发帖
雷达卡
但近年来，随着市场渐进的结构性转变，很多量化模型和策略都遭遇“滑铁卢”，其回撤幅度和周期都超过了以往，进而引起了大量量化投资工作者的重视。
不过无论市场环境如何严峻，量化策略都不会完全一败涂地。
以多因子模型为例，即使是在大量单因子策略都大幅回撤的年份（比如在2017年，规模、技术类因子的单年回撤幅度都超过了10%），还是能有少数因子表现出显著的抗跌效应（盈利、估值类因子在2017年的表现尚可）。
当然，平均来看，通过多因子模型获取超额收益的能力还是从2017年开始有所衰退，毕竟盈利、估值类因子5%左右的超额贡献与规模、技术类因子动辄10%-20%的超额贡献还是相去甚远。
量化投资最高的境界就是能把一切决策都交付于模型，但就现阶段而言，这显然还只是一个极为远大的理想，因为局限于历史样本的有限性、未来的不确定性，模型很难及时、准确地做出调整，就像几乎没有模型能够提前预测到2016年后市场风格的骤变一样。
模型无法实现的，却是人们可以通过主观能动性进行调整和完善的地方。当然，这需要量化投研人员对模型透彻的认识和对市场敏锐的嗅觉。
比如，在认识到量化模型终会回撤这一前提条件下，量化投资就不可能按照个别模型“蒙眼狂奔”地运行下去。
因为在模型开始回撤时，就预示着资金可能正暴露于某种未知的风险之下，进而随时可能产生自己不愿甚至不能承受的亏损。此时对模型进行仔细、透彻的二次研究是很有必要的。
或许只有将风险尽可能地拆解，才有机会最大限度地进行回避。总之，量化投资人员之于模型，就应像行业研究员之于个股一样，将研究工作不断细化，精益求精，才可能无往不利。
量化投资领域的发展前景可谓是一片大好。对于这一新生代的、前景广阔的新领域，早进入一步，就能比他人有更加明显的优势去占领这个市场。
量化投资的重中之重是策略模型，本帖提供99个策略模型供大家参考学习（提供源代码）。
量化策略代码.zip
(39.45 MB, 需要: RMB 15 元)
京公网安备 11010802022788号
