题图来自：pexels
什么是量化交易？简单的说，就是用程序编写交易策略，用回测来模拟之前几年甚至几十年的交易，其中可以用到各种历史数据来辅助，包括但不限于：开盘价、收盘价、PE、PB、GDP、社交媒体的投资信息等等。
你可以在几分钟之内完成之前几年的交易回测，然后根据结果来调整各种参数，最后得到一个完美的量化模型。
再冠以大数据、人工智能、机器学习这样的时髦技术，量化交易对于理工科背景，特别是会写程序的工程师来说，就具有特别的诱惑力。
写几百行 Python 代码，回测几十次，调整各种参数，这种机器学习的常用操作，就能够实现梦寐以求的躺着挣钱，这难道不是传说中的银弹吗？
然而现实并非如此。量化交易最容易遇到的问题就是未来函数，你会站在未来的角度看待之前的投资，比如你知道 2000 年科技股泡沫，07 年次贷危机，你在写策略的时候，潜意识里面就会避开，以便获得更高的收益率和夏普比率。
即使你没有使用来自未来的能力，也无法绕开一个更深层次的问题：
使用大量数据进行计算的程序，能否比人更善于投资？
现阶段，程序相比人的优势，就是海量存储和计算速度。比如国际象棋、围棋都需要密集和快速的计算，人输给机器很正常；比如病毒样本和钓鱼网站的识别，人类专家的识别率比机器强，但一天处理不了一百个，而机器一天可以处理几百万个。这些领域，就是机器学习的强项。
而这个股票应该买入或者卖出的决定，恰恰并不需要大量的数据，更不需要快速的计算。除了没有感情波动之外，程序与人相比，没有任何相对优势。
所以在我看来，除了高频交易外，程序最多就是辅助性的工具，帮助人类更快的进行信息筛查。如果你自己亲自投资都赚不到钱，量化交易也不可能帮你赚到钱。
