什么是股票量化投资？
量化，这个词汇是近年来在基金行业被普遍使用的词。说起这个词，就不得不提到一个著名的基金公司——贝莱德（Blackrock）。 贝莱德是全球最大的资产管理公司之一，旗下拥有大量知名基金品牌，比如先锋领航、iShares、Barclays Global Investors等，其中iShares 是全球最大指数基金会，我们熟悉的ETF就是由iShares发明并推出的产品。
ETF 通过组合的构建原理实现量化，其实现方式是通过买入一揽子股票来复制指数，而被动型的投资策略正是量化投资策略中非常重要的一类。还有主动型量化投资和算法交易等多种分类方式。 我这里主要介绍的是以策略为核心的量化投资，其核心在于研究策略，并在策略的基础上进行程序化编程和实现。 量化投资的策略可以分为主观型策略和量化模型策略。主观型策略通过专家的经验判断选股或者择时；量化模型策略则是用统计分析的方法建立模型来实现预测。
无论哪一种策略的基础都必须有数据作为支撑，所以量化投资的第一步就是要收集数据。
1.1 数据源
一般我们建立的策略或模型需要满足以下四个条件： 同时，为了策略的评价与跟踪，我们还需要提供策略的绩效信息，包括： 以上所涉及到的各类数据都需要进行合理的整理和加工，然后才能输入计算机进行分析处理。
1.2 基本概念 策略的基本元素包括因子、指标和变量。因子的含义是对应着策略的作用方向。比如对于选股策略来说，因子代表应该是个股的信息；对于择时策略来说，因子则代表时间的信号。 指标则是对因子进一步细化而来的数值，是用来度量因子好坏的尺度。 变量是指策略在执行过程中要使用的参数值，它受到指标的影响和制约。
2 策略开发过程
一般来说，策略的开发过程都经过以下几个步骤来完成： 在上述的过程中，需要注意的问题是：
2.1 不要将策略开发的过程简单地等同于回测的过程。一个好的策略是需要经过反复思考和多次试错才能达到优化的效果。策略回测的结果并不一定能实现最好的风险收益，而且也不能达到最优的标准。
2.2 对于新进入的策略评价需要给与足够的耐心，特别是对于小样本的数据更需要谨慎看待，因为小样本往往存在过度拟合的问题。 量化投资是一个非常有意思的话题，值得深入研究。希望我的一点浅见能够对您有所帮助！