“面包加黄油”式的量化投资

“量化投资”一词，与“机器人投顾”以及“大数据”已经成为金融领域炙手可热的宠儿，不论是业内专家还是行业记者都对它们显示出了浓厚的兴趣。但量化投资到底是什么？为什么要利用量化投资？金融服务行业又如何利用量化投资战略进行投资呢？

牛津词典将算法(algorithm)一词定义为：在计算或其他解决方法的过程中必须遵守的规则，尤其是电脑程序的计算过程。简单来说，量化是为了执行特定任务而进行的一系列步骤。其中有三个最主要的步骤分别是输入、执行以及输出。

考虑到量化投资程序的每一个步骤都经过精确的计算，我们很容易感受到量化与计算机的关系就像面包与黄油那样和谐而又融合。随着计算机技术的日益发达，日常投资行为中将会涵盖更多的量化投资。

当然，量化技术不仅仅局限于金融领域的使用，它存在于我们生活中的方方面面。无论是谷歌的算法搜索功能、交友网站的自动匹配功能、GPS自动导航、在线借贷的借款人金融背景分析、在未来甚至连根据食谱烹饪菜肴也离不开量化技术。

对于理财顾问来说客户的风险评级也是量化的过程，在这个过程中，理财顾问的任务是为特定客户评估风险等级。所以在这样一个量化投资系统中，理财顾问需要输入客户的经济能力、投资目标、投资周期、投资偏好以及风险承受能力等等。

量化投资模型有能力在一秒钟的时间内处理成堆的杂乱无章的数据，所以量化投资模型在金融领域的应用如此广泛也就不奇怪了。量化投资与金融领域的工程师们开发的算法模型功能包括：预测价格走势、利用价格差制定套利策略、为某种金融工具定价、预防风险等。

量化投资的本质是利用数学算法制定投资决策。在量化投资模型中，理财顾问们运用各式各样的数学技术，在分析的大量的数据之后找出价格行为与其他因素的关系，以预测投资回报。

金融领域最为著名的一个量化投资模型叫均值方差模型，是美国诺贝尔奖得主H. Markowitz在1952年提出的风险量度模型，简单的说这一模型的主要思想是“不要把鸡蛋放在同一个篮子里”。这种量化投资模型的目标是在给定风险承受等级下，实现投最优的投资组合配置，即回报率最大化以及不确定性最小化。此外，在均值方差模型中投资者还可自行设定投资金额的上限和下限、以及限制投资组合的变更。在模型的输入端，理财顾问需输入预期回报率、投资者资产流动性以及投资者风险承受能力。

量化投资模型能同时追踪成千上百组数据，分析在特定时期内哪些因素会影响投资组合的回报率。一旦这些因素被模型识别，量化投资模型就能建立这些因素与回报率之间的数学公式。所以无论人类投资顾问多么优秀，他们的数据分析处理能力远远不及量化投资模型。现如今投资顾问能利用计算机技术与数学工具，设计系统性的、以规则为投资依据的量化投资模型。这些模型在投资过程中完全摒弃了偏见和个人情感以及人工参与，所以量化投资模型不仅降低了投资成本同时也提高了投资过程中的可测量性。

有了量化投资模型，投资者的投资决策再也不需要佣金昂贵的金牌投资顾问的参与了，而是完全依靠由数学家与物理学家制定并经过严格测试的算法模型，这大大降低了客户的投资成本，有助于实现投资者的利益最大化。