量化投资的简史及其中国意义
量化投资发展及我国现状分析
量化投资发展及我国现状分析【摘要】量化投资是一种通过数学模型和统计分析来进行投资决策的方法，在全球范围内逐渐得到广泛应用。
本文从量化投资的概念、发展趋势和我国现状入手，探讨了量化投资技术和工具的应用以及对投资者的影响。
同时也分析了我国量化投资市场的特点、发展阶段和面临的挑战。
通过对量化投资对资本市场的发展意义、我国量化投资的发展前景以及加强监管的建议进行总结，可以看出量化投资对于提高资本市场的效率和透明度具有重要意义，同时我国量化投资市场仍面临着监管不足、数据质量等挑战。
加强监管和技术应用，将有助于推动我国量化投资市场的健康发展。
【关键词】关键词：量化投资，发展趋势，现状，技术工具，投资者影响，市场特点，发展阶段，挑战，发展意义，前景，监管建议。
1. 引言1.1 量化投资的概念量化投资是一种利用数学、统计学和计算机技术进行投资决策的策略。
它通过系统性的分析历史数据，利用数学模型和算法来识别投资机会，从而实现投资组合的优化和风险管理。
量化投资的核心理念是基于数据和规则，排除主观判断和情绪因素，从而提高投资的效率和准确性。
量化投资的发展始于上个世纪，随着计算机技术和数据处理能力的不断提升，量化投资得到了更广泛的应用和认可。
目前，全球范围内有许多专门从事量化投资的机构和团队，其投资规模和影响力不断扩大。
在我国，量化投资也逐渐引起了投资者和监管部门的关注。
随着金融科技的快速发展，越来越多的公司和投资者开始尝试将量化技术应用到投资决策中。
虽然我国量化投资市场仍处于起步阶段，但随着监管环境的不断完善和投资者的认知提高，量化投资有望在未来取得更大的发展。
1.2 量化投资的发展趋势1. 数据科学的兴起：随着大数据和人工智能技术的普及，量化投资正逐渐向数据科学领域靠拢，采用更加先进的算法和模型来挖掘市场中的规律和机会。
2. 高频交易技术的发展：高频交易作为量化投资的一个重要分支，依靠快速的计算和执行能力实现对市场波动的敏锐捕捉和快速交易，对市场价格的形成和稳定产生了重大影响。
量化投资发展及我国现状分析
量化投资发展及我国现状分析随着经济的发展和市场的复杂化，量化投资在全球范围内逐渐成为了投资者们关注的热点话题。
量化投资是指利用数学模型和大数据分析等科学方法进行投资决策的一种投资方式，它旨在通过系统性地运用算法和数据分析来获取更高的收益和控制风险。
量化投资由于其高效性和科学性受到了越来越多投资者的青睐，同时也引起了我国监管部门和市场参与者的广泛关注。
量化投资的发展历程量化投资起源于20世纪70年代的美国，当时一些学术界和金融界人士开始利用计算机和数学方法来进行股票交易，并且获得了比较不错的收益。
随着计算机技术和数据分析方法的不断进步，量化投资的理论和实践日益完善，逐渐成为了投资界的一大热点。
在发达国家，尤其是在美国，量化投资已经成为了金融市场的主流投资方式。
根据统计数据显示，美国股票市场的交易量中，有超过70%的交易是由算法进行的，这充分展示了大量化投资在美国市场的地位和作用。
在其他国家，尤其是在亚洲地区，量化投资也逐渐崭露头角。
日本、新加坡等国家的一些投资机构和股票交易所逐渐引入了量化投资的理念和技术，积极开展量化交易和投资运作。
在我国，尽管量化投资的发展时间不长，但是其发展势头迅猛，吸引了越来越多的投资者和机构的关注。
从数据上来看，我国的股票市场中，量化交易的比例也在不断提升，预示着我国的量化投资市场正在逐步成熟和扩大。
在我国，量化投资的发展还面临着一些挑战和问题。
我国的金融市场相对落后，相关基础设施和数据采集能力相对欠缺，这对于量化投资来说是一大制约。
我国的监管政策和法规对于量化投资并不完善，市场参与者对于量化投资的认知和理解程度有待提高，有一定的风险和误操作的可能。
不过，随着我国金融监管体系的不断完善和相关的科技水平的提高，相信我国的量化投资市场会迎来更加广阔的发展前景。
未来，随着科技的不断进步和金融市场的不断发展，量化投资必将成为金融市场的主流投资方式。
在全球范围内，越来越多的投资机构和个人投资者将会采用量化投资策略来进行投资决策，这将会使得金融市场更加有效率和透明。
量化投资发展及我国现状分析
量化投资发展及我国现状分析量化投资是一种利用计算机程序和数学模型来进行投资决策的方法，旨在消除人类主观因素对投资决策的影响，提高投资效率和收益率。
随着信息技术的快速发展和金融市场的复杂化，量化投资在国际金融市场中得到了广泛应用。
我国作为全球第二大经济体和金融市场，目前在量化投资领域也呈现出快速发展的趋势。
量化投资发展历程量化投资可追溯到20世纪50年代，当时研究人员开始使用计算机模拟市场、利用统计和经济量化模型进行交易。
70年代出现了基于技术分析的量化投资，80年代开始使用人工智能、神经网络等新技术，并出现了以对冲基金为代表的量化对冲。
90年代以来，量化投资凭借其高效率、低成本和稳定性等特点，成为全球投资领域的宠儿，大量资金涌入此领域。
当前，国际上许多机构投资者使用量化投资策略，其中以对冲基金为主。
2018年对冲基金中，使用量化投资策略的资产规模占比已经达到近28%，这一比例还在不断增长。
目前，以美国为代表的发达国家在量化投资领域占据主导地位，吸引了大量资本加入。
此外，欧洲、日本等国家和地区的量化投资市场也在稳步发展。
我国作为全球第二大经济体和金融市场，在量化投资领域也呈现出快速发展的趋势。
近年来，我国以量化对冲基金为主要切入点，吸引了越来越多的资本进入，并逐渐形成了系统化、科学化的量化投资模式。
目前，我国的量化投资市场规模正在不断扩大，投资产品和服务也在不断丰富。
我国量化投资的发展存在一些挑战。
首先，我国的量化投资市场仍处于起步阶段，市场参与者相对较少，市场的流动性和深度还需要进一步提高。
其次，我国量化投资领域的人才和技术相对欠缺，急需加大研发和人才培养力度。
第三，我国金融监管环境和制度相对不完善，需要完善相关法律法规和政策支持，引导并规范量化投资市场的发展。
量化投资发展及我国现状分析
量化投资发展及我国现状分析量化投资是指利用数学、统计学和计算机技术来构建投资策略和模型，以实现更高的投资收益和风险管理。
近年来，随着大数据和人工智能技术的飞速发展，量化投资在全球范围内越来越受到重视，并逐渐成为主流投资方式之一。
我国作为世界第二大经济体，量化投资在我国的发展也备受关注。
本文将从量化投资发展趋势、我国量化投资市场现状以及面临的挑战等方面进行分析。
一、量化投资发展趋势1. 以数据为基础的投资决策随着信息技术和互联网的快速发展，数据已成为影响投资决策的关键因素。
量化投资通过对海量数据的分析和挖掘，可以更准确地把握市场趋势和个股走势，从而提高投资决策的精准度和及时性。
2. 人工智能技术的应用人工智能技术在量化投资中有着广泛的应用，包括机器学习、自然语言处理、智能算法等。
这些技术可以帮助投资者更好地识别市场规律和个股表现，提高投资组合的收益和风险管理。
3. 算法交易的兴起算法交易是指利用预先设定的算法模型来进行交易决策的一种交易方式。
它可以快速、有效地执行交易，降低交易成本，提高市场流动性，使交易更加公平和透明。
4. 多元化的资产配置量化投资不仅局限于股票市场，还可涉及债券、商品、期货、外汇等多个领域。
通过对多元化的资产配置和风险分散，可以降低投资组合的风险，提高长期收益。
二、我国量化投资市场现状我国量化投资市场起步较晚，但发展速度迅猛，目前已呈现出以下几个特点：1. 科技公司涌入随着科技公司的崛起，包括互联网巨头和金融科技公司在内的一大批技术公司开始布局量化投资领域。
它们不仅提供量化投资工具和系统，还积极参与量化投资模型研发和实践。
2. 资本市场监管的逐步完善我国证券市场监管体系逐步完善，对于量化投资行为也加强了监管和规范。
相关法规和规章的不断出台，为量化投资提供了更加稳定和有序的市场环境。
3. 投资者对量化投资的认知提升投资者对量化投资的认知度和接受度逐渐提升，越来越多的机构投资者和个人投资者开始尝试量化投资，寻求更高的收益和风险控制。
量化投资发展及我国现状分析
量化投资发展及我国现状分析【摘要】本文主要介绍了量化投资发展及我国现状的分析。
在文章首先解释了量化投资的概念，接着介绍了我国量化投资的起步情况，并阐明了本文的目的及意义。
在分析了量化投资的基本原理、国际量化投资发展现状以及我国量化投资发展现状，同时探讨了我国量化投资面临的挑战和发展前景。
在提出了我国量化投资的未来发展方向，给出了推动我国量化投资发展的建议，并对全文进行了总结。
通过本文的分析，可以更全面地了解量化投资在我国的发展现状，为我国量化投资的进一步发展提供参考和建议。
【关键词】量化投资、发展、我国、基本原理、国际发展、现状分析、挑战、发展前景、未来发展方向、建议、总结1. 引言1.1 量化投资的概念量化投资是指利用数学模型和大规模数据进行投资决策的一种投资方式。
量化投资通过对历史数据和市场走势的分析，建立模型预测未来市场走势，从而提高投资决策的准确性和效率。
量化投资依靠计算机算法和统计学方法，通过程序化交易进行买卖操作，减少人为情绪干扰，实现规模化操作。
量化投资的兴起，源于信息技术和金融市场的发展。
随着数据量的爆发性增长和计算能力的提升，量化投资逐渐成为投资界的热门话题。
量化投资逐渐被广泛运用于股票、期货、外汇等金融市场，成为投资者获取超额收益的重要手段。
在我国，量化投资起步较晚，但发展态势迅猛。
随着金融科技的兴起和监管政策的支持，我国量化投资行业逐渐壮大，吸引了越来越多的资本和人才投入。
未来，我国量化投资有望成为金融市场的重要力量，推动金融市场的发展和稳定。
1.2 我国量化投资的起步情况我国量化投资的起步情况可以追溯到2000年左右，当时国内的金融市场还处于初级阶段，投资者主要依靠经验和直觉进行投资决策。
随着信息技术的发展和金融市场的完善，我国的量化投资开始逐渐兴起。
最早采用量化投资策略的是一些私募基金和券商资管产品，它们利用数学模型和算法来分析数据、识别交易信号，从而实现系统化、自动化的投资。
量化投资发展及我国现状分析
量化投资发展及我国现状分析量化投资发展是近年来金融行业中的一个热门话题。
量化投资是指利用数学模型和计算机技术对金融市场进行分析和决策的一种投资策略。
它通过大规模数据的收集和分析，以及算法模型的运用，旨在寻找市场中的规律并进行交易。
量化投资的发展可以追溯到上个世纪90年代，当时，随着计算机技术的进步和金融市场的开放，量化投资开始在美国等发达国家兴起。
这种投资方式被广泛应用于对冲基金、机构投资者和高频交易等领域，取得了显著的成果。
目前，量化投资已经成为金融市场的一个重要组成部分，全球范围内有越来越多的投资者采用这种策略。
与发达国家相比，我国的量化投资起步相对较晚。
近年来随着我国金融市场的不断发展和对外开放，量化投资正逐渐崭露头角。
在投资领域，一些大型机构投资者和私募基金开始引入量化投资策略，并取得了不错的收益。
在高频交易方面，我国的交易系统也在不断升级和完善，高频交易的规模和比例也在不断增加。
相关的规模化、绩效评价和风险管理等服务也在逐渐完善，为量化投资提供了更好的发展环境。
我国量化投资仍面临一些挑战和问题。
我国金融市场的特点和发达国家有所不同，市场波动性较大，数据质量也有待提高。
这给量化投资的策略和模型带来了一定的挑战。
我国在金融领域的法律法规还不够完善，相关的监管政策也需要进一步配套，加强对量化投资的监管和风险防控。
我国的量化投资人才储备相对不足，高素质的量化分析师和程序化交易员的数量和质量还有待提高。
为了促进量化投资的持续发展，我国可以从以下几个方面入手。
加强与发达国家的交流与合作，吸取其经验和教训。
通过引进和培养更多的量化投资人才，积极探索符合我国国情的量化投资模式和策略。
加大对量化投资的研究和推广力度，提高相关技术和模型的水平。
完善相关的法律法规和监管政策，加强对量化投资的监管和风险防控。
为了保护投资者的权益，还需要加强对量化投资产品的监测和评估，提高透明度和可持续性。
量化投资在中国证券市场中的应用研究
量化投资在中国证券市场中的应用研究第一章绪论1.1 研究背景及意义中国证券市场的快速发展吸引了众多投资者的关注，其中不乏借助量化投资方法取得成功的投资者。
随着科技和数据分析技术的发展，越来越多的投资机构开始尝试利用量化模型对证券市场进行分析和预测。
本文旨在探究量化投资在中国证券市场中的应用，以及其对投资者的指导意义。
1.2 研究目的及方法本文的研究目的是探究量化投资在中国证券市场中的应用，解析其优缺点以及未来的发展趋势。
本文将采用文献综述、案例分析等方法进行探究。
第二章量化投资概述2.1 量化投资概念量化投资是一种利用统计学、计算机模拟和数学建模等手段制定投资策略的方法。
它可以通过量化模型对证券市场进行分析、预测和交易，避免了人类主观性和情感因素对投资决策的影响，从而提高投资效率。
2.2 量化投资分类按照数据来源可以将量化投资分为基本面分析和技术分析两种。
基本面分析是根据公司财务数据、宏观经济数据等基本面指标进行分析，而技术分析则是通过股票价格、成交量等技术指标进行分析。
按照交易频率，可以将量化投资分为长期投资和短期投资。
按照交易品种，可以将其分为股票量化投资、期货量化投资等。
第三章量化投资在中国证券市场中的应用3.1 量化投资案例分析目前，中国的量化投资机构还比较少，大多数量化投资团队仍然集中在国际机构中。
Winton Capital Management是一家英国的量化投资公司，其近年来的回报表现不俗，吸引了大批投资者的关注。
2014年，Winton Capital Management联合中国国内机构成立了Winton Qianhai Fund，主要面对中国投资者。
该基金在中国股市中的表现优异，证明了量化投资在中国市场中的潜力。
3.2 量化投资面临的挑战虽然量化投资在国外证券市场取得了成功，但在中国证券市场却面临着许多挑战。
首先，中国市场的不确定性很高，很难保证模型的预测准确性。
其次，数据采集和处理的成本很高，对于不具备强大技术和专业团队的机构来说，难度较大。
量化投资发展及我国现状分析
量化投资发展及我国现状分析量化投资是一种利用数学模型和计算机算法来进行投资分析和决策的投资方法。
它将投资决策主要依赖于数据分析和计算机模型，通过利用大量的历史数据和数学模型来预测市场趋势和价格走势，以此进行投资操作。
量化投资的发展可以追溯到20世纪60年代，随着计算机技术的不断进步和金融市场的发展，量化投资逐渐成为主流。
目前，全球范围内很多知名的投资机构和基金都采用了量化投资策略。
根据统计数据，全球范围内约有三分之一的资本市场参与者使用量化投资策略。
量化投资的发展主要受益于以下几个方面的因素。
计算机技术的进步使得大规模数据的处理和计算成为可能，使得量化投资的基础建立起来。
互联网和高速通信技术的普及，使得投资者能够更加方便地获取和传输数据，提高了量化投资的效率。
数学和统计学方法在金融市场上的应用也为量化投资提供了理论基础。
与传统的基本面分析和技术分析相比，量化投资有着自身的优势。
量化投资可以处理大量的数据和信息，通过建立数学模型来分析数据，减少主观判断和情绪因素对投资决策的影响，提高了投资决策的科学性和客观性。
量化投资可以快速执行交易，利用计算机和算法自动进行交易，提高了交易的效率和执行的准确性。
量化投资还可以进行风险控制和资金管理，通过建立风险模型和资金管理策略，降低投资风险和提高回报。
在我国，量化投资也得到了快速发展。
随着金融市场的开放和改革，越来越多的机构和投资者开始关注和采用量化投资策略。
一方面，证券交易所和期货交易所提供了丰富的数据和交易工具，为量化投资提供了基础条件和环境。
我国的计算机和技术产业发展迅速，为量化投资提供了可靠的技术支持。
目前我国的量化投资发展仍面临一些挑战。
我国的金融市场相对不发达，市场机制和监管体系有待完善，这限制了量化投资的发展。
我国的专业人才相对不足，对于数学、统计学和计算机等领域的人才需求量大于供给量，这使得量化投资的人员培养和技术创新存在一定的困难。
我国的法律、法规和政策环境也对量化投资的发展产生了一定的影响，需要进一步加强相关的法律和监管。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
量化投资的简史及其中国意义核心提示：量化投资指的是用数学模型选取并交易有价证券。
这些数学模型往往基于经济学理论或者市场观测到的规律，经历长时间历史数据的检验，编制成程序交由电脑交易。
过程中几乎没有人为干预。
一、量化投资的历史从历史上看，第一支现代意义上的股票在1606年由荷兰的东印度公司发行。
在这之后的400多年间，在投资界有各种各样的交易流派出现，但是现代意义下的量化交易却是在1980年代初才兴起，迄今也不过只有30余年的历史。
什么是量化投资？一般说来，量化投资指的是用数学模型选取并交易有价证券。
这些数学模型往往基于经济学理论或者市场观测到的规律，经历长时间历史数据的检验，编制成程序交由电脑交易。
过程中几乎没有人为干预。
著名的量化基金有：JamesSimons（西蒙斯）1982年创立文艺复兴科技公司（RenaissanceTechnology）。
David Shaw，对冲基金D.E.Shaw的创始人，1986年加入摩根斯坦利的APT量化交易组。
这个组利用一种叫配对交易（pairstrading）的量化策略在当年赚了约四千万美元。
1989年图灵奖的主办单位计算机协会(ACM)下属的知识发现和数据挖掘小组(SIGKDD)举办了第一届数据挖掘的学术年会，出版了专门期刊。
1988年以来，西蒙斯掌管的的大奖章（Medallion）对冲基金年均回报率高达34%，这个数字较索罗斯等投资大师同期的年均回报率要高出10个百分点，较同期标准普尔500指数的年均回报率则高出20多个百分点，而且稳定性更佳；从2002年底至2005年底，规模为50亿美元的大奖章基金已经为投资者支付了60多亿美元的回报。
更难得的是这个回报率是在扣除了5％的资产管理费和44％的投资收益分成以后得出的。
二、量化投资出现的主要原因量化交易的出现离不开如下几个主要原因：现代金融理论的发展，计算机技术的普及和发展，以及交易成本的下降。
而这些变化大部分都发生在最近30年内。
1、现代金融理论的发展传统资产定价的理论框架回顾：传统资产定价主要基于现金流贴现法。
企业的整体价值等于其股票和债券的价值之和。
股票的价值等于其未来所有现金流的折现值，债券的价值则等于利息与到期本金的折现价值。
以股息贴现模型（DDM）为例，计算一个公司股价，我们需要预测该公司将来派发的一系列股息，然后估算每年的折现率，把未来股息贴现成现值，最后把净现值的全相加起来。
这个方法听起来很简单，但实际操作起来相当复杂而且带有主观性。
分析师预测一个季度的股息都经常搞错，准确预测将来所有股息更是难上加难。
预测未来折现率也有同样的问题。
现代金融理论则另辟蹊径。
1960年代，威廉·夏普、林特纳等提出的CAPM定价模型，对资本市场均衡状态下的资产风险与预期收益率的关系给出了精确定义。
根据CAPM模型，一个股票的预期收益率取决于它和市场的相关性(beta)和无风险利率（risk-freerate）。
投资者不用复杂的现金流预测就能估算股票的价值。
马克维茨（HarryMarkowitz）在50年代创造性地提出了用均值方差最优化的数学方法来选择最优投资组合。
这个最优组合不再完全取决于一个股票的预期收益率，而且还和其风险，与其它股票的相关性，以及投资者对风险的喜好程度密切相关。
夏普和马克维茨因此研究同获1990年诺贝尔经济学奖。
现代金融理论对传统理论的主要推动作用包括：a. CAPM等金融定价模型可以很快给成百上千股票估算预期收益率，而传统办法更费时费力；当然，传统方法准确度一般而言比较高。
b.现代金融理论更强调风险对收益率的影响。
最优投资组合往往投资于大量股票以降低组合风险，而传统投资往往只集中于几个或几十个预期回报率最高的股票，组合波动率往往更高。
我们可以举个简单例子看看风险对收益率的影响。
假设有两个投资策略，策略A一天赚10%下一天赔5%，策略A一天赚6%下一天赔1%。
这两个策略赔和赚的概率都是50%，而且每天平均收益率都是2.5%，但是B的波动率要小得多。
投资200天之后策略A 复合收益率为81.6，策略B的收益率为124.2，比A高50+%。
c.跳过了复杂易错的现金流预测模型。
传统投资模型试图用严密的数学理论给资产定价，却忽视了现金流折现模型中每个参数的估计都具有很大的随机性。
参数估计一点小小的变化往往对最后的估值产生巨大的影响。
两千年前的毕达哥拉斯曾经说过，上帝用数学法则创造了世界。
现代科学的发展却越来越发现其实完全确定的事物只是世界的一小部分。
也许更精确的说法是：上帝用概率法则创造了世界，尤其是对于与人类行为有关的事物。
当然，这并不是说现代金融理论就一定强于传统理论。
传统投资因为对个股分析更为透彻因此投资命中率hitrate更高。
基于CAPM等数学模型赚钱的方式不同。
量化交易往往在短期内作出大量的交易。
每一个交易的亏赢率虽然小于传统投资模型，但数千次交易之后，只要盈利交易多于亏损交易，总体交易结果就是盈利的。
2、计算机技术的发展1976年，史蒂夫·乔布斯和斯蒂夫·沃兹尼亚克创办苹果计算机公司，并推出其AppleI计算机。
1982年，微计算机开始普及，大量进入学校和家庭。
在过去的半个世纪里，计算机基本按照英特尔(Intel)的创始人之一戈登·摩尔提出摩尔定律飞速发展：计算机硬件的处理速度和存储能力，每一到两年提升一倍。
计算机技术的发展极大地推动了社会各方各面的飞速进步。
在政治筹款和竞选上，美国2008年的大选被称为是一场数据的较量。
奥巴马的竞选团队使用了大数据对不同选民采取了不同的竞选和筹款宣传（microtargeting）；在商业上，商家利用顾客的电子消费记录预测客户的需求。
以沃尔玛为例，它每小时要处理100多万笔电子交易记录，可谓每分每秒都在源源不断地生产数据。
在体育方面，数据分析也越来越成为教练挑选和训练队员的有力工具。
电影《Moneyball》描述的就是一家小型棒球队如何通过数据分析挑选物美价廉的球员，最后获得史无前例的联盟连胜纪录的故事。
量化交易不过是在这个大环境之下计算机技术对投资和交易的推动而已。
对奥巴马竞选过程中使用大数据有兴趣的研究者可以查阅这篇文章：/featuredstory/509026/h ow-obamas-team-used-big-data-to-rally-voters/据说，有一个叫TheoEpstein的耶鲁毕业生，出身名门，祖父是电影《卡萨布兰卡》的剧作家。
他对用统计模型研究棒球痴迷。
Theo后来在2002年成为波士顿红袜队的教练，年仅28岁，创下美国职棒联盟历史。
并在两年后带领球队夺下联盟冠军。
波士顿在等待八十六年后再度夺冠。
3、交易费用的下降全球范围内交易费用的下降已经持续了一段时间，在金融市场竞争的推动下，又开始出现继续下降的趋势，例如，日本2014年一月份再次调低了bid-askspread。
三、量化交易的引入对于中国的影响从成熟市场的经验来看，量化交易是市场流动性的主要提供者之一。
在许多交易所，一小部分高频量化基金的交易量能达到总交易量的30-40%。
高频交易主要提供短期流动性，中长期的流动性往往也由交易频率较慢的量化基金提供。
量化交易通常一次性交易成百上千股票，所以单个股票的走势对其影响不大。
同时，基于这样的特点，量化基金一般不会卷入内幕交易的丑闻。
在许多multi-strategy（多策略）对冲基金里，量化经理是合规部门（compliance）最放心的部门之一。
对中国投资者来说，量化基金给那些没有个人背景但是有数学头脑的投资者一个主要依靠专业知识立足金融市场的机会。
四、串场游戏及解读1、游戏规则：请从0到100之间任意选取一个整数，不要告诉别人，私信给游戏组织者，胜者将是最接近平均数的三分之二的那位。
2、游戏解读：这是芝加哥大学经济学教授RichardThaler在《金融时报》上提出的一个游戏。
参加者需付10美元参加，优胜者将获得两张免费的伦敦到纽约的往返机票。
最后统计下来最多的答案是33，当其他人都随机选择时这是正确答案。
次多的答案是22，这是当你多想一步得到的答案。
最后他得到的平均数是18.9。
如果这是博弈论的一道考试题，那么它其实是有“标准”答案的。
如果所有人都足够“理性”，他们应该都选0，因为0的2/3仍然是0，当所有人都选择0的时候没有任何一个人可以通过改变自己的选择而获利。
这也是所谓的纳什均衡点。
在这个完美世界里所有人都能获得免费机票。
不过在现实生活中你确定所有人都那么理性吗？即使你知道这个答案，玩这个游戏时你真的敢选0吗?3、游戏带来的思考：第一个思考是，是不是所有问题都是有标准答案的？市场上到底有没有放之四海皆准的真理？常有人觉得自己的分析万无一失，可是市场走势就是完全相反。
这种情况下，你是相信市场呢，还是相信自己的分析？第二个思考是，每个人的选择会对结果产生影响，所以结果往往是不确定的。
假如这个游戏只有两个参与者A和B。
已知A选的是50，B的最佳选择真的是33吗？算一下，（50+33）/2～42，42 × 2 / 3=28。
当B选择33的时候，精确的答案已经被其选择影响缩小到了28。
假设有N个人玩这个游戏，每个人都是博弈论专家，也都知道其他人是博弈论专家。
有没有办法能让某些人击败其它竞争者？也就是说有没有比纳什均衡点更“优”的解？如果有两人串通好，一人报100，另一人报100/N×2/3，N是总共参与人数，这两人就会击败所有其他对策论专家第三个思考是，在没有任何监管的情况下，资本市场将充斥内幕交易者和做局者，最终把大部分循规蹈矩的投资者吓跑，导致市场投资环境的恶化。
问答环节：Q1：我们在做本地化的过程中发现很多因子确实对过年这个市场无效或效果不大，而美国不敏感的因子在这里效果很好，尤其是一些情绪化指标，国内市场有效性真的不高，以散户为主，这些因子表现的非常好。
A1：每个市场都有自己的特色。
中国市场参与者和海外不一样，所以交易策略的确不能照搬。
Q2：对中国发展量化投资有什么建议？A2：也许从降低交易成本、允许做空着手。
市场中性的量化基金每买1块钱就必须卖1块钱。
卖空成本太高不利于量化发展。
在极端市场情况下监管者可以禁止卖空，这在美国欧洲澳大利亚等国近年来都发生过。
正常市场情况下允许卖空可以防止某些公司股票形成泡沫，对保护投资者长远看来是有利的。
中国股市波动率太大，量化基金发展起来应该可以帮助市场更平稳发展。
几年前曾问过JamesSimons一个问题，如果世界上没有文艺复兴公司，股市和现在有什么不同？回答说股市波动率会更大。
量化基金是股市一个重要的平稳器。
Q3：对其他asset class 量化的前景怎么看。