1.2 量化投資與傳統投資的比較

量化投資與傳統投資求同存異，相同的是都通過公司本身的分析，不同的是傳統投資有人工執行的部分，涉及人來執行，有時候難免會受到情緒的影響；而量化投資是建立在程序化交易基礎上，根據設定的程序自動執行的，但有時候也會將錯誤放大。下面進行簡要說明。

1.2.1 兩種投資策略簡介

傳統投資策略包括多種，常見的主要包括以下兩種。

（1）價值投資：主要看基本面，即分析公司的經營狀況，以及與公司本身相關的一些情況，如基本面、市場空間等。

（2）趨勢投資：研究圖表技術，也就是通過技術面分析長期或短期走勢。

相比傳統的投資策略，量化投資不是以個人主觀判斷來經營并管理資產的，而是將專業投資基金經理的個人思想、交易經驗和直覺及各項財務數據中的因子，綜合在一起反映在量化模型中，利用計算機系統語言幫助人腦處理無法完成的大量信息，并進行量化投資決策交易的。

1.2.2 量化投資相對于傳統投資的主要優勢

量化交易有效利用金融學、統計學、數學等多種學科知識建立模型，通過不斷測試定制出有效的投資策略，根據行情捕捉合理且具體的買賣點位，理性地對待上漲和下跌的正常波動。

與傳統投資相比，量化投資的主要優勢如下，如圖1-1所示。

（1）并發處理效率高：對于傳統的主動型投資者而言，人的精力和體力是有限的，即決策方向的深度和廣度都是非常有限的，體現在行情操作上，即所跟蹤股票數量的極值不會太大，幾只可以看得過來，但當幾十只甚至幾百只同時發出買入或賣出信號時，是沒有相應充裕的時間去決策、思考、應變、操作的；而量化投資依靠計算機來運算執行策略，有著更為專業的投資視角和更寬闊的廣度，無論與市場相關的信息量多么龐大，人工智能策略都可以高效快速地挖掘和處理所有信息。

（2）套利思想和概率取勝：定量投資通過全面、系統地深入挖掘，尋找市場中總會出現的一些由于錯誤的定價或估值等帶來的機會，從而通過買入被低估的品種或賣出被高估的品種，等待市場自身糾正錯誤而達到獲利目的。定量投資不斷從歷史數據中挖掘市場行情走勢，重演特點及規律并加以利用；依靠不同策略的投資組合取勝，而不是僅依靠單個資產取勝。

（3）廣度大和系統性強：隨著市場信息傳遞速度不斷加快，以基本面研究為主的分析師團隊，即使不斷挖掘并進行更加深入的分析也無法彌補決策廣度的不足，而基于計算機執行的量化投資策略可以解決這方面的問題。傳統的主動投資，在決策深度上有一定的可取之處，并能深入做足基本面研究，但這些能否彌補決策廣度的不足才是決定成敗的關鍵因素。量化投資在多層次、多角度及海量數據領域處于領先優勢。多層次是指大類資產、行業選擇和精選資產3個以上層次；多角度是指包括估值、成長、盈利等多個角度；海量數據，即對海量數據的處理。

（4）理性、紀律性強：傳統投資的管理者很難做到完全理性，如受到周邊環境影響，或制訂的交易行為計劃在執行過程中出現偏差，也在情理之中。而量化投資不受周邊環境干擾，根據模型的運行結果嚴格執行進行決策，而不是憑感覺。紀律性既可以克服人性中貪婪、僥幸心理等弱點，也可以克服認知偏差。

量化投資不僅可以采用“自上而下”的大類資產配置策略，還可以采用“自下而上”的數量化選股策略，其在整個投資流程中運用非常廣泛。

目前，在人工智能、大數據、云計算的互聯網時代，量化交易隨著金融市場、IT及投資方法的發展而不斷進步，量化交易技術和策略都只是在一定的時間范圍內有效，雖然美國量化交易存在了幾十年，量化基金一直保持穩定盈利，但這都是在不斷改進策略、優化策略的前提下，所以量化交易無論是技術還是策略都需要不斷地完善，發現問題并及時解決問題。在市場有效性不斷提升的過程中，量化交易的成長空間不可限量。