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
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25