量化交易策略的研究
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇量化交易策略的研究范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
量化交易策略的研究范文第1篇
在傳統的證券投資學中，投資組合理論、資本資產定價模型、套利定價理論和期權定價理論是現代金融理論的四塊基石。前兩者主要依靠均值-方差組合優化的思想，后兩者則主要依靠市場的無套利條件。傳統的投資方法主要是基本面分析和技術分析兩大類，而量化投資則是“利用計算機科技并采用一定的數學模型去實現投資理念、實現投資策略的過程”[3]。從概念看，量化投資既不是基本面分析，也不是技術分析，但它可以采用基本面分析，也可以采用技術分析，關鍵在于依靠模型來實現投資理念與投資策略。為了分析量化投資對證券投資學的啟示，本文從量化投資“黑箱”的各個構成來探討量化投資與證券投資學中思路和觀點的差異。
（一）資產定價與收益的預測
根據組合優化理論，投資者將持有無風險組合與市場風險資產組合，獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合，認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值[4]。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻?；谝蛩啬Ｐ偷奶桌▋r理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考?？梢哉f，在因素定價方面，量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇，證券投資學認為，對資產價格的影響，長期應主要關注基本面因素，而短期應主要關注市場的交易行為，即采用技術分析。在量化投資中，主要強調按照事先設定的規則進行投資，這在一定程度上與技術分析類似。但是，在技術分析中，不同的人會有不同的結論，而量化投資則強調投資的規則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。
（二）無套利條件與交易成本
在證券投資學里，流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實現，如套利交易。根據套利定價理論，一旦市場出現無風險的套利機會，理性投資者會立即進行套利交易，當市場均衡時就不存在套利機會?，F實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中，對市場中套利限制與非流動性的關注較少，這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下，金融資產交易的過程及其結果，旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中，不同的市場微觀結構對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實施量化投資策略的證券往往都應有較好的流動性，因為交易時非流動性直接影響投資策略的實施。從這個意義上講，量化投資時的交易成本不僅包括交易費用，更主要的是要考慮市場交易沖擊的流動性成本。
（三）風險控制與市場情緒
在證券市場中，高收益與高風險相匹配。量化投資在追求高收益的同時，不可避免地承擔了一定的風險。在證券投資學中，系統性風險主要源于宏觀經濟因素，非系統性因素則主要源于行業、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經濟因素，而且會考慮交易行為等因素，只是不同的模型有不同的側重點，在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外，量化投資還有自身不可忽視的風險源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風險。另一方面，市場沖擊的流動性成本也是量化投資的風險控制因素，理所當然地在圖1的風險控制模型中體現出來。另外，在一般的投資過程中，市場情緒或多或少會成為風險控制的一個對象。然而，在量化投資中，更多的交易都是通過計算機來實現的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔適度的風險來獲得超額回報，因為畢竟減少風險也減少了超額回報。
（四）執行高頻交易與算法交易
在對未來收益、風險和成本的綜合權衡下，實現投資策略成為量化投資的重要執行步驟。為了達到投資目標，量化投資不斷追求更快的速度來執行投資策略，這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里，技術分析認為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計算機信息科技的創新，量化投資策略之間的競爭越來越大，誰能運作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計算機系統處理數據和進行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點有：處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。[5]高頻交易有4類流行的策略：自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法：產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行，目前“算法交易”比較流行。算法交易優化買賣指令的執行方式，決定在給定市場環境下如何處理交易指令：是主動的執行還是被動的執行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。
二、對量化投資在證券投資教學中應用的思考
從上述分析可以知道，量化投資的“黑箱”構造與證券投資學之間存在一定的差異，因此，在證券投資的教學中應當考慮量化投資發展的要求。
（一）市場微觀結構與流動性沖擊
在理性預期和市場有效假說下，市場價格會在相關信息披露后立即調整，在信息披露前后市場有著截然不同的表現。在證券投資學里，一般認為價格的調整是及時準確的，然而，現實的世界里，價格調整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調整是瞬間的，影響不大。然而，在高頻交易中，這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程，認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型，這些市場微觀結構的研究加強了流動性與資產價格之間的聯系，強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容，因而，為了加強證券投資學的實用性，應關注市場微觀結構的內容與發展。
（二）業績評價與高杠桿
對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風險與業績。在組合業績評價中，一方面要考慮風險的衡量，另一方面則要分析業績的來源。在證券投資學中，組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業績評價還應考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統的業績評價就不太一樣。在一般的證券投資學里，業績評價主要考慮經風險調整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻，而且有可能夸大了投資者的技能水平。
（三）人為因素與模型風險
在量化投資中，非常注重計算機對數據和模型的分析，這突出了量化投資的規則性和固定性。然而，實際中，別看量化采用了各種數學、統計模型，但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究，并借助計算機實施策略，能夠消除很多認為的隨意性。但是，量化策略畢竟體現投資者的交易理念，這一部分依賴于投資者的經驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實施依賴于人的設定，而人的設定不僅依賴于經驗，而且人還會犯錯。人之所以會犯錯，一方面是因為人們對市場的認知是不完全的，另一方面則是人們使用了錯誤的模型。經典的證券投資理論中，股票價格的變動被認為是隨機的，小概率事件出現的機會比較小，但是經驗研究表明股票收益率具有肥尾現象，小概率事件發生的機會超出了人們原先的認識，即市場還會出現“黑天鵝”。更為關鍵的是，量化投資更依賴數學和統計模型，這就使得量化投資存在較大的模型風險，即使用了錯誤的模型。為了防范模型風險，應采用更為穩健的模型，即模型的參數和函數應該適應多種市場環境。近年來，研究表明，證券收益及其與風險因素的關系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。
（四）2013年諾貝爾經濟學獎的啟示
量化交易策略的研究范文第2篇
>> QFII在中國A股市場交易策略的實證研究 A股尋求20日均線支撐 16家券商集中推薦招商蛇口 中國A股主板市場PEAD實證研究 切線在均線系統中的應用研究 捕捉牛股:均線共振 GARP量化選股策略在A股市場中的應用 A股交易時間太短 資源冗余對企業績效的影響:基于滬深A股的實證研究 A股發行公司IPO前盈余管理與IPO后經營業績的實證研究 女性董事與盈余管理：來自深交所A股上市公司的實證研究 H股回歸對A股市場流動性和波動性的影響：實證研究 基于價值投資的Piotroski選股策略實證研究 買入并持有策略在A股失靈? 股票均線幾種特性在預示后市中的作用研究 金融危機背景下QFII在A股市場中的交易策略及對投資績效影響研究 金融危機后上證A股銀行股的CAPM模型實證分析 基于R語言的均線量化策略分析 A股中期策略 轉型期下的A股投資策略 均線在趨勢下的實戰應用分析 常見問題解答 當前所在位置：，2015- 04-0516：32。
③互動百科.凱利公式[Z].http：///wiki/%E5%87%AF%E5%88%A9%E5%85%AC%E5%BC%8F，2016-03-03。
參考文獻
[1]邱捷銘.均線交叉策略的另類創新研究[R].2015.7.16.
[2]周銘山，馮新力，林靚，方旭S，周開國.A股市場均線策略有效性與收益率隨機特征研究[J].證券市場導報，2013（01）.
[3]羅然.關于移動平均線交易策略的研究[J].四川經濟管理學院學報，2010（04）.
[4]徐鵬.移動平均線交易規則的實證分析[J].江西金融職工大學學報，2008（04）.
[5]羅然.對移動平均線投資策略的分析――基于石油行業個股歷史數據的實證研究[J].呼倫貝爾學院學報，2010（05）.
[6]吳亞軍，惠曉峰.基于均線交易系統的非特定時間動態VaR研究[J].運籌與管理，2013（06）.
[7]董大勇.均線指標組合下的上證指數收益實證分析[J].孝感職業技術學院學報，2003（01）.
[8]（美）羅伯特?D?愛德華（RobertD.Edwards），（美）約翰?邁吉（JohnMagee）著，程鵬等譯.股市趨勢技術分析[M].中國發展出版社，2004.
量化交易策略的研究范文第3篇
量化交易到底是什么？
說到量化交易，雖不陌生，但仍懵懂。到底什么是量化交易呢？
量化交易區別于定性投資（過去的投資方法）的鮮明特征，就是充分利用各種各樣的數理模型。它是借助現代統計學和數學的方法，利用計算機技術，從龐大的歷史數據中海選能帶來超額收益的多種“大概率”事件，然后制定策略，并用數量模型驗證及固化這些規律和策略，繼而再嚴格執行這些已固化的策略來指導投資，以求獲得可持續的、穩定且高于平均的超額回報。
對于量化交易中模型與人到底是什么關系？比如中醫與西醫的診療方法，中醫是望、穩、問、切，最后判斷出的結果，很大程度上基于中醫的經驗，定性程度上大一些；而西醫就不同了，先要病人去拍片子、化驗等，這些都要依托于醫學儀器，最后得出結論，對癥下藥。
以此形容的話，可以說定性投資像中醫，更多地憑主觀臆斷和個人經驗判斷病在哪里；量化交易像西醫，依靠數量模型判斷，而這些模型對于使用量化交易的投資者的作用就像CT機對于醫生的作用。在每一天的投資運作之前，一般都會先用模型對整個市場進行一次全面的檢查和掃描，然后根據檢查和掃描結果做出投資決策。
量化交易靠概率取勝
和傳統投資方式相比，量化交易的視角更廣，它借助計算機高效、準確地處理海量信息，更廣泛地尋找和驗證投資機會，消除投資組合配置的局限性，并依靠計算機配置投資組合，克服人性弱點，使投資決策更科學、更理性。
具體來說，這個新興的投資方法，與我們那些傳統的看指標判斷、聽消息判斷、簡單看財務報表判斷等定性投資方法相比較，主要有以下幾大優勢：
量化交易有著嚴格的紀律性。比如，如果有人問你，某年某月某一天，你為什么購買某支股票的話，你就可以打開量化交易系統，系統會顯示出當時被選擇的這只股票與其他股票在成長面上、估值上、資金上、買賣時機上的綜合評價情況，而且這個評價會非常全面，比普通投資者拍腦袋或者簡單看某一個指標買賣更具有說服力。
它系統性較完備，具體表現為“三多”，包括多層次、多角度、多數據。因為人腦處理信息的能力是有限的，當一個資本市場只有100只股票，這對定性投資基金經理有優勢，他可以深刻分析這100家公司。但當有成千上萬只股票時，量化交易就可以充分發揮它強大的信息處理優勢，捕捉更多、拓展更大的投資機會。
另外，定性投資大部分時間在琢磨哪一個企業是偉大的企業，那個股票是可以翻倍的股票，而量化交易大部分精力花在分析哪里是估值洼地，哪一個品種被低估了，買入低估的，賣出高估的。
量化交易靠概率取勝。這表現為兩個方面，首先量化投資不斷地從歷史中挖掘，有望在未來重復的歷史規律，并且加以利用。其次它在股票實際操作過程中，運用概率分析，提高買賣成功的概率和倉位控制。
量化投資者也有噩夢
事實上，量化交易的方法在海外已有30多年的發展歷史，素以投資業績穩定，抗風險能力強著稱，目前已經成為海外基金管理投資市場的重要方法。
而與海外成熟市場相比，量化交易以基本面分析為驅動，以全市場、多維度的視角廣度掃描投資機會，在中國市場的應用將更顯其優勢。
不過，在談及這么多利好之后，還是要“潑一次冷水”。不要以為不停閃爍的超級電腦自動進行著高速交易，熒幕上滾動著通過高速網絡提前獲取的最新市場消息，加上通過杠桿放大的頭寸，賬戶的盈利不斷上跳，這一切的一切就預示著“可以躺著賺錢的時代”來臨了，現實并沒有這么美好。
相對來說，量化交易目前還處在初級發展階段，比如基本面投資者只需簡單的基于預測特定事件，比如超過或差于預期的財報做交易即可。而量化交易者則需要搞清楚具體消息對股價的平均影響程度，這就不是一件容易的事了，因為你的研究對象時刻還在變化著。
不僅如此，研究出一套只基于公司財報的交易系統不難，比如基于超出預期的營收或股息來買入。但是供給面的情況、消費者層面的情緒納入交易模型中，也比較麻煩。
同時，股票、基本面、新聞消息之間的關系也是不停變化著的。記得2009年美股到達低點的時候，很多“低質”公司的回報大大高于“優質”公司的回報。很多3塊錢的“垃圾股”可以在很短時間內漲到10塊錢，而高價的優質公司的股票想要翻一倍都要花上很久很久。對于基本面投資者來說，這是掘金的好時候，但對于量化投資者來說卻是噩夢，因為大多數模型此時都會顯示做多“優質股”做空“垃圾股”，后果則可想而知。
另外，量化交易員的精力也是有限的。計算機的消息格式往往不規范，語法也千奇百怪，他們也無法讓計算機程序挑選出有效信息并運用于自動交易中。一天只有24個小時，他們也會經常碰到因一個分析無法推進而其他分析也陷入停頓的狀況。因此，要在浩如煙海的金融數據中“尋寶”，沒那么簡單。
量化交易策略的研究范文第4篇
雖然現在量化基金、對沖基金等以量化方法運作的產品慢慢得到機構的重視，但受對沖工具、市場成熟度、投資者成熟度等因素影響，量化投資頂多處在長跑前的預熱階段。
銀華基金量化投資部總監周毅曾在華爾街從事量化投資11年，現在他一人管理著兩只量化型產品和兩只QDII基金，市場上對此有過質疑。
在接受《投資者報》記者采訪時，周解釋說，與定性投資比，定量投資的優勢之一就是人力成本低，每多一個產品，對基金經理來說所增加的時間很少。
周毅認為，與成熟市場相比，A股可做的量化策略或對沖策略空間較大，因為參與的資金較少，機會也大。
優勢是人力成本低
《投資者報》：市場上質疑，你一個人同時管理四只產品，能管得過來嗎？
周毅：主動型投資較大程度上依賴投研平臺，量化投資則主要依靠數量化模型，相比較，量化投資成本較低。對于已成立運作的指數基金來說，在系統建立起來后，相同管理類型的產品都可以共用一套系統，基金經理的工作實際上就是對細節進行微調。比如目前銀華管理的分級產品和純被動的指數基金，大概在上午9點半以前，系統會提交所有的產品的當日交易清單，基金經理的工作只是根據不同基金的一些投資限制在細節上進行調整。
《投資者報》：清單也是靠模型嗎？
周毅：不完全是這樣，其實是一個最優化的公式。比如跟蹤滬深300指數基金，本來就按照每一只股票的權重買就可以，但是一些涉及關聯交易等限制性規定的股票不能買，就有一個優化的問題。一部分公司的做法是用線性回歸的方式，把受限股票都做線性回歸，找到跟其相似度最高的股票，按它的權重買進來。
國外通常的做法是對投資組合進行整體優化，剔除交易受限制的股票，算出剩下股票的最優解，再和現在的組合比，就出來一個交易清單，這是一種優化。
《投資者報》：我了解到國外一些基金公司，雖然規模百億乃至千億美元，但基金經理、研究員卻非常少，這與國內差別較大。
周毅：主要是大家對投資的理解不一樣。按照我的感覺，在國外以傳統投研方式（研究員加基金經理）做投資的，相對占少數，而國內公募基金發展也就十來年，傳統投資方式依然占絕對大頭。
《投資者報》：為什么占少數？
周毅：美國公募基金經歷了α（超額收益）與β（市場平均收益）分離的過程，現在公募基金大多都去做β了，而對沖基金去做α了。邏輯很好理解，公募基金是怎么盈利的？規模乘以管理費。所以，基金公司的發展在于規模要大，而且越大越好。現在我把這個事情推到極致，全市場所有的錢都由一家基金公司管，收益是多少？就是市場平均收益，不可能有超額收益，這就是β。
就是說，公募基金想提高盈利，模式是把規模做大、把成本壓低，最后得以生存。
所以，美國公募基金經理相對而言比較舒服，但他們的收入在金融業偏下，因為做β個人的因素不是特別大。
國內指數基金空白點多
《投資者報》：你講到BGI短短十年管理資產就達到2萬億元，有什么可借鑒的地方？
周毅：我一直在思考這個問題。通常認為BGI的成功是靠大量發行交易型指數基金（ETF）做到的，但我覺得不全是。我覺得，其成功的另外一個重要原因是產品設計思路。
美國老牌基金公司先鋒集團以指數基金聞名，他幾乎把市場各種規模的指數產品都覆蓋了，BGI作為一個后來者，指數的先發優勢完全沒有了，所以它需要找到一個突破口。于是，它打破了傳統基于市場平均的指數設計理念，而集中突出特性很明顯的產品。
比如尋找15個市值最大的房地產建筑商，然后制定一個指數。對于想投資房地產建筑的機構和個人，沒有必要花時間和精力研究個股，而直接買對應的ETF，以至于大家提到建筑的時候提BGI建筑基金就可以了；再比如，BGI開發了很多國家系列指數，都是一個道理。目前國內還沒有類似的指數，這方面基金也還是空白。
《投資者報》：對于一個長期從事量化投資的人，你怎么理解投資？
周毅：就投資而言，我個人的理解要稍微寬泛一些，只要能賺到錢，就可以稱為投資。至少我在華爾街注意到，比如華爾街交易員的地位都很高，而國內交易員的地位比較低，在華爾街，考核的指標不是是否找到了好股票，而是看結果是否賺到錢。
為什么呢？因為股票交易價格和內在價值之間有很大差別，內在價值是不是最終能反映交易價格，這很難說。
交易員根據盤面上錢的供需關系、短期的交易價格賺錢，這也是投資賺錢的方式。而目前，這類東西在國內屬于旁門左道或者另類。
對沖基金大有可為
《投資者報》：你提到，現在主要的創新方向是在A股如何應用對沖策略，你現在的對沖策略是什么？
周毅：現在A股做多的標的很多，全市場兩千多個股票都可以買，而做空的工具只有滬深300股指期貨。很顯然，從理論上可以這樣操作，通過放空滬深300股指期貨對沖組合基準風險，那么只要組合收益率高于滬深300基準收益，超越部分就屬于相對收益能力的絕對部分。
從國內基金公司的過往業績來看，投研人員能夠選出高于基準收益率的組合，這種投研能力傳導的結果就是基金公司在大概率上是可以做出相對收益的。
我覺得目前A股可以做出的策略比較多，因為用這種方法做投資的資金比較少，所以機會比較大。
《投資者報》：你覺得做對沖基金最大的風險是什么？
量化交易策略的研究范文第5篇
關鍵詞：大數據；量化投資；量化選股
中圖分類號：F830 文獻標志碼：A 文章編號：1673-291X（2016）17-0106-01
量化投資理論是從20世紀50年代由馬克維茨創造性地提出了用均值方差最優的數字方法來選擇最優投資組合。由于當時對數據的處理量過大而復雜，因此，直到1990年后隨著計算機被廣泛使用，以量化作為核心的投資基金才逐漸超越傳統的基金。量化選股策略是針對中國股票市場特性，從眾多的指標參數中找出能夠較為合理解釋股票收益率的有效且不冗余的因子，并根據這些因子在選股策略中所占的權重來構建量化投資策略。隨著信息技術的日異發展，資本市場深化改革步伐加快，證券市場間同業經營，居民消費等領域也迎來了信息數據量呈現幾何級數增加現狀。運用大數據思維分析眾多股民的知識結構、行為習慣對股票投資形式的認知而形成固有模式思維，“大數據”思維正以不同形式、路徑的方式影響著證券選股策略。大數據技術的戰略意義不在于其龐大的信息數據量，而在于對含有意義的數據根據建模權重進行專業量化處理，幫助大家對于股票進行優化選股有著重要研究意義。因此，基于大數據思維模式分析多因子量化選股策略更加適用這樣的市場，給投資者提供更好的參考模型。
作為量化投資界的傳奇人物詹姆斯?西蒙斯，他曾因“用公式打敗市場”的故事在金融界中為人津津樂道。在1989年由他創辦的基金成立至今的20年時間里，該基金持續地獲得了每年平均35%（扣除費用后）凈回報率，而同期被稱為“股神”的巴菲特每年平均回報率也才大約在20%左右。即使在金融危機的2008年，該基金仍然獲得了80%的高額回報，“最賺錢基金經理”對西蒙斯來說無出其右。
目前，國內對量化投資策略研究還比較少，做量化交易的基金也相對較少，投資者對量化投資仍持懷疑態度。另外，中國目前的資本市場還不完善，做空機制以及金融衍生工具相對較少，股票市場上仍然采用T+1的交易模式，這些都導致了量化投資在中國市場的發展弊端。但是，隨著股指期貨等新的做空金融衍生工具的推出，量化投資開始走入“中國大媽們”的視野。
運用量化思維投資證券選股策略在國外已有四五十年。量化投資從無到有一直是很神秘的，人們把它叫做“黑匣子”。但是，當時的量化投資證券選股策略大多僅僅是數學模型，并不是人們想象的那么神秘。量化投資證券選股策略之所以弄得這樣神秘是因為：（1）是為了保護其知識產權，防止侵權；（2）是為了防止其策略擴散后影響整個投資比率的失衡，縮短該策略的壽命；（3）是為了控制投資風險，如果該策略細節被投資對立面獲得，則有可能會造成被動的投資效果。因此，投資公司、基金經理是不會說出其量化投資策略的。這是由于金融動蕩中如果沒有好的投資策略及對風險的控制力就有可能把老本虧個精光。
隨著時間流逝，任何投資策略的盈利模式都會被市場所消化，量化投資策略也會隨著時間的變化而改變。在量化投資證券選股這方面，重要的不是策略這一表面形式，而是掌握量化投資證券選股的研究模式。大家不必要去追逐那些形式的數學公式、策略模型，而應該根據現在大數據時代下對海量證券股票信息的合理分析整合，去學習、改進新的證券選股模式，以適應未來發展需要。
大數據時代的到來也給新形勢下運用多因子量化模式選股帶來極佳的發展機遇。
參考文獻：
