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