私募证券投资基金出圈了

       据中国证券投资基金业协会最新公布的统计数据显示，截至11月末，市场中私募证券投资基金产品数量达7.49万只，存续规模升至6.1万亿元，较去年末大幅增加61.8%，创下历史新高。

       从增量数据来看，同花顺iFinD数据显示，今年以来，截至12月27日，新成立私募证券投资基金产品3.57万只，合计发行1423.52亿元，两项数值较2020年和2019年同期分别增长55%、13%和157%、89%。

       对于私募证券投资基金行业的整体规模出现大幅增长，星石投资副总经理、首席研究官方磊告诉《金融时报》记者，居民财富持续向证券市场转移是重要原因。“在‘房住不炒’总基调下，国内居民资产逐渐向资本市场转移，资管新规过渡期将于2021年年底结束，银行普通理财产品吸引力有所下降，而证券类基金的赚钱效应相对更强，投资基金已经深得人心。同时，由于证券私募基金管理人与投资者的利益更为一致，更加专注于为投资者获取超额收益，也有助于管理规模的扩张。”方磊表示。

       值得注意的是，在行业实现迅速发展的背景下，百亿元级私募阵营不断扩容，头部效应已然显现。据私募排排网数据显示，截至12月10日，国内证券类百亿元规模私募基金数量增至101家。在这101家私募证券投资基金中，有业绩展示的私募管理人为85家，截至11月末，年内平均收益率为13.86%，高于私募证券投资基金行业整体11.62%的平均收益率，是同期公募基金平均收益率的两倍多。

       金樟投资研究员关晓敏对《金融时报》记者表示，私募证券投资基金的投资范围涉及市场上可投的几乎所有资产，策略种类丰富，满足多样化需求，投资方式也更加灵活。而公募基金的结构和规模会对其运作产生一定限制，例如只能投大盘股、中盘股或者特定行业。除了传统资产以外，私募证券投资基金还可投资于期货、期权等各种衍生品，可使用的手段也较多，如场外期权、融券等来达到增厚收益或降低成本的目的。

       私募排排网数据显示，在上述百亿元级私募产品中，有八成在1月至11月期间取得正收益，22家收益率超过20%，两家收益超过50%，最高收益率超过80%。此外，据星石投资统计，截至12月10日，50亿元以上、10-50亿元、10亿元以下的股票策略类私募基金近一年的收益率中位数分别为21.76%、17.6%和10.96%。

       在方磊看来，随着证券类私募基金行业的不断发展，基金业绩分化较为明显，投资者在挑选私募基金时普遍会对成立时间、管理规模和管理规范性进行综合考虑。因此，长期业绩优秀、风险控制能力较强的私募基金管理人会获得青睐。

来源：金融时报

什么是量化策略

　　量化策略是指整个交易过程完全实现为计算机程序，从数据接收、处理到交易执行都是由计算机程序自动完成。

　　为了开发这样的量化策略，预先需要收集一定量的数据，并在其基础上建立一套基于数字的处理决策模型，通常把这一过程叫做量化策略的研究；策略研究好后，就要实现它，让它活起来。

从人工智能的角度来看：

量化策略就是一个能坚定地执行你的交易思路的智能机器人，它会替代你去时刻监视行情变化，完成烦琐的交易动作。

其他细节方面：面对市场固有的不确定性，一些交易技巧其实也很重要

仓位管理：根据资金情况和行情决定每次的下单量，下单过程如何逐渐降低总体成本，增加赢的概率，比如买的时候降低仓位的VWAP， 根据行情走势的运动冲量决定仓位的调整。

风险管理：从策略层面讲，也就是止赢止损。

　　止损，策略是预先写好的程序，很难像人一样能够快速随机应变（虽然没有纪律的交易者经常没有太好的成绩），每笔交易必须有预先设置好的止损逻辑，也就是决定什么情况下该认输退出。

　　止赢，止赢其实也是一样的，逻辑也得预先设置好，确定什么时候该停止进攻以保住现有的胜利果实。

　　换个角度看，止赢就是另一种形式相对愉悦的止损，比如趋势跟随交易，一旦发现趋势不再继续了，也就是发现前一次的判断错误，就该纠正了，当然这时是有赢利的，所以说形式上相对愉悦。

　　在统计套利、或对冲类的策略 上，止赢就是走到模型预定的边界，需要结束这一次交易行动了，不要试图再去模型研究范围边界以外的未知领域探险。

阿牛智投周凡：诋毁正规荐股机构 代维虚假宣传成风

       近年来，资本市场蓬勃发展，投资者数量也屡创新高。与此同时，一些不法代理维权组织也想分得一杯羹。

       阿牛智投周凡表示，非法代理维权组织往往通过发布虚假宣传广告来做推广，怂恿证券咨询公司的合作用户进行非正常退费；虚假宣传广告文发布的数量大、频次高，成为金融行业的毒瘤。

       据了解，代理维权组织人员的虚假广告内容，通常通过小网站、贴吧、微博等散布。标题多带有正规持牌金融机构的品牌名，以及负面惊悚的词汇，如“骗子”、“骗局”、“亏损”、“黑幕”、“震惊”、“套路”、“受害者”等字眼。代维组织往往以法援的名义曝光正规平台，文中列出该平台的投资产品、带单老师，以及受害者自述，并留下法援联系方式。细心的用户会发现，其所谓的受害者自述，多为编造，同一段内容抹黑不同的公司。

       周凡表示，在向各平台投诉虚假宣传侵权内容时，多数正规平台都及时响应，也有少部分平台不予理睬或拖延时间。这些不配合处理侵权信息的平台，很可能是代维人员自己开设的平台，也有可能与代维组织有利益关系。

什么是量化择时

　　量化择时是指利用数量化的方法，通过对各种宏观微观指标的量化分析，试图找到影响大盘走势的关键信息。

　　正如巴菲特在谈论市场时说：“我们所经历的上个世纪反复证明，股票市场的非理性是周期性爆发的。这强烈暗示投资者应尽力去学会应对下一个股票市场的非理性爆发。而这需要的是一剂解毒剂，我认为这剂解毒剂就是量化分析。如果你定量分析，你并不一定会出色，但是你也不会坠入疯狂。”，所谓量化择时即为：根据量化指标，来选择买卖的时机。量化择时分市场整体择时、板块行业轮动择时及个股的择时。

　　量化择时的意义重大，如果能选择牛市、规避熊市，将能够获得非常高超额收益。尤其是在系统性风险较高、波动性比较大的、相关性较强的新兴A股市场，尤为有效。根据A股市场数据计算，从1991年1月到2010年7月的234个月月平均收益为2.18%，去掉最差的十个月（占总时间的4.27%），则收益提高到4.23%；如果去掉最好的10个月，则收益降到0.01%。如果投资者从2006年初的市场底部进入，则收益巨大；如果从2008年初进入，则亏损很多。可见选择时机进入是投资决策的首要目标，低风险区域进入能增大安全边际。

　　量化择时的优点很明显，按照择时指标买卖指数基金或者一篮子成分股等，可以省去选股的复杂工作，相对于买入并持有策略，能获得较高的超额收益，并降低风险。但是择时难度也较大，我们试图通过量化的方法来择时，主要分为宏观先行指标、市场情绪指标、整体估值指标以及其他技术分析指标。主要是目标是观察和定位市场的长期状态区间（牛市或熊市），在大概率下预测中期趋势（是上涨还是下跌），及时捕捉短期拐点。一般情况下，适合大类资产配置。

       量化择时的策略主要有下面几种。

　　1、趋势量化择时

　　趋势择时的基本思想来自于技术分析，技术分析认为趋势存在延续性，因此只要找到趋势方向，跟随操作即可。趋势择时的主要指标有MA、MACD、DMA等，本章讨论了普通均线和自适应均线的择时策略。

　　2、市场情绪量化择时

　　市场情绪择时就是利用投资者的热情程度来判断大势方向，当情绪热烈，积极入市时，大盘可能会继续涨；当投资者情绪低迷、不断撤出市场的时候，大盘可能继续下跌。

　　3、有效资金量化择时

　　有效资金模型和选股模型中的资金流模型类似，其是通过判断推动大盘上涨或者下跌的有效资金来判断走势，因为在顶部和底部时资金效果具有额外的推动力。

　　4、牛熊线量化择时

　　牛熊线择时的思想就是将大盘的走势划分为两根线，一根为牛线，一根为熊线。在牛熊线之间时大盘不具备方向性，如果突破牛线，则可以认为是一波大的上涨趋势的到来；如果突破熊线，则可以认为是一波大的下跌趋势到来。

　　5、Hurst指数量化择时

　　Hurst指数是分形理论在趋势判断中的应用，分形市场理论认为，资本市场是由大量具有不同投资期限的投资者组成的，且信息对不同投资者的交易周期有着不同的影响。利用Hurst指数可以将市场的转折点判断出来，从而实现择时。

　　6、SVM量化择时

　　SVM是一种分类技术，具有效率高、推广性能好的优点，SVM择时就是利用SVM技术进行大盘趋势的模式识别，将大盘区分为几个明显的模式，从而找出其中的特征，然后利用历史数据学习的模型来预测未来的趋势。

　　7、SWARCH量化择时

　　SWARCH模型是海通证券开发的一种利用宏观经济指标来判断大盘的策略，该模型主要刻画了货币供应量M2和大盘走势之间的关系，揭示我国证券市场指数变化与货币供应量之间的相关关系。

　　8、异常指标量化择时

　　异常指标择时主要处理一些特殊情况下的择时，例如，在大盘出现顶点或者低点的时候，有些指标容易出现异常数据，主要有：市场噪声、行业集中度和兴登堡凶兆3个策略。

量化投资的本质属于价格发现

       量化投资的本质还是属于价格发现，在不同周期上找到投资标的的均衡价格，其中在长周期与基本面调研驱动的主观投资是殊途同归的。不管海外市场还是国内A股市场，量化投资都是市场的重要组成部分，起到了不可替代的作用，而且在获得盈利的同时降低股价短期和长期波动，让市场更有效率。

　　量化投资2013年以后在国内股票市场上占比逐渐提高，特别近几年管理规模增长速度较快，引起市场不少关注。由于量化投资领域在国内兴起较晚，而且较为复杂，大部分投资者对量化投资缺乏足够的理解，有部分市场参与者对量化投资的盈利模式有误解。量化投资的本质还是属于价格发现，在不同周期上找到投资标的的均衡价格——（1）在股票长周期上，主要通过对公司基本面数据的挖掘来找到股票的合理价格，这部分的目的和基本面调研驱动的主观投资相同；（2）股票中周期上，主要通过对市场交易数据以及新闻等另类数据的分析来找到股票中周期上（一般在1-10天）的合理价格；（3）在股票高频方面，主要通过对股票微观结构的分析来找到股票短期的合理价格和提供短期流动性，这部分的交易在美股市场占比在50%以上，由于美股市场以机构投资者为主，个人投资者交易占比长期低于10%，导致市场上没有天然的流动性提供者，短期流动性主要靠股票高频交易公司来提供，所以交易所也以付费的形式补偿流动性提供者。

　　A股市场结构不同，即使在过去几年加速机构化的前提下，A股市场上个人投资者交易占比仍在50%以上，个人投资者给A股市场提供了大量的流动性，所以在现阶段还不需要量化投资机构给市场提供短期的流动性。但随着机构化的加深，个人投资者交易占比会逐年降低，如果个人投资者占比小于30%，市场上将会有不少中小公司的股票缺乏流动性。以港股市场为例，港股市场以机构投资者为主，和美股市场不同，港股市场也没有对流动性提供者给予充分的激励，导致港股市场上大量中小股票缺乏流动性，从而这些公司也丧失了融资能力。

　　在海外主要股票市场上，量化投资的盈利来源主要有：

　　（1）来自于高频做市提供流动性，这部分盈利主要由高频交易公司所获得。高频做市盈利的原因一部分来自于对高频信息的快速准确处理，另外也是提供流动性服务获得的补偿。在国内A股市场由于较高的印花税和撤单的限制，这部分收益并不存在，但在国内期货市场上则是主要盈利来源之一。

　　（2）来自于基于价格和交易量信息的中周期交易模式，一般称之为统计套利模型。这部分盈利主要由量化对冲基金获得。统计套利盈利的原因一部分来自对日级别信息的准确处理，另外一部分也是对提供中期流动性服务的补偿。举个例子，当公募基金或者其他投资者由于各种原因需要迅速调仓，会在一个股票上卖出较多，从而造成股价大跌。量化投资机构通过对市场数据的分析，如果认为主要是因为流动性冲击导致短期股价低于股票合理价格，会在一定的价格开始买入，从而使投资者能以更低的交易成本完成交易，而且也防止了股票价格的大幅波动。海外著名的量化对冲基金比如文艺复兴、D.E.Shaw、Two Sigma ，Citadel LLC主要采用统计套利策略。这种交易也是当前A股市场量化私募采用的主要交易模式。

　　（3）来自于对基本面数据的详细分析：在股票市场上，主要通过对宏观，行业，公司基本面数据的分析来给公司进行价格发现，找到股票的长期合理价格。这种一般称之为基本面量化投资策略。这部分量化投资策略和基于基本面调研的主观投资提供的功能和获取的盈利完全一致，只是侧重不同。基本面量化策略偏重于广度，依赖于历史总结；基本面主观策略偏重于深度，更注重演绎和大量难于结构化的信息收集和处理。由于两者各有擅长，一般来说在大公司定价上基本面主观投资有优势，在中小公司定价上基本面量化投资有优势。在海外市场量化公募基金主要采用基本面量化策略。比如著名的Blackrock、AQR、DFA都主要采用基本面量化策略。国内的公募量化基金也主要采用基本面量化策略。

　　如以上所述，不管海外市场还是国内A股市场，量化投资都是市场的重要组成部分，起到了不可替代的作用，而且在获得盈利的同时降低股价短期和长期波动，让市场更有效率。

来源：新浪财经

什么是风险量化

　　风险量化是指通过风险及风险的相互作用的估算来评价项目可能结果的范围。

　　风险量化的基本内容是确定哪些实践需要制定应对措施。风险量化涉及到对风险和风险之间相互作用的评估，用这个评估分析项目可能的输出。这首先需要决定哪些风险值得反应。

　　有许多因素使得风险量化变锝十分复杂，这些因素包括：

　　1、机会和威胁可能会以不可预计的方式混杂在一起（例如，进度计划的延误可能促使考虑减少整个项目历时的新策略）。

　　2、单一的风险事件可能引发多个后果，由于项目的某一关键部分的延期交付将会导致成本超支，进度计划延误，罚款支出和低质量产品。

　　3、对于某一项目干系人的机遇（降低成本）的事件可能对另一项目干系人是威胁（利润减少）。

　　4、由于使用数学方法，就可能使人们产生精确度和可靠性的错觉。

       风险量化的方法可以有下面四种。

　　1、期望资金额，期望资金额是风险的一个重要指标。

　　2、统计数加总。统计数字加总是将每个具体工作课题的估计成本加总以计算出整个项目的成本的变化范围

　　3、模拟法。模拟法运用假定值或系统模型来分析系统行为或系统表现。较普通的模拟法模式是运用项目模型作为项目框架来制作项目日程表。

　　4、决策树。决策树是一种便于决策者理解的，来说明不同决策之间和相关偶发事件之间的相互作用的图表。

量化对冲的学与问

       “量化对冲”是“量化”和“对冲”两个概念的结合。像闻名天下的索罗斯“量子基金”就属于相当纯粹的量化对冲基金，1992年干翻英镑、1997年狙击泰铢，各国闻之丧胆。

       所谓“量化”，是指通过借助统计学、数学，运用计算机从海量历史数据中寻找曾经发生的“大概率”事件，形成积极稳健的交易策略，并严格地按照这些策略所构建的量化模型来进行投资，力求取得稳定的、可持续的、高于市场平均的超额回报，其本质是消除因投资者主观判断或即时事件带来的情绪化操作。量化投资的最大的特点是强调纪律性。所有采用量化投资策略的产品（包括普通公募基金、私募基金、对冲基金等等）都可以纳入量化基金的范畴。

       所谓“对冲”，是指通过管理并降低组合系统风险以应对金融市场变化。对冲基金一般被定义为利用期货、期权等金融衍生品以及相关联的不同股票，也可以是多种相关联货币进行多空操作，从而预防或降低风险，达成追求绝对收益的目标。量化对冲可以采用市场中性策略、多空对冲策略、宏观对冲策略(这些操作的专业手法就是资金管理人要知道的事情了，就不在这里一一介绍)。说白了，所谓对冲，只要满足“杠杆交易”和“做空机制”这两大特点的基金产品，都可以称之为对冲基金。

       举个栗子，基民A为了管理身材，会根据各种食物的热量数据来安排饮食，比如1/4 碗饭=80千卡；1个煮鸡蛋=80千卡；1个小面包=180千卡……这就类似于“量化”管理。有一天，基民A不小心吃多了一点，怎么办呢？于是选择跑步1小时消耗掉摄入的多余热量，这就类似于“对冲”。

来源：腾讯网

“可解释的”人工智能正在提升金融部门的信任感

       人工智能正在用行动证实其在金融服务行业的价值，如今，其应用范围已经从识别欺诈行为和打击金融犯罪，发展到为客户提供创新的数字化体验。然而，这种从传统的基于规则的模型到利用机器学习模型做决策的演进，也正在为金融机构制造新的难题。

       如果缺乏适当的步骤来确保机器学习模型所做决策的可信度，那么许多企业组织可能会在不知不觉中暴露于声誉和财务风险中。使用缺乏“可解释性”和透明度的“黑盒”AI技术会使企业组织无法获悉决策产生的原因和过程，更无法获悉决策是何时出现问题的。

       AI应用以输出决策判断为目标，随着人们在日常生活中越来越依赖AI，能够理解决策产生的过程也变得愈发重要。这种情况下，“可解释的”AI概念应运而生。所谓“可解释的AI”是指人类能够通过动态生成的图表或文本描述轻松理解AI技术做出决策的路径。AI的可解释性越高，人们越容易理解为什么做出某些决定或判断。

       如今，金融机构正处在十字路口。IBM和Morning Consult的一项新研究发现，金融领域中44%的企业组织表示，有限的专业知识和技能是他们成功部署AI技术最大的挑战。在整个疫情大流行期间，采用新技术来提高运营效率并使金融机构在竞争对手中脱颖而出的压力越来越大。随着越来越多的组织部署AI技术，重要的是要确保输出结果的公平公正，提升对AI决策的信任度，并扩大AI部署规模以优化其业务运营。

金融行业如何提升对人工智能的信任感?

       首先也是最重要的，在任何金融机构开始考虑将AI集成到其业务运营中之前，他们必须先要从最基础的定义政策和规范等方面了解道德和值得信赖的AI技术。金融服务企业已经意识到了这一点，因为在IBM的《2021年全球人工智能采用指数报告》中，85%的受访者表示，能够解释人工智能如何做出决定对他们的业务很重要。

       金融组织应该能够清楚地定义“公平”在其行业中的真正含义以及如何监控公平。同样地，组织还应该清楚他们如今作为公司实体的立场以及哪些政策反映了这种立场。

       完成这第一步，金融机构便可以着手研究采用AI模型的特定用例。例如，考虑AI模型在各种信用风险场景中的表现。哪些参数会影响其决策?它是否不公平地将风险与人口统计相关联?

       所有这些元素都需要仔细考虑，并且需要在AI运行的整个生命周期——从构建和验证模型，到部署和使用它们——牢记这一点。如今，企业组织也可以借助各类相关平台来帮助指导这一过程，确保模型的公正和无偏见(在政策规定的公平范围内)，同时能够为监管机构提供可视化和解释决策的能力。不过，尽管市场上存在这些工具，但63%的受访金融服务组织表示，不适用所有数据环境的AI治理和管理工具是部署可信赖AI模型的障碍。

       金融机构如果对其AI模型更具信心，便可以将更少的精力花费在繁重的任务上，并将注意力集中在价值更高的工作上。例如，欺诈检测是当今金融服务中AI的常见用例，但误报率仍然很高。如果AI系统可以解释为什么它认为一个案例是具有欺诈性的，更重要的是，如果它能够证明自己不会系统地偏袒一个群体，人类员工便可以花费更少的时间来验证结果，而可以将更多的时间用于交付更高价值的工作上。

初创企业是否需要采取与传统金融机构不同的方法?

       归根结底，无论您是传统金融机构还是初出茅庐的初创企业，您都需要同等关注确保公平、道德和透明的AI技术。

       最突出的区别在于，传统金融机构已经拥有现成的模型风险管理实践，通常适用于传统的基于规则的模型。而且，传统金融机构也已经拥有部署到位的技术和流程，因此，改变方法通常更具挑战性。不过，无论使用哪种开发和部署工具，都必须考虑如何扩展现有模型风险管理实践以支持AI/ML模型。

       金融科技初创公司可能没有考虑对这项技术进行现有投资，这也使他们有更多的自由来选择具有内置功能的同类最佳开发、部署和监控平台。

AI在金融行业的未来之路

       对于那些仍将人工智能投资视为“冒险之举”的企业组织而言，此次疫情大流行可谓起到了催化剂的作用，让他们认识到了AI技术对于提高效率、减轻远程工作者压力等诸多好处。目前，金融行业中有28%的企业表示他们已将AI作为业务运营的一部分积极部署。虽然AI技术的渗透速度非常快，而且规模很大，但44%的企业表示他们仍处于探索AI解决方案的初步阶段，22%的企业目前没有使用或探索使用AI解决方案。这就意味着目前，大多数金融公司正在开发概念证明(PoC)或分析其数据以用于未来的增长和使用目的。

       随着步入“后疫情”时代，企业组织需要比以往任何时候都更加警惕，以确保其AI技术正在以“负责任”的方式运行，而非在助长系统性的不公正。世界各国政府即将出台的法律法规也将继续关注组织(尤其是金融行业)如何负责任地使用这项技术。

       总而言之，想要获取对AI决策的广泛信任，根本没有捷径可走，但企业组织可以从采取持续的、深思熟虑的步骤开始，以解决偏见和不公正并提高可解释性。

来源：搜狐网

风口浪尖的量化交易，你需要知道这些

一、当提到量化策略，我们说的是私募量化

       当提到量化投资，人们脑中浮现出的明汯、幻方、九坤、灵均等等一众机构，均为私募，而非公募基金，贝塔数据认为，私募在量化领域能够取得高于公募的成就，有其客观原因存在：

1、收割利器：高频交易

       公募基金由于合规因素，有严格的反向交易限制，高频策略在公募中不适用，因而公募基金多以基本面因子主导的低频策略为主，在目前尚未达到强有效的市场环境下，为私募贡献丰厚利润的高频量价策略在公募基金中并不适用。

2、衍生工具运用

       在衍生工具运用方面，私募基金受到的限制远远小于公募基金。以股指期货为例，目前股指期货参与者有两种编码，投机编码和套保编码。公募基金仅拥有套保编码，这意味着做空股指期货的同时，必须持有相应市值的对应股指成分股，而持有投机编码的私募基金则不受此限制，这使得对冲策略的灵活度大大提高。

3、策略容量

       高收益、低波动、大资金容量被称为投资不可能三角。公募基金依托管理规模的管理费模式下，管理资金体量大，使得许多容量较低的量化策略在公募体系内天然水土不服。

       贝塔研究院观点：由此，公、私募在量化策略领域的竞争可以说本就不在同一起跑线上，造成了公募量化投资以指数基金为主，私募量化策略百花齐放的格局。

二、量化策略类型图谱

1、量化选股

       将选股标准数量化、模型化，借助计算机强大的信息处理能力，筛选出符合条件的股票，即为量化选股。应用到具体到产品类型上，可进一步细分为纯股票多头策略和对冲策略。

       纯股票多头策略中，产品形式以指数增强较为多见。

       区别于主动选股，由于借助了量化手段的选股方式，能够打破股票跟踪数量的限制，使得投资组合得以极度分散。

       今年以来，小盘风格崛起，超额收益更易得的中证500、中证1000指数增强产品整体大幅跑赢主观选股策略，可谓量化大年。

       随着大批资金涌入，量化投资机构管理规模增长迅速，出于策略容量、监管态度和行情展望等多重考虑，多家量化私募于近期宣布停止新增募资。

       对冲策略中，可进一步细分出市场中性策略（持有精选股票多头，同时以股指期货、股指期权等工具做空，分离市场风险，获取选股的α收益）和股票多空策略（做多被低估的股票，做空被高估的股票，对于选股能力强的投资者，可获取双重α）。

       贝塔研究院观点：因资金利用效率的差异和权益资产长期增长的趋势，长期来看，纯多头策略的平均收益率高于对冲策略，而对冲策略的优势在于波动率更低，熊市体验明显优于纯多头策略。

2、套利策略

       策略基本原理是借助程序化手段，捕捉两种理论上价格联系紧密的资产，因短暂的市场失效造成的价格关系和理论不一致的机会进行交易，待市场回归有效时获利了结，例如：ETF套利（一篮子股票—ETF）、可转债套利（可转债—正股）、期现套利（期货—现货）、跨境品种套利等。

       贝塔研究院观点：由于盈利的高确定性，套利机会转瞬即逝，套利机会的捕捉依托于高效的交易系统，因而顶级量化机构每年在硬件设备上投入巨量资金，用以提高交易效率。

3、日内、日间趋势交易

       利用技术指标，而非基本面因素进行趋势交易，追求胜率而非绝对正确，不考虑交易成本的情况下胜率高于50%即可通过海量次数的交易不断积累盈利，本质上是一种统计套利，多应用于T+0交易品种如期货，在CTA（管理期货）产品中多见。

       贝塔研究院观点：在极高的换手率下，由于止盈止损机制严格，策略整体表现出较低的波动性和较小的回撤，预期收益较为稳定。由于和权益、固收等资产的相关性较低，量化CTA策略在资产配置中具有独特价值。

三、量化基金经理均是何方神圣？

       从国内头部量化机构核心人物的学历背景，可以窥见量化投资需要具备的能力：均无一例外地拥有超强的理工科学术背景。

       基金经理多学霸早已不是新闻，但贝塔数据仍能发现量化基金经理区别于其他基金经理的特质，即更为侧重计算机、数理方面的能力，而财务、金融背景则并非必须项。量化交易和主观交易在投资理念上具有显著不同，量化手段除了能将主观交易中归纳的规律抽象化，突破人脑限制，扩大检索范围，还可在海量交易数据中发现并无实际经济意义的统计规律，运用到投资交易中去。

四、结语

       今年七月至九月，A股全市场成交额连续破万亿，市场上出现量化交易额占比达到一半的传言，也出现了对于机器化交易的趋同倾向，将加大市场波动，导致风险的担忧。

       参考海外成熟市场的发展路径，量化交易在增加市场流动性、提升定价效率、提高市场有效性方面具有积极意义。从成交占比看，美国市场量化策略的成交占比达到40%，广义量化的占比更是接近80%。据业内人士测算，当前A股市场量化交易量占比约在10%-20%之间，仍有较大空间。

       从业绩表现历史上来看，贝塔研究院认为：我国量化交易具有明显低谷和高峰期，总体来讲，在小盘风格强势，或热点轮动迅速的市场环境下，量化交易更有优势。

       对于投资者来说，因短期业绩亮眼即冲动进场并不可取，而应从均衡资产配置的角度出发，在了解不同量化策略的原理和特点的基础上，合理配置。

免责声明：文章内容仅供参考，不构成对任何人的投资建议、要约或要约邀请，投资者不应以该等信息取代其独立判断或仅根据该等信息作出决策。市场有风险，投资需谨慎。

来源：贝塔数据