量化投资基础知识简介 国泰安
量化投资基础知识简介 国泰安
定期或不定期进行再平衡，优化模型，提高收益
数量化
再平衡
构建模型
构建组合
模型验证
量化投资从构想到实现
• 以多因子量化选股为例
量化选股的前提是构建优秀的选 股策略
• 基本流程
候选因子因子有效性检验冗 余因子剔除综合评分模型构建 选股模型验证
• 投资是长期的，因此策略 也是需要进行动态地调整
模型验证
• 策略战胜市场均价0.039988元 • 数据来源：2009年12月31号，华泰联合证券研究所，天软科技
应用举例4：算法交易---修正型VWAP算法
• 修正型VWAP下跌市执行效果图(ρ=3;激进系数λ=3;调整阀值σ=0.002)
• 策略战胜市场均价0.039988元 • 数据来源：2009年12月31号，华泰联合证券研究所，天软科技
• 传统投资：索罗斯、巴菲特；量化投资：西蒙斯、文艺复 兴科技公司、大奖章基金（Medallion Fund）
• 传统投资与量化投资业绩比较： ▪ 1988-2008，年均回报率35.6%（扣除资产管理费和投资 收益分成）,均高出索罗斯和巴菲特十几个百分点； ▪ 1988-1999，净回报率2478%，1st;量子基金1710%，2nd; 同期S&P9.6%； ▪ 2002-2005，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。
• 高速发展阶段：2000年以后，量化投资进入蓬勃发展时代，2003年后， 量化投资增速超过15%。
量化投资在海外市场现状
• 量化投资在海外的发展已有30多年的历史， 其投资业绩稳 定，市场规模和份额不断扩大、得到了越来越多投资者认 可。
文艺复兴科技及西蒙斯简介
• 文艺复兴科技公司：
量化投资理论基础概述
量化投资理论基础概述【摘要】量化投资是一种基于数学模型和统计分析的投资方法。
本文首先介绍了量化投资的定义，即通过数据和算法来做出投资决策。
接着探讨了量化投资的历史发展，从简单的技术指标到复杂的机器学习模型。
然后阐述了量化投资的基本原理，包括市场有效性和行为金融学观点。
接下来分析了量化投资策略的分类，如均值回归、趋势跟踪等。
最后总结了量化投资的优势，包括系统化、纪律性和高效性。
通过对这些内容的讨论，读者可以对量化投资的理论基础有一个清晰的概念。
【关键词】量化投资、理论、基础、概述、定义、历史发展、基本原理、策略分类、优势1. 引言1.1 量化投资理论基础概述量化投资是指利用数学、统计学、计算机编程等量化技术，通过系统化的模型和策略来进行投资的方法。
它的核心理念是通过对市场数据的分析和建模，利用严谨、科学的方法来进行投资决策，从而实现风险控制和收益最大化。
量化投资的历史可以追溯到上世纪50年代，当时学者们开始尝试利用数学模型来分析股票市场。
随着计算机技术的发展，量化投资逐渐成为投资界的主流方法之一。
近年来，随着大数据、人工智能等技术的蓬勃发展，量化投资的应用范围和效果也得到了进一步提升。
量化投资的基本原理包括建立数学模型预测市场走势、制定交易策略并执行、严格控制风险等。
量化投资策略可以根据市场行为、因子模型、技术分析等进行分类，常见的策略包括趋势跟随、套利、统计套利等。
量化投资相比于传统的基本面分析和技术分析具有很多优势，包括系统性、纪律性强、能有效控制风险、能够快速执行交易等。
越来越多的机构投资者和个人投资者开始将量化投资引入他们的投资组合中，以获取更稳定和长期的投资收益。
2. 正文2.1 量化投资的定义量化投资是一种通过数学、统计学和计算机技术来进行投资决策的方法。
它的核心理念是利用大量数据和复杂算法来识别交易机会和管理风险，以实现超越市场平均水平的投资收益。
量化投资的定义可以简单概括为利用定量模型和自动化计算来进行投资决策，以提高投资效率和盈利能力。
量化投资新手入门基础知识汇总
量化投资新手入门基础知识汇总 量化投资就是利用计算机技术并且采用一定的数学模型去实践投资理念，实现投资策略的过程。
价值投资和趋势投资（技术分析）是引领过去一个世纪的投资方法，随着计算机技术的发展，已有的投资方法和计算机技术想融合，产生了量化投资。
relquant雷尔量化投资平台老师讲解量化交易入门学习知识。
一、什么是量化策略？ 什么是策略? 策略，可以实现目标的方案集合；在证券交易中，策略是指当预先设定的事件或信号发生时，就采取相应的交易动作。
什么是量化策略？ 量化策略是指使用计算机作为工具，通过一套固定的逻辑来分析、判断和决策。
量化策略既可以自动执行，也可以人工执行。
二、一个完整的量化策略包含哪些内容？ 一个完整的策略需要包含输入、策略处理逻辑、输出；策略处理逻辑需要考虑选股、择时、仓位管理和止盈止损等因素。
选股 量化选股就是用量化的方法选择确定的投资组合，期望这样的投资组合可以获得超越大盘的投资收益。
常用的选股方法有多因子选股、行业轮动选股、趋势跟踪选股等。
1.多因子选股 多因子选股是最经典的选股方法，该方法采用一系列的因子（比如市盈率、市净率、市销率等）作为选股标准，满足这些因子的股票被买入，不满足的被卖出。
比如巴菲特这样的价值投资者就会买入低PE的股票，在PE回归时卖出股票。
2.风格轮动选股 风格轮动选股是利用市场风格特征进行投资，市场在某个时刻偏好大盘股，某个时刻偏好小盘股，如果发现市场切换偏好的规律，并在风格转换的初期介入，就可能获得较大的收益。
3.行业轮动选股 行业轮动选股是由于经济周期的的原因，有些行业启动后会有其他行业跟随启动，通过发现这些跟随规律，我们可以在前者启动后买入后者获得更高的收益，不同的宏观经济阶段和货币政策下，都可能产生不同特征的行业轮动特点。
4.资金流选股 资金流选股是利用资金的流向来判断股票走势。
巴菲特说过，股市短期是投票机，长期看一定是称重机。
证券市场的量化投资与算法交易
证券市场的量化投资与算法交易随着科技的进步和信息的快速传播，证券市场的投资方式也在不断发展。
量化投资和算法交易作为新兴的投资策略，正逐渐受到投资者的青睐。
本文将介绍证券市场的量化投资和算法交易，并探讨其对市场的影响和未来发展趋势。
一、量化投资的定义和特点量化投资是指利用数学、统计学和计算机科学等科学方法，运用计算机程序对大量数据进行筛选和分析，以制定投资决策的一种投资方式。
其核心思想是相信市场行为是可以通过数据和模型进行预测和分析的。
量化投资具有以下特点：1. 系统性：量化投资是一种系统性的投资方式，通过建立完善的投资模型和策略，减少人为情绪因素对投资决策的影响。
2. 精确性：量化投资依赖于大量数据和复杂的模型，能够较为精确地分析市场走势和价格波动，提高投资决策的准确性。
3. 高效性：通过计算机程序进行数据分析和决策制定，量化投资可以实现高效的交易执行和风险控制。
二、算法交易的定义和应用算法交易是利用事先设定的交易算法，在预定条件触发时自动执行交易指令的一种交易方式。
通过算法交易，投资者可以快速准确地实现交易策略的执行，避免了人为因素和延迟带来的风险。
算法交易应用广泛，包括以下几个方面：1. 高频交易：利用低延迟的交易系统和复杂的算法，在极短的时间内进行大量交易，实现利润最大化。
2. 套利交易：通过对不同市场和产品价格的监控和比较，迅速发现并利用价格差异进行套利交易。
3. 动量交易：通过分析市场趋势和价格动量，制定交易策略并自动执行，捕捉价格波动的机会。
三、量化投资与算法交易对证券市场的影响1. 提高市场效率：量化投资和算法交易通过大数据和复杂模型的应用，能够更加准确地分析市场行情和价格趋势，提高市场的效率和公平性。
2. 降低交易成本：通过算法交易的执行，可以减少人工交易的延迟和错误，降低交易成本和风险。
3. 增加市场流动性：算法交易的高速执行和大量交易活动，可以增加市场的流动性，提供更多的买卖机会和流动性支持。
国泰安公司简介
高管团队
陈家富 简介
公司高级副总裁； 厦门大学本科毕业，获得首批加拿大与教委联办MBA学位。20多年企业工作 经验，曾任在美国上市公司等多家高科技公司总裁或副总等高管职位，并拥有自 主创业经历。在企业经营、产品研发、技术管理、金融投资等方面具有丰富的实 践经验和管理经验。
林健武 简介
公司高级副总裁； 清华大学 兼职教授、国信证券博士后流动站 指导教师 获清华大学硕士、美国宾夕法尼亚大学博士。林先生在华尔街从事金融投资 十多年，曾在美国50大对冲基金之一的迈格尼塔投资公司担任全球量化投资战 略交易总监，曾就职于摩根史坦利和高盛股票投资战略副总裁等国际一流投资 机构近十年，是国际金融工程师协会(IAFE)会员。兼美国学术刊物审稿专家。
高管团队
高宁 简介
公司 副董事长 兼 常务副总裁； 西安交通大学管理学院兼职教授、博导 香港理工大学博士，曾任香港大学中国金融研究中心研究员、香港浸会大学商 学院荣誉研究员、美国财务管理协会与澳洲银行与金融学会会员，并曾担任香港 与国内多家企业的研究、管理和融资顾问。主导开发了一系列财经数据库、教学 研软件、证券分析系统、国泰安金融实验室等教育及实训产品。具有十多年的企 业营运、销售、财务、并购等高管经验，是专家型的企业管理者。
打基础创品牌阶段
2006—2010
加大研发，拓宽产品链阶段
2011—2015
做大，跳跃式发展阶段
加大自主创新产品研发，荣获广东省及深圳市自主创新产 品称号，2011年获得的知识产权是过去十年的2倍，企业 经营业绩成倍增长，企业实现跳跃式发展，公司上市计划 快速推进中。
快速成长
连续5年复合增长超100%，2012年同 比增长达150%。2013年预计达300%
卓越：每位员工、产品、服务、管理=》整个集体卓越
量化投资知识
数量化投资是将投资理念及策略通过具体指标、参数的设计，体现到具体的模型中，让模型对市场进行不带任何情绪的跟踪；相对于传统投资方式来说，具有快速高效、客观理性、收益与风险平衡和个股与组合平衡等四大特点。
量化投资技术几乎覆盖了投资的全过程，包括估值与选股、资产配置与组合优化、订单生成与交易执行、绩效评估和风险管理等，在各个环节都有不同的方法及量化模型：一、估值与选股估值：对上市公司进行估值是公司基本面分析的重要方法，在“价值投资”的基本逻辑下，可以通过对公司的估值判断二级市场股票价格的扭曲程度，继而找出价值被低估或高估的股票，作为投资决策的参考。
对上市公司的估值包括相对估值法和绝对估值法，相对估值法主要采用乘数方法，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等；绝对估值法主要采用折现的方法，如公司自由现金流模型、股权自由现金流模型和股利折现模型等。
相对估值法因简单易懂，便于计算而被广泛使用；绝对估值法因基础数据缺乏及不符合模型要求的全流通假设而一直处于非主流地位。
随着全流通时代的到来和国内证券市场的快速发展，绝对估值法正逐渐受到重视。
选股：在当前品种繁多的资本市场中，从浩瀚复杂的数据背后选出适合自己投资风格的股票变得越加困难。
在基本面研究的基础上结合量化分析的手段就可以构建数量化选股策略，主流的选股方法如下：资产配置方法与模型资产配置类别资产配置层次资产配置方法资产配置模型战略资产配置全球资产配置大类资产配置行业风格配置收益测度风险测度估计方法马克维茨MV 模型均值-LPM 模型VaR 约束模型Black-Litterman 模型战术资产配置( 动态资产配置) 周期判断风格判断时机判断行业轮动策略风格轮动策略Alpha 策略投资组合保险策略基本面选股：通过对上市公司财务指标的分析，找出影响股价的重要因子，如：与收益指标相关的盈利能力、与现金流指标相关的获现能力、与负债率指标相关的偿债能力、与净资产指标相关的成长能力、与周转率指标相关的资产管理能力等。
量化投资基础培训
纪律性的好处很多，可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差，行为金融理论在这方面有许多论述。纪律化的另外一个好处是可跟踪。定量投资作为一种定性思想的理性应用，客观地在组合中去体现这样的组合思想。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。
妥善运用套利的思想。定量投资正是在找估值洼地，通过全面、系统性的扫描捕捉错误价格偏离带来的机会。定性投资经理大部分时间在琢磨哪一个企业是伟大的企业，那个交易是可以翻倍的交易；与定性投资经理不同，定量基金经理大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。
01
靠概率取胜。这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是依靠一组交易取胜，而不是一个或几个交易取胜。
5
从数学家到投资人
但从学术研究转型后的西蒙斯，在投资领域的风头更劲。
在40岁之前，西蒙斯是一位在数学界颇有名望的教授，先后在麻省理工学院、哈佛大学、美国国防分析研究院和石溪大学任职。他和华裔科学家陈省身共同创立的陈-西蒙斯理论推动了拓扑几何的研究进程，被运用在天体物理等领域。
初创时期，西蒙斯和大多数投资者一样，通过关注和分析各种经济数据和宏观事件来做投资判断，而慢慢地，他发现很多价格变化是有规律可循的，并能通过一定的方法来进行预测，因此，到了1988年建立大奖章基金时，他把投资方法从判断型转变为量化投资。
量化投资以先进的数学模型代替人为的主观判断，和客服人性的弱点，如贪婪、恐惧、 侥幸心理，也可以克服认知偏差，借助系统强大的信息处理能力具有更大的投资稳定 性，极大地减少投资者情绪的波动影响，避免在市场极度狂热或悲观的情况下做出非理 性的投资决策。 。
量化投资基础知识
量化投资基础知识
1、量化投资：量化投资是一种使用数据导向的投资策略，该策略通
过运用计算机科学、统计学和算法来分析投资行为，以期通过捕获市场机
会来获得投资收益。
2、基础知识：使用量化投资的投资者需要掌握的基础知识包括财务
市场理论、投资组合理论、衍生品理论、金融市场风险管理和计量经济学。
3、数据：使用量化投资技术进行投资分析需要准备大量的实时和历
史市场数据，包括股票、期货、外汇等。
4、技术：量化投资需要使用各种技术，如建模、机器学习、统计方法、计算机语言和模型构建等。
5、风险管理：使用量化投资分析的投资者必须能够有效的管理投资
风险，并采取确定的投资策略来获得可持续的投资收益。
- 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)。
应用举例1： Graham基本面量化选股
• 下图是按照以上选股思路选出来的前20只股票按照市值加权平均形成 的一个组合，但剔除了金融类股票
应用举例2： 小朋友8周择时法
• 小朋友8周择时法：基于技术分析的量化
择时策略
▪ 当指数（或个股）的收盘价比8周前的收盘价高， 就看多（买入或者继续持有），否则看空（卖出或 继续空仓）。
应用举例4：算法交易---修正型VWAP算法
• 修正型VWAP震荡市执行效果图(ρ=3;激进系数λ=3;调整阀值σ=0.002)
• 策略战胜市场均价0.001995元 • 数据来源：2009年12月31号，华泰联合证券研究所，天软科技
应用举例4：算法交易---修正型VWAP算法
• 修正型VWAP上涨市执行效果图(ρ=3;激进系数λ=3;调整阀值σ=0.002)
• 传统投资：索罗斯、巴菲特；量化投资：西蒙斯、文艺复 兴科技公司、大奖章基金（Medallion Fund）
• 传统投资与量化投资业绩比较： ▪ 1988-2008，年均回报率35.6%（扣除资产管理费和投资 收益分成）,均高出索罗斯和巴菲特十几个百分点； ▪ 1988-1999，净回报率2478%，1st;量子基金1710%，2nd; 同期S&P9.6%； ▪ 2002-2005，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。
•无套利区间：将期货理 论价格加上或者减去交 易成本后形成了区间。
•交易成本包括：借贷利 率差、买卖手续费、期 指及股市冲击成本等
• 下图为期现套利模型，紫色 为指数现货价格，红色为指 数期货价格，二者价差：两 条绿线之间为无套利区间
应用举例3：股指期货套利---期现套利
• 案例：
2010年5月6日，深300指数收盘价为2896点， 到期日为5月21号的沪深300指数股指期货 1005合约的价格为2967点，假设该日市场 上无风险利率为4.8%，预计2010年沪深300 指数成分股年平均分红率为2.75%，计算此 时是否存在套利机会？
应用举例3：股指期货套利---期现套利
(3) 因为股指期货现价为2967点>2937点，因此市场存在套利机会。 (4) 实施套利操作：
当日收盘前买入一揽子沪深300的股票组合，市值为2896*300=86.88万；卖出1手 IF1005股指期货合约保证金（20%的保证金率）为：2967*300*20%=17.802万。投 入总资金为：86.88+ 17.802=104.682万 (5) 市场追踪： 2010年5月21日收市前，沪深300指数期货合约IF1005到期交割，收市前指数价格 为2726点，而IF1005收盘价为2750，期货和现货价格收敛。 (6) 结束套利:
应用举例4：算法交易---修正型VWAP算法
• 参数分析
▪ 容忍系数、激进系数和调整阀值对策略效果影响 很大，容忍系数越大，对小幅价格偏差的反应越小， 交易量也越偏向交易时间的尾部；激进系数越大， 在发生因价格的调整时候的反应越大，黄色柱线峰 值越高，交易量偏向交易时间的头部；调整阀值越 大，因价格涨跌所导致的调整次数越少，则黄色峰 值数量越少。
▪ 平仓获利：（2967-2750）*300=6.51万 ▪ 盈亏相抵后，总利润：6.51-5.1=1.41万 ▪ 盈利率：1.41/104.682=1.35%
▪ 半个月时间获得1.35%，相当于年化收益32%。
应用举例4：算法交易---修正型VWAP算法
• 定义：算法交易又称自动化交易、黑盒交易或机器交易， 它指的是通过使用计算机程序发出交易指令的方法。 交易中，程序可以决定的范围包括交易时间的选择、 交易价格、甚至包括最后需要成交的证券数量。
• 再平衡
定期或不定期进行再平衡，优化模型，提高收益
数量化
再平衡
构建模型
构建组合
模型验证
量化投资从构想到实现
• 以多因子量化选股为例
量化选股的前提是构建优秀的选 股策略
• 基本流程
候选因子因子有效性检验冗 余因子剔除综合评分模型构建 选股模型验证
• 投资是长期的，因此策略 也是需要进行动态地调整
模型验证
文艺复兴科技及西蒙斯简介
•ቤተ መጻሕፍቲ ባይዱ西蒙斯其人：
▪ 数学神童，MIT、Harvard、 Berkeley，密码天才；
▪ 与陈省身联合发表ChernSimons理论；
▪ 1978年，创立私人投资基金 Limroy；
• 期限套利分类： ▪ 正向套利：当期货价格被高估，交易者通过卖出股指期
货，同时买入对应的现货所进行的套利交易。 ▪ 反向套利：当期货价格被低估，交易者通过买入股指期
货，同时卖出对应的现货所进行的套利交易。
应用举例3：股指期货套利---期现套利
•期货理论价格=现货价格 +融资成本-股息收入
• F(t,T)=S(t)*[1+(r-d)*(Tt)/365]
应用举例3：股指期货套利---期现套利
(1) IF1005的理论价格:
F(t,T)=S(t)*[1+(r-d)*(T-t)/365]=2896*[1+(0.048-0.0275)*15/365]=2898.4
(2) 划分无套利区间 设：股票买卖双边手续费成交额的0.1%：2896*0.1%=2.9 股票买卖双边印花税为成交额的0.3%：2896*0.3%=8.7 股票买入和卖出冲击成本为成交额的0.5%：2896*0.5%=14.5 股票模拟指数跟踪误差为指数点位的0.2%：2896*0.2%=5.8 借贷理查成本为指数点位的0.3%：2896*0.3%=8.7 股指期货的买卖双边手续费为0.2个指数点：0.2 股指期货买卖冲击成本为0.2个指数点：0.2 套利成本合计TC：2.9+8.7+14.5+5.8+8.7+0.2+0.2=41 无套利区间上届：2896+41=2937 无套利区间下届：2896-41=2855 无套利区间：[2855,2937]
• 策略战胜市场均价0.039988元 • 数据来源：2009年12月31号，华泰联合证券研究所，天软科技
应用举例4：算法交易---修正型VWAP算法
• 修正型VWAP下跌市执行效果图(ρ=3;激进系数λ=3;调整阀值σ=0.002)
• 策略战胜市场均价0.039988元 • 数据来源：2009年12月31号，华泰联合证券研究所，天软科技
传统投资VS量化投资
• 下图为3种基金1、3、5、10年期相对于S&P指数的信息 比率，数据覆盖1996.01.01-2005.12.31
量化投资应用及举例
深圳市国泰安信息技术有限公司
量化投资的应用
• 量化投资技术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、商品期货套利、统计套利、算法交易，资产配置，风险控 制等。
准确性 的思想
分散化 • 严格控制风险，充当准确地实现分散化投资目标
传统投资VS量化投资
深圳市国泰安信息技术有限公司
传统投资VS量化投资
• 相同点：本质相同，都是基于市场非有 效或是弱有效的理论基础。
• 不同点：传统投资依赖公司调研和个人 经验及主观判断；量化投资依靠数理模 型实现投资理念。
传统投资VS量化投资
量化投资基础知识
深圳市国泰安信息技术有限公司
目录
1.什么是量化投资 2.传统投资VS量化投资 3.量化投资应用及举例 4.量化投资从构想到实现 5.量化投资的发展历程以及现状 6.量化投资在中国 7.国泰安量化投资平台简介
什么是量化投资
深圳市国泰安信息技术有限公司
量化投资的定义
• 量化投资主要是指通过数理模型来实现投 资理念，由计算机产生交易策略的一种投 资方法。
候选因子
因子有效性 检验
选股
冗余因子剔 除
综合评分模 型构建
深圳市国泰安信息技术有限公司
量化投资发展历程三阶段
• 起步阶段：1971年世界上第一只被动量化基金由巴克莱国际投资管理公 司发行，这算是美国量化投资的开端。
• 缓慢发展阶段：由于受限于数据、计算机以及网络技术的发展，1977年 到1995年，量化投资在海外缓慢发展。
应用举例4：算法交易---修正型VWAP算法
• 下图为策略流程图：
应用举例4：算法交易---修正型VWAP算法
• 下单量处理：
• 下图是偏差固定倍数与调整比例关系图
▪ 设置两个参数：
偏差调整比例函数ƒ(β),表示市场价 格和市场均价的偏差β导致的调整 比例。容忍系数ρ表示不同决策者 对待这种偏差的态度及相应的决策， 这里设定5个ρ值：1、2、3、4、5， 每个ρ对应一个不同的偏差调整比 例函数ƒ(β)。
• 分类： ▪ 被动型算法交易，包括VWAP、TWAP等 ▪ 主动型算法交易，根据市场状况作出实时交易决策
应用举例4：算法交易---修正型VWAP算法
• 策略原理：
▪ 此策略的原理是在市场价格高于市场均价时，根据市场价格 走势不同程度减少下单量，在保证高价位的低下单量的同时， 能够防止出现价格的持续上涨而下单量过度地向后聚集；在 市场价格低于市场均价时，根据市场价格走势不同程度地增 加下单量，在保证低价位的高下单量的同时，能够防止价格 的持续走低而下单量过度地提前完成。
• 高速发展阶段：2000年以后，量化投资进入蓬勃发展时代，2003年后， 量化投资增速超过15%。
量化投资在海外市场现状
• 量化投资在海外的发展已有30多年的历史， 其投资业绩稳 定，市场规模和份额不断扩大、得到了越来越多投资者认 可。
文艺复兴科技及西蒙斯简介
• 文艺复兴科技公司：
▪ 总部在纽约长岛，心脏地带是一间礼堂，公司员工会定期在 此听一场科学演讲； ▪ 200多名员工，近一半是数学、物理学、统 计学等领域的顶 尖科学家； ▪ 不雇用商学院毕业生和华尔街人士； ▪ 待遇优厚，严格保密，流动性小。