京公网安备 11010802034615号
经营许可证编号:京B2-20210330
无量化不投资!用公式打败市场的量化投资,在中国能走多远?
2017年,我国资产管理规模突破100万亿元,私募基金迅速走上了快车道。究其原因,与私募基金积极备案登记,监管越来越规范,私募的良好业绩息息相关。从目前总体经济运行、就业形势、居民收入、社会大局等各方面来看,未来,私募投资必将迎来黄金发展期。
2017年11月,中信银行私人银行与胡润研究院联合发布《全球视野下的责任与传承—2017中国高净值人群财富管理需求白皮书》(Wealth Management: Trends of the Chinese HNWI 2017)。报告中提到,与2016年相比,高净值人群跨境金融投资产品的广度和深度均有所扩展、提高。
“外汇存款”、“股票”、“债券”、“基金”和“保险”是高净值人群跨境金融投资配置中最普遍的五种产品。
与人们旺盛的投资理财需求相比,专业机构提供的传统理财服务显得相对匮乏。(2017年6月,招商银行与贝恩公司联合发布的《2017中国私人财富报告》显示,2016年中国个人持有的可投资资产总体规模达到165万亿元人民币。)
中国目前拥有大量金融专业人才,以及世界上数一数二的大数据以及云计算等硬件设施,可以说,中国的量化投资正值风口。
从2016年开始,中国的量化投资普惠化也快速发展,前有传统金融机构提供的智能投顾服务,如广发证券、齐鲁证券等券商,招商银行、兴业银行等银行,后有上海量加科技公司等金融科技公司纷纷试水。
相对于主观交易,目前资金更加青睐于量化投资。在国内,不管是股票,还是期权、期货等都可以通过量化来做。
量化投资在海外的发展已有30多年的历史, 通常是指通过计量(Quantitative)的分析方式形成投资决策,并以计算机程序化发出买卖指令, 快速完成投资组合搭建与再平衡,以获取稳定收益为目的的交易方式 。
目前,市场上一大半的机会还是来源于基于基本面上的价值发现,而量化投资赚取的大多是市场空隙的钱。相对于传统的定型市场,量化投资就好比西医,他们都是有根据地对症下药。并且量化很有纪律性,所有的策略都是依据模型做出来的,相对于主观交易,可以克服人性的弱点,比如贪婪、侥幸心理等。
另一方面,如果市场上有上万只股票的时候,量化投资的信息处理能力也体现出它的优势,更快更准地抓住更多的投资机会;并且量化投资以数据为基础,从数据中挖掘未来的趋势,而且不单单依靠一个或几个股票,而且一组股票取胜!
市场中的大部分的量化投资公司往往都是以总经理负责交易负责策略的研发,然后带领了身边一帮研究员作为一种体系。就比如简雍资产,他们用的是一个更加科学的体系:总经理刘庆柏负责公司运营,但同时也有权在策略的测试、入库、上线以及投决会上进行投票。
简雍资产有非常资深的高校背景资源作为支持,复旦大学、普林斯顿、斯坦福等,这些学校或其中的教授们都与他们有着非常深层次的合作关系,尤其是以复旦大学大数据学院院长范剑青教授为首的支持团队。
范教授是简雍资产的首席策略顾问,大数据学院的副院长薛向阳教授是简雍资产的首席IT顾问,但是核心依然是投资这一块。
简雍资产投资这块的研究体系,目前是以国内郭克尖博士所带领的团队为主导,整体的研究体系是以原来法巴东京的自营团队、以李克辛教授带领的香港团队作为首要的策略引进,以范教授带领的教授团作为他们理论支持。
再来看看简雍资产的整体投资策略。
他们的策略比较丰富,主要是在三个方向进行策略配置:
因为简雍的传统优势,第一个是期货CTA,第二个是股票的短线多头,就是没有对冲的这一部分,第三个是在交易上花了重大的精力的, ALPHA加他们的配对的交易,是偏市场中性的策略,包括现在比较炙手可热的人工智能以及模糊识别。
除了投资策略,投资者当然更加关注的就是风控了。还是以简雍资产为例,他们的风控就是分三步。
第一步是从整个策略的研发上,无论他们在做任何一个策略的时候都会考虑到回撤和收益。第二步的风控是他们在公司整体的运营,这个运营是包括了他们的产品的设计以及公司的投资决策委员会的职能以及风控决策委员会的职能在内的。第三步的风控是从外部方面来考虑的。
一个真正想做好的私募公司,必然会很重视风控。专注于数据和算法研究量化投资基金的简雍资产,希望能够在严控风险的基础之上为客户带来长期稳定的收益。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25