
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
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08