量化投资研究报告
作者：郭敏
为什么进行量化投资？有哪些优势？
1． 从对历史的认识来看，基本面分析看似全面却并不见得准确。人的大脑已开发的功能有限，难以正确处理纷繁复杂的海量信息。某些信息被主观放大，另外一些信息则会被忽略，这很容易导致人们的认知出现偏差甚至是错误，这将对未来的投资产生误导。而计算机对于输入的全部信息都会平等地加以考察，对每个因素所发挥的历史作用都能进行精确的测量，也就是说，它在有限的信息范围内都做到准确全面的处理。当然，准确全面的程度有赖于使用计算机的人的能力，但从何方法论的角度来说，它无疑是最精准的。
2．从投资决策方面来说，基本面派难以做到足够的客观，主观感性的影响无处不在。即使经历相似的投资者在面对同样的信息时也会得出不同的判断，同一个人在不同的环境中也可能作出完全迥异的操作，显然人为主观因素（包括喜好、心情、性格等）都产生了非常重要的影响。当然这并不是要否定主观感性，而是想说明人为主观很可能会是的投资者反放弃理性的思考，扭曲对客观事实的理解。而冰冷的的计算机程序足以克服人性的弱点，他能够非常忠诚的执行模型开发者所完成的理性的研究成果，而不受其他因素的干扰。用样的信息输入，他得出的结论是唯一的、明确的，并且足够客观、足够理性。
3． 量化投资可以大大减轻人脑的负荷，帮助人们进行更高效的投资。计算机程序可以同时处理大量的信息。例如数量选股模型可以在输入千万个数据后快速批量的输出股票组合，而人脑如果要选出同样的组合恐怕需要好几个月的辛勤劳作，却不见得能取得更好的成绩。另外计算机还能不知疲倦的工作，这会更显著提高投资者把握机会的几率。
因此开展量化方面的投资和研究是非常有必要的，它将对投资起到非藏好的补充和提升作用。我们不可因为长期资本管理公司的破产就产生恐惧心理。量化模型是很优秀的投资工具，结果号换的关键在于开发者和使用者如何运作i，而不应归咎于量化手段的本身。
为什么量化投资方法能够取得如此快速的发展？
一方面，量化投资充分体现了创新的优势，不拘一格的创造出大量的新型投资方法。另一个重要原因是，和传统投资方法相比，量化投资在风险控制方面进行了极大的改进。甚至可以说，量化投资的所有工作都是围绕如何管理风险这个核心的。这里我们述说的管理风险本身简单的规避风险，如果是那样，直接买国债就能实现。量化投资利用各种科学方法来追求收益好人风险的配比关系，比如夏普比率、MAR比率等。因此，量化投资和传统投资方法的最大区别在于风险管理水平的不同。
夏普比率图
MAR比率图
量化投资在中国的发展前景
随着证券市场的不断发展、金融衍生品的不断推出、对冲工具的不断丰富、投资的复杂度日益提高，量化投资将以其低风险、收益稳定的特性成为机构投资者的主要投资策略”,现任上海颂德投资管理中心(以下简称“颂德投资”)投资经理张家森在接受采访时这样说道。
2016年受年初熔断股灾挖坑的影响和频发的黑天鹅事件，A股行情都在震荡中纠结，开盘第一天的3538点出人意料地成了全年最高点，股票型基金惨遭滑铁卢，据相关数据的不完全统计，2016年满12个月的2985只股票型策略产品年平均收益率为-5.94%，而其中125只量化股票产品的平均收益却达到3.73%，在一片哀鸿遍野中依然保持业绩优势，量化投资逐渐崭露头角，越来越受到市场重视。
量化投资偏向市场流动性高、上市公司数量多、可投资标的全的市场，例如在美国、日本的二级市场，量化投资经过二十多年的发展，已然成为一片沃土。
量化投资与一般金融衍生品不同的是，它作为一种投资方法论，由于其独特性被标签化为对冲基金。有人用中医和西医来形象地描述定性投资、定量投资的区别：中医讲究望、闻、问、切，治疗是否有效主要取决于医生(投资者)自身的资历、经验、主观判断，西医要做检查、看化验单、下诊断，无论医生(投资者)水平如何，都要依靠各种检查和数据。量化投资者的目标就是把一些定性的因素转化为可以量化的指标，以此作为选股的依据，比如年报上的数据，一个企业是否盈利可以看它的股本回报率，杠杆程度可以看它的负债比率，经营状况可以看它的现金流比率。颂德投资张家森这样评价量化投资，“在瞬息万变的市场中，利用复杂的模型和精密的程序进行投资，以远超出人力的优势来快速寻找市场中的价格偏差和其他精细的投资机会，可以说是一种非常科学的投资方法”。
量化基金靠什么赚钱？
量化基金在投资风格上特征鲜明，基金管理人通过量化模型对个股进行精选后，分散投资于各标的股中，因此量化基金一般持股相对分散，较少进行集中投资，以避免个股的非系统性风险。
从2012年至今的数据看，主动量化基金的择股能力要优于偏股型基金。尤其是在震荡市中，这一优势更为明显，因为震荡市中要赚取beta收益是很难的，而量化基金主要通过择股可以赚取Alpha收益。
此外，量化基金盈利的很大一部分来源是捕捉市场“错误定价”的机会，一只量化基金的盈利能力很大一部分也是来源于此。
参照文献：
原文地址：http://www.cnblogs.com/GMGHZ971322/p/6921397.html
