第一课 量化投资概述
一、量化投资的基础与哲学
1.量化投资的定义：基于人的投资思想；
2.三个方面的能力和优势：
（1）投资策略（思想认知）：金融基础 + 逻辑、宏观分析、技术分析、盘感。。。“有”（部分）；
（2）科学研究（方法方式）：数学、统计学、计量经济学、机器学习、数据挖掘、时序分析协整。。。“学”（部分）；
（3）计算机技术（工具途径）：高频策略、盘口信息。。。“弃”（仅基础）；
3.所有的投资策略、方法都是投资者的哲学观世界观的体现；
哲学——思路——策略——算法——信号；
4.“价值”是个伪概念；
所有投资收益都来源于市场投资者的看法的错位——价格波动——盈利空间；
5.波动的分类：
系统性波动；相对性波动；交易性波动；
6.没有包赚不赔的策略，分散是唯一免费的午餐；
策略：特定环境赚、特定环境亏（时机选择）；
7.仓位管理、资金管理无比重要；
8.关注胜率与盈亏比的关系；
关注夏普比例：决定举债能力（杠杆收益率）；
9.量化投资：“正”观念；
二、量化投资的细分类别：
1.阿尔法套利
涉及：多因子、对冲。。。；
寻找天空中最亮的星星；
2.低风险套利
3.统计套利
对“价差”（“组合”其价格）进行建模：涉及时序模型、配对交易。。。
4.程序化CTA
“一个策略因其时常无效所以长期有效”；
5.高频交易
6.算法交易
PS
1.关键因素：资金管理仓位管理、时机选择、分散、品种选择、出场条件、加减仓调仓、进场条件。。。
三、经典案例
1.LTCM基金
2.1987股灾
3.违法的暴利高频交易
四、现状和小结
1.国内私募可能已有三分之一涉及量化交易；
2.机器学习应用现状：锦上添花、没有代替底层逻辑；
方向对错才是关键，走的快慢并不重要；
3.选一、两个领域深耕；
4.其他。。
五、问答环节
1.CTA出场条件：可参考跟踪止损。。。
CTA仓位管理：参考海龟策略；
2.从CTA策略开始，把一个策略做深；——积累多个做深的适应不同环境的策略；——可用机器学习方法：如：
（1）多策略组合下，用SVM、决策树等，选策略，优化组合；
（2）HMM：预测市场环境，根据预测结果，选择要启用的策略；
3.量化投资需要：洞察力、观察力、逻辑抽象能力。。。；
