在金融领域，量化是一个基于金融学、投资学、数学和统计学，从海量数据中去捕捉和挖掘可能对投资产品产生影响的因子，通过模型演绎、模拟、检验、优化，择优选取投资模型，编制成程序，交由电脑自动化交易的过程。 这些模型往往基于金融学理论、市场规律和市场机制，体现了量化研究人员的不同的交易哲学。相比于传统人工方式，量化投资运用了计算机的海量数据挖掘和运算能力，可以针对交易策略进行多年的回测、分析和预测，效率和准确性更高。

　　国外量化金融领域始于60年代。美国麻省理工学院的数学教授爱德华索普(Edward Thorp)，是将量化运用到投资领域的第一人，也被称为宽客之父。他利用21点原理发明了科学股票市场系统，并在1969年开设可转换对冲合伙基金，这成就了后来的普林斯顿-纽波特合伙公司。

　　>>>RFP高研面授班

 

图1：爱德华索普在击败交易员《Beat the Dealer》一书中揭露了击败21点的牌术。

　　七八十年代，理论基础进一步夯实，量化市场被开辟。1973年，布莱克-斯克尔斯(Black-Scholes)期权定价理论出世，同年芝加哥期权交易所成立并接收其定价逻辑，量化的序幕被拉开。

　　90年代，现代投资组合理论出世，被称为华尔街的第一次革命。这为后来量化的发展奠定了基石。这之后，大本营投资集团、摩根斯坦利量化团队、阿尔法基金等公司旗下的产品以超高回报率受人瞩目。

　　21世纪，量化投资经历了金融危机的劫难，但2008 年在全球期货期权市场交易中，程序化交易占到70%;在套利交易领域，这个比例则高达80%——普通投资者对量化投资不再陌生。值得注意的是，在金融受创，各种传统金融产品每况愈下的大环境下，量化交易公司的杰出代表文艺复兴科技公司旗下的大奖章基金仍然获得了80%的净回报率。

 

图2：文艺复兴科技公司创始人 麻省理工学院数学教授詹姆斯-西蒙斯在授课。

　　国内量化投资领域遭遇了较长时间的水土不服。2010年到2013年期间，大盘处于熊市阶段，关注量化投资的群体很小。只有一小部分先知先觉的机构开始研究量化投资。

　　2014年到2015年9月，大盘几轮过山车，有一部分量化对冲基金受住了的考验。量化投资在这一阶段得到快速的发展，很多量化投资平台出现在众人眼中。

　　2015年9月到2017年初，因为股指期货提高保证金、贴水、当日开仓手数受限等原因，相当部分的量化对冲基金处于停滞状态。但与此同时，量化的研究没有停滞，更多专业的金融工程量化团队和投资爱好者加入宽客(Quant)行列。

　　2017 年 2 月 16 日，中金所重磅发布新的股指期货交易规则，对其日内过度交易行为的监管、非套期保值持仓的交易保证金标准、平仓手续费标准都采取了进一步放松限制的政策指示。业界人员纷纷评论，量化投资的春天终于近了!

　　量化业界的进一步发展和未来期指市场环境密切相关。这一政策放宽之下，很多业内人士都对量化投资未来的发展持乐观态度。此外，很多机构，券商、期货、公募基金和私募基金等，都设立专门的量化团队或者金融工程团队，这是高校毕业的大学生趋之若鹜之地。

　　量化投资的发展得益于计算机的发展，其中非常重要的一个工具是编程语言。选择合适的语言对于初学者而言非常重要，以下针对不同需求的人推荐的编程语言的选择流程图，非常轻松有趣。

　　>>>更多RFP/ChFP考试问题点我咨询

 

　　目前，在量化交易领域，比较常见的编程语言和工具包括：C++、Python、Matlab等。各大语言的主要优缺点及适用领域如下：

　　C++： 可跨平台、运行速度快，非常适合做高频交易，的问题在于学习难度较大;

　　Python： 语言清晰且容易掌握，拥有很多第三方的工具和库帮助实现量化交易，且在Machine Learning方面有较大建树，未来的发展可期。的问题在于作为解释性语言其速度往往低于编译型语言;

　　Matlab： 在国内有较多公司使用，拥有大量第三方工具和完善社区，但是在高频交易方面比较受限;

　　金程教育相关课程开发负责人纪老师表示，“投资者想要从事量化交易，必须是精通金融和计算机语言的复合型人才，金融、建模、编程缺一不可。” 金融量化领域的内容涉及基础数据抓取及处理、量化交易策略编写及回测、实盘程序化交易、衍生品定价、机器学习、高频交易等模块的内容。“精细的算法系统不仅能辅佐人们进行交易投资决策，在国外，也在逐步取代重复性的人工劳动，金融科技的发展方兴未艾，这一定是一个大趋势”。

RFP/CHFP考试资料大礼包