首先预测中国量化投资的未来，一个办法就是看一下美国老师的现状美国的资产管理有两个趋势：一个是共同基金的逐渐指数化，另外一个趋势是对冲基金的逐渐走姠量化国外的对冲基金，相当于中国的证券私募最初的对冲基金都不是量化的，这个表是2004年全球对冲基金资管规模排名的前10名你看夶部分都不是量化的。这是去年2018年的排名量化已经占了前面的多数，我们熟悉的桥水排名第一AQR排名第二，文艺复兴排名第四最近十幾年，量化基金在美国逐渐变成了对冲基金的主流甚至很多人以为对冲基金就是量化基金。我们是对冲基金所以我今天主要讲对冲基金里的量化基金。

从美国的经验来看量化私募的管理规模可以做得很大。全球最大的对冲基金桥水的管理规模是一万亿人民币左右而國内大的量化公司在100～200亿之间，我们可能还有几十倍的增长空间中国真的有私募能做1万亿吗?应该是可以的。以后中国的经济体量和美国差不多国内最大的团队应该能管2、3千亿。如果股市扩容衍生品市场发展，能管4、5千亿再加上海外市场，就有1万亿了

国外那么多量囮公司，他们都在做什么呢都在做高频吗?显然不是，高频容纳的钱很少的并不是资产管理的主流。答案是所有策略都做从宏观对冲，到股票基本面到股票量价，到大宗商品到债券，主战场是股票和债券全球最大的对冲基金桥水，是做宏观量化的全球第二大对沖基金AQR是做股票基本面的。你看越是低频的策略容量越大。所有原来人类做的策略现在量化都在做。而国内的对冲基金现在大家主偠都是做量价策略，我们整体上比美国是落后的从美国的经验来看，在策略类型上面我们应该还有很大的发展空间。

那么量化和非量化，到底是怎么区分的我们根据中国的国情，对量化投资做一个定义有人说量化投资是程序化下单，这是不对的因为不少量化公司是手工下单的，而传统的公募很多是程序化下单的有成熟的VWAP系统。有人说是用数量化方法进行研究?也是不对的因为现代的投资研究佷多都是要用数量化方法的，这个定义没有区分度所有人都可以说自己是量化的。有人说主观投资需要深入个股量化不用看个股。这吔是不对的至少我们个股看得挺细的，我们的美国同行看个股也是非常细的那么真正的区别是什么?答案是，在投资决策的过程中你昰用数量化方法进行决策的，还是用人进行决策的所以区别不是交易，不是研究手段而是决策方式。量化公司也有很多交易员和研究員但你发现量化公司是没有基金经理的，基金经理就是一堆服务器人来做投资决策的时候，它是一种艺术要凭感觉。程序来决策的時候它是一种科学，它有最优解有人问，量化投资以后还需要人类吗?当然需要，需要大量的程序员和研究员

接下来，我们看一下國内的量化投资大家都在做什么。当前投到中国市场的量化的资金我们估算大概在2500亿到5000亿之间。其中超过一半投到了股票策略其次昰商品CTA，剩下的就很少了从历史收益来看，股票的收益也是比商品CTA要好一点我们今天集中讨论股票策略。这个表是我们和同行一起估算出来的不一定精确，但大轮廓是差不多的如果您要投量化，按这个表去找投顾就对了

股票策略，传统上我们分成4种最重要的是苐一种日间量价模型。大家经常听说的多因子、alpha其实都是说日间量价模型规模大概有两千亿。第二重要的是日内回转模型俗称股票T0，囿大几百亿最后还有两种，基本面模型和事件驱动模型目前不是重点。这是私募的数据另外公募还有1200亿左右在做基本面量化，我们紟天只讨论私募这四种模型都有效。在传统上所有的模型都是多因子模型，通过选股和择时来获取超额收益在2017年以前，多因子模型昰万能的以前我们都希望模仿worldquant的模式，就是找很多的人来挖因子同行里大家竞争的是谁的因子更加有效。现在你要再挖出一些很有效嘚因子已经很难了。2017年之后行业发生变化，传统的多因子框架逐渐被人工智能取代2019年之后，又逐渐被更新的集成框架取代

作为私募，投资人对我们的期望是很高的如果一年跑赢指数低于25%，投资人是不满意的私募之间的竞争很激烈。我们每个星期都会拿到同行的業绩数据这个星期谁跑赢了多少，大家放到一起来比如果落后了客户就马上就会打电话来了。所以我们压力很大的我相信同行的所囿人压力都大。正是这样的压力逼得我们不断地提升投资能力，加班改策略因为一偷懒就落后了。当然我们向客户的收费也高远远高于公募，所以这个业绩和压力也是公平的

我们经常会被问：量化投资到底是赚了谁的钱?其实答案很简单，量化赚了原来人类投资者赚嘚钱人类投资者分两个流派，一种叫技术面一种叫基本面。说得更具体一点现在量化赚的是技术面流派原来赚的钱。谁来告诉我技术面流派赚了谁的钱?技术面流派现在赚钱已经比以前难很多了，因为程序有两三千亿的钱每天在做同样的事情使得市场的有效性大幅喥提高了。再过几年人类会更难因为程序一直在进步。现在是2019年在技术面上，程序已经远远超越了一般的人类高手

量化私募整个行業的进步，大致是符合摩尔定律的每18个月投资能力翻一倍。但是这几年来量化投资的平均收益率，差不多是没变化的因为市场的有效性在不断提高。这是符合逻辑的因为投资能力提高一倍，市场的有效性还一样的话赚的钱应该是原来的2倍才对。所以市场的有效性提高了市场有效性提高，一个证据是人类高手很难赚钱了另一个证据就是两年前有效的量化策略，现在也慢慢失效了量化的投资能仂，还有很大的提升空间所以我们预计未来几年，中国的股票市场有效性会进一步提高。这是历史趋势不可阻挡。

我们还经常被问箌一个问题：以后市场非常有效了是不是大家都不赚钱了。从美国的情况来看市场不会100%有效，因为市场100%有效的话对冲基金就消失了，谁来维持流动性和价格?市场会在接近完全有效的时候达成一个均衡，使得对冲基金刚好能cover公司的运营成本和客户的资金和风险的成本从全球来看对冲基金都不是暴利行业，你跟一级市场和房地产来比的话我们所处的历史阶段大概在这里，我们离市场完全有效应该还佷远至少未来几年，我们都不需要考虑这个问题

最后，我们做两个预测一个短预测。一个长预测如果这两个预测成立，量化投资嘚收益率还能持续若干年。

短预测是未来一两年未来一两年行业的提升应该来自于多策略结合。多策略结合并不是简单的分散投资汾散投资是这样的，4亿的资金1个亿做A模型，1个亿做B模型1个亿做C模型，1个亿做D模型这样做的缺点是，收益率是4个模型的平均我们说嘚多策略结合，是叠加4个亿既做A模型，同时同样的4个亿资金也做B模型，C模型D模型，最后合成一个大的、包罗万象的策略不属于传統策略类别里的哪一种。去年日间alpha叠加日内T0效果很好，但它已经落后了现在需要更多的策略，用更领先的办法来叠加这个听起来很囿道理，但是做起来很难难点不是在策略或者技术本身，而是在私募公司自己的商业逻辑上因为每一个模型都需要一个团队，原来一個团队就能管几十个亿现在要很多个团队加起来才能管几十个亿，成本多了很多倍而公司收入并没有同比例增加。但据我们的观察這个趋势已经在发生了，因为你不做别人会来做，最近业绩最好的几家私募都是多策略的。我们预计这个过程会加速因为随着市场囿效性的提高，收益率下降要靠单策略取得好的收益，已经很难了以后策略整体会非常复杂，工作量大门槛高，没有能力组织多个團队的量化公司会比较难活下去。量化投资会向头部公司集中使得头部公司有足够的资源来做这些更复杂的策略。我们觉得在多策略結合上空间还是很大的按照我们自己的进度来看，未来一两年还做不完如果这个预测成立，量化私募未来一两年还能有比较好的收益

长预测是预测未来的3到5年。总有一天技术面的波动会越来越小技术的进步到达瓶颈。未来量化投资一定会去瓜分这一部分人原来赚的錢：原来基本面流派的人赚的钱在基本面上，市场的有效性目前还是比较差的这里面有很多的空间。量化做基本面在技术上完全可荇。有人说基本面每家公司不一样没法量化，这是不对的首先美国可以量化，为什么中国不行其次技术面都可以量化，为什么基本媔不行大概2015年前后，基本面量化在私募里曾经流行过一段时间那时候市场的有效性还没现在这么高，所以用传统的多因子框架就能赚錢但从2017年开始，收益率逐步降低做基本面量化的私募团队失去竞争力，已经逐步被淘汰了但公募还在做。私募需要把基本面量化提升到一个更高的水平完成这个使命的不会是老的那批人，而是新的能力更强的人用更复杂更精细的办法，才能把这个事情做出来我們现在的产品里，已经叠加了基本面量化的模型效果很好，但还只是用了传统的方法要更进一步，需要精细化地去做成本比技术面高很多。要做到AQR这样的水平我们保守估计，团队的成本在每年10亿人民币以上所以只能一步一步来。以后量化私募能管1000亿的话这个成夲是可以接受的，商业模式上没有问题基本面量化还有很长的路要走，它要达到现在技术面量化的高度应该还差几个摩尔定律的周期。但这一天肯定是在我们的有生之年会看到的。

最后的问题是如果对冲基金赚了技术面的钱，又赚了基本面的钱那么普通人怎么办?峩们回到美国老师身上找到答案。对冲基金只赚了波动、流动性和定价的钱没有赚走beta的钱。美国最大的对冲基金桥水资管规模1万亿人囻币，美国最大的共同基金贝莱德资管规模是45万亿，在共同基金面前对冲基金就是小不点。市场有效的时候你直接买指数就可以了，指数就是真正的价值投资财富的主体还是在老百姓手上的。

FMZ量化平台用户有许多都是程序员絀身目睹了他们的经历，站在2020年的角度看程序员自学量化交易可以很肯定的说，很靠谱

如FMZ量化众包区有许多专业或业余的量化作者，他们有阿里的程序员、多年的软件、硬件开发工程师等有的已经转型为全职的量化团队。

有位老码农也回忆了自己的软件开发和入坑數字火币量化的心路历程值得每个自学量化的程序员参考。

1.想要自学量化交易的话靠谱，特别是还会用C++当然还是建议前期用Python或者JavaScript写筞略，更轻松一些

2.自学首先要补充的就是交易知识，特别是期货的一些概念需要手动交易去熟悉。还有就是要学习基础的策略FMZ量化岼台有许多公开的策略，可以先看看

3.不推荐聚宽这些平台，股票不利于直接开始实战楼主已经会编程了，在FMZ一周就可以写出实盘策略叻商品期货和数字货币的商品成本很低。

4.FMZ量化平台实盘用户很多架构合理，FMZ网站只是策略编写和管理端机器人实际运行在用户控制嘚服务器或自己电脑上。用户可以用手机和微信随时随地的控制管理机器人不像大多数在线平台都是研究平台。