终于有人把量化投资讲明白了.docxVIP

最终有人把量化投资讲明白了 Python爬虫与数据挖掘 1970-01-01 以下文章来源于大数据DT ，作者赵志强 刘志伟 HYPERLINK 大数据DT . 供应大数据、AI等领域干货学习资源的「宝藏号」，跟50万技术人共同成长，一起玩转大数据、Python、数据分析、数据科学、人工智能！还会有各种好玩又奇葩的数据解读，边学习边吃瓜！ 点击上方“Python爬虫与数据挖掘”，进行关注 回复“书籍”即可获赠Python从入门到进阶共10本电子书 今 日 鸡 汤 入我相思门，知我相思苦 导读：股市起崎岖伏，“基金”成为了热搜的常驻嘉宾，你上车了吗？翻车了吗？今日我们也蹭一下这个热度，聊聊量化投资。 作者：赵志强 刘志伟 来源：大数据DT（ID：hzdashuju） 01 量化投资基本概念 量化投资并没有一个精确的定义，广义上可以认为，凡是借助于数学模型和计算机实现的投资方法都可以称为量化投资。 目前，国内比较常见的量化投资方法包括股票多因子策略（阿尔法）、期货CTA策略、套利策略和高频买卖策略等。 量化投资在2021年之前还是格外小众的领域，后来随着沪深300指数期货的消灭，量化投资的基金开头消灭井喷现象。无论是中长线CTA策略，还是高频买卖策略或股票阿尔法策略，都取得了格外好的业绩。 2021年到2021年是量化投资的红利期，各类量化投资策略都赚取了足够多利润。利润是最好的广告，很多人都开头关注量化投资，量化投资基金的规模因而开头快速增长。 也正是这种“高利润”，导致了大家对量化投资存在大量的误会。比如，2021年的“股灾”，很多人认为股指上的高频买卖起到了推波助澜的作用，是股灾的首恶。之后，中金所做出的一系列动作，如对股指限制买卖频率、提高买卖手续费等，很大程度上就是为了限制高频买卖。 股指被限，导致量化投资行业的利润大幅下滑，于是量化投资进入了寒冬期。然而，实际上股指是被冤枉的，清华高校五道口金融学院也撰写了争辩报告来论证股指并不是股灾的缘由。 由于误会的连续存在，因而股指在短期内是无法恢复到股灾以前的水平的。量化投资行业由于其格外依靠股指的特性，业绩消灭大幅的下滑，很多策略也开头相继失效。 策略的失效，业绩的下滑，让很多人开头反思，量化并不是一切，并不能处理全部的问题。量化投资本身也是具有很大局限性的。 所以需要换一个思路，我们不肯定要靠纯粹的所谓“量化”来做投资，量化只是一种手段，目的还是为了提升投资业绩。换句话说，我们并不肯定要成为专业的量化从业人员，才能使用量化的方法。 任何投资经理，包括大量传统的基本面分析师，都可以使用量化的手段来帮忙提升投资争辩效率和业绩。本文的初衷就是期望传统的投资从业人员也能从量化的思路中获得助益。 量化，并不是谁的专利，人人都可以学习。 02 量化投资的特征 严格来说，量化投资与客观投资并不是非黑即白的关系。传统的客观投资经理查看财报，依据财务数据做投资决策，这算不算量化分析？既然进行了数据分析，客观投资当然也算是一种量化分析。那么，量化投资与客观投资的区分到底在哪里呢？ 它们的区分并没有那么泾渭分明。每一个投资者，或多或少都用到了客观或者量化的方法。投资者在收集信息、拟定决策的时候，有两种不同的倾向，一种是感知的、直觉的，另一种是规律的、量化的。这样就分为了四个维度，具体如下。 直觉接收，直觉决策。比如，阅读旧事，感知投资者心情进行决策。 直觉接收，量化决策。比如，抓取网络文本，建立模型进行投资决策。 量化接收，直觉决策。比如，争辩财报数据，依据直觉阅历进行投资决策。 量化接收，量化决策。比如，通过统计分析，建立多因子模型，进行投资决策。 上述四个维度的划分如图1-1所示。 ▲图 1-1 量化投资策略的最大特点是其具有一套基于数据的完整买卖规章。在投资决策的任何一个环节中，必需要有一套完全客观的量化标准，比如，A股票的横目标达到多少的阈值时，我们才打算开仓，每次开仓要买多少手。 这种规定必需是独一客观的，不允许有不同的解释。当然，这些规定可以通过争辩和客观推断来进行修改，但是一旦确定，就需要严格恪守。 03 量化投资的优势 量化投资的优势可以总结为三个词：客观性、大数据、响应快，具体说明如下。 1. 客观性 量化投资一般通过回测来证明或者证伪策略的历史有效性，而且在进行实盘买卖的时候，很多都是通过程序化买卖自动下单的，这能在很大程度上保证决策的客观性，受人为心情等因素的干扰较少。 2. 大数据 量化投资在争辩或者决策中，通常会引入大量的数据来进行分析。比如股票，只需要一套代码，就可以同时分析全市场3600多支股票。这种大数据的分析效率在传统投研方法中是做不到的（当然，不行否认的是，传统投研对公司基本面的争辩是更深化的）。 3. 响应快 由于是用计算机进行自动分析，所以分