量化50问小白入门篇新人常见误区

一些外行、一些兴趣爱好者、一些刚入行的朋友，对量化投资市场常常有误解。

那么，这次就给大家走出这些误区，对量化有一个新的看法和认识。

老规矩，先罗列出问题（欢迎补充）

• 靠量化本身就能赚钱吗？
• 会计算机、会建模就一定可以通过量化投资赚到钱？
• 量化模型越复杂越精密越好吗？
• 做量化的人一定是高端洋气上档次的吗？

Part 1

靠量化本身就能赚钱吗？

这个问题的答案：量化投资首先是投资，量化不能赚钱，投资靠谱的资产才能赚钱。量化投资首先是建立在，选择一个资产的交易市场，然后建立一套对这个资产交易市场的系统认知和理解的基础之上的，比如做股票，考验的就是对证券交易市场的深刻理解，而且国内A股市场、B股市场、美股市场、港股市场规则都不一样，这些都是要学习和尊重的。

投资是利用资产的不合理定价，或者是市场意向，或者是信息不对称的现象，来赚取利润的过程，投资本身刨去量化投资还有很多种办法，例如基本面投资、价值投资、技术分析投资，都是投资的手段。量化本身只是认知市场、发现市场规律的一种手段，是一种辅助工具，而并不是我们想要达到的目的，我们的目标是通过我们投资活动来赚取利润，切记不能把量化当主，把投资当客，反客为主，是在做量化投资中最忌讳的事情。

Part 2

会计算机、会建模就一定可以通过量化投资赚到钱？

这个问题的答案：会计算机、会建模，说明你达到了量化这件事情的入门门槛，但是，就像见过很多没毕业的大学生，刚入行的朋友，从软件工程、工科、理科专业背景转行的朋友常遇到的问题，数理建模都很好，但是针对某个市场做交易模型，然而在理解模型的逻辑，持续优化模型能力上，会因为不了解交易市场，遇到各种问题。

很多人会把模型和数据本身当做投资想要达到的目的，至少我见过的人里，这个思路没有一个持续赚钱了。一定要始终记得，量化投资的重点是在投资上面，量化只是一种工具一种手段。

Part 3

量化模型越复杂越精密越好吗？

这个问题的答案：不是的。

有用的模型就是好的模型。越精密的模型就越容易出现在回测阶段过度拟合，纳入因素太多，一旦遇到市场风格变迁或者突发事件，某些哪怕是非核心市场条件发生变化，整个策略模型就失效的问题。举例子的话，国际知名的对冲基金，比如Two Sigma，灵魂策略还是双均线模型，Blue Crest的CTA核心算法也就8-10个公式。越是简单的东西，有时候常常越经得起不同市场情形的考验，做得到穿越牛熊，抵御极端行情。追求精准、精细当然是好的，但是，也要懂得取舍，什么因素都是重要影响因素，什么指标都是重要数据指标，换句话说，就是什么因素都不怎么重要，所有指标都不怎么指向关键了。

Part 4

做量化一定要用人工智能、用机器学习吗？

这个问题的答案：不是的。

量化投资并不等于机器学习。我见过很多人说，做量化投资一定要会机器学习、会人工智能，而且会具体说到，要会其中的某些模型。但是机器学习的本源，是一个模式识别、行为预测的工具，我们并不能因为有某种机器学习的某种算法，就做出某种策略，即使某些机器学习算法做出来的历史回测收益可能会很高，但是很容易是调试出来的，但是可能在市场逻辑上是完全站不住脚，在样本外实现持续盈利，是一件比较难的事情。

Part 5

做量化的人一定是高端洋气上档次的吗？

这个问题的答案：不是的。

做量化的人很多时候更像是在做科研工作，集成了金融市场研究，数量经济学研究，统计概率研究，数学研究，计算机研究等等等等领域的研究性工作，大部分做研发的人，跟腾讯、阿里的程序猿一个风格的，一定要分，你可以说是优衣库格子衬衫style，硅谷黑客连帽衫style，本地土鳖polo衫style都有吧，你看到的高端洋气的那些都是投行的和做市场的，跟我们不是一类人。