先来说两个有趣的现象：
1、《Margin Call》这部描述金融危机前夕的电影中，提前发现公司资产“问题”的年轻分析师皮特·苏利文，是斯坦福大学空气动力学的博士，也就是一名火箭工程师;而他所在风险分析部的上司则是一名过目不忘、心算能力逆天的桥梁工程师。
2、目前美国华尔街的公司正在大量的购买一种产品，你绝对想不到，这个产品尽然是——GPU，因为如果单纯的比拼“计算量”，GPU的能力要远远大于CPU。
当海外对冲基金的焦点从宏观对冲基金转向量化对冲基金，当索罗斯的名气被数学家西蒙斯超过时，当股神巴菲特年化20%的收益神话被大奖章年化35%(1989-2007)打败时，量化基金的神秘逐渐被投资者所知。正如电影中所描述的，从事金融，尤其是量化的人不再是传统的金融出身，换成了数学家、统计学家、物理学家甚至是火箭动力学家，就像电影里说的“It’s just all about numbers”。量化好像成为了投资领域的一种高维武器。
今年5月，《机构投资者》旗下出版物《阿尔法》公布的“2016年全球收入最高的对冲基金经理”排行榜显示，前十位收入最高的对冲基金经理中，有八位被归为量化基金经理，前25位有一半属于量化分析。与国外已经发展许久的量化基金相比，国内还是处于起步阶段，昨天我们分析了目前国内所有的主动管理型的量化基金，在目前来看，量化基金取得成绩证明了其可以战胜市场。
“市场效率越是不高的市场，；量化投资获得超额收益的空间越大。”就国内目前的量化基金来看，国内的量化分成两个阵营：披着量化的外衣，通过一些模型和具体策略来进行“量化”选股，但在配置和交易上还是依赖于基金经理的主观经验;华泰柏瑞副总经理田汉卿说。真正的量化，涉及机器学习。基金经理只负责对现有策略的管理和维护，或者开发新策略。那么量化“黑箱子”到底装的是什么?每个量化基金的“黑箱子”都是不向外公开的秘密，但是量化黑箱子形成的过程大致相同：
1、提出一个量化交易思路“市值超过10亿就剔除”的小市值轮动、或者是“只选择分红最多最勤”的红利企业思路，或者是多因子，或者是什么“只炒次新”，总之你要先有个想法。
2、变成一个策略
想法是好的，但是想当然就不好了。当你通过一些开放、易得的数据对你的想法进行验证时，发现3年翻倍哟。在量化领域，一个成功的选股策略称为“因子”，而要实现稳定的盈利，你需要有较大的、高质量的“因子库”来支持。
3、搭建一个量化模型
这才是真正的量化核心，关于这一部分就不多做介绍了(因为小萝莉并不清楚。。。)但是顾名思义还是可以理解的，并且三者要达到一个动态平衡，就是你既要追求高利润、还要限制风险，还要降低交易成本。
4、让机器跑起来
当量化模型建议后，你就获得了一个最优目标组合，然后让机器来交易吧
5、完事了吗
是不是交给机器就可以了?不，你依然需要时刻盯着模型，因为魔鬼在细节里。机器的理解能力依然无法达到人脑的程度。比如，你的策略里有一个限定条件，当某只股票当日涨停后卖出获利。但是，如果这个股票是因为重组停牌，是有可能连续涨停的，这个时候就需要人为干预，通过修正参数和调整策略来让模型更好的获利。而不是在第一个涨停板就跑掉。
量化的黄金时代到来了吗?国家千人计划成员、华泰柏瑞副总经理、量化投资负责人田汉卿的预计，国内目前有着最适合量化投资的土壤：
第一，市场处于弱有效状态，量化投资战胜市场的机会很大。A股市场的发展历史较短，市场效率相比发达市场要低不少，因此有更多获得超额收益的机会。
第二，量化投资的市场份额小。与海外动辄数百、上千亿美元的量化基金相比，国内目前的基本面量化产品规模总体不大，其中严格遵循量化投资理念的基金更少，因此有很大的市场空间和盈利机会。
第三，是A股市场容量大，目前A股市场已经有超过2500只股票，还在快速扩容中，这对量化投资而言，提供了足够的投资宽度和行业宽度。
第四，是A股的数据质量不断提高。数据供应商的数据逐年不断提升，再加之识别上市公司数据可靠性的技术手段不断提升，使得以数据为基础的量化投资的环境和投资能力不断提升。
做出一个量化策略有多难，什么样的量化策略能赚钱?小编调研了很多资料，看了许多量化策略后，发现要做出真正长期有效的策略，最佳的灵感来源，根本不是参数、代码、指标、程序、各种因子的堆砌，而是长期对于实盘的观察，长期对于行情的关注，长期对于账户运行的了解，长期对于测试策略的不断重复和实践。
量化金融分析师(简称AQF ，Analyst of Quantitative Finance)由量化金融标准委员会(Standard Committee of Quantitative Finance，SCQF)主考并颁证，是代表量化金融领域的专业水平证书。
AQF证书
课程适合人群：
金融工程/数学专业背景的同学/工作人士，希望进一步学习Python编程以及在量化投资的实战应用；
非金融工程专业背景的同学/工作人士，希望迅速成为宽客；
金融相关人员，希望学习如何系统的做量化策略；
个人投资者，希望系统学习掌握量化投资相关的实务技能，从模型开发，回测，策略改进，搭建稳定的量化交易系统。
二、量化金融分析师AQF核心课程体系：
1、《量化投资基础》
主要涵盖了量化投资领域的必备知识，包括：基本面分析、技术分析、数量分析、固定收益、资产组合管理、权益、另类投资等内容。
2、《Python语言编程基础》
包含了Python环境搭建、基础语法、变量类型、基本函数、基本语句、第三方库、金融财务实例等内容。旨在为金融财经人提供最需要的编程方法。
3、《基于Python的经典量化投资策略》
包含了最富盛名，最基本的量化交易思想和交易策略。例如：海龟交易模型、Logistics模型、配对交易模型、波动扩张模型、Alpha模型、机器学习(随机森林模型、主成分分析)、深度学习(人工神经网络)等内容。
4、《量化交易系统设计》
旨在学习量化交易系统的具体知识，包括过滤器，进入信号，退出信号，仓位管理等详细内容，并指导学员设计涵盖个人交易哲学的量化交易系统。
5、《量化实盘交易》
旨在为解决实际量化交易策略搭建过程中的一些问题提供最优解决方案。
三、掌握Python及量化投资技能，我们能做什么?
1、熟悉中国主要金融市场及交易产品的交易机制；
2、熟知国内外期货交易、股市交易的异同点和内在运行机制；
3、掌握经典量化交易策略细节及其背后的交易哲学；
4、掌握金融、编程和建模知识基础，拥有量化交易实盘操作能力；
5、具备独立自主地研发新量化交易策略的能力；
6、掌握量化交易模型设计的基本框架，以及风险管理和资产组合理论的实际运用；
7、掌握从策略思想——策略编写——策略实现饿完整量化投资决策过程；具备量化投资实战交易能力。
网友评论