大家好，在之前的文章中，肖部长跟大家科普了一些金融的基础姿势。从今天开始，老司机的车要开始转入量化这个细分的领域，也就是金融老司机张科长供职的机构目前正在从事的主要业务，大家请系好安全带，坐好扶稳。a
那么问题来了，究竟什么是“量化交易”（Quantitative Trading）呢？相信大家如果有一点人生经验的话，都会自觉不自觉地注意到这样一个社会现象，就是目前我们生活于一个信息化的时代，Information Technology（也就是我们通常简称的IT），正在变得越来越重要。信息技术作为一种侵略性的元素，正在每时每刻侵入各个原来看似无关的传统行业，这里无需部长一一举栗子，相信聪明如你，都能够感受到。
那么量化就是信息技术侵入金融领域而产生出来的交叉学科。简单来说，就是通过计算机技术，对金融有关的数据（如历史行情信息，财务数据，宏观数据等等）进行数据挖掘和分析，寻找有效的投资机会，给投资决策提供参考，甚至提炼出交易模型，制作成自动化的交易系统 。量化交易的知识体系大致涵盖金融数学、计量经济、金融资产交易，计算机程序设计等几个大的方面，可以说是一片姿势的汪洋大海。
其实从广义上来说，量化是一种分析方法，其应用不一定局限于交易，比如说基于大家的网络消费，信用卡消费等数据，建立数学模型进行快速的信用审核，也是一种“量化”手段。但这里，我们主要聚焦于量化交易。
单论量化交易，也不能算一个非常新兴的东西，这个行业在灯塔国发展已经超过三十年，有人统计，灯塔国有超过6成的金融交易实际是由计算机自动完成的。无数杰出的头脑投身于这片姿势的汪洋大海中，凭借自己的智慧或自在遨游，或搏击冲浪。这里面有一个杰出的代表人物，也可以算我们的祖师爷James Simons。他在华尔街被称为模型先生，所创立的文艺复兴科技公司在闷声发大财多年以后，因给投资者带来持续稳定的回报，而且成功地度过数次金融危机，而被大家熟知，敬仰，膜拜。对于我国来说，随着2010年股指期货的推出，量化交易行业也开始逐渐发展，兴盛起来。并且随着金融衍生品交易的逐步完善，金融市场的不断成熟，以及逐渐富裕起来的人民日渐旺盛的投资需求，量化交易行业也必然会有很好的发展。
好，回答完“什么是量化交易？”这个问题以后，我们再说说，相对于传统的金融交易，量化交易有哪些优势。首先我们从一个量化交易模型的产生过程说起。
通常一个交易模型起始于某个获利的构想，其灵感可能来自于主观交易的经验，也可能来自于数据的统计分析。然后，Quant（官方俗称宽客，民间俗称矿工）将构想用程序语言实现成具体的模型（modeling）。接着将模型在历史的行情中进行验证，看看是否真的可行，是否真的可以获利，这一过程叫做回测（back test）。如果在历史数据集中验证，想法是可行的，那么再用模型进行模拟账号的交易（paper trading），以排除一些工程实现过程中可能导入的细节问题。通过这几层检验之后，一个模型才可能真正地被投入实际的交易当中。大家可以看到，这是一个非常严谨的过程，从中我们也不难看出，相对于传统的主观交易，量化交易有不少的优势：
1.基于数据产生交易模型，结果的相对客观性
我们知道，市场中流传着不少交易的手法或者秘诀，但是这些手法如果不借助计算机进行大样本的历史数据检验，其有效性是值得怀疑的。所以才会有“牛市出股神，熊市出哲学家”这样的现象。一些交易手法，有可能只是一时有效，甚至有可能是单纯运气好，碰上了怎么买都挣钱的行情。通过定量的分析，才有可能排除种种偶然，提炼出真实有效的交易方法。而且因为结论的相对客观，总结出来的方法可以很有效地复制，表现也会相对稳定。不像传统的主观交易，高度依赖基金经理的状态与发挥。
2.排除人类情绪对交易的干扰
过金融交易经验的人都不难体会，交易过程中，贪婪与恐惧是如影随形的，情绪可以对交易结果产生直接的干扰。哪怕是一个有效的交易方法，如果交易者本身无法控制自身的情绪，所得到的交易结果也可能是不好的。借助计算机自动交易，则可以很好地规避这个问题，计算机有着100%的执行力，一个有效的模型部署以后，交易员只需关注交易程序是否正常运行，做大尺度的风险控制，而不必纠结于每一笔交易的执行，陷入贪婪与恐惧的循环，做到“安安稳稳，躺着挣钱”
3.投资效率高
依托计算机计算，投资研究的效率可以得到极大的提高，完成传统研究员无法完成的事情。效率体现在如下的几个方面：
a)深度
通过大数据，机器学习，现代通信等技术，可以很容易做到非常微观的时间尺度上（tick级甚至更小）的数据分析，可以分析海量的数据。甚至可以通过卫星监控，汇总各个大宗商品的港口装运量，农产品的种植情况预判商品未来的供求情况。这些方法都是传统研究无法想象的。
b)广度
依赖交易算法，实时监控多个市场，多个交易品种，或者组合实施多种交易策略，这都是非常轻而易举的事情。而对于一个主观交易者来说，这几乎是Mission Imposible。
那通常都有哪些类型的交易策略（模型）呢？张科长从目前一个典型的中国本土量化团队通常会涉足的研究方向作一个简单的划分，分别进行简要的介绍：
1.市场中性策略
市场中性策略，一般也叫作量化选股对冲策略，多因子策略，alpha策略，或者量化对冲策略。其核心的思想是通过寻找到一些选择股票的因子（如财务表现，技术指标，市值，流动性……），通过这些因子筛选出会有较好表现的股票组合，同时建立相应的期货对冲仓位。从而分离整个市场的系统风险，获取自己确定的超额收益。因这种思想理论上容易构筑稳定的，穿越牛熊的策略，同时股票市场在中国也有很大的资金承载量，因而市场中性策略在量化交易领域具有举足轻重的地位。不少人甚至直接用“量化对冲”代指量化交易。
2.量化择时策略
与中性策略的思想不同，量化择时并不回避系统风险，并企图通过自己分析，对行情的走势进行预判，并采取相应的行动进行盈利。虽然有理论认为，在一个有效的市场里面，价格的未来变化与历史信息没有关系，呈现随机游走的状态。但是这毕竟是理想化的假设，现实中的市场并不是完全有效的。量化择时也是量化策略中很重要的一种。
3.CTA策略
从字面意义来说CTA（Commodity Trading Advisor）策略应该是指投资期货市场的交易策略。但是在现实的语境下，通常是指交易期货的量化择时策略。由于期货市场相对更强的博弈性，很多期货品种都会体现出更强的动量效应，因而量化择时在期货领域有着广泛的应用。
4.套利策略
严格来说，套利策略是中性策略的一种，通常来说是指在强相关的品种间，通过稳定的，具有均值回复性的统计特征，捕捉市场情绪等导致的短暂的不合理定价机会，建立对称的多空仓位，从而达到分离市场风险，获取相对确定的低风险收益的交易方式。具体有期限套利，跨期套利，跨市场套利，跨品种套利，配对交易等多种方式。
5.事件驱动策略
事件驱动策略是指通过观察市场中一些可以预期会重复出现的事件（常见的比如企业年报的发布，就业数据的公布等），统计总结这些事件发生前后，市场变化的规律，并在新的事件发生时采取相应的行动进行获利的策略。
好，今天先跟大家科普到这里，后续会继续带大家更加深入的了解量化这个神奇的世界。
