多因子模型策略：所谓因子就是对价格有影响的数据指标。这是最常见的策略，据我所知，国内的量化交易机构，多多少少会建立自己的多因子体系，只不过有人做得深，有人做得浅，而且大家的模型都不太一样。多因子模型不能说最为火爆吧，但是的确是做得人最多，普及性最强的策略，这个跟国内A股市场90%都是散户，差不多1亿人有股票账户，大家对股票交易市场相对比较熟悉，理解起来相对比较容易也有关系。多因子策略里面也有很多细分策略，逻辑出发点不太一样，只少我是没有办法统一归纳出来，可能需要见一个学习一个。

事件驱动策略：事件驱动策略是在中国市场个人投资者市场是很有欢迎的，什么看新闻炒股，看政策炒股，听内部消息炒股，本质上都是在根据市场上发生的“事件”来预判股票市场的涨跌。这是一个理论上肯定有相关性甚至因果联系，在主观投资领域有很多实践案例，但是量化起来很麻烦的东西，一方面事件和事件之间差异比较大，不确定性影响因素比较多，整理起来很繁琐，需要很多手工整理的部分，数据获取和结构化也比较麻烦，相关性分析和归因分析都不太好做，虽然散户做投资很喜欢用这个策略，主观交易领域也有一些成功的案例，但是长期受益如何也不好说，虽然近年来挺多家投入了很多时间精力，形成稳定的Alpha的比较少，有人在用，但是不是很普及。当然市场上一般越是赚钱的人越是闷声发大财，不能说这个策略没有效果，只能说，相对门槛比较高，不确定性也比较强，要对市场价格影响因素和影响逻辑有很深刻认知的策略，的确不是一个对新人很友好的量化方向。

择时策略：择时策略是一个比较宏观，比较概括的说法，大概对资产的涨跌进行一个评估预判，从而判断入场时机的策略其实都可以叫做择时。选择进场、离场、行业分布、风格倾向、仓位控制，是否需要动用股指期货进行对冲等都会用到择时。择时策略也止用于股票市场，其中我将它细分为宏观择时、CTA择时、其他市场择时也会用到。宏观择时就是借助GDP、CPI、PPI等一系列你知道或者不知道的宏观经济指标来判断市场走势，股票择时主要是判断风格的轮动和行业的轮动，CTA策略应用在商品期货市场，会做一些趋势或者反转策略，是一个很具体的策略，还有其他应用在其他市场，例如外汇、贵金属、数字货币等，我知道有大佬做得很好，我本人不怎么了解就不展开了。

套利策略和其他策略：盈利的驱动因素是不一样的。套利是用无风险的投资机会来获取市场价格机制不健全带来的利润空间，比如股票方面，国外有一套完整的统计套利的模型，而国内用得比较多的也有用股指期货、商品期货或者其他衍生品进行配对交易的策略。其他策略还有，比如T+0，高频交易，做市商策略，还有一些比如利用在期权领域的备兑、波动性套利策略，这里就不一一列举了。

常见问题集2：不同类型的量化投资机构都在做些什么事情？

用量化方法做投资的机构，一般可以是分为公募基金、券商资管和公募子公司、券商自营和保险资管、私募基金这些。

公募基金是大家平时接触最多的，从社会普通公众那里募集资金。公募基金能够交易的范围很少，除了股票产品就只能用部分股指期货来做一下套保（而且还有传说中的“窗口指导”），所以公募量化岗位主要是股票量化和部分的FOF的岗位。公募的特点是除了主动选股的产品，还有很多被动型的指数产品，还会有行业指数、概念指数。公募基金是做相对收益的，主要看行业排名，但是不追求绝对收益，尽管整体公募行业还是比较规范和有保障的，还是存部分公司“挂羊头卖狗肉”，要小心识别一下。而且，不要看公募的产品多，资金规模大，公募公司一般是国企，除了基金经理和研究员的团队，市场渠道部门、中后台的风控运营服务等部门要养的人也很多，公募工作的基金经理和研究员整体薪酬水平并不是特别高。

券商资管和基金子公司资管，其实就是券商和基金旗下的专业资产管理机构，一级二级市场产品，标准产品和非标资产都可以交易，交易范围会更加广泛一点，会主要接银行等委外资金，比较追求相对稳定的绝对收益。银行的资金主要是用来还理财产品用的，不会要求8-10%的收益，但是会要求每年、每季度、每月的收益，稳定在年化5%以上就可以了。这两类资产管理的好处是，可以交易的资产范围比较大，交易方式也比较灵活，从股票、商品期货、期权到一些场外产品、利率互换、ABS、PPP之类的资产，都有可能涉及。因为追求的绝对的实打实的业绩，行业竞争程度更高，对量化的研究方法的研究和运用程度是更高的。

券商自营和保险资管大部分是自有资金，部分保险资管也会接一些委外资金，交易范围和券商资管和基金子公司差不多，因为资金来源是自主控制的，对资金风险有一定的容忍度，更加追求超额的绝对收益，可以做一些波动比较大的产品，量化程度相对也比较高。

私募基金一般是在金融投资领域比较成功的个人和小团体在基金业协会备案成立的，一般规模不会很大，私募基金会比较辛苦，私募的产品非常灵活，受到监管最少，投资经理可以根据自己的想法做很多的尝试，私募基金会有非常多优秀的策略，好的私募量化基金是真的很顶尖，从老板到员工水平很高，团队的研究水平、投资能力、学习氛围是真的非常非常不错，但是也有一些私募基金老板没啥能力，风险就很大。私募是风险很大，信息很不对称的行业，无论是投资还是求职，一定要非常小心调查。

这里还值得说一说的，是量化行业的“卖方研究团队”，也就是各大券商的研究所和第三方研究机构的金融工程研究团队。

这些研究员主要是为公募、银行、保险资管提供量化策略的研究服务的。卖方研究员多数不会直接进行投资，在研究方面，相对买方的研究员，范围会更广，深度会更深，卖方研究报告常常是买方的策略思路来源，卖方的盈利模式，主要是为买方提供一些策略的研究服务，争取买房机构的收益佣金。卖方研究工作人员的工作内容主要分为研究、写报告、路演三个部分，简单说就是确定市场感兴趣的研究主题，把成果写成报告，把报告通过线上线下各种平台、媒体、沙龙让甲方爸爸们看到，对机构可以进行上门路演，当然在实际工作中，卖方的工作人员要获得好的收入和职业发展，做好研究和服务好甲方客户爸爸的重要性至少算是一半一半吧。部分优秀的卖方研究员会转型成为量化基金经理，也有一些可能在研究领域走得更深。

常见问题集3：机构里的量化投资具体是怎么做的？

其实量化投资逻辑顺序都是一样的，观察市场规律，构建数学模型，验证模型有效性，制作交易策略，优化策略组合。拿多因子策略模型举例，作单个的因子模型的研究模型，首先是观察市场现象和规律，用数理统计的方式去描述这个现象和股票价格波动直接的规律，然后对这个相关性进行验证和定义，在确认规律成立之后，针对市场规律制作一个交易策略，然后把很多相关的策略做类别组合，不相关的策略做相互补充，构建一个策略体系，争取达到“1+1>2”，将策略获取超额收益的能力发挥出来，或者说，至少不要互相拖后腿。

机构和个人的区别可能是，机构往往会有一套比较成熟的策略评分体系，也会有一个比较好的策略框架，用来整合团队的研究成果。每个人观察到的东西，总结出的规律，做验证的思路都不太一样，可以交流互补，提升整体的策略质量。

常见问题集4：量化投资的学习有哪几个阶段？

我认为量化投资的四个阶段，第一阶段是学会数学方法、学搭建模型、学编程和一些机器学习（会了这些，不代表你能做好，但是不会这些，很难持续发展），第二个阶段，可以对市场上一些问题开始进行量化研究，通过量化的角度分析市场上的一些现象；第三个阶段，根据你长期对这些市场上的策略的研究和理解，建立起自己的一套策略体系，最后，在这个体系之上，利用你的完善的策略的体系，通过实盘交易，做到长期稳定的收益。

这是我认为，在做量化研究过程中，所要经历的四个阶段的简单概括，但是量化是一个持续学习过程，要不停学习新的方法，学习新的市场变化，这是量化有挑战的地方，也是量化有意思的地方。

常见问题集5：对新人做策略有什么建议？

首先是多多学习，多多实践，光看不练是没有用的，哪怕用最笨的办法，找市面上5个成熟的模型思路，自己做一遍，比看50份研究报告有用得多。

其次是做好业绩归因管理和风险控制。业绩归因主要是分析投资收益的原因，比如股票市场的模型，要分析收益究竟来自于择时、行业分配还是来源于选股能力或者其他能力，这样可以通过模型把你了解，你的优势能力体现在哪些方面，从而帮助进行模型优化，业绩归因是持续进步的基础。只思考怎么赚到更多的钱，忽略了怎么防止出现亏损是新人最常踩到的坑。投资是个滚雪球的事情，常常模型的一个回撤就可以把几个月、半年甚至更长时间的收益全部清零，如果做的是带杠杆的期货市场就更是这样了，所以一定一定要做好风控模型，风险控制在投前、投中、投后都可以做，模型的效果也都有体现，这个领域也有很多成熟的方法论可以借鉴，比如多因子模型里面著名的八二模型，有兴趣的朋友可以具体了解一下。

想要做好量化投资，还有一点是，不要太依赖互联网量化平台。早期学习的时候，像X矿、X筐这些平台，的确会有很多帮助，但是，研究到一定程度之后，平台提供的数据、分析本身会成为在量化策略研究上的瓶颈，由于平台上提供的数据的质量、精度往往是不够的，时间也不够长，很多在平台上回测出来很漂亮的曲线，在实际交易过程中，效果会出现偏离，而且无法进一步验证为什么会偏离。如果有条件的，还是更建议尽早搭建自己的数据库和研究体系，或者找一个具备这些条件的机构工作，不要让量化平台提供的服务成为进步路上的天花板。

常见问题集6：如果伙伴在数学和计算机领域没有优势，又想做量化这个行业，有什么建议吗？

好好学习吧。

一定要说建议，或者说是方向选择上的建议，我觉得也可以考虑一下比如做大类资产配置方面的一些工作。大类资产配置，相对其他的策略，有更多的主观判断因素。大类资产配置在量化方面，大家用的都是一些常见的模型，模型本身都不会特别复杂。比较常见的有风险评价策略、BL策略，风险策略理解起来比较简单，就是把各类资产的风险度控制到同一个水平，高风险资产少配，低风险资产多配。BL模型是从外部输入一个主观的判断， Black-litterman模型由高盛的两位大佬发现提出，总体思路是资产的收益 = （历史上它的均衡收益 + 投资者对它预期）的加权平均，用BL模型对各类资产模型做一个配置，是一个很成熟的模型，国内很多团队在这个基础上研究出了更进阶的模型。

大类资产配置的入门并不复杂，但是做好配置很难，很多人会遇到低波动低收益，高波动高收益这样一个情况，大家在找到一个比较波动稳定、收益高的策略，还需要对资产本身的配比，对于市场上做具体资产投资的机构，有比较多深入的研究，也很有成长空间。随着中国人越来越有钱，也会越累越需要把资产配置到多个不同市场来分散风险，这是未来比较有发展潜力，比较容易被市场接受，而且会占市场比较大份额的一个策略。如果想做量化，而且数学或者coding能力不这么强，说不定可以试试往大类资产配置的方向发展，自己做一些研究和配置。