沪指八连阳重回3000点附近，但最近市场里最热闹的新闻不是反弹，而是很多买了私募量化巨亏的人找管理人要说法。
春节前两周是量化圈的噩梦。大批私募量化产品出现多米诺式下跌，有的甚至在一周之内跌了20%，抹掉了过去两三年的收益。
好不容易熬过了年关，还没在市场反弹中喘过气来，监管的大棒也随之而来。
2月20日，沪深交易所表示，未来私募量化交易中的高频交易、过度运用信息优势、加剧信息不对称性等问题将会被重点整治。
曾被贴上“砸盘元凶”、“助涨杀跌”、“割韭菜”等标签的量化基金又站上了风口浪尖，关于量化的讨论再次变得激烈。
量化投资是什么？今天我们就来一探究竟。
01
莫得感情的投资机器
传统的主动管理，都是由基金经理和研究员主导，在市场上发掘机会，并对感兴趣的企业进行研究、进行同行比较，并评估选择出他们认为最具竞争优势和性价比的公司进行投资。
但这个过程和最终决策都是由人主导的。
比如，很多基金经理都说他们做基本面投资，挑选好公司、好赛道、并在一个相对低估的价格买入。但是什么样的公司是好公司、到底估值多少才是低估，什么时候卖出，都受到基金经理主观判断的影响。
相比之下，量化依靠的是数据和科技的手段，把投资行为模式中用来决策的判断依据数字化，形成一套自动化流程。
传统投资所需要的技能，包括宏观经济分析、财务会计分析、资产估值、风险管理等等。但比起谁更会算数，想要在传统投资中脱颖而出，实际更考验的是你对市场的敏感度和感知，对产业趋势、商业模式和报表的认知和理解。
而量化团队每天的工作，是对海量历史财务、交易、市场数据进行演算并寻找规律，找到可以预测未来走势的变量，然后输入到模型中，作为选股和决策的标准。
比如，为了克服自己人性的弱点，做出追涨杀跌的错误操作，你可以设置一个自动的交易程序：每上涨10%则自动卖出一笔，每下跌10%则自动买入一笔。
算法没有七情六欲，只要触发了模型中的设置的条件，该出手时就出手，比人为判断要果断百倍。
不过，这只是量化中最简易的交易部分。
量化真正的含金量，是通过数据挖掘，在过往市场的规律中找到可以赚钱的有效法则。在上面的例子里，这个法则可能就是“上涨10%卖出、下跌10%买入”。
然后把这个规则输入到模型中，利用计算机进行自动交易。这才是一个完整的量化投资流程。
所以，量化投资其实就是数据摸索出来的有效的策略+计算机高度纪律性地执行。它是数理统计工具在金融领域的运用，是投资者的定性分析与判断的数量化体现。
02
自动化的镰刀和拥挤的交易
有人说，量化投资是一台可怕的全自动韭菜收割机。
这个印象可能主要来源于量化投资中的“高频交易”。
高频交易是量化投资中的一种策略，它基于对未来短期股价走势的判断，低位买入，高位卖出，以此来获得价差收益，买入卖出交易在日内完成。
这种以博取短线差价来赚钱的策略，也是招致“量化交易薅股民羊毛”和不公平交易等质疑观点的引火点。
最近量化交易监管重点，其实也是在高频交易上。从海外经验来看，境外市场也普遍对高频交易实施更为严格的监管，以防范对市场秩序造成负面影响。
然而，高频量化主要是一些私募基金采用的策略，并非所有量化投资都是高频交易。
国内公募量化大多采用的是基本面量化策略。
基本面量化策略和传统基金经理价值投资类似，基本面量化模型会收集处理企业的所有公开信息，包括财务数据、经营数据、行业信息等等，然后挖掘数据背后的市场规律。
由于基本面数据更新频率低，基本面量化策略持仓周期短则数月，长则几年。
因此，量化投资不能直接和高频交易以及套利画等号。传统投资与量化投资都可以是价值发现者，两者并不是对立的关系。
另外，尽管量化交易看似是舰船利炮，但它也并不是稳赚不亏的游戏外挂。
量化投资是利用数量化手段，制定和执行投资策略。它的成功与否，取决于策略是否有效。
虽然现在量化策略机构采用的量化模型里的因子日新月异，投资和交易策略在不停地迭代，但是历史总是一再重复。
每当新的因子被发掘，所有人都觉得自己练的是独一门武功、找到了可以战胜对手的法宝，但事实证明，拥挤交易总是很快会到来。
比如说在去年，中国很多量化机构的机器学习了半天，不约而同的发现了小盘股还存在了创造超额，前后脚买入。
结果你发现，最后这些自诩掌握了“黑科技”的人的智慧其实高度雷同，一有风吹草动就会出现踩踏，最后一地鸡毛。
虽说这些操着量化利刃的机构掌握了散户难以拥有技术和资源，但从结果来看，最后也是均值回归，水平也没比散户高多少。
03
走下“神坛”的量化
在人脑和机脑比拼的较量中，量化投资者其实面临两个挑战。
挑战一：他们的远大抱负有时超出了他们的能力。
任何成熟、成功的量化交易，需要具备的核心要素就是能通过获取的信息和数据推测，预估股票、债券、外汇等资产的价格走势。但只有当未来代表了对过去的重复时，预测才有可能实现，可是这样的假设在很多时候都不成立。
挑战二：更大问题是上面提到的拥挤交易。
每年都有大量拥有数学、计算机、金融工程等背景的高材生进入这个行业。想要在这个领域成功，必须找到和你有相同知识和背景的人找不到的机会。
花哨的模型和复杂代码很难拉开人与人之间的差距，想要在量化领域出众，决定差距的还得是信息和认知上的优势。而在当下，经济和金融市场的每一个细节都在互联网上快速传递，要实现这一目标是非常困难的。
就像在人工智能刚刚出现时，很多人认为它会给投资圈带来一轮洗牌。
然而，至少从现在来看，这种情况还没有发生。虽然人工智能已经可以在国际象棋、围棋、扑克和其他需要多种策略才能获胜的游戏中击败了顶级人类玩家，但是我们的市场和这些一板一眼得棋牌游戏不同。
只要知识是进步的，只要信息是变化的，我们就不可能完全预测市场，大数据和AI不能改变这一点。
和人类的智慧一样，哪怕有再惊天动地的科技力量，也要在信息和认知的基础上才能成功。
免责条款：©2024 Morningstar 保留所有权。此处提供的信息、数据、分析和观点未经任何监管机构审查或批准，不构成投资建议；截至撰写日期，仅供参考；可随时更改，恕不另行通知。本内容并非买卖任何特定证券的要约，也不保证其正确性、完整性或准确性。过往表现不保证未来结果。Morningstar 名称和标识是 Morningstar, Inc.的注册商标。这里的内容包含 Morningstar 的专有资料；未经Morningstar 事先书面同意，不得以任何方式复制、转载或以其他方式使用本文章的全部或部分内容。市场有风险，投资需谨慎。此资料、数据、观点仅供参考，不构成任何投资意见或建议。基金过往业绩不预示其未来表现，投资人应当认真阅读《基金合同》、《招募说明书》等基金法律文件，了解基金的风险收益特征，并根据自身的投资目的、投资期限、投资经验、资产状况等判断基金是否和投资人的风险承受能力相适应。