量化投资已成为穿越“牛熊”的利器, 前景广阔
▲量化投资是一种依托计算机构建模型再投资的策略。从长期业绩表现看，量化基金具备业绩稳健、资产管理规模大、分散化投资、不带有主观投资情绪等优势，被称为穿越“牛熊”的利器。
▲大类资产配置需求给量化投资带来了全新的发展机遇。随着技术门槛的降低以及大数据、人工智能的应用，任何投资者都可以将量化投资应用到自身资产组合当中，广大中小投资者也可以为自己定制量化投资产品。
如果从2007年大批海外量化基金投资人才归国算起，我国量化投资基金行业已走过10年历程。从最初不为人知到成为公募行业名片，从单一的量化对冲产品到多策略量化组合，从震荡市大放异彩到单边行情下饱受质疑……这一全新的投资方式正在被各类资管机构接受，尤其是公募量化证券投资基金因其高门槛、大规模、运作透明规范的标准化特点，被广大中小投资者热捧。
穿越“牛熊”的利器
量化投资是一种依托计算机构建模型再投资的策略。其投资逻辑在于从海量的历史数据中寻找能带来超额收益的多种“大概率”事件，并严格地按照这些策略构建的数量化模型来投资。本质上，量化投资是利用计算机和数据运算，寻找市场定价偏差的一种“投机”策略。
量化投资区别于定性投资的鲜明特征是构建模型。“每个模型由很多因子组成，每个因子本质上都是基金经理眼中的一个赚钱的观点。例如，投资者情绪因子，是将投资者情绪变化作量化统计，作为筛选股票投资的决策依据。”华泰柏瑞基金副总经理田汉卿认为，定性投资和定量投资的具体做法有些差异，如同中医和西医的差异，定性投资更像中医，依靠经验和感觉判断。定量投资更像是西医，依靠模型判断，模型对于定量投资基金经理的作用就像CT机对于医生的作用。
量化投资在国外已有30多年的发展史，因其稳健的业绩广受投资者认可。曾是数学老师的美国量化基金经理西蒙斯管理的大奖章基金，在1989年到2007年取得了平均年收益高达35%的佳绩。国内首只量化公募基金——光大保德信量化核心诞生于2004年，但国内量化投资基金真正开始发展始于2007年大批海外量化人才回国管理产品。
Wind资讯显示，截至7月24日，目前市场上存续的公募量化证券投资基金达184只，其中成立年限不足1年的达85只，不足2年的达124只，成立年限超过10年的仅有光大核心、博时裕富沪深300A、上投摩根阿尔法等3只基金。
这180余只量化基金中，截至7月25日，具备可比数据的22只基金近5年的投资回报率高达117.10%，远高于同期沪深300指数、中证500指数等被动指数类产品，甚至好于大多数主动管理类股票型基金。
“量化+”前景广阔
3年前，量化对冲产品曾风靡一时，部分公募基金公司一度密集发行，但受到对冲工具限制，这类产品近期逐渐归于平静，业绩表现平平，市场对于量化投资策略有效性的质疑声开始出现。
“量化对冲产品的发展规律说明，量化投资最大的困难有两方面：一是量化投资模型同质化，参与的人多了会失效，这就要求开发者在策略研发上不断拓展。其次，仅靠量化模型做量化已不能满足市场需求，必须通过‘量化+’寻找新的投资领域和投资机会。例如，分级基金套利、商品期权等都可以应用量化模型。总之，量化投资的发展不能局限于传统股票池。”艾方资产总经理兼投资总监蒋锴说。
针对“量化+”的发展思路，富善投资总经理兼投资总监林成栋认为：“当前几大发展趋势决定了量化投资必须‘走出去’，这也是未来投资者继续看好量化基金的关键：一是大类资产配置需求带来的全新量化投资发展机遇，二是量化策略和主动投资策略相结合。基本面投资和量化投资并不矛盾，中西医也可以实现良好的互动和融合发展，量化投资管理人应多学习宏观基本面的研究方法，将纯量化的策略与传统主观策略相结合，有望产生新的‘化学反应’。”
之所以应用更多的“量化+”策略，也有预防“业绩地雷”“业绩变脸”等事件的考虑。“随着2017年上市公司中报发布，业绩变脸的公司开始增多。要预防业绩变脸，需要重点过滤那些长期业绩稳健、信息披露规范、数据规范的公司，那些业绩数据不稳定的公司，‘变脸’概率较大。”泰达宏利业绩驱动量化股票型基金的拟任基金经理杨超表示，从稳健的业绩到业绩变脸的判断，不是一天之间形成，需要通过量化投资的方法长期对公司基本面研究并预判。
定制型量化值得期待
从量化投资基金的发展趋势看，无论是“量化+”还是多策略量化的应用，都说明量化投资已不再是一种单纯的投资产品、单一的投资策略，而是更加偏向工具化、模块化发展。通俗地说，随着技术门槛的降低以及大数据、人工智能的应用，任何投资者都可以将量化投资应用到自身资产组合当中，广大中小投资者也可以为自己定制量化投资产品。
业内人士表示，计算机决策有很大局限性，最大缺陷就是没有前瞻性，因为它是基于历史数据和历史检验的结论，其逻辑是历史会重复。市场环境是不断变化的，长期看，要战胜市场必须具有前瞻性，顶尖的基金管理人如巴菲特和索罗斯都具备这一特征。如果将量化投资、人工智能仅仅视为一种投资工具，将两者的优点和传统主动管理类投资方法整合起来改良量化基金产品，则有可能产生全新的定制型、聪明的量化基金。目前，国内一些阳光私募基金已开始将人工智能的三个子领域——机器学习、自然语言处理、知识图谱，融入自身策略中，尝试获取“聪明”的收益。
（摘自经济日报）
学习量化投资除了自己摸索实践外，跟业内有成功经验的人学习也是快速掌握这门“金领”技能的重要方式：
经管之家量化投资学院联合业内名师开设R与Python量化现场班，分享最新的量化投资技能与经验：
R语言量化投资交易
从R语言零基础开始，掌握R语言的主要功能，并实战R量化投资交易。
通过量化实战经验分享，掌握R量化投资的技能与思想。
时间：2017年9月2-3,9-10日
(四天)
安排：上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00
地点：上海市南京东路附近培训教室
学费：4500元
/ 3600元 (仅限全日制在读本科生及硕士研究生优惠价)；食宿自理
讲师介绍：
姚老师，南京大学学士，加州大学统计学硕士，生统方向博士。曾就职于南加州大学，担任统计分析师一职。
国内先后就职于券商研究所，上海证券交易所，现在国内某大型公募基金从事量化研究工作，9年数据处理分析经验，国外一流期刊包括Nature杂志发表过多篇专业论文。
课程大纲：
一.R语言安装与介绍
1.R软件的下载安装
2.Rstudio的简介
3.编译界面和工作环境
4.基本算术和逻辑运算符号
5.包的安装与调用
6.查询求助
二.常用功能介绍
1.R语言数据类型、对象
2.读写、缺失值和日期
2.1读写数据
2.2缺失值处理和日期格式
3.数据管理
3.1变量和观测值处理
a)创建新变量
b)改变观测值
c)变量重命名
3.2常用R自带函数
a)数值型函数
b)字符型函数
c)统计及其他常见函数
3.3结构控制函数
a)If-else
b)For
c)While
d)ifelse
3.4用户自定义函数
3.5数据排序（order,sort）
3.6合并数据
a)添加列（merge）
b)添加行（rbind）
3.7分类汇总
3.8数据子集
4.作图
4.1y~x加回归线和标题
4.2直方图、密度图boxplotpieplot
4.3多个图的par用法
5.数据处理dplyr,
apply,lapply
6.线性回归
三.量化投资部分
1.多因子模型选股
1.1用户自定义常用函数
a)如何将数字改为标准代码格式（例如000001保存为1，如何将1改为‘000001’）
b)如何下载交易日，前后调整交易日
1.2因子库构建
a)来源：wind库，天相库，朝阳永续
b)如何每日自动更新数据库（介绍一个简单例子）
1.3有效因子筛选
1.3.1预处理
a)缺失值处理
删除横截面行业内同因子中位数/平均值代替
b)异常值处理
百分位法
固定标准差法
中位数绝对偏离法
四分位距法
c)标准化
行业内z-score标准化处理
d)正态分布的检验
作图skewness
正态分布转换
1.3.2单因子有效性检验
因子IC、IR、收益、分组单调性
1.3.3因子间相关性考虑
相关性矩阵
1.3.4筛选最终因子
主观筛选：基于指标及相关性
客观筛选：基于回归模型解释度
1.3.5打分法确定选股
主观方法：经典等权法
客观方法：IC_IR优化
1.3.6回归法选股
1.3.7选股结果生成
是否行业中性
1.3.8模拟净值曲线（K日累计收益）
1.3.9衡量模型的指标计算
1.3.10样本外的定期调仓
1.3.11分行业测试及建模
2.事件驱动策略
2.1数据来源（举例表格，程序，结果）
2.2事件有效性测试
基于逻辑
基于数据样本分类
2.3剔除行业和市值效应以及实际交易情况的真实事件收益
2.4事件驱动策略
3.其他常见策略
配对交易
趋势交易
优惠：
现场班老学员9折优惠；
同一单位三人以上同时报名9折优惠；
以上优惠不叠加。
报名流程：
1：点击“我要报名”，网上填写信息提交；
2：给予反馈，确认报名信息；
3：网上订单缴费；
4：开课前一周发送课程电子版讲义，软件准备及交通住宿指南。
联系方式：
魏老师
QQ：2881989714
Tel：010-68478566
Mail：vip@pinggu.org
AND：
Python量化投资从零基础到实战_10月北京开班：
http://bbs.pinggu.org/thread-5815160-1-1.html（请复制链接浏览器打开查看详情）