一、量化投资概述
大家好，我是老张。在公募量化这个圈子里摸爬滚打了十来年，今天咱们来聊聊量化投资最基础的东西。说实话，很多人一上来就问我策略怎么写、因子怎么挖，但我个人习惯是——先把地基打牢。
量化投资，说白了就是用数学模型代替人脑做决策。你想想看，传统基金经理靠经验、靠调研、靠盘感，而量化投资靠的是数据、统计和代码。嗯，这里要注意，不是说要完全取代人，而是用系统化的方式去捕捉市场机会。
1.1 什么是量化投资
量化投资的核心就三句话：
- 用数据说话——所有决策基于历史数据和统计规律
- 用模型执行——把投资逻辑写成代码，让机器自动跑
- 用纪律约束——克服人性弱点，不凭感觉操作
我在项目中遇到过不少这样的案例：一个主观基金经理，看某只股票顺眼就重仓，结果被套牢。而量化策略呢？它不会因为「喜欢」某个股票就买，它只看因子信号。说白了，量化投资就是给投资这件事装上了「仪表盘」和「自动驾驶」。
核心公式： 量化投资 = 金融理论 + 统计学 + 计算机技术
1.2 量化投资的发展历程
量化投资不是新鲜事。我给大家梳理一下时间线：
| 阶段 | 时间 | 标志性事件 |
|---|---|---|
| 萌芽期 | 1950s-1960s | 马科维茨提出投资组合理论，夏普提出CAPM模型 |
| 发展期 | 1970s-1980s | 期权定价公式诞生，量化交易开始萌芽 |
| 成熟期 | 1990s-2000s | 文艺复兴、DE Shaw等对冲基金崛起 |
| 爆发期 | 2010s至今 | 大数据、AI技术融入，公募量化指数增强兴起 |
我记得刚入行那会儿，国内做量化的团队一只手数得过来。现在呢？随便一个公募基金，没有量化团队都不好意思跟人打招呼。为什么会这样？因为市场越来越有效，靠「小道消息」赚钱的时代过去了。
1.3 公募量化 vs 私募量化
很多人问我：「公募量化和私募量化到底有啥区别？」我一般用三个维度来对比：
| 对比维度 | 公募量化 | 私募量化 |
|---|---|---|
| 投资范围 | 主要做股票，限制较多 | 股票、期货、期权、CTA等 |
| 杠杆使用 | 一般不允许加杠杆 | 可以加杠杆，策略更灵活 |
| 信息披露 | 每日公布净值，季度公布持仓 | 信息不公开，策略保密 |
| 策略容量 | 大，几十亿到上百亿 | 相对较小，受制于市场流动性 |
| 收益特征 | 追求相对收益（跑赢基准） | 追求绝对收益（不管市场涨跌） |
我曾经帮一家私募做过策略优化，他们的策略年化收益能做到30%以上，但最大回撤也接近20%。而公募量化呢？年化超额收益能做到8%-10%就算很优秀了，但回撤控制得好，投资者拿着安心。说白了，公募量化更像「长跑选手」，私募量化更像「短跑健将」。
避坑指南： 我曾经见过不少投资者，拿私募的收益去要求公募，这是不对的。公募有仓位限制、有双十规定、有流动性要求，策略逻辑完全不同。
1.4 指数增强策略的基本概念
指数增强，这个名字听起来有点绕。我换个说法你就懂了：
指数增强 = 跟踪指数 + 跑赢指数
什么意思呢？比如沪深300指数今年涨了10%，指数增强基金的目标是涨12%甚至15%。它既要跟着指数走（不能偏离太多），又要比指数多赚一点（超额收益）。
这里有个关键指标叫「跟踪误差」。我习惯把它理解为「你偏离基准的程度」。跟踪误差太小，说明你基本就是复制指数，超额收益也小；跟踪误差太大，说明你偏离太多，可能变成主动基金了。公募监管要求一般控制在年化4%以内。
核心公式： 指数增强收益 = 指数收益（Beta） + 超额收益（Alpha）
1.5 指数增强的收益来源
超额收益从哪来？我把它拆成三块：
- 选股收益——通过多因子模型，选出比指数成分股更好的股票
- 行业配置收益——超配表现好的行业，低配表现差的行业
- 交易执行收益——通过算法交易、T+0等降低交易成本
你想想看，这三块收益叠加起来，年化超额做到5%-8%是完全可行的。我在做策略回测时，经常发现一个现象：很多新手只盯着选股收益，忽略了交易执行这块。其实交易成本对超额收益的侵蚀非常严重，尤其是高频调仓的策略。
注意： 超额收益不是免费的午餐。它需要你付出研究成本、交易成本，还要承担模型失效的风险。我曾经见过一个策略，前三年超额收益做得很好，第四年突然失效了——因为市场风格切换了。
1.6 本章知识体系
下面这张图，是我自己梳理的量化投资知识体系。你看一眼，就能明白我们这门课要讲什么：
这张图把量化投资的「核心-支柱-策略-流程-指标」串起来了。我们这门课，就是围绕这个体系一步步展开。嗯，我个人建议你把这图保存下来，后面学完每个章节再回来看一眼，会有不一样的体会。
公众号:蓝海资料掘金营，微信deep3321