量化交易员是做什么的(方三文对话郭学文|量化不是“神仙”，也不是“大坏蛋” _ 东方财富网)
方三文对话郭学文|量化不是“神仙”，也不是“大坏蛋” _ 东方财富网
在今年的A股环境下，量化以较为稳定的赚钱能力而迅速走进大众投资者的视野，而在同样的市场环境下，主观等传统的投资却表现平平。一时间，市场对于量化投资充满争议，有人认为它是“神仙”，无所不能，也有人认为它是“坏蛋”，降维打击、收割散户。
在雪球出品的投资类专业对话栏目《方略》的最新一期中，雪球创始人、董事长方三文对话百亿量化私募——茂源资本的创始人、CEO郭学文，郭学文作为量化领域的资深从业者，回应了外界对于量化的争议，也为普通投资者了解量化投资建立了基本的认知框架。
以下是《方略》第五期对话文字版全纪录：
01.
方三文：量化是不是包赚不赔的？
郭学文：最近监管及市场都对量化投资比较关注，说明量化投资已经变成一种主流的投资方式。
什么叫量化投资？比如计算机下单，是不是量化投资？你想想公募今天要买多少股票，每一只股票买几个亿，他找券商说我要买这个股票，我几点钟到几点钟买，然后一天买完。券商的系统做什么？去给他拆单，拆成9:30下一个单，9:35下个单，类似这样，一天把它给买完。公募下单的执行是程序化交易，私募自然也是这样的，量化更是这样的了。但是程序化下单不能算是量化投资。
量化投资是一种决策机制，是决定买什么股票。是不是用模型就是量化，不用模型就不是量化？实际上也不是。主观实际上也用基本面的数据，也用量价的数据，也做模型，它分析的也不比量化差哪里去。那么它们真正的区别在哪里？
量化和主观真正的区别实际上只有一条，量化是模型说了算的。主观要基金经理判断相信哪个模型或者相信哪个模型结论里面的哪一部分，去再做一次判断；量化的结果出来，我就信你了，实际上是没有投资经理的，直接就去执行了。
这样的结果实际上导致主观和量化的行为方式有很大的变化。一个基金经理能看多少股票？看三五十只算多了，因为对这些公司得有深入了解，不能是泛泛地看一看。量化不存在这个问题，我买100只股票也是它，买1000只股票也是它，只要模型决定这些股票是合适的，那就去买。一般资金量越大，买的股票数越多，像我们都买到上千只股票了，基本上买了市场的1/3。
大家对于量化一是神话了，二是妖魔化了，实际上我们最需要的是去神秘化。量化没什么了不起的，它就是一个通过对历史数据的分析，找出一些统计规律。有个词叫统计套利，就是这个意思，过去一年、过去五年按这个规律买是成立的，估计明天也是成立的，那我明天就按着规律买。正常情况可能是成立的，如果不成立，那就说明出现转弯了，就是一些量化交易出现回撤了。
所以量化交易不是稳赚不亏的。历史统计规律不一样了，这一天就可能亏钱了，有点像一艘船在海里走一样，它转弯可能还是要花点时间的，第二天说不定还亏钱，可能也连续亏一段时间，但过一阵它又转过来了，转过来之后这个市场可能就到了另外一种相对稳定的状态，它逐步也就跟上了。
方三文：您觉得量化投资的核心是交易的决策和执行，是完全依赖于系统，而不依赖于人的主观判断，是吧？
郭学文：决定买什么是由模型决定的，它是最后的决定，而不是人为再去判断一下，这应该是最核心的。
方三文：核心就是选股是系统的，像是无人驾驶？
郭学文：差不多。
方三文：我以开车为例，开车可以依赖各种辅助系统，比如探测跟前车的距离和旁边车的相关速度，从而决定采取什么样的行为，甚至把选择行驶哪个车道的决策权阶段性交给系统，但是我随时保持接管的权力。这是量化交易吗？
郭学文：接管是没问题的，关键是如果有一个功能，可以随时停止它、取代它或者修改它，这就不是量化交易了。你作为一个司机，实际上就是基金经理，如果设定一个到哪里去我就不管了，睡觉了，这就是量化交易了。如果说我还得看着它，你觉得它搞错了的时候就给它改过来，这就是主观了。
方三文：虽然量化交易选股是完全由系统来决定的，但是选择哪个系统，开发哪个系统，是不是还是人来决定？
郭学文：对。实际上量化交易的程序都是人做出来的，只不过人的分工不同，有些人是做模型的，模型就找这些统计规律，一般我们叫因子。比如说市盈率低的股票应该是好股票，因为它便宜；增长率高的股票可能是好股票，因为它未来的收益应该更高，这两个都叫因子，把这两个合起来，市盈率又低增长又快的，估计是好股票，类似这种就叫因子。
方三文：2007年10月，华尔街因为市场剧烈波动，大部分量化机构阶段性地停止了模型的运转，这是不是属于一个接管行为？
郭学文：这属于风控的一部分，风控是凌驾在所有东西之上的。比如自动驾驶在行驶过程中人不去干预，但是会设定一些条件，如果触发了什么条件就直接停了，这就属于风控条件。如果市场出现了巨大的波动，历史上没出现过或者就出现过一两次的巨大波动,太不常规的这种情况,模型根本没办法学习的情况，最好的办法就是停了。
但是停了之后怎么办也是早设计好了的，比如我要对冲市场，使我的暴露降到最低，这些都是设计好的。一个是合规，一个是风控。合规是做一些规则方面的事，风控是掌握一些不可预测的事件。没有发生的事是没有办法统计的，我们就会通过这个机制来防止市场出现完全没有办法理解的情况下出现重大损失。
方三文：因此从上述情况，量化不排除人行使最终的监管权，对吧？
郭学文：实际上是不能依赖人的反应的，是机制里面包括模型停止运行，到什么情况就不运行了，或者什么情况之下就把所有的仓位都清掉，这都是有可能的，但这种事情国内还没发生过，2008年国外的极端情况也不是一天发生的，而是很多个交易日的结果，因此情况可能也不至于太离谱。
方三文：量化交易停止的决策也是系统自己做的吗？
郭学文：这个也可以人来做。每个公司都有投委会，在极端市场环境下，如果没有达到系统设定的标准，但是事情已经完全超出了我们的预期，弄不明白是怎么回事，最好的办法就是把它停了。
方三文：接管率是衡量自动驾驶水平高低的一个重要指标，这个对于量化是不是大体一样？
郭学文：量化交易比现在的自动驾驶成熟很多。量化交易中的人工干预不是说由人重新拍板股票买卖，变回主观。而仅仅体现在极端市场环境下人可以决定不做了，但是这种事情非常少发生，或者实际就没有发生过。过往复杂市场环境也经历过，但还没有出现我们完全不能理解的状况。
方三文：我总结一下您对量化交易的定义：选股完全是依赖系统；系统的运行，在极端市场环境下人有权决定是否停止。衡量交易系统是否成熟的一个核心指标，是接管的比例，是吧？
郭学文：对，但这里所谓的接管是从技术层面来看，我们叫策略的运行。维持一个稳定正常的运行是一个好的状态，如果需要强制让它停止就是一个不好的状态，不成熟的状态。但这和策略是否赚钱没有关系，因为赚不赚钱涉及到市场竞争。量化交易和自动驾驶有一个非常明显的区别，就是自动驾驶学习的规律不怎么变，学会后不会改变其他车的行驶。
地球围绕太阳转，你不知道的时候它是这样，你知道的时候它还是这样，这意味着你知不知道对它的行为没有影响。但是量化投资对市场是有影响的，你去买，东西就会变贵，你卖，东西就会变便宜，买得多，很可能直接打到涨停板。所以你做交易，会影响市场，别人的行为也会影响市场，这意味着你原来的策略可能过一阵就不行了，它是一个动态的过程。
量化研究是很苦的，我们叫一种生活方式，你需要不断去寻找新的东西，因为你现在知道的东西在未来不久可能就会失效了。
方三文：你们捕捉到的哪一类型的因子是比较多的？是市盈率低的或者说增长率高的的因子，还是市场中股价变动的因子？
郭学文：市盈率、盈利增长率、销售增长率这些，都叫基本面因子，这些数据从报表上，如公司的年报、季报、月报都能看出来。这是量化研究用的其中一类。
另外一类叫量价，就是价格交易量这些。还有另类数据，类似新闻类的公司公告、行业的发展情况、第三方家电的销售量，不属于量价和基本面。这些数据都是有用到的。
量化研究非常有意思的是，它研究的规律不是静态的，比如移动平均线无效了，又有人发明一个MACD，再把交易量加进去，使得这个策略更加有效，赚到了钱，然后又被别人发现。如果模型大致是静态的，它就会逐步失去竞争力，因为书本上或者报告里出现的因子可能都基本失效了，你还拿这些来作为决策依据，自然是有问题的。
方三文：我想了解一个更底层的东西，找因子或者是建模型，可能包括两种情况：一种方法是归纳，另一种是演绎。是不是大部分的动态因子你不需要追求所以然，只要看到这个现象就ok？
郭学文：这里面有两种，一种叫有逻辑的因子，就是你说的有演绎的，有逻辑的因子，你非常清楚这个东西是什么。之前大部分因子都是有逻辑的因子。现在更多会用到一些并不特别清楚逻辑的因子，只要在统计上有意义，电脑可以自动地挖掘出来。
方三文：我简单归类，能逻辑归因的，我们管它叫白盒策略，不能逻辑归因的，我们管它叫黑盒策略。现在量化竞争的主要领域，您觉得是在白盒策略还是黑盒策略？
郭学文：分交易周期，预测的时间越长，它就越是偏基本面的，是白盒策略。越偏非常短期的，预测一周、一天、几分钟，基本面因素就没有什么重要性，因为基本面不会变得那么快，实际上更像是如何去捕捉情绪，这种情况白盒的也有，但黑盒策略可能更多。
方三文：判断黑盒策略是否有效，是不是主要依据回测？
郭学文：其中一个是回测，回测是说假定历史上用这个东西去做，结果会是什么样的？看回测结果必须非常谨慎，如果回测说你是不行的，这个策略基本上就是不行的。回测说你是行的，实际也不一定行的，因为回测基本上是叫关公战秦琼，这个策略是现在做出来的，你用它来打去年的市场，你比去年那个时候市场的参与者本事大，所以你比他们都做得好，但是你是要打未来市场的，所以这个事情必须有特别清醒的认识。你的回测并没有资金参与，去年整个的市场量价不会变的，现在你自己的资金量比较大去交易的时候，本身就影响市场了。所以回测是有用的，但也只能作为参考。
所以一个新策略上线前，除了回测外，还会做纸面交易，实际上不下单，而是对不存在的行情跟踪几个月，看曲线是不是和原来的回测差不多，如果趋势差不多的话，证明这个策略还是比较靠谱的。
那接下来可能会用一些小单去交易，主要看能不能达到预期，此后再逐渐增加资金量，这实际也是一个实验的过程。真正全新的策略上线是要非常谨慎的，因为可能发现的根本不是真正的规律，也就是正好碰上了。
方三文：黑盒策略是不追求逻辑上的验证完毕，对吧？其可能来自研究、回测或是小规模的实验，但是对于这个策略将来是否一定奏效，依然是不确定的？
郭学文：白盒策略也是一样的，并不是知道它的逻辑，成功就有了保障。假定一个策略开始实盘后，做的还不错，和原来的曲线斜率是一样的，你觉得这行了，在市场竞争之下，可能哪一天就开始不行了。因为隔壁那家他找出了同样的一个策略，他放了10倍的资金去交易，整个市场资金量就增加了10倍，如果你这个策略本来就支持不了那么大的资金量，那策略就失效了。一个策略的失效与否和整个市场中与该策略比较接近的策略的交易资金量是有关系的。
所以任何策略都有可能到某一个时候突然就失效了，这个时候需要去判断是市场的正常波动，还是说这个策略真正失效了，这可能是最难掌握的一个东西。
方三文：一个黑盒策略，比如说过去回测有效，但也不敢百分百保证它一直运行有效，总体上都是有个概率和周期？
郭学文：策略的失效应该是一个单独的题目，是市场竞争、市场环境改变的一个结果。一个策略做出来肯定是要等着失效的，一定会在未来的某个时候失效，就看市场中别人什么时候做出一个策略来，或者说是市场发生大的变化，比如说小盘股或者整个市场突然变得非常不活跃，原来是1万亿的交易量，现在变成3,000亿交易量，是不是对有的策略影响很大，这是可能的。
所以市场环境是一部分影响因素，再就是竞争，别人有类似的策略做出来了，使得市场上策略容量支持不到这么大的资金量，实际上大家的业绩都会下来的。一个比较典型的例子，就是2021年第四季度一直延续到2022年，2021年的整个高频高换手，每天换手率大概百倍以上的这些策略，因为业绩在2021年上半年表现特别好，资金量增长特别多，市场支持不了这么大资金量，整个市场就出现回撤，高换手的绩效就变得不行了，2022年上半年肯定都是不行的，下半年资金撤出来逐渐恢复到正常的状态。这倒与黑盒和白盒没有直接关系，我们没有看到白盒一定是更可靠的。
但一个策略在实盘之前，在进行纸面交易时肯定是需要特别谨慎的。
方三文：相对于传统的主观投资方法，您觉得量化的投资方法优势主要在什么地方？
郭学文：量化相对于主观有几个比较明显的优势。主观基金经理只能看这么少的股票，视野是有限的，量化可以全市场选股票，所以量化的优势挺明显，选的股票多，稳定性肯定会好。选一只股票如果跌停影响很大，选1000只股票有一只股票跌停也没那么大关系。
量化能够做的决策时间可以更短，比如说每天都可以选股票，而主观持仓周期相对较长。量化可以每天看一看，调一小部分，然后明天再看一看再调一小部分，机器不知疲倦，如果算不过来可以再增加机器，这些事情都是相对比较好解决的问题，如果主观要增加人手并不是那么容易的。
再有一个我觉得可能是核心问题：一个主观基金经理是习惯一种市场状态的，或者说对一个赛道特别熟悉，是一个相对固定的思考方式。而量化的思想就是因子都会被消灭的，需要不断找新的，是动态的，假定这个市场是不断在变化的。
量化讲求大团队的分工协作，需要很多人在一起有效分工才能做得好，它不是一个人本事大就能够做好的，主观往往还真是基金经理本事大，就可以做好。所以量化可以有很大的团队，主观实际上很难有非常大的团队在一起工作的，往往团队大了，做的好的那一组可能自己独立出去了，因为他出去也做得一样好。这是一个商业模式问题，和交易本身是没有关系的。
所有这些东西加在一起，使得主观和量化竞争时会有一定的压力。但总体来讲，主观和量化赚的钱是不一样的。主观赚的钱大致上是赛道，比如大消费、新能源这都是赛道，而量化交易讲究非风格收益，也就是不选赛道的，行业做大致均衡的配置，我是一个500增强，我就按照500的指数来配这些行业。
如刚才所讲，量化参与交易本身就会影响市场，市场变了，可能以前主观用的因子就失效了，从这个角度来讲，你可以认为量化对主观间接地产生了影响。另外，量化基本上都是满仓的，大市升跌肯定是有资金进出的，因此大市升跌和量化应该没有直接关系。大市大跌，应该是赖不到量化的。
总体来讲，你可以看到量化和主观相比还是有一些明确优势的，但是主观有信息优势，这也是一个很大的优势。量化用的全部是公开的资料，比如说听到中央政策有改变，量化都不知道该怎么用这个东西，我还是满仓，还是要保持大致的行业配置。主观去调研，得到上市公司一手信息，这些方面量化显然是不如他们的。
方三文：按您刚才的总结，量化最大的优势是因为机器选股范围更大，主观的基金经理在个股上的决策颗粒其实是变小了，量化它的决策周期更短，在时间上的颗粒度也变小了，是吧？
郭学文：量化有不同周期的模型，我们一般叫预测周期，预测明天，换手率稍微高一点是高频；预测一周就是中频；预测一个月或者一个季度就是低频了，预测一个月的大概和主观的交易周期有点像了。
量化不一定是换手率高的，只不过国内量化最早做起来的时候，预测周期比较短一些，换手率可能一年上百倍的都有。随着私募基金的资金量增大，它实际上是往更低换手的方向走。现在整个市场的换手率，私募可能都得降到10%这个水平，一年也就是二三十倍的换手率，逐步和主观看齐了。
方三文：这两个优势其实也可以用传统的投资组合理论就是来解释的，因为你颗粒小了，其实是更分散了，应该是提高了稳定性，对吧？
郭学文：对的，这个是肯定的。
方三文：还有您说的量化能够动态适应市场变化，以及发挥人跟人的协作。这是您对量化优势的总结，大概是这样？
郭学文：你总结的非常好。
方三文：回到最开始的问题，是不是量化就真能够实现稳赚不赔，或者说实现这种高收益、低回撤、高流动性的这种不可能三角？
郭学文：答案肯定是否定的。因为量化本质上是统计套利，是统计过往的规律，量化实际上是不看未来的。量化亏损可以在两个方面，第一，既然是统计规律，60-70%概率成立，总还有30-40%不赚钱的时候，统计规律总归是一个比例，必然存在一种情况可能有些天、有些周、有些月是亏损的。
此外，市场是在变的，模型是对过去市场的理解，如果下一年和过往完全不同，它肯定有一段时间就糊涂了，做的预测都是错的。市场出现比较大的变化的时候，往往也是量化出现回撤的时候，所以量化不是稳赚不赔的，世界上没有稳赚不赔的投资。
量化买的股票多，稳定性更好。那买的股票多是不是收益更高？实际上不是的，如果全市场都买了肯定就没超额了。量化是适合资管的，因为它比较稳定。主观选的股票比较少，有可能赚很多钱，也有可能亏很多钱，不同年份可能不稳定，量化的可持续性相对要好许多。
量化过去业绩好，说明是有做模型研究和执行能力的，团队是有足够好合作的，才能产生这么一个东西，要不然买这么多只股票不大容易产生超额的。如果今年这个能力是继续存在的，今年产生超额的机会也是不小的，是有比较好可预见性的。过往业绩不代表未来业绩，但是过往的业绩可以说明你的能力，市场变化不太大的时候，你的能力是可以得到延续的。
方三文：您认为总体而言量化的稳定性比较好，是一个比较好的资管模式，对吧？
郭学文：对。
方三文：我想举一个例子，美国长期资本管理公司，这个公司有两次创业的历史，两次创业的历史基本上都一模一样，前面几年高回报、低回撤，非常稳定，然后崩掉了，您觉得这里面是哪个环节出了问题？
郭学文：他们成功和失败实际上是同一个东西，总体来讲是高估了自己的能力，因为他们做的特别成功，所以那些券商、银行给他们特别高的杠杆，他们用到200倍的杠杆。假如一家不是那么成功的公司，200倍杠杆也没人借给你。他们过往的业绩那么好，波动那么小，但是未来的波动一定比你想象的要大。
实际上他们在一次破产之后，整个公司卖给了美林，美林赚了很多钱，因为LTCM（美国长期资本管理公司）它当时是一个流动性问题导致它们负资产了，交易上不允许负资产，别人马上把它清盘了，清盘的话券商会亏很多钱，因此让别人收购它，掏钱进来补了这个漏洞，然后过了没多久就又赚了很多钱。所以他们的问题是一个风控的问题，你别觉得自己本事大，觉得自己本事大，离出事就不远了。不过咱们国家的监管机制下这类问题倒是比较难出的。
方三文：他们的问题是不是可以这样概括为基于低概率事件和高杠杆率这两个事情？
郭学文：对。有一个说法就是尾部风险。一般做分析都弄个正态分布，你算出来的风险正态分布100亿年也出不了一次，但那都是自欺欺人的，它出问题的几率比想象中要大很多个量级。金融市场没有正态分布，长尾风险是非常真实的。所以要正确认识风险，尤其在使用杠杆时。
方三文：长尾风险或者低概率事件跟高杠杆碰上，量化可能最容易出问题，我们可以举个例子，比如所谓百年一遇的洪水，今年发了要100年之后才会发，其实不一定，可能明年又发了,是吧？
郭学文：回测就是基于历史的数据，1923年-2023年，这就是百年，我们看看这里面最大的洪水是什么，这洪水我们能挡得住，这就是百年一遇了，但你怎么知道明年的洪水会不会更大?未来和过去是不一样的，所以当下是百年一遇，你也不能断言下一次是未来一百年，我哪知道未来一百年水有多大。所谓的百年一遇，它肯定不是百年一遇，因为它是基于对过往的总结，而未来一定和过往是不一样的。比如洪水问题肯定和气候变化有相当大的关系。
基于历史数据用了不正确的模型，不正确的模型基本上假定是一个正态分布，这对风险的评估是远远不够的，在金融里面这是要非常谨慎的。百年一遇你就当成每年都出现对待，可能就差不多。
方三文：您觉得概率和杠杆碰到一起会出问题，但国内对杠杆的监管其实一定程度上是降低了这种风险发生的概率是吧？
郭学文：实际上是双刃剑，一是降低了风险发生，第二也影响了市场的活跃度，最近降低证券融资保证金比例也是在这两者之间做的一次微调。
方三文：量化作为资产管理机构来说，它可以努力的是什么？它应该在哪些方面建立自己的优势或者是核心竞争力呢？
郭学文：我刚才有讲到大规模团队合作的事情，实际上量化机构是一个劳动密集型产业。量化除了需要一班聪明的人，还需要团队有合理高效的分工，再就是需要非常好的系统支持，使得分工可以通过系统、数据的交互实现，因此量化对整个支撑体系、IT系统和对公司组织等方面都有很高的要求。由于因子会失效，你的竞争力在哪里？
量化没办法吃老本，不管你现在懂多少，这些东西都是等着失效的，那就需要不停迭代，迭代速度就是一个至关重要的东西。我三个月做出来的，你半年做出来，我三个月做出来就可以去交易了，你半年之后再来交易这些因子说不定就没有了。我怎么能实现3个月，你怎么要6个月？你3个人我6个人，对吧？
方三文：人力资源的投入是吧？
郭学文：对，有效组织、更大的团队，才能实现更快的迭代。当然算力、系统支持都是需要的。量化公司首先是一个公司，它涉及到请什么样的人进来，好的人来你这里怎么能够快速进步，以后本事大了还能不走，任何公司都是需要这些东西的。这个机制就是一个正常的公司管理机制，因为单打独斗时代已经过去了，现在就得有大的组织，还有成体系的培训，各个层级的人才培训输送。
方三文：核心竞争力是因子的寻找或者是模型的开发，然后能力依赖于人力资源的投入和公司的制度，是这么理解吗？
郭学文：你说的对的。核心是不同的人能够有效的分工，而且知识得到叠加。还有公司文化，有的人不喜欢和别人合作，他也没有能力和别人合作。不同的公司在文化上有区别，有的公司提倡合作共享，有的公司可能是个人英雄的，很难说哪家对哪家错。
我们是强调知识共享的。我和大部分做量化私募的老板不一样，我是做企业出身的，他们大多是做交易员出身的，交易员就是明星，公司都捧着他们，对管理的认识可能和我们有较大区别。我们最早开始做量化研究，强调的是多个研究员在一起，能够创造出比他们单个更好的结果，所谓实现“平方级的规模效益”。这是一件不容易的事，你想想一个明星基金经理带几个助手，做起来是不是要简单得多？从实际结果看，我们最开始招的人都不是特别有经验的，但把他们的能力合起来就展现出很好的市场竞争力，虽然即便是好的管理机制实现出来也不容易，但我们还是走过来了，比我们预期的还要顺利许多，组织管理的作用是真实存在的。从现在往前走，更需要大团队联合作战，应该是我们的主场了吧。
方三文：您更喜欢用这种基于协作的现代企业管理制度来管理一个资产管理公司，是吧？
郭学文：是的。
方三文：您觉得您跟其他的量化资产管理机构比，这是一个差异吗？
郭学文：我觉得这是最主要的区别。所有人都有路径依赖，你过往的经验，正面影响你，也在反面影响你。做基金经理出身，优点是懂得这些策略，能够起得比较快，缺点就是没受过管理方面的训练，甚至不觉得管理是一个重要的事情。
我做创业公司出身，自然知道管理的重要性，但我们进股票资管的时间就晚许多年，为什么？因为我没更早地意识到它的重要性，这就是路径依赖，没做过的事情是要付出代价才能学到的，所以我不是说哪一种路径就是好的。
学费也付过了，认知也提升上来了，现在核心能力也初步建立，我们知道自己还缺少哪些方面的能力，就全世界到处跑，看有没有人懂这些的，然后想办法找回来。我们现在一百好几十人，你觉得好像人挺多的，实际上还是不够的，我们需要更多的人，三五百人、上千人，国外好的机构都这样的。除了人员数量的增加，当然还要兼顾质量，滥竽充数是没有任何意义的。
方三文：您的公司架构是有比较庞大团队分工，他们会开发很多的因子和策略，最后实际的产品运行是不是一个多策略同时运行的？
郭学文：实际上大的团队，必然是要分组的，分组做出的信号实际上最终是要合起来的，合成一个统一的信号，统一信号实际上就是一个策略，所以可能到头来就是一个产品里面会有不同类型的策略。
方三文：作为资管产品来说，它实际上是多个策略？
郭学文：实际上是多类的策略，比如现在我们的股票产品，高换手策略和低换手策略同时在里面配置，所有的产品都一样。
方三文：但是高换手、低换手也只是一个分类的层级，是吧？下面可能还是有子策略？
郭学文：这个就更复杂了，当然你可以用研究方法，不同的机器学习模型，高换手有可能分成机器学习模型一、机器学习模型二；低换手实际上也是可以这样的，是不是按单独的策略运行倒是不一定，比如说高换手，我们出了10个模型，这10个模型最终可能是把它的信号全部合起来，实际上是合成一个策略。
方三文：基础因子还是很多的，是吧？
郭学文：基础的因子是很多的，基本上这些因子就合成一个信号。
方三文：最后它有可能合并成一个策略是吧？也可能是并行的策略？
郭学文：对，同一交易频率一样的话，合成同一个策略也是更好的。这实际上是量化研究最核心的理论，多个弱信号合在一起可以生成一个更强的信号。弱信号单独去交易都是赚不到钱的，合起来变成一个强信号去交易是可以的，所以假定我有10个信号，最好的办法是把这10个合起来统一的去交易，而不是单独的去交易。
方三文：在交易那个环节就已经完成了因子的整合，而不是把它割裂成一个个因子导致的交易？
郭学文：合成一个统一的总信号。这总信号实际上也没那么复杂，就是要预测明天市场的这些股票相对于市场的收益率，每天这些股票的超额是多少。
方三文：除了股票品类，这种交易的品种还涵盖了其它的比如说期货、货币这些吗？
郭学文：我们有做期货，实际上我们做期货的时间比股票要长许多，应该是国内做量化期货最早的公司之一了。债券有做，货币没去做，债券有做利率债也就是国债。我们希望变成大公司，覆盖所有可以交易的品种，每一个品种覆盖所有可以交易的策略。比如有10个可能的方向，都有人去跟进，这样的话整个策略当然更丰富，也使得业绩更稳定，一个策略出现回撤的时候，另外一个不见得同时出现回撤。
比如市场成交量很低的时候，对低频策略的影响可能就不是那么大，对高频策略的影响肯能会更大些。影响大的有可能出现回撤，和影响不大的加在一起就会更稳定。所以做成一个长期有竞争力的量化公司，就得覆盖所有可以覆盖的方向，并在每一个方向做到有市场竞争力，这样作为一个资管机构在能力方面就具备了。我刚才说业绩好，说明能力好，能力是这样体现出来的，它能一定程度上保障未来业绩是可持续的。
方三文：按您这种说法，你们是基于自己对人力资源的投入以及合理的分工，建立起一个跨品种的、多因子的、动态的交易的能力，这是不是有点像传说中的“联合收割机”？
郭学文：这个问题，让我没办法去回答，你把我给问住了。
有几件事情是清楚的。散户做得不好，首先是由于大市不好，上市公司盈利增长不够。如果说十年增长一倍的盈利，正常情况它的股价就提升一倍，现在情况可能不是这个样子。上市公司质量应该是第一位的，它决定了市场的水平。
其次，主观机构可以拿到更多的第一手的资料，信息相对是占一些优势的。到了量化这边，我们拿不到更多的第一手信息，但是统计做得更全面、更快，这显然也是一个优势，做任何事情你一定要有些优势才行啊！
量化是不是收割主观呢？主观赚风格的钱，量化赚非风格收益，量化对主观的影响不是直接的。如果从影响了市场的角度，使他们的生意难做了，这是有可能的，量化的参与可能使整个市场的风格变化加快了。
比如原来买茅台，涨半年之后，我去买，还继续涨好几年，市场风格延续的情况下，会赚很多钱。等着它转弯了，亏了半年的钱，我再去买新能源。只要市场风格切换得慢，就能跟得上。现在它变得快了，大致的节奏是，2020年可能是按年算的，2021年变成半年了，去年就变成三个月了，今年可能变成一个月了。你假定风格切换是一个月的话，涨一个月后我再去买它，下个月就跌了，这个办法就不成立了。
把量化称作“联合收割机”起码是太夸张了，量化也经常犯错误，出现回撤。实际上还有另外一个问题，量化机构也觉得生意不好做了，那赖谁呢？实际上很多机构做起来很辛苦的，人员比较少的、投入不够的、原来单打独斗的都变得困难。为什么？实际是行业在向规模化发展，这和任何一个行业都一样的。最终行业的发展又使得普通投资人对筛选好基金的效率提高了。这也是时代的进步，比如从自行车到摩托车到汽车，现在无人驾驶又出现了，司机失业固然不是件好事，但它带来整个社会效率的提升。
量化也是一样的，它带来市场价格发现效率的大幅提升，推动从创业、上市、投资者退出、新项目投入整个投资流程的高效运转，促进经济运行效率和社会财富的提高。
方三文：反正市场不涨，不能赖得量化，主观不赚钱也不能赖得量化，是吧？如果有互相伤害，你推测了一下，有可能是主观经理跟散户互相伤害吗？
郭学文：这个不能这么说。我只是说散户的投资方式和主观更接近些，都是基于获取的信息去买相对较少的股票。而量化的行为方式有本质不同，持股数量也更分散。
方三文：您觉得量化对市场的最大的贡献是增加了市场的活跃度和效率是吧？
郭学文：量化投资帮助提高市场流动性，使市场更活跃，定价尽快达到一个更合理的水平，一个能够反映公司基本面变化的水平，这当然是帮助提高了资本市场运行效率。对于投资者来讲，量化，实现更稳定、更可预期的收益，也是量化对社会的贡献。
方三文：这是您给散户的最后的出路，是吧？
郭学文：实际上主观、量化都是有各自优势的，主观的优势在于信息，量化善于找统计规律，要生存总得有些优势才行。
方三文：您觉得散户如果觉得自己没有优势的话就放弃，可以加入是吧？
郭学文：加入一个有长期优势的机构，是非常明智的选择。
方三文：这是您能给散户的建议是吧？
郭学文：是的。
风险提示：
对话中表述的观点，仅代表访谈者的个人想法，其保留根据市场环境、新信息等适度修正观点的权利。投资有风险，访谈者对市场、行业、投资标的等的看法或展望，仅供参考，不作为任何投资建议、承诺、暗示或者诱导。文中若涉及到对一些国家或地区、社会、经济、行业、公司等的评价，仅为学术交流讨论，请勿断章取义。对话者保留对违规行为依法追诉的权利。
（文章来源：中国基金报）
交易员工作范围是什么？
1，如果你想去学习一门风险投资的技术，并且是经济实力不错，实在不缺钱花，那么，你可以考虑留下做几个月，接触学习一下这个商品风险投资的市场，然后到更广阔的机会更多的期货市场去玩2，如果想去赚钱，呵，赶紧走吧，赶紧走人！现货市场里能赚到钱的人极少极少极少，在我的部门，当然还有公司其他的部门，绝大部分的普通交易员（说白了就是公司的客户）生存时间为半年以下，都是亏光爆仓走人。为什么？因为行情小，手续费贵，而且公司会怂恿你多做单，因为你每次操作他们都要收取手续费，公司就是靠这个吃饭的。玩过风险投资的人都知道，如果不是有10年以上操盘经验并且活下来的操作高手，多做单就意味着死的更快还有几点要说1，这个公司说你投3000它出20000，晕这个公司还挺大方的哦，我们公司都是自己出2W公司出1W的，其实无论你出多少它出多少，从本质上讲，你都是拿你自己的钱再炒2，你说没有女的做这个成功的，哈哈，在我们公司也没有哪个男的做这个成功的，什么叫成功？如果赚了叫成功，那么，交易员我们真的没有见过赚钱的，真的，一个都没有。3，以前在我的部门，知道他们月收入是多少吗？说出来你真的别觉得恶心，有的人做的不好的时候只拿200一个月，多的时候500、600，上1000的几乎没有，此外这个还不算账户亏损4，现货交易员不是操盘手，哈哈，那个只是一个公司为了吸引你投钱进去做他们的客户而起的一个好听的名字……
工商银行总行的交易员和量化分析师是做什么的？
mircale_doudou您好$非常抱歉在本版区无法针对您的问题做出满意的回答，建议您向我行相关部门联系咨询，以便尽快解决您的疑问。如果您有关于工行业务方面的问题，欢迎您在这里发贴提问，感谢您对工行工作室的支持。
做量化的都是啥人？
做量化的一般都是一些资管机构。这些机构都是依靠计算机技术来开展投资决策。
量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
揭秘，量化金融分析师，究竟是干什么的？
量化金融分析师，英文名:CertificateinQuantitativeFinance，简称：CQF,是由PaulWilmott博士领导的国际知名数量金融工程专家团队设计和推出，是量化金融领域最高级的专业资格。
中文名：量化金融分析师外文名：CertificateinQuantitativeFinance别名：量化投资分析师学科领域：金融数学，金融工程认证机构：CQFInstitute
是全球公认的金融投资行业的专业资质。
其课程内容涉及国际金融市场前沿的主流流域，整套课程设置相当于金融硕士课程体系，为全球投资业在道德操守和专业标准及知识体系等方面设立了规范与标准，已成为金融企业用来衡量员工专业性的标准之一。
CFA证书被誉为“金融界的MBA”“华尔街的入场券”，也是人民日报推荐的高含金量证书之一。金融时报杂志于2006年将CFA证书定义为投资行业从业人员的“黄金标准”。
量化金融分析师是什么？就业前景及常见就业岗位一览！随着金融市场的发展和变化，量化金融分析师的职业前景变得越来越好，量化金融分析师也成为了国际金融界最重要的岗位之一。
下面将为大家详细介绍什么是量化金融分析师，以及它的就业前景和常见的就业岗位有哪些。
量化金融类专业，强调定量分析方法在金融领域的应用，其细分领域包括证券定价、资产配置、量化交易、风险管理等等。
卡内基梅隆大学CarnegieMellonUniversity
项目：MsinComputationalFinance
学制：2年
专业排名：QuantNet最佳金融工程No.3
哥伦比亚大学ColumbiaUniversity
项目：MsinMathematicsofFinance
学制：2-3学期
金工排名：QuantNet最佳金融工程No.6
哥大的MAFN项目隶属数学系，每年招收人数在125人左右，虽然哥大金工项目的标化政策对于GRE是选交，但面对当前的申请压力，仍有约87%的人递交了GRE成绩。
项目时长为2学期，但学校考虑到国际生找工作的问题，允许学生延长一学期上完课。必修课包括：金融数学入门、统计推理/时间序列建模、随机过程的应用、金融中的随机方法和金融中的数值方法。
为了帮助学生顺利找到工作，学校会主动提供求职帮助，比如组织线上职业研讨会、一对一帮你修改简历。此外，还开设了大量职业技能研讨会，比如技术模拟面试、职业展览会准备、薪资谈判技巧，为你的职业生涯铺路。
学校还会举办校友交流晚宴，邀请数百名金融行业的校友来参加。大家甚至能得到找工作的指导，甚至能拿到实习、工作内推。
纽约大学NewYorkUniversity
项目：MsinMathematicsinFinance
学制：3学期
金工排名：QuantNet最佳金融工程No.7
纽约大学的Courant金融数学项目成立于20世纪90年代末，每年招收40名学生。跟其他金工项目一样，它求职导向性很强，2021年毕业生100%拿到了全职工作。
核心课程包括：金融中的计算、金融证券和市场、风险和投资组合管理、随机微积分、动态资产定价、数据科学和数据驱动的建模、机器学习和计算统计等。
项目定期会举行量化金融科学研讨会，邀请纽大教授和行业专家来交流学术观点。研讨会主题广泛，包括：金融中的数据科学和机器学习、大数据和计量经济学技术、投资组合和风险管理、定价和风险模型等。
NYU的求职资源相当丰富。求职中心为每位学生匹配了导师，定期开展职业讲习班、模拟面试和训练营培训、与校友的交流活动，并提供简历指导和反馈。
毕业后可以从事的岗位主要有，量化研究员、金融分析师、金融工程师、数据分析师等。毕业生去向主要在高盛、美国银行、花旗银行、摩根大通、瑞士信贷、德意志银行。
►►►
量化金融项目院校推荐
其中，普林斯顿大学力压巴鲁克学院排名第一位。
普林斯顿大学该项目就业率100%，毕业薪资高达124,450美元，只是由于优秀申请者众多，学校的录取率偏低。
巴鲁克学院该专业同样就业率100%，毕业平均薪资高达126,983美元，略高于普林斯顿大学，毕业最高起薪（包含签约奖金）达到$230,000，大部分毕业生就职于对冲基金、资管、投行、Fintech等高薪行业。
加州大学伯克利分校排名第三位，其就业率为98%，毕业平均薪资高达119,297美元。
巴黎第四大学排名第四位，欧洲第一位；帝国理工学院排名全球第五位，英国第一。
而无数商科申请者的女神校——纽约大学则掉出TOP10，位列第12；英国大学扛把子——牛津大学，在这份排名中被18所学校吊打，只排在第19位，略逊福特汉姆大学、多伦多大学。
普林斯顿大学
普林斯顿大学的课程内容覆盖面很广，不仅包含金融经济的相关知识，还有统计、编程、金工等相关课程。这个项目也没有对申请人的本科背景提出严苛的要求，因此理工科、经济学、金融、管理背景的申请人都有机会被录取。
值得注意的是，该项目虽然不强调工作经历，但申请者必须有实习经历。
同时因为普林斯顿大学本身名气就很高，申请者众多，竞争相当激烈，录取的学生背景也是相当出色的。
项目的时长可以是一年或者两年，拿到offer并决定入读的学生需要参加一个两周的数学先修课程。
巴鲁克学院
巴鲁克学院的金融工程项目隶属于纽约城市大学，虽然大学的知名度一般般，却掩盖不住巴鲁克学院的光芒——常年在Quantnet金工排名中位列第一。
巴鲁克学院的项目不强制要求托福层级，但是非常看重面试，堪称量化金融类项目中的“技术流”。面试中主要考察学生的计算机/数学能力、英语口语表达能力、以及申请者的动机。
更令人心动的是，巴鲁克金工项目学费性价比很高，仅需42，395美元，低于许多同类项目的院校。
巴鲁克的工程项目课程设置也非常个性化，注重培养学生定量金融方面的技能，且该校的就业资源强大，每年都有大量毕业生能够进图摩根士丹利、摩根大通、花旗等知名企业。
加州大学伯克利分校
UCB的MFE项目设在Haas商学院里，时长一年，看重学生的计算机和数统能力。在申请时，要求申请者具备良好的编程能力（c语言，c++）、数学能力、最好拥有统计和经济背景。如果没有这些学习背景，被录取后可以参加大学开设的programcourse,那里会提供数学、统计、C++的学习。
该项目每年录取的人数在70人左右，看重工作经历。另外，这个专业重视实践多于理论，学生有10-12周的实习期。
以上就是在量化金融方向非常有竞争力的学校，每年的申请人数也非常多。
申请者大多需要具备理工类相关专业背景，比如数学、统计学、物理学、计算机科学和工程学，最好能拥有金融方面的实习和工作经验。学校希望学生学习过微积分、线性代数、初级微分方程、概率和统计等课程，具备一定的编程能力。
如果你喜欢风险挑战、抗压能力强、细致耐心、能静下心来思考，那量化金融这个行业就是为你量身定制的。
【推荐】：
✅【医*数字平台】*师帮正式登陆港交所：市值超135亿港元，国内最大的医*数字化服务平台，业务覆盖35万*店
✅【米饭】7年开出700家门店，米村拌饭做对了哪三点？
【风投】中国VC第一人”湖南人熊晓鸽：15岁当电工35岁救活腾讯和百度
【用人】河南胖东来老板于东来：你给员工吃肉，将迎来一群狼【资本】华兴资本香港上市：包凡的创业发家史！中国新经济金融服务第一股
【区块链】区块链货币：洗脑最厉害的十句话，第一句我就信了【法规】电子商务法【伟人】中央新影纪录片《走近***》(完整版)影像视频【伟人】邓小平诞辰114周年，让我们道一声：小平您好！【团购】拼多多你学不会【直播】映客直播7月12香港上市，去年纯利近8亿 【唱歌】降央卓玛从服务员到歌唱家，儿子超可爱，老公魁梧低调【理财】李嘉诚：为什么学习投资理财一定要趁早
【超市】永辉超市张轩松创业史：3万到700亿让60个员工成亿万富翁
【餐饮】呷哺小火锅贺光启发家史：小火锅年入27亿【地产】碧桂园杨国强发家史【饰品】啊呀呀饰品名创优品叶国富发家史
【辣酱】老干妈发家史
【管理】干嘉伟：我如何用阿里的管理文化，让美团成为一支铁军【京东】刘强东发家史
【马云】阿里首部创业纪录片，看哭所有人
【猪肉】河南双汇发家史
【电器】美的发家史
【会计】普华永道创始人-容永道：发家史
【方便面】康师傅背后的发家史
【饮料】40亿东鹏特饮：林木勤的创业发家
【校园】趣分期上市之路：罗敏9次创业终敲钟【花生油】山东鲁花是这样炼成的
【水饺】湾仔码头发家史
【风投】中国VC第一人”湖南人熊晓鸽：15岁当电工35岁救活腾讯和百度
【红烧肉】田杰：田老师红烧肉和老家肉饼的创业发家史故事
【影视城】“横店之王”82岁徐文荣，收粪便起家，40岁创业发家史
【澳门】赌王何鸿燊的传奇发家史
【汽车万向节】鲁冠球发家史：一个打铁匠发家史
【超市】河南胖东来开业火爆到被迫暂停营业的“中国最好店”确实有两把刷子！【代工】台湾首富郭台铭发家史
关注我@成就你
【用人】河南胖东来老板于东来：你给员工吃肉，将迎来一群狼【资本】华兴资本香港上市：包凡的创业发家史！中国新经济金融服务第一股
【区块链】区块链货币：洗脑最厉害的十句话，第一句我就信了【法规】电子商务法【伟人】中央新影纪录片《走近***》(完整版)影像视频【伟人】邓小平诞辰114周年，让我们道一声：小平您好！【团购】拼多多你学不会【直播】映客直播7月12香港上市，去年纯利近8亿 【唱歌】降央卓玛从服务员到歌唱家，儿子超可爱，老公魁梧低调【理财】李嘉诚：为什么学习投资理财一定要趁早
量化交易一定会赚钱吗？量化交易怎么赚钱的？
很多人在投资前特别关注的是会不会赚钱这个话题，那么量化交易一定会赚钱吗？量化交易怎么赚钱的？为大家准备了相关内容，感兴趣的小伙伴快来看看吧！量化交易是可以赚钱的，但并不是一定会赚钱，也是会有亏钱的可能性，因为理财、投资都是有风险的，没有百分百的赚钱，除非是银行的定期存款利键携码息，那才有可能百分百的赚钱。影响量化交易赚钱的因素是有很多的，主要是有三个，分别是：策略模型的适应性、交易员的能力高低、风险的控制。策略模型的适应性：策略针对的是某一类行情，适应性有限，能否赚稿哪钱隐猜，和赚钱多少和市场行情关系巨大。交易员的能力高低：一位优秀的交易员是不会依赖于量化策略，知道量化只是一个工具，会仔细的分析和了解量化交易，比如说：分析策略适合的行情，找出策略不适合的行情、分析不可控因素的正常回撤是多少以及分析市场行情、什么时候下手敢于，添加止盈止损，什么时候下提前手动平仓。风险的控制：每一个量化交易都是会有正常的回撤，这就要求交易员要考虑到突发事件对策略的影响以及要合理分配资金和仓位，设定停止交易的红线等等。总结：量化交易是可以赚钱的，但并不是一定会赚钱，也是会有亏钱的可能性，量化交易赚钱影响的因素主要有策略模型的适应性、交易员的能力高低、风险的控制这三个，因此想教国武量化交易赚钱，那么就要注意从这三个方面去考虑。
在中国，做量化交易一天的工作是怎样的
你好，很高兴帮助你为你解答问题，疑问祝你生活愉快，幸福::两市收盘多数板块处于上涨*面,但是涨幅则不大,券商、充电桩和保险领涨大市,土地流转、柔性电子和次新股相对较好旅游酒店、网络游戏和电子信息则是相对疲软,整体看市场处于一个温和的反弹*面。
交易员具体是干什么的？
交易员是一门通过买卖获得价差利润的职业。
交易员可以指操盘人员（Trader），也可以指造市商代表（Dealer）。作为交易者、操盘手（Trader）是一般的交易机构或个人，对交易机构可以是个被委托者。其可以进行股票、期货等金融品种的买卖操作。
量化金融分析师CQF是什么？CQF考试做什么工作?-高顿教育
CQF考试的难度还是挺大的，因为CQF课程内容非常丰富，需要掌握的知识点非常多。CQF考试主要包括金融工程、计量金融、风险管理、计算金融等多个方面的知识，需要考生掌握才能通过考试。
cqf一共8门考试，考试的时间每个人都不同，如果考生基础较好的话，那么最快6个月通过所有考试，因为cqf考试的一个学习周期就是半年左右。如果考生的基础比较薄弱，那么通过考试的时间可能就会比较短了。
cqf的考试一共有四次，每年完成相应的课程就可以考试了。学员可以在六个月内完成六个模块的学习并选修选修课，从而全面攻读该课程。此选项提供立即访问整个计划所需的所有材料以及终身学习。
cqf证书含金量是很高的，这一点毋庸置疑。cqf的课程内容不仅包含量化金融领域的基础知识，同时不断更新和吸收前沿的国际量化金融知识，其学习模块有好几种，分别是数据处理基础、量化投资多平台模拟交易、金融知识基础和Python语言编程基础等，内容这一块还是值得金融行业的人才学一下。
量化交易通俗易懂的解释？
量化交易是一种利用数学模型和算法来进行投资决策的交易策略。它通过收集大量的市场数据，并利用计算机程序进行分析和预测，以识别出潜在的交易机会。
通过自动化执行交易，量化交易可以快速、准确地执行交易策略，避免情绪和主观因素的干扰。它的目标是通过利用市场的短期波动和价格差异来获取稳定的收益。量化交易已经成为金融市场中的重要策略，被广泛应用于股票、期货、外汇等市场。
