专业量化投资

① 什么是量化投资

量化投资在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内还比较罕见。其实，定量投资和传统的定性投资本质上的相同的，二者都是基于市场非有效或是弱有效的理论基础，而投资经理可以通过对个股估值，成长等基本面的分析研究，建立战胜市场，产生超额收益的组合。不同的是，定性投资管理较依赖对上市公司的调研，以及基金经理个人的经验及主观的判断，而定量投资管理则是“定性思想的量化应用”,更加强调数据。 第一，纪律性，所有的决策都是依据模型做出的。我们有三个模型：一是大类资产配置模型、二是行业模型、三是股票模型。根据大类资产配置决定股票和债券投资比例；按照行业配置模型确定超配或低配的行业；依靠股票模型挑选股票。纪律性首先表现在依靠模型和相信模型，每一天决策之前，首先要运行模型，根据模型的运行结果进行决策，而不是凭感觉。有人问，模型出错怎么办？不可否认，模型可能出错，就像CT机可能误诊病人一样。但是，在大概率下，CT机是不会出错的，所以，医生没有抛弃CT机，我的模型在大概率下是不出错的，所以，我还是相信我的模型。 纪律性的好处很多，可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差，行为金融理论在这方面有许多论述。纪律化的另外一个好处是可跟踪。定量投资作为一种定性思想的理性应用，客观地在组合中去体现这样的组合思想。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的化，我会打开系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、动量上、技术指标上的得分情况，这个评价是非常全面的,只有汇总得分比其他得分要高才有说服力。 第二，系统性。具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；其次是多角度,定量投资的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量投资的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。 第三，妥善运用套利的思想。定量投资正是在找估值洼地，通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。定性投资经理大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票；与定性投资经理不同，定量基金经理大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。 第四，靠概率取胜。这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是依靠一组股票取胜，而不是一个或几个股票取胜。在国内市场的发展潜力首先，相较于海外成熟市场，A股市场的发展历史较短，投资者队伍参差不齐，投资理念还不够成熟，留给主动投资发掘市场非有效性，产生阿尔法的潜力和空间也更大。投资理念多元化，也创造出多元分散的alpha机会。 其次，量化投资的技术和方法在国内几乎没有竞争者。中医治疗中医擅长的疾病、西医治疗西医擅长的疾病；如果把证券市场看作一个病人的话，每个投资者就是医生，定性投资者挖掘定性投资的机会，治疗定性投资的疾病，定量投资者挖掘定量投资的机会，治疗定量投资的疾病。现在证券市场上定性投资者太多了，机会太少，竞争太激烈；量化投资者太少了，机会很多，竞争很少。这给量化投资创造了良好的发展机遇——当其他人都摆西瓜摊的时候，我们摆了一个苹果摊。 总的看来，量化投资和定性投资的差别真的有如中医和西医的差别，互有长短、各有千秋。 由此可见，随着2010年4月股指期货的出台，量化投资国内市场发展潜力逐渐显现，目前已有国泰安金融学院，北京大学汇丰商学院，上海交通大学安泰管理学院投入数百万开设了专业的量化投资金融实验室，并开办了量化投资高级研修班，为国内量化投资的市场发展提供了良好学术和实战环境。相关基金： 光大量化基金（光大量化核心基金），嘉实量化阿尔法基金，长盛量化基金，中海量化基金。

② 目前国内进行量化投资的个人多不多

近年来,随着证券市场规模的不断扩大,金融衍生产品不断推出, 投资策略和盈利模式发生根本性改变,投资复杂程度日益提高,导致证券市场投资者的构成比例出现了相应的变化。专业投资管理人的占比越来越大,且有加速之势。另一方面,量化对冲投资策略以其中低风险稳定收益的特性,将成为机构投资者的主要投资方向之一。一、量化对冲业务特点及服务要求量化对冲是一项业务特点鲜明、极具专业性、配套服务要求高的业务,其业务特点表现为:(一) 投顾专业化水平高。量化对冲业务对管理人在数据挖掘、策略开发、程序化交易等IT 技术研发能力要求很高。根据海外经验证明,从事量化对冲投资的管理人均为专业机构投资者,专业背景来自物理、数学、统计、计算机等领域的高端人才,需要具备量化投资模型的开发能力及持续的模型优化能力,具有一定的行业进入门槛。分支机构在识别和扶植量化对冲管理人方面也必须具备一定的鉴别能力,避免付出大量精力而收效甚微。(二) 量化对冲业务存在天然的地域分布。与公募基金公司布局相类似,目前主要的量化对冲管理人大都集中在上海、北京、深圳等几大金融市场活跃区域,与公司各地区量化对冲业务发展不均衡的情况相吻合。(三) 产品风险相对较低。目前市场上的量化对冲产品多以市场中性策略为主,对冲证券市场系统性风险,相较于传统方向型的权益类产品,在控制产品回撤和获取稳定收益方面具备较大的优势。随着卖空机制的不断完善,对冲策略将逐渐丰富,例如:统计套利、多空策略、配对交易等。(四) 业务落地要有专门的支持团队。据近年来推广量化对冲业务的实际操作经验,在业务执行层面需要落地营业部协调的技术问题就很多,各营业部须配备专业的业务团队进行支持,快速响应和解决存在的问题。实际情况是大部分营业部没有足够的人力、财力和物力,用于配臵专业的支持团队。根据开展量化对冲业务的以上特点,对券商提出了较高的综合服务要求:(一) IT 系统要求高。量化对冲业务模式对于IT 系统都具有极高要求,一方面体现在交易系统及行情数据响应速度稳定高效,另一方面体现在系统整合及开发易用性。(二) 策略研发需求高。随着金融创新工具的不断推出,量化对冲管理人只有具备持续策略开发和策略优化的能力才能取得稳定、优秀的投资业绩,需要我公司提供强大的策略研究以及策略交流等支持。(三) 产品设计和发行要求高。量化对冲业务发展的必由之路, 是以产品化的模式实现规模效益扩大生产力,投资管理人需要券商提供SPV 设计(如信托、公募、资管等法律结构安排)、提供产品结构设计、风险控制、后台运营和营销组织等全方位的一揽子配套服务, 与证券公司在产品设计的专业能力、统一营销的组织能力和整合公司总部资源能力相匹配。二、量化对冲业务的发展现状
(一) 投资管理人或直接投资者专业化水平参差不齐
目前,市场上量化对冲投资管理人按专业水平大致分为三大类:
第一类:专业水准极高的管理人或投资人,拥有多年的投资经验,拥有自主开发的量化交易系统,有专门的策略研究团队,有实盘过往业绩表现,有持续的生存能力。此类管理人既有自学成才的,也有从 海归加盟的,来自成熟市场有经验的管理人在逐步增加;
第二类:正在成长过程中的管理人或投资人。此类管理人有较好的国内证券市场投资经验和过往业绩,学习能力强,应变能力强,正在成为量化对冲业务的新生力量;
第三类:专业能力欠缺,只有愿望,没有专业支撑,被动依赖技术平台而操作的管理人或是直接投资人,对量化对冲业务一知半解甚至完全不懂,根据策略交易系统发出信号被动投资,预计此类管理人 (投资人)难以应对市场变化,很快就会因束手无策而离开市场。
(二) 从券商或营业部提供的服务支持来看,专业化水准和服务支持能力也参差不齐。
主要分为三类:
第一类:由专业的团队支撑,有系统的技术支持、策略支持和服务支持;
第二类:正在起步阶段的券商,但他们也有可能后发制人,定位精准,整合资源,成为量化对冲市场的主力服务机构;
第三类:没有能力支持量化对冲业务。既无技术支持,也无专业服务团队,更谈不上策略支持。业务发展处于自生自灭的状态,业务也处于很大的波动中。

③ 量化投资有什么优势 量化投资的前景

量化投资从历史大数据入手，逻辑严密，止损严格，免除了人为判断的失误，而且可以通过频繁的交易频率获得不菲的收益。但是也有对应的缺点，如交易系统需要不断完善，防止泄密，并且开发成本高，同时因为量化交易造成的市场恐慌可能会有大面积抛盘造成市场的瞬间崩溃。不过，我觉得总体而言，量化交易就想人工智能阿尔法狗一样，发展前进无限，新事物总有这样那样的不完美，就好比一开始的汽车跑不过赛马一样，但迟早把旧事物淘汰，世道必进后胜于今

④ 什么是量化投资

量化投资是指通过数量化模型建立科学投资体系，以获取稳定收益。在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。在国内，量化投资不再是一个陌生的词汇，近几年得到了迅猛的发展。可在应用过程中学习量化投资

⑤ 量化投资的量化投资

开设学校：对外经济贸易大学
开设学院：统计学院
所属学科：金融学
课程名称：资产管理与量化投资方向
配备最强师资组合
对外经济贸易大学在职研究生享受与统招研究生一模一样的师资，均为硕导、博导。对外经济贸易大学校长施建军、统计学院副院长刘立新教授在该领域内享有很高声誉，均参与在职研究生授课。
课程特有国际性、前沿性、实践性
对外经贸大学自身国际化、前沿化特征显著，金融专业一直是对外经贸大学的优势学科，所设课程同样与国际金融市场接轨密切，如量化投资、统计套利、高频交易等。
课程将资产管理和量化投资技术紧密结合
课程讲授金融各行业资产管理业务的发展模式及运用，尤其是运用量化投资技术和程序交易进行资产管理：套利策略设计、投资方案实施、风险分析、市场预测等，旨在培养复合型的金融高级人才。
定期为在职研究生开展主题讲座论坛
邀请政府和业内知名专家举办系列关于经济金融政策分析、金融监管、金融市场投资、风险管理等方面专题讲座。如：贵金属市场投资、微量网量化投资、风险投资、投资银行、对冲基金、等专题。 伴随着金融全球化的进程，以及我国金融市场的发展创新，利用多市场、多品种、多策略的综合投资和管理将成为未来资产管理、财富管理、风险管理、结构化产品设计的重要发展模式，尤其是运用量化投资技术和程序交易进行套利策略设计、投资方案实施、风险分析、市场预测等。
为适应政府、各类金融机构（银行业、证券业、保险业、期货业、信托业等）以及各类企事业单位对资产管理和投资分析人才迅速增长的需求，提高从事资产管理、金融市场投资、财富管理和养老金策划、社会保障等领域在职人员的专业理论水平，尤其是运用量化投资方法进行资产管理，对外经贸大学特开设金融学专业资产管理与量化投资方向在职研究生课程，旨在培养复合型专业化人才。 资产管理已经成为我国金融市场的发展创新的重要领域，许多金融机构纷纷成立专门的资产管理公司以满足社会发展的需求，而资产管理不仅需要对于各类型资产的了解、应用，更重要的是基于经济金融的生态环境的变化进行综合的、动态的资产管理。
学员通过资产管理与量化投资方向的专业学习，不仅可以掌握运用金融产品及投资理论进行资产管理的方法和技术，而且可以通过不同金融市场的实务操作、案例分析、专题讲座了解现代资产管理的应用，掌握运用量化技术进行投资、融资、资产负债管理、财富管理的手段，为从事资产管理领域的工作提供必要的准备。 1、随着国际国内金融市场的发展，现阶段资产管理已经成为我国金融市场发展创新的重要领域；
2、加大资产管理业务是金融行业扩大资产规模，增加收益的最好选择；
3、资产管理是企业追求长期稳定收益的必然选择；
4、资产管理是普通投资人（家庭、个人投资理财）最受益的选择方式；
5、资产管理是规范金融市场的有效途径，极大的降低市场的波动率；
6、资产管理业务是金融从业人员的激励和动力，促使金融从业人员优胜劣汰，优化金融团队；
7、政府支持、政策支撑：资产管理为社会、金融业、企业、个体等均带来巨大收益，自2012年开始政府大力支持，对其放宽政策，目的就是将此项业务坚定不移的开展下去。
报名条件：
1、从事社会工作三年以上的大专学历者；
2、大学本科毕业三年，并获得学士学位，可申请金融学专业经济学硕士学位。 按照对外经贸大学金融学专业硕士研究生培养方案，根据资产管理与量化投资方向的具体情况实施课堂教学。
学位课程：
微观经济学 宏观经济学 财政学
国际经济学货币银行学 社会主义经济理论
资产管理模块：
投资组合与基金管理 固定收益与信托产品投资
保险规划与财税规划 衍生产品与另类投资
量化投资模块：
金融工程与量化投资 技术分析与高频交易
金融统计与计量 统计套利与程序交易
金融市场、财务策划模块：
金融市场实务 理财规划实务
金融风险管理 财务报表分析 1、申请学位按照对外经济贸易大学研究生部学位办公室关于以研究生毕业同等学力申请硕士学位的规定办理。所交学费不包括进入论文阶段后的费用。
2、报名参加研究生课程进修班学习的人员，可在报名时提出以研究生毕业同等学力申请硕士学位。
3、国家统一组织的英语和经济学学科综合水平考试，由我院协助学员到研究生部办理手续，费用按规定由学员交纳。
4、我院将为学员安排教师进行学位论文的指导。

⑥ 量化投资好做吗，这份工作有多难

比较专业，还需专业人士来做。

⑦ 量化投资

没有你想的书

我多年来都有关注这方面的书 可是也没有在国内找到

数量化投资是将投资理念及策略通过具体指标、参数的设计，体现到具体的模型中，让模型对市场进行不带任何情绪的跟踪；相对于传统投资方式来说，具有快速高效、客观理性、收益与风险平衡和个股与组合平衡等四大特点。量化投资技术几乎覆盖了投资的全过程，包括估值与选股、资产配置与组合优化、订单生成与交易执行、绩效评估和风险管理等，在各个环节都有不同的方法及量化模型：

一、估值与选股

估值：对上市公司进行估值是公司基本面分析的重要方法，在“价值投资”的基本逻辑下，可以通过对公司的估值判断二级市场股票价格的扭曲程度，继而找出价值被低估或高估的股票，作为投资决策的参考。对上市公司的估值包括相对估值法和绝对估值法，相对估值法主要采用乘数方法，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等；绝对估值法主要采用折现的方法，如公司自由现金流模型、股权自由现金流模型和股利折现模型等。相对估值法因简单易懂，便于计算而被广泛使用；绝对估值法因基础数据缺乏及不符合模型要求的全流通假设而一直处于非主流地位。随着全流通时代的到来和国内证券市场的快速发展，绝对估值法正逐渐受到重视。

选股：在当前品种繁多的资本市场中，从浩瀚复杂的数据背后选出适合自己投资风格的股票变得越加困难。在基本面研究的基础上结合量化分析的手段就可以构建数量化选股策略，主流的选股方法如下：

资产配置方法与模型
资产配置类别 资产配置层次 资产配置方法 资产配置模型
战略资产配置 全球资产配置 大类资产配置 行业风格配置 收益测度 风险测度 估计方法 马克维茨 MV 模型 均值 -LPM 模型 VaR 约束模型 Black-Litterman 模型
战术资产配置 ( 动态资产配置 ) 周期判断 风格判断 时机判断 行业轮动策略 风格轮动策略 Alpha 策略 投资组合保险策略

基本面选股：通过对上市公司财务指标的分析，找出影响股价的重要因子，如：与收益指标相关的盈利能力、与现金流指标相关的获现能力、与负债率指标相关的偿债能力、与净资产指标相关的成长能力、与周转率指标相关的资产管理能力等。然后通过建立股价与因子之间的关系模型得出对股票收益的预测。股价与因子的关系模型分为结构模型和统计模型两类：结构模型给出股票的收益和因子之间的直观表达，实用性较强，包括价值型(本杰明·格雷厄姆—防御价值型、查尔斯·布兰迪—价值型等)、成长型(德伍·切斯—大型成长动能、葛廉·毕克斯达夫—中大型成长股等)、价值成长型(沃伦·巴菲特—优质企业选择法、彼得·林奇—GARP价值成长法等)三种选股方法；统计模型是用统计方法提取出近似线性无关的因子建立模型，这种建模方法因不需先验知识且可以检验模型的有效性，被众多经济学家推崇，包括主成分法、极大似然法等。

多因素选股：通过寻找引起股价共同变动的因素，建立收益与联动因素间线性相关关系的多因素模型。影响股价的共同因素包括宏观因子、市场因子和统计因子(通过统计方法得到)三大类，通过逐步回归和分层回归的方法对三类因素进行选取，然后通过主成分分析选出解释度较高的某几个指标来反映原有的大部分信息。多因素模型对因子的选择有很高的要求，因子的选择可依赖统计方法、投资经验或二者的结合，所选的因子要有统计意义上或市场意义上的显著性，一般可从动量、波动性、成长性、规模、价值、活跃性及收益性等方面选择指标来解释股票的收益率。

动量、反向选股：动量选股策略是指分析股票在过去相对短期的表现，事先对股票收益和交易量设定条件，当条件满足时买进或卖出股票的投资策略，该投资策略基于投资者对股票中期的反应不足和保守心理，在投资行为上表现为购买过去几个月表现好的股票而卖出过去几个月表现差的股票。反向选股策略则基于投资者的锚定和过度自信的心理特征，认为投资者会对上市公司的业绩状况做出持续过度反应，形成对业绩差的公司业绩过分低估和业绩的好公司业绩过分高估的现象，这为投资者利用反向投资策略提供了套利机会，在投资行为上表现为买进过去表现差的股票而卖出过去表现好的股票。反向选股策略是行为金融学理论发展至今最为成熟，也是最受关注的策略之一。

二、资产配置

资产配置指资产类别选择、投资组合中各类资产的配置比例以及对这些混合资产进行实时管理。资产配置一般包括两大类别、三大层次，两大类别为战略资产配置和战术/动态资产配置，三大层次为全球资产配置、大类资产配置和行业风格配置。资产配置的主要方法及模型如下：

战略资产配置针对当前市场条件，在较长的时间周期内控制投资风险，使得长期风险调整后收益最大化。战术资产配置通常在相对较短的时间周期内，针对某种具体的市场状态制定最优配置策略，利用市场短期波动机会获取超额收益。因此，战术资产配置是在长期战略配置的过程中针对市场变化制定的短期配置策略，二者相互补充。战略资产配置为未来较长时间内的投资活动建立业务基准，战术资产配置通过主动把握投资机会适当偏离战略资产配置基准，获取超额收益。

三、股价预测

股价的可预测性与有效市场假说密切相关。如果有效市场假说成立，股价就反映了所有相关的信息，价格变化服从随机游走，股价的预测就毫无意义，而我国的股市远未达到有效市场阶段，因此股价时间序列不是序列无关，而是序列相关的，即历史数据对股价的形成起作用，因此可以通过对历史信息的分析来预测股价。

主流的股价预测模型有灰色预测模型、神经网络预测模型和支持向量机预测模型(SVM)。灰色预测模型对股价的短期变化有很强的预测能力，近年发展起来的灰色预测模型包括GM(1, 1)模型、灰色新陈代谢模型和灰色马尔可夫模型。人工神经网络模型具有巨量并行性、存储分布性、结构可变性、高度非线性和自组织性等特点，且可以逼近任何连续函数，目前在金融分析和预测方面已有广泛的应用，效果较好。支持向量机模型在解决小样本、非线性及高维模式识别问题中有许多优势，且结构简单，具有全局优化性和较好的泛化能力，比神经网络有更好的拟合度。

四、绩效评估

作为集合投资、风险分散、专业化管理、变现性强等特点的投资产品，基金的业绩虽然受到投资者的关注，但要对基金有一个全面的评价，则需要考量基金业绩变动背后的形成原因、基金回报的来源等因素，绩效评估能够在这方面提供较好的视角与方法，风险调整收益、择时/股能力、业绩归因分析、业绩持续性及Fama的业绩分解等指标和方法可从不同的角度对基金的绩效进行评估。

绩效评估模型 / 指标

绩效评估准则
择时 / 股能力
业绩归因分析
风险调整收益
业绩持续性
Fama 业绩分解

模型 / 指标
T-M 模型

H-M 模型

GII 模型

C-L 模型
资产配置收益

证券选择收益

行业选择收益

行业内个股选择收益
RAROC

Sharp, Stutzer

Treynor, Jensen

, ,
双向表分析

时间序列相关性
总风险收益

系统风险收益

分散化投资收益

五、基于行为金融学的投资策略

上世纪50～70年代，随着马科维茨组合理论、CAPM模型、MM定理及有效市场假说的提出，现代金融经济学建立了一套成熟的理论体系，并且在学术界占据了主导地位，也被国际投资机构广泛应用和推广，但以上传统经济学的理论基石是理性人假设，在理性人假设下，市场是有效率的，但进入80年代以后，关于股票市场的一系列研究和实证发现了与理性人假设不符合的异常现象，如：日历效应、股权溢价之谜、期权微笑、封闭式基金折溢价之谜、小盘股效应等。面对这些金融市场的异常现象，诸多研究学者从传统金融理论的基本假设入手，放松关于投资者是完全理性的严格假设，吸收心理学的研究成果，研究股市投资者行为、价格形成机制与价格表现特征，取得了一系列有影响的研究成果，形成了具有重要影响力的学术流派－行为金融学。

行为金融学是对传统金融学理论的革命，也是对传统投资实践的挑战。随着行为金融理论的发展，理论界和投资界对行为金融理论和相关投资策略作了广泛的宣传和应用，好买认为，无论机构投资者还是个人投资者，了解行为金融学的指导意义在于：可以采取针对非理性市场行为的投资策略来实现投资目标。在大多数投资者认识到自己的错误以前，投资那些定价错误的股票，并在股价正确定位之后获利。目前国际金融市场中比较常见且相对成熟的行为金融投资策略包括动量投资策略、反向投资策略、小盘股策略和时间分散化策略等。

六、程序化交易与算法交易策略

根据NYSE的定义，程序化交易指任何含有15只股票以上或单值为一百万美元以上的交易。程序化交易强调订单是如何生成的，即通过某种策略生成交易指令，以便实现某个特定的投资目标。程序化交易主要是大机构的工具，它们同时买进或卖出整个股票组合，而买进和卖出程序可以用来实现不同的目标，目前程序化交易策略主要包括数量化程序交易策略、动态对冲策略、指数套利策略、配对交易策略和久期平均策略等。

算法交易，也称自动交易、黑盒交易或无人值守交易，是使用计算机来确定订单最佳的执行路径、执行时间、执行价格及执行数量的交易方法，主要针对经纪商。算法交易广泛应用于对冲基金、企业年金、共同基金以及其他一些大型的机构投资者，他们使用算法交易对大额订单进行分拆，寻找最佳路由和最有利的执行价格，以降低市场的冲击成本、提高执行效率和订单执行的隐蔽性。任何投资策略都可以使用算法交易进行订单的执行，包括做市、场内价差交易、套利及趋势跟随交易。算法交易在交易中的作用主要体现在智能路由、降低冲击成本、提高执行效率、减少人力成本和增加投资组合收益等方面。主要的算法包括：交易量加权平均价格算法(VWAP)、保证成交量加权平均价格算法(Guaranteed VWAP)、时间加权平均价格算法(TWAP)、游击战算法(Guerrilla)、狙击手算法(Sniper)、模式识别算法(Pattern Recognition)等。

综上所述，数量化投资技术贯穿基金的整个投资流程，从估值选股、资产配置到程序化交易与绩效评估等。结合量化投资的特点及我国证券市场的现状，好买认为量化投资技术在国内基金业中的应用将主要集中在量化选股、资产配置、绩效评估与风险管理、行为金融等方面，而随着包括基金在内的机构投资者占比的不断提高、衍生品工具的日渐丰富(股指期货、融资融券等)以及量化投资技术的进步，基金管理人的投资策略将会越来越复杂，程序化交易(系统)也将有快速的发展。

⑧ 量化投资需要学什么

首先是要了解金融市场与金融产品,只有这样才能在众多市场与标的中选择合适的来构建投资组合,这一方面需要了解的基础知识有:金融市场与金融机构、投资学、金融衍生品等等。

⑨ 完全不懂金融，想学习量化投资需要学习哪些金融科目

我个人认为学习复量化投资在金制融方面需要具备两个方面的知识：
1、首先是要了解金融市场与金融产品，只有这样才能在众多市场与标的中选择合适的来构建投资组合，这一方面需要了解的基础知识有：金融市场与金融机构、投资学、金融衍生品等等；
2、其次是需要了解如何量化，相信你应该有足够的IT背景，编程没啥问题，其次的话就是要了解数理来沟通金融产品选择与编程落地，需要了解的科目有：概率论、统计学、计量经济学、金融经济学、数理金融等。

⑩ 想走量化投资方向，大概需要什么学历

硕士学历足够，需要具备金融学、心理学、经济学、统计学、会计学等，总结数据统计能力、计算机技能以及心理素质。
量化投资可以肯定说目前还是一年蓝海，稀缺人才很少，如果有志往这方面发展是不错的选择。