【九坤投资王琛：国内量化投资进入快车道 布局AI技术量化应用】王琛表示，中国A股的量化发展不是脱离于市场存在的，取决于未来中国A股市场发展空间和发展的增量机会，同时也受到整个量化行业研究方法、研究数据的影响，长期来看还是比较乐观的。

　　嘉宾介绍：王琛，九坤创始合伙人、总经理，清华大学数学物理学士、计算机博士，曾就职于美国量化对冲，具备扎实深厚的数学、计算机理论功底，对量化交易、尤其是高频交易有着深入和独到的理解。

　　国内量化投资不断发展，未来市场前景有多大？中国市场的量化策略容量和收益持续性如何？量化投资有何独特优势？国内量化机构有何发展趋势？对此，九坤创始合伙人王琛跟大家分享精彩观点。

　　王琛表示，九坤的量化投资方法论是自上而下和自下而上相结合的，所谓自下而上就是通过因子研究的是市场错误定价的机会，自上而下是做投资组合的构建，针对量化不同的策略目标构建更优的投资风险比例的投资组合。

　　他认为，中国A股的量化发展不是脱离于市场存在的，取决于未来中国A股市场发展空间和发展的增量机会，同时也受到整个量化行业研究方法、研究数据的影响，长期来看还是比较乐观的。

　　1、九坤投资王琛：自上而下与自下而上结合构建投资组合

　　主持人：九坤是国内成立最早的一批量化私募管理人之一，简单介绍一下九坤的投资策略？

　　王琛：九坤成立于2012年，至今已经9年的时间，我本人开始从事国内的量化投资是从2010年底开始的，2010年是中国股指期货上市的第一年，应该说量化投资在中国的时间可能主要是过去五六年的时间，我们在其中应该是从最开始决定在中国开始做量化投资，到现在一直在坚持量化的方法论。

　　量化投资在海外已经超过40年的历史，有非常强的体系积累，扎实的投研框架优势。量化投资最大的特点是基于历史数据的统计检验，而不是经理个人的对于推理的准确性。当然这里我们有提到基本面投资，因为量化也会有基本面，基本面也是量化投资非常重要的研究范畴。

　　对于九坤的量化投资方法论，我的总结是分成自上而下和自下而上相结合的，所谓自下而上就是大家常听到量化管理人所讲的因子研究，通过因子研究的是市场错误定价的机会。另外自上而下就是做投资组合的构建，针对量化不同的策略目标构建更优的投资风险比例的投资组合。

　　首先介绍一下因子研究，投资要想盈利的话都需要从市场的错误定价，这种错误定价主要来自于两类，一类是技术面反映的不足，另外一种是来自基本面的定价错误，比如说上市公司过分的财务数据准确性，包括产业链上下游对上市公司定价的影响，对于上市公司定价的错误。我们量化研究这种因子研究寻找错误定价的机会跟主观不一样，主观主要是通过单次的研究寻找更多的逻辑，而量化更像我们做去医院做身体的检查化验。

　　做这样一个类比，比如说到医院检查感冒症状，你是不是细菌感染，一般情况会做一个血项化验，看你的白血球的数量。然现在化验单上除了白血球数量之外，还可以看到白血球的正常分布范围，这其实就是一个统计上对于正常人和患病的患者白血球范围的统计结果的体现。

　　我们如果把白血球数量当做对于细菌感染有预测能力的因子的话，就反映出量化所谓因子研究是什么东西了，其实量化研究员很大一部分工作就是挖掘有效的因子，比如我们说头发的数量可能也是一个数字，但是这个数字对于我们去判断是否有细菌感染是没有用的，所以如何找到有效的、好的因子，这里面就是量化研究员的主要内容。我们会用到纯数据挖掘的方法，也会用到逻辑推演的方法，类似于定理研究的方法。

　　这些两者相结合，最终通过大量的数据，医院叫病人数据，在量化行业就是市场数据去进行检验，才能够证明它的方法有效性，这也是量化统计检验的威力所在。而且另外一方面就是因子的数量越多，通过因子的叠加也可以大大降低误诊的概率。所以量化，尤其是九坤投研整体的研究核心其实是因子的研究。

　　过去传统的因子研究是基于数据统计的方法，统计检验的方法，随着现在AI技术的发展，很多AI技术也开始大量应用于量化行业，包括也提供给我们更强大的因子研究的工具。另外在基本面研究，基本面大数据的研究，也在不断扩大量化研究的信息边界，这是我们做量化投研研究一直在不断积累和提升的方向。

　　另外从自上而下构建投资组合来说，当我们有很多针对个股的因子之后，我们如何形成一个具体的投资逻辑、投资框架，这步就是我们自上而下的量化方式来进行构建的。比如说我们常见的指数增强策略或者是市场中性策略，它其实就是考虑我如何能够在这些因子之上，通过是否对冲，通过如何分散投资，如何去控制我们的交易换手率，在不同周期或者在不同的风格上面分散，来提升我们最终的组合。

　　当然对于管理规模越大，市场风格变化越剧烈的情况下，这部分自上而下的投资管理对于投资结果的影响也会越大。这种研究对于量化，随着整个量化行业的规模增长，研究的重要性也是在逐步提升的。九坤在投资组合构建方面一直坚持的是分散化、稳健的构建模式和目标，建仓不过分暴露风格或者是暴露行业，我们相信行健当致远，这是我们整个的投资理念。在九坤有不同的策略的矩阵，包括我们的市场中性策略、多空策略、量化指数增强策略等等。九坤能够在每个策略线都取得不错的竞争力，这是完全得益于我们内部统一的自上而下和自下而上相结合的研究框架。我一直相信量化投资是一个系统工程，需要每个环节不停的打磨，不停的去积累经验，所以九坤一直坚持的做法是我们不希望在短期急功近利做决策，我们更希望能够厚积薄发专注于长期量化研究的积累。

　　主持人：您认为中国接下来的量化投资发展的市场前景是怎样的？

　　王琛：我认为量化投资它长期是有助于中国市场的多样性和流动性的，它也能够增加市场投资决策的数据和技术应用的水平，而且量化投资它其实在充分利用它的信息和技术方面的优势，能够给投资者带来回报这个方向有它的优势所在。当然随着中国量化规模的增长，更多的投资人包括监管所关注并且去研究，统计其信息包括对市场的影响，这也是一种趋势。作为投资人来说不需要过度反应，过度担心这件事情。从量化投资方法来说，它本身是在利用公开的市场数据进行统计研究，它本身也通过定量的方法尽可能降低对市场冲击的影响力。

　　所以我认为与中国市场未来开放、公平、透明这样一个大的方向是一致的。当然从管理人来说，规模越大管理人的责任和影响力需要更加慎重，所以也需要管理人更加自律和合规的进行相应的操作和投资行为，包括我们在交易中尽可能做好风控，做好对投资管理、客户管理方面的工作。这不仅仅是对量化，对所有的投资机构都重要的。

　　还有一个方向，因为其实纵观海外的量化发展，海外量化最开始也被定义为另类投资，这种另类投资其实它就不是主流投资，但是经过最近十年左右的发展，海外的量化已经在市场逐步变成了比较主流的投资模式，而且在整个资管市场里面它的占比也会非常高，我相信对中国来说，中国过去十年的量化发展，刚刚进入到快车道，整体来说还是处于方兴未艾的阶段，所以我认为未来中国的量化市场还是大有可为。

　　主持人：九坤从2019年开始就在AI方面有很深的布局，AI到底能够为量化带来什么？

　　王琛：其实在刚开始，在我刚开始从事量化，包括我在2012年创立九坤开始中国进行量化交易的时候，当时的AI技术，像大家现在所熟知的AlphaGo那个时候还没有发明，包括一些深度学习的技术还没有像现在这样广泛应用。但是过去五六年的时间，应该说人工智能技术的发展迎来一个爆发式的增长阶段。我觉得整个对量化来说，量化其实本质在做的事情就是利用数据，利用数据的信息建立算法模型，对市场进行预测的这样一个动作。我们讲AI做量化，其实本质上就是利用AI领域的算法成果，把它的算法模型来替代传统的量化模型，它本身可以发挥AI技术在大数据、非线性传统下的优势，使得它能够帮助量化提高量化模型的收益。应该说人工智能技术现在这些年在传统领域的应用已经是如火如荼了。

　　AI技术在传统领域的应用其实有一些天然的优势，但是它也有它的难点。比如说我举个例子，如果我们把AI技术比喻成一个比较聪明的应届毕业生，它的科班技术非常扎实，它有非常通用的理工科的技能，但是当它进入一个特定行业的时候，它仍然需要有这种行业的专家把它引进门，我觉得这是AI技术在各个垂直领域发挥作用的时候的一个前提。

　　对于九坤来说，我们在2018年主要还是以传统的量化统计的方法来作为我们研究的方法论。从2019年之后，我们在AI技术方向投入了大量的人力和技术，包括我们在人才方面，过去两年的时间我们百分之七八十以上的人才都是AI技术方向的积累，我们也投资数亿来建设我们的AI超算集群，同时我们也在技术方面，在AI的方向让我们的团队能够把AI技术和传统的技术相融合，我们现在的策略团队里面有数据统计专家和AI技术专家相结合的构建方式来搭建我们的策略小组、策略团队，这也是我们过去几年所做的事情，能够在AI技术有成果的基础。

　　从现在的实际经验来看，AI技术已经在当前的九坤80%的策略和环节中，都已经广泛应用了AI技术，确实对我们的投资能力和投资技术的积累有非常好的帮助和提升。我们相信AI技术在未来，随着AI技术本身行业的发展，以及量化行业大数据的场景拓展，AI技术未来在量化行业还是大有可为。

　　主持人：未来在人才体系、投研体系，有何布局思路？

　　王琛：其实九坤的人才配置在过去一直是超配的状态，这跟九坤自己的核心理念有关，我们希望能够做更多对未来有效的事情，我们希望能够有自己长期的系统性的对于公司和整个投研建设的方法论，希望在未来有更多的积累。我们过去一直在人才方面是超过我们的规模所需要的人才，投资未来是非常有价值的。

　　当然从实际的工作需求来说，量化是一个系统工程，随着现在整个量化投研的积累，实际上虽然我们做了很多事情，但是量化的投研研究前沿方向其实也是在不断拓宽的。在这个过程中，像一些基本面大数据的研究，包括一些AI技术的研究，包括一些IT技术、交易技术，以及不同的交易市场的探索，新的市场的探索，包括市场风险的研究等等，每一种研究都需要更加深入细节的研究，包括人才的储备和经验的积累，所以我们现在的人才应该说在各个方向的需求上对未来是非常必要的。

　　从另外一个角度来说，当前大家看到九坤的策略表现，也是过去两三年在人才和技术方向积累的结果，所以面向未来的人才体系也是赢得未来的主要手段。从人才建设的特点来说，我们公司是非常在意，非常注重应届生和自主培养的人才梯队的战略，我们现在80%的核心策略人员都是过去几年经过应届生自主培养起来的，而且我们现在还持续在增强对人才吸引的力度。

　　主持人：我们也注意到九坤现在有许多的策略，实际上是全市场的量化选股，而不是像以往对量化的观察，它是铆定个别的指数来进行选股，所以也有一些投资者朋友，还有一些关注量化的投资者朋友还没有更新到这个思路，为什么现在要全市场来选股，这样选的话会不会暴露更多的风险，它的比较基准到底是怎样的，请王总来为我们解答一下。

　　王琛：其实判断投资管理人的投资能力，大家认为需要有铆定的业绩基准这件事情并不是必然的，因为投资人投资思路的目的本身是为了获取长期的绝对收益，当我们拉长投资观测期的时候，并没有因为没有一个特定的铆定的指数基准就无法进行判断。就像我们做，投资人去买主观的私募基金，他本身也是没有一个特定的基准。当然从过去几年量化来说，量化很多的产品是有指数增强的基准，是有一定的历史原因的，但是这个过程中我们也发现之前很多指数增强的投资人由于他过度关注短期的表现，其实也会影响到他的投资心态，甚至影响到最终购买投资基金的胜率和牺牲一定潜在的收益，这也是我们从2018年之后在产品方面去坚持做这种三年期的基金产品的原因。

　　另外从全市场选股的机会来说，其实大家关注整个A股现在有4000多支股票，而且随着北交所在内注册制的推广，其实市场上的投资机会会越来越多，随着市场的风格变化的频率也会比较高，包括也会出现对某一特定类型、特定风格的投资场景的局面。选择单一的指数、指数标的，其实对于投资人的配置能力要求是非常高的。而且反过来看也会限制管理人对于投资风格、投资机会把控的灵活度。

　　所以其实放开指数特定的限制，对投资人来说是更容易抓住投资机会，而且更有利于长期的投资收益的积累，这是现在整个量化行业逐渐形成的共识。这也是不管是九坤，还是其他的量化同业都在做的事情。

　　主持人：九坤在过去几年有过两次的主动停盘，一次我记得是在2018年的6月底，还有一次在去年的11月份，实际上当时资金包括市场对于量化是非常追捧的状态，而九坤又为什么做出这样的决定？

　　王琛：其实在2018年上半年的时候管理规模大概80多亿，在当时的量化行业里面也是规模比较大的。因为当时我们整个策略体系还是以量价策略为主，在当时的市场环境和自己的策略储备来看，我们认为是需要控制管理规模，让我们的管理容量有比较好的发挥。

　　所以在当时本着对投资人负责的态度，应该说是量化行业第一个暂停投盘的案例，也体现我们对投资人负责的态度，后面也印证了我们的判断，2018年下半年整个市场流动性已经下降到了2000亿的量级，这期间我们也没有原地踏步，在2018年之后两年多的时间一直在持续积累我们的策略和技术，包括我们在基本面和AI技术方面的积累和学习，这个过程中我们也在2019年之后的募集奠定了非常好的技术积累，这也是2019年之后开放募集主要的原因。

　　从公司募集和经营的理念来说，公司的特点一直是由投资逻辑去驱动主导我们的经营逻辑，作为做投资的人来说，我们投资都比较在乎，对市场保持一种敬畏的心态，所以我们的募集一直是匹配和参考我们的管理人，以追求稳定业绩为主要目标，希望未来能够坚持这种风格，在规模上保持自己的节奏，这是我们对于这个方向的基本态度。

　　2、九坤投资王琛：中国市场量化投资机会持续乐观

　　主持人：您如何看待权益市场包括期货市场的投资前景？

　　王琛：其实今年的权益市场和期货市场受中国宏观经济的影响是非常显著的，甚至于出现了不光是期货和股票，也包括了债券市场，出现了股债期三杀的市场。今年主要的市场主角是新能源和环保能源价格方向，其实这个本质上还是因为疫情恢复和基本面的复苏并没有年初想象的那么快。当然疫情总要过去的，全市场表现不好反而对于投资人来说未来复苏和盈利的空间会更大。

　　从另外一个方向来说，其实你可以看到今年市场年终有一个是非常好的，最高的时候到过一万五千以上，近期有所下滑，但仍然停留在万亿规模，这也反映出从2019年之后整个资管大环境的影响之下，过去两年A股动性的水平其实有一个持续性的提升。

　　A股现在这种房住不炒的政策，以及海外对于中国市场配置的关注，未来中国市场的地位和它的流动性会进一步更好的机会，我们也建议个人投资者更多的关注更长投基金下，我们可以站在两到三年以上的视角进行配置，而避免对于市场做过短的择时，从而错过一些市场企稳的机会。

　　对于量化的投资者来说，大家把对于量化管理人的选择，以及α方面的考量作为重中之重，希望能够保持对长期β一定的容忍度，或者在调整过程中可以分批建仓，或者是去建立一些量化多投的策略，这样的话对未来有不错的策略表现。

　　主持人：近期量化类的私募可能业绩表现出现了一定幅度的波动，特别是指数增强类的效果不如以往好，是什么原因？

　　王琛：指数增强产品的收益表现由两部分构成，一部分是α，一部分是β。β部分就是指数的表现，其实今年很多投资人，包括去年的一些投资人对于指数增强，本身虽然有估值，但是从长期来看不管是300还是500，它的估值表现都是有波动，需要有更长期的视角去看待这个波动，对这种波动有一定的容忍。

　　其实你更还是需要关注量化α超额收益。从超额收益的角度来说，过去的量化都会有它的周期性，比如说去年包括前年在四季度的时候量化α的表现都会受到一定的影响，跟市场风格切换有一定的关系。大家无需过度担心或者是关注这种短期的超额收益的表现，大家关注一些更重要的指标，包括量化管理人的投资团队的研究能力，包括市场机会的分散度，对判断量化未来的表现更准确。

　　主持人：下面还有一位投资人想要问九坤目前的高、中、低频策略分布比例大致是多少，九坤更擅长哪个领域？

　　王琛：首先九坤从策略配置来说，我们在周期上是比较平衡的，当然高中低频它的品质比例来说的话，在过去九坤是以高中为主，现在也开始逐渐并且在未来会在低频层面上的占比会越来越多，这也是量化行业未来的趋势。

　　从高中频来说的话，这两部分的占比是受市场流动性影响是比较大的。当市场流动性好的时候，我们会在这个方向增大配置，当市场流动性下降的时候，这两部分会下降，更多配置在更长周期的投资当中去。从现在来说的话，我们在这三个方向，在新增规模之上，大部分还是在低频层面做增量配置。

　　主持人：您对新能源板块有没有什么看法可以分享？

　　王琛：从量化研究来说，很少对于单一板块做出特别的判断，因为量化本身它的方法论是需要对于更多的数据进行研判，通过这种有足够多数据统计的检验之后，才能做出比较好的策略。所以我们对于这种短期的市场热点，市场关注比较多的板块或者概念，一般情况下当做短期风险进行评估的。因为当做风险的话，我们会规避在这些板块上波动集中的持仓。所以我们一般研究的话会把短期的波动会增大板块加入到我们的波动敞口可能性中去。

　　当然大家可能看到像新能源板块它的增长幅度很大，它的收益可能对很多投资的影响都很大，如果当它出现一些调整的时候，它的波动和它的下跌对于前期赚到这上面钱的基金产生比较大的影响。盈亏本身从量化的角度来看都是同源的，我们最终关注量化，更多应该关注量化对于宽基的选股，尤其当市场出现一些更加分散机会的时候，量化的表现如何才是真正体现量化能力高低更加有代表性的特点。

　　主持人：量化快速发展，您怎么看中国的量化策略容量以及量化收益的可持续性？

　　王琛：首先我认为整个中国A股的量化发展不是脱离于市场存在的，因为量化本身它的容量是由市场整体的容量影响决定的，是动态变化的。当然短期来看的话是受到当前市场流动性包括当前市场整个机会的分散度，决定了当前的量化。

　　但是长期来看的话，它取决于未来中国A股市场发展空间和发展的增量机会，同时也受到整个量化行业研究方法、研究数据的影响。比如说我们现在也在大力发展针对A本面和另类数据的拓展和研究，这方面我们每年会投入上亿元积累相关的研究数据进行一些研究方法的探索。这部分我相信在未来，在中国市场会对整个市场，对量化容量起到更大的影响。我觉得长期来看还是比较乐观的。

　　主持人：您当时创立九坤包括您进入量化这个行业您的初衷是什么？

　　王琛：做投资之后我可以接触到各个行业的最新信息，行业的发展，并且能够置身其中去思考它背后的逻辑，这是非常有挑战性的。当然从量化，从整个投资行业来说，其实大家在投资中能否盈利，取决于你在整个投资过程中怎样发挥你的优势特长。当然我的背景是计算机和理工科出身，所以我发挥自己在这方面的特长，以理工科的视角去看待金融市场的运作规律。

　　一百个人心里有一百个哈姆雷特，相信对于投资来说也是如此，我们有什么样的优势特长，有什么样的视角，依据自己的特长去做投资可能是更适合的。当然另外一方面我认为量化投资在中国应该是有非常大发展潜力，在我开始做中国量化市场的时候，整个A股还没有人知道量化投资是什么，是一片空白和蓝海的状态。到现在为止整个量化市场已经到了规模比较显著的阶段，未来中国的量化发展还有很大的空间。比如说刚才提到的数据方向，也包括去看海外的量化发展过程中，包括海外四十年的量化也不是一成不变，是在不断积累很多新的技术、新的方法、新的理解，再不断充实量化的工具库，我觉得这也是量化非常吸引我的地方，可以保持对于前沿技术，对于前沿方法、体系的学习。

　　主持人：我们了解美国您刚刚提到它的量化市场已经有40年的沿革，中国现在的阶段应该是处于它萌芽期还是说我们已经？

　　王琛：中国其实十年的过程基本上已经走完了美国30年左右的历程。当然中国也有一定的优势，因为首先中国市场本身证券市场由于路径依赖带来市场规则的复杂性。所以对于中国来说，量化面对的市场和一些交易的机会，虽然可能比海外的市场，现在看起来机会没有那么多，但是大家所做的事情对于未来的发展空间更有意义，有利于长期的发展。

　　另外就是中国现在对于量化的交易条件、交易的规则，还有很多能力没有被释放，比如说现在市场对冲工具的选择，包括对于市场交易的机制，比如说T+1的交易机制等等，其实很多地方对于未来量化发展，随着制度红利或者其他交易规则的改变，包括交易标的的增加，未来量化发展还是有很大的机会。

　　主持人：九坤的机器模型技术最厉害的地方在哪里？

　　王琛：首先从量化角度来说，单一模型对于量化投资的影响，我们希望越低越好。只有通过分散，不光是在股票上面做分散，同时也在投资模型或者是投资数据上面做分散。本质上最终能够影响投资胜负的主要来自于几个方向，一个方向是信息来源，信息来源越分散，越多元，对股票和市场的判断才更加准确。

　　另外模型方法越分散，因为任何一种模型都没有办法100%把市场的规律，在高噪音的环境之下的市场规律能够精确的刻划，所以有多种类型的模型能够有效分散整个投资的胜率。实际上像现在虽然在使用很多机器学习的方法，但是我们老的那些传统的方法在当前的环境之下仍然有不错的表现，相对非常重要的战略，它形成了我们现在整个九坤的投资组合里面非常重要的不可或缺的一部分，这也是我们九坤看待整个模型演进发展的一个视角，所有过去的研究都是下一步积累非常重要的基石。

到底什么是量化投资？大家都有这个疑惑。其实量化投资也有广义和狭义之分，而真正能让一家基金被大家称之为量化投资基金，往往是契合了狭义上的定义。在引出量化投资的狭义定义前，我们先来回顾下每次在金融市场的投资都是由那些部分构成的。

正如上图所示，在每次投资时我们都会面临4个步骤。

一、我们先会有自己的投资想法，比如很多散户会用的追涨杀跌，不同的技术分析模型，虽然不怎么聪明，但其都是投资逻辑的一部分。有了逻辑就会形成自己的策略。

二、接着我们会去寻找我们需要的信息，可能是投资APP上的一则推文，也可能是券商分析师出具的研究报告，还可能是自己去主动搜集目标行业公司的财务报表等。

三、然后我们用自己的投资逻辑将收集到的信息加以分析并得出投资决策。

现在我们来看看广义定义上的量化投资。正如其字面意思，量化投资即用数量化的手段帮助自己进行投资，实际上，无论是上面4个步骤中的一个或多个运用到了数量化的手段都可以叫做广义上的量化投资。比如现在很火的深度学习，就是在第一步投资逻辑上进行辅助；数据挖掘和爬虫技术帮助信息的收集；第三步有计算机模型自动或半自动完成决策；第四步有不同券商旗下的自动化交易平台。

但当人们提起巴菲特旗下的伯克希尔哈撒韦，并不会第一时间联想到量化投资，但巴菲特的的确确是运用了数量化的手段，如信息搜集过程中公司财务报表的模型化处理，投资决策过程中的数量化模型辅助等等。而提起国外西蒙斯掌管的文艺复兴对冲基金，和国内的幻方、九坤、呈瑞等私募基金时，人们就会第一时间联想到量化投资。同样运用了数据化手段，为什么二者带给人的第一印象就如此不同呢？

引用“程序员眼中的量化投资的未来”一文中三个启发性的提问：

•  “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很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。这也是不对的，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。”

那到底怎么才能称得上是一个真正的量化投资呢？现在我们就可以引出量化投资的狭义定义了：只要在投资步骤中的第三步、也即投资分析和决策产出的过程中，是由数量化的计算机程序独立完成的，而非人工独立或人工和计算机合作完成的决策，就可以称之为量化投资。

因为量化投资的第三步骤投资决策过程是由计算机程序完成的，因此在一个量化基金内是没有量化基金经理这一职务的，相反，量化基金是由交易员、研究员和程序员所构成的。由此也引出了一条判断量化基金真假的推论——如果有一家量化基金的基金经理联系你进行投资，那必然这家量化基金本身就是不规范的，要提高警惕。由于国内量化基金鱼龙混杂，大家投资量化基金一定要擦亮眼睛！

而正是由于计算机取代了基金经理这一职位，量化基金也突破了传统投资经理只专精于某个行业40至50支股票的限制，完成上千支股票投资机会的筛选，不知疲惫的完成大量的人工难以完成的投资决策。

温馨提示：投资有风险，选择需谨慎。

★ 十多节精心准备的视频课程

★ 大量实战案例作为配套作业

★ 任何疑问，邢老师亲自讲解

课程更新说明，购买2019版新课程将赠送2018版课程。

※第1、2、3课：python金融编程
※第4课：A股市场概述
※第5课：如何搭建自己的股票交易数据库

有的朋友学习半途而废，为激励大家，第6课及后面内容，需要完成大作业1才能开通。大作业1详见5.7章节。

※第6课：择时策略—回测
※第7课：A股自动交易
※第8课：择时策略—实盘
※第9、10课：选股策略
※第11课：策略评价、优化
※第12课：若干策略案例
※第13课：量化投资的优点和局限

精心整理10节视频课程，从Python基础到策略实现，从获取数据到自动下单，手把手带你入门。（订阅课程后可随时、永久观看）

光看永远学不会，实践必不可少！配套大量贴近实战的课后作业，让你在实操中快速入门。

自学最痛苦的莫过于有问题却没人可问。提供文字、语音、远程桌面等多种答疑方式，邢不行老师亲自解答你的疑问。

▼ 课程结束后，你可以

1.掌握Python、Pandas基本用法，为量化投资、数据分析打下扎实基础。

2.可以编写较复杂的择时、选股策略。

3.可以获取实时股票数据，进行自动化交易。

1.项目化教学。每位同学在课程结束时，都能有自己的策略并自动交易。

2.注重理论，更有实战！介绍大量国内量化基金实际案例。

3.课程内容翔实，节奏较快。若基础薄弱，需要在课后花较多时间。

1.对编程有基本了解，最好有一门编程语言的基础。

2.对量化投资有较大兴趣，最好有一定实际投资经验。

注：报名后请添加课程管理员qq:，备注：姓名+电话，拉入量化投资学习群。