金融中的定量分析（QA）是一种强调数学和统计分析以帮助确定金融资产（如股票或期权）价值的方法。定量交易分析师（也称为“定量分析师”）使用各种数据，包括历史投资和股票市场数据来开发交易算法和计算机模型。

这些计算机模型生成的信息有助于投资者分析投资机会，并制定他们认为会成功的交易策略。通常情况下，这种交易策略会包含非常具体的信息，包括进入点和退出点、交易的预期风险和预期回报。

财务定量分析的最终目的是利用可量化的统计数据和指标来帮助投资者做出有利可图的投资决策。在这篇文章中，我们回顾了定量投资的历史，将其与定性分析进行了比较，并提供了一个基于定量策略的实例。

关键要点

• 定量分析产生于计算机时代的兴起，这使得在短时间内分析大量数据比以往任何时候都更容易。
• 定量交易分析师（quant）识别交易模式，建立模型来评估这些模式，并利用这些信息来预测证券的价格和方向。
• 一旦建立了模型并收集了信息，量化人员就会使用这些数据来建立证券的自动交易。
• 定量分析不同于定性分析，后者关注的因素包括公司的结构、管理团队的构成以及他们的优势和劣势。

输入“数量”

诺贝尔经济学奖得主哈里·马科维茨（Harry Markowitz）1952年3月在《金融杂志》（Journal of Finance）上发表了《投资组合选择》（Portfolio Selection），人们普遍认为他开创了定量投资运动。 Markowitz引入了现代投资组合理论（MPT），该理论向投资者展示了如何构建一个能够在不同风险水平下实现收益最大化的多元化资产组合。马科维茨用数学来量化多样化，并被认为是数学模型可以应用于投资这一概念的早期采纳者。

现代金融理论的先驱罗伯特默顿（robertmerton）因研究衍生品定价的数学方法而获得诺贝尔奖。 马科维茨和默顿的工作奠定了定量（定量）投资方法的基础。

定量与定性分析

与传统的定性投资分析师不同，定量分析师不拜访公司、会见管理团队，也不研究公司销售的产品以确定竞争优势。他们通常不知道或不关心他们投资的公司的质量方面，或这些公司提供的产品或服务。相反，他们完全依靠数学来做出投资决策。

那些经常有科学背景和统计学或数学学位的人将利用他们对计算机和编程语言的知识来构建自动化交易过程的定制交易系统。他们项目的投入可能从关键财务比率（如市盈率）到更复杂的计算，如贴现现金流（DCF）估值。

2:11

定量分析师是做什么的？

对冲基金经理接受了这种方法。计算技术的进步进一步推动了这一领域的发展，因为复杂的算法可以在眨眼间计算出来，从而创造出自动化的交易策略。这一领域在互联网繁荣和萧条时期蓬勃发展。

量化策略在大萧条中跌跌撞撞，因为它们未能考虑到抵押贷款支持证券对市场和整个经济的影响。然而，量化策略在今天仍在使用，并因其在高频交易（HFT）中的作用而备受关注，高频交易依赖于数学来做出交易决策。定量投资作为一门独立的学科也被广泛应用，并与传统的定性分析相结合，以提高回报和降低风险。

定量分析师与定性分析师有很大的不同，他们主要根据数学方程和模型做出决策。

数据，数据无处不在

计算机时代的兴起使得在非常短的时间内处理大量数据成为可能。这导致了越来越复杂的定量交易策略，因为交易者试图识别一致的模式，对这些模式进行建模，并使用它们来预测证券的价格变动。

定量研究人员使用公开的数据来实施他们的策略。模式的识别使他们能够设置自动触发器来买卖证券。

例如，基于交易量模式的交易策略可能已经确定了交易量和价格之间的相关性。因此，如果某只股票的交易量在股价达到25美元/股时上升，在股价达到30美元/股时下降，那么定量投资者可能会在25.50美元/股时自动买入，在29.50美元/股时自动卖出。

类似的策略可以基于收益、收益预测、收益惊喜和许多其他因素。在每一种情况下，纯定量交易员都不关心公司的销售前景、管理团队、产品质量或业务的任何其他方面。他们严格按照他们确定的模式中的数字下订单买卖。

定量分析可用于通过创建计算机模型来降低风险，该模型可确定提供相对于首选风险水平的最佳回报水平的投资。

识别降低风险的模式

定量分析可以用来识别有助于证券交易盈利的模式，但这并不是它的唯一价值。虽然赚钱是每个投资者都能理解的目标，但定量分析也可以用来降低风险。

追求所谓的“风险调整收益”包括比较风险度量，如α、β、r平方、标准差和夏普比率，以确定在给定风险水平下能够提供最高回报的投资。其理念是，投资者不应承担超过实现目标回报水平所需的风险。

因此，如果数据显示，两项投资可能产生相似的回报，但其中一项在价格上下波动方面会明显更不稳定，那么量化（以及常识）会推荐风险较小的投资。同样，量化投资者并不关心谁来管理这项投资，它的资产负债表是什么样的，什么产品能帮助它赚钱，或者其他任何定性因素。他们完全关注数字，选择（从数学上讲）风险最低的投资。

风险平价投资组合是一个基于量化策略的例子。基本概念包括根据市场波动性做出资产配置决策。当波动性下降时，投资组合中的风险承担水平上升。当波动性增加时，投资组合中的风险承担水平下降。

定量分析实例

为了让这个例子更现实一点，考虑一个将资产分为现金和标准普尔的投资组合；500指数基金。使用芝加哥期权交易所波动率指数（VIX）作为股票市场波动率的代理，当波动率上升时，我们的假设投资组合会将其资产转向现金。

当波动性下降时，我们的投资组合将把资产转移到标准普尔500指数基金。模型可能比我们这里提到的模型要复杂得多，可能包括股票、债券、大宗商品、货币和其他投资，但概念不变。

量化交易的好处

定量交易是一个冷静的决策过程。模式和数字才是最重要的。这是一种有效的买卖纪律，可以始终如一地执行，不受通常与财务决策有关的情绪的阻碍。

这也是一个具有成本效益的战略。由于计算机完成了这项工作，因此依赖定量策略的公司不需要**大型、昂贵的分析师和投资组合经理团队。他们也不需要在全国或世界各地考察公司，并与管理层会面，以评估潜在的投资。他们用电脑分析数据并进行交易。

什么是风险(the risks)？

“谎言，该死的谎言和统计”这句话经常被用来描述操纵数据的各种方式。虽然定量分析师试图识别模式，但这一过程绝不是万无一失的。分析涉及到对大量数据的筛选。选择正确的数据绝不是保证，就像那些似乎暗示某些结果的交易模式可能会完美运作，直到它们不起作用。即使当一个模式看起来有效时，验证模式也是一个挑战。每个投资者都知道，没有确定的赌注。

拐点，比如2008-09年的股市低迷，对这些策略来说可能是艰难的，因为模式可能会突然改变。同样重要的是要记住，数据并不总是能说明一切。人们可以看到丑闻或管理层的变化，因为它正在发展，而纯粹的数学方法不一定能做到这一点。而且，随着越来越多的投资者试图采用一种策略，这种策略的效果也会降低。随着越来越多的投资者试图从中获利，有效的模式将变得不那么有效。

底线

许多投资策略同时使用定量和定性策略。他们使用定量策略来确定潜在的投资，然后使用定性分析将他们的研究工作提升到下一个层次来确定最终的投资。

他们也可以使用定性的洞察来选择投资和量化数据进行风险管理。虽然定量和定性投资策略都有其支持者和批评者，但这些策略不必相互排斥。