雪球量化投资club

前天在网上看了雪球量化投资club的直播，听了四场交流演讲，对于量化投资的基本认识更加清晰了一些。下面挑一些个人理解的要点记录一下。

1. 量化投资并不神秘，简单的指数基金定投其实也可以归到量化投资的范畴；
2. 宽泛一点理解，凡是可以定量计算的，都可以用于量化投资，可以做所谓的动量投资（基本上就是自动化的追涨杀跌或者高抛低吸），也可以做基本面分析，所以量化投资不一定是高频交易，也可能时低频交易，一个量化策略可以吸收各种要素；
3. 散户搞量化交易，相比机构能获得的资源比较有限，自然是有很多劣势，但是也有自己的优势，其中最大的一个优势就是资金量上基本上不会对价格造成冲击，所以交易成本很低。
4. 量化是利用数据分析与程式化的交易（中低频交易不需要自动化程序）来反人性，用数据说话，而不要过于相信感觉或直觉；
5. 量化交易要看全局看全时，总的目的是自己的投资组合赚钱，而不纠结于个别的品种，应当做较长时间的历史分析，而不能只看最近的效果；
6. 量化交易一般需要建立模型，在历史数据上回测再调整，然而历史是螺旋发展的，回测可能会有过拟合的现象，也就是说，会出现一些特别的参数效果特别好，但是用来做策略未来不一定会好。我觉得最好还是要有对模型为什么效果会好的解释，并考察这种解释在未来是否会失效，比如最小市值策略，解释是A股特有的壳价值带来的，但如果新股发行持续改革，这个策略就会失效。
7. 散户资金量小，可能无法建立足够的股票池构建组合，这时候可以考虑基金，类似华泰证券的券商基金交易费率极低，且没有最小消费的限制，非常适合量化交易。此外，如果场外购买基金，交易费率也是要仔细比较的。
8. 学好Python，对量化交易好处多多。看来我去年开始用Python是个明智的决定。
9. 在A股量化策略容易有效的原因是韭菜多，不过这种好日子估计最多5~10年，挣超额收益会越来越难。
10. 演讲中提到的相关的资源：
    1. tushare：一个开源的金融数据库，可以用Python非常方便的使用；
    2. 优矿：一个量化策略平台，提供了丰富的API，支持Python语言。
    3. SSRN：获取免费的金融方面的英文论文。