【量化投资的底层逻辑】

作者：品哥

来源：交易门

转自：华尔街俱乐部

“至人之用心若镜，不将不迎，应而不藏，故能胜物而不伤” - 庄周

No-Ought-From-Is, or NOFI for short（应然没法能从实然中推出） - David Hume

最近笔者在交易门精粹群里听一位做美股投资的基金经理朋友说，他一直不太清楚量化投资赚钱的逻辑，或者说其模式在投资界立足的根基是什么。我就自告奋勇，来试试把量化投资的逻辑说清楚。希望能抛砖引玉。

量化投资分很多流派，既然是讲行业整体，我也就不去细分了，所以肯定有挂一漏万的现象，请读者朋友多多谅解。但因为不同流派之间，其底层能力源头有共性，所以讲逻辑层面，只需要描述大家可理解的本质要点。这些点，各流派其实都会去相互借鉴和整合利用。量化机构如果把这些点用透用足、在落地层面更精益求精，就能取得市场竞争力；如果在此基础上再管理好其负面反噬，才能在残酷的市场竞争中长期胜出。

我自己观察，量化投资外表看上去的各种分门分派，更多是媒体宣传和渠道销售业务分类便于处理的表象，而无关量化行业整体的逻辑本质。“便于处理”这四个字，在各个行业的实践底层逻辑中反复出现，包括本文主题中的量化投资。

总结出来，量化投资有以下4点逻辑供参考：

高频打低频

细部有规律

价格定价值

休谟双刃利

……

高频打低频

这个逻辑主打的其实是信息进入价格过程的时间差。

其中信息可以是市场外部信息，也可以是市场（跨市场）本身的价格信息。

外部基本面信息结构化整合，可以变成量化程序可读取的结构化数据流。举3个例子：

01. 各种先于国家统计局整合信息发布之前的过程数据

02. 热销品在京东淘宝上销售数据

03. 全球航运大数据

只要采样的频率比主观经理常用的数据频率高，就能获得信息上的先机。

只有数据可得性还不够，还需要对这些数据建立到可交易标的价格映射的机制。

……

细部有规律

看家里客厅的地毯，可能表面杂乱，但带着显微镜深入下去，你会发现很多微观细节。同理，在数据局部去找规律方面，量化投资走得非常非常深入。之前各种统计建模，现在机器学习算法都在应用。

这部分也是人和机器在能力上很大的区别。找规律的具体方法这里不细表。那这些规律逻辑根上的来源和确定性，可能出自哪里是理解量化投资最有趣的问题。

绝大多数规律其实就来自于不同类型的市场参与者的行为，甚至就来自于完全对位竞争的程序算法。

……

价格定价值

交易门精粹群群友张曦同学的“金融主义”理论论述，论证严密，内容详实，案例丰富，结论深刻让笔者大呼过瘾。张同学论证了金融主义并非另一个资本主义的版本，是一种全新的“主义”。就是会发展出有利于占据市场最核心位置的交易者与金融机构全新的“价值观”，他们对资产价值定义早已经偏离了传统教科书的经典定义，变成了更简单实用，更容易量化建模，也更便于量化交易落地的：价格即价值。

……

休谟双刃利

大家都知道有个英国哲学家，叫休谟。他对应然和实然做了探讨和区分，给量化投资在价格定价值的实践方向，做了心理约束上的大松绑。且不管实然和应然能不能划等号，应然的研究如此费劲，对量化人来说实然显然更容易观察和处理。于是在投资交易实操中，专心对着实然去研究就好了。换中国人的语言体系讲，实事求是最厉害。可量化可追踪可回验的事实如果主导，那更是厉害翻翻。

……

总结：量化投资工具箱中有更多更好的数据输入和对数据实证建模分析处理的强大能力，并持续主动升级。在应用于金融投资实战时：

1. 在理论层面，将价格认定为价值做客观化定义，从而取消了其他流派那里难于处理的投资估值问题，便于全面对接数据输入与实证方法论。

2.在落地层面，应用归纳法的基本思考形式，应用统计建模（含最新的AI算法等）与交易科技等技术手段来投研交易竞争展业。

3. 最后，量化市场参与者要想做的好，在市场中活的长久，还需要关注底层归纳法双刃剑与市场反身性等问题带来的风险，构建对其的透彻理解与风险管理业务流程。

……

全文：网页链接

【思进免责声明】本文仅代表原作者个人的论述和观点，敬请读者自行判断。转发的目的为传递信息，内容或者数据仅供参考，不构成任何具体投资建议、不作任何商业用途、更不对其真实性负责。投资者据此操作，风险自担。并已明确注明作者和文章来源，版权归原作者所有，部分文章转发时未能及时与原作者取得联系，若来源标注错误或侵犯到您的权益烦请告知，将立即删除！