引言:
邢不行的系列帖子“量化小讲堂”，通过实际案例教初学者使用python进行量化投资，了解行业研究方向，希望能对大家有帮助。
又到高考志愿填报期，有同学问我某量化私募的实习生薪资都50w了，想做量化应该选什么专业？
和大家这样的日常交流有很多，从中发现很多人对量化存在不少误解。
所以这次干脆写篇文章，逐一解答新人对量化投资的常见问题。
01
什么是量化投资?
先开宗明义的对量化投资下一个完整定义：
用量化模型而不是人脑，来决定交易的品种、方向、时机和数量。
很多人自己做交易，无论是听“消息”买入，还是自己“感觉”要涨直接梭哈，这些交易决策都是由人脑主观决定的。
而在量化投资中，所有的买卖都完全由量化模型决定。
模型决定了交易的品种（买什么）、方向（多或空）、时机（何时买）和数量（仓位），即交易的一切。
有些同学看到量化模型这四个字就头大，毕竟在大家印象里这是韦神玩的东西。
1.简单量化模型
但事实并非如此，模型有难易之分。也有很简单的，比如我们讲过很多次的定投策略。
不管行情定期、定量的买入指定品种，比如每周买1000元BTC。虽然简单，但这妥妥的是一个量化模型。
（定投策略：不管行情，每周买1000元固定品种）
别小看这个简单的模型。我分别在2019年5月、2021年1月分享过各类定投策略，鼓励大家定投。
（按照文章建议定投的，已经收益满满了）
感兴趣的可以再去翻下旧文：
在两万美金顶点买入比特币的他，现在怎么样了？
BTC涨这么多，还能买吗？要卖吗？| 量化定投策略告诉你答案【附代码】
2.复杂量化模型
当然，量化模型也可以很复杂，比如现在很流行的人工智能。
但千万别觉得人工智能是最近才有的。根据我看的文献，最早在上世纪80年代，华尔街就开始在投资中运用该技术了。
感兴趣的同学可以看我某期视频，里面科普了机器学习在量化投资中的应用案例，零基础也能看懂。
讲完量化投资的定义，我们再回到实际问题，挨个解答大家的疑惑。
02
量化=高频交易？
提到量化投资，很多同学第一印象是：一台算力超高的电脑，以极高频率在市场上快进快出，赚尽每一分钱。
但实际上量化投资包含了众多的策略类型，高频交易只是其中之一。把高频等同于量化就相当于用足球代表中国体育事业。
下面给大家介绍几种常见的量化投资策略。
1.选股策略
我们网站上的选股策略，每月会选出30只股票买入，然后定期更换。
这个策略交易频率不高，一个月一次。但其选股完全由模型决定，你能说这不是量化交易吗？
想了解更多选股策略可以看我这期视频：
2.择时策略
量化择时策略，就是针对某一品种，让模型决定买卖时点的策略。
策略的买卖信号可以很频繁，几分钟就发出一次；也可以很缓慢，几个月才出现一次。
我个人的偏好是中长线的择时。我们做过很多择时策略的视频，比如：
3.套利策略
相比前两个策略，套利策略更加稳健，风险更低。
越原始的市场套利机会越多。近几年套利机会最多的无疑是币圈。我2018年就写过数字货币期限套利的教程，能在7天内赚15%的无风险收益。
目前这个策略仍适用，币圈每年都还会有新的套利机会出现。
4.事件驱动策略
事件驱动策略，则由某个事件触发交易行为。
比如，我们经常会看到上市公司大股东或高管增减持自家股票的消息。把这个当做事件，跟着他们买卖即可。
我的这个视频，就通过8万条增减持事件数据，详细展示了该策略的可行性：
5.高频策略
高频策略的特点是交易频率高，交易时间间隔短，每笔交易金额相对较小。
（高频是脏活累活，不适合个人投资者）
除非你能力极其出众，不然我不建议个人做高频交易。原因可见这期视频：
03
量化=自动交易？
还有人认为量化投资必须得是自动交易。
有时自动交易确实是必要的。比如某选股策略选出几十个需要开盘买入的股票，此时手工下单是忙不过来的，得自动交易。
我之前也有演示过自动交易：
但并不是量化投资就一定要用自动交易。
比如量化定投策略，它交易频率很低，我每周手动下单也很方便，但这并不妨碍它就是量化投资。
或者某天价值投资派基金经理KUN突发奇想，要再加仓1万手茅台。他直接一股脑挂单的话肯定是不行的，单子太大会提高买入成本。
此时大部分机构都会应用程序拆单交易，将10万手订单拆分成很多小单，在一天之内找机会自动的慢慢成交。
（程序将大单拆分后批量成交）
这虽然是自动交易，但交易决策是基金经理主观做出的，并不属于量化投资。
所以说，自动交易其实和是否是量化投资没有必然的关系。
04
量化=稳赚不赔？
还有人觉得量化投资这么高级，是不是就一定稳赚不赔呢？
（这种就让人挺无语的...）
没有任何一种投资方式可以保证稳赚。承诺稳赚的不用怀疑，一律都是骗子。
风险与收益成正比。真想稳赚的我一般建议买余额宝，每天都赚十万分之四，稳得很。
而量化投资的收益，会受到很多因素影响。
1.影响因素：市场行情
首先对收益影响最大的就是市场行情。 
上图是针对沪深300的择时策略。股市大跌时，如2008年熊市中，策略能不亏就不错了。
市场走好时，如2015年牛市中，策略可以比大盘赚更多。
当然策略也会有不适应市场的时候。如2018年指数跌幅不大，策略却发生大幅回撤。
2.影响因素：策略类型
量化策略的类型也会影响投资收益。
上图中有择时策略A和选股策略B。在同一时间段的2017、18年，策略A稳步向上，而策略B却急转直下。
但从整个时间段来看，策略B的收益700倍又远高于A的45倍。
这说明了相同行情下，不同类型的策略会有不同的表现。
至于策略A、B哪个更好，这就是见仁见智的事情了，不同的人有不同的选择。
05
量化=高人一等？
另有些同学认为量化投资高人一等，其他投资方法都不值一提。
我自己刚接触量化的时候也是如此。觉得价值投资太慢，技术分析太low，套利太无聊，量化才是最酷炫的方法。
但当我在市场混的越久、看的案例越多，就越有敬畏之心。这个市场上靠任何方法赚钱的人都有。
只要能长期盈利的投资方式都是好方法，量化也只是众多投资方式中的一种。
对于个人来说，最重要的是结合自己的优势、性格，找到合适的方法。
06
量化=必学编程？
也有同学说欲做量化，必学编程。其实并没有这么夸张。
拿我自己举例。我是金融专业出身，最开始处理数据时用祖传的Excel。那时候的策略也很简单，无外乎均线、指标之类，excel可以处理的很好。
（Excel筛选个股交易信号）
后面随着策略的复杂，Excel已经满足不了我，我开始使用通达信。
很多有一定经验的股民都知道，通达信是电脑上体验最好的行情软件。
这类行情软件都自带有简单的编程系统，能回测一些简单的策略。
（通达信公式择股、编写涨停板分析）
到后来随着策略更加复杂，通达信实在支撑不了，我才开始学习编程。一开始用C语言，然后转SAS，再然后用Python。
（Python处理开仓平仓信号）
由此可见编程只是解决问题的工具，有的人即使用Excel也能在市场风生水起，运用之妙存乎一心。
当然，现在我还是强烈推荐学习Python编程。毕竟工欲善其事，必先利其器，Python的各项优势可以大大提高开发策略的效率。
（人生苦短，我用Python）
07
量化=人工智能？
还有部分同学把量化想的非常高大上，认为做量化投资的一定要懂人工智能。
我又双叒叕要搬出定投策略案例了。这个量化策略简单有效，但肯定不属于人工智能。
人工智能或机器学习，是量化投资众多技术中的一种，而非全部。
其实人工智能的研究早在上世纪50年代就展开了，近年来随着DeepLearning等算法的突破，人工智能才进入大众的视野。
围棋：复杂的简单游戏
股市：简单的复杂游戏
另外也不要对其盲目迷信。在围棋这种规则明确的一对一场景下，人工智能确实可以表现的很好。
但反观股市，虽然规则简单，但参与者众多，市场极度混沌。此时人工智能对交易会有帮助，但绝不是稳赚，操作不好亏损的案例也比比皆是。
08
量化=预测天黑鹅？
每当市场大跌，总有同学问量化投资能不能预测黑天鹅。
（这位同学大概率是被套牢了）
我的答案是：不能预测。能被预测的还叫黑天鹅吗？
我们网站上有个策略叫一路向北，它会针对沪深300给出买入和卖出信号。
去年1月22日，它给了卖出信号作为预警。第二天起，武汉封城引发对新冠疫情的担忧，整个大盘开始下跌。
（20年开年后，股市因为疫情大跌）
但这并不代表这个策略能够预测黑天鹅，巧合而已。没有任何交易策略，可以预测疫情的发生。
但其实黑天鹅并不一定是坏事，很多时候反而可以增加策略的收益。因为量化投资的价值不在于预测黑天鹅，而是在事后帮你有效应对这个事件。
（量化多空策略增厚收益）
比如纳斯达克指数在疫情后一路熔断猛跌，然后就是一路大涨至今。
此时就算最简单的量化策略，也会在下跌时让你及时止损，甚至进一步做空，等策略看涨时再反手做多。
要实现这样的操作并不难，我之前讲过的轮动策略就能把它完美复现出来。感兴趣的同学可以看一下：
如果关于量化投资还有其他问题，可以点我头像交流。