市場中的量化投資

發端于華爾街的量化投資，日益成爲金融市場中的主流投資方法之一。

2018年5月，我曾經寫過一篇文章，從金融思維模型的角度來探討“量化投資”的內涵。

其中，我詳細討論了量化投資發生的時代背景、理論基礎、研究流程、策略分類、國內外發展簡史、以及我個人對于量化投資的幾點體會。

通聯數據，在其産品優礦知識庫中，給量化投資做了如下的定義：

“量化投資是借助量化金融分析方法來進行資産管理的一種投資方法，量化金融分析方法是指結合金融數據，個人經驗，數學模型，計算機技術的一種複雜金融建模，分析方法。”

這之中，對于包括基本面與市場交易在內的金融數據的深度依賴，以及對于包括算力、存儲與網絡在內的計算機技術的廣泛運用，構成了量化投資的關鍵特征。

也可以說，量化投資是計算機技術對于投資領域的再造，是資産管理在信息化時代背景下的演進。

我心中的量化投資

我過往的職業生涯之中，最長的一段是在歐特克中國研發中心的AutoCAD團隊度過的。

曾經有一年，在給領導彙報工作的時候，我對于AutoCAD這個名詞做了如下的拆解：

AutoCAD：先有D，再有CA，最後是Auto。

作爲服務設計的軟件，其存在的基礎首先是設計領域自身的需求，即字母D所代表的Design。

其次，是CA（Computer Aided），即計算機對于設計領域需求的輔助。

最後，是Auto。當軟件對于設計需求的理解達到了一定程度之後，可以自動化、甚至智能化。

這十年的軟件從業生涯，我大部分的精力都放在了計算機輔助（CA）這一側，而對于設計領域的需求（D）本身，雖然也有所了解，但說是知之甚少也並不爲過。

我現在所做的事情，如果以AutoCAD的理念作類比，只需要更改一個字母，將最後的字母D改爲I，即投資（Investment）即可。

而這一次，跨界進入投資領域，我打算倒過來做。

先從I，投資領域知識入手，通過系統的學習與實踐，讓自己成爲所服務的領域專家。而在投資界，這個身份就是資産的管理者，也就是大家通常所說的基金經理。

完成了這一步之後，我將開始系統性的思考如何CA，即如何通過計算機來提升效率。

最後，在此基礎上，嘗試整個投資流程的自動化與智能化。

歸結起來，就是：

AutoCAI：先做I，再做CA，最後做Auto。

所以，在我心中：量化只是方法，投資才是核心。

如若缺乏投資領域的真知灼見，再多的計算機能力，也有可能並無真正的用武之地，甚至會走向歧途。

這也是我始終堅持買方視角，持續提升投資研究能力的根本原因所在。

新年計劃

有了前面的討論作爲鋪墊，接下來就可以聊聊新的一年裏，我打算做什麽，如何做啦。

回首去年，在《2019，我的投研體系的探索之路》一文中，我談到：

如果從第一性原理的角度看待投資，大概會有兩個入手點：一個是價值，以企業經營爲視角，以財務分析爲根本方法。另一個是價格，以市場行爲爲視角，以博弈論爲根本方法。

有了這份認知，我將在2020年系統性的探索，如何圍繞著價值和價格，展開計算機輔助。

從而，構築起CAI的雛形。

回想資産管理行業，傳統的主動型管理，仍然占據著最大的市場份額。

一家大型的主動型資産管理機構，其資産管理規模通常在百億以上，配置著若幹名基金經理以及40名左右甚至更多的買方研究員。

我曾經和朋友探討過，之所以需要這麽多人，其根本原因可以從生物進化的視角加以解讀：

一家資産管理公司，可以看作是一個投資界的生物，同樣也面臨著投資界物競天擇、適者生存的考驗。而較多的基金經理、特別是買方分析員，其本質是爲這家公司的策略基因提供必要的信息多樣性。

因而，大家都不敢懈怠。你家有40名，我家人比較牛，35名就夠了，但也不敢少太多。

一旦人手太少，導致與同行相比，信息多樣性相對匮乏，就有可能導致缺乏必要的良性基因變異，最終爲投資界所淘汰。

畢竟，真正有意義的在于相對于同行的比較優勢，而不只是優勢本身的絕對數量。

在人力資源成本越來越高的大背景下，這種投研人才的軍備競賽，就導致了計算機輔助，通過有效提升買方投研的效率，而有了存活下來的生存基礎。

尋找、測試、改進，這樣的買方投研效率提升點，就成爲我今年量化投資方向的工作重點之一。

這一次，我將不再孤單，而是會和券商量化團隊一同進行探索。

未來會有怎樣的收獲，敬請期待。