巴曙松：从量化交易发展看资本市场生态

摘要: 最近，在沪港通、深港通和债券通顺利启动运行以来，一些主要的国际指数陆续将中国市场加入进来，进而也吸引到许多指数型基金通过沪港通、深港通和债券通加大对于内地资产的配置。这自然是令人欣喜的资本市场开放的新 ...

最近，在沪港通、深港通和债券通顺利启动运行以来，一些主要的国际指数陆续将中国市场加入进来，进而也吸引到许多指数型基金通过沪港通、深港通和债券通加大对于内地资产的配置。这自然是令人欣喜的资本市场开放的新进展。不过，也有不少的国际大型资产管理机构则颇有几分忧虑地告诉我，市场上如果主要就是被动型的基金，也会对市场的稳定带来许多隐忧。一个健康的市场实际上是一个不同风格的主体在竞争中互动和共存的生态体系。

近年来，量化投资业已成为海内外资本市场发展的焦点之一，与基本面分析、技术面分析并称为三大主流投资方法。在美国这样成熟的市场上，量化投资已经成为基金和大资本的主要运作方式，其中的大部分交易都通过程序化交易完成，美国资本市场的交易结构也因此出现了显著的变化。而目前在国内市场上，量化投资发展总体上看尚处于初级阶段，但随着中国资本市场有效性的逐步提高以及对内幕消息等的监管愈发严格，通过非公开方式获取信息的难度加大，量化投资成为了一个良好的获得非公开信息的科学理论与技术方法。

从逻辑上而言，市场越有效，则获得超额收益的可能性越低。目前国内投资者散户占交易的较大比重，市场有效性还有待提高，在目前市场环境下，量化基金前景宽广，潜力巨大。

同时，人工智能在金融领域的发展也迅速推动投资策略自动化和智能化的进程。目前看来，人工智能与量化投资领域的结合主要应用表现在两个方面，一是深度学习，通过人工智能辅助量化交易，目前国内一些私募基金已经开始将人工智能的三个子领域：机器学习、自然语言处理与知识图谱融入到自己的量化投资策略中。二是智能投顾，即通过机器模仿和复制优秀基金经理的模式，用人工智能和大数据分析等手段实现资产管理。

提到量化投资，大家常想到的特点一般有两方面：一是历史依赖性，即通过对历史数据进行挖掘回测，来找到规律；二是纪律性，即制订规则后由电脑自动执行，回避人的主观情绪干扰。但同时，完整的量化投资思想中有一个非常重要却常常被人所忽视的特点，那就是量化的风险分解和基于风险分解后的精细的风险控制。这是量化投资不同于传统主动投资的最主要特点之一，无论是在美国的发达衍生品投资还是在国内的市场投资，风险分解和基于风险分解的风险控制，都是贯穿于整个量化投资中的。

为适应金融科技的迅速发展，不管是否愿意，投资者不可避免地要接触到一些量化方法。在量化投资领域，北京大学汇丰商学院和北京大学汇丰金融研究院在国内高校中较早与业界系统互动、合作，推动了具有全球视角和实战特点相结合的量化投资课程、讲座、论坛，并建有国内领先的金融实验室。作为“北大汇丰”系列之一的《量化投资十六讲》便是相关内容的部分精华，该书可以作为拥有一定金融知识的投资者步入量化投资领域以及在投资理念和技术上的进阶读物。

本书作者多是一线的量化交易领军人士和基金经理，主题虽是前沿领域，方法上却都可以说是深入浅出，读起来并不生涩费解。读者可以通过本书较为系统了解量化交易的思想体系、分析框架和分析工具。

当然，从长期看，量化交易应用水平的提升和发展，是需要不断结合不同的市场状况尝试探索。事实证明，量化交易者更需要在实战中体会交易理念、交易思路，形成交易方法包括交易经验在内的积累与沉淀。“设计你的系统，交易你的思想。”从这个角度说，量化交易的核心仍是投资、交易的理念，量化不量化，只是不同的体现方式、也是不同的投资交易理念的工具和载体而已。（完）

文章来源：《量化投资十六讲》（本文仅代表作者观点，不代表任何机构的意见）