1. 量化投资，如何评价微软研究院开发的AI量化投资平台Qlib？

列式存储算标配，天生支持多线程不错，但哪些场景有效还是未知数。最有趣的是他们搞了一套表达式引擎和缓存，你可以把布林带这样的计算交给底层引擎去完成，然后把表达式的计算结果缓存下来，缓存的数据和其他因子数据等效访问。这个方法大大简化了算法研究中的数据生成过程，还是很棒的。遗憾的是这套框架目前支持的数据类型还不够，除非你只用价格这样的数量数据，文本数据、非标准化的数据没办法纳入框架。整体而言还算不错的尝试，但性能好不好还是要看模型使用的算法。研究过许多量化平台的存储底层存储，大多都用的现成的HDF5或者bcolz，稍微厉害点在bcolz上改改，性能也基本就到极限了，但加上其他非标准化非价格数据的存储，整体速度会被拖慢几个数量级。而微软对AI的底层基础设施要求非常清楚，就是快且灵活，只有这样才能满足算法飞轮的快速运转，才能成为真正的生产力工具，目前是没有工具能达到这个要求的，我自己也搞过两次，都失败了，要兼顾的地方太多。这套系统相比国内外的其他系统而言算是一大进步，但也算不上多创新，不过至少可以期待。

2. 是否可以通过CQF来学习量化投资？

一般来说是可以的，编程这项工作是需要很强的逻辑性，也就是说一定要保持清醒头脑，相对来说金融专业的人员 而且是硕士，应该是没问题的，只是开始 学习比较费劲，那是很正常的，要学一样技术就要持之以恒，慢慢的就会入门，熟练，精通。这是需要一个过程的，也。是很花费时间的，祝您早日学成。

3. 量化投资可视化是什么意思？

量化投资可视化（Quantitative Investment）是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。

从全球市场的参与主体来看，按照管理资产的规模，全球排名前四以及前六位中的五家资管机构，都是依靠计算机技术来开展投资决策，由量化及程序化交易所管理的资金规模在不断扩大。

4. 量化投资具有普适性吗？

量化投资具有普适性。量化投资是一种利用合乎逻辑的历史统计规律来进行投资的一种方式，它是一种基于逻辑分析和统计分析的方法论，并且这个方法论是客观的，具备普适性的，也是符合我们传统的思考逻辑的。量化投资的本质是通过数学、统计学、计量经济学等方法，从海量数据中寻找能够带来超额收益的“大概率”策略，并纪律严明地按照这些策略所构建的数量化模型来指导投资，通过现代计算机技术实现策略交易的基金。

开展量化投资需要具备一定的知识储备和技能技巧，以下是一些开展量化投资的步骤和建议：

学习量化投资知识：量化投资需要掌握一定的数学、统计学、计量经济学等方面的知识，因此需要系统学习这些知识，打下坚实的基础。可以参考一些量化投资书籍、网上课程或者加入量化投资社群，与业内人士交流学习。

选择适合的策略：量化投资的策略有很多种，需要根据自己的投资经验、风险偏好、资金规模等因素选择适合自己的策略。可以通过证券研究报告、市场公开信息、数据可视化工具等方式，找到适合自己的策略。

构建数量化模型：量化投资需要利用数学、统计学、计量经济学等方法，构建数量化模型来指导投资。可以参考一些量化投资书籍或者网上课程，学习如何构建数量化模型。

建立投资组合：在选择好适合的策略后，需要根据自己的投资目标和风险偏好，建立一个投资组合，将不同的策略配置到不同的资产类别中，实现风险和收益的平衡。

定期监控和调整：量化投资是一个动态的过程，需要定期监控投资组合的表现，及时调整策略，调整资产配置比例和风险暴露等参数，以实现最优的投资回报。

培养量化投资思维：量化投资需要具备一定的逻辑思维和数据分析能力，需要培养自己的量化投资思维，不断学习和提高自己的技能水平。

5. 什么是量化投资？

量化投资是一种利用数学模型和统计分析来指导投资决策的方法。它通过收集大量的市场数据，并运用算法和计算机技术进行分析，以识别投资机会和制定交易策略。量化投资依赖于系统化的方法和严格的风险管理，以提高投资效率和降低人为情绪因素对投资决策的影响。它可以应用于股票、期货、外汇等各种金融市场，并在过去几十年中逐渐成为投资界的主流方法之一。

6. 为什么量化投资策略回测收益那么高？

回测是存在滑价，和参数过度优化，还有，偷价，这几个问题的，举个例子，回测是用历史数据时，用收盘价计算，收盘价是固定不变的，你的策略百分百能买到，而真实实盘交易时，收盘价是最新价，是动态的，举个例子5日均线金叉10日均线买入1手，在回测中这策略没问题，但在实盘中不行，因为这一天中可能上午5日均线金叉10日，下午信号消失，你上午按策略买入下午信号消失，这就是，实盘和回测的区别，这种例子很多很多都需要一一解决的，做出一套回测数据收益高，但实际用不了的策略太容易了。

7. 私募FOF投资如何精选量化指标？

一、随机漫步和有效市场理论

直观上来讲，市场不是随机的，统计数据也证明了这一点。Edgar Peters在20多年前就分别用Hurst指数和Lyapunov指数对标普500长期的周线价格序列进行了研究，这两种方法同时指向标普500指数在3.5到4年之中明显存在价格记忆，也就是自相关性。拉里威廉斯对商品价格序列大量数据的研究表明在商品市场，收盘价高于开盘价的概率大于53%。而沪深300的日内波动同样是不对称的，在长周期内上行波动的数学期望值大于下行波动，呈现了非常大的不对称性。长周期的指数收益率波动绝对不是随机漫步，而是线性有效的，周期越长，有效性越强。根据Jeremy Siegel教授在《股市长线法宝》中提供的数据，从1802年到2012年，经通货膨胀调整后，美国股票提供的年化回报是6.6%，长期来看非常稳定。随着持有期间的增加，股票年化收益率的上下限呈现奇异的收敛现象，持有期为1年的股票年化收益率上下限为66.6%和-38.6%，而当持有期达到20年，这两个数据会收敛到12.6%和1.0%。期限越短，市场随机性越强，期限越长，有效性越强。市场有效性越强，短线操作长期获利的可能性越低，获利的天平会越倾向长期投资者。

普遍的观点认为，美国市场在80%左右的时间内，可以算一个强有效市场，对有效信息的反应非常迅速。但在剩余的20%时间里，则充满了不确定性，处于非线性的状态。整体来看，美国市场应该是个半强有效市场，而中国市场，顶多是个弱有效市场，早期甚至是个无效市场。中国市场只有26年的历史，如果去掉1995年之前的原始时代，考察近20年的数据对比。标普500的20年年化收益率为4.3%，年度收益标准差不到0.18。而上证指数20年的年化收益率为8.8%，年度收益标准差超过了0.46。20年的数据比较而言，上证指数的长期收益是标普500的1倍，而波动率是标普500的1.6倍，20年间出现了一次超过70%的回撤，两次超过50%的回撤。这种高波动率大回撤的市场，对于采用择时策略的投资人更加有利，对于长期持有策略的投资人非常不利。中国市场的长期持有收益在大型新兴市场中表现最差，根本原因是预期和估值太高，损害了市场长期的收益率。

对价格或价值的分析，永远要从空间和时间这两个维度去看。所谓价值投资者不择时，不预测在语义上是有问题的。价值投资者根据内在价值和当前市场价格的差距决定买卖行为，在买入的一瞬间，其实已经做了两件事：1.假设标的的内在价值能够稳定增长，

2.判断市场主要长期投资者目前的博弈策略，预测市场长期将会均值回归。而趋势投资者是根据当前市场价格和历史价格的相对变化，判断市场目前的博弈策略，预测市场将会产生中期的趋势。这两种判断标准同样是根据价格判断博弈状态，都是择时，区别在于价值投资者依托的是长期市场的确定性。而趋势投资者试图过滤出中期市场的确定性。至于短线投资者，则是在与短线巨大的不确定性战斗，除非是低风险套利。从投资的难度来说，短线远远大于中长期。对于趋势操作，《股市长线法宝》其实已经有了定论：使用200日移动平均线这种简单笨拙的择时指标，在1885年到2012年接近130年的时段里，择时策略对于道琼斯工业指数的长期年化收益是9.73%，略微战胜了长期持有的名义年化收益，但如果综合考虑股息，交易成本，空仓期的固定收益等，择时策略会略低于长期持有策略。但要注意择时策略的收益率标准差比长期持有策略要低25%，最大回撤压缩了一半还多，成功地回避了1929年开始的大萧条，1973年开始的大型熊市，1987年的单日崩盘、2000年的科技股崩盘和2008年的金融危机。对于专业资管从业者来说，这意味着择时策略是更优的策略。用中国市场过去20年的数据回测可以得出同样的结论：择时无法提供更高的长期收益率，但一个有效的择时策略能够在不大幅度降低Alpha值的情况下大幅度减小最大回撤，基础标的中长期波动率越大，采用趋势择时策略越有利。

美国市场的数据表明，长期成长股持有的表现不及价值股，主要的原因是市场对成长股的预期和估值过高，从而损害了长期收益率，这个中国市场的在新兴市场中的状况类似。中国市场由于时间短，长期持有成长股的收益是远大于传统意义上的价值股的。无论在哪个市场，在短期和中期，成长股爆发时的涨幅会远远超过价值股，回撤的幅度也更大，这种大型波动更加适合采用择时的方法。对于价值股进行择时，效果一般不会太好，根本的原因是基础标的的波动率太低，成功操作的收益率无法完全补偿失败操作的损失。成长股+趋势择时策略在过去二十年的中国市场是更好的策略。

投资流派的争论从未停止。很多人比来比去，无非就是比年化收益率。有人根据巴菲特近十五年不到10%的年化收益率得出结论说巴菲特不行，这是很可笑的说法。大多数人都忽略了一个很重要的因素，规模和市场容量。伯克希尔2015年账面价值超过2500亿美金，这种体量还能战胜指数，就是一个奇迹。1990年，伯克希尔的账面价值就达到了75亿美金，如果考虑社会整体的财富增长，扣除M2的影响，相当于今天管理283亿美金的资产，到2015年，年化收益接近15%。1965年，伯克希尔的起始账面价值是三千二百万美金，相当于今天管理9.2亿美金的规模。从1965年到1990年的年化收益是23.3%。这种体量，能够达到这种收益率，股神名不虚传。至于巴菲特早期，年化接近30%，资金量很小的初期更是超过60%。单纯比较同期收益率是不科学的，应该综合市场容量和管理的资产规模来考量。在100亿美金这个规模之下，有不少人的长期收益率超过了巴菲特。索罗斯，彼得林奇，还有迷一般的西蒙斯。西蒙斯的大奖章基金二十年年化收益超过35%，后期管理费高达5%，业绩表现费44%。至少在50亿美金这个规模之下，西蒙斯远远超过了巴菲特。即使短线操作的Steve Cohan管理的基金也曾经达到150亿美金的规模，同规模的收益率估计也远远超过巴菲特。但超过100亿美金后，短线，套利，趋势，量化，基本上都会变得逐渐无效，容量的限制导致投资必须回归本源。西蒙斯在2007年曾经尝试过两个大体量的策略基金，希望达到500亿到1000亿美金的规模，但显然尝试失败了，其中一只基金曾经达到270亿美金的规模，但收益率远远赶不上大奖章，另外一只只有规模10亿美金的商品期货基金2015年干脆清盘了，大奖章基金的规模一直被控制在50亿到100亿的水平，容量是直接的原因。巴菲特在近年越来越依赖实业，甚至开始投资IBM这类老爷爷型的科技股也是由于二级市场容量的原因。在千亿美金这个体量，巴菲特一枝独秀，无人可以超越。但是对于普通投资人和普通资管从业者来说，穷尽一生，可能也达不到50亿美金这个规模，选择最适合自己的风格就行。

不少量化模型，小波分析，Hurst指数，TSharp值，隐马尔科夫模型，SVM支持向量机。大多数的模型都是趋势跟随型，从本质上看跟传统的技术分析没有太大的区别，都是把市场看作纯粹的波动，过滤噪音和杂波，找出当前的状态，在状态没有改变的情况下，认为趋势会延续。单纯研究波动其实没有找对价格波动的内在逻辑，是有滞后性的，各种复杂的模型并不能够提高实战的有效性，还不如价格区间或波动性突破更加直接，反应更加迅速。直接观察价格变化的逻辑在于，股市是一个动态博弈系统，所有人都把当前的价格作为一个重要的因子来确定短期，中期甚至长期的博弈策略，从而影响未来的走势。很多情况下，重要的价格区间的突破会改变筹码的整体赢亏，影响趋势投资者的博弈策略，从而大概率引发自我强化的循环。比如我以前经常用的长期市场成本线，在大型趋势中表现的非常出色，是判断市场博弈状态的一个非常好的方法。

用一句形象的话来说，趋势跟踪模型就是在大型波动的必经之路守株待兔。根据市场的价格变动来判断趋势变化是必要条件，而非充分条件。所以趋势跟踪模型的优点和缺点是很明确的，优点就是大型上涨永远不会缺席，大型下跌永远都能逃过。而缺点是在震荡频繁时经常发出错误的信号，高买低卖。俗话说涨跌同源，没有一种模型是完美的，利用它的优点就必须同时接受它的缺点。根据模型来操作，就要机械性的执行，微操作的细节可以调整，但不要过多加入主观的判断。机械交易长期能够战胜市场，这早就被验证过欢迎关注【财经基本面】头条号，这里会持续给大家更新好文，欢迎大家评论转发收藏点赞，谢谢