A. 量化基金的四大特点
（1）选股依靠数据指标进行股票详细调查、对股票设定预期指标检验其潜力。
（2）通过具体的经济模型对经济复苏行业评估并进行行业权重配置、将基金经理的投资理念与分析相互结合。
（3）这类量化基金360度的全市场扫描，可以起到避免基金经理个人偏见、精力不足造成选择范围局限。
（4）通过精细化的投资运作掌握细微的结构性投资机会。
对公司进行估值是公司基本面分析的重要方法，在“价值投资”的逻辑下，可以通过对公司的估值判断二级市场股票价格的扭曲程度，继而找出价值被低估或高估的股票，作为投资决策的参考。对上市公司的估值包括相对估值法和绝对估值法，相对估值法主要采用乘数方法，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等。随着全流通时代的到来和国内证券市场的快速发展，绝对估值法正逐渐受到重视。
B. 技术分析和量化分析核心区别是什么
技术分析：
1.技术分析法是仅从证券的市场行为来分析证券价格未来趋势的方法。
其中，证券市场行为最基本的表现形式包括：证券的市场价格、成交量、价和量的变化以及完成这些变化的所经历的时间。
2.证券市场中技术分析的要素：价格、成交量、时间和空间
技术分析就是利用过去和现在的成交量、成交价资料，以图形和指标分析工具来分析、预测未来的市场走势。
这种技术很好掌握，事后你看很是清晰，但是在实盘中能不能进行操作，就不是技术的问题而是自身性格的问题了，大多数交易者都是属于瞻前顾后的交易性格，看见股价第一波涨幅巨大，同时股价又是处在历史高位附近，心里的压力可想可知，大多数是不敢介入，即使是介入也是盘中一个风吹草动就赶紧获利了结的。我本人这个也是没有介入，主要原因是自己的主力仓位是在迪斯尼和二胎上，对我而言，持仓组合是最为重要的事情，题材强势个股和中线稳健品种都是有一定比例的持仓组合，轻易不会改变。你不可能把市场全部的强势题材个股都是做个遍，这里毕竟还是具备一定的风险的。
C. 股票量化交易是什么
量化交易个以前的股票交易本质没有区别，只是提高了工作效率，
量化交易分为量化分析和程序化自动交易
量化分析，如果你是普通散户我现在问几个问题，第一MACD指标默认参数下，在三千多只股票日k上近两年那只收益最好，那只亏损最大。这要人工多大的工作量，如果会写程序代码，几行代码就解决了。在继续如果调换MACD参数能否增加收益用那几个参数是最优组合，这要是人工基本无法完成，计算量太大了，但计算机就很快完成了参数优化。
而且量化分析不是技术分析，例如你问一个价值投资者，三千多家上市公司，你知道有多少家连续10年都没亏损过吗，同样几行代码就知道。
假如你听了一个老师的讲课，说他的牛x战法，普散户听了你只能价单试试，但量化分析我可以在不同市场不同时间周期，不同品种，进行回测严重，优化。这些就是量化分析。
程序化自动交易。
就是利用计算机技术自动交易，这对于散户比较难实现，简单的用第三方然间写几个交易策略可以实现自动交易。
但当你交易上你就会发现，滑点问题，你的速度不够快，需要专线网络，需要底层语言的交易系统，高速的硬件设备。
但散户还是必须要进行量化学习因为这样才能更好的帮助你分析。
下图就是最简单的趋势指标
D. 什么是量化分析
量化分析就是分析数据化 混沌理论 ：“相对论消除了关于绝对空间和时间的幻想；量子力学则消除了关于可控测量过程的牛顿式的梦；而混沌则消除了拉普拉斯关于决定论式可预测的幻想。” 一点就是未来无法确定。如果你某一天确定了，那是你撞上了。 第二事物的发展是通过自我相似的秩序来实现的。看见云彩，知道他是云彩，看见一座山，就知道是一座山，凭什么？就是自我相似。这是混沌理论两个基本的概念。 混沌理论还有一个是发展人格，他有三个原则，： 1、能量永远会遵循阻力最小的途径 2、始终存在着通常不可见的根本结构，这个结构决定阻力最小的途径。 3、这种始终存在而通常不可见的根本结构，不仅可以被发现，而且可以被改变。 一、混沌理论（Chaos theory）是一种兼具质性思考与量化分析的方法，用以探讨动态系统中（如：人口移动、化学反应、气象变化、社会行为等）无法用单一的数据关系，而必须用整体、连续的数据关系才能加以解释及预测之行为。 二、混沌一词原指宇宙未形成之前的混乱状态，我国及古希腊哲学家对于宇宙之源起即持混沌论，主张宇宙是由混沌之初逐渐形成现今有条不紊的世界。在井然有序的宇宙中，西方自然科学家经过长期的探讨，逐一发现众多自然界中的规律，如大家耳熟能详的地心引力、杠杆原理、相对论等。这些自然规律都能用单一的数学公式加以描述，并可以依据此公式准确预测物体的行径。 三、近半世纪以来，科学家发现许多自然现象即使可化为单纯的数学公式，但是其行径却无法加以预测。如气象学家Edward Lorenz发现，简单的热对流现象居然能引起令人无法想象的气象变化，产生所谓的「蝴蝶效应」，亦即某地下大雪，经追根究底却发现是受到几个月前远在异地的蝴蝶拍打翅膀产生气流所造成的。一九六○年代，美国数学家Stephen Smale 发现，某些物体的行径经过某种规则性的变化之后，随后的发展并无一定的轨迹可寻，呈现失序的混沌状态。 四、混沌现象起因于物体不断以某种规则复制 前一阶段的运动状态，而产生无法预测的随机效果。所谓「差之毫厘，失之千里」正是此一现象的最佳批注。具体而言，混沌现象发生于易变动的物体或系统，该物体在行动之初极为单纯，但经过一定规则的连续变动之后，却产生始料所未及的后果，也就是混沌状态。但是此种混沌状态不同于一般杂乱无章的的混乱状况，此一混沌现象经过长期及完整分析之后，可以从中理出某种规则出来。混沌现象虽然最先用于解释自然界，但是在人文及社会领域中因为事物之间相互牵引，混沌现象尤为多见。如股票市场的起伏、人生的平坦曲折、教育的复杂过程。 五、混沌理论在教育行政、课程与教学、教育研究、教育测验等方面已经有些许应用的例子。由于教育的对象是人，人是随时变动起伏的个体，而教育的过程基本上依循一定的准则，并历经长期的互动，因此，相当符合混沌理论的架构。也因此，依据混沌理论，教育系统容易产生无法预期的结果。此一结果可能是正面的，也有可能是负面的。不论是正面或是负面的，重要的是，教育的成效或教育的研究除了短期的观察之外，更应该累积长期数据，从中分析出可能的脉络出来，以增加教育效果的可预测性，并运用其扩大教育效果。
E. 什么是量化选股 量化选股的风险特征
什么是量化选股？
简单来说，量化选股就是利用数量化的方法构建模型，进而选择股票组合，期望该股票组合能够获得超越基准收益率的投资方法。
量化选股的风险特征如何？
我们以市场上较为典型的两种运用量化选股方法的策略举例：
一、市场中性策略
对于市场中性策略来说，其目标主要是通过量化选股的方法选出高阿尔法的股票构建组合，并做股指期货对冲。以此来剥离股票组合的市场风险，并收获纯阿尔法收益。所以一个标准的纯市场中性策略，应该较少的受到市场波动的影响，进而稳定的获得一个不错的超额收益。所以一般情况下中性策略相对纯股票多头产品回撤风险要小，波动平滑，最大回撤一般较小，属于相对比较稳健的投资策略。
二、指数增强策略
市场上现在比较主流的指数增强策略主要由原来的市场中性策略演变而来，为了能够提高资金使用效率和搏取更高的收益，将市场中性策略中的股指期货对冲部分去除，直接构建股票纯多头组合，运用量化选股的方法选择一揽子股票，追踪指数，控制跟踪误差。目的是在承担市场风险的前提下，获取能比市场指数更高的收益，不仅获取中性策略中所提供的纯阿尔法收益，也获取市场本身所带来的收益。
现在的指数增强产品主要有沪深300指数增强和中证500指数增强产品两种，以跟踪中证500指数的产品相对更多。由于去掉了股指对冲，指数增强的产品是完全暴露市场风险的，以此来搏取更高的收益。所以指数增强的产品就具备了高风险，高收益的特征。一般情况下，会跟随产品所追踪的指数进行波动，同涨同跌，但一般会在上涨中比指数涨的更高，而在下跌中比指数亏损的较少，尽管策略整体波动相对较大，在投资期间也可能发生较大的回撤，但由于指数增强产品相比纯中性产品资金使用效率更高而且有更强的复利效应，在市场没有极大风险的情况下，更可能获得比中性产品更高的收益。
最常见的量化选股模型
市场较为主流的量化选股策略总的来说可以分为两类：第一类是基本面选股，第二类是市场行为选股。其中基本面选股模型主要有：多因子模型、风格轮动模型和行业轮动模型。市场行为选股模型主要有：资金流模型、动量反转模型、一致预期模型、趋势追踪模型和筹码选股模型。
市场中从事量化投资的机构运用了各种量化选股模型构建股票组合，通过借助现代统计学、数学的方法，从海量历史大数据中寻找能够带来投资组合稳定收益的多种“大概率”策略和规律，在此基础上，综合归纳成因子和模型程序，最终纪律严明地按照这些数量化模型组合来进行独立投资。在众多的选股模型中，多因子选股模型是各个量化选股机构用的比较多的一种，多因子模型基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。
多因子模型的核心原理就是找到那些与企业的收益率最相关的因子。各种多因子模型核心的区别主要有两点，第一是选择的因子可能不同，第二是对因子的组合和权重分配会有所不同。综合这两点，就会导致不同机构最终选择出的股票组合是不同的。一般而言，多因子选股模型具体的选股方法分为打分法和回归法两种。
打分法就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，根据总分再对股票进行筛选。
回归法就是用过去的股票的收益率对多因子进行回归，得到一个回归方程，然后再把最新的因子值代入回归方程得到一个对未来股票收益的预判，然后再以此为依据进行选股。
F. 量化投资有哪些优势
量化投资就是借助现代统计学、数学的方法，从海量历史数据中寻找能够带来超额收益的多种“大概率”策略，并纪律严明地按照这些策略所构建的数量化模型来指导投资，力求取得稳定的、可持续的、高于平均的超额回报。量化投资属主动投资范畴，本质是定性投资的数量化实践，理论基础均为市场的非有效性或弱有效性。
量化投资特点：
第一，投资视角更广。借助计算机高效、准确地处理海量信息，在全市场寻找更广泛的投资机会。
第二，投资纪律性更强。严格执行数量化投资模型所给出的投资建议，克服人性的弱点。
第三，对历史数据依赖性强。
量化投资策略有如下五大方面的优势，最大的优势就是风险管理更加精准，能够提供超额的收益，主要包括纪律性、系统性、及时性、准确性、分散化等。
(1)纪律性：严格执行量化投资模型所给出的投资建议，而不是随着投资者情绪的变化而随意更改。纪律性的好处很多，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，行为金融理论在这方面有许多论述。
(2)系统性：量化投资的系统性特征主要包括多层次的量化模型、多角度的观察及海量数据的观察等等。多层次模型主要包括大类资产配置模型、行业选择模型、精选个股模型等等。多角度观察主要包括对宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度的分析。
(3)及时性：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统计模型，寻找新的交易机会。
(4)准确性：准确客观评价交易机会，克服主观情绪偏差，妥善运用套利的思想。量化投资正是在找估值洼地，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。与定性投资经理不同，量化投资经理大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。
(5)分散化：在控制风险的条件下，充当准确实现分散化投资目标的工具。分散化也可以说量化投资是靠概率取胜。这表现为两个方面，一是量化投资不断的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，从投资组合理念来看也是捕获大概率获胜的股票，而不是押宝到单个股票上。
G. 量化投资的四大特点
其实，定量投资和传统的定性投资本质上是相同的，二者都是基于市场非有效或是弱有效的理论基础，而投资经理可以通过对个股估值，成长等基本面的分析研究，建立战胜市场，产生超额收益的组合。不同的是，定性投资管理较依赖对上市公司的调研，以及基金经理个人的经验及主观的判断，而定量投资管理则是“定性思想的量化应用”，更加强调数据。 所有的决策都是依据模型做出的。我们有三个模型：一是大类资产配置模型、二是行业模型、三是股票模型。根据大类资产配置决定股票和债券投资比例；按照行业配置模型确定超配或低配的行业；依靠股票模型挑选股票。纪律性首先表现在依靠模型和相信模型，每一天决策之前，首先要运行模型，根据模型的运行结果进行决策，而不是凭感觉。
有人问，模型出错怎么办？不可否认，模型可能出错，就像CT机可能误诊病人一样。但是，在大概率下，CT机是不会出错的，所以，医生没有抛弃CT机，我的模型在大概率下是不出错的，所以，我还是相信我的模型。
纪律性的好处很多，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，行为金融理论在这方面有许多论述。纪律化的另外一个好处是可跟踪。定量投资作为一种定性思想的理性应用，客观地在组合中去体现这样的组合思想。一个好的投资方法应该是一个“透明的盒子”。
我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的，我会打开系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、动量上、技术指标上的得分情况，这个评价是非常全面的，只有汇总得分比其他得分要高才有说服力。 具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；其次是多角度，定量投资的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；再者就是多数据，就是海量数据的处理。
人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量投资的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。 这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是依靠一组股票取胜，而不是一个或几个股票取胜。