智能时代，量化投资！作为投资者，我们需要了解些什么？

人工智能时代已经到来，巨变正在各行各业悄然酝酿。想要成为赢家，就必须走在时代的前面。作为人工智能在金融领域中的一个分支，量化投资早已成为海外对冲基金界的宠儿，而在国内，量化却仍处于初步发展的阶段。作为国内投资者，我们有必要抓紧了解一下这种新兴的投资方式了!

近日，国务院印发了《新一代人工智能发展规划》，中国正式迈入了人工智能时代，AI(Artificial Intelligence)将影响我们生活中的方方面面。波士顿机器人、谷歌AlphaGo、百度自动驾驶、阿里无人超市以及京东智能仓库的出现，都预示着下一次工业革命已经悄然来临。我们看到AI为军事、娱乐、出行、消费和物流等领域带来了新的生机，那么在金融领域又发生了哪些变化呢?

事实上，人工智能也同样正在颠覆华尔街。近来不断有传言称，基于人工智能技术的交易系统正在席卷整个行业，甚至造成了大批交易员的失业。这类依靠计算机程序和海量数据自动进行投资决策和执行，以获取长期稳定正收益为目标的交易系统被统称为量化投资系统。其实，量化投资在海外已有三十多年的发展历史，其投资业绩稳定，市场规模和份额不断扩大，因而得到了越来越多的投资者的认可。Citadel、Two sigma、AQR等对冲基金界的巨头都是量化投资的成功典范。然而在国内，量化投资还处于起步阶段，竞争相对较弱，拥有巨大的发展空间。只不过由于量化投资方法相对来讲更容易被复制，且使用相同或相近策略的投资者越多策略的预期收益越低，为保护基金份额持有人的利益，机构需要对交易策略的细节严格保密，导致其没有被公众广泛认知。

那么，是什么样的原因导致量化投资得到越来越多的青睐呢?根据实践经验，笔者认为，与传统的主观交易相比，量化投资主要具备以下几点优势： (1)科学性：借助计算机程序使用历史数据对所有交易策略进行回溯测试，只有通过统计验证且具备理论基础的策略才可能投入实盘 (2)纪律性：计算机没有主观情绪，在设定好交易策略之后，能够做到严格执行，斩钉截铁，克服人性贪婪与恐惧的弱点 (3)系统性：计算机可以对所有交易策略进行实时跟踪，并使用量化指标评价其投资表现，自动实现策略的优胜劣汰，生产交易日志，记录投资组合的运行状况，供基金经理进行分析和改进 (4)广泛性：计算机可以24小时不停地对成千上万个投资标的进行实时监控，捕捉不同市场、不同维度的交易机会，充分分散风险。

既然量化投资如此强大，是否意味着传统的主观交易将被完全淘汰呢?笔者认为不然。量化投资只是投资方式中的一种，量化投资和主观投资的区别在于方法论的不同，两者并不是不可共存的。只要主观交易者可以做到克服情绪、严格执行，其在投资结果上与量化投资是殊途同归的。

如果开发出了不错的量化交易策略，或者有幸捡到了策略的源代码，是否意味着可以躺着数钱了呢?很不幸，虽然理论上量化交易策略可以依靠计算机程序实现全自动运行，但实际上任何程序都存在出Bug的可能。在实践中，交易策略及其相关程序在上线前都会经过严格测试以达到尽可能减小出错概率的目的，但上线后仍会采取“自动运行，人工职守”的方式进行交易，以保证当程序出现异常时可以尽快切换到手工交易的模式将损失降到最低。更重要的是，任何策略都有其适应的行情，任何策略也同样具备失效的可能，市场本身是不断进化的，交易策略也同样需要不断地迭代更新。金融交易数据具有非线性、混沌性、动态性极强的特点，信噪比很低，以目前的人工智能发展水平，完全依靠机器来发现数据中的规律是不太现实的;更多的时候，需要先由市场经验丰富的研究员提出创新的idea，再利用计算机程序和人工智能技术进行实现、回溯验证与优化提升。因此，从事量化投资通常需要组建一个专业团队，否则很难做到长期盈利。

随着人工智能技术的不断发展，并依仗自身的诸多优势，在不久的将来，量化投资必然会成为能够获取稳定正收益的主流投资方式。接下来，笔者将为想要进一步了解量化交易的投资者整理了若干最有可能问到的常见问题，并给出了详细的解答。感兴趣的读者可以一睹为快。

1、什么是量化投资?

量化投资是指通过数量化方法构建交易策略，并借助计算机程序实现买卖指令的自动化，以获取长期稳定正收益为目的的交易方式。

2、量化投资于传统的投资方法有哪些不同?

传统的投资方法依赖人的主观判断来进行投资决策，在交易过程中感觉、情绪甚至偏见往往占据了很大的比重;量化投资则依据对数据的客观分析做出决策，在交易时通过计算机程序机械化执行，不会因受外界影响而打乱计划。

3、量化投资有哪些优势?

与传统的主观交易相比，量化投资具备以下优势： (1)科学性：借助计算机程序使用历史数据对所有交易策略进行回溯测试，只有通过统计验证且具备理论基础的策略才可能投入实盘 (2)纪律性：计算机没有主观情绪，在设定好交易策略之后，能够做到严格执行，斩钉截铁，克服人性贪婪与恐惧的弱点 (3)系统性：计算机可以对所有交易策略进行实时跟踪，并使用量化指标评价其投资表现，自动实现策略的优胜劣汰，生产交易日志，记录投资组合的运行状况，供基金经理进行分析和改进 (4)广泛性：计算机可以24小时不停地对成千上万个投资标的进行实时监控，捕捉不同市场、不同维度的交易机会，充分分散风险。

4、量化投资是高频交易吗?两者有什么关系?

高频交易属于量化投资中的一种。按照交易频率的高低划分，量化投资策略可细分为高频交易、日内交易、日间短线交易、中长线交易和长线交易。通常情况下，交易频率越高，策略的收益风险比越高，但其资金容量也会随交易频率的提高而快速下降。从目前中国股票、期货市场的流动性来看，高频交易通常只能管理数百至数千万元的资金，而长线交易则可以管理数十至数百亿元的资金。

5、量化投资与人工智能有什么关系?

量化投资属于人工智能在证券投资领域中的应用。量化投资与近来备受瞩目的人工智能课题“自动驾驶”有着诸多相似之处，两者都需要对当前所处环境进行分析、识别，并作出相应的决策以达到目标最优化的目的。机器学习、数据挖掘等人工智能中常用的基础算法在量化投资领域都有着广泛的应用。

6、量化投资可以百分之百赚钱吗?

任何人都不可能精确地预测市场，量化投资也是一样。量化投资只是投资方法中的一种，试图通过一定的概率优势来战胜市场，追求的是长期、稳定的正收益，切莫将其过度神化。任何策略都有其适应的行情，任何策略也同样具备失效的可能，市场本身是不断进化的，交易策略也同样需要不断地迭代更新。

7、量化投资的年化收益率是多少?

不同交易策略的收益风险特征完全不同，相同交易策略在不同市场行情下的表现亦不相同，管理不同资金规模的策略的收益也没有直接可比性。

8、量化交易策略是以全自动的方式运行吗?

理论上量化交易策略可以依靠计算机程序全自动运行，但实际上任何程序都存在出错的可能。在实践中，交易策略及其相关程序在上线前都会经过严格测试以达到尽可能减小出错概率的目的，但上线后仍会采取“自动运行，人工职守”的方式进行交易，以保证当程序出现问题时可以尽快切换到手工交易的模式将损失降到最低。

9、量化交易策略如何应对突发事件所导致的巨幅波动?

首先，量化交易策略通常不会将仓位集中在几只个股上，为了分散风险，策略会同时持有数十至数百只股票，单只股票的波动对策略整体净值的影响很小;其次，当系统性风险发生时，即使当日所持仓的股票全部大幅下跌，策略也可以通过减仓、止损的方式来防止损失的进一步扩大，只要整体净值回撤没有超过历史最大的的范围都属于正常波动。

10、随着人工智能的不断发展，量化投资是否会完全取代主观投资?

不会。量化投资只是投资方式中的一种，量化投资和主观投资的区别在于方法论的不同，两者并不是不可共存的。只要主观交易者可以做到克服情绪、严格执行，其在投资结果上与量化投资是殊途同归的。

11、量化投资属于基本面分析还是技术分析?

量化投资既可以对公司基本面进行量化，也可以对价格走势进行技术分析，除此之外，还可以采用数据挖掘和机器学习等先进的数理统计工具构建交易信号。

12、量化投资如何避免过度拟合?

可以通过以下几种方式来降低策略过度拟合的风险：(1)增加回测数据的时间跨度(2)增加回测品种的维度(3)采用滚动优化的方式进行参数寻优(4)根据奥姆剃刀原则降低策略的复杂度(5)保证交易信号的可解释性。

13、什么是资金容量?

资金容量是指交易策略在预期收益为正的前提下所能管理的最大资金量。有一定交易经验的投资者不难发现，当单笔买单金额较大时，最终的平均成交价格通常会高于下单时该标的价格，其差额即为所谓的冲击成本。相关研究表明，冲击成本一般会随着资金规模的扩大而非线性递增，当该策略所管理的资金量大到一定程度时，冲击成本和交易费用将覆盖所有收益。策略的资金容量与投资标的流动性呈正相关，与交易频率呈负相关，与同时交易的标的的数量呈正相关。按目前中国股票、期货市场的流动性估算，股票型策略的资金容量为百亿级，期货管理型策略的资金容量为十亿级。

14、什么是年化收益率?

年化收益率是指投资期限为一年的预期收益率，是根据一段时间内的收益进行换算得到的，具体计算方式为(期末累计净值 / 期初累计净值)^( 252 / 期内交易日数)- 1。该指标反应了策略的盈利能力，是衡量策略收益的重要指标。需要注意的是，年化收益率并不代表策略每年都能取得该收益率，它是一个理论值。

15、什么是最大回撤率?

最大回撤率是指交易策略运行过程中累计净值从某一局部最高点开始随着时间的进行回落到某一局部最低点的最大下降幅度，具体计算方法为 max(1 - 某日累计净值 / 该日及之前的最高累计净值)。该指标用于预估执行交易策略后可能面临的最糟情况，是衡量策略风险的重要指标。

16、什么是年化波动率?

年化波动率是指投资期限为一年的累计净值的预期波动程度，是根据一段时间内的波动率进行换算得到的，其具体计算方式为：假设价格日序列为：p_1，p_2，...，p_n，首先计算对数收益率日序列：R_i = log(p_i / p_i-1)，然后计算对数收益率序列的标准差std，最终得出年化波动率 = std * sqrt(252)。该指标反应了策略净值的波动性，是衡量策略风险的重要指标。

17、什么是收益风险比?

收益风险比是指承受单位风险所能够获得的收益回报，是预期收益与预期风险的比值，具体计算方法为年化收益率/最大回撤率 或 年化收益率/年化波动率。该指标反应了策略的性价比，是衡量策略综合表现的重要指标。

18、什么是量化选股?

量化选股是指利用数量化的方法选构建股票组合，并期望该组合能够获得超越市场基准的回报率。

19、什么是量化择时?

量化择时是指利用数量化的方法来预测投资标的的未来走势，并期望在上涨时买入，在下跌时卖出，实现高抛低吸。

20、什么是统计套利?

统计套利是指做多被相对低估的投资标的，同时做空等量的被相对高估的标的，当两者的相对估值回复正常时再同时平仓赚取差价。

21、什么是对冲策略?

对冲策略属于统计套利的一种。在国内通常指做多股票组合的同时做空等量的股指期货的交易策略，该策略也被称为Alpha策略。

22、什么是Alpha ?什么是Beta?

可以简单地认为，个股回报率等于=Alpha + 市场回报率 * Beta。其中Alpha为个股的特质回报率，Beta为该股票的系统性风险系数。交易策略的Alpha收益源自选股，Beta收益源自择时。

23、什么是系统性风险?

系统性风险是指由于全局性的共同因素引起的投资收益的可能变动。 例如，整个股票市场出现大面积暴跌即属于系统性风险的表现。

24、什么是机器学习?

机器学习是指利用计算机程序模拟人的学习行为，使其能够自动地学习新的知识和技能，重新组织已有的知识结构，不断改善自身的性能，实现自我完善。机器学习最基本的做法，是使用算法来解析数据、从中学习经验，然后对真实世界中的事件做出预测或决策。机器学习是人工智能的核心，是使计算机具有智能的根本途径。在投资领域中，机器学习通常用来预测投资标的的未来走势。

25、什么是数据挖掘?

数据挖掘是指对海量的数据集进行统计分析，从中发现并总结出未知的模式和知识。在投资领域中，数据挖掘通常用于提取隐藏在海量数据中的统计规律。