什么是量化投资?
最近十年来,量化投资成为了欧美资本市场发展的热点与焦点,一举成为了国际投资界兴起的一个新方法,发展势头迅猛,和基本面分析、技术面分析并称为三大主流方法。由于量化投资交易策略的业绩稳定,其市场规模和份额不断扩大,得到国际上越来越多投资者的追捧。
量化投资对于基金公司/资产管理公司而言,有着非常明显的价值:
首先是容易冲规模。一个有效的量化模型是可以在多个产品上进行快速复制,从而迅速做大规模。这个在巴克莱的指数增强系列产品上得到明显的体现。截止2011年底,巴克莱量化基金,管理规模超过1.6万亿美金,成为全球的资产管理公司。
其次是可以获得收益。利用量化对冲方式,构建与市场涨跌无关的产品,赚取市场中性的策略,适合追求稳健收益的大机构客户,例如保险资金、银行理财等。这个产品的代表性公司就是目前全球的对冲基金Bridgewater,旗下的旗舰产品Pure Alpha过去五年共赚取超过350亿美金。
第三是杜绝了内幕消息和老鼠仓。量化投资只利用公开数据,通过数学模型的运算,挖掘出隐藏在公开数据后面的信息,从而战胜市场,从方法论上就杜绝了内幕消息的可能。在交易过程中利用复杂的IT系统进行程序化交易,使得老鼠仓也无法成为可能。在国内金融市场监管日趋规范的情况下,量化投资这种方法必然会成为投资研究的主要方法。
量化投资的理论基础
说到量化投资的理论基础,就要从市场有效性假说说起,技术分析、基本面分析和量化分析代表了有效市场的三个不同的层次。在无效市场,技术分析是充分有效的,这在中国资本市场最初的十年得到很好的体现;当市场进入弱有效市场后,可以依靠基本面分析获得超额收益,2000年到2010年这十年基本上属于这个时代;当市场进入半强有效市场后,也就是从2010年开始我们可以观察到大部分基本面分析的产品已经无法获得超额收益,此时国内市场已经进入半强有效市场。当然当市场进入强有效市场后,则无论哪种方法均无法战胜市场,那时候只能被动指数化投资。
传统的有效市场假说认为,在半强有效市场,只能依靠非公开信息(内幕消息或者私人消息)来获得超额收益。但是我们可以知道的是,除了非公开信息并不是只有内幕消息和私人消息,还有另外一个获得非公开信息的方法:就是利用数据挖掘的方法,从公开的数据中挖掘出非公开信息,也就是量化投资的方法。这也就是在美国等成熟市场(基本上进入半强式有效市场状态),量化投资为啥可以得到蓬勃发展的原因。
随着中国市场有效性的提高,中国开始进入半强式有效市场阶段,再加上监管层对内幕消息的监管越来越严厉,使得通过这种方法获得非公开信息的方式越来越难,因此量化投资就成为了一个获得非公开信息的科学理论与技术。
量化投资是在半强式有效市场中的较好的分析理论,也几乎是可行的分析理论。
美好前景
中国经济经过30年的高速发展,各行各业基本上已经定型,能够让年轻人成长的空间越来越小了。未来十年,量化投资与对冲基金这个领域是少有的几个,可以诞生个人英雄的行业,无论是出生贵贱,无论是学历高低,无论是有无经验,只要你勤奋、努力。脚踏实地的研究模型,研究市场,开发出适合市场稳健盈利的交易系统,实现财务自由,并非遥不可及的梦想。
在中国目前的很多领域,赚钱已经变成一个非常困难的事情,但是在量化投资与对冲基金领域,是完全依靠自己的勤奋与努力。一个持续稳定赚取的模型,不是靠关系和背景就可以的,而是靠着自己的聪明才智和脚踏实地的工作。
所以,从事量化投资与对冲基金这个行业,不仅仅是为了实现财务自由,更重要的是人性的尊严!
最后还想说一句:
俱往矣,数风流人物,还看今朝!
(本文来源:和讯网)
量化投资就业班_量化投资学院
成就下一位投资大师
开课信息:
时间:共360小时授课,随报随学
方式:在线学习,按时完成课程作业
费用:23112元;学习有效期2年,提供全程答疑与学习监督
课程大纲:
块 | 章 | 节 | 课时 (小时) |
概述 | 量化投资概述 | 量化投资的定义 | 3 |
金融理论 | 金融基础知识 | 经济金融原理 | 12 |
python | 基础 | 语言介绍和对比 | 12 |
进阶 | numpy pandas | 12 | |
三方库 | 清单介绍 | 3 | |
数学 | 概率论与数理统计 | 理论和python案例 | 6 |
微积分 | 理论和python案例 | 3 | |
线性代数 | 理论和python案例 | 6 | |
数据库 | 数据库 | mysql、mongodb | 6 |
大数据 | 大数据理论和技术 | hadoop、spark | 12 |
机器学习 | 机器学习理论 | 概念、类型、应用场景 | 12 |
机器学习技术 | sklearn TensorFlow | 24 | |
金融理论 | 金融专业知识 | 专业技能 | 12 |
量化相关软件 | 同花顺、通达信 | 软件使用 | 3 |
joinquant、ricequant、bigquant、uqerquant | 介绍 | 6 | |
TB、WH、TS、YT、MC | 软件介绍 | 6 | |
国泰安、天软、Wind | 软件介绍 | 6 | |
python | 量化相关库 | tushare | 12 |
模型案例 | 模型研发流程 | 1.模型原型 | 12 |
择时模型:技术指标模型 | 1.模型原型: | 12 | |
择时模型:K线形态与组合 | 1.模型原型: | 12 | |
择时模型:经典日内模型 | 1.模型原型: | 12 | |
择时模型:机器学习模式识别 | 1.模型原型: | 24 | |
因子模型:基本面因子 | 1.模型原型:因子模型、套利定价模型(APT) | 12 | |
因子模型:技术因子 | 1.模型原型:因子模型 | 12 | |
因子模型:数据挖掘另类因子 | 1.模型原型:因子模型 | 12 | |
套利 | 1.无风险套利理论 2.无风险套利案例: 4.统计套利案例 | 12 | |
阿尔法对冲(alpha hedge) | capm | 12 | |
聪明贝塔(smart beta) | 同因子投资、阿尔法投资的相同和区别 | 12 | |
资产配置 | Equal Weight | 12 | |
交易接口 | 交易接口 | 股票交易接口 | 12 |
量化系统 | 量化系统 | rqalpha | 24 |
量化交易经验分享 | 量化交易经验分享 | 交易分享 | 6 |
结业 | 量化投资岗位就业指导 |
| 6 |
课程咨询及报名:
魏老师
QQ:1143703950
Tel:010-68478566
Mail:vip@pinggu.org