京公网安备 11010802034615号
经营许可证编号:京B2-20210330
为什么说市场的有效性 影响了量化投资的发展
在开始文章之前,我们先给这个行业的新人简述一下,量化投资的定义是什么?它是投资人员把自己的投资思维中能够定量的那个部分,之后利用计算机进行定量化编程,最后通过它进行指导投资,量化投资就是这样一种投资方式。在上世纪70年代之前的时间里,进行股票投资所采取的方式都是主观投资。可是伴随着电脑的普遍应用和量化投资的崛起,在华尔街上带动了一部分大鳄的诞生。在1998年,俄罗斯债券危机事件和高科技股泡沫的破裂,还有2008年次贷危机中,Soros旗下的Quantum Fund资产缩水的非常严重,可是Simons的旗下以量化投资为主导思想的Medallion,自从1989年成立,依靠它平均收益率为35%的成绩,被称作是最成功的的对冲基金,以此可以看出量化投资的不同凡响。
根据相关人士王东旋(华商基金量化投资部总经理助理)表示:从量化投资本身来讲,它的基础就是数据,经常用到的基础数据分别有:宏观经济数据、行业数据、市场交易数据、上市公司财务数据、分析师预期数据与市场参与者行为数据等等。所以,量化投资策略有效的基本前提就是数据的有效性和可信度。
王东旋说:“把所获取的信息进行处理的过程就是所谓的投资,而主观投资是利用主观和经验性的方式进行处理信息,可是量化投资是利用数据分析,从而进行客观和模式化的方式进行处理信息。从本质上看,主观投资和量化投资没什么大的区别,其实都是以一定的投资策略和投资逻辑为基础进行处理信息,而不同点主要体现在,不同的投资人对投资策略的搭建,这有因为人都各自拥有自己的特点,从而产生的差异,其实并不是因为方法的不同而产生的差异”。
可是事实上,现在大部分的投资者都希望通过“信息优势”来获得超额的收益,所以,大部分的人在区分主观投资和量化投资的时候,把它作为不同点再看。整体的观察全球资本市场,一些发达国家的资本市场在刚刚成立的时候,也同样的出现了这样的现象,在以前信息优势也是一种非常有效的投资方式,可是伴随着市场有效性的提升和市场监管的深入,要想打探消息变得越来越难,随之违法的成本也变的非常高。所以,对于发达国家来讲,信息优势已经不是它们重点关注的投资方式了。
经过好多年的准备和努力,在全球上,我国的证券市场已经晋升为第二名,市场的有效性也在持续的提升,导致市场有效性提升的因素有:监管层对上市公司信息披露的规范化、实业投资者一二级市场监管套利的控制、市场参与者行为的规范、长期价值投资思想的倡导、沪港通和深港通等的开通等等,在将来,我国的资本市场与发达国家的资本市场接轨,我们绝对的相信,国内的投资市场在一定程度上,会大幅度的改善。
王东旋也展望了未来的投资环境,他认为:在将来,专业的投资人员会把更多的精力放在信息的处理和非信息的获得上,同时投资人员对待相同信息的处理能力也将成为超额收益的重点来源。在相对完善的市场中,投资就和我们上学进行学习是一样的,在相同的教室里,相同的老师,授课的内容也一样,一样的课本,唯一不同的就是每一个学生的思维和理解能力,同时和处理信息的不同,也导致每一个人的学习成绩和学习到的知识多少上,出现了明显的差异。而这样的现象和社会分工的特点是一样的,专业的人员就会做着专业的事情,在将来的投资中,专业的投资者一定会比非专业投资者的投资业绩要好。
伴随着市场的有效性在持续的提升,基础数据的有效性与可信度都会大幅度的提升。量化投资和主观投资相比,量化投资更多的是把经历放在数据的分析和信息的处理上,理性和客观的分析市场的过去和现状以及未来,利用数量化统计手段提升投资的胜率,在最后进行指导投资。换句话说,市场的有效性在一定程度上促进了量化投资的发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08