做投资过程中，总觉得心里很没有底。如何才能做到胸有成竹，不需要优柔寡断呢？近期在与一些机构投资者交流过程中，统一认识是投资除了感性直觉外，最重要的是需要有数据支撑，数据支撑，在茫茫股海中可能就是量化策略。

三点：择时、宏观、数据化。

最近大家讨论最热门的如英国退出欧盟的事件，就属于宏观层面的内容。择时是趋势判断，熊市的做法与牛市完全不同。数据化是否等于量化呢？买入和卖出股票，我们肯定是基本判断逻辑，无论是理性的还是直觉，总是预测其中的一个趋势才会去操作。然而，在股市里95%的时间是随机无序不可预测的。但是在5%的异常状态下，股市完全预测，甚至精确预测，精确预测必须是一个精确数字才能算精确预测，就算计算机里的非0就是1才是判断。为什么很多量化模型都鼓吹“低频”交易？因为通过量化模型，只有在市场异常状态下能比较准确地识别出股市内在的系统性风险。量化模型不是万能的，但在特定情况下，量化模型具有基本面和宏观分析所不具备的巨大优势。

我们日常感性的感官系统，充满着错误的判断，各种外部的刺激都时刻影响着自己的感受和判断。人的思考往往是自身真实的反映，而不是对外界的真实反映，受情绪，潜意识的影响极大。从这个意义上看，数学模型的优势就在于没有扭曲变形，没有情绪化，相对中立客观的指导。所以我们必须借助一个中立的，客观的声音来支持自己的逻辑模型，至少需要有一个客观的数据化的模型来指导。就像我们从小到大考试，60分及格。所有的学习、应试基础条件都围绕60分。一档交易系统提示上了“及格”线，再通过择时和宏观面去判断是否进行操作。从这点上来看，量化交易是有一定的科学性和指导意义。

股市是一个典型的复杂层级系统。股价只是表象，内在的反身性才是推动股价偏离正常的几何分形布朗运动的原因。量化的核心是捕捉市场的无效性；量化风险的关键在于如何让模型更加符合实际中的市场。我们无从知晓“捕捉并消除无效性”如何做到，以及新的交易方式从何开始。在某种意义上来说，所有的算法交易都被认为是消除无效性的手段，仅仅是手段哦。

当今成功的算法及量化处理过程、可以输出完美的回溯测试结果并且在最小的风险上获得最大收益的策略。一般通过选择几个合适的因子就可以做到。但是供给面的情况如何？消费者层面的情绪如何？很难纳入量化的模型中，这些基本和宏观面照样需要通过数字化手段量化出来，并且需要经常优化调整。就像一些机构投资者讲回溯测试可以证明的你的设计交易策略在过去的表现，这是量化交易世界中非常重要的一块内容，不过并不是所有的量化投资者都能意识到，过去不代表未来。

无论如何，面对茫茫数据云，我们还是该把时间精力放在数据化的过程中。通过大数据科学分析手段，寻找恰当时机的投资有效性，精确指导自己的投资。整个人类社会本身就是在无序中找寻有序的规律，并指导我们的判断和实践。量化策略也会越来越靠谱。