量化投资公司运作

1.量化基金主要的运作模式有哪几类

根据量化基金的运作模式，可以分为多种类型：

一是多因子选股，通过一组指标例如公司基本面指标、分析师预期指标、市场情绪指标等来筛选股票，构建投资组合，大摩多因子就是这种类型。

二是量化指数增强，就是在跟踪指数的基础上运用量化手段重新组合投资标的，以争取获得比指数更好的收益。比如菜导评测过的银河定投宝。

三是引入对冲机制，通过使用做空手段，达到降低组合市场风险、获取绝对收益的目标。比如菜导评测过的嘉实绝对收益。

2.国内量化投资公司前景怎么样

最牛对冲基金经理西蒙斯的大名我是在一两年前听过的吧，很厉害的业绩，又很神秘，西蒙斯有多神奇呢，如果他不收你任何手续费，你投1万元在20年的时间里就可以变1亿。

当然读完这本书，西蒙斯还是非常神秘，该书大致介绍了这几个方面，西蒙斯的生平，文艺技术公司的的情况，大奖章基金的可能的操作手法，量化投资的历史与渊源。 先说说，这个作者忻海，我觉得很牛B，当然再读该书前半本时，我也就觉得得该书一般般，东拉西扯，经常游离西蒙斯这个主题去介绍长期资本管理公司等别的主题。

不过看到后半部分，尤其以第4、5、6章为全书精华，我还是相当佩服作者的，因为这本书基本是他读关于西蒙斯的新闻然后写出来的，从西蒙斯或者其同事的只言片语推断出关于大奖章基金的种种情况。这本书充分反映了作者知识的渊博，强大的google搜索能力还有就是推测能力。

这本书推测了西蒙斯的策略是属于量化的技术投资派，西蒙斯进行的是大量超短线交易，交易时间可以短到千分之一秒，他有很多种策略，利用了人类心理情绪和反应滞后，而且他还在不停的开发新策略和新模型来战胜市场。最令我感到神奇的地方时作者提到的将生物学上的遗传编程的思想运用到了投资模型的开发上。

先选出一些技术类的指标，利用电脑随机生成不同的参数，看历史上哪些参数、哪些指标最适用的，再将指标与指标之间组合杂交，然后又再用电脑再随机生成关于这组指标的种种参数，看哪些参数的指标组合盈利能力最稳定，就这样通过一轮又一轮的不断杂交筛选，最终剩下来的就是历史上盈利能力最强的投资模型。而这个模型可能人能够解释出来，也可能人根本就不知道为什么是这样组合的。

书里提到过基本上所有理工科能用到的工具都已经在投资模型上试过了，比如：模糊逻辑、神经网络、基因编程、隐含马尔可夫模型、小波变换、贝叶斯网络、分型几何、聚类分析。 我想如果我有天分的话又有时间的话，以上这些方面的知识将是我远期想要了解的。

呵呵，还好西蒙斯四十岁才开始投资，不然世界上的钱都被他赚完了。 再谈下我对对冲基金的看法，虽然对冲基金能够令市场更有效率，但都是在比较细小的无效的地方起作用，而且利用的原理大多是相对的估值方法，即一个价格贵了或者便宜了，另外一个相关联的价格也要做出反应，无法确认某个价格从长远上看是否是合理的。

从这一点上看，对冲基金是在为市场的细微之处做有效定价，而以巴菲特为首的价值投资人是站在宏观和长远的角度上让市场更加有效率，两者各赚各自的钱。

3.量化投资是什么如何做量化投资

量化投资技术几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易，资产配置，风险控制等。

1·量化选股 量化选股就是采用数量的方法判断某个公司是否值得买入的行为。根据某个方法，如果该公司满足了该方法的条件，则放入股票池，如果不满足，则从股票池中剔除。

量化选股的方法有很多种，总的来说，可以分为公司估值法、趋势法和资金法三大类 2·量化择时 股市的可预测性问题与有效市场假说密切相关。如果有效市场理论或有效市场假说成立，股票价格充分反映了所有相关的信息，价格变化服从随机游走，股票价格的预测则毫无意义。

众多的研究发现我国股市的指数收益中，存在经典线性相关之外的非线性相关，从而拒绝了随机游走的假设，指出股价的波动不是完全随机的，它貌似随机、杂乱，但在其复杂表面的背后，却隐藏着确定性的机制，因此存在可预测成分。 3·股指期货 股指期货套利是指利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，或者同时进行不同期限，不同（但相近）类别股票指数合约交易，以赚取差价的行为，股指期货套利主要分为期现套利和跨期套利两种。

股指期货套利的研究主要包括现货构建、套利定价、保证金管理、冲击成本、成分股调整等内容。 。

4.散户怎么参入到量化投资中

简单的说，量化投资是利用大量的历史数据帮助投资者作判断，用电脑帮助人脑处理信息，克服了人的情绪和弱点对投资的影响。

目前正式定义是投资者利用数学、统计学、信息技术的量化投资方法来管理投资组合。数量化投资的组合构建注重的是对宏观数据、市场行为、企业财务数据、交易数据进行分析，利用数据挖掘技术、统计技术、计算方法等处理数据，以得到最优的投资组合和投资机会。

散户一般首先要有自己稳定的策略操作模型，可通过期货公司或证券公司IT接口进行试运行一段时间后，就可正式上线交易.一般通过互联网接口或专线交易，但由于出现光大证券乌龙指事件后，为控制风险，现在证券公司多用专线接口，尤其是大的证券公司，如中信证券等.当然专线相对而言费用较高，除设备初装费还每月收月租费.设备费要几万元，参与交易至少100万.。

5.如何简单理解量化投资

1、定义：

量化投资是将投资理念及策略通过具体指标、参数的设计，体现到具体的模型中，让模型对市场进行不带任何情绪的跟踪

2、特点：

具有快速高效、客观理性、收益与风险平衡和个股与组合平衡等四大特点

3、具体运行

一、估值与选股

估值：对上市公司进行估值是公司基本面分析的重要方法，在“价值投资”的基本逻辑下，可以通过对公司的估值判断二级市场股票价格的扭曲程度，继而找出价值被低估或高估的股票，作为投资决策的参考。

二、资产配置

资产配置指资产类别选择、投资组合中各类资产的配置比例以及对这些混合资产进行实时管理。

三、基于行为金融学的投资策略

金业中的应用将主要集中在量化选股、资产配置、绩效评估与风险管理、行为金融等方面，而随着包括基金在内的机构投资者占比的不断提高、衍生品工具的日渐丰富（股指期货、融资融券等）以及量化投资技术的进步，基金管理人的投资策略将会越来越复杂，程序化交易（系统）也将有快速的发展。

6.量化投资当真可以轻易撬动市场吗

光大交易失误导致市场波动的事件引起了大家的广泛关注。量化投资一时间成为众矢之的，但量化投资当真具备轻易撬动市场的力量吗？事实上，近些年，不论是在美国，日本，还是新兴市场（比如台湾）， 都出现过交易失误，或者某种策略引发市场波动的现象。人们或多或少把它们和量化投资联系起来，这种说法是值得商榷的。

在上市公司数目众多，海量信息充斥市场的时代，投资者需要一种能迅速有效地汇集各种数据，并进行客观分析的投资方法，量化投资是适应了时代的需求而应运而生的。作为一种投资手段，量化投资本身是中性的，真正起作用的是模型背后的人，是“地球上最美丽的花朵”----人的思维。

量化投资本身就包含了很多流派。有以基本面为主，持仓时间在几个月到一年左右的基本面量化；也有注重短期投资，持仓几天到几周，以识别各种形态，找出统计规律的统计套利；甚至日内交易数次甚至几毫秒交易一次，不持仓过夜的高频交易。在投资的资产类别上，有仅投资权益类资产的，也有跨资产类别的。从业人员结构上，基本面量化的以经济，

金融

会计的背景为主，而统计套利的以数学，物理，信号处理，统计等背景为主。在模型所用的编程工具上， 简单的比如Excel， 复杂的比如SAS, R, MATLAB, JAVA, C++，有的甚至为了追求计算速度， 直接将程序写在芯片上。

当股价出现异动时，各种类型的量化投资者会有不同的反应。基本面量化的投资者会忽略短期的波动，除非这种波动持续下去会导致基本面的变化；统计套利的投资者会面临两种选择，如果相信趋势会持续，就会跟上去做趋势（trend following），或者判断为某种噪音或扰动，很快会回到均衡（mean reverting），就会做反向。这种决策取决于各自的量化模型。做趋势的可能会放大波动，而做反向的反而会抵消这种波动。

具体到统计套利的使用上，主要以投资银行的自营盘和对冲基金为主。虽然套利机会稍纵即逝，需要迅速的执行，他们都有很严格的风险控制。比如，每个策略可以动用的资金量，杠杆比例，止损程度，等等。这些指标都是在实时动态监控，而不是仅仅为了满足盘后结算的需要。

笔者以前工作过的BGI，一直致力于基本面量化投资，其风险控制是非常严格的。每笔交易，从研究员检查模型，基金经理产生交易清单，复核，审批到交易员的执行，对交易进程的跟踪，交易成本的评估都有严谨的流程，并建立在统一的内部平台上。所以，这样的量化投资其核心是控制风险的基础上追求收益，并不具备操纵市场的能量。

作为一个新鲜事物，量化投资在中国备受瞩目，各方都给予了很高的期待。同样的，作为一种投资方式，如果使用不当，的确也会给我们带来新的挑战。我们应该扬长避短，不能将洗澡水和孩子一起泼出去。

7.应聘量化投资工作需要哪些技术

强烈的兴趣

想做好一件事情没有兴趣也只是三天打鱼两天晒网，最后不得而终，因此需要培养对投资形成强烈的兴趣，每根K线的波动能够刺激你的心脏随之不断跳动。

学习能力

量化交易是一门跨学科知识，必须有快速地问题解决能力和自学能力，懂得锲而不舍不断专研的试错法。研究生已经具备了较好的学习能力。

编程

编程很重要，现在Python是标配，matlab、R拿来做量化的人真的不多。虽然不是做开发，但是基本的简单编程知识还是要会。想学Python和Pandas，推荐 Python基础教程 和 《利用Python进行数据分析》，想学编程知识，推荐 《 代码大全 》 ，这本书没有什么代码，不要为名字所迷惑，不过如果想成为编程高手的话，看了绝不后悔。

看书一定要经典，不经典的书简直就是浪费生命，这三本书如果不想买，网上电子版肯定是很多的，话不多说。

量化知识

很多程序员开始转量化，但是金融知识和量化知识不够。经典的重要性在此显得更为重要，编程的书籍不看经典的我也能进步，可能会慢点，但是量化金融知识不看经典的书，那么可能就会南辕北辙，甚至影响到投资的整个生涯，不对，走偏了的话，就无生涯可谈。

投资的基础知识，比如股票债券基础知识，先来看看滋维博迪的 《投资学（原书第9版）》（[美]滋维·博迪（Zvi Bodie）

再来一本干货，很多国内外研究生教程，介绍的更多的是衍生品，约翰赫尔的《期权、期货及其他衍生产品（原书第9版）》（[加]约翰·赫尔（John C.Hull）)

期权这么火，推荐 麦克米伦的《金融期货与期权丛书：期权投资策略（原书第5版）》（[美]劳伦斯 G.麦克米伦（Lawrence G.McMillan）)

想知道公募基金大佬如何做股票？李腾翻译的大作奉上，主动投资组合管理 创造高收益并控制风险的量化投资方法（原书第2版）

想知道私募基金怎么搞交易的？交易中有哪些技巧？以及如何在量化中走弯路？推荐 范撒普的 通向财务自由之路 ，这可不是一本关于财务分析、会计理论的书籍，真正理解了里面的思想，资金管理、风险控制你就不会纠结。

现在中产压力这么大，那么多人有中年职业危机，想知道怎么把交易当做全职？推荐 埃尔德 以交易为生，他可是将自己如何转行交易，并以交易作为自己的终身职业的心历路程和盘托出。

英语

你可以不说英语、听不懂英语，但最好是要看的懂英语，编程的原生环境是英语，quora、stackoverflow、github也是要求英语阅读能力，要是想用机器学习、深度学习做量化，那么多paper\article都是英语，读不懂怎么做的好？本来是谈量化入门，但好像谈到量化进阶了。

交易

没有途径，实战是最好的方法。确实不行，模拟交易也可以。

量化交易以思想为本，工具为用，路子不能走偏。

快速迭代

类似于实验，都是需要成千上万反反复复的检查、测试。在此，讲到了实验的快速开发和迭代，那么就顺便给个传送门：BigQuant - 人工智能量化投资平台 .，人生苦短，一定要快速迭代，缩短策略开发生命周期。因为你的想法上千个，可能只有几个有价值。

8.什么是量化投资

数量化投资、程序化交易、算法交易、自动化交易以及高频交易都是数量化交易的特定方式， 其描述内容的侧重点各有不同。数量化交易应用IT技术和金融工程模型偶那个帮助投资者指定投资策略、减少执行成本、进行套利和风险对冲。数据、速度、风险管理是数量化交易系统建设中的关键问题。期货市场的数量化自动交易模型正逐步由投资者编制自用，演变为有一定规模的投资咨询顾问组成的专业团队参与。

程序化交易，也可称之为系统交易或算法交易，设计人员将市场常用之技术指标，利用电脑软件将其写入系统中，结合市场历史数据，分析和组合各种指标建立数学模型，将交易策略系统化。当交易策略的条件满足时，程序化系统自动发出多空讯号，并且有效掌握价格变化的趋势，让投资人不论在上涨或下跌的市场行情中，都能抓住交易策略，进而赚取波段获利。程序化交易的操作方式不求赚取夸张利润，只求长期稳健的获利，于市场中成长并达到财富累积的复利效果。经过长时期操作，年获利率可保持在一定水准之上。

程序化交易又是一种个性化交易，每个投资者（或机构）都可以根据自己的投资经验和智慧，编写自己的交易模型，进行电脑自动交易。交易模型是交易思想的凝练和实际化，正确的交易思想在严格的操作纪律实行下将获得良好、稳定的投资收益，而通过交易模型正是将正确的交易思想与严格的操作纪律很好地结合在一起，帮助人们获取良好、稳定的投资收益。程序化交易在投资实战中不仅可以提高下单速度，更可以帮助投资者避免受到情绪波动的影响，消除交易时人性的恐惧、贪婪、迟疑及赌性等情绪，实现理性投资。

设计出色的程序化系统可以确保广为流传的交易成功三项基本原则的顺利实施：顺应市场趋势、控制亏损交易、做足盈利交易。

总而言之，模型策略的出色设计、资金的有效风险控制、行情交易软件的稳定可靠、数据的及时流畅以及下单速度的快捷，组成了优秀的程序化交易系统，它是量化投资的一种具体实现途径。