量化投资发展史

问：什么是量化投资？它的理论基石是什么？

答：量化投资（Quantitative Investing）是指利用数学、统计学和计算机技术，通过构建系统化的数量模型来制定和执行投资决策的投资方法。

其核心理论基石可以追溯到 1952 年哈里·马科维茨（Harry Markowitz）提出的现代资产组合理论（MPT）。马科维茨首次将数学引入金融投资，通过引入均值-方差模型，证明了投资者可以通过分散化配置资产，在不降低预期收益的前提下降低投资组合的整体风险（标准差）。这一理论奠定了定量分析风险与收益的基础。

问：量化投资发展史上有哪些关键的定价模型与核心概念？

答：在 MPT 之后，量化投资经历了两次重要的定价理论飞跃：

• 资本资产定价模型（CAPM）：20 世纪 60 年代，威廉·夏普（William Sharpe）等人在此基础上推导出了 CAPM 模型。该模型提出了 $\beta$（贝塔，系统性风险收益）与 $\alpha$（阿尔法，超额主动收益）的概念。它指出资产的期望收益仅与其承担的系统性风险（$\beta$）相关。
• 布莱克-斯科尔斯-莫顿模型（BSM 模型）：1973 年，费希尔·布莱克（Fischer Black）、迈伦·斯科尔斯（Myron Scholes）和罗伯特·默顿（Robert Merton）提出了期权定价公式。BSM 模型通过无套利定价原理，为复杂的衍生品市场提供了精确的定量定价工具，直接推动了现代华尔街复杂衍生品交易与风险管理的发展。

问：华尔街在什么时期开始大规模引入量化投资？哪些关键人物推动了这一进程？

答：量化投资的实践落地主要始于 20 世纪 70 年代末至 80 年代。这一时期，大量具有物理、数学和计算机背景的专业人员进入华尔街，这群人被称为“宽客”（Quants）。

其中的代表性人物与机构包括：

• 爱德华·索普（Edward Thorp）：被公认为量化对冲基金的先驱。他在 1969 年创立了 Princeton Newport Partners，利用数学模型进行可转债套利，开创了统计套利的先河。
• 詹姆斯·西蒙斯（James Simons）：顶级数学家，于 1982 年创立文艺复兴科技公司（Renaissance Technologies）。其旗下的“大奖章基金”通过纯粹的数据驱动和数理统计模型寻找市场微弱的规律，创造了卓越的长期复利回报，确立了系统化定量交易在对冲基金领域的地位。
• 德劭基金（D.E. Shaw）与城堡投资（Citadel）：20 世纪 80 年代末至 90 年代初成立，进一步将计算机算法与多策略量化投资相结合，推动了量化交易的机构化与规模化。

问：多因子模型是如何演进并成为量化选股主流的？

答：多因子选股是目前量化投资中最成熟的流派之一，其历史沿革如下：

• 套利定价理论（APT）：1976 年，斯蒂芬·罗斯（Stephen Ross）提出 APT 理论，认为资产收益率不仅受单一市场风险的影响，而是受到多个宏观或经济因素（因子）的共同驱动。
• Fama-French 三因子模型：1992 年，尤金·法玛（Eugene Fama）和肯尼斯·弗伦奇（Kenneth French）提出了著名的三因子模型。他们通过实证研究证实，除了市场风险外，市值因子（Size）和账面市值比因子（Value，估值）也能显著解释股票的长期收益。
• 多因子模型的扩展：此后，学术界与业界不断扩充因子库，引入了动量（Momentum）、质量（Quality）、低波动（Low Volatility）等因子，形成了沿用至今的经典多因子量化选股框架。

问：21 世纪以来，量化投资经历了哪些关键的事件与技术转向？

答：进入 21 世纪，量化投资在技术和市场结构上面临了两次重要转折：

• 2007 年“量化海啸”（Quant Meltdown）：2007 年 8 月，由于多家大型量化对冲基金使用了高度同质化的多因子统计套利模型，在其中一家基金被迫清仓时，引发了全市场的连锁清仓效应。这一关键事件迫使量化机构开始极度重视因子同质化风险与动态风险控制。
• 高频交易（HFT）的兴起：随着各大交易所完成电子化转型，2000 年代中后期，利用微秒级指令速度、做市商策略和统计套利获取微小价差的高频交易技术走向成熟。
• 另类数据与机器学习转向：近十年来，量化投资从单纯依赖财务报表和量价数据，转向引入卫星图像、文本舆情等另类数据（Alternative Data）。同时，数据处理工具也从传统的线性回归演变为利用机器学习（Machine Learning）和深度学习模型来捕捉非线性信号。