，非常土，但好比一把小手枪，因为方便，随身带着，拿出来就可以打，但可能打不远。第三种：以flitter为代表，编写了专用的软件，动用了四台服务器，算一次化很长时间，但能找到一个最佳值。好比是狙击枪，一次狙击要花上很长时间，要有耐心，但好的狙击手是一枪制胜。不管你用什么枪，能打死敌人就是好枪，而且现在在国内这个大刀长矛

26、时代，有一把枪就足够你横行江湖了。4、量化投资的历史作者：秦岭上的一棵草，发表时间：2015-12-18；原帖链接：21点（Black Jack）大家都不陌生，小赌怡情，豪赌伤身。第一个用科学的手段在牌桌上发财的人用极其生动的实践告诉了大家，这世上还有比迷信运势与手气更靠谱的赢钱方式。这一年，牌桌上依靠数学击败庄家从而赚钱的方法被验证了1962年， Edward Thorp用Beat the dealer一书为我们阐述了如何在牌桌上致富的“秘密”：1、How既然赌博是个概率问题，那么胜算几率就可知：虽然索普不能确定下一张牌究竟是什么，然而他确实知道，从统计上来说，他已经取得了打败庄家的优势。这

27、其中的奥妙就是概率论中最基本的定律之一：大数定律。2、When如果赌徒不想因赌资告罄而出局，那么他应该按照自己的荷包加码或者减注：胜算大时出重手，胜算小时就收手。瞄准时机，积极出击，使自己的资金量呈指数增长，同时又避免破产的诅咒。当Edward Thorp微笑着迈出赌场，走入内华达州和煦的阳光下。事实胜于雄辩，Thorp的系统是有效的，他击败了庄家。那一年，出来混迟早是要还的1964年的一天，Edward Thorp正在拉斯维加斯玩百家乐，他要了一杯雪顶咖啡，啜了几口，就开始飘飘然了，幸好与Thorp夫妇同行的朋友中正好有位护士，才及时得将其从鬼门关中拉了回来。明显，Thorp在牌桌上的“小伎

28、俩”惹恼了某些人，这次被投毒的境遇也吓坏了Thorp，他决定为他的策略寻找新的实验场，于是将目光投向了世间最大的赌场华尔街。这是“量化投资”首次从方法论提升到实际操作层面，也促使这一伟大的科学走进了华尔街。量化投资的演变，始于方法论30年代以前，投资主要靠主观判断，靠拍脑袋想，或者靠小道消息。那时的美国和现在的国内市场有些相似，内幕消息满天飞，庄家大肆收割丰厚的利润。这些直到1933年的证券注册法案和1934年的监管法案出台实施后，才有了很大的改变。投资者逐渐开始研究如何用科学的方法来赚钱。1932年，本杰明格雷厄姆和戴维多德写了本书，叫证券分析，这本书被誉为投资者的圣经。它建立了价值投资的框

29、架，首次指出每一个有价债券都有其内在的价值，还提出了量化选股的一些依据，如PE，PS等。20世纪50 年代哈维马科维茨提出投资组合理论，更重要的是他指出投资不能只看收益，还要看风险。他提出的用资产收益的方差和标准差衡量风险的方法，直到现在整个金融界依然在沿用 。马科维茨的理论使得投资在数学上可以追踪，可以系统性地通过数学和计算机进行建模、测试，从而将投资问题转化为数学问题，这对于量化投资具有划时代的意义。 60 到70年代特雷诺(Treynor)、夏普(Sharpe)、莫欣(Mossin)和布雷克(Black)提出了里程碑式的定价理论CAPM，把风险划分成了市场风险和公司特定风险两部分，并提出

30、了市场组合的概念。后来法玛尔等人研究发现CAPM不能解释一些现象，比如说小盘股长期上比大盘股回报更高，提出了多因子模型，后来发展成了套利定价理论（APT）。直至今日，多因子模型仍是现在量化金融领域内应用最为广泛的量化投资方法之一，甚至现在的国内金融市场，类似小盘股长期跑赢市场的现象也是屡见不鲜。随后，布莱克、斯科尔斯和默顿提出用于金融衍生物进行定价的BS模型，这个模型在金融衍生品的定价和交易应用方面有着举足轻重的地位。他们也因此获得1997年的诺贝尔经济学奖。以上的理论是量化金融体系发展的基础，这些理论使得投资完成了从凭主观判断，到有关键的量化数据，再到应用数理知识来建模、测试的一个过程，并且

31、随着计算机和网络通信的快速发展，决策，交易和风险控制过程都可以使用计算机和程序进行理性地判断和执行。量化投资的实操过程，始于拉斯维加斯最早运用量化的方法来赚钱的人之一便是我们上文介绍到的MIT的数学教授Edward Thorp。 1962年他写了本书叫Beat the dealer，在投毒事件发生后，Thorp于1969年将战场从拉斯维加斯转为纽约，从21点的牌桌转为华尔街的金融研究了。后来还写了本书叫A Scientific Stock Market System，主要研究的是利用可转债的套利。1971年，富国集团（Wells Fargo & Co） 成立资产轮动基金，是当时世界上第一个将量

32、化投资理念直接应用的大型机构。不过这个概念在当时太新了（too new and too radical），并不能为当时广大的投资者所接受，最后的结果并不是特别理想。1982年的时候詹姆斯西蒙斯（James Simons）创立文艺复兴公司（Renaissance Technologies）。这家公司的员工全部拥有博士学位，而西蒙斯本人也是密码学出身。他们试图用量化方法做交易。大奖章基金是他们公司旗下的一只基金，成立于1988年。第一年他们用传统的跟随趋势的策略做投资，量化的部分非常少，一年下来亏了1/4。第二年，合伙人就不干了，说你得停职反省。到了1990大奖章基金才又重新投资交易，这一次他们的

33、重点是量化策略进行投资，当年就取得了56%的收益，此后20年平均收益超过35%。哪怕07、08、09这三年，依然保持 很高的收益，这真的是非常厉害的。不过这只旗舰基金不接受外面的钱，都是用文艺复兴公司内部的老总们自己的钱在运作。从2000年开始，互联网泡沫破裂之后，大量的资金涌入对冲基金。97年的时候使用量化策略进行交易的资金还不足2500亿美元，现在已经超过两万亿美元。量化投资的代表性公司有文艺复兴、KCG、Getco、Citadel、AQR、Winton、Jane Street、SIG等。随着时间的发展，量化投资也逐渐衍生出多种多样的策略，已经成为美国比较成熟和广泛应用的主要策略大类之一。

34、5、量化投资如何操作？作者：秦岭上的一棵草，发表时间：2015-12-18；原帖链接：量化的思维到底离我们有多远？其实我觉得量化的思维在我们生活中随处可见，也是大家经常使用的有效工具。有人拿中医、西医的诊断方式来比拟定性与定量的区别，其实很恰当。有很多人不认可中医，认为这是经验，不是科学，但这不是我们今天要论证的要点。中医诊断靠的是望闻问切，凭借的是对于病症的经验，对于药效的经验；西医诊断，看的是数据，验血、验尿、拍片、活检都是手段，目的是为了收集数据。所以说定性的经验投资更像中医，而用数据模型说话的定量投资就更贴近于西医了。从拍脑袋，到动脑子假设我现在有一车苹果，我可以拍拍脑袋，统统都按10

35、元/斤的价格来卖。或者，经过对于往年市场价格的了解，我发现此时苹果市场均价在9.5元/斤，而我的苹果质量良莠不齐，于是我将它分为两堆，一堆红润透亮，个头稍大，这堆苹果能beat 市场上99%没有经过筛选的苹果，定价10.5块/斤；剩下的一堆在姿色上就逊色些了，定价9元/斤。这个策略怎么样？从拍脑袋，到拿着市场数据动脑子，其实不用亲测我们也知道后者是可行的，因为市场上卖水果的大妈用的大多都是这一套，而我们也吃这套。量化投资无处不在量化策略听起来很玄，但其实既有高深复杂的模型策略，也有很接地气的简单指标。比如标普500这个大家都非常熟悉的指数就是一个不折不扣的量化交易策略。为什么呢：一是选股策略：

36、美国二级市场上交易的股票超过7000只，标普500只从中选500只市值最大高流动性的股票；二是量化策略：标普500构建投资组合时候每只股票占组合的比重是和其市值成正比。那么这个看起来很简单的策略表现怎么样？长期投资看，标普500要比70%的共同基金表现更好。这说明这么简单地一个指数，同时也是一个简单直观的量化策略，表现其实还挺不错的。但标普500这个策略显得这么好，更多是因为共同基金的业绩表现太差了。其实现在共同基金规模是在萎缩的。2014年一年共同基金缩水约两万亿，其中一小半去了对冲基金，另外的大多投进了ETF。共同基金交易费用较高，流动性也不是很好，又没有ETF的免税，同时跟市场的相关性很

37、大，这些特点使得共同基金其实是在纯被动高流通低费用的ETF，和低流动高费用但主动性更强的对冲基金这两者夹缝中生存的一类资产，共同基金很多时候表现是不好的。而它的衰退也是一个必然的趋势。那么，还有比标普500更好的策略吗？答案是有，而且还不少。有一本书记录了220 多种市场上常见的量化投资策略，经过分析发现其中有超过200种方法的长期投资收益要比标普500好。例如，有种策略叫Dogs of the Dow (DoD)，是看道琼斯指数的30只蓝筹，每年年底买当年表现最差的十只，然后持有至下一年。就这么简单的一个策略，1928-2009年的平均年华收益率是11.22%，而同期标普500的回报率是9.

38、12%，长期上他们之间产生的收益差距是十分巨大的。所以还是有不少的量化策略是可能跑赢市场的。有了思维，你还欠缺系统的方法论我对量化投资的定义是：量化投资是一种系统化方法，它利用现代金融，计算机，数学，以及其他相关行业的知识和方法，包括行为学、心理学等，把投资理念，科学理论和实际数据量化为客观的数理模型，使用计算机技术完成全部或部分的投资。量化投资需要把数据、策略、系统、执行四个方面综合起来完成一个有机的整体。量化投资本质上是一个方法论，可以应用到投资过程的每一个环节，比如大家熟悉的选股、基本面分析或者技术分析其实也算是广义量化金融的应用。你用了这些学科的知识去构建一个数理模型，一个投资决策模型

39、，这是一个相对客观和理性的系统，是可以被应用于投资的第一步到最后一步的。量化投资还有这么几点特点纪律性：量化投资是非常理性的，缜密的模型加丰富的数据会产生出决策，不会应为你今天心情不好而乱买乱卖，也不会因为犹豫不决而错失投资良机。量化是一个相对客观的决策和执行系统； 系统性：量化投资是数据、策略、系统、执行四方面的一个组合，这是一个完整的整体；概率性：量化投资是去“博”大概率赚钱的机会。理论上讲当你的量化策略只要有51%的时候能预测正确市场，那么就能赚到钱，长期多次交易来看这个策略就是有效的，是可以赚钱的。当然实际交易还要考虑交易成本和市场情况， 51%可能不够，但是只要你的策略能获得正向收益

40、的概率达到一定值，你不用每次都对那么也能获得长期的盈利。量化投资三步走在介绍量化投资的过程之前，我先说说我听说过的有些骗子机构是怎么做量化的。1、先是募资，跑去跟投资者说，哎我们是做量化的，给我们钱吧。2、然后是研究，怎么研究呢？就是拍脑袋。策略是什么呢？就是看哪只股票顺眼就买哪一只。量化策略是什么呢？就是用募到集的钱的总额除以股价看能买多少股。3、接下来是执行模型，执行策略就是：买、买、买！亏了怎么办？叹一口气，拍屁股走人。真正的量化流程应该是什么样的呢？1、投资组合的构建首先有三块基础模型，一个超额收益模型(Alpha Generator)，一个风险模型，一个交易模型。这三大块结合起来构建

41、一个投资组合。这中间我们会不断调整迭代投资组合，直到整体达到最佳结构。投资策略可以是基于假设驱动的，也可以是基于数据驱动的，但一定是要有客观事实来验证你的策略。2、执行模型2.1 回测你设计了一个策略，接下来要执行。首先要做回测。假如你回测的历史是2000开始到2015年底，每天每周或者每月跑一次数据看看效果。你只能用你所测试的那天之前的数据，比如虽然今年是2015年了，但测试2005年的效果你只能用之前而不能用2005年和之后的数据。你看看回测效果，如果效果不错，至少说明这个策略在历史上表现可能还不错，那我们就可以开始下一步。2.2 模拟盘交易你的策略回测表现不错，现在你拿它来做模拟盘交易，

42、看看在现在的市场能不能赚钱。模拟盘交易是不能少的，因为你的策略用历史数据能跑出漂亮的结果，不代表历史上曾经有效的策略现在依然有效。投资策略这种东西也是有保质期的如果还有人跟你说，我的量化用的是*知名的策略模型，请让他快歇歇吧。经常会有人说谁的策略偷偷锁在保险箱里不让别人知道，就是因为一个策略为大众所知道后经常就失效了。举个例子，耶鲁大学养老基金，在九十年代到二十一世纪初期，他们一直比别人赚得多。策略就是大量投资于另类投资，像PE啊，对冲基金。假如今天你拿到他们的模型，回测发现表现不错，你能按他们的模型去投资吗？不过是晚了20年而已！事实是耶鲁大学养老基金是最早密集进行另类投资的机构之一，所以他

43、们能够在别人还没有意识到的时候抢占最优质的资源和机会。但现在普通投资者和投资机构连买都买不进去，因为好坑已经被占了，现在那些优质的基金已经不接受新钱了，所以这个策略现在对你来说是无效的。2.3 实盘交易回测效果不错，并且策略在当前市场上观察了几个月，发现表现也很好，那么就可以考虑真金白银地开始实盘交易了。很少有人会把所有资金一次性都投进去，一般是分期逐步投进去，边投边看效果，这是量化金融投资的一个比较合理的过程。如果你不再拍脑袋投资，而是改看数据分析模型，并且发现了属于自己的有效策略，恭喜你，下来拉些钱开干稳稳赚钱吧。当然了，还要恭喜你，你离一夜暴富又远了一步。6、量化投资利器有哪些？作者：

44、Anbit自由之路，发表时间：2016-3-5；原帖链接：今天又跑去优矿平台上测试策略，最后还是水土不服，对于个性化要求非常极端的情况下，感觉这平台的路还有很长的路要走（也有可能是我很少用，不熟悉平台API导致的偏见）。下面是今天遇到的几个问题。1.开仓使用第二天open price，对于经常使用close price，或者low price，有点忍受不了，相当于拒绝了很多策略，毕竟这点滑点，特别是使用low price，有点不能忍受。2.日线级别计算临界值，日内执行，经常使用的可能是low price，这种策略好像也走不通。3.log好像没法导出，wirte函数一直是覆盖，没找到追加的参数，

45、本人比较喜欢保留一些日志文件，特别是对于不能debug的环境，这硬伤还是有点头疼。以上三点是我简单试用，对平台比较陌生，如果有大牛，请帮忙指出解决方法，谢谢。现在很多平台做众包量化，优矿社区上还是很多帖子值得细细品味，今天也翻了下，这么好题材应该也纳入夜报，做一些开源策略解析优化，顺便学习吸收优秀理念。然后简单地整理下关于策略回测的平台与工具，python大行其道，所以说学好python很重要，不会写也要看得懂，至少不会被忽悠。下面是对目前一些量化入门工具简单介绍，欢迎围观补充。Python核心量化工具：Numpy/Scipy/Matplotlib/Pandas主要量化平台：1.优矿，通联数据

46、的量化平台2.聚宽JoinQuant3.RiceQuant3.掘金量化平台4.恒生电子的量化社区Python API：1.万得2.同花顺iFinD3.QuickFix开源回测系统：1.Zipline2.pyalgotrade3.QuantDigger4.水木社区上的pyctp数据获取：1.TuShare财经数据接口包2.Yahoo Finance的数据3.新浪js服务器上的股票数据4.雪球的json实时数据，cvs日线数据5.搜狐网易6.各种行情软件后天下载工欲善其事，必先利其器，想学量化的或者跟我一样正在入门的，可以使用必应，一个一个了解，挑选适合自己的利器，体验下镰刀的快感。7、量化投资，

47、满仓还是半仓？作者：qs_cn，发表时间：2016-1-28；原帖链接：量化对很多人来说很神秘，的确，它对于很多机构来说是相当复杂的，需要大量的计算能力，大量的数学模型，但是对于我们这种散户呢？量化也这么复杂？我个人认为不是的，有个大神价值趋势派 如下定义量化：1、把自己所有的操作逻辑写下来；2、把自己所有写下来的逻辑梳理成清晰的规则；3、把所有这些规则的内容数字化，排除一切无法数字化的东西。对此我深表赞同，对散户来说，数字化自己的操作就是量化的开始，今天起我想写一个系列“操作前算一算”，就是希望给大家一个范例，在做决定前先算一算，到底你的做法是不是最优化的，或者说是最合理的。数字不会骗人，大家利用各种工具算一算，复杂的EXCEL就够了，简单的计算器就够了，其实量化没有那么难，真的，相信我！下面我来说这个系列的第一个