最近量化基金是市场的宠儿，本月初，不少公募机构不仅表示今年不会发行新的量化基金，而且现有产品也将采取暂停或限额管理，反映出国内量化机构对于策略与规模的匹配持更加理性的态度。
在A股市场，每次量化基金的高光时刻，几乎都是市场风格切换到中小盘时，也就是主动基金抱团标的尚未出现的空档期，换言之，量化基金能火多久，多半取决于空档期的持续时间，公募机构主动缩减基金规模不仅是对量化策略容量的考虑，更是对基金业绩持续时间的考虑。
一、什么是量化投资？
量化投资是根据资本市场的内在逻辑，运用机器学习、模式识别、数据挖掘等方法建立数学模型，形成投资策略并做成计算机程序，进行自动化交易的一种投资方式。
二、量化投资与高频交易、对冲基金是一回事吗？
量化投资既不是高频交易，也不是对冲基金，更不是简单的数据挖掘：
量化投资和高频交易的区别。量化投资可以是高频的，也可以是低频的，取决于具体的量化策略。
量化投资与对冲基金的区别。量化投资可以采取风险对冲措施，也可以不采取。此外，量化投资也不一定是市场中性策略，后者往往是买入一揽子股票，同时通过卖空对应的股指期货合约，对冲掉市场的系统性风险，从而追求买入的股票组合跑赢股指的收益。在A股市场，由于投资工具的缺乏，很难做到100%的市场中性。
量化投资不是简单的数据挖掘。量化投资是通过历史数据发现规律，强调的是投资逻辑，核心是对市场的理解，不能等同于数据的挖掘，例如一波涨势的背后可能有多个因子，如何确定是哪些因子在起作用，这些起作用因子的内在逻辑以及适合的市场环境，比单纯的批量挖掘数据要重要的多。在理解市场的基础上，再去探讨算法的精确度、编程的速度等才有意义。
二、量化投资的特点
量化投资可以集百家之长。成功的基金经理几乎有其独特的投资风格，比如巴菲特的价值投资、彼得林奇的成长投资、安东尼波顿的小盘股投资、索罗斯的全球宏观策略、西蒙斯的技术投资等，每种投资逻辑都有其内在的规律，虽然在某一种具体策略上，量化投资比不过这些投资大师，但可以把这种策略的投资逻辑纳入量化投资的框架，在选股上，可以实现使用不同人的方法。
量化投资的标的覆盖范围可以很大。量化投资几乎都需要利用程序去处理大量的历史数据，借助这一特点，可以在短时间内把沪深300、中证500 ，甚至整个市场的股票全部筛选一遍，这就让量化投资具备了全面性、系统性、及时性、准确性和分散性的特点。尤其是分散性，量化投资可以根据各种因子进行批量筛选、批量建仓，从而限制单一标的的仓位规模，分散风险，控制回撤。
量化投资可以避免情绪化操作。量化投资有自己的建仓与平仓的逻辑，不会因为消息面、市场波动而有所改变。在2008年，金融危机中，量化投资基金在止损方面做得比较好，但并不是说量化基金在危机中没有亏损。而有些时候，量化基金可能会损失更大，比如投资逻辑不太适合市场环境时，量化基金开仓平仓操作频繁，不仅容易增加交易费用，而且容易增加亏损的概率。
三、量化投资的缺点
1、策略的市场容量
以我们常见的CTA为例，几乎每个CTA策略的市场容量都是有限的，现在不少CTA策略改为做长线的趋势跟踪也是这个原因。尤其是在中国，由于各个商品期货策略的相关性高，100个期货品种里面差不多能分成3-5个大类，并且均由人民币定价，规模上限比较明显。虽然过去几年CTA策略在国内表现很好，但从国外的经验来看，Barclay CTA Index自1980年以来的年化收益率在10%左右。
市场容量约束往往还会引发策略共振的负作用。在2008年初，长期资本系的基金就发生了策略共振，这是一帮由长期资本管理公司出来的一群天才二次创办的多家基金公司，交易标的和策略非常类似，在2007年下半年，他们都看到了在日本债券收益率的机会，建立了相似的头寸，结果这个机会容纳不了这么多头寸，一起把桥震垮了，大部分长期资本系公司在金融危机之前就已经倒掉了。
此外，像2014年11月，在沪港通政策出台和加息的背景下，存在高度同质化却有隐藏着“错位对冲”的阿尔法策略受到了致命打击。
2、存在大量无法量化的情形
真实市场中不是每个因素都可以被量化的，主要有三类：
（1）宏观的事件。宏观事件的因素不是太少，而是太多，多到难以量化，或者量化的性价比不高。
（2）过去出现次数太少的事件。比如某个事件只出现过一次，那么很难知道这个事件具体受到什么因素的影响。
（3）未知事件。在量化策略设计时，对已经发生过的事件考虑的比较充分，每个突发事件都会有相应的处理方法，但是对于没有发生过的事件，几乎没有办法考虑，往往会做出错误的决定。
3、过度拟合的策略
过度拟合指的是量化策略的开发者，通过不断增加或优化参数，找到表现最好的股票，注意这个最好往往没有之一。过度拟合的策略往往有以下特征：
（1）回撤很小，甚至几乎没有回撤；
（2）交易次数很低；
（3）参数很多；
（4）符合条件的标的很少。
过度拟合策略是在追求低回撤且稳健回报的目标导向下，添加了太多的参数，对历史行情进行了过多的拟合，尤其是考虑了很多偶然的参数，比如公司重组，以致于难以刻画出下一个符合策略标准的股票。
过度拟合的一种表现形式是幸存者偏差，比如量化策略的开发者都倾向于用指数的当前成分股来做回测，但这些留在成分股中，且有足够多的过往数据做回测的股票，其本身质地就很不错，这将导致回测的效果比实际情况更好，举例而言，像美国的罗素3000指数，从1980年到现在，仅剩下不到500只股票留在成分股中。
4、基金经理对策略的信任度
量化基金并不是完全不受人为因素的影响，有时反而更加考验人性。每个基金经理都清楚，每个量化策略都有适合其生存的环境，以及会受到同类策略会对手策略的影响。
此前，就有新闻爆出国内某知名量化基金，在市场好的时候，为了赚的的更多，动了凡心，改了策略，这还是赚钱的时候，尚且难以完全信任模型，如果处于较大亏损的情形之下，基金经理很难不怀疑自己的模型。
5、量化投资对基本面的研究深度不足
主动管理型基金会对个股有着深入的研究，每个拟投资的标的一般都会有估值的上下限，但量化投资往往很难做到类似的深度，导致一些优质标的的买入时机不好，或者仓位太小。