量化投资
大数据金融系列课程
CONTENTS
第一节
量化投资概述
第二节
量化投资建模策略
第三节
量化投资实训练习
目 录
学习目标
掌握量化投资的定义，了解量
化投资发展历程
了解量化投资的特点及优缺点、
分类、风险控制
掌握量化投资的建模策略
量化投资概述
第一节
CONTENTS
04
量化投资的分类
02
量化投资兴起与发展
03
量化投资的特点及优缺点
目 录
01
量化投资的定义
05
量化投资的风险控制
量化投资的定义
量化投资的定义
       量化投资是一种借助现代金融学，以数量化统计分析工具为核心、以程序化交易为手
段的交易方式，力求取得稳定的、可持续的、高于平均的超额回报。
       投资者的投资理念是量化投资模型的核心，计算机软件、硬件技术、数学模型等是实
现量化投资的必要工具，两者相辅相成，缺一不可。
理论基础
数学建模
投资理念
程序化交易
量化投资的兴起
与发展
国外量化投资的兴起与发展
凯利公式
Claude Elwood Shannon
NOW
1970年代华尔街的
第一只量化交易对
冲基金
Edward Thorp
统计套利
Gerry Bamberger
资产定价模型
Eugene Fama
过去曾用来破译密码的复杂数
学能帮助解读世界经济模式
James Simons
过去20年，量化投资占
全美投资的30%
......
我国量化投资的兴起与发展
该阶段，我国金融工具品种较少；
2004年8月，光大保德信发行“光大保德 信量化股票”基金，我国才出现了首
只涉及量化投资的基金产品；
这个阶段量化投资几乎都应用在公募基金中，包括光大保德信量化股票、上投
摩根阿尔法、嘉实量化阿尔法基金等都应用了量化投资技术；
2010年４月，沪深300股指期货在中金所上市交易，股指期货的上市为股票投
资提供了对冲工具，为今后我国量化投资的发展奠定了基础。
起步阶段
2010年之前
我国量化投资的发展与兴起
公募和私募都发行了大量的量化策略基金；
大批华尔街优秀量化投资人才归国发展，他们将国外先进量化技术引入国内市场，
并大规模地发行了量化股票型基金；
ETF套利策略发展最为迅速，甚至有基金凭借ETF高频套利技术实现了“零回撤”的
奇迹 。
成长阶段
2010——2014年
我国量化投资的发展与兴起
2014年中国证券投资基金业协会推出私募基金管理人和私募基金产品登记备案
制度；
2014——2015年是我国量化对冲产品增长最迅猛的时期，一些私募机构的管
理规模迅速达到百亿级；
金融工具的进一步扩充。2015年2月，上证50ETF期权正式推出 ；同年４月，
推出上证50与中证500两个股指期货新品种。
爆发阶段
2014年至今
量化投资的特点
及优缺点
量化投资的特点
系统性
量化
投资
具
体
表
现
为
多
层
次
、
多
角
度
、
多
数
据
套利思想
量
化
投
资
正
是
在
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
概率取胜
不
断
的
从
历
史
中
挖
掘
有
望
在
未
来
重
复
的
历
史
规
律
并
且
加
以
利
用
；
依
靠
一
组
股
票
取
胜
，
而
不
是
一
个
或
几
个
股
票
取
胜
纪律性
所有的决策都是依据模型做出的
量化投资与传统投资的区别
量化投资
传统投资
VS
代表人物：James Simons
华尔街最负盛名的量化投资人，旗下的“大奖章
基金”在过去20多年中平均年回报率超过35%。
代表人物：Warren E.Buffett
依据模型
海量数据以及多层次多方面的因素
（定量分析）
在风险最小化前提下实
现收益最大化
依据人的经验与判断
基本面及宏观经济
（定性分析）
风险考虑不周全
与
传
统
投
资
的
比
较
量化投资的优缺点
量化投资的优势体现在它与人为投资的对比，一个正常的个人或者机构投资者
，在实际的投资中，都一定会有情绪波动，而情绪的波动，有可能导致不理性
的行为，从而有很大概率导致决策上的失误，并最终导致亏损，这就是量化投
资的纪律性。
人的精力是有限的，一个投资者不可能及时的将目前市场上已有的动态和信息
消化吸收掉，这样对于个人投资者或机构投资者来说就会错过很多投资机会。
程序化就可以解决上述的大部分问题，因为机器是可以长时间保持高效运行的
，并且处理每条信息都是客观准确的，这也就是量化投资的及时性和客观性。
优点
量化投资的优缺点
量化投资所执行的策略都是由投资者提前制定好的，这就意味着如果此时的市
场风格发生了变化， 那么程序化交易是不会识别的，并且会继续按照原有的策
略执行下去，并且该策略可能在目前的市场状态下已经不能够获得有效收益了
，而投资者此时可能也没有意识到市场风格的转变。因此，量化投资本身的纪
律性优势可能在此时的情况下就成为了一定的缺 陷。
除此之外，上述也体现了量化投资另一个缺陷，即执行，虽然程序化交易是纪
律性的，但是操纵程序化交易的投资者不一定能够放任程序化自主交易下去，
尤其是在上述市场风格发生转变的时候，极大的可能会人为干预。这样，其实
就 是大大降低了量化投资的效果，并且这也是量化投资的第二个明显的缺陷。
缺点
量化投资的
分类
量化投资的分类
根据投资的市场标的不同，例如股票市场中，可
以通过识别公司的财务报表中的某项数据或者是
股票的每个技术指标数据来确定该只股票的买点；
在期货市场中，主要也同样是研究某个期货品种
的技术指标数据来确认该品种的买卖点，但和股
票市场 有一点不同，期货市场运用更多的是对
冲策略，常见的对冲策略有买强抛弱，即同一个
产品在不同的市场上的表现强弱来进行买卖
量化投资的分类
按照投资者买卖的频繁度和速度，可以将量化策略分成高频与非高频两种。 高频策略就
是利用计算机速度，高速的识别信息，再利用科技的优势，在很短的 时间内交易，并且
一天中这样类似的交易会非常的多。而一些每周甚至每月才换 一次仓的量化投资策略，
这样的策略就属于非高频交易
 按照策略信号分类，就有多因子策略或者单因子策略这样的典型代表，一个是根据多种
指标进行打分排序，找出最好的那几只股票，而单因子只需要对一种指标进行打分，找
出最好的那几只就行了，然后将选出来最好得那几只买入持有即可。
量化投资的风
险控制
量化投资的风险控制
策略
模型
风险
模
型
失
效
风
险
、
策
略
合
规
风
险
、
策
略
同
质
性
风
险
操作
风险
技
术
风
险
、
策
略
应
用
风
险
策略模型风险
模型失效风险
        量化投资的灵魂是其策略模型，但策略模型研发的基础往往是市场历史数据，其前提假设是历史大
概率会重复。在正常的市场环境中，由于投资者行为的可重复性，根据历史数据总结出的模式往往会重
复，但一旦市场环境因外部因素而发生改变，如交易规则、宏观环境、政策导向的改变等，原有的模式
可能会被破坏，策略也会失效。
向回测里的“印钞机策略”泼卸妆水！
未来函数：小心一条45°向上的直线
策略模型风险
策略合规风险
       任何投资行为都必须在监管规则的要求下进行，量化投资也不例外。由于我国量化投资仍处于初级
阶段，一些投资者利用监管规则的漏洞编写投资策略进行非法获利。例如在股市波动期间，伊士顿利用
其研发的高频交易策略操纵市场价格，对股市的下跌推波助澜，非法获利。随着我国监管水平的不断提
高、监管规则的不断完善，此类违法违规交易行为必将受到严厉的打击。
策略同质性风险
        量化策略存在“不可能三角”，即策略收益，策略风险及策略容量三者无法兼得。当某—策略模型
为全市场所认知并大规模应用时，该策略的收益或风险就无法达到预期。
操作风险
技术风险
       量化投资对计算机硬件设备和软件技术依赖程度很高。硬件和软件的故障都有可能给量化投资带来
致命性的影响。实践中对硬件的风险认识往往比较清楚，绝大多数投资机构都采取了各类措施应对硬件
的故障，如冗余备份、异地备份及服务器托管等，但软件风险往往被人们忽视。量化投资相关软件往往
比较精细，软件设计中的一个小缺陷就可能导致量化策略的失效，甚至引发更加恶劣的风险事件
策略应用风险
       在量化投资实践中，一些投资机构为获取更多的超额收益，可能会主动选择一些更加激进的策略，
而放弃稳定的策略。此外，有些投资者本身对模型的特性不熟悉，配置了错误的参数或者操作失误，都
有可能引发交易风险事件。投资机构应当设立适当的投资目标，并在目标框架下选用匹配风险承受能力
的策略模型，同时风控部门也需要严密监控各类模型的使用是否超限。
谢谢！