近些年，量化投資在中國得到了快速的發展，這一點是毋庸置疑的。對於大多數人來說，量化投資是高端的，一般人根本無法瞭解的存在，其實遠遠不是如此，本文主要就是對量化投資的本質以及發展情況做一些簡單的介紹，後期會針對細節部分進行詳述，歡迎關注。

1 什麼是量化投資？

說到量化投資，很多人都會想到阿爾法、貝塔、方差、均值這些傳統的數學概念，聽起來雲裡霧裡，因為要理解這些概念需要具備一定的基礎，而本人以前主要學習統計，在理解這些概念的時候並沒有太大問題。但個人認為目前市面上的人正是通過這種複雜的數學概念將量化投資本身複雜化，而給量化投資蒙上了一層面紗。其實揭開面紗，量化投資並沒有那麼神秘。

在說量化投資的基本概念之前，我要旗幟鮮明的反對那些將量化投資神話或者是無用化的言論，因為這不符合基本的事實。也希望投資者不要對量化投資過於恐懼，勇於去了解其缺點和優點，揚長避短。

百度百科上對量化投資的定義是“量化投資是指通過數量化方式及計算機程序化發出買賣指令，以獲取穩定收益為目的的交易方式”。其實這個定義並不準確，量化投資本質是投資，量化是手段，以量化的方式來投資才是量化投資的本質所在。

其實投資就是一個簡單的過程，投資的結果是Y，而投資的邏輯是F(x)，X是信息，而一些不以人的意志為轉移的一些黑天鵝、波動等可以統稱為西格瑪。對於非量化的投資者來說，X是沒有經過量化處理的信息，F(x)則是黑箱，有時候投資者自己也不知道其邏輯所在，很多人稱之為“直覺”，或許有些投資者會有一些基本的投資原則，但是如何利用這些投資原則需要投資者本身就像操作，具有不確定性和不可複製性。但量化投資將X數量化，而投資邏輯F(x)是透明化、規範化、標準化，因此其結果變得可預期、可衡量、可複製

。不管我們日常所看到的什麼阿爾法中性策略、指數增強策略、CTA策略，還是多因子模型等等，都無法跳脫這個框架。

有的人將程序化交易與量化投資劃為等號，我認為這是非常不合適的，因為程序化交易只是一種量化交易的深化而已。正因為計算機的發明，量化投資部分演變成了程序化交易，而在計算機沒有發明之前，量化投資同樣存在。計算機的發明是量化投資得到廣泛應用的一個重要標誌，因為計算機的發明使得標準化的量化投資方法可以迅速的複製和運轉，從而提高了獲取收益的效率，而在計算機沒有發明之前，大量的數據需要依靠人力來計算，要麼是操作上有困難，要麼是根本來不及適應瞬息萬變的市場。

2 量化投資的優缺點

量化投資首先是一種投資行為，其次才是量化，這二者之間的邏輯關係要搞清楚，不要以為量化投資就是萬能的，顯然不是如此。任何事物都有其正反面的存在，量化投資也是如此。要想真的理解並利用量化投資來幫助自己，就要先搞清楚到底優缺點在哪，適用性如何？

1)優點

量化投資的優點主要體現在兩個方面，

一個是速度，一個是可複製性。

速度包括兩個方面，一方面是計算機帶來的處理速度，這就使得量化投資可以同時處理大量的數據，將投資人從簡單重複的活動種解放出來，專心致志的研究投資邏輯的問題，同時，高速的處理速度也拓展了投資人的投資範圍，獲取更多的投資機會；另一方面是計算機的反應速度，快速的反應可以讓投資者先人一步，快速搶購籌碼或者快速止損，從而增加收益或者是減少損失。

可複製性的優點在於同樣的一個框架或者模型一旦確定以後，可以同時被很多人一起使用，或者說可以同時容納巨量的資金。一旦某一人研發出一套量化系統，就可以迅速擴大戰果，不需要受到精力的限制。

有些人認為量化投資的另一個優點是紀律性，其實量化投資在這方面的優勢是非常少的，因為量化投資背後是人，人性是很難控制的。當一個量化投資基金經理的虧損30%,他還能夠堅持自己的原則嗎？這不是量化投資能夠解決的問題，最終還沒靠量化投資的掌控人來實際解決。

有些人認為量化投資的優點還在於分散性，因為投資範圍廣，從而可以從更廣的範圍內選擇股票，進而分散風險。這又是一個偽命題，非量化基金同樣可以通過刻意的選擇來達到這個目標。

還有些人認為量化投資的優點在於系統性，這又是一個偽命題，是否系統性取決於量化投資的FX，也就是投資邏輯。非量化投資同樣可以具有非常系統性的邏輯，這不是量化投資本身所帶來的優點。

2）缺點

量化投資的缺點也很明顯，主要是兩個方面：FX的不確定性以及同質化。

對於量化投資來說，最重要的莫過於FX這個投資邏輯，一旦邏輯錯誤，很有可能就會錯誤，而計算機的快速執行和反應的優點就會成為缺點，會將錯誤迅速擴大。由於量化投資主要依據的是過去的歷史信息，從統計學的角度來從事大概率時間。

可是統計學需要關注兩個問題，一個是構建模型所依據的樣本大小，另一個是概率。如果樣本太少，那麼這個確定的模型有效性將會大大降低。建設過去40年，30年的週期內股票市場是上漲的，因此股票上漲的概率是75%，非常高，但是由於樣本量太少，依據這樣的數據建立起的模型不具有可靠性。而現實中，具有高樣本高概率的事件收益率可能並不高，因為這種機會早就被套利者所發現，有無數的競爭者，這就回到量化投資的第二個缺點。

由於量化投資的模型是標準化，可以廣泛的複製，一旦發現一些高樣本高概率的事件可以獲利，那麼就會快速吸引大量的投資者。這樣以來，市場的競爭者就會削弱利潤的空間，更為糟糕的是，很多投資者會設計反向策略來對付投資者，模型就會失效，這種高概率的時間可能以後就不會再是高概率事件。

除此之外，還有一些小缺點，比如說某些因素並不能夠被量化，或者可以說很難採取一些足夠好的方法來量化，卻是判斷投資的重要因素，這時候模型的建立就會面臨較大的挑戰。

簡單介紹到這裡，後續會繼續介紹量化投資的種類、量化投資與市場有效性以及各種策略的優缺點、如何評估等等，歡迎關注。