投资理财对于我们每个人来讲，是一个既陌生但又永远躲不开的话题。年轻人要攒钱买房结婚；结婚生子后要存钱供他们上学出国；中年人更要把握住事业上的机会，投资置业；而老年人如今很多儿女在外，更需要理财养老传承。
通过资产配置获取稳定和正向的资本回报是每个投资者或基金经理的主要任务。量化基金在国内资本市场上还是小众产品，可在华尔街却是名副其实的主流。量化投资这个海外的爆款到了国内为什么失效了呢？
01 投资的困局
对冲基金红色资本（The Red Capital,LLC）创始人，量化经典《主动投资组合管理》译者刘震先生曾经讲述过这样一个故事。
一天，12岁的儿子忽然问他：“爸爸，我怎样才可以赚到很多的钱？”
他想了想，答道：“两个办法。一个办法是要在学校好好读书，门门功课得A；还要体育出色，至少区域大赛得奖；而且要参与社区活动，培养领导才能；这样才能考上常春藤大学。在大学里也不能天天派对，还要继续努力学习，GPA一定要 4.0，暑假还要做实习，这样毕业之后就有望在一家好公司找到一份好工作。有了工作就更要努力，还要跟同事搞好关系，争取早日升迁……这样也许你在60岁退休之前就可以挣到不少钱了。”
儿子有些失望：“哦……那另一个办法呢？”
“另一种办法是投资。” 刘震回答，“如果你投资方面有天赋，又肯努力，也许30岁之前就可以挣到很多钱了。”
儿子兴奋地看着他：“真的吗？那我怎么投资呢？”
刘震答道：“投资先要有资本，但更重要的是要有投资的能力。我可以给你一千块钱做种子资金，但你每天放学后都要读一下《华尔街日报》，晚饭时我们可以讨论你的投资组合。”
投资理财对于我们每个人来讲，是一个既陌生但又永远躲不开的话题。年轻人要攒钱买房结婚；结婚生子后要存钱供他们上学出国；中年人更要把握住事业上的机会，投资置业；而老年人如今很多儿女在外，更需要理财养老传承。
投资有时似乎很容易：赶上牛市，买对了，闭着眼睛都能大把赚钱。但很多投资者都经历过那些过山车一样的行情和漫长难熬的熊市。很多人觉得投资很高深，财经媒体上每天都有专家学者在讨论国际国内、宏观微观，但多数云遮雾罩，令投资者不知所措。有些人觉得投资很简单，买低卖高而已；但实际操作起来往往成为追涨杀跌，有时甚至职业基金经理也不能免俗；还有些人觉得投资是一门“艺术”，关键在于“战胜自我”，只可意会不可言传，不时还要参禅拜佛。但投资究竟是怎么回事呢？
02 现代投资理论和量化交易
哈利•马可维茨的论文《投资组合的选择》中提出了一个简单但又深刻的问题：投资组合的选择标准是什么？
马可维茨提出选择投资组合的目标是达到“有效组合”，也就是构建在给定的风险下获取最大预期收益的组合。不同风险下的有效投资组合形成所谓的“有效前沿”。最终的选择，可以通过求解不同风险厌恶水平下的“效用函数”最大化问题来得到。
马可维茨是金融历史上第一个人，通过投资组合选择的问题，把风险提高到与收益同样重要的位置，建立起权衡收益与风险的理论框架，并开创了现代投资组合理论的先河。马可维兹和他的学生夏普也因此获得了1990年诺贝尔经济学奖。金融作为一门科学由此诞生，经过不断发展和完善，从学术象牙塔逐渐传入华尔街，从而彻底地改变了全球资本市场的理论和实践。
通过资产配置获取稳定和正向的资本回报是每个投资者或基金经理的主要任务。投资者主要依靠基本面分析、量化模型或对宏观经济的洞察能力来产生良好的alpha收益。
在美国，量化投资的发展历史已有三十多年，由于资产管理规模的急剧增加，显性或隐性杠杆的普遍运用不仅耗尽了资产本身的预期alpha，而且增加了所有风险资产之间的相关性，为资本alpha的获取带来巨大的挑战。通过与美国量化投资发展现状的对比，我们不仅能够进行自我审视，同时也能得出一些关于未来的新知。
03 中美量化市场基础设施的差距
量化基金在国内资本市场上还是小众产品，可在华尔街却是名副其实的主流。量化投资这个海外的爆款到了国内为什么失效了呢？
量化策略的成功需要有效基础设施的支持，上海淘利资产投资总监陈莹认为，量化投资目前在国内市场上绝对占比不高或有三方面的原因，一是国内市场历史有限，可提供的数据不够多、质量也不够高，行业数据的整理尚不成熟，依赖数据分析的量化投资缺少足够的支持；二是国内投资者对量化投资认识还不足，一些法规也不利于量化投资的发展；第三，量化投资最近一年整体表现欠佳，长期稳健的特征还没有被市场认可。
上海千象资产总经理马科超则认为，国内量化投资比美国市场起步晚了30多年，在大众接受程度上会有差距。美国市场参与者以机构为主，在机构的博弈中，量化、系统化的方法持续性更强，先进的IT技术、数据挖掘技术不断被应用到全球市场。
那量化交易需要哪些有限的基础设施支持呢？我们一起来看下
▲专业的数据服务提供商
量化策略在华尔街变成主流投资策略，最受益的公司是数据服务提供商。不论是已提供金融数据超过百年的老牌企业，还是新晋崛起的数据公司，近十年业绩都比较出色，甚至还有企业的市值在过去10年中翻了10倍。
目前，量化投资参与者正在逐步增加，策略同质化的现象也越来越严重。因此，要想获得长期的较好的收益，需要思考几个问题：如何在已有的维度上深挖有效的超额收益因子，如何扩展数据源获得独特的超额收益因子（例如高频数据维度、事件维度、大数据维度、公司治理维度等），这是每个量化投资团队获得长期比较优势的方向。可以说，在量化投资竞赛中，数据的实力就代表着投资者的核心竞争力。
▲全流程服务
量化策略流程的每一个步骤都需要基础设施的支撑。首先，需要有非常好的数据源，建立数据库，包括财务因子数据库、交易行业数据库等；第二步，在数据库的基础上进行分析和挖掘，找出市场上非常有效的因子，以获取超额收益；第三步，通过因子的合理组合来进行股票的选择，形成选股的alpha模型；第四步，通过风险模型和优化来控制股票组合在各个风险上的暴露，表达市场观点，形成最终的持仓；第五步，对于形成的持仓，要通过组合交易的成本模型，计算交易成本和对市场的冲击和滑点，进行仿真回测和绩效归因；最后，在回测确认策略有效的前提下，将该策略自动化产生交易清单，交给交易系统去执行。在美国，已经有一些公司能够对上述流程提供全方位的服务；在我国，恒生刚刚发布的AlphaMind也能提供从数据到交易的全流程服务。
▲专业化的人才构成
在员工组成方面，十几年以前，华尔街主要是聘请有物理或计算机背景的博士生，由于他们研发的算法很难被人读懂，像个神秘的黑箱，看上去很深奥，所以他们被称为火箭专家（rocket scientist）。近十年来，美国各高校都成立了金融工程系，所以现在华尔街的量化投资人员都有金融工程背景，他们被称为Quant，翻译成中文“矿工”，更适合于他们夜以继日挖掘数据的背景。相较于美国，我国专业的量化投资人才还存在一定的缺口。
