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
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25