1.1 量化交易的基本概念

要进行量化交易，首先就要知道什么是量化交易及量化交易的特点，还要知道为什么要学习量化交易、量化交易与其他交易的关系，下面就来具体讲解一下。

1.1.1 什么是量化交易

量化交易是指投资者利用计算机技术、金融工程建模等手段将自己的金融操作方式，用很明确的方式去定义和描述，用以协助投资者进行投资决策，并且严格按照所设定的规则去执行交易策略(买、卖)的交易方式。帮助投资者制定投资决策、减少执行成本、进行套利、风险对冲和帮助做市商实现报价的功能。

1.1.2 量化交易的特点

量化交易的特点表现在4 个方面，分别是严格的纪律性、完备的系统性、妥善运用套利的思想、靠概率取胜，如图1.1 所示。

1. 严格的纪律性

量化交易有着严格的纪律性，这样就可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。一个优秀的投资方法应该是一个"透明的盒子"，所以投资者的每一个决策都应该是有理有掘，特别是有数据支持。

例如，如果有人问你，某年某月某一天，你为什么购买某只股票的话，你就可以打开量化交易系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面、估值、资金、技术、买卖时机上的综合评价情况，而且这个评价是非常全面的，比普通投资者拍脑袋或者简单看某一个指标买卖更具有说服力。

2. 完备的系统性

完备的系统性具体表现为"三多"。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型;其次是多角度，量化交易的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度;再者就是多数据，海量数据的处理。

人脑处理信息的能力是有限的，当一个资本市场只有几十只股票，这对定性投资基金经理是有优势的，他可以深刻分析这几十家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量化交易的信息处理能力能反映它的优势，能捕捉到更多的投资机会，拓展更大的投资空间。

3. 妥善运用套利的思想

量化交易正是在寻找估值洼地，通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。定性投资大部分时间在琢磨哪一个企业是伟大的企业，哪只股票是可以翻倍的股票;与定性投资不同，量化交易大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。

4. 靠概率取胜

靠概率取胜表现在两个方面，一是定量投资不断从历史中挖掘有望在未来重复的历史规律并且加以利用，二是在股票实际操作过程中，运用概率分析，提高买卖成功的概率和仓位控制。

1.1.3 为什么要学习量化交易

很多投资者可能会觉得，我做的是基本面分析，是做价值投资的，量化交易跟我有什么关系呢?确实，即使从没听说过量化交易，你也可能成为一名出色的投资者。但是，随着市场和技术的发展，无论是投资者，还是证券公司等中介公司，对量化交易有所了解是非常有必要的。量化交易的作用如图1.2所示。

1. 发现新的空间和机会

无论你采用什么投资策略，和做任何事情一样，决定成败的重要因素之一就是你所面临的竞争。在1996 年，几乎人人都在数披浪，根本没人关心公司的基本面。像四川长虹、青岛海尔等很多上市公司，利润持续翻番，市盈率却是个位数。到上市公司进行调研，人家都不知道你是来干什么的，开股东大会也见不到几个股东。那时候做价值投资，可以说确实是好时光，因为几乎没有竞争。

可是在今天，人人都是价值投资者，大家都在研究财务报表，人人都在进行公司调研。很显然，价值投资的竞争已经大大激化了。而与此同时，量化交易可以说还处在相当初级的阶段，尽管也有一些人在进行这方面的尝试，但整体而言，规模还相当小，还有很大的进入空间。尤其是推出股指期货之后，更是大大拓宽了应用量化交易策略的空|司，提供了新的可能性。可以说目前中国进行量化交易所面临的竞争还是比较小的，这就给量化交易者提供了发挥的空间。

2. 优化当前的投资策略

当前最成功的量化交易基金一一"文艺复兴( Renaissance Technologies )"的创始人詹姆斯· 西蒙斯( James Simons )说过，那些从事量化交易的数学家和物理学家，最大的贡献并不在于他们所掌握的理论知识，而是他们所带来的科学精神。投资者需要知道的是，绝大部分的量化交易策略实际上都是源于已有的策略。但是，当你必须把一项投资策略的所有方面都以量化形式来加以确定的话， 你就不得不对这项策略的各个方面进行更深入地思考。

巴菲特和芒格看上去和量化交易压根挨不上边，但在某种程度上，可以说他们本身就是"人肉版"的量化交易机器。巴菲特一直强调，投资最重要的是要理性，不能让情绪影响你的投资决策。芒格强调要以"清单"的形式来进行投资判断。这些都是与量化交易相类似的原则。当你还没有练就巴菲特和芒恪那样理性判断的功力肘，了解量化交易的原则，可以有效地帮助你提高当前投资策略的合理性。

实际上，有研究显示， 基于客观性标准的交易策略，整体而言，能比人工判断的交易策略创造更多的超额收益。当然这并不是说让你完全放弃主观判断，毕竟有些东西是很难量化的。但是，通过学习量化交易的策略，可以帮助你重新思考你现有投资策略的各个环节，哪些地方可以更具备客观性，减少主观判断的错误。同时，也可以让你更加明确，哪些环节是真正依赖于你的主观判断能力。

3. 降低交易成本

对于机构投资者来说， 除了前面对所有投资者都适用的两个原因之外，还有一个更直接的原因，那就是量化交易策略可以帮助机构投资者有效地降低自己的交易成本。

对于拥有大资金的机构投资者来说，自己的买单和卖单对市场造成冲击所产生的流动性成本是一项重要的交易成本。而量化交易的一个重要功能，就是通过特定的算法交易有效地减少自己的买卖委托对市场严生的冲击，以降低自己的交易成本。

据统计， 2017 年中国基金的平均周转率为2.9 倍。假如交易成本平均降低0.1 个百分点，就相当于多增加了0.1% x 2.9=0.29% 的收益率。而在基金排行榜上，这可能意味着好几位排名的差异。实际上， 策略得当的话，所能降低的交易成本很可能不止0.1 个百分点。

1.1.4 量化交易与其他交易

在学习量化交易肘，你常常听到其他的一些概念， 如算法交易、黑匣子交易、程序化交易等， 这些交易与量化交易有什么关系呢?下面具体来讲解一下。

1. 量化交易与算法交易

在当前的投资界，你听到"算法交易(Algorithmic Trading)" 的次数，可能会比听到"量化交易"的次数更多。确实， 在大多数'情况下，这两种称谓基本上可以替换着使用， 因为目前最流行的量化交易策略，基本上可以说属于"算法交易"的范畴。

不过，量化交易和算法交易还是有所区别的。因为算法交易通常意味着高度自动化的交易发现和交易执行，因此算法交易往往也被称为"自动交易(Automated Trading)" ，或者是更形象化的"黑匣子交易(Black-box Trading)" 。

而且，人们在说"第法交易"的时候，往往并不仅仅是泛指所有高度自动化的量化交易策略，而是专门指那些持有期很短、交易相当频繁的交易策略，甚至专门指那些以降低交易成本为目的的交易策略。

所以，本书所讲的量化交易，特意让它的范围更广一些，不仅包括:算法交易，而且也包括自动化程度和交易频率不是那么高的其他一些交易策略。

2. 量化交易与黑匣子交易

前面已经说过，"黑匣子交易"是人们对算法交易的一种形象化说法，所以量化交易与黑匣子交易的关系，就和量化交易与算法交易的关系差不多。不过，当人们说黑匣子交易肘，更加突出的是一个"黑"字， 也就是这些交易策略的神秘性。所以，像ETF 套利、现期套利这样一些经典的套利策略，人们似乎觉得它们不够"黑"，一般不会称之为黑匣子。

3. 量化交易与程序化交易

单从字面上来讲，程序化交易是指所有的高度自动化的量化交易策略，包括算法交易。在大多数情况下，人们也确实是这么用这个名称的。不过，纽约交易所对程序交易有专门的定义，指的是同时涉及15 个及以上的证券、总交易额至少为100 万美元的电子交易。而这类交易很大一部分都是套利，因此当人们说程序化交易肘，往往特指套利交易策略。

4. 量化交易与技术分析

投资者很容易把量化交易和技术分析联系在一起，确实，技术分析中会使用很多的量化指标，量化交易中也会用到一些我们常用的技术指标。而且，相当一部分的量化交易最略和技术分析一样，几乎都是依赖于对价格、成交额等交易信息的分析。不过，量化交易与技术分析还是有所区别的。

首先，一些技术分析方法很难被量化。例如，图形分析是技术分析的一个重要部分，可是，一些图形很难被量化定义，比如波液，这些技术分析手段就无法应用在量化交易中。

其次，量化交易并不仅限于技术分析所涉及的交易信息。基本面的信息数据，如收入、利润、购并等公司基本面信息，以及利率、通胀等宏观基本面信息，都可能被量化交易策略参考。

因此， 量化交易和技术分析的关系可以概括为: 二者既有相互重叠的地方，也有相互独立的地方。