什么是量化交易？
核心要点
量化投资主要依靠数据和模型来寻找投资标的和投资策略
量化投资的优势包括纪律性、系统性、及时性、分散化等
量化投资的不足包括样本误差和样本偏差、策略共振、错误归因、黑箱等
概念详解
近年来，量化投资日益兴起，成为越来越受欢迎的投资策略之一。那么，什么是量化投资呢？简单来说，量化投资就是利用计算机技术并采用一定的数学模型，去实现投资理念和投资策略的过程。
传统的投资方法主要包括基本面分析法和技术分析法，而量化投资则主要依靠数据和模型来寻找投资标的，确定投资策略。
量化投资不是靠个人感觉来管理资产，而是将适当的投资思想、投资经验反映在量化模型中，并利用计算机处理大量信息，总结归纳市场的规律，建立可以重复使用并反复优化的投资策略，并指导投资决策过程。
在应用方面，量化投资几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、资产配置、风险控制等。
量化投资的优势
相对传统投资方法，量化投资既有优势，又有不足之处。其中量化投资的优势主要包括以下几点。
（1）纪律性
传统投资很大程度上会受到诸如贪婪、恐惧等人的情绪的影响，有时候很难保证交易执行的纪律。
而量化投资一般会严格执行量化投资模型所给出的投资指令，而不会随着投资者情绪的变化而随意更改，因而有着相对严格的交易纪律。
（2）系统性
量化投资的系统性特征主要包括多层次的量化模型、多角度的观察及海量数据处理等。
多层次模型主要包括大类资产配置模型、行业选择模型、精选个股模型等。
多角度观察主要包括对宏观周期、市场结构、企业估值、成长性和盈利质量、市场情绪等多个角度的分析。
海量数据处理是指量化投资能通过计算机获得远超人脑的数据和信息处理能力，进而捕捉更多的投资机会。
（3）及时性
量化投资能及时快速地跟踪市场变化，不断发现能够提供超额收益的新的统计模型，寻找新的交易机会。量化投资正是在不断寻找估值洼地，通过全面、系统性的扫描，捕捉错误定价、错误估值带来的机会。
（4）分散化
量化投资的分散化，也可以说是靠概率取胜。这表现为两个方面：一是量化投资从历史数据中发现规律，这些历史规律多是过去有较大概率获胜的策略；二是依靠筛选出股票组合来取胜，而不是一只或几只股票取胜，从投资组合理念来看也是捕获大概率获胜的股票，而不是押宝到单个股票上。
量化投资的不足
说完量化投资的优势，以下列举几个量化投资的不足。
（1）样本误差和样本偏差
很多量化投资策略非常依赖历史数据，但是历史数据可能缺乏足够的多样性和足够长时间的积累，因此样本取样可能因为数量过少而出现误差，或者因为取样非随机而出现偏差。在此基础上取得的相关性规律，一旦离开样本范围就可能失效，从而失去参考性。
（2）策略共振
许多量化策略，和技术分析策略相似，一旦某个策略被证明有效，随着使用者增加，策略共振之下，它的有效性就减弱。
（3）错误归因
在应用比较广泛的的多因子量化策略中，是从数据的结果来反推原因，只要构建足够多的因子，就很可能实现某个特定的已知结果。
然而，当基于这个多因子组合构建的量化策略，用于实际交易的时候，可能会因为错误归因的原因而失效。因为从结果来倒退原因，无法准确区别哪些是偶然因素，那些是决定性的因果因素。
（4）黑箱
各种量化策略，包括高频、对冲或套利等，往往都没有内在因果关系，其策略的有效性大多建立在历史数据的强相关性上。策略的逻辑在于，根据历史数据，如果55%或更大概率是有效的，那么只要重复数据足够多，胜算就会积累。
但是只有相关性，不了解内在因果关系，投资者就无法预知，在什么情况下，历史无法指导未来。就像一只火鸡，主人每天都来喂食，但最后一天却是来杀死它。
核心要点
量化投资主要依靠数据和模型来寻找投资标的和投资策略
量化投资的优势包括纪律性、系统性、及时性、分散化等
量化投资的不足包括样本误差和样本偏差、策略共振、错误归因、黑箱等
概念详解
近年来，量化投资日益兴起，成为越来越受欢迎的投资策略之一。那么，什么是量化投资呢？简单来说，量化投资就是利用计算机技术并采用一定的数学模型，去实现投资理念和投资策略的过程。
传统的投资方法主要包括基本面分析法和技术分析法，而量化投资则主要依靠数据和模型来寻找投资标的，确定投资策略。
量化投资不是靠个人感觉来管理资产，而是将适当的投资思想、投资经验反映在量化模型中，并利用计算机处理大量信息，总结归纳市场的规律，建立可以重复使用并反复优化的投资策略，并指导投资决策过程。
在应用方面，量化投资几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、资产配置、风险控制等。
量化投资的优势
相对传统投资方法，量化投资既有优势，又有不足之处。其中量化投资的优势主要包括以下几点。
（1）纪律性
传统投资很大程度上会受到诸如贪婪、恐惧等人的情绪的影响，有时候很难保证交易执行的纪律。
而量化投资一般会严格执行量化投资模型所给出的投资指令，而不会随着投资者情绪的变化而随意更改，因而有着相对严格的交易纪律。
（2）系统性
量化投资的系统性特征主要包括多层次的量化模型、多角度的观察及海量数据处理等。
多层次模型主要包括大类资产配置模型、行业选择模型、精选个股模型等。
多角度观察主要包括对宏观周期、市场结构、企业估值、成长性和盈利质量、市场情绪等多个角度的分析。
海量数据处理是指量化投资能通过计算机获得远超人脑的数据和信息处理能力，进而捕捉更多的投资机会。
（3）及时性
量化投资能及时快速地跟踪市场变化，不断发现能够提供超额收益的新的统计模型，寻找新的交易机会。量化投资正是在不断寻找估值洼地，通过全面、系统性的扫描，捕捉错误定价、错误估值带来的机会。
（4）分散化
量化投资的分散化，也可以说是靠概率取胜。这表现为两个方面：一是量化投资从历史数据中发现规律，这些历史规律多是过去有较大概率获胜的策略；二是依靠筛选出股票组合来取胜，而不是一只或几只股票取胜，从投资组合理念来看也是捕获大概率获胜的股票，而不是押宝到单个股票上。
量化投资的不足
说完量化投资的优势，以下列举几个量化投资的不足。
（1）样本误差和样本偏差
很多量化投资策略非常依赖历史数据，但是历史数据可能缺乏足够的多样性和足够长时间的积累，因此样本取样可能因为数量过少而出现误差，或者因为取样非随机而出现偏差。在此基础上取得的相关性规律，一旦离开样本范围就可能失效，从而失去参考性。
（2）策略共振
许多量化策略，和技术分析策略相似，一旦某个策略被证明有效，随着使用者增加，策略共振之下，它的有效性就减弱。
（3）错误归因
在应用比较广泛的的多因子量化策略中，是从数据的结果来反推原因，只要构建足够多的因子，就很可能实现某个特定的已知结果。
然而，当基于这个多因子组合构建的量化策略，用于实际交易的时候，可能会因为错误归因的原因而失效。因为从结果来倒退原因，无法准确区别哪些是偶然因素，那些是决定性的因果因素。
（4）黑箱
各种量化策略，包括高频、对冲或套利等，往往都没有内在因果关系，其策略的有效性大多建立在历史数据的强相关性上。策略的逻辑在于，根据历史数据，如果55%或更大概率是有效的，那么只要重复数据足够多，胜算就会积累。
但是只有相关性，不了解内在因果关系，投资者就无法预知，在什么情况下，历史无法指导未来。就像一只火鸡，主人每天都来喂食，但最后一天却是来杀死它。
