用科学严谨的数据代替主观判断做决策 -- 量化投资

       一般来说，股市中投资无非就是两种方法，价值投资和技术分析。

       价值投资是看股票的基本面和估值，而技术分析（趋势投资）研究的是股票技术面；价值投资和趋势投资是引领过去一个世纪的投资方法。随着计算机技术的发展，投资者把已有的价值投资、趋势投资与现代计算机技术相融合，催生了量化投资。

量化投资，简单地说就是利用数学、统计学、信息技术的方法来管理投资组合。

        量化投资是借助计算机系统强大的信息处理能力，采用先进的数学模型替代人的主观判断，利用计算机技术在全市场捕捉投资机会并付诸实施。

        量化策略是处理“买什么、何时买、买多少、何时卖”四个问题的一套方案规则。把这样一套规则写入计算机程序并对接证券数据库、证券实时行情，计算机就可以计算出，在过去的所有交易时间执行这样的方案，可以取得怎样的收益结果，以及展示详细的交易记录，并可以发出实时的投资指令。量化策略通常是计算机自动执行的。

量化投资的优势

1. 高效精确：

       计算机用历史数据对量化策略进行高效回测，可以完**力无法完成的统计工作量，并输出精确无误的统计结果。策略好不好，回测便知晓，不再需要投资者耗费大量的时间、精力、金钱去统计历史数据或实盘**来验证自己的投资策略的可行性。

       量化策略可以及时快速地跟踪全市场的行情变化，寻找最新的交易机会，准确下达出最新的投资指令。

2. 纪律严格：

       投资者的情绪难免会受到周边环境、以及人性弱点的影响，常常会做出一些偏离自己判断的交易行为，而量化投资的客观性、纪律性较强，严格的按照策略规则理性投资，能有效克服投资过程中的情绪化行为，避免投资者因市场极度狂热或悲观的情况而导致做出非理性的投资决策，使投资的稳定性大为增加。

量化投资的盈利来源

       量化投资盈利来自策略的盈利数学期望值为正。数学期望值是初中数学中描述概率的一个参数，数学期望值=盈利概率*盈利涨幅-亏损概率*亏损跌幅。某一笔投资盈利的数学期望值为正，则意味着这笔投资理论上可以获得正收益，量化回测的统计数据中包含该策略精确的盈亏概率和盈亏幅度。

下面举例两种数学期望值为正的情景。

       情景1每次投资赚钱概率50%左右，但赚钱交易的平均收益率高于亏钱交易的平均损失，于是多次的收益率差累计起来，就会变成风险有限但收益率高的投资。

       情景2每次投资赚钱概率超过50%，但赚钱交易的平均收益率与亏钱交易的平均损失基本持平，比如10次交易，其中7次赚钱，3次亏钱，那么3次盈亏相互抵消，仍可拥有4次盈利。

量化投资的主要问题

1.过度拟合

       什么是过度拟合？我们站在现在看历史行情，可以很清楚地知道哪个阶段是什么样的行情，市场是什么样的风格，如果我们在策略中故意表现出相应的风格去拟合过去的行情，那么回测必然会展现出高回报，但这种收益回报大概率是无法持续的。

要避免量化策略过度拟合，须注重两点。

       一是测试时间要足够长，或者说测试样本足够多。我们A股的历史比较短，大部分能取到的数据只有十几年，对于日线级别的测试，并不算太长。我们的回测至少要保证测试时间段中既有大涨行情，有大跌行情，还要有震荡行情。

       二是策略的条件及参数越少越好，不能为了避免某种不好的行情就加个条件或参数，过度优化必然导致过度拟合，参数越少的量化策略，过度拟合的概率越低。

2.策略深度不够，投资踩雷

       量化投资虽然具有更大的投资视角和广度，能够快速高效地在全市场范围内进行海量信息处理和挖掘，但在投资决策深度上是不够的。比如某些有严重财务隐患或资讯利空的个股因符合策略规则，被量化策略选出并被买入，就会导致投资损失。因此，将量化投资用于股票投资时，往往还需要执行人工基本面排雷。

如何进行量化投资

       要进行量化投资，投资者首先要有一套属于自己的投资策略，在策略中详细列出交易的具体规则，然后在具备数据库的量化平台上，将策略写成计算机程序，运行程序获取该策略在历史行情下的回测数据。查看回测数据并对数据进行分析，得出放弃该策略、调整策略思想、优化策略参数、模拟实施等结论。

       当投资者对策略的回测表现感到满意时，便可以根据量化策略给出的投资指令进行模拟盘、小额实盘的测试。测试过程会发生一些我们不曾预想到的情况，遇到一些意外的问题，处理这些问题也是打磨策略的重要一环。经过了一个阶段的测试和打磨，当我们的策略趋于稳健成熟时，我们就可以开始正式的实盘实践，踏上征途，奔向星辰大海。

来源：腾讯网