什么是量化投资量化投资的特点(2)
量化投资的投资策略
量化投资技术几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易，资产配置，风险控制等。
量化选股
量化选股就是采用数量的方法判断某个公司是否值得买入的行为。根据某个方法，如果该公司满足了该方法的条件，则放入股票池，如果不满足，则从股票池中剔除。量化选股的方法有很多种，总的来说，可以分为公司估值法、趋势法和资金法三大类
量化择时
股市的可预测性问题与有效市场假说密切相关。如果有效市场理论或有效市场假说成立，股票价格充分反映了所有相关的信息，价格变化服从随机游走，股票价格的预测则毫无意义。众多的研究发现我国股市的指数收益中，存在经典线性相关之外的非线性相关，从而拒绝了随机游走的假设，指出股价的波动不是完全随机的，它貌似随机、杂乱，但在其复杂表面的背后，却隐藏着确定性的机制，因此存在可预测成分。
股指期货
股指期货套利是指利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，或者同时进行不同期限，不同(但相近)类别股票指数合约交易，以赚取差价的行为，股指期货套利主要分为期现套利和跨期套利两种。股指期货套利的研究主要包括现货构建、套利定价、保证金管理、冲击成本、成分股调整等内容。
商品期货
商品期货套利盈利的逻辑原理是基于以下几个方面：
(1)相关商品在不同地点、不同时间对应都有一个合理的价格差价。
(2)由于价格的波动性，价格差价经常出现不合理。
(3)不合理必然要回到合理。
(4)不合理回到合理的这部分价格区间就是盈利区间。
统计套利
有别于无风险套利，统计套利是利用证券价格的历史统计规律进行套利，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。统计套利在方法上可以分为两类，一类是利用股票的收益率序列建模，目标是在组合的β值等于零的前提下实现alpha收益，我们称之为β中性策略;另一类是利用股票的价格序列的协整关系建模，我们称之为协整策略。
期权套利
期权套利交易是指同时买进卖出同一相关期货但不同敲定价格或不同到期月份的看涨或看跌期权合约，希望在日后对冲交易部位或履约时获利的交易。期权套利的交易策略和方式多种多样，是多种相关期权交易的组合，具体包括：水平套利、垂直套利、转换套利、反向转换套利、跨式套利、蝶式套利、飞鹰式套利等。
算法交易
算法交易又被称为自动交易、黑盒交易或者机器交易，它指的是通过使用计算机程序来发出交易指令。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格、甚至可以包括最后需要成交的证券数量。根据各个算法交易中算法的主动程度不同，可以把不同算法交易分为被动型算法交易、主动型算法交易、综合型算法交易三大类。
资产配置
资产配置是指资产类别选择，投资组合中各类资产的适当配置以及对这些混合资产进行实时管理。量化投资管理将传统投资组合理论与量化分析技术的结合，极大地丰富了资产配置的内涵，形成了现代资产配置理论的基本框架。
它突破了传统积极型投资和指数型投资的局限，将投资方法建立在对各种资产类股票公开数据的统计分析上，通过比较不同资产类的统计特征，建立数学模型，进而确定组合资产的配置目标和分配比例。
量化投资的投资风险
市场上，针对不同的投资市场，投资平台和投资标的，量化策略师按照自己的设计思想，设计了不同的量化投资模型。这些量化投资模型，一般会经过海量数据仿真测试，模拟操作等手段进行试验，并依据一定的风险管理算法进行仓位和资金配置，实现风险最小化和收益最大化。但是潜在的风险，可能来自以下几个方面：
第一：历史数据的完整性，行情数据的完整性都可能导致模型对行情数据的不匹配。行情数据自身风格转换，也可能导致模型失效，如交易流动性，价格波动幅度，价格波动频率等。这一点是目前量化界最难克服的。
第二：模型设计中没有考虑仓位和资金配置，没有安全的风
量化的交易过程，策略测试，资金增长曲线
量化的交易过程，策略测试，资金增长曲线(4张)
险评估和预防措施，可能导致资金、仓位和模型的不匹配，而发生爆仓现象。
第三：网络中断，硬件故障也可能对量化投资产生影响。
第四：同质模型产生竞争交易现象导致的风险。
第五：单一投资品种导致的不可预测风险。
规避或减小风险的策略包括以下几点：
1、保证历史数据的完整性。
2、在线调整模型参数，在线选择模型类型。
3、在线监测和规避风险。
4、严格利用最大资金回撤设计仓位和杠杆。
5、备份操作。
6、不同类型量化模型组合。
7、不同类型标的投资组合。
看过“量化投资的特点”的人还看了：
2.怎样选择量化基金
