随着现代计算机的出现，量化投资策略已发展成为复杂的工具，但这些策略的根源可以追溯到 80 多年前。它们通常由受过高等教育的团队运营，并使用专有模型来提高战胜市场的能力。对于那些寻求简单性的人来说，甚至还有现成的即插即用程序。量化模型在回溯测试中总是表现良好，但其实际应用和成功率值得商榷。虽然它们似乎在牛市中运作良好，但当市场失控时，量化策略会面临与其他策略相同的风险。
历史
罗伯特·默顿（Robert Merton）是将定量理论应用于金融研究的创始人之一。你可以想象在使用计算机之前这个过程是多么困难和耗时。金融领域的其他理论也从一些最早的定量研究发展而来，包括基于现代投资组合理论的投资组合多元化的基础。
定量金融和微积分的使用催生了许多其他常见工具，包括最著名的布莱克-斯科尔斯期权定价公式之一，该公式不仅帮助投资者定价期权和制定策略，还有助于控制市场的流动性。
当直接应用于投资组合管理时，目标就像任何其他投资策略一样：增加价值、阿尔法或超额回报。开发人员被称为量化分析师，他们构建复杂的数学模型来发现投资机会。开发模型的宽客就有多少模型，而且都声称是最好的。量化投资策略的最卖点之一是模型（最终是计算机）做出实际的买入/卖出决定，而不是人类。这往往会消除一个人在买卖投资时可能经历的任何情绪反应。
量化策略现已被投资界所接受，并由共同基金、对冲基金和机构投资者运营。它们通常被称为alpha 生成器或 alpha gens。
量化策略的幕后
就像《绿野仙踪》中一样，有人在幕后推动这一过程。与任何模型一样，它的好坏取决于开发该程序的人员。虽然成为量化分析师没有具体要求，但大多数运行量化模型的公司都结合了投资分析师、统计学家以及将流程编码到计算机中的程序员的技能。由于数学和统计模型的复杂性，金融、经济学、数学和工程学领域的研究生学位和博士学位等证书很常见。
从历史上看，这些团队成员在后台工作，但随着量化模型变得更加普遍，他们搬到了前台。
量化策略的优势
虽然总体成功率存在争议，但一些量化策略之所以有效，是因为它们基于纪律。如果模型正确，该学科就会使该策略与闪电速度的计算机一起工作，以根据定量数据利用市场的低效率。这些模型本身可以基于市盈率、债务股本和盈利增长等几个比率，也可以同时使用数千个输入。
成功的策略可以在早期阶段就发现趋势，因为计算机会不断运行场景来先于其他人找出效率低下的地方。这些模型能够同时分析大量投资，而传统分析师一次可能只关注少数投资。筛选过程可以按照 1-5 或 AF 等等级级别对宇宙进行评级，具体取决于模型。通过投资高评级的投资并出售低评级的投资，这使得实际的交易过程变得非常简单。
量化模型还提供了多种策略，例如多头、空头和多头/空头。由于其模型的性质，成功的量化基金密切关注风险控制。大多数策略都是从一个总体或基准开始，并在模型中使用部门和行业权重。这使得资金可以在一定程度上控制多元化，而不会损害模型本身。量化基金通常以较低的成本运行，因为它们不需要那么多传统分析师和投资组合经理来运行。
量化策略的缺点
为什么这么多投资者没有完全接受让黑匣子运行他们的投资的概念是有原因的。尽管有所有成功的量化基金，但也有很多似乎不成功。不幸的是，对于宽客的声誉来说，当他们失败时，他们就失败了。
长期资本管理公司 (LTCM) 是最著名的量化对冲基金之一，因为它由一些最受尊敬的学术领袖和两位诺贝尔奖获得者经济学家Myron S. Scholes和Robert C. Merton管理。 20 世纪 90 年代，他们的团队创造了高于平均水平的回报，并吸引了各类投资者的资金。他们不仅因利用低效率而闻名，而且还利用轻松获得资本的方式对市场方向进行巨大的杠杆押注。
他们的策略的纪律性实际上造成了导致他们崩溃的弱点。长期资本管理公司于 2000 年初被清算并解散。其模型不包括俄罗斯政府可能对其部分债务违约的可能性。这一事件引发了一系列事件，杠杆作用放大的连锁反应造成了严重破坏。长期资本管理公司（LTCM）如此频繁地参与其他投资业务，以至于它的崩溃影响了世界市场，引发了戏剧性的事件。
从长远来看，美联储介入提供帮助，其他银行和投资基金也支持长期资本管理公司以防止进一步的损害。这是量化基金可能失败的原因之一，因为它们基于历史事件，可能不包括未来事件。
虽然强大的量化团队会不断向模型添加新的方面来预测未来事件，但不可能每次都预测未来。当经济和市场经历高于平均水平的波动时，量化基金也可能会不堪重负。买卖信号来得如此之快，以至于高营业额可能会产生高佣金和应税事件。当量化基金被宣传为防熊或基于空头策略时，它们也可能构成危险。使用衍生品和结合杠杆来预测经济衰退可能是危险的。一个错误的转向可能会导致内爆，这常常成为新闻。
归纳总结
量化投资策略已经从后台黑匣子发展成为主流投资工具。它们旨在利用业内最优秀的人才和最快的计算机来利用低效率并利用杠杆进行市场押注。如果模型包含了所有正确的输入并且足够灵活来预测异常市场事件，那么它们就会非常成功。
另一方面，虽然量化基金在发挥作用之前会经过严格的回溯测试，但它们的弱点在于它们依赖历史数据来取得成功。虽然量化风格投资在市场上占有一席之地，但重要的是要意识到其缺点和风险。为了与多元化策略保持一致，最好将量化策略视为一种投资方式，并将其与传统策略相结合，以实现适当的多元化。