随着现代计算机的出现，定量投资策略已演变为复杂的工具，但该策略的起源可以追溯到80年前。 它们通常由受过良好教育的团队管理，并使用专有模型来增强其在市场上的实力。 对于寻求简单性的人，甚至有现成的程序即插即用。 进行回测时，Quant模型始终可以很好地工作，但是它们的实际应用和成功率值得商bat。 尽管它们在牛市中似乎运作良好，但当市场陷入困境时，量化策略与任何其他策略一样面临相同的风险。
历史沿革
罗伯特·默顿（Robert Merton）是从事金融理论研究的奠基人之一。 您只能想象该过程在使用计算机之前是多么困难和耗时。 金融学的其他理论也源于一些最初的定量研究，包括基于现代投资组合理论的投资组合多元化的基础。 量化金融和微积分的使用导致了许多其他常用工具，其中包括最著名的一种Black-Scholes期权定价公式，该公式不仅可以帮助投资者定价期权和制定策略，还可以帮助市场控制流动性。 。
当直接应用于投资组合管理时，目标就像其他任何投资策略一样：增加价值，阿尔法或超额收益。 作为开发人员的名字，Quants组成了复杂的数学模型以检测投资机会。 开发量化模型的模型数量众多，并且都声称是最好的模型。 量化投资策略最畅销的内容之一是模型，最终由计算机做出实际的买卖决策，而不是人为决定。 这往往消除了人们在买卖投资时可能会遇到的任何情绪反应。
量化策略现在已被投资界接受，并由共同基金，对冲基金和机构投资者管理。 它们通常以名称alpha generators或alpha gens命名。
定量分析师做什么？
幕后
就像在《绿野仙踪》中一样，有人在幕后推动了这一进程。 与任何模型一样，它仅与开发程序的人员一样好。 尽管没有特定的量化要求，但是大多数运行量化模型的公司都将投资分析师，统计学家和将流程编码到计算机中的程序员的技能结合在一起。 由于数学和统计模型的复杂性，通常会看到金融，经济学，数学和工程学等学位和博士学位的证书。
从历史上看，这些团队成员在后台工作，但是随着量化模型变得越来越普遍，他们搬到了前台。
量化策略的好处
尽管总体成功率值得商, ，但某些量化策略之所以起作用，是因为它们基于纪律。 如果模型是正确的，则该学科将使该策略与闪电般的计算机配合使用，以基于定量数据来利用市场中的低效率。 这些模型本身可以基于诸如市盈率，债务对权益和收益增长之类的少数几个比率来建立，也可以同时使用成千上万的投入。
随着计算机不断运行方案以找出效率低下的先例，成功的策略可以在早期阶段掌握趋势。 这些模型能够同时分析一大批投资，而传统的分析师一次只能查看少数几个。 筛选过程可以根据模型以1-5或AF等等级对宇宙进行评分。 通过投资于高评级的投资并出售低评级的投资，这使得实际交易过程变得非常简单。
量化模型还开放了多种策略，例如多头，空头和多头/空头。 成功的量化基金因其模型的本质而敏锐地关注风险控制。 大多数策略从Universe或基准开始，并在其模型中使用行业和行业的权重。 这使得资金可以在一定程度上控制多元化，而不会损害模型本身。 量化基金通常以较低的成本运行，因为它们不需要那么多传统分析师和投资组合经理来运营它们。
量化策略的缺点
为什么有这么多投资者没有完全接受让黑匣子进行投资的概念是有原因的。 对于所有成功的定量基金来说，似乎很多都不成功。 不幸的是，对于量子分子的声誉，当他们失败时，他们会失败很多时间。
长期资本管理公司是最著名的量化对冲基金之一，它由一些最受尊敬的学术领袖和两位获得诺贝尔纪念奖的经济学家迈伦·斯科尔斯和罗伯特·默顿共同经营。 在1990年代，他们的团队获得了高于平均水平的回报，并吸引了所有类型的投资者的资金。 他们不仅因利用低效率而著称，而且利用容易获得的资金在市场方向上建立了巨大的杠杆赌注。
他们策略的纪律性实际上造成了导致他们崩溃的弱点。 长期资本管理公司（Long-Term Capital Management）在2000年初被清算并解散。其模型不包括俄罗斯政府可能对其部分债务违约的可能性。 这一事件触发了事件，杠杆作用放大了连锁反应，造成了严重破坏。 LTCM大量参与其他投资业务，以至其崩溃影响了世界市场，引发了戏剧性事件。
从长远来看，美联储提供了帮助，其他银行和投资基金也向LTCM提供支持，以防止进一步的损失。 这是量化基金可能失败的原因之一，因为它们是基于可能不包括未来事件的历史事件。
虽然强大的量化团队将不断向模型添加新的方面以预测未来事件，但不可能每次都预测未来。 当经济和市场波动超过平均水平时，量化资金也可能变得不堪重负。 买入和卖出信号可能会很快出现，以至于高营业额会产生高额佣金和应税事件。 当定量基金以防空头或以短期策略为基础进行销售时，也可能构成危险。 预测经济下滑，使用衍生工具和合并杠杆可能会很危险。 一个错误的转弯会导致内爆，这往往是新闻。
底线
定量投资策略已从后台黑匣子发展成为主流投资工具。 它们旨在利用业务中的最佳头脑和最快的计算机来利用效率低下的问题，并利用杠杆来进行市场押注。 如果模型包括所有正确的输入并且足够敏捷以预测异常市场事件，那么它们将非常成功。 另一方面，尽管量化基金在使用之前会经过严格的回测，但缺点是它们依赖历史数据来取得成功。 尽管量化方式的投资在市场中占有一席之地，但必须意识到其缺点和风险，这一点很重要。 为了与多元化策略保持一致，将量化策略视为一种投资风格，并将其与传统策略结合以实现适当的多元化是一个好主意。
