Q：关于“量化投资”，有很多不同角度的理解，明汯投资会如何定义？

1、从广义上讲，量化投资（Quantitative Investment）是一种以历史数据为基础、 以模型为核心、以程序化交易为工具的投资方法。

■ 以历史数据为基础：一般来讲数据点及结构化数据越多则越有利于建模。如果历史上没有发生过或仅发生过几次，很难找到合适的数据来训练，基于过往总结出的“规律”则在这个阶段不一定有效；

■ 以模型为核心：不管是早期以金融逻辑为基础的线性模型，还是后来更多采用的机器学习、深度学习模型，万变不离其宗——本质上都是以数据为基础建立模型；

■ 以程序化交易为工具：“程序化交易”是一个工具，不管是主观投资还是量化投资，不管机构投资者还是个人投资者，大家都可以根据自身情况去评估和使用该工具。

2、基于我们的理解，我们倾向于把量化投资定义为“把最前沿的科学技术与对市场的深刻理解做有效结合”，仅仅对数据的采集和挖掘并不足以寻找市场运行规律。

■ 无论采用哪种投资方法，要想持续取得长期靠前的超额收益，都要求抓住市场的本质规律，背后考验的是对市场的深刻理解，只是采用的方式有所不同。一般来讲，量化投资以捕捉短周期的市场价格信息见长，擅长纠正短期的价格偏离。而随着周期拉长，主观投资基本面深度调研相对更为有优势。

■ 作为一种投资方法，并不能脱离“投资”来谈量化投资，只不过更倾向通过“代码建模”来表达对市场的深刻理解；数据是量化投资的基础，但在我们看来，目前国内的数据量还没有大到足以无视“逻辑”——即对市场的深刻理解。

■ 在量化投资方法论中，时常会提到“算力”和“算法”，其中“算力”需要紧跟最前沿的科学技术，比如机房建设、GPU、服务器、数据库等都需要持续充足投入，以明汯为例，经过多年的持续投入和升级，始终保持业内顶级配置；再比如当前国内主流量化私募已大量采用机器学习、深度学习优化模型——“科技”也恰是量化区别于其他投资方法的特色所在。而“算法”则一定程度上体现对市场的深刻的理解。针对“算力”和“算法”两个维度的持续提升，对于不断优化投资组合产品风险收益比都至关重要。