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