量化投資在海外已經有幾十年的歷史。簡單地說，量化投資就是利用計算機來處理海量數據，在此基礎上建立有關資產回報的數學模型，然后利用模型進行投資獲利。

　　量化投資的起源可以追溯到一些在經濟及金融學術界大名鼎鼎的學者。哈里·馬科維茨 (Harry Markowitz)在1950年代開創了現代投資)組合理論，并因此獲得了諾貝爾經濟學獎。費希爾·布萊克(Fischer Black)， 邁倫·斯克爾斯(Myron Scholes)和羅伯特·默頓(RoBert Merton)在1970年代開創和發展了期權定價模型，斯克爾斯和默頓由此獲得了諾貝爾經濟學獎。

　　正是這些經濟學家們的卓越工作，為量化投資奠定了堅實的理論基礎。隨著最近20多年來高性能計算機的迅速普及，量化投資在海外獲得了極大的發展，涌現了一批大獲成功的基金。最有傳奇色彩的當屬文藝復興科技公司（Renaissance Technologies）的大獎章基金（Medallion Fund）。在1989年起始的20多年中，這只基金通過量化投資取得了35%的平均年化費用后收益，并且當中沒有一年賠錢。另外還有利用量化模型來管理多個資產類別基金的巴克萊環球投資者（Barclays Global Investors），在2009年和貝萊德（Blackrock）合并前已成為全球最大的資產管理者，旗下基金總資產達到了驚人的2萬億美元,超過了世界上95%以上國家的全年GDP。根據一些機構的估算，歐美基金總資產的20%~30%是用量化手段來管理的。

　　目前國內A股市場的主要投資方法是基本面分析和技術分析，以量化投資為主的基金仍只占很小的部分。其實量化投資并不是一個完全獨立于基本面和技術分析以外的全新方法。例如不少量化多因子選股模型也是建立在反映公司運營情況的基本面指標如銷售凈利率，存貨周轉率，資產負債率等之上的。反映價值的市盈率(P/E)，市凈率(P/B)等指標，以及股價變動，換手率等技術面指標也是很多量化模型的重要考慮因素。

　　不同之處在于，傳統的基本面和技術分析以經驗為主，做定性研究，而量化模型則是建立在嚴格的統計分析和回溯測試之上的，每一個因子對于資產回報預測能力的強弱，穩定性，歷史表現都有明確的數值描述。量化模型通常會包括多個因子，以提高模型的預測能力和穩定性。依靠強大的計算能力，量化模型可以在很短的時間內處理大量信息，快速全面地跟蹤市場變化，這一點是人工基本面分析和技術分析所不能比擬的。同時依托量化風險模型，量化投資對于風險的控制可以做到更加精確。另外很重要的一點，量化模型可以在很大程度上減輕投資者自身情緒變化帶來的非理性行為的干擾。

　　基于A股市場上已經有一定歷史的幾只量化基金的業績表現以及華安量化團隊自身的研究成果，我們有理由相信上述的量化投資的優點在國內市場上是可以實現的。當然量化投資也有不足之處，比如當過多的人在相同的數據上使用類似的統計方法來建立模型并進行實際投資時，一些因子的預測效用會下降。根據A股量化投資的現狀，我們認為這一天的到來尚有時日，同時量化投資者還是要把模型的創新作為一項重要的工作來進行。

　　彭博(Bloomberg)的2007年6月期的《市場(Market)》雜志封面文章叫做“終極掙錢機器(The Ultimate Money Machine)”。文章描述了華爾街投行利用人工智能開發新一代量化投資模型的工作。我們團隊也在這個很有潛力的方向進行了深入的研究并且取得了可觀的成果。也許電腦完全替代分析師的時代還很遙遠，但是根據歐美量化投資走過的道路以及計算機科技發展的勢頭，我們相信，量化投資在A股市場上一定會大有所為。

　　（作者系華安基金量化投資總監）