量化投资在国外兴起至今不过40多年的历史。纵观量化投资发展的40年，量化投资技术迅速风靡国外金融市场，涌现出众多业绩优秀却不广为人知的量化基金。美国权威杂志《Institutional Investor》旗下出版物《Alpha》2017年5月公布的数据显示，2016年全球收入最高的25位对冲基金经理收入累计110亿美元（约一半采用量化分析），前10位中有8位属于量化基金经理。即使是在经历了英国脱欧、美国总统选举结果等多起黑天鹅事件导致投资者风险偏好下降，诱发大量赎回的惨淡环境下，这些量化基金依然获取了不菲的盈利。
在此背景下，我们在3月31号Alpha交易社群里面进行了第二届交流会，主题为“量化交易是如何崛起的？我们应该怎么学习使用？”ALPHA初级交易员-Joy先对量化进行了介绍：
一、量化投资的起源
量化投资起源于上世纪60年代，爱德华·索普是第一个采用系统数学理论分析进行基金投资的经理人，他被誉为天才数学家、赌博专家、“宽客之父”（或量化投资之父）。这个人蛮有意思的，小时候就天赋惊人，喜欢研制炸药，炸马路炸山洞，高中接触了赌博，此后进入大学依旧念念不忘，看了一篇关于21点致胜方法的论文就到赌场亲身一试，结果亏钱了…但是索普不甘心，于是决定潜心研究21点，期间请教的人有当时麻省理工学院唯一的数学学院士——克劳德·艾尔伍德·香农，以及凯利公式的发明人约翰·拉里·凯利，经过几位大神的指点，索普完成了21点的致胜理论，并用这一理论血洗了拉斯维加的很多赌场。
后来，索普觉得赌场没意思了，于是来到华尔街这个更大的赌场，追求更大的目标，1965年，索普开始研究股票及其权证定价，找了一个金融学教授希恩•卡索夫一起研究，没多久就研究出来一套量化策略，可以通过计算预测股票价格的走向，虽然不能预测股票的涨跌，但是它能计算涨跌的概率，于是深知概率优势是如何起作用的索普又起飞了，他把这一策略放到股票和权证市场上，结果赚翻了。1967年，他们把研究成果又写成了书——《战胜市场：一个科学的股票市场系统》，可以算是是量化投资的开山之作，这本书的出现也是对当时市场上流行的“有效市场假说”的打脸。
很快，索普的资金越来越大，于是成立了一家基金公司，普林斯顿——纽波特合伙公司，1970年，他的基金获利3%；1971年13.5%；1972年26%。没过多久，经济学家费希尔•布莱克和迈伦·斯科尔斯提出了金融学历史上最著名的Black-Scholes期权定价模型，使用和索普相似的方法挖掘期权背后的价值。相对于索普研究的隐私化，Black-Scholes期权定价模型让每个投资者都可以预测期权价格，它的提出彻底颠覆了以往的金融运行体系，华尔街的宽客时代正式到来了。
后来渴望着赚更多钱的索普招募了从摩根士丹利跳槽的天才交易员格里·班伯格，格里·班伯格创造了一种叫做“统计套利”的交易策略。在当时，统计套利简直是无懈可击的交易策略。索普非常欣赏班伯格的统计套利策略，因此出资和他合伙建立了一家叫做BOSS的基金。这个基金的每年回报率都在10%以上，直到1998年出现亏损关闭。统计套利在华尔街风靡一时，成为了经久不衰、历久弥新、大家都用的赚钱方法。
在90年代的时候，他的基金被卷入了“垃圾债券”——德崇证券的案件中，司法判决普林斯顿——纽波特合伙公司的五位高层，包括里根，存在非法股票交易，而一直远程操控公司的索普显然与这些交易有关，不过好在当时他并没有被起诉。1992年原告撤诉，虽然没有一个人坐牢，但是此时的索普已经对公司管理失去了热情，只剩下了疲惫。之后他暂停了基金管理服务，只为自己做投资，顺便做一些养老金管理咨询的事情。随着普林斯顿——纽波特合伙公司的起诉撤诉，已到垂暮之年的索普也逐渐从华尔街夺目纷呈的宽客舞台上谢幕了，然而，量化的世界却正蓬勃发展，无数人从索普的手中接过了接力棒。
二、量化的兴起
1971年，世界上第一只被动量化基金由巴克莱国际投资管理公司发行，规模达到70亿美元，从此揭开了量化基金神秘的面纱，接着在1977年，这家公司又发行了一只规模30亿美元的主动量化基金，至此，量化正式登上了美国投资领域的舞台， 2010年，这只30亿美元的基金已经发展到了2万5千亿美元的规模。
1988年，詹姆斯·西蒙斯成立了大奖章基金，从事高频交易和多策略交易。自基金成立以来，西蒙斯的文艺复兴科技公司在全球市场中进行投资。他们开发了许多数学模型用来进行分析和交易，这些基本上是自动化完成。他们用计算机编程建立模型分析股票价格从而很轻松地交易并获利。这些模型是建立在海量的数据基础上的，所以具有可靠性并可进行实际预测，而结果往往与他们预想的一样，大奖章基金收益爆表，30年间，大奖章基金在扣除各种费用之前的收益率为66.1%，扣除费用后，收益率为39.1%，成为了投资界如今最为传奇的存在。
截至2009年，量化投资占比达到30%，国外量化共有基金在23年间取得了10.8%的平均收益率，量化投资已经成为全球基金也主流投资方法之一。
三、如何学习使用量化技术
1、量化是一个基于数学和计算机科学上的交易方法，当然相对来说有些策略不需要很好的数学基础，但是无论如何，量化离不开编程，所以无论是否有编程背景，要做量化的第一步请掌握好量化的编程语言。
2、量化是一个工具，核心是策略，没有好的策略相当于一个死人拿着一把枪，面对拿冷兵器的敌人，枪再好也没什么用，所以如果想做量化，请打磨好自己的交易系统。
3、数学决定了量化的天花板，所以如果想要在量化领域达到顶尖水平，需要比较好的数学功底，所以想在量化领域精深，请把数学工具掌握好。
4、量化是一个应用的科学，所以请以实际效果评判量化策略的好坏，拒绝以理论和回测为王。
5、量化系统表现不好，请向内求，去改进，不要把系统表现不好归咎于量化，没有必要因为挖不到金矿就责怪工具不行，虽然心理好受一点，但是毕竟没有什么作用。
6、不存在永动机，但是确实存在短期的圣杯，所以务必追求多策略多品种运行，给自己换参数或者换策略提供缓冲的时间，不要因为开发了一个有盈利能力的量化策略就自满而懈怠，否则会被逐渐进化的市场淘汰。
7、多看论文和量化交易类的杂志，多从其他人的想法中找寻自己的灵感。
在讨论中群里的Alphaer们也提出了自己的看法或问题。
ID为朱朱侠的群友说：
要是按照形态来做，K线组合，这种能量化吗？我觉得有些方法可能描述不清，比如手动交易看着很美的图形，怎么表达呢,k线数量，不是可以完整描述的，可能还要加上毛刺的范围，整体的平整程度，斜率等等。
如果是涉及到形态识别，那最好是半自动，人工来识别形态，下单，机器负责控制仓位、止损、止盈。有的策略不需要考虑这些东西，所以用量化做起来就非常适合，比如统计套利，比如海龟类的突破系统。
ID为立方的群友提问：
手动交易和量化交易哪一个更好？
其实量化和手动只是方法不同而已，两个不是对立关系，交易系统好，执行严格，手动和量化一样的，机器能克服人的情绪问题，但是量化也是有局限性的，一些直观的东西用机器有时很难识别出来，所以手工有手工的优势，所以人工和量化这两个，终究只是两种交易方法，不用搞对立，看网上这两派争孰优孰劣争得不可开交，真的没必要，适合自己的就是最好的。
ID为山水的群友的意见是：
量化交易的两大基础，一是海量的交易策略，即经过实践证明能够实现获利的交易模型，比如宽幅震荡行情，窄幅震荡行情，强势单边行情，弱势单边行情等等。二是扎实的编程能力，在交易策略适宜的情况下，量化交易固然可以消除许多人为因素的干扰，但编程语言所固有的不准确性也应纳入考量范围。
因此个人觉得，目前来看量化交易需团队协作进行，这就造成了实用性较高的量化交易系统需投入大量的人力物力进行开发，非专业人士与专业机构很难完成，因而散户很难自主地参入其中。通过和一些朋友的交流来看，目前散户和量化交易之间的隔阂在以下两点，一是散户若能实现稳定获利，那么则没有足够的动力驱使他将自己的交易系统量化，即使愿意做出改变，量化系统若需要的极为精确的编程能力也很难掌握。二是对于不能稳定获利的散户来说，大多将量化交易视为快捷途径，因而容易被市场上一些人恶意利用，在造成损失之后，便很难再正确看待量化交易。
他首先提到了量化交易需要的基础：策略和编程能力，其次说明了量化为什么往往是机构用的很好，而散户在量化之路上尝尝会遇到瓶颈。
综上所述，量化交易是一种通过编程实现交易策略来代替人主观判断的交易方式。量化能够克服人在交易中产生的情绪问题，也能够可以快速地发现和利用其他市场参与人有时不容易察觉的交易机会。同时它的交易速度快，运作效率大大提高。但是它相比手动交易，灵活性不如人工，一些直观的东西用机器有时很难识别出来，且开发需要的成本更加高。所以要根据你的交易策略选择是否将重心放在量化上。同时，如果想要学习量化交易，一定要有深厚的数学，编程功底，进行系统化的学习，同时记得从优质的量化机构中汲取养分。
想看更多内容请持续关注我们ALPHA ZONE，一家由交易员，分析师组成的自营量化机构~
閱讀更多 AlphaZone自營交易室 的文章
