量化投資在國外興起至今不過40多年的歷史。縱觀量化投資發展的40年，量化投資技術迅速風靡國外金融市場，湧現出眾多業績優秀卻不廣為人知的量化基金。美國權威雜誌《Institutional Investor》旗下出版物《Alpha》2017年5月公佈的數據顯示，2016年全球收入最高的25位對沖基金經理收入累計110億美元（約一半採用量化分析），前10位中有8位屬於量化基金經理。即使是在經歷了英國脫歐、美國總統選舉結果等多起黑天鵝事件導致投資者風險偏好下降，誘發大量贖回的慘淡環境下，這些量化基金依然獲取了不菲的盈利。
在此背景下，我們在3月31號Alpha交易社群裡面進行了第二屆交流會，主題為“量化交易是如何崛起的？我們應該怎麼學習使用？”ALPHA初級交易員-Joy先對量化進行了介紹：
一、量化投資的起源
量化投資起源於上世紀60年代，愛德華·索普是第一個採用系統數學理論分析進行基金投資的經理人，他被譽為天才數學家、賭博專家、“寬客之父”（或量化投資之父）。這個人蠻有意思的，小時候就天賦驚人，喜歡研製炸藥，炸馬路炸山洞，高中接觸了賭博，此後進入大學依舊念念不忘，看了一篇關於21點致勝方法的論文就到賭場親身一試，結果虧錢了…但是索普不甘心，於是決定潛心研究21點，期間請教的人有當時麻省理工學院唯一的數學學院士——克勞德·艾爾伍德·香農，以及凱利公式的發明人約翰·拉里·凱利，經過幾位大神的指點，索普完成了21點的致勝理論，並用這一理論血洗了拉斯維加的很多賭場。
後來，索普覺得賭場沒意思了，於是來到華爾街這個更大的賭場，追求更大的目標，1965年，索普開始研究股票及其權證定價，找了一個金融學教授希恩•卡索夫一起研究，沒多久就研究出來一套量化策略，可以通過計算預測股票價格的走向，雖然不能預測股票的漲跌，但是它能計算漲跌的概率，於是深知概率優勢是如何起作用的索普又起飛了，他把這一策略放到股票和權證市場上，結果賺翻了。1967年，他們把研究成果又寫成了書——《戰勝市場：一個科學的股票市場系統》，可以算是是量化投資的開山之作，這本書的出現也是對當時市場上流行的“有效市場假說”的打臉。
很快，索普的資金越來越大，於是成立了一家基金公司，普林斯頓——紐波特合夥公司，1970年，他的基金獲利3%；1971年13.5%；1972年26%。沒過多久，經濟學家費希爾•布萊克和邁倫·斯科爾斯提出了金融學歷史上最著名的Black-Scholes期權定價模型，使用和索普相似的方法挖掘期權背後的價值。相對於索普研究的隱私化，Black-Scholes期權定價模型讓每個投資者都可以預測期權價格，它的提出徹底顛覆了以往的金融運行體系，華爾街的寬客時代正式到來了。
後來渴望著賺更多錢的索普招募了從摩根士丹利跳槽的天才交易員格里·班伯格，格里·班伯格創造了一種叫做“統計套利”的交易策略。在當時，統計套利簡直是無懈可擊的交易策略。索普非常欣賞班伯格的統計套利策略，因此出資和他合夥建立了一家叫做BOSS的基金。這個基金的每年回報率都在10%以上，直到1998年出現虧損關閉。統計套利在華爾街風靡一時，成為了經久不衰、歷久彌新、大家都用的賺錢方法。
在90年代的時候，他的基金被捲入了“垃圾債券”——德崇證券的案件中，司法判決普林斯頓——紐波特合夥公司的五位高層，包括里根，存在非法股票交易，而一直遠程操控公司的索普顯然與這些交易有關，不過好在當時他並沒有被起訴。1992年原告撤訴，雖然沒有一個人坐牢，但是此時的索普已經對公司管理失去了熱情，只剩下了疲憊。之後他暫停了基金管理服務，只為自己做投資，順便做一些養老金管理諮詢的事情。隨著普林斯頓——紐波特合夥公司的起訴撤訴，已到垂暮之年的索普也逐漸從華爾街奪目紛呈的寬客舞臺上謝幕了，然而，量化的世界卻正蓬勃發展，無數人從索普的手中接過了接力棒。
二、量化的興起
1971年，世界上第一隻被動量化基金由巴克萊國際投資管理公司發行，規模達到70億美元，從此揭開了量化基金神秘的面紗，接著在1977年，這家公司又發行了一隻規模30億美元的主動量化基金，至此，量化正式登上了美國投資領域的舞臺， 2010年，這隻30億美元的基金已經發展到了2萬5千億美元的規模。
1988年，詹姆斯·西蒙斯成立了大獎章基金，從事高頻交易和多策略交易。自基金成立以來，西蒙斯的文藝復興科技公司在全球市場中進行投資。他們開發了許多數學模型用來進行分析和交易，這些基本上是自動化完成。他們用計算機編程建立模型分析股票價格從而很輕鬆地交易並獲利。這些模型是建立在海量的數據基礎上的，所以具有可靠性並可進行實際預測，而結果往往與他們預想的一樣，大獎章基金收益爆表，30年間，大獎章基金在扣除各種費用之前的收益率為66.1%，扣除費用後，收益率為39.1%，成為了投資界如今最為傳奇的存在。
截至2009年，量化投資佔比達到30%，國外量化共有基金在23年間取得了10.8%的平均收益率，量化投資已經成為全球基金也主流投資方法之一。
三、如何學習使用量化技術
1、量化是一個基於數學和計算機科學上的交易方法，當然相對來說有些策略不需要很好的數學基礎，但是無論如何，量化離不開編程，所以無論是否有編程背景，要做量化的第一步請掌握好量化的編程語言。
2、量化是一個工具，核心是策略，沒有好的策略相當於一個死人拿著一把槍，面對拿冷兵器的敵人，槍再好也沒什麼用，所以如果想做量化，請打磨好自己的交易系統。
3、數學決定了量化的天花板，所以如果想要在量化領域達到頂尖水平，需要比較好的數學功底，所以想在量化領域精深，請把數學工具掌握好。
4、量化是一個應用的科學，所以請以實際效果評判量化策略的好壞，拒絕以理論和回測為王。
5、量化系統表現不好，請向內求，去改進，不要把系統表現不好歸咎於量化，沒有必要因為挖不到金礦就責怪工具不行，雖然心理好受一點，但是畢竟沒有什麼作用。
6、不存在永動機，但是確實存在短期的聖盃，所以務必追求多策略多品種運行，給自己換參數或者換策略提供緩衝的時間，不要因為開發了一個有盈利能力的量化策略就自滿而懈怠，否則會被逐漸進化的市場淘汰。
7、多看論文和量化交易類的雜誌，多從其他人的想法中找尋自己的靈感。
在討論中群裡的Alphaer們也提出了自己的看法或問題。
ID為朱朱俠的群友說：
要是按照形態來做，K線組合，這種能量化嗎？我覺得有些方法可能描述不清，比如手動交易看著很美的圖形，怎麼表達呢,k線數量，不是可以完整描述的，可能還要加上毛刺的範圍，整體的平整程度，斜率等等。
如果是涉及到形態識別，那最好是半自動，人工來識別形態，下單，機器負責控制倉位、止損、止盈。有的策略不需要考慮這些東西，所以用量化做起來就非常適合，比如統計套利，比如海龜類的突破系統。
ID為立方的群友提問：
手動交易和量化交易哪一個更好？
其實量化和手動只是方法不同而已，兩個不是對立關係，交易系統好，執行嚴格，手動和量化一樣的，機器能克服人的情緒問題，但是量化也是有侷限性的，一些直觀的東西用機器有時很難識別出來，所以手工有手工的優勢，所以人工和量化這兩個，終究只是兩種交易方法，不用搞對立，看網上這兩派爭孰優孰劣爭得不可開交，真的沒必要，適合自己的就是最好的。
ID為山水的群友的意見是：
量化交易的兩大基礎，一是海量的交易策略，即經過實踐證明能夠實現獲利的交易模型，比如寬幅震盪行情，窄幅震盪行情，強勢單邊行情，弱勢單邊行情等等。二是紮實的編程能力，在交易策略適宜的情況下，量化交易固然可以消除許多人為因素的干擾，但編程語言所固有的不準確性也應納入考量範圍。
因此個人覺得，目前來看量化交易需團隊協作進行，這就造成了實用性較高的量化交易系統需投入大量的人力物力進行開發，非專業人士與專業機構很難完成，因而散戶很難自主地參入其中。通過和一些朋友的交流來看，目前散戶和量化交易之間的隔閡在以下兩點，一是散戶若能實現穩定獲利，那麼則沒有足夠的動力驅使他將自己的交易系統量化，即使願意做出改變，量化系統若需要的極為精確的編程能力也很難掌握。二是對於不能穩定獲利的散戶來說，大多將量化交易視為快捷途徑，因而容易被市場上一些人惡意利用，在造成損失之後，便很難再正確看待量化交易。
他首先提到了量化交易需要的基礎：策略和編程能力，其次說明了量化為什麼往往是機構用的很好，而散戶在量化之路上嚐嚐會遇到瓶頸。
綜上所述，量化交易是一種通過編程實現交易策略來代替人主觀判斷的交易方式。量化能夠克服人在交易中產生的情緒問題，也能夠可以快速地發現和利用其他市場參與人有時不容易察覺的交易機會。同時它的交易速度快，運作效率大大提高。但是它相比手動交易，靈活性不如人工，一些直觀的東西用機器有時很難識別出來，且開發需要的成本更加高。所以要根據你的交易策略選擇是否將重心放在量化上。同時，如果想要學習量化交易，一定要有深厚的數學，編程功底，進行系統化的學習，同時記得從優質的量化機構中汲取養分。
想看更多內容請持續關注我們ALPHA ZONE，一家由交易員，分析師組成的自營量化機構~
閱讀更多 AlphaZone自營交易室 的文章
