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