公募看量化投资：并非稳赚不赔 加强监管正当其时
今天我从产品和策略的角度，跟大家分享量化投资的历史、现状以及未来。主要从两个维度来阐释：第一个是国内跟国外的对比，第二是策略的角度，主要是量化权益和量化系统。
量化投资发韧于学术先驱，并由一些行业先驱发扬光大。基本上公认是1900年法国数学家Louis Bachelier开启量化这个行业。不管是国内还是海外，我们说到量化权益，多因子选股是最主要的一种策略，其中包括量化多头，股票多空市场中性和股票多空统计套利。其中区别是什么？后两者主要是交易频率上的差异。股票多空市场中性是传统意义上的，交易频率很多时候从周到月都有可能，统计套利则是高频的。
从市场容量看，在美国市场，大概有20%左右的共同基金挂着量化的名头。美国共同基金的总规模大约是25万亿美元，量化基金的市场容量非常惊人。
在国内，2004年出现了第一只涉足量化领域的公募基金，2007年、2008年有很多海归陆续回国以后加入公募基金，多因子选股逐渐在国内出现。2010年，股指期货上市，国内开始研究股指期货的实际应用。2012年到2015年9月，中性策略大爆发，大家知道量化选股做了以后可以做股指期货，获得Alpha收益。
量化权益同样也是以多因子选股为核心，国内的情况是我们能做的只有多头和市场中性。市场中性有一段时间不太能多做，除非一些特定情况，否则现在做得很少。目前，国内量化公募基金是90只，指数增强是43只，总共估计有1500亿的规模。相比而言，公募量化产品的占比还是非常小的。
然后我们看一下CTA，这个词是1974年提出的。以前一直有一个问题说为什么把Commodity放在前面？在五六十年代，很多人开始交易期货的时候，因为没有别的金融期货有的就是商品期货，那个时候就把Commodity这个词留下来了。后来美国也好，其他地方也好这个股指越来越多。到今天为止，我们现在可以看到国外做得非常大的一些管理期货，历史都非常悠久，实际上现在也参与商品期货、国债期货等流动性优良期货的交易。
国内的情况是，2010年4月份到2015年9月份，趋势明显，CTA策略表现亮眼。我们每次说到量化，很多人想到量化就是权益市场的量化投资，为什么？因为量化权益产品最多，CTA这个策略2011年进入中国市场以后，那个时候募不到资金，现在一票难求，很容易发五六十亿的规模。2015年9月份以后可以看到一大批人出来做CTA，所以现在市场上说到CTA基本上就是2015年开始的，正好赶上2016年这一波CTA牛市。但2016年年底以来，商品期货出现不规则波动，市场上大多数CTA产品回撤较大。
最后说一下量化投资的未来。我认为存在即合理，我们做投资，如何判断某个东西是不是合理？唯一的就是看这个东西是否能长期存在，给投资者带来利益。怎么知道我今天能不能给投资人一个长期回报？这里有有效性的问题。基本上有效性差的策略就不会好。量化投资在国外是机构为主，机构化程度高会让市场有效性高，在国外哪个策略有效一点，机构马上进来抢掉了，获得Alpha收益不容易。国内还是以散户为主，一些国内机构操作跟散户没有什么区别，所以有效性非常低，国内量化环境相对海外是二三十年前的水平，所以这个路还是非常宽广，潜力巨大。
最后谈谈现状，一个是国内量化投资的小盘效应，从2008年一路上行到2016年，目前处于回撤中。有观点称，国内从今以后小盘效应大概没有了，不要再想小盘效应策略了。我的看法第一点是任何策略都会有回测。我们对比美国的小盘效应走势，1973年开始到1983年也几乎是一条斜率稳定向上的直线，从1983年到2000年，17年的时间美国小盘止步不前以及回撤，这17年收益很一般。但是谁又想得到从2000年这个低点又有一个那么好的趋势，而最近这几年又没有怎么赚钱呢？还是回到刚才说的话，国内现在我相信还是在这段趋势里面，但是继续往后走，再过十年二十年，我们这个社会投资环境肯定像美国一样，有Alpha收益很难获得，大家要拼命去获得。接下来十年、二十年的话，国内量化环境还是非常好的，前面的路还是非常宽阔的。
（中国基金报记者 李湉湉 整理）
量化投资“扰乱市场”、“收割散户”？交易所出手了！
量化投资是一种基于数学模型的投资策略，通过对大量历史数据的分析，挖掘潜在的投资机会。本文将介绍量化投资的概念、原理、应用领域以及当前主要的量化投资模式。
一、量化投资概念
量化投资（Quantitative Investment）是指利用计算机技术和数学模型，对金融市场的数据进行分析和预测，从而实现投资决策的自动化和智能化。量化投资的核心理念是“通过数学的方法来追求长期的稳定收益”。
二、量化投资的原理
数据收集与处理
量化投资的基础是大量的历史数据。投资者需要收集各种金融数据，如股票价格、交易量、宏观经济指标等，并对这些数据进行清洗、整理和存储。此外，还需要开发数据处理和分析的工具，以便快速准确地提取有用的信息。
策略构建
量化投资的策略构建是一个复杂的过程，需要运用统计学、概率论、机器学习等多学科知识。投资者首先需要确定一个或多个目标，如收益率、风险等，然后选择合适的数学模型来描述市场行为。接下来，需要对模型进行参数估计和优化，以提高策略的准确性和稳定性。最后，需要对策略进行回测和风险管理，以确保其在实际应用中的有效性和可行性。
交易执行
量化投资的交易执行通常依赖于计算机程序和高频交易系统。投资者需要设计并实现一个自动交易系统，该系统可以根据预定的策略自动下单、撤单和调整仓位。此外，还需要与交易所和其他金融机构建立合作关系，以确保交易的顺利进行。
三、量化投资的应用领域
股票市场
量化投资在股票市场的应用非常广泛，包括股票筛选、投资组合优化、风险管理等方面。例如，投资者可以通过技术分析和基本面分析来筛选具有潜力的股票，并通过量化模型来确定投资组合的配置比例。此外，还可以利用量化模型来进行风险管理，如止损止盈、资金管理等。市场上已经有不少机构的量化公私募股票基金，这些基金都是基于自有的量化模型。
期货市场
期货市场是一个高度杠杆化和高波动性的市场，适合采用量化投资策略。投资者可以利用量化模型来进行期货交易的预测和决策，如趋势跟踪、套利策略等。此外，还可以利用量化模型来进行风险管理，如止损止盈、资金管理等。
债券市场
债券市场是一个相对稳健的市场，但仍然存在一定的风险。投资者可以利用量化模型来进行债券的选择和配置，以实现稳定的收益。此外，还可以利用量化模型来进行利率风险管理、信用风险管理等。
外汇市场
外汇市场是一个全球性的金融市场，具有较高的流动性和波动性。投资者可以利用量化模型来进行汇率预测和外汇交易的决策，如趋势跟踪、套利策略等。此外，还可以利用量化模型来进行风险管理，如止损止盈、资金管理等。
四、当前主要的量化投资模式
趋势跟踪策略
趋势跟踪策略是一种基于历史价格数据来判断未来价格走势的策略。投资者通过分析价格图表，发现并跟随市场的主导趋势进行交易。这种策略的优点是简单易行，但对市场的判断能力要求较高。
套利策略
套利策略是一种利用市场价格差异来实现无风险收益的策略。投资者通过分析不同市场或不同金融产品的价格差异，进行买入低价资产并卖出高价资产的操作。这种策略的优点是风险较低，但需要较高的专业知识和技能。
机器学习策略
机器学习策略是一种利用大数据和机器学习算法来提高策略准确性的策略。投资者通过收集大量的历史数据，并使用机器学习算法对这些数据进行建模和预测。这种策略的优点是能够处理复杂和非线性的市场现象，但计算量较大，且需要不断优化模型参数。
量化投资是一种基于数学方法的投资策略，核心是有价值的数据、强大的算力和极快的网络数据交换，通过数据收集与处理、策略构建和交易执行，来达到投资的目的和效果。量化投资当前在不同的市场采用的策略也不同。在A股市场，量化投资当前受到了投资者的非议和监管机构的关注。有分析认为，高频量化存在事实上的融券不对等、T0操作，有操纵股价嫌疑。
相信随着制度的完善、科技的发展和金融市场的变化，量化投资将继续发挥重要作用。
