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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24