一、量化投资概述

1.1 量化投资定义

量化投资，说白了就是用数学模型和计算机技术来做投资决策。我习惯把它理解成「用数据说话，让机器执行」。

它的核心流程其实不复杂：

• 数据输入：价格、成交量、财务数据、舆情数据等
• 模型构建：用统计学、机器学习等方法找出规律
• 策略生成：根据模型信号决定买卖时机
• 执行交易：程序自动下单，减少人为干扰

举个例子，传统基金经理可能会说「我觉得茅台要涨」，而量化模型会说「根据过去5年的数据，当PE低于30且MACD金叉时，未来20天上涨概率是68%」。你想想看，这两种决策方式的差异有多大。

1.2 量化投资与传统投资的区别

我在刚入行时，经常被问到这个问题。其实两者的区别，可以从几个维度来看：

维度	传统投资	量化投资
决策依据	经验、直觉、基本面分析	数据、模型、统计规律
持仓数量	通常10-30只	可覆盖100-500只
交易频率	低频（周/月）	高频（日/分钟/秒）
风险控制	主观止损	系统化风控模型
情绪影响	容易受市场情绪干扰	严格执行，避免情绪化
可复制性	依赖个人能力	可复制、可回测

嗯，这里要注意一点：量化投资不是要完全取代传统投资。我见过很多优秀的基金经理，他们用基本面选股，再用量化工具做择时和风控，效果反而更好。

1.3 量化投资在国内的发展历程

国内量化的发展，我把它分成四个阶段：

1. 萌芽期（2004-2009）：第一批量化产品出现，主要是简单的指数增强和套利策略。我记得那时候市场上做量化的团队一只手数得过来。
2. 起步期（2010-2014）：2010年股指期货上市，量化对冲策略开始兴起。市场中性策略成了主流，年化收益能做到15%以上。
3. 爆发期（2015-2019）：2015年股灾后，量化策略凭借稳定的表现吸引了大量资金。高频交易、CTA策略、多因子选股百花齐放。
4. 成熟期（2020至今）：监管趋严，竞争加剧。头部量化私募管理规模突破千亿，公募量化也开始发力。

为什么会这样？说白了，国内量化的发展跟金融工具的丰富程度高度相关。没有股指期货、没有期权、没有足够的衍生品，量化就是无米之炊。

1.4 公募量化的市场现状与规模

截至2024年底，公募量化产品的总规模已经突破3000亿元。这个数字看着不小，但跟公募基金总规模（约28万亿）相比，占比才1%出头。你想想看，这个市场还有多大的空间。

目前公募量化的主要类型：

• 指数增强型：占比最大，约60%。在跟踪指数的基础上，通过量化模型获取超额收益。
• 量化选股型：约25%。不跟踪特定指数，全市场选股。
• 量化对冲型：约10%。通过股指期货对冲市场风险，追求绝对收益。
• 其他：约5%。包括量化CTA、量化多资产等。

我个人的观察是，公募量化正在经历一个「从边缘到主流」的过程。以前大家觉得量化是私募的专利，现在越来越多的公募基金公司成立了量化投资部，有的甚至把量化作为核心战略。

下面这张图展示了公募量化的核心知识体系：

从这张图可以看出，公募量化是一个环环相扣的知识体系。每个模块都不是孤立的，而是相互支撑、相互影响。

好了，第一章的内容就到这里。量化投资的世界很大，我们后面慢慢聊。