量化投資一般操作流程

⑴ 做量化交易一般用什麼軟體

需要懂一些數學模型，比如統計分析、人工智慧演算法之類的，他的本質是利用數學專模型分析數據屬潛在的規律尋找交易機會，並利用計算機程序來搜尋交易時機以及完成自動化交易。並沒有現成的軟體可以做這個，因為它需要一個搭建一個專業的平台，這不是一個人可以完成的。

國內有一些軟體，比如大智慧提供數量分析，還有一些軟體提供股票、期貨的程序化交易。但是實際上這並不是真正意義上的量化交易。事實上，做一款純粹的適合個人投資者的量化投資軟體，難度是非常大的，因為量化策略並不想傳統的基本面、技術面那樣存在已有既定的必然規律。他需要跨越多學科，多領域去挖掘數據的規律，然後利用得出的規律進行交易。但是不同時間、空間的數據的潛在規律並不一致，所以對量化過程進行標准化是一件很難完成的事情。

如果是計算機或者數學專業的人士，可以考慮使用C、C++、SQL等語言，其他的可以使用MATLAB/SAS 等軟體。不管是哪一種軟體，要實現量化交易，肯定是需要一定的建模基礎和編程基礎的，其中最重要的東西是數學能力。

⑵ 在中國，做量化交易一天的工作是怎樣的

做量化交易一天的工作：

8:00~:00： 打開交易策略，設置一些運營參數

9:00~9:30： 觀察策略運轉，確保沒有問題

9:30~15:30: 解決已有策略的問題並研究新策略，測試新想法

15:30~17:00: 分析交易記錄， 確定第二天的交易計劃

17:00~18:00: 運動

崗位職責：
分析金融市場（期貨、股票等）數據，尋找可利用的機會；開發與維護量化交易策略；提供機器學習/數據挖掘相應的技術支持；

崗位要求：
1.熟練計算機編程能力，熟練掌握至少一門編程語言，python優先；

理工科背景，具有良好的數理統計、數據挖掘等相關知識儲備，熟悉機器學習方法（分析科學問題和相應數據，建立模型和方法，驗證模型和方法，應用模型和方法並分析結果，改進模型和方法）；

有處理分析大量數據的經驗，並能熟練選擇和應用數據挖掘和機器學習方法解決科研和工作中的實際問題；良好的自我學習和快速 學習能力，有工作激情，喜歡金融行業；兩年及以上實驗室研究經驗或研發類工作經驗優先；

(2)量化投資一般操作流程擴展閱讀

量化交易是指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，

極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。

⑶ 什麼是量化投資

你好，量化投資，簡單地說就是利用數學、統計學、信息技術的量化投資方法來管理投資組合。

⑷ 量化投資,如何量化呢

量化投資技術幾乎覆蓋了投資的全過程，包括量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、演算法交易，資產配置，風險控制等。
1·量化選股

量化選股就是採用數量的方法判斷某個公司是否值得買入的行為。根據某個方法，如果該公司滿足了該方法的條件，則放入股票池，如果不滿足，則從股票池中剔除。量化選股的方法有很多種，總的來說，可以分為公司估值法、趨勢法和資金法三大類
2·量化擇時

股市的可預測性問題與有效市場假說密切相關。如果有效市場理論或有效市場假說成立，股票價格充分反映了所有相關的信息，價格變化服從隨機遊走，股票價格的預測則毫無意義。眾多的研究發現我國股市的指數收益中，存在經典線性相關之外的非線性相關，從而拒絕了隨機遊走的假設，指出股價的波動不是完全隨機的，它貌似隨機、雜亂，但在其復雜表面的背後，卻隱藏著確定性的機制，因此存在可預測成分。
3·股指期貨

股指期貨套利是指利用股指期貨市場存在的不合理價格，同時參與股指期貨與股票現貨市場交易，或者同時進行不同期限，不同(但相近)類別股票指數合約交易，以賺取差價的行為,股指期貨套利主要分為期現套利和跨期套利兩種。股指期貨套利的研究主要包括現貨構建、套利定價、保證金管理、沖擊成本、成分股調整等內容。
4·商品期貨

商品期貨套利盈利的邏輯原理是基於以下幾個方面 ：
（1）相關商品在不同地點、不同時間對應都有一個合理的價格差價。
（2）由於價格的波動性，價格差價經常出現不合理。
（3）不合理必然要回到合理。
（4）不合理回到合理的這部分價格區間就是盈利區間。
5·統計套利

有別於無風險套利,統計套利是利用證券價格的歷史統計規律進行套利,是一種風險套利，其風險在於這種歷史統計規律在未來一段時間內是否繼續存在。統計套利在方法上可以分為兩類,一類是利用股票的收益率序列建模，目標是在組合的β值等於零的前提下實現alpha 收益，我們稱之為β中性策略；另一類是利用股票的價格序列的協整關系建模，我們稱之為協整策略。
6·期權套利

期權套利交易是指同時買進賣出同一相關期貨但不同敲定價格或不同到期月份的看漲或看跌期權合約，希望在日後對沖交易部位或履約時獲利的交易。期權套利的交易策略和方式多種多樣，是多種相關期權交易的組合，具體包括：水平套利、垂直套利、轉換套利、反向轉換套利、跨式套利、蝶式套利、飛鷹式套利等。
7·演算法交易

演算法交易又被稱為自動交易、黑盒交易或者機器交易，它指的是通過使用計算機程序來發出交易指令。在交易中，程序可以決定的范圍包括交易時間的選擇、交易的價格、甚至可以包括最後需要成交的證券數量。根據各個演算法交易中演算法的主動程度不同，可以把不同演算法交易分為被動型演算法交易、主動型演算法交易、綜合型演算法交易三大類。
8·資產配置

資產配置是指資產類別選擇，投資組合中各類資產的適當配置以及對這些混合資產進行實時管理。量化投資管理將傳統投資組合理論與量化分析技術的結合，極大地豐富了資產配置的內涵，形成了現代資產配置理論的基本框架。
它突破了傳統積極型投資和指數型投資的局限，將投資方法建立在對各種資產類股票公開數據的統計分析上，通過比較不同資產類的統計特徵，建立數學模型，進而確定組合資產的配置目標和分配比例。

⑸ 量化投資的量化投資

開設學校：對外經濟貿易大學
開設學院：統計學院
所屬學科：金融學
課程名稱：資產管理與量化投資方向
配備最強師資組合
對外經濟貿易大學在職研究生享受與統招研究生一模一樣的師資，均為碩導、博導。對外經濟貿易大學校長施建軍、統計學院副院長劉立新教授在該領域內享有很高聲譽，均參與在職研究生授課。
課程特有國際性、前沿性、實踐性
對外經貿大學自身國際化、前沿化特徵顯著，金融專業一直是對外經貿大學的優勢學科，所設課程同樣與國際金融市場接軌密切，如量化投資、統計套利、高頻交易等。
課程將資產管理和量化投資技術緊密結合
課程講授金融各行業資產管理業務的發展模式及運用，尤其是運用量化投資技術和程序交易進行資產管理：套利策略設計、投資方案實施、風險分析、市場預測等，旨在培養復合型的金融高級人才。
定期為在職研究生開展主題講座論壇
邀請政府和業內知名專家舉辦系列關於經濟金融政策分析、金融監管、金融市場投資、風險管理等方面專題講座。如：貴金屬市場投資、微量網量化投資、風險投資、投資銀行、對沖基金、等專題。 伴隨著金融全球化的進程，以及我國金融市場的發展創新，利用多市場、多品種、多策略的綜合投資和管理將成為未來資產管理、財富管理、風險管理、結構化產品設計的重要發展模式，尤其是運用量化投資技術和程序交易進行套利策略設計、投資方案實施、風險分析、市場預測等。
為適應政府、各類金融機構（銀行業、證券業、保險業、期貨業、信託業等）以及各類企事業單位對資產管理和投資分析人才迅速增長的需求，提高從事資產管理、金融市場投資、財富管理和養老金策劃、社會保障等領域在職人員的專業理論水平，尤其是運用量化投資方法進行資產管理，對外經貿大學特開設金融學專業資產管理與量化投資方向在職研究生課程，旨在培養復合型專業化人才。 資產管理已經成為我國金融市場的發展創新的重要領域，許多金融機構紛紛成立專門的資產管理公司以滿足社會發展的需求，而資產管理不僅需要對於各類型資產的了解、應用，更重要的是基於經濟金融的生態環境的變化進行綜合的、動態的資產管理。
學員通過資產管理與量化投資方向的專業學習，不僅可以掌握運用金融產品及投資理論進行資產管理的方法和技術，而且可以通過不同金融市場的實務操作、案例分析、專題講座了解現代資產管理的應用，掌握運用量化技術進行投資、融資、資產負債管理、財富管理的手段，為從事資產管理領域的工作提供必要的准備。 1、隨著國際國內金融市場的發展，現階段資產管理已經成為我國金融市場發展創新的重要領域；
2、加大資產管理業務是金融行業擴大資產規模，增加收益的最好選擇；
3、資產管理是企業追求長期穩定收益的必然選擇；
4、資產管理是普通投資人（家庭、個人投資理財）最受益的選擇方式；
5、資產管理是規範金融市場的有效途徑，極大的降低市場的波動率；
6、資產管理業務是金融從業人員的激勵和動力，促使金融從業人員優勝劣汰，優化金融團隊；
7、政府支持、政策支撐：資產管理為社會、金融業、企業、個體等均帶來巨大收益，自2012年開始政府大力支持，對其放寬政策，目的就是將此項業務堅定不移的開展下去。
報名條件：
1、從事社會工作三年以上的大專學歷者；
2、大學本科畢業三年，並獲得學士學位，可申請金融學專業經濟學碩士學位。 按照對外經貿大學金融學專業碩士研究生培養方案，根據資產管理與量化投資方向的具體情況實施課堂教學。
學位課程：
微觀經濟學 宏觀經濟學 財政學
國際經濟學貨幣銀行學 社會主義經濟理論
資產管理模塊：
投資組合與基金管理 固定收益與信託產品投資
保險規劃與財稅規劃 衍生產品與另類投資
量化投資模塊：
金融工程與量化投資 技術分析與高頻交易
金融統計與計量 統計套利與程序交易
金融市場、財務策劃模塊：
金融市場實務 理財規劃實務
金融風險管理 財務報表分析 1、申請學位按照對外經濟貿易大學研究生部學位辦公室關於以研究生畢業同等學力申請碩士學位的規定辦理。所交學費不包括進入論文階段後的費用。
2、報名參加研究生課程進修班學習的人員，可在報名時提出以研究生畢業同等學力申請碩士學位。
3、國家統一組織的英語和經濟學學科綜合水平考試，由我院協助學員到研究生部辦理手續，費用按規定由學員交納。
4、我院將為學員安排教師進行學位論文的指導。

⑹ 量化投資一般需要自己親自計算嗎

這個需要自己編程的，目前一般是機構投資者和個人專業投資者用

⑺ 應聘量化投資工作需要哪些技術

• 強烈的興趣

想做好一件事情沒有興趣也只是三天打魚兩天曬網，最後不得而終，因此需要培養對投資形成強烈的興趣，每根K線的波動能夠刺激你的心臟隨之不斷跳動。

• 學習能力

量化交易是一門跨學科知識，必須有快速地問題解決能力和自學能力，懂得鍥而不舍不斷專研的試錯法。研究生已經具備了較好的學習能力。

• 編程

編程很重要，現在Python是標配，matlab、R拿來做量化的人真的不多。雖然不是做開發，但是基本的簡單編程知識還是要會。想學Python和Pandas，推薦Python基礎教程和《利用Python進行數據分析》，想學編程知識，推薦《 代碼大全 》，這本書沒有什麼代碼，不要為名字所迷惑，不過如果想成為編程高手的話，看了絕不後悔。

看書一定要經典，不經典的書簡直就是浪費生命，這三本書如果不想買，網上電子版肯定是很多的，話不多說。

• 量化知識

很多程序員開始轉量化，但是金融知識和量化知識不夠。經典的重要性在此顯得更為重要，編程的書籍不看經典的我也能進步，可能會慢點，但是量化金融知識不看經典的書，那麼可能就會南轅北轍，甚至影響到投資的整個生涯，不對，走偏了的話，就無生涯可談。

投資的基礎知識，比如股票債券基礎知識，先來看看滋維博迪的《投資學（原書第9版）》([美]滋維·博迪（Zvi Bodie）

再來一本干貨，很多國內外研究生教程，介紹的更多的是衍生品，約翰赫爾的《期權、期貨及其他衍生產品（原書第9版）》([加]約翰·赫爾（John C.Hull）)

期權這么火，推薦 麥克米倫的《金融期貨與期權叢書：期權投資策略（原書第5版）》([美]勞倫斯 G.麥克米倫（Lawrence G.McMillan）)

想知道公募基金大佬如何做股票？李騰翻譯的大作奉上，主動投資組合管理 創造高收益並控制風險的量化投資方法(原書第2版)

想知道私募基金怎麼搞交易的？交易中有哪些技巧？以及如何在量化中走彎路？推薦 范撒普的通向財務自由之路，這可不是一本關於財務分析、會計理論的書籍，真正理解了裡面的思想，資金管理、風險控制你就不會糾結。

現在中產壓力這么大，那麼多人有中年職業危機，想知道怎麼把交易當做全職？推薦 埃爾德以交易為生，他可是將自己如何轉行交易，並以交易作為自己的終身職業的心歷路程和盤托出。

• 英語

你可以不說英語、聽不懂英語，但最好是要看的懂英語，編程的原生環境是英語，quora、stackoverflow、github也是要求英語閱讀能力，要是想用機器學習、深度學習做量化，那麼多paperarticle都是英語，讀不懂怎麼做的好？本來是談量化入門，但好像談到量化進階了。

• 交易

沒有途徑，實戰是最好的方法。確實不行，模擬交易也可以。

量化交易以思想為本，工具為用，路子不能走偏。

• 快速迭代

類似於實驗，都是需要成千上萬反反復復的檢查、測試。在此，講到了實驗的快速開發和迭代，那麼就順便給個傳送門：BigQuant - 人工智慧量化投資平台.，人生苦短，一定要快速迭代，縮短策略開發生命周期。因為你的想法上千個，可能只有幾個有價值。

⑻ 什麼是量化投資——數量化投資與程序化交易

2010-11-02 14:49:32 作者： 來源：永安期貨 瀏覽次數：0 量化投資，簡單地說，就是利用數學、統計學、信息技術的量化投資方法來管理投資組合。數量化投資、程序化交易、演算法交易、自動化交易以及高頻交易都是數量化交易的特定方式， 其描述內容的側重點各有不同。數量化交易應用IT技術和金融工程模型偶那個幫助投資者指定投資策略、減少執行成本、進行套利和風險對沖。數據、速度、風險管理是數量化交易系統建設中的關鍵問題。期貨市場的數量化自動交易模型正逐步由投資者編制自用，演變為有一定規模的投資咨詢顧問組成的專業團隊參與。 程序化交易，也可稱之為系統交易或演算法交易，設計人員將市場常用之技術指標，利用電腦軟體將其寫入系統中，結合市場歷史數據，分析和組合各種指標建立數學模型，將交易策略系統化。當交易策略的條件滿足時，程序化系統自動發出多空訊號，並且有效掌握價格變化的趨勢，讓投資人不論在上漲或下跌的市場行情中，都能抓住交易策略，進而賺取波段獲利。程序化交易的操作方式不求賺取誇張利潤，只求長期穩健的獲利，於市場中成長並達到財富累積的復利效果。經過長時期操作，年獲利率可保持在一定水準之上。 程序化交易又是一種個性化交易，每個投資者（或機構）都可以根據自己的投資經驗和智慧，編寫自己的交易模型，進行電腦自動交易。交易模型是交易思想的凝練和實際化，正確的交易思想在嚴格的操作紀律實行下將獲得良好、穩定的投資收益，而通過交易模型正是將正確的交易思想與嚴格的操作紀律很好地結合在一起，幫助人們獲取良好、穩定的投資收益。程序化交易在投資實戰中不僅可以提高下單速度，更可以幫助投資者避免受到情緒波動的影響，消除交易時人性的恐懼、貪婪、遲疑及賭性等情緒，實現理性投資。設計出色的程序化系統可以確保廣為流傳的交易成功三項基本原則的順利實施：順應市場趨勢、控制虧損交易、做足盈利交易。總而言之，模型策略的出色設計、資金的有效風險控制、行情交易軟體的穩定可靠、數據的及時流暢以及下單速度的快捷,組成了優秀的程序化交易系統，它是量化投資的一種具體實現途徑。上傳：錢文

⑼ 什麼是量化投資怎麼理解量化

私募排排網為您解答：
量化投資，簡單說就是利用計算機技術和數學模型去實現投回資策略的答過程。根據上面的定義，理解它的話，咱們只要記住3個關鍵詞：
數學模型：需要數學公式或模型進行計算;
計算機技術：用計算機來進行自動化交易;
投資策略：將這種方法形成一種慣用投資策略。

⑽ 量化投資

沒有你想的書

我多年來都有關注這方面的書 可是也沒有在國內找到

數量化投資是將投資理念及策略通過具體指標、參數的設計，體現到具體的模型中，讓模型對市場進行不帶任何情緒的跟蹤；相對於傳統投資方式來說，具有快速高效、客觀理性、收益與風險平衡和個股與組合平衡等四大特點。量化投資技術幾乎覆蓋了投資的全過程，包括估值與選股、資產配置與組合優化、訂單生成與交易執行、績效評估和風險管理等，在各個環節都有不同的方法及量化模型：

一、估值與選股

估值：對上市公司進行估值是公司基本面分析的重要方法，在「價值投資」的基本邏輯下，可以通過對公司的估值判斷二級市場股票價格的扭曲程度，繼而找出價值被低估或高估的股票，作為投資決策的參考。對上市公司的估值包括相對估值法和絕對估值法，相對估值法主要採用乘數方法，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；絕對估值法主要採用折現的方法，如公司自由現金流模型、股權自由現金流模型和股利折現模型等。相對估值法因簡單易懂，便於計算而被廣泛使用；絕對估值法因基礎數據缺乏及不符合模型要求的全流通假設而一直處於非主流地位。隨著全流通時代的到來和國內證券市場的快速發展，絕對估值法正逐漸受到重視。

選股：在當前品種繁多的資本市場中，從浩瀚復雜的數據背後選出適合自己投資風格的股票變得越加困難。在基本面研究的基礎上結合量化分析的手段就可以構建數量化選股策略，主流的選股方法如下：

資產配置方法與模型
資產配置類別 資產配置層次 資產配置方法 資產配置模型
戰略資產配置 全球資產配置 大類資產配置 行業風格配置 收益測度 風險測度 估計方法 馬克維茨 MV 模型 均值 -LPM 模型 VaR 約束模型 Black-Litterman 模型
戰術資產配置 ( 動態資產配置 ) 周期判斷 風格判斷 時機判斷 行業輪動策略 風格輪動策略 Alpha 策略 投資組合保險策略

基本面選股：通過對上市公司財務指標的分析，找出影響股價的重要因子，如：與收益指標相關的盈利能力、與現金流指標相關的獲現能力、與負債率指標相關的償債能力、與凈資產指標相關的成長能力、與周轉率指標相關的資產管理能力等。然後通過建立股價與因子之間的關系模型得出對股票收益的預測。股價與因子的關系模型分為結構模型和統計模型兩類：結構模型給出股票的收益和因子之間的直觀表達，實用性較強，包括價值型(本傑明·格雷厄姆—防禦價值型、查爾斯·布蘭迪—價值型等)、成長型(德伍·切斯—大型成長動能、葛廉·畢克斯達夫—中大型成長股等)、價值成長型(沃倫·巴菲特—優質企業選擇法、彼得·林奇—GARP價值成長法等)三種選股方法；統計模型是用統計方法提取出近似線性無關的因子建立模型，這種建模方法因不需先驗知識且可以檢驗模型的有效性，被眾多經濟學家推崇，包括主成分法、極大似然法等。

多因素選股：通過尋找引起股價共同變動的因素，建立收益與聯動因素間線性相關關系的多因素模型。影響股價的共同因素包括宏觀因子、市場因子和統計因子(通過統計方法得到)三大類，通過逐步回歸和分層回歸的方法對三類因素進行選取，然後通過主成分分析選出解釋度較高的某幾個指標來反映原有的大部分信息。多因素模型對因子的選擇有很高的要求，因子的選擇可依賴統計方法、投資經驗或二者的結合，所選的因子要有統計意義上或市場意義上的顯著性，一般可從動量、波動性、成長性、規模、價值、活躍性及收益性等方面選擇指標來解釋股票的收益率。

動量、反向選股：動量選股策略是指分析股票在過去相對短期的表現，事先對股票收益和交易量設定條件，當條件滿足時買進或賣出股票的投資策略，該投資策略基於投資者對股票中期的反應不足和保守心理，在投資行為上表現為購買過去幾個月表現好的股票而賣出過去幾個月表現差的股票。反向選股策略則基於投資者的錨定和過度自信的心理特徵，認為投資者會對上市公司的業績狀況做出持續過度反應，形成對業績差的公司業績過分低估和業績的好公司業績過分高估的現象，這為投資者利用反向投資策略提供了套利機會，在投資行為上表現為買進過去表現差的股票而賣出過去表現好的股票。反向選股策略是行為金融學理論發展至今最為成熟，也是最受關注的策略之一。

二、資產配置

資產配置指資產類別選擇、投資組合中各類資產的配置比例以及對這些混合資產進行實時管理。資產配置一般包括兩大類別、三大層次，兩大類別為戰略資產配置和戰術/動態資產配置，三大層次為全球資產配置、大類資產配置和行業風格配置。資產配置的主要方法及模型如下：

戰略資產配置針對當前市場條件，在較長的時間周期內控制投資風險，使得長期風險調整後收益最大化。戰術資產配置通常在相對較短的時間周期內，針對某種具體的市場狀態制定最優配置策略，利用市場短期波動機會獲取超額收益。因此，戰術資產配置是在長期戰略配置的過程中針對市場變化制定的短期配置策略，二者相互補充。戰略資產配置為未來較長時間內的投資活動建立業務基準，戰術資產配置通過主動把握投資機會適當偏離戰略資產配置基準，獲取超額收益。

三、股價預測

股價的可預測性與有效市場假說密切相關。如果有效市場假說成立，股價就反映了所有相關的信息，價格變化服從隨機遊走，股價的預測就毫無意義，而我國的股市遠未達到有效市場階段，因此股價時間序列不是序列無關，而是序列相關的，即歷史數據對股價的形成起作用，因此可以通過對歷史信息的分析來預測股價。

主流的股價預測模型有灰色預測模型、神經網路預測模型和支持向量機預測模型(SVM)。灰色預測模型對股價的短期變化有很強的預測能力，近年發展起來的灰色預測模型包括GM(1, 1)模型、灰色新陳代謝模型和灰色馬爾可夫模型。人工神經網路模型具有巨量並行性、存儲分布性、結構可變性、高度非線性和自組織性等特點，且可以逼近任何連續函數，目前在金融分析和預測方面已有廣泛的應用，效果較好。支持向量機模型在解決小樣本、非線性及高維模式識別問題中有許多優勢，且結構簡單，具有全局優化性和較好的泛化能力，比神經網路有更好的擬合度。

四、績效評估

作為集合投資、風險分散、專業化管理、變現性強等特點的投資產品，基金的業績雖然受到投資者的關注，但要對基金有一個全面的評價，則需要考量基金業績變動背後的形成原因、基金回報的來源等因素，績效評估能夠在這方面提供較好的視角與方法，風險調整收益、擇時/股能力、業績歸因分析、業績持續性及Fama的業績分解等指標和方法可從不同的角度對基金的績效進行評估。

績效評估模型 / 指標

績效評估准則
擇時 / 股能力
業績歸因分析
風險調整收益
業績持續性
Fama 業績分解

模型 / 指標
T-M 模型

H-M 模型

GII 模型

C-L 模型
資產配置收益

證券選擇收益

行業選擇收益

行業內個股選擇收益
RAROC

Sharp, Stutzer

Treynor, Jensen

, ,
雙向表分析

時間序列相關性
總風險收益

系統風險收益

分散化投資收益

五、基於行為金融學的投資策略

上世紀50～70年代，隨著馬科維茨組合理論、CAPM模型、MM定理及有效市場假說的提出，現代金融經濟學建立了一套成熟的理論體系，並且在學術界占據了主導地位，也被國際投資機構廣泛應用和推廣，但以上傳統經濟學的理論基石是理性人假設，在理性人假設下，市場是有效率的，但進入80年代以後，關於股票市場的一系列研究和實證發現了與理性人假設不符合的異常現象，如：日歷效應、股權溢價之謎、期權微笑、封閉式基金折溢價之謎、小盤股效應等。面對這些金融市場的異常現象，諸多研究學者從傳統金融理論的基本假設入手，放鬆關於投資者是完全理性的嚴格假設，吸收心理學的研究成果，研究股市投資者行為、價格形成機制與價格表現特徵，取得了一系列有影響的研究成果，形成了具有重要影響力的學術流派－行為金融學。

行為金融學是對傳統金融學理論的革命，也是對傳統投資實踐的挑戰。隨著行為金融理論的發展，理論界和投資界對行為金融理論和相關投資策略作了廣泛的宣傳和應用，好買認為，無論機構投資者還是個人投資者，了解行為金融學的指導意義在於：可以採取針對非理性市場行為的投資策略來實現投資目標。在大多數投資者認識到自己的錯誤以前，投資那些定價錯誤的股票，並在股價正確定位之後獲利。目前國際金融市場中比較常見且相對成熟的行為金融投資策略包括動量投資策略、反向投資策略、小盤股策略和時間分散化策略等。

六、程序化交易與演算法交易策略

根據NYSE的定義，程序化交易指任何含有15隻股票以上或單值為一百萬美元以上的交易。程序化交易強調訂單是如何生成的，即通過某種策略生成交易指令，以便實現某個特定的投資目標。程序化交易主要是大機構的工具，它們同時買進或賣出整個股票組合，而買進和賣出程序可以用來實現不同的目標，目前程序化交易策略主要包括數量化程序交易策略、動態對沖策略、指數套利策略、配對交易策略和久期平均策略等。

演算法交易，也稱自動交易、黑盒交易或無人值守交易，是使用計算機來確定訂單最佳的執行路徑、執行時間、執行價格及執行數量的交易方法，主要針對經紀商。演算法交易廣泛應用於對沖基金、企業年金、共同基金以及其他一些大型的機構投資者，他們使用演算法交易對大額訂單進行分拆，尋找最佳路由和最有利的執行價格，以降低市場的沖擊成本、提高執行效率和訂單執行的隱蔽性。任何投資策略都可以使用演算法交易進行訂單的執行，包括做市、場內價差交易、套利及趨勢跟隨交易。演算法交易在交易中的作用主要體現在智能路由、降低沖擊成本、提高執行效率、減少人力成本和增加投資組合收益等方面。主要的演算法包括：交易量加權平均價格演算法(VWAP)、保證成交量加權平均價格演算法(Guaranteed VWAP)、時間加權平均價格演算法(TWAP)、游擊戰演算法(Guerrilla)、狙擊手演算法(Sniper)、模式識別演算法(Pattern Recognition)等。

綜上所述，數量化投資技術貫穿基金的整個投資流程，從估值選股、資產配置到程序化交易與績效評估等。結合量化投資的特點及我國證券市場的現狀，好買認為量化投資技術在國內基金業中的應用將主要集中在量化選股、資產配置、績效評估與風險管理、行為金融等方面，而隨著包括基金在內的機構投資者佔比的不斷提高、衍生品工具的日漸豐富(股指期貨、融資融券等)以及量化投資技術的進步，基金管理人的投資策略將會越來越復雜，程序化交易(系統)也將有快速的發展。