4.3　量化基金

4.3.1　什么是量化投资

量化投资就是借助现代统计学、数学的方法，从海量历史数据中寻找能够带来股票上涨的各种策略和规律，并在此基础上，综合归纳成因子和模型程序，最终纪律严明地按照这些数量化模型组合来进行投资，力求取得稳定的、可持续的、高于平均的超额回报。

听起来好高端的样子，说通俗点就是你首先有了一个想法（策略），比如“追打开涨停板的新股能否带来不错的收益”；然后你去把所有新股上市后的数据找出来，样本尽可能多，时间尽可能久，并对数据进行深度加工，比如把一些不具备共性的“野值点”给剔除掉，加工成可以使用的样子；第三你要懂计算机编写程序，把这些数据输入程序中，跑一跑程序看看结论是否支持你最初的想法，如果支持，那就看看怎么修改程序使业绩更好（比如小盘股打开涨停有可能比大盘股打开涨停后的利润空间更大），如果不支持那就需要换一个策略；最后就是当策略验证有效成型后，在实操中严格执行该策略，比如当有小盘股打开涨停板后就“无脑”挂买单买入。

当然，一个策略在过去一段时间中有效，并不一定代表未来一定有效，因为市场环境的变化是不可预测的。特别是在策略参数的调整过程中，常常会出现过度优化的情形，即回测的数据越完美，最后实盘起来反而效果越差。可谓“回测美如画，实盘稀里哗”。

不过回测有效毕竟能说明一定问题，总是比无效要强很多。而且有一些策略是有内在逻辑在里面的，比如笔者测试过新股上市后在大股东解禁前后的表现，就发现这些股票在这个时间段是有明显超额收益的，其内在逻辑就是大股东的股票马上就可以减持了，他是有动力去做一些资本运作，发布一些利好消息来提升股价的，谁不想把自己的股票卖个好价钱呢。如果内在逻辑说得通，数据和程序测试也支持，那就有可能是一个有效的策略。

不过任何一个策略都是有一定容量的，当资金量过大或者使用这个策略的人过多，就有可能失去效果了。这时候就需要去寻找新的想法（策略）。

有的人甚至把几十上百个策略因子结合起来，不断地优胜劣汰，让自己的量化策略不断进化，争取立于市场的不败之地。近年来还有人将深度学习的方法应用到量化投资上，做了一些更新的尝试。