加拿大多伦多大学量化投资基础课程学习心得（孙覃思）

投资可以活动想象收割稻子的过程。传统投资就像一位农名拿着镰刀徒手收割，不仅要消耗大量的时间，还会消耗大量的体力。而量化投资就好比几个人驾驶收割机在大片稻田收割成熟的稻子，整个过程快速而轻松。值得指出的是，不管是量化投资，还是人为投资，最终都还是需要人进行控制和决策，只是它们的决策层不同。

类似的，在量化投资体系中，具体到选哪个股票买，哪个股票卖，买卖多少量，这些决策都有电脑程序做出。但是作为一个量化投资经理，他需要在顶层做出更多的决策。比如在目前的环境下，用哪套系统来选股？如何在不同的系统之间分配风险资金，或者进行切换？在交易系统中加入哪些因子，或者去除哪些因子，等等。

完全自动化的投资系统，是每一个量化基金经理的梦想。这就好比造出了一台印钞机，只要把机器打开，在那里夜以继日不停的工作，而机器的拥有者则可以去睡大觉，每天躺着收钱就行。但是到目前为止，在业界还没有这样的“印钞机”。当然，如果有一天真的有这样一台全自动量化交易“印钞机”被发明，这也未必是个好消息，因为这可能也意味着很多量化经理从此将失业了。

在课程中，我学习到量化投资有如下几个优点：

（1）该市场有丰富和可靠的历史数据

让电脑程序做出更优的投资决策的前提之一，就是有海量的数据供研究人员进行测试和分析，然后摸索出一定的可重复性规律，将其写入代码之中，让机器忠实的执行。因此相对来说，发达国家的金融市场，历史数据相对来说更加丰富和可靠，因此也更容易让量化交易有更大的用武之地。

（2）市场规则透明稳定

因此一些历史模式可能得以重复。量化交易的核心，就在于发现历史规律和模式，并从这些模式在未来的重复中获利。而历史模式得到重复的前提，是市场的规则比较稳定透明，不受那些无法预测的“意外”的影响。举例来说，在一些发展中国家，监管部门每隔几年，可能会修改会计准则，改变上市公司会计报表的披露要求。在这种情况下，十年前的数据和十年后的数据不一定具有可比性，因此也很难从中总结出什么可靠的规律。这样的市场，对于机器来说就会有比较大的挑战。

与之相反的，人力投资比较占优势的市场，一般符合以下条件： 一是缺乏历史数据，或者尽管有历史数据，但数据不甚可靠，其中有很多干扰因素。举例来说，有不少上市公司都在财务数据上作假，虚报盈利，那么用机器学习的方法，很可能会“垃圾进、垃圾出”，得到不少错误的结论。而如果一位基金经理经验丰富，对做假账的方法比较熟悉，那么他就能更快和更准确的看出这些假冒数据背后的端倪，也更能够离真相更进一步。 二是市场规则不透明，或者多变。在这样的环境下，一些所谓的历史规律，可能是在特定时间和特定规则下的产物，因此很难会在未来重复出现。三是黑天鹅事件。顾名思义，黑天鹅事件就是那些人们预料不到的，几十年一遇，甚至百年一遇的情况。这样的事件几乎没有历史先例可以参考，因此机器在这方面几乎没有应对能力。

这门课程使我对量化投资交易有了初步认识，课程由浅入深，从雪场的两个对冲策略案例到标普500、HSI、HFRX指数的相关性计算、标准差、风险贡献度等方面，让我对量化投资是交易细节有了初步认识。