照片人物简介：美国经济学家，哈里·马科维茨
1990年，因为他在投资组合理论方面的工作，获得了诺贝尔经济学奖。
“A terrible,horrible, no-goodyear for quants(这是量化糟糕的、可怕的、不好的一年)”粉色的金融时报用这样血淋淋的标题给2020年的量化投资做出了总结，彭博社则讥讽道，“人运行的对冲基金干倒了机器运行的对冲基金”。媒体用语多少有些博眼球的意思，但相比用罗宾逊App跟着YouTubers（油管博主)把“疫情家里蹲”股票炒上天的美国个人投资者来说，原来风光无限的数学家物理学家所组成的华尔街量化基金们确实是颜面扫地倒霉的一年，2020年美国大部分的量化基金跑输了大盘，文艺复兴多个基金这一年亏损，最差的Renaissance Institutional Diversified Alpha是-32%。 
在量化投资行业硕士学位是门槛要求，大牌学校的数学、物理学、工程学的博士是码工，模型、算法的精要大多是诺贝尔获得者搞定的，没有MIT和哈佛大学的毕业生，都不好意思开张吆喝。嫉妒总是难免的，今年媒体人终于找到机会，好好把这帮自命不凡的家伙嘲笑一番。 
一、什么是量化投资（Quantitative investment）？
量化投资，也称定量投资或系统投资，是一种使用高级数学建模、计算机系统和数据分析来计算执行获利交易的最佳可能性的投资方法，包括高频交易，算法交易和统计套利。 
值得说明的是，量化投资是个很宽泛的存在，一端是无人为干预的公开策略，例如被动运行的低费用指数ETF，或基于因子的ETF，仅基于数学或基于规则的算法来选择股票，另一端是“黑匣子”策略，绝密的复杂算法在很少有外界了解的情况下确定投资决策，而中间就是混搭了，将定量和算法应用于基于特定因素或基本面的交易方法的策略。 
量化投资策略开始可以追溯到1950年代，哈里·马克维茨（Harry Markowitz）的投资组合理论将安全风险与回报联系起来（他为此得了诺贝尔奖），遵循Markowitz的发现，William Sharpe，Jack Treynor，John Litner和Jan Mossin开发了一种理论，证明了按单个证券的beta来衡量的预期收益与安全风险之间的关系，它被称为资本资产定价模型（CAPM）。
在1970年代和1980年代，量化投资和学术研究都异常活跃，例如规模、价值和动量在金融学术研究界变得越来越普遍，因子投资在1990年代末和2000年代初开始流行。Fama和French以三因子模型的发现奠定了基础，这个新模型成为随后许多定量工作的基准，Carhart在1990年代后期引入了第四个主要因素，即动量，这就是“四因素模型”。行为金融之父De Bondt和Thaler进行的其他研究表明，股票市场倾向于对意外新闻事件反应过度，因此，导致动量通常被表现为投资者情绪的表现。从那时起，引入了其他因素，寻找更好的因素仍然是许多定量研究学者关注的焦点。 
二、为什么要进行量化？
1， 避免感情用事
大多数量化投资管理人员使用数学算法对大量证券进行基本面和估值的系统评估，就是为帮助投资者避免常见的行为陷阱，消除投资过程中的情感投入。 
2， 捕捉历史规律
利用可重复的过程，定量方法可以通过产生客观分析来改善投资决策，从而阐明难以捉摸但重复的历史模式。有些人认为定量策略过于依赖历史数据，但是，利用认真的研究和统计方法可以减轻许多潜在的陷阱，开发定量投资模型是研究、分析和完善的持续过程。
3， 自动化
由于定量策略采用数学算法并且本质上是系统性的，因此它们几乎可以完全自动化，与那些需要昂贵的研究团队在投资前研究数百种证券的人工方法相比，自动化技术可以降低运营成本，定量策略还具有以非常及时的方式覆盖大量股票的能力，为投资者提供有系统性、大数量的决策依据。 
如今，基于算法的复杂程序处理数十亿个财务数据点，常常是在寻找微小的信号，这些信号表明股票在经过风险调整的基础上可能跑赢大盘。随着传统投资者和量化投资者之间的竞争加剧，量化投资者不断面临寻找新信号和数据源的挑战，只有战胜挑战才能在效率不断提高的市场中提供回报。 
三、量化投资的未来
尽管定量和基本面投资方法被认为是相反的，但近年来这条线已开始模糊。在实践中，这两种方法都结合了定量分析的某些组成部分，以将一大批股票集约为拥有共同主题或特征的较小的理想购买候选对象。有了多个市场周期中的绩效数据，投资经理现在知道，定量和基本策略在各种市场环境中的表现都不同。由于定量策略收益基于alpha因子，而基本运行策略更侧重于公司具体信息，由于方法可以互补，在投资组合构建中采用定量和基本策略这两种方法可能是最有效的方法。
“金融的未来将比今天更加量化。无论是系统交易还是自由交易，我们都朝着这个方向前进，机器学习将继续存在”，杜克大学金融学教授坎贝尔·哈维（Campbell Harvey）认为，技术变革的步伐以及机器学习和量化方法的发展将导致投资管理“摆脱困境”。哈维（Harvey）教授因在因素方面的广泛研究工作而倍受尊敬，他说，即使是全权经理人也无法处理现在可用的数据量，因此需要使用机器学习来帮助他们做出决策。 
未来的确是魔幻和捉摸不定的，但有件事我想是确定的，这年头所有的金融高管没人敢扔掉计算机，尽管他们仍然会嘲讽那帮愣头愣脑的数学家…… 
参考文献：
https://www.investopedia.com/articles/trading/09/quant-strategies.asp 
https://www.bloomberg.com/news/articles/2020-12-30/human-run-hedge-funds-trounce-quants-in-year-defined-by-pandemic 
https://www.ft.com/content/d59ffc34-5a34-4cdd-bbbf-5a0e82859f1c 
https://361capital.com/wp-content/uploads/361Capital-Man-vs-Machine.pdf 
https://www.top1000funds.com/2020/02/the-future-is-quant/ 
作者：何田田 VIINET研究院
继续阅读
阅读原文