为什么选择考研，为什么选择考研而不是就业
大家好我是杨智，今天和大家聊聊我为什么选择量化投资
可能很多人对理化投资不是很了解，我以前没有接触量化投资之前，对量化投资的印象是一群高智商的数学家建立模型，超级计算机上的灯光不停闪烁，分分钟交易流水上千万，赚得盆满钵满的人们抽着雪茄、喝着红酒。
总之觉得这是一个对我们普通人来说是一个很遥远的东西，我这辈子都不可能与他有交集
直到我知道我的一个老乡在做量化，我就去他那看了看，去了之后才了解我以前想得那种很高端的量化确实存在，这种做得是高频量化，它们找一些数学家对市场行情建模，找出一些瞬间出现，比较有确实性的盈利机会，利用他们的速度、网络优势，在别人没反应过来之前就出手
为了有速度和网络优势，他们往往会采购很高端的计算机，并且把机房放在交易所附近，再加上高端人才，他们的成本也非常高，除了机构一般人根本玩不起高频量化
好在高频量化只是量化投资中的一种，我们普通人可以做低频的量化，比如我们制定一个策略，5日均线上穿20日均线就买，下穿就卖。就这么简单的一个策略，用计算机来执行，也可以说是一个量化策略。
我心中的量化投资是什么
我觉得严格来说量化投资并不算一种独立的投资方法
我们平时常听到的是价值投资和技术交易这两种，或者是两者的混合运用。他们都是在股市中找到一个能赚钱的规律，然后不断重复操作而获利。
在这个过程中，会遇到几个问题：
1、策略的回测工作量大
一个策略从构思出来到实际使用，中间一定要用历史数据检验有效性，至少策略结果的数学期主望值是正的。
期望值为正的意思是说：平均盈利金额 x 胜率 – 平均亏损金额 x (1-胜) > 0
打个比方说某策略平均100次交易中，盈利的有65次，那么胜率是65%，平均每次赚20元，剩下的35次亏损交易，平均每次亏40元
那么该策略的数学期望值是20×65% – 40×35% = -1
一个数学期望值为负的策略，从一开始就不应该坚持，只要交易的次数够多，一定是亏的
但是检验这个步骤人工做起来很麻烦，现在A股有5000只股票，很多股票上市十几年了，要人工去做回测，想想脸都绿了
2、交易过程中人会受到情绪的影响
我们都听说过交易的过程中要克服人性的贪婪、恐惧
不过这玩意儿还真不是那么好克服的，要不说这是人性呢
只要我们是人，就会有这些情绪，或多或少，只不过有些人经过长时间的训练后，在股市中受这些情绪的影响会小一些。
3、精力受限
一般大家平时都有工作要做，没有时间盯盘。
完全不管也不行，A股的波动很大，赢利了不走，可以马上变亏损
为了克服这些问题，人们就想着用计算机去解决这些问题
但是计算机一开始并不能知道什么时候买，什么时候卖，得人来告诉他怎么做
这个计算机的行为依据就是人们总结出来的交易策略，可能是基本价投的，也可能是基本技术分析的，只是策略必须先由人来制定，再交给计算机来执行
这就是我为什么说量化投资并不是一个独立的投资体系，它只是用来自动的帮我们执行我们的交易计划
因此量化策略，重要的不是“量化”，而是“策略”，如果会编程就是量化高手，那软件工程师都是投资大师了
最后说说我为什么选择量化投资
除了上面说的可以方便的验证策略、克服交易中的情绪影响和节省时间外，还有一些其它的好处
1、用广度代替深度
对于我这种非专业人士来说，让我去看财报，分析行业发展，预测公司利润，是不可能做到的
用量化策略只需要有个模型，电脑自动去匹配，每次匹配最符合条件的几支股票，然后全买下来。中间肯定会买错，但是大部分都能买对就行了，成年人的世界不做选择
2、可以建立多策略组合来降低持仓波动、分散风险
一个策略会有适应期和不适应期，如果多几个策略配合使用会降低波动，持仓体验更好。如果人工用多策略交易，估计会得分裂症
3、策略可以共享
除了自己用也可以分享给其它人用，甚至可以租用策略，获取收益。国内现在就有很多团队开发策略租给别人使用，这也是我后面想做的事
另外就是我做过程序员，有点天然优势，这正是我为什么比较青睐量化策略的原因。
现在美国那边大部分交易都是量化盘，我估计以后A股的量化交易占比也会越来越大。
所以使用量化策略对普通人来说还是比较有优势，特别是我们散户的资金量比较小，进出比较灵活，能抓住很多小票的脉冲机会，这是大资金所做不到的。
关于量化策略今天就讲这么多，后面我做一点实际的操作事例给大家演示一下，普通人也可以做量化。
为什么选择考研(为什么选择考研而不是就业)