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