舞阳量化：揭开量化投资的神秘面纱，开启财富创造新征程 (舞阳量化复盘官网)

前言

在当今瞬息万变的金融市场中，量化投资正逐渐成为主流投资方式之一。舞阳量化作为国内领先的量化投资机构，以其卓越的业绩和稳健的风控而闻名遐迩。本文将揭开量化投资的神秘面纱，带您深入了解舞阳量化，开启财富创造的新征程。

什么是量化投资

li>机器学习：利用机器学习算法分析市场数据，预测未来趋势。

基本面因子：基于财务数据和经济指标构建因子模型，识别具有超额收益潜力的公司。

舞阳量化的优势

舞阳量化的优势在于其强大的研发团队、严格的风控体系和全面的投资管理服务。其核心优势包括：

• 强大的研发团队：舞阳量化汇聚了业内顶尖的量化分析师和工程师，专注于模型研发和策略创新。
• 严格的风控体系：舞阳量化建立了多重风险管理机制，包括回测、压力测试和实时监控，确保投资组合的稳定性和安全性。
• 全面的投资管理服务：舞阳量化提供一站式的投资管理服务，包括投资策略设计、资产配置和资金管理。

舞阳量化的业绩

舞阳量化的业绩长期优异，持续跑赢市场基准。其旗舰产品——舞阳量化基金成立以来，年化收益率高达两位数，最大回撤控制在较低水平。舞阳量化的业绩充分证明了量化投资的有效性。

如何投资舞阳量化

投资者可以通过以下渠道投资舞阳量化：

• 私募基金：投资舞阳量化的私募基金，最低投资门槛较高，适合高净值投资者。
• 公募基金：投资舞阳量化发行的公募基金，投资门槛较低，适合大众投资者。
• 券商资管：通过券商资管平台投资舞阳量化管理的专户产品，投资门槛和投资期限灵活。

结语

舞阳量化作为国内领先的量化投资机构，为投资者提供了一条财富创造的新途径。通过其多元化的量化投资策略、强大的研发团队、严格的风控体系和全面的投资管理服务，舞阳量化持续为投资者创造超额收益。如果您正在寻求一种收益稳定、风控良好的投资方式，舞阳量化值得您的关注。加入舞阳量化的投资之旅，开启财富创造的新征程。

舞阳量化复盘官网

了解更多关于舞阳量化，请访问其官方网站：舞阳量化.com

---

物理学家伊曼纽尔•德曼开启的量化金融时代

今天的华尔街早已不再是那种陈旧的商业模式了。 近年来，投资银行和对冲基金已经逐渐转向通过量化交易策略和衍生金融产品来获得利润了，它们招募了大量拥有博士学位的学术精英，这些精英对这些易波动的金融产品进行建模并管理相应风险。 物理学家大批涌入其他领域就职的部分原因在于，20世纪70年代他们传统的就业市场—学术领域工作萎缩了。 而在30年前（第二次世界大战期间），雷达的发明、原子弹的研制向战后政府展示了物理学的用处。 震惊于苏联“Sputnik”（伴侣号）人造卫星成功发射之余，美国国防与能源部开始更大方地赞助纯理论研究，获得资助做这类研究的物理学家并不屑于为自己的研究做宣传。 20世纪60年代，物理系的规模不断扩张、学术职位的数量也快速增长。 在学科的鼓舞和奖学金的资助下，大批充满热情的研究生进入这个领域。 好景不长，越南战争结束后，恶化的经济和公众对科学服务于战争的厌恶使科研经费大幅减少。 在20世纪七八十年代，很多曾立志为基础研究奉献终生的理论物理学家为了继续留在学术圈内被迫成为“流动工作者”，在大学或国家实验室等从事临时性的短期工作。 他们中很多学者最终放弃了寻找低薪酬的半永久学术工作，从而转向其他领域并在各种领域中寻找与物理学相关的工作，比如能源研究或电信等领域。 像是在美国有的在科罗拉多州戈尔登太阳能研究所进行可替代能源的研究，有的在康涅狄格州里奇菲尔德的斯伦贝谢公司研究处理原油泄露的数学方法，其他的还有在新泽西AT&T公司的贝尔实验室（Bell）开发高级交换系统。 巧合的是，迫使物理学家离开学术研究工作的原因中，有些却同样促使华尔街开始接纳这些物理学家。 1973年，阿拉伯原油禁运使油价高涨、利率攀升，对通货膨胀的担心将黄金价格推高到每盎司800美元。 转眼间，金融市场的波动加剧，传统上用来保守投资的债券突然变得风险超乎想象，以往的经验法则（rules of thumb）不再适用。 对于金融机构而言，理解利率和股票价格的波动比以往任何时候都重要。 风险管理和对冲成为新的当务之急。 面对这些新风险，为变化提供保护的新型复杂金融产品数量激增。 如果说数学是科学的皇后（正如伟大的数学家卡尔•弗里德里希•高斯在19世纪所定义的那样），那么物理学就是国王。 从17世纪中叶到19世纪末，牛顿的万有引力定律、三大运动定律、微分学以非常完美的方式描述着我们的世界以及太阳系中物体的机械运动。 牛顿之后200年，苏格兰物理学家詹姆斯•克拉克•麦克斯韦（James Clerk Maxwell）在1864年用简洁、优美的微分方程，同样惊人地准确刻画了光、X射线和无线电的传播。 麦克斯韦方程组表明，电与磁表面上是两种完全相反的现象，但同属于电磁学领域。 我们不能仅靠观察世界就能得到牛顿定律或麦克斯韦方程组。 数据不能自言其身。 这些方程都是思想的产物，是从痛苦思考与深度直觉交汇的世界中抽象得到的。 这些伟人的成功表明，纯粹的思考与优美的数学具有发现宇宙中最深奥规律的力量。 20世纪初，物理学的发展进程加快了。 通过仔细思考牛顿学说与麦克斯韦学说观点上的差异，爱因斯坦提出了狭义相对论（Theory of Special Relativity），改进了牛顿力学，使其与麦克斯韦方程组保持一致。 15年后，爱因斯坦提出广义相对论（General Theory）再次击败牛顿。 广义相对论修正了万有引力定律，将重力解释为空间与时间上大规模的引力波。 几乎在相同的时间，玻尔、薛定谔和海森堡在旷古一人爱因斯坦的帮助下，发展出了关于分子、原子、亚原子颗粒的量子力学理论。 爱因斯坦完善了这种思维方法并利用它发现了宇宙运行的规律。 他的方法并非基于观察或实验，他尝试着去感觉并阐释事物运行所须遵守的规则。 1918年，在为纪念发现量子的马克斯•普朗克的演讲中，爱因斯坦以研究方法为主题，阐述了这种洞察玄机的方法，他提到“得到这些规则并无逻辑道路，只有直觉，依靠一种对经验深刻理解而得到的直觉，才能发现它们”。 任何领域内寻找科学规律背后的目的是预测—预测未来，并掌控未来。 现在我们享用、依赖、憎恶或畏惧的绝大多数现代 科技 ，比如手机、电力网、CAT扫描、核武器等，都是从应用量子力学、电磁理论、相对论等基础理论发展出来的，而这些理论都是大脑思考的结果。 20世纪用来预测未来的经典工具的确就是这样一些物理学理论。 近年来，物理学家开始将相同的工具应用于金融领域。 最近20年来，华尔街和伦敦城内绝大多数主要金融机构和很多中小金融机构中，都有一小群曾是物理学家和应用数学家的人员，尝试将物理学、数学原理应用于证券市场。 以前，这些人被称为“火箭科学家”，之所以这么称呼，是因为火箭通常被误认为是科学界内最先进的领域。 现在他们通常被称为“宽客”（quant）。 在华尔街的宽客中，没有谁比伊曼纽尔•德曼更知名的了。 德曼早年毕业于哥伦比亚大学，获理论物理学博士学位。 在AT&T公司贝尔实验室任职后，他跟随华尔街正在兴起的洐生产品革命大潮，自1985年起先后加入著名投资银行高盛集团和所罗门兄弟公司。 德曼在金融产品创新领域颇有建树，他参与创作了业界广为采用的布莱克－德曼－托伊利率模型和德曼－卡尼局部波动率模型，这个模型把波动率表示成执行价格以及时间的一个函数以用于预测指数的变化。 于2000年当选国际金融工程师协会年度金融工程师，2002年入选《风险》杂志名人堂。 德曼是最早一批转投华尔街的高能粒子物理学家，他在华尔街从业17年，最后成为高盛的常务董事，并且是著名的高盛量化策略小组的领导人。 他是当今应用最广泛的、最具有影响力的金融模型的合作开发者。 物理学和数量金融看上去并不是那么相似。 但正如德曼所说的那样，“当你研究物理学的时候，你的对手是上帝，而在研究金融学时，你的对手是上帝创造的人类”。 时至今日，公司的财富和金融市场的稳定通常依赖于数学模型。 “宽客”——受过系统科学训练的、构建这些模型的量化金融从业人员，逐渐成为华尔街上的重要玩家。 数量金融（Quantitative Finance）最早可以追溯到1827年苏格兰植物学家布朗（Robert Brown）的随机运动学说，简称布朗运动；布朗运动为金融理论中的随机游走模型找到了理论依据和数学工具，布朗运动大量应用于数量金融的连续时间序列模型。 1900年，法国数学家巴施里叶（Louis Bachelier）首先数量化了布朗运动，并为之建立数学模型，巴施里叶的发现早于爱因斯坦，但是很多年后才为后人发现；1905年，爱因斯坦为布朗运动奠定了科学基础，为规范化这一理论在金融界的应用做出贡献；1923年，维纳（Wiener）继续发展了布朗运动的理论基础，其所设计的数学理论成为后来数量金融模型的基础，并首先将随机性应用于资产定价中。 1950年，萨缪尔森（Samuelson）在MIT经济系的论文资料库中发现了前文提到的巴施里叶的PHD论文，运用其观点为后来的期权定价理论奠定了基础，同时萨缪尔森数理化了宏观经济学和微观经济学，并基于此工作获得1970年诺贝尔经济学奖。 1951年，伊藤清（Kiyoshi Ito）首先提出对金融界影响深远的伊藤公式，在金融衍生品的定价公式中，得到广泛的运用。 除了理论研究上的逐渐成熟与发展，全球经济的发展趋势也促进了数量金融的发展，随着金融自由化浪潮席卷全球，经济一体化趋势不断加强，金融创新达到了前所未有的高度，并直接促进了金融衍生工具、受险价值(VaR)等风险管理技术的爆炸式增长。 因此理论研究的发展、20世纪信息技术的进步以及市场上风险管理的需求催生了衍生品市场和数量金融工程的快速发展。 数量金融工程是指合理运用数量、工程和科学方法，对金融问题给予创造性的解决，以及包括设计、开发与实施创新型金融工具与金融手段。 作为金融领域一门新兴学科，其产生和发展也使得现代金融的发展也更加快速，更加复杂。 在欧美的资本市场上，衍生品市场的规模和交易活跃程度都已经远超股票市场和债券市场。 物理学家通常在华尔街建立模型估计证券的价值。 在投资银行、对冲基金或在类似彭博（Bloomberg）和SunGard的金融软件公司中，物理学家修补既有模型并开发新模型。 到目前为止，金融世界中最著名的也是应用最广泛的模型就是布莱克-斯科尔斯（Black-Scholes）期权定价模型。 著名的金融经济学家、期权理论家斯蒂芬•罗斯（Stephen Ross）在《帕尔格雷夫经济学大辞典》（Palgrave Dictionary of Economics）中写道：“期权定价理论不但是金融学中最成功的理论，还是整个经济学中最成功的理论。 ”　布莱克-斯科尔斯模型使我们能够确定股票期权的合理价值。 股票是最常见的证券，每天都会发生买卖，但基于股票的看涨期权却很少有人能弄懂。 例如，你持有一份基于IBM公司的一年期看涨期权，你就拥有从今天开始一年后以事先约定的价格（假如说100美元）买入一股IBM股票的权利。 未来某天到期的期权的价值取决于当时每股IBM股票的价值。 如果那天IBM股票价格为105美元，期权价值就正好是5美元；如果每股价格低于100美元，期权就没有价值。 从某种意义上说，看涨期权就是赌股票价格会上涨。 期权是更常见的衍生品证券（derivative security）的一种特例，衍生品证券的价值衍生于（derived from）作为标的（underlying）证券的价值。 到期时衍生品证券的收益可以用在合约中列明的数学模型计算出来，这些数学模型将衍生品证券收益与标的证券未来价值联系起来。 这些模型可以非常简单，就像股票看涨期权的例子那样，其收益只是等于到期股票价格超过100美元的那部分；模型也可以非常复杂，通过详细的数学表达式描述且取决于几个标的证券的价格。 在过去的20年里，衍生品证券在外汇、商品、债券、股票、抵押品、信用、能源等各种领域的交易中被广泛使用。 衍生品证券比普通的股票和债券更加复杂。 其存在是因为它们允许投资银行、资金管理者、企业、投资者、投机者等客户量身定制自身愿意承担或规避的风险。 仅仅买入一股IBM公司股票的投资者只承担了拥有股票的全部风险，其盈亏与IBM公司股价直接相关。 相反地，IBM看涨期权却为投资者提供了潜在的无限收益（比如股价远大于100美元），但却只有有限的损失（当股价跌落到100美元以下时，投资者的最大损失只是期权费）。 这种股价上涨收益与股价下跌损失间的不对称性是衍生品的典型特征。 你可以在专门的期权交易所零散买入或卖出期权，你也可以与批发商（即交易商）进行交易。 期权交易商在期权市场上“做市”（make markets），他们通过向希望卖出期权的客户买入，向希望买入期权的客户卖出为市场提供服务。 交易商与保险公司类似，保险公司也是在管理风险。 就像好事达（Allstate）必须考虑到卖给你保单后，你的房子会被烧掉一样，当期权交易商卖给你一份IBM看涨期权后，他也必须承担股票价格上涨的风险。 当投保的情景发生时，无论好事达还是期权交易商都不希望破产，但他们又都不能预测未来，所以他们也都会为承担他们客户希望规避的风险收取费用。 好事达的风险管理策略是对每个客户收取费用，并使全部客户的保险费超过在未来发生大火时，他们可能会面临的赔付总额。 期权交易商的风险管理策略则不同：在理想的世界中，他规避IBM股票价格上涨的风险仅需从其他人手里以更低的价格买入一份相同的期权即可，还能从中获得盈利。 可惜的是，这种策略很少能行得通。 作为替代，交易商转而“制造”（manufactures）一份近似的期权。 此时，布莱克-斯科尔斯模型派上用场了。 不可思议的是，布莱克-斯科尔斯模型告诉我们如何利用标的股票来复制期权，而且还能够估算出这样复制期权的成本。 根据布莱克和斯科尔斯所言，复制期权就像在做水果沙拉，而股票就像其中的水果。 假如你希望卖出一份苹果和橙子的水果沙拉，你将对一磅沙拉罐头索价多少？通常来说，你会观察一下市场上水果的价格、罐装及运输的成本等，最终得到利用各种成分制作沙拉这种混合物的成本。 1973年，布莱克和斯科尔斯告诉大家，你可以利用一定数量的IBM股票和现金来混合制成一份IBM期权，就像你将苹果和橙子混合制作沙拉一样。 当然，制作期权的过程会比制作水果沙拉的过程更加复杂，否则早就有人发现布莱克-斯科尔斯模型了。 与水果沙拉混合比例固定不变（比如50%的苹果配上50%的橙子）不同，复制期权的构成比例要不断变化。 在股票价格不断变化的条件下，复制期权需要不断调整股票和现金的数量。 用水果沙拉的例子来表述的话，就是你可能是按照50%的苹果和50%的橙子开始的，但接下来苹果的价格上涨了，水果沙拉的配比就要相应调整为40%的苹果和60%的橙子；如果苹果价格下跌了，水果沙拉的配比就要相应地调整为70%的苹果和30%的橙子。 从某种意义上讲，随着构成成分的价格变化和时间的推移，你要通过调整配比来保证混合物的价格稳定。 确切的“菜谱”要遵循布莱克-斯科尔斯方程式的计算结果。 布莱克-斯科尔斯方程式还能告诉你“菜谱”的制作成本。 在布莱克和斯科尔斯之前，没有人能够猜到通过简单混合就能复制出期权来，更没有人能够估计期权的合理价值。 这一发现使现代金融发生了革命性巨变。 布莱克和斯科尔斯运用他们的洞察力使期权这种以前只能 美食 家才能享用的食谱变为标准菜单。 交易商现在可以在不承担风险的前提下利用所有标的证券制作、出售客户愿意承担的风险。 这就像在一个干燥的充满氢气和氧气的世界中，终于有人想出了如何合成水（H2O）。 交易商运用布莱克-斯科尔斯模型制作（或“合成”，或运用更加具有金融学味道的“设计”）出售给客户的期权。 他们可以利用市场上买来的股票进行期权复制，相反地，他们也可以将从别人那里买入的期权分解成股票，并卖回到市场中去。 利用这种方法，交易商转嫁了风险（由于布莱克-斯科尔斯模型仅仅是一个模型，而金融世界里所有的模型都不可能百分之百正确，交易商无法完全规避掉风险）。 交易商对自己的期权制作和期权分解过程收取费用（期权费），就像高档餐厅的厨师不但要对食材收费，还要对他们的菜谱和厨艺收费一样，也好比支付给时装设计师的费用中既包含时装材料费用，又包括设计师的才能费用一样。 当前我国的金融衍生产品市场发展明显滞后，在全球国内生产总值排名前20位的国家中，只有我们没有金融期货，整个金融业全面缺乏衍生产品定价能力，产品定价处于跟随的低端状态。 然而另一方面，中国的企业却已经走出国门，在世界范围内参与竞争，企业面临了很多企业不愿意承担的风险，例如市场风险、汇率风险等等，而很多国际大企业就可以通过衍生产品或者其它产品将许多风险头寸规避掉，这样在发生竞争时，中国的企业就缺乏抗险能力和灵活性，在竞争中就很可能处于劣势。 因此很多国内企业就去海外市场做衍生产品，但是在衍生品市场还只是个幼儿的我国企业往往会被国际投机者盯上，在他们精心设计的陷阱中损失惨重。 过目前来看，香港和深圳，分别代表了国际金融中心的两种模式。 未来粤港澳大湾区的金融格局可能是在大湾区范围内，将香港国际金融中心的功能、作用扩展到整个大湾区，使大湾区形成以香港为核心、影响力进一步提升的深港国际金融中心。 据最新一期全球金融中心指数报告（GFCI28）显示共有111个金融中心进入榜单，全球前十大金融中心排名依次为：纽约、伦敦、上海、东京、香港、新加坡、北京、旧金山、深圳、苏黎世。

投资收益不对称的量化表现都是什么，你知道吗？

现代商业或投资中，撇开非正常干扰因素，我们只能挣到四种不对称的财富：

第一种，信息辨识不对称

第二种，认知不对称

第三种，知识转化技能不对称

第四种，投资与收益不对称

这四种不对称，既是单列的，可自成结果；又是渐进的，构成前因后果，也就是因果关系，形成一个“信息—认知—技能——收益”的因果链条；同时，又构成一个体系，也就是说，每一种都同时包含其他三种，比如知识转化技能，首先是获取信息，再进行信息辨识，继而改变或提升认知之后，你才会进入技能转化的阶段，最后落在投资收益上。认知贯穿始终，收益是任何一种的最后的结果。

可以说，这四种财富你若都能赚到，你就同时具备从普通人，到优秀人，再到卓越人的素质，因为你具备了从结果型，到因果型，再到体系型的思维逻辑方式。投资与收益不对称，放在证券市场上，具体量化，也可以用常说的“二八定律”来说明。

从投资者角度来说，20%的投资者盈利，80%的投资者亏损，或者说，20%的投资者赚取了80%投资者的钱。对单只股票的投资者如此，对同一投资时段的投资者如此，对整个市场的投资者来说也是如此。

从投资时间角度来说，20%的投资时间是盈利的，80%的投资时间是亏损的，或者说，20%的时间赚取了80%时间的财富，或者是，20%的时间赚取了投资收益的80%。也就是说，你的大部分时间是在亏损的状态下，为了最终20%盈利的时间，在做各种学习、研发、生产、努力、尝试、纠错、重复等等一切的准备。

从投资标的角度来说，20%的股票是盈利的，80%的股票是亏损的，或者说，20%的盈利又占到你收益的80%。这就好比一个企业，20%的员工创造了企业80%的营收，20%的销售时间回收了80%的前期投入时间，20%的主营业务收入占到了企业总收入的80%。

世基文化一直倡导“前三名”策略，也是这个道理。世基认定：70%的市场最终都会由30%的企业垄断性覆盖。也就是，不管是对外在同行业，还是在公司内部同事之间，必须定位“要做就要做到前三名”，因为只有做到“前三名”，你才能相对稳定你的行业地位，不会再被轻易撼动，才能真正地“长期有饭可吃”。

在中国，做量化交易一天的工作是怎样的

做量化交易一天的工作：

8:00~9:00： 打开交易策略，设置一些运营参数

9:00~9:30： 观察策略运转，确保没有问题

9:30~15:30: 解决已有策略的问题并研究新策略，测试新想法

15:30~17:00: 分析交易记录， 确定第二天的交易计划

17:00~18:00: 运动

岗位职责：分析金融市场（期货、股票等）数据，寻找可利用的机会；开发与维护量化交易策略；提供机器学习/数据挖掘相应的技术支持；

岗位要求：1.熟练计算机编程能力，熟练掌握至少一门编程语言，python优先；

理工科背景，具有良好的数理统计、数据挖掘等相关知识储备，熟悉机器学习方法（分析科学问题和相应数据，建立模型和方法，验证模型和方法，应用模型和方法并分析结果，改进模型和方法）；

有处理分析大量数据的经验，并能熟练选择和应用数据挖掘和机器学习方法解决科研和工作中的实际问题；良好的自我学习和快速 学习能力，有工作激情，喜欢金融行业；两年及以上实验室研究经验或研发类工作经验优先；

扩展资料

量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，

极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

参考资料：网络百科--量化交易介绍

若对本页面资源感兴趣，请点击下方或右方图片，注册登录后

搜索本页相关的【资源名】【软件名】【功能词】或有关的关键词，即可找到您想要的资源

如有其他疑问，请咨询右下角【在线客服】，谢谢支持！