量化投资分析资本市场分析报告
资本市场的量化投资策略和风控措施
资本市场的量化投资策略和风控措施随着技术的发展和数据的爆炸式增长，资本市场逐渐向量化投资策略转型。
量化投资是指通过数据化处理、算法建模和机器学习等计算机技术，以及大量历史数据和实时市场数据，构建数学模型，为投资决策提供科学的依据。
相比传统的基本面分析、技术面分析等投资决策方法，量化投资具有更高的效率、更准确的预测能力和风险控制能力。
量化投资的策略主要有以下几种：1. 跨市场套利策略：通过分析不同市场之间的关系，寻找价差机会获利。
例如，通过比较不同国家的股票市场关系，找到跨国套利的机会。
2. 预测未来价格走势策略：利用历史股价数据、财务数据等指标，建立模型预测未来价格走势，以实现获利。
3. 市场风险管理策略：根据市场波动情况，进行风险管理，降低风险。
4. 统计套利策略：寻找股票市场的非理性波动，进行高频次交易，获取套利机会。
5. 事件驱动策略：根据公司财务报告、新闻媒体等事件来进行投资，以赚取利润。
随着量化策略的发展，相应的风险也越来越多。
量化投资策略的风险主要包括以下几个方面：1. 系统风险：量化投资策略依赖于计算机系统，一旦系统出错、瘫痪，会造成重大损失。
2. 模型风险：量化模型基于历史数据建立，历史数据不一定能完全预测未来动向，如果模型建立不当，对市场行情的判断可能出现误差。
3. 数据风险：量化模型依赖于大量的历史和实时数据，如果数据出现错误或者缺失，会直接影响模型的性能，导致投资结果失真。
对于资本市场的量化投资策略，风控措施尤为重要。
以下是一些常见的风控措施：1. 多元化投资：将资金分散在不同的策略、不同的资产类别中，降低单一策略或资产类别风险。
2. 建立风险管理模型：根据策略的风险特征，建立风险监测体系，对市场波动情况进行监控和分析，及时采取风险控制措施。
3. 设定风险预警线和止损线：在建立量化模型时，设定一定的风险预警线和止损线，一旦超过预警线或止损线，及时调整策略，减少损失。
4. 投资决策人的纳入：投资决策人员应该有一定的量化投资知识和技能，以确保投资决策与量化模型的表现一致。
量化投资分析分析报告
1.概述背景量化投资在国外的实践已经有了40多年的发展，我国的量化投资起步较晚，从2004年开始出现量化投资的产品，由于缺乏有效的对冲手段，直到2010年4月沪深300股指期货上市之后才能算是真正意义上开始涉足量化投资。
2015年的中国股市跌宕起伏，杠杆配资引发了大幅上涨和断以传统投资的分析决策，大多数方面都由人工完成，而人并非能做到完全理性，在进行投资决策时，很难不受市场情绪的影响。
量化投资运用模型对历史和当时市场上的数据进行分析检测，模型一经检验合格投入正式运行后，投资决策将交由计算机处理，一般情况下拒绝人为的干预，这样在进行投资决策时受人的情绪化的影响将很小，投资过程可以做到理性客观。
支持大数据处理，提高决策效率我国股票市场上有近3000只股票，与上市公司相关的各种信息纷繁复杂，包括政策、国内外经济指标、公司公告、研究报告等，投资者靠自己手工的筛选根本就是力不从心。
量化投资的出现为这个问题的解决带来了希望。
量化投资运用计算机技术快速处理大量数据，对其进行辨别、分析、找出数据之间的关联并做出投资决策，大大减少了人工工作量，提高了投资决策效率。
统计模型支撑，策略选股择时精准传统的投资方法中认为投资是一门艺术，投资决策需要的是投资者的经验和技术，投资者的主例如在股业绩也量化投资的应用量化投资几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、统计套利、算法交易和资产配置等。
量化选股量化选股就是采用数量的方法判断某个公司是否值得买入的行为。
根据某个方法，如果该公司满足了该方法的条件，则放入股票池，如果不满足，则从股票池中剔除。
量化选股的方法有很多种，总的来说，可以分为公司估值法、趋势法和资金法三大类。
量化择时股市的可预测性问题与有效市场假说密切相关。
众多的研究发现我国股市的指数收益中，存在经典线性相关之外的非线性相关，从而拒绝了随机游走的假设，指出股价的波动不是完全随机的，类是利用股票的价格序列的协整关系建模，我们称之为协整策略。
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。
量化发展现状分析报告
量化发展现状分析报告量化发展现状分析报告近年来，量化发展成为金融行业的新热点，越来越多的机构和投资者开始将量化策略应用于投资决策中。
目前，量化发展的整体态势持续向好，但仍存在一些挑战和问题。
市场规模方面，根据国内外权威机构的统计数据，全球量化资金管理规模呈上升趋势，截至2020年已达到数万亿美元。
中国市场量化资金管理规模也在快速增长，但相对于国际市场仍有较大差距。
国内机构和投资者对于量化策略的认识和应用水平还有待提高，整体市场格局仍未成熟。
创新技术方面，人工智能、大数据和区块链等新兴技术的应用促进了量化发展的进一步提升。
人工智能技术的发展使得量化模型的构建更加智能化和自动化，大数据分析能力的提高为量化策略提供了更多的数据支持。
区块链技术的应用也为量化交易提供了更加安全和透明的交易环境。
随着技术的发展，量化策略的研究和实践将更加多样化和精细化。
监管环境方面，对于量化交易的监管仍存在一定的不确定性和需要完善的地方。
量化策略的复杂性和高频交易的风险性使得监管部门面临着监管手段和标准的难题。
然而，近年来监管部门出台了一系列规范和政策，加强了对量化机构和投资者的监管，提高了市场的稳定性和透明度。
风险管理方面，量化策略的风险管理是投资者关注的焦点。
尽管量化策略通过严谨的模型和系统化的操作可以降低风险，但由于市场环境的变化和模型的局限性，仍存在一定的风险和不确定性。
因此，投资者需要关注量化策略的风险控制机制和回测结果，合理配置资金和风险。
总结来说，量化发展的现状呈现出市场规模逐步扩大、创新技术广泛应用、监管环境不断完善和风险管理继续挑战的特点。
未来，量化发展将继续推动金融行业的变革和创新，为投资者提供更加多样化和有效的投资工具。
然而，也需要关注市场格局和风险管理的健康发展，确保量化发展的可持续性和稳定性。
资本市场的量化投资策略和风控措施
资本市场的量化投资策略和风控措施量化投资是通过利用计算机技术，以大量数据为基础，构建数学模型寻找交易机会，并通过自动化交易系统进行交易的一种投资策略。
在当前资本市场日趋复杂的情况下，量化投资已成为了一种重要的投资方式。
然而，量化投资也面临着风险带来的挑战。
因此，本文将介绍资本市场的量化投资策略和风控措施。
一、量化投资策略1. 均值回归策略均值回归策略是指基于某种分布模型预测资产回归均值的趋势，即认为资产价格如果远离其均值，将会回归到均值附近。
该策略一般用于交易范围较窄、波动性较低的股票或基金交易。
其核心要素是寻找均值，计算偏离度以及建立仓位管理规则。
2. 动量策略动量策略是一种基于资产价格波动性的策略，利用价格变化的趋势来预测未来价格变动。
该策略通常用于交易波动性较高的金融产品，如商品期货等。
其核心要素是寻找动量，计算连续变化和偏离度以及建立仓位管理规则。
3. 套利策略套利策略是通过利用两个或多个金融市场之间的价格差异来进行差价套利，获得保证收益的一种交易策略。
其核心要素是分析和找到价差，管理交易流程和风险控制。
二、量化投资的风险控制量化投资针对市场中的各种风险，包括市场风险、操作风险、模型风险等，采取了以下措施：1. 风险测量风险测量是通过测算金融产品的历史价格和波动率等指标，对交易市场风险进行定量评估。
量化投资机构通常使用数学模型，如VaR（Value at Risk）和CVaR（Conditional Value at Risk）等，对交易策略的风险进行评估和控制。
2. 合理的仓位控制量化投资机构要合理控制仓位，以求稳健收益。
通常采取出场策略和亏损止损策略来有效控制仓位。
出场策略指当交易信号已失效时，立即出场以减小损失；亏损止损策略指当投资的收益率低于一定比例时，自动止损以防止进一步亏损。
3. 模型和数据的有效性量化投资机构需要保证模型和数据的有效性，特别是对机器学习算法等复杂技术的应用，要进行模型验证和数据校准。
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。
量化投资模型解析
量化投资模型解析量化投资是一种基于数学和统计学原理的投资方法，通过建立模型来分析市场数据和趋势，以制定投资决策。
量化投资模型的应用已经成为金融领域的热门话题，它的出现既是技术进步的产物，也是投资者对风险控制和收益最大化的追求。
一、量化投资模型的基本原理量化投资模型的基本原理是通过对市场数据的分析和建模，找出市场中的规律和趋势，以此为依据进行投资决策。
这种模型的建立需要依赖大量的历史数据和统计学方法，通过对数据的处理和分析，可以得到一些有意义的结论。
二、量化投资模型的构建过程1. 数据收集和整理量化投资模型的构建首先需要收集和整理相关的市场数据，包括股票价格、交易量、财务指标等。
这些数据需要经过严格的筛选和处理，以确保数据的准确性和可靠性。
2. 数据分析和建模在数据收集和整理完成后，需要进行数据分析和建模。
这一过程包括利用统计学方法对数据进行分析，寻找其中的规律和趋势，并建立相应的数学模型。
常用的统计学方法包括回归分析、时间序列分析等。
3. 模型验证和优化建立完模型后，需要对模型进行验证和优化。
验证模型的准确性和可靠性是非常重要的，可以通过历史数据的回测和实盘交易来验证模型的效果。
同时，根据验证结果对模型进行优化，进一步提高模型的预测能力和稳定性。
三、量化投资模型的应用领域量化投资模型的应用领域非常广泛，包括股票市场、期货市场、外汇市场等。
在股票市场中，量化投资模型可以用来进行股票选择和交易策略的制定。
在期货市场中，量化投资模型可以用来进行期货合约的套利和对冲操作。
在外汇市场中，量化投资模型可以用来进行外汇交易的决策和风险管理。
四、量化投资模型的优势和挑战量化投资模型相比传统的投资方法具有一些明显的优势，例如能够快速分析大量的数据，发现市场中的规律和趋势；能够自动执行交易策略，减少人为因素对投资决策的影响；能够进行风险控制和资金管理，提高投资的稳定性和收益率等。
然而，量化投资模型也存在一些挑战，例如对数据的质量和准确性要求较高；对模型的建立和优化需要大量的时间和精力；对市场的变化和不确定性的适应能力有限等。
证券投资中的量化投资与定量分析方法
证券投资中的量化投资与定量分析方法在证券投资领域中，量化投资和定量分析方法作为一种相对较新的投资策略，逐渐受到投资者的重视。
本文将介绍什么是量化投资和定量分析方法，并探讨它们在证券投资中的应用。
一、量化投资的概念量化投资是指通过建立数学模型和计算机算法来进行投资决策的一种方法。
它主要依靠大量的历史数据和统计分析，对市场走势、股票估值等进行预测，以实现投资组合的优化配置，从而获得超额收益。
量化投资具有较高的自动化程度，可以快速分析大量的数据，并进行精确的模型计算。
它相对于传统投资方法更加科学和系统化，能够避免主观情绪对投资决策的影响，提高投资管理的效率和准确性。
二、定量分析方法的基本原理定量分析方法是量化投资的核心工具之一，它主要基于定量模型的构建和分析。
定量分析方法通过运用统计学和数学工具，对证券市场和股票进行深入研究，以挖掘潜在的投资机会。
定量分析方法涵盖了多个方面，包括股票估值模型、技术分析指标、风险管理模型等。
通过利用这些模型和指标，投资者可以更好地判断股票的投资价值、股票市场的走势以及投资组合的风险情况。
三、量化投资与定量分析方法在证券投资中的应用1. 股票选择与投资组合优化量化投资和定量分析方法可以通过对大量历史数据进行回测和模拟，筛选出具有较好收益潜力的股票，并构建优化的投资组合。
通过量化模型的运用，投资者可以更加科学地进行股票的选择和资产配置，以实现风险分散和收益最大化。
2. 高频交易与套利策略量化投资和定量分析方法还可以应用于高频交易和套利策略。
高频交易是指利用计算机算法对市场进行迅速交易，以获取微小的价格差异。
而套利策略则是通过对不同市场或不同证券之间的定价差异进行利用，从中获得收益。
这些策略依赖于快速的数据分析和模型计算，量化投资提供了实现这些策略的技术支持。
3. 风险管理与交易执行量化投资和定量分析方法在风险管理和交易执行方面也发挥着重要的作用。
通过建立风险模型和交易执行模型，投资者可以更好地控制投资组合的风险水平，并在交易中实现更好的执行效果。
- 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)。
DUFE
实证金融与量化投资
学号：2015100406
专业：数量经济学
姓名：金博
一．阅读伯南克的“金融危机如何演变为经济危机？”，谈谈对金融体系、危机时央行的应对措施的认识，分析其对中国的借鉴意义。
2007—2009年那场金融危机，全球所有国家无一幸免都受到极大冲击影响，影响力之广，持续期之长，是前所未有的。
当危机发生时，全球的金融体系已经是更加复杂化和一体化了，而监管体系并没有跟上这些变化，这就导致美国金融界很难从历史中找到可以类比的案例，而且很难从历史中找到可以直接拿来借鉴的应对举措。
但如果将这场危机放到历史视角下去理解，却是很有意义的。
在当前这场危机的直接诱发因素之间，最显著的两个因素就是次贷泛滥和房价泡沫，但这场危机之所以导致美国付出如此惨重的经济和金融代价，主要原因可能在于恐慌本身，可以说，恐慌造成的代价不会小于次贷泛滥和房价泡沫造成的代价。
对于金融危机的形成，是不同金融机构，不同金融市场，不同金融行业间风险的溢出，在人们，机构，市场的恐慌中一点点传染，慢慢扩大造成的。
金融体系间联系越紧密，传播的越快，最终造成的结果越严重，影响越广越深。
在此次危机中，美联储也是花了一定的时间之后才意识到了这场危机的存在，并逐渐了解了这场危机的严重性。
在应对这场危机的过程中，随着对形势的了解越来越清楚，美国金融界便借鉴过去应对金融恐慌的经验，去指导他们对这场新危机的判断，并指导他们采取的对策。
美联储的应对举措主要有4个元素：（1）降低利率，支持经济；（2）提供紧急贷款，增强金融体系的流动性，推动金融体系恢复稳定；（3）采取救助举措（必要时，与财政部和联邦存款保险公司进行协调），防止金融机构无序倒闭；（4）对具有系统重要性的大银行开展压力测试，评估其财务状况（和财政部及其他银行监管机构联合实施）。
美国金融机构和金融市场在这次危机的表现，确实让我们见识到了美国金融体系的灵活性。
中国在构建自己的金融安全体系时，最核心的是如何提高金融机构的稳健性和金融体系的灵活性。
对风险和危机的防范，使金融体系具备对风险和危机的抵抗力。
中国在这方面还有很大的距离。
我们需要加快金融的对内自由化，以提高金融体系的效率。
谈到应对措施对我国的借鉴意义，我认为我国需要做的，一是尽可能减少现有损失，避免进一步的损失。
在减少损失方面，中国要积极把握市场机会，加强与美国各界的沟通，特别是政府沟通，做好各种应对准备。
同时，我国应认真研究美国的金融机构和金融形势，避免错误的投资。
二是应充分评估金融机构的损失对我国经济、金融的影响，尤其要结合国际、国内的形势，防止损失在国内的传递和对金融体系和实体经济的不利影响。
其次，金融本身具有不稳定性，加强有效监管是很重要的。
监管部门需要与市场主体保持一
定的距离，不能陷于“主管部门”，同时应加强监管部门的协调，更多的从保护中小投资者、保户和储户的角度加强监管。
再次，需要尽快建立我国的金融安全网。
我国已经有了保险保障基金和证券投资者保护基金，要使其真正发挥作用，避免将其简单的作为救助金融机构的工具。
最后，还需要尽快建立和完善危机处理预案和协调机制。
美国在这方面的协调响应机制值得中国借鉴。
虽然美联储、美国财政部和国会之间也存在争议，但在一些基本原则方面能达成共识。
当前，在国际金融动荡的背景下，中国应严格资本账户管制，密切关注各类资本的跨国流动，防止由于国际资金的大进大出对中国金融市场造成严重的冲击。
同时，协调好汇率、货币政策和财政政策，以在通胀可控的前提下维持经济增长。
经济的稳定增长，是金融安全的根本。
二．阅读访谈“阿尔法策略是现时代最稳健的资产管理工具”，谈谈对“我国股市从线性交易时代迈入到非线性立体交易时代”的认识。
2010年，股指期货、融资融券的推出，代表了中国证券市场在交易制度上的根本变革和制度创新，自那时起，股票市场已经进入新时代。
2015年2月9日，上证50ETF期权开始交易，中国证券市场正式步入了期权时代，我国股市从线性交易时代迈入到非线性立体交易时代，股票及其衍生品交易全方位时代。
从股指期货上市以来，中国资本市场上的投资方式发生了深刻的变革。
股指期货推出后，国内资本市场上的主流资金的赢利模式已经发生了质的改变。
我国股市从现行交易时代迈入到非线性立体交易时代具有重大意义，期权等非线性产品的推出，极大地丰富了我国金融市场的投资工具，为投资者规避风险，进行套期保值，套利以及进行投机交易提供了更多的选择。
同时这也极大地提振了现货市场的信心，以及对提升证券市场流动性和投资者信心具有积极意义。
具体来说就是，意义在于，一、改善投资理念，稳定证券市场；二、丰富金融工具，保护投资者利益；三、推动行业转型，改善券商收入结构；四、推进金融创新，完善金融衍生品市场。
我相信，随着中国资本市场越来越丰富的产品，交易制度的愈加完善，金融市场愈加开放，中国金融市场会有极大地发展，我们的投资者，我们的国家，我们的经济会越来越好的。
三．阅读研报“对大类资产配置问题的进一步说明”，谈谈你对大类资产配置的认识。
大类资产配置问题越来越吸引投资者的兴趣。
由于单一资产越来越难以获利，投资者们慢慢把眼光投向了大类资产配置，想凭借大类资产配置获取新的高收益。
大类资产配臵的核心是通过低相关性资产的组合，分散风险（即降低波动率），提高风险调整后的收益（可用夏普比率衡量），优化组合的风险收益特征。
也就是说，大类资产配臵
可以将各种低相关性资产的风险分散，取得比组合内任一资产更高的经风险调整后的收益。
低相关性凸显了大类资产配置的价值。
大类资产配置通过资产间的低相关性可以实现一定受益下的风险最小化或者一定风险条件下的利益最大化。
但大类资产配置的实现要明确投资的资产类别和比例和明确被动投资和主动投资配置的比例。
大类资产配置对各种资产、各种工具以及国内外市场的覆盖面很广，听着不错，他对风险的规避，对利益的抓取，远远超过了单一资产配置，但是操作的难度也同样增加，需要投资者拥有更加广泛的知识才可以在充满不确定性，充满零和博弈的金融市场中拔
得头筹。
故stayhungry，stayfoolish。
四．阅读“量化投资“魔法公式”：结合巴菲特和索普的优势”，谈谈对量化投资的认识。
量化投资其实就是定量投资，是通过分析一定的数据，在有合理逻辑的支撑下，运用某种策略所进行的具有胜率优势的投资。
对于巴菲特和索普的量化投资策略，索普很早就研究了格拉厄姆和多德的投资圣经《证券分析》，但他发现，很难使用书中提到的对企业未来现金流折现来估算企业现值的方法，因为预测下一年的盈利都是极其困难的事情。
而且他还发现许多被广泛认为低估值的股票在接下来的几年内仍然处于低估值的状态，索普因此放弃了价值投资策略，转而把各种证券视作没有基本面支撑的扑克牌，仅仅根据价格的相对变化来做量化套利。
而巴菲特对数学和计算机在投资中的运用向来没有好感，在他看来，证券的价值体现在企业的基本面上，买证券是买入好的生意和企业并长期持有，当高质量企业被低估值是再好不过的买入机会，巴菲特用相对估值的办法（比如企业股本回报率高于30%，自由现金流名列前30%，净利润率高于行业平均，债务股本比低于行业中位数等等）去解决索普认为的绝对估值困难的麻烦。
巴菲特尤其不喜欢业界对于每天新公布的经济数据大做文章的习惯，他认为这类工作绝大多数时间是浪费资源和价值的，他很幽默地讽刺说：经济学家花费大量时间学习数据分析，如果不把这点本事拿出来显摆下，别人就会忘记了他们的存在，一个手里拿着锤子的人看什么东西都是钉子。
对于索普和巴菲特，他们有两个相同点，一是，巴菲特认为投资另外一个最重要的环节是控制自己的情绪，不受市场价格波动的影响。
相反，大部分投资者在价格高涨时情绪激动地买入，在价格下跌中恐慌抛售。
而索普使用计算机和量化策略恰恰能够在最大程度上减少情绪波动对投资的破坏性作用。
二是，两人都不相信芝加哥学派主张的市场“总是”有效无法被战胜的观点。
巴菲特(认同市场大部分时间有效)曾经开玩笑说，我们这些价值投资者能赚钱，实在是多亏了大学教授告诉一代代学生证券分析是浪费精力。
量化投资并不一定要海量的数据，数据虽然很重要，我们可以通过数据得到很多理性的东西，但是数据往往又会掩盖某些东西，使我们迷信数据，最终误导我们，做出错误的判断，措施机会。
同时，量化投资更要合乎逻辑。
量化投资有时候是看到某些现象，最后去分析数据来得出结论的。
但是这个结论能不能形成一个有效的策略，要看这个结论合不合乎逻辑，逻辑至关重要。
另外，量化投资要讲究一定的策略。
建什么仓位，建多少仓位，什么时候建仓，什么时候平仓，都要按既定的策略严格执行。
最后，量化投资几乎没有100%胜率的策略，即便看似最简单最安全的期现套利，也有可能出现因为升水不断扩大导致期指端爆仓进而策略失败的风险。
但理论上只要某个策略盈利的概率大于50%，那么在控制该策略合适仓位（依据凯利公式）的情况下，坚持执行该策略，长期赚钱的概率几乎是100%。
这就是我基于量化投资的认识，量化之路漫漫，需要学习的还有很多很多，抓住岁月时光，努力学习才是王道，加油吧！。