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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09