量化投资模块知识图谱：评价指标与替代数据

图10.1　量化投资模块知识图谱

量化投资模块知识图谱如图10.1所示。量化投资是金融科技应用最活跃的领域之一，资本的趋利性使其积极拥抱新技术。

首先，量化投资兴起于20世纪后半叶，至今已有40余年的发展历史，其基础是算法交易和量化分析。算法交易使交易执行的过程自动化，从而实现大批量的订单下达任务，同时将这一过程的执行效率提升到远高于人类反应速度的程度。而将量化分析技术应用于投资，使构建投资策略时的每一步推导过程都变得更加清晰和明确，使投资人的主观因素对价值投资的干扰降到最低。与此同时，量化投资将金融产品投资的整个过程量化，这使得其中的每个步骤都能被准确地记录下来，并可以很方便地进行追溯，从而准确发现每种策略在执行时发生的问题，并进行合理的修正和改进。另外，这种可追溯的特性也使投资人能够更好地评判不同策略之间的优劣，经济学家们就此提出了各种针对量化投资策略的评价指标。(www.xing528.com)

其次，量化投资策略在传统上分为两个方向——基于金融产品市值和成交量的时间序列的技术分析、基于金融实体财务报表的基本面分析。在实际应用中，很多策略会将两者结合。

再次，近年来，随着数据提供商这一行业的发展，各种替代数据成为量化投资策略开发过程中一类重要的数据基础。越来越多的大数据或替代数据成为量化投资的数据源。一个典型的量化投资应用场景就是智能投顾。而深度学习、复杂网络等新一代算法和数学模型，也给量化投资策略的开发提供了前所未有的广阔空间。

最后，在当前的金融科技视角下，量化投资已经成为其中一个重要的分支。无论是其所依托的数据来源和分析算法等技术基础，还是它能够提供的产品形式，都开始了一轮一轮的革新。

曾经专门面向金融机构的自动投资组合管理软件，就是在人工智能技术的推动下，逐渐发展为面向各种体量的投资者的智能投顾产品，使量化投资走到每个人的身边。这种新的金融科技产品，虽然能够提高投资人的收益，并降低投资策略上的风险，但与此同时也带来了技术上的新风险，而针对这类新风险的科技金融安全产品也应运而生。