京公网安备 11010802034615号
经营许可证编号:京B2-20210330
量化与策略投资之间的关系
随着我国多层次资本市场的建立,多种金融衍生品工具的不断推出,使得以市场逻辑和历史数据统计为基础的量化投资策略愈发受到投资者的重视。但今年以来,量化投资策略却一反常态,整体表现不佳。据央证量化基金指数的走势来看,今年一月中下旬,该指数出现较大回撤,走势开始跑输沪深300。这引发了业内对量化和传统投资的广泛热议与重新审视,各路人士均展开讨论,各抒己见。
对于量化和主观的优势与区别,区别两者的各自优势主要看市场环境、投资逻辑与赚的是什么钱。如果是赚对手的钱,需要的是严格的纪律和执行力,有胜算才出手,量化就相对更有优势,容易控制风险,因为主观投资可不是每位投资者都有良好的执行力;但如果是比较定性层面的策略,赚经济增长和企业盈利的钱,那绝对还是需要一双慧眼,用主观投资策略,但也可使用电脑程序处理一些简单而繁琐的事情,这相当于一个赚钱加速器。最重要的关键是把握住两者的优势和缺点,扬长避短才是关键。在关键的时点,主观更能体现对市场突发事件的敏感性,而量化就相对滞后一些。
而一名具有主观10年、量化6年的交易经验的资深人士的体会是,主观交易,要看重研究团队,而量化交易,则看重IT团队;主观交易,要盯盘,而量化交易,每天晚上刷一遍数据即可;主观交易,管理规模达到5亿会很累,而量化交易,管理规模达到100亿还会有扩充空间。
与以上偏向于量化策略的观点不同,也有人表示,主观交易也好,量化交易也好,核心都是要有交易思维。纵观国内,目前交易思维做的好的还属主观交易较多,由于量化刚刚起步,加上目前国内市场基础制度的缺失,量化短期很难有大作为。最关键的是,很多做量化的投资者缺少主观那种顺变的交易思维,容易一条道走到黑。
其实,在主观和量化的道路上,两者并不是绝对对立的,至少在方法论和配置管理上是有相通之处的。无论主观交易还是量化交易,首先要注重配置,其次才是策略。
量化投资在海外的发展已有30多年的历史,对于量化和主观到底哪个更适合投资策略,到底哪个投资派别的业绩表现更为出色,海外媒体舆论也是争论不休。
量化和主观这两种不同的投资方法,做的拔尖都会很厉害,做的不好也都会很糟糕。所以这个比较还是要有个可比性,比如做的最好的主观和最好的量化对比,或者两种策略都各取50只基金,取它们的各个平均指标进行不同周期的比较,大概就可以归纳出二者的特点了。他个人觉得从交易规则这个角度来看,如果主观投资的交易规则非常明确,那么就可以量化为数学模型,也就成了量化投资。反之,量化投资无非是各种主观交易规则的数量化。
对于投资者在量化和主观两者中如何权衡找到最佳的交易策略,稳健持续的投资收益来源于对有效投资机制或逻辑的总结,不管是量化或者主观,都是某种投资逻辑的体现。投资贵在化繁为简,量化作为工具,可以把大量的信息具体化简单化,便于投资决策,因此,量化在这方面要优于主观;但主观投资的优势在于对价格变化背后交易行为、心态的解读,这是量化目前很难实现的。投资最讲究从容心态,找到适合自己的方法才能长期存活。
每个人都有一套适合自己的投资体系,不管是量化还是传统投资,适合自己就是最好的,对自身不熟悉的领域没有发言权。个人的想法是,要花费时间和精力潜心专研,通过无数次的实践交易不断验证、反复总结,逐渐形成一套自己的交易体系,日后持之以恒地坚持完善、不断更新。
而就目前情况来看,量化是趋势,最起码它是一种技术趋势,大数据、人工智能技术的不断突破使得量化方法正在加速向实践转化
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26