让数据说话：股票量化投资策略设计
量化投资可以充当分散化投资的工具，基于数学模型由计算机程序控制的投资通过对宏观数据、财报数据、市场行为、交易数据进行分析，利用数据挖掘技术、统计技术等处理数据，挖掘能够预测价格走向的因子，构建投资策略。
量化投资，简单地说就是利用数学、统计学、信息技术建立数学模型，将传统投资理念、风险、收益等进行量化并付诸实现的过程。量化投资的起源可以追溯到20世纪50年代，但那时的量化由于计算工具限制，并未得到太多的认可和普及。知道近30年，随着计算机的普及，IT技术的飞速发展与进步，量化投资业绩稳定，市场规模和份额不断扩大，并越来越多地被投资者所接受和认可。在国内量化投资尚属于新鲜事物，但随着国际市场的不断开放，相关的研究也已经快速的扩展到了方方面面。然而，投资策略的单一化目前仍是我国量化投资基金长远发展的一块软肋。因此，抓紧研究和实践更加丰富的投资策略及组合，对我国量化基金的发展，对金融投资领域及投资工具的不断丰富，对中国金融生态系统的良性循环起到了积极作用。
量化交易行为是由一个个交易个体的交易决策而形成，众多的决策最终体现为股票成交量及交易价格的变化。成交量及交易价格的变化又会反过来引起投资者心理上的变化从而进一步影响投资决策的变化。现实情况下，散户投资者并非都是理性决策的投资者，这种投资的非理性行为的客观存在，造就了证券交易的买卖博弈，股价看似随机的波动，其实背后反映了人们投资行为的非理性心理变化。深入分析和理解量价变化所引起的心理变化在股票投机市场的影响，对于建立正确的投资理念及方法，对于丰富证券市场投资手段大有裨益。
数据准备、策略编写，策略调优
从事量化工作的都会了解研发策略时候一个最关键的基础：干净、准确的数据，其中包括：1、清洗过的准确的数据；2、避免未来数据的存在；3、避免幸存者偏差。我们经常看到一些表现极其逆天的回测表现，而实盘却平凡得不值一提的策略，往往是误用了未来数据。
量化投资策略的建立过程一般分为五步：初步想法——建立规则——测试——运行——迭代或废弃。规则建立后，执行买卖决策的可以是电脑，也可以是人。狭义的量化投资应该是纯计算机执行指令，零人工干预。
：投资策略说到底就是买卖决策，严格执行投资策略，不是投资者情绪的变化而随意更改。这样可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。
：及时快速地跟踪市场变化，不断发现能够提供超额收益的新的模型，寻找新的交易机会。
：准确客观评价交易机会，克服主观情绪偏差，通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。
：量化投资的系统性特征包括多层次的量化模型、多角度的观察及海量数据观察等。多层次模型包括大类资产配置模型、行业选择模型、个股模型等。多角度观察包括对周期、市场结构、估值、成长、盈利质量、市场情绪等多个角度分析。此外，海量数据的处理能力能够帮助投资者在广大的资本市场捕捉到更多的投资机会，拓展更大的投资机会。
：在控制风险的条件下，量化投资可以充当分散化投资的工具。这表现为两个方面，一是定量投资，不断从历史中挖掘有望在未来重复的历史规律并且加以利用，这些历史规律都是有较大概率获胜的策略。二是依靠筛选出股票组合来取胜，而不是一个或几个股票取胜。