1973年，芝加哥大学教 授费希尔·布莱克和迈·斯 科尔斯提出“布莱克-斯 科尔斯”公式，即期权定 价理论。1983年，格 里·班伯格提出在一组对应 的股票中，价格会暂时出 现异常，通过卖空价格高 的股票，买入价格低的， 在它们的价格恢复到历史 均衡水平时平仓，即可获 利，这就是著名的统计套 利策略。
行业发展状况
Industry development status
国内发展状况
1 量化投资起步晚
量化投资起步晚的主要原因有：A股市场的发展历史较短，投资者队伍参差不齐，投资理念还不够成熟；国内市场对冲工具单一， 可量化的标的过少；受到交易规则的限制，量化投资不能充分发挥作用，很难引起人们重视。
2 量化产品发行迅速
马可维茨提出了资产组合 选择理论，最早采用风险 资产的期望收益率和用方 差代表的风险来研究资产 组合选择问题。资本资产 定价模型提出系统风险和 非系统风险，用贝塔系数 来衡量系统风险的大小， 并对非系统风险则“不能 把所有鸡蛋放在一只篮子 里”。
第四阶段：量 化投资高速发 展（2000年至今）
量化投资高速发展：2016 年数据统计显示，量化科 技在国外的理财产品管理 规模已达到了3.2万亿美 元，而通过计算机和数字 模型进行下单和下达指令 的比例达到了惊人56%。 量化投资基本实现了从最 初的技术分析手段，逐渐 发展演变为如今有金融理 论支撑的金融设计工具， 以计算机程序算法主导的 高频交易。
目前机构和第三方量化公司合作推出的量化平台上线数量增长加快，涉及投资品种增多，券商推出服务客户的量化平台的速度也 越来越快，但是还没有一家银行有传出类似的消息。
四、量化投资模块的建
04 立 1 .量化投资模块的组 成
2 .量化标的选择
3 .与行内业 establishment of quantitative investment module
行业发展状况
Industry development status
国内产品模式
目前国内量化投资平台的产品模式主要有两种：（1）平台给用户提供编码的环境，让用户通过代码编译生成策略，其用户群体 均拥有良好的编程基础，具备一定的专业技能；（2）平台提供量化多因子让用户进行选择，这些量化因子包括但不限于行情指 标、技术指标、财务指标和财报数据，用户通过选择搭配各指标数据，进而生成策略模型，其用户群体以个人投资者为主。
统计模型支撑，策略选股择时精准
量化投资在套利策略中，能做到精准投资。例如在股指 期货套利的过程中，现货与股指期货如果存在较大的差 异时就能进行套利，量化投资策略和交易技术会抓住精 确的捕捉机会，进行套利交易来获利。
量化投资解读
Quantitative investment interpretation
传统投资
传统的投资方法主要有基本面分析法和技术分 析法这两种，注重人为的分析和投资者的感觉。
沃伦·巴菲特 依据人的经验与判断 信息来源渠道少，仅有基本面和宏观经济信息 投资周期偏向长期 投资于某一只或少量股票 风险考虑不周全
02
二、行业发展状况
1 .国外发展状况 2 .国内发展状况 3 .国内产品现状 4 .国内产品模式
行业发展状况
Industry development status
提供量化商业服务
国内产品现状
目前从事量化投资主要有两种商业模式，一种是提供量化商业平台服务，另一种就是建自有平台。
提供量化商业平台服务， 全方位为投资机构提供最 专业的技术和产品支撑。
搭建一套覆盖策略研究、 回测、模拟交易全流程的 量化平台。
量化投资模块的组成
模块支持层面
工具：编程语言、集成开发环境、交互式开
发环境；
系统：交易通道、仿真环境、期货策略、股
分散
标的选择分散多样化，靠概率取胜
一是定量投资不断的从历史中挖掘有望在未来 重复的历史规律并且加以利用，这些历史规律 都是有较大概率获胜的策略。二是依靠筛选出 股票组合来取胜，而不是一个或几个股票取胜 ，从投资组合理念来看也是捕获大概率获胜的 股票，而不是押宝到单个股票上。
支持大数据处理，提高决策效率
量化投资与传统投资的区别
量化投资
量化投资是由计算机自动产生交易策略的一种 投资方法，通过建立数学模型来实现交易理念，
它具有完整的评价体系。 詹姆斯·西蒙斯 依据科学模型
信息来源广泛，海量数据和多层次信息 投资周期偏向短期
标的组合分散化、多样化 在风险最小化前提下实现收益最大化
VS
代表人物 分析方法 信息来源 投资风格 投资标的 风险处理
资产规模
小
客户分类 服务体系
普通投资者（小白）
智能投顾
中级投资者（具有一定 高级投资者（具有成熟 的投资理念和投资经验） 的投资理念和丰富的投
资经验）
智能投顾
不明确
中
智能投顾
不明确
不明确
大
私人银行
私人银行
私人银行
由表可知，当前的投资服务体系并没有完全覆盖所有客户群，部分中级投资者和大部分的高级投资者并没有相匹配的服务，而这部分客户却显得非常重要，因其具备投资理念和投 资经验，一旦提供完善的服务体系，他们会进行持续而稳定的投资。量化投资模块能够提供良好的编码环境和全面的量化指标选择体系，投资者可以将成熟的投资理念在模块中表 达出来，通过编程语言进行编译或者选择量化指标进行建模，形成一个策略模型，对该策略进行回测分析和优化，最终可以得到一个用于实盘操作的投资策略。由此可见，建立一 个成熟的量化投资模块可以完善当前的服务体系，覆盖所有客群，满足专业投资者的投资需求。
产品模式一
产品模式二
三、量化投资模块建立
03 的必要性 1 .完善投资服务体系
2 .众多机构参与，重 视发展前景
量化投资模块建立的必要性
The necessity of establishing quantitative investment module
完善投资服务体系
目前市场上的投资者大致可以分成三个等级，分别是普通投资者、中级投资者和高级投资者。建行投资服务体系中的智能投顾主 要适用于普通投资者和部分中级投资者，资产比较庞大的客户通常会选择私人银行进行服务，
量化投资
统计学
计算机技术
投资理念
量化投资解读
Quantitative investment interpretation
客观执行，避免情绪因素
量化投资运用模型对历史和当时市场上的 数据进行分析检测，模型一经检验合格投 入正式运行后，投资决策将交由计算机处 理，一般情况下拒绝人为的干预。
客观
量化投资的特点
量化投资的应用
量化投资几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货 套利、统计套利、算法交易和资产配置等。
量化选股：采用数量的方法判断某个公司是否值得买入的行为，可以分
为公司估值法、趋势法和资金法三大类。
量化择时：我国股市存在经典线性相关之外的非线性相关，拒绝了随机
游走的假设，指出股价的波动不是完全随机的，因此存在可预测成分。
我国第一只量化投资基金成立于2004年，到2012年，共有18只量化基金产品成立，40只量化型阳光私募产品成立，仅2012年下 半年，券商共发行量化产品132只，2013年上半年就已发行109只。
3 仍处于起步阶段
1、产品总规模仍然较小。量化型理财产品实际发行规模为124.47亿元，仅占所有券商理财产品的4.2%。量化基金产品总体规模为 281.7亿元，仅占全部基金规模的1.06%； 2、量化类产品投资策略较为单一，缺乏多元化策略的支持； 3、现有量化产品中多数产品投资业绩表现分化，缺乏稳定性和持续性。
量化投资运用计算机技术快速处理大量数 据，对其进行辨别、分析、找出数据之间 的关联并做出投资决策，大大减少了人工 工作量，提高了投资决策效率。
高效
精准
迅速
程序化交易，缩短决策与交易时滞
量化投资往往利用高速计算机进行程序化交 易，能够迅速发现市场存在的信息并进行相 应的处理，把握市场稍纵即逝的机会，在极 短的时间内完成交易。
行业发展状况
Industry development status
国外发展状况
第一阶段：量 化投资的产生 （60年代）
第二阶段：量 化投资的兴起 （70-80年代）
第三阶段：量 化投资黄金十 年（90年代）
1967年，索普与希恩·卡 索夫合著《战胜市场：一 个科学的股票市场系统》， 该书是第一个精确的纯量 化投资策略，股票市场系 统可以正确地给可转换债 券定价（估值）。
量化投资模块建立的必要性
The necessity of establishing quantitative investment module
众多机构参与，重视发展前景
最近两年来，越来越多的机构正在加快进入量化投资市场的步伐，它们看中量化投资良好的发展前景，积极寻求第三方量化平台 进行合作或投资，打造专业化的量化交易和研究服务平台，
量化投资未来发展前景广阔
随着传统投资产品选股策略同质化程度日益增加，并且过度依赖于投资经理个人的主观判断，导致投资风险相对较高，在此背景下越来越多的基金、券商和私 募开始关注量化投资，未来若干年国内量化投资必将迎来蓬勃发展的阶段，这是源于：（1）量化投资在国外已经取得的成功经验；（2）国内基础衍生产品市 场的发展将为量化投资的发展提供有利的条件；（3）资本市场制度建设的不断完善；4、量化人才队伍逐渐壮大，将加速量化投资在国内的发展。
算法交易：指使用计算机程序来发出交易指令，可以把不同算法交易分
为被动型算法交易、主动型算法交易、综合型算法交易三大类。
资产配置：指资产类别选择，投资组合中各类资产的适当配置以及对这
些混合资产进行实时管理。
量化 选股
统计 套利
算法 交易