量化金融学什么

1. 量化金融学什么

量化金融和传统金融的区别是：量化金融学主要是涉及量化投资的一门新兴金融学科。量化投资是以金融衍生品和工具为基础的，对于数据和信息要求很高，是一个智慧型、智力型、智商型为主导的产业。传统金融，主要是指只具备存款、贷款和结算三大传统业务的金融活动。广义的寿命周期成本还包括消费者购买后发生的使用成本、废弃成本等。简单来说，金融就是资金的融通。金融是货币流通和信用活动以及与之相联系的经济活动的总称，广义的金融泛指一切与信用货币的发行、保管、兑换、结算，融通有关的经济活动，甚至包括金银的买卖，狭义的金融专指信用货币的融通。

2. 量化投资、量化交易、量化金融，这三者有什么区别吗？

量化投资相对于传统投资方法的优越性主要来自两个方面：
其一，现代投资组合理论强调通过多元化投资组合消除非系统性风险，以实现降低风险的作用。但实际上由于人的视野和精力都相对有限，基金经理或研究员不可能进行大范围的股票甄选和高频率的验证测算，形成的投资策略得不到宽度、广度上的肯定，难免形成一孔之见。靠人力甄选得到的投资组合很难达到最优化配置，无法确保在风险管理和利润追求上的投资目标。而量化投资的视角更广，借助计算机高效、准确地处理海量信息，更广泛地寻找和验证投资机会，消除投资组合配置的局限性。

其二，行为金融学认为，投资者是不理性的。任何一个投资个体的判断与决策过程都会不同程度地受到认知、情绪、意志等各种心理因素的影响。基金经理和投资研究员在一段时间跟踪某只股票之后，由于时刻关心股价的表现和基本面的变动，可能出现不同程度的情感依赖，“和股票谈起恋爱”。即使出现了下跌趋势，也可能因为过度自信、抵制心理等不理性的分析出发点而导致投资、荐股时的行为偏差。而量化投资依靠计算机配置投资组合，克服了人性弱点，使投资决策更科学、更理性。

3. 量化金融是一个什么样的专业?

量化金融是指依托金融大数据、金融科技和智能金融的技术进展，通过数量化方式及计算机程序发出交易指令，以获取稳定收益为目的的金融投资方式。
量化金融在美国已有30多年的发展历史，投资业绩稳定，市场规模和份额不断扩大，成为美国投资界的主流方式，并占据了全球投资领域的半壁江山。量化金融一直是全球各大金融机构的高薪岗位，专业人才需求巨大。
与量化金融在国外的蓬勃发展相比，中国资本市场量化金融方兴未艾。随着大数据的广泛应用和金融科技的飞速发展，量化金融日益受到国内投资界的高度关注，呈现井喷式发展态势，各大金融机构纷纷成立量化投资部专门从事量化金融策略研发与投资工作。
与资本市场量化金融井喷式发展相比，我国量化金融人才培养相对滞后，各大金融机构在量化金融方面人才奇缺，量化金融人才争夺日趋白热化。
从金融业界对量化金融人才的现实需求来看，高水平的量化金融人才需要同时具备金融学、行为科学、统计学、计算机、数学领域的专业背景，具有明显的跨学科特征。

量化金融学与传统金融学的区别：
量化金融学主要是涉及量化投资的一门新兴金融学科。量化投资是以金融衍生品和工具为基础的，对于数据和信息要求很高,是一个智慧型、智力型、智商型为主导的产业。
传统金融，主要是指只具备存款、贷款和结算三大传统业务的金融活动。广义的寿命周期成本还包括消费者购买后发生的使用成本、废弃成本等。简单来说，金融就是资金的融通、是货币流通和信用活动以及与之相联系的经济活动的总称。
广义的金融泛指一切与信用货币的发行、保管、兑换、结算,融通有关的经济活动,甚至包括金银的买卖,狭义的金融专指信用货币的融通。

4. 量化金融是一个什么样的专业?

量化金融是指依托金融大数据、金融科技和智能金融的技术进展，通过数量化方式及计算机程序发出交易指令，以获取稳定收益为目的的金融投资方式。

量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。
从全球市场的参与主体来看，按照管理资产的规模，全球排名前四以及前六位中的五家资管机构，都是依靠计算机技术来开展投资决策，由量化及程序化交易所管理的资金规模在不断扩大。
事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内还比较罕见。同时，机器学习的发展也对量化投资起了促进作用。
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。

5. 量化金融和金融工程的区别

量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。从全球市场的参与主体来看，按照管理资产的规模，全球排名前四以及前六位中的五家资管机构，都是依靠计算机技术来开展投资决策，由量化及程序化交易所管理的资金规模在不断扩大。
事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内还比较罕见。同时，机器学习的发展也对量化投资起了促进作用。

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。

6. 做量化交易的人不需要懂金融吗？

我觉得量化交易方面的书主要还是强调实现策略。需要将策略的逻辑用机器执行出来。
这就要求代码必须严谨，不能出错。如果出个光大乌龙指那样的事件，几年的收益毁于几秒~~~
所以，我认为，量化交易的实现是不能有闪失的。这也就导致了做交易策略可以进行两步分工。即，策略研发工作和策略搭建工作。
那些python量化书籍侧重的是策略搭建工作。
我觉得，题主之所以会问这个问题，是因为很多懂策略研发工作的人都是自己搭建策略的。也就是交易逻辑和编写程序是一个人完成的。这让人产生了一种会写代码就能开发策略的错觉。这就本末倒置了。
从底层讲，策略研发是需要金融知识和实践经验的。只懂编程的人如果没有这个想开发出有效的策略几乎不可能。而有金融知识和实践经验却不会编程的人，可以通过找会编程的人来帮他进行策略的搭建、回测和实施。
但是，这里面也有成本。那就是，编程的人可能无法完全理解策略研发者的交易逻辑和思想。进而在编写策略代码的时候出现逻辑错误。要解决这个问题，还是策略研发者自己学习一下编程知识，然后自己来把策略搭建出来。这样就降低了沟通成本。
因此，我的结论就是：python量化书籍是给策略研发者提供的一个编程工具书。

7. 量化研究在金融中的运用

第一个趋势：量化和主动的融合  以前各家机构量化团队和主动团队基本上各自发展，不少机构甚至没有量化团队。经历股灾之后，机构对量化团队需求不断上升，量化投资和主动投资相互融合迹象不断明显。近半年来，我经常接到一些原来主要从事主动投资的私募基金、公募基金、保险公司、证券公司等，要求推荐量化团队，主要目的大致是如下几个：（1）组建量化绝对收益团队，完善产品线，希望在弱市中能尽量稳定产品规模，量化投资模型更具可积累性，可学习性，主动投资团队一旦灵魂人物离开，对团队冲击有时往往会很大，产品业绩及规模也会因此出现明显变化;（2）投资策略等的指数化、产品化，对量化团队提出了需求。（3）为主动团队投资提供量化建议。【摘要】
量化研究在金融中的运用【提问】
第一个趋势：量化和主动的融合  以前各家机构量化团队和主动团队基本上各自发展，不少机构甚至没有量化团队。经历股灾之后，机构对量化团队需求不断上升，量化投资和主动投资相互融合迹象不断明显。近半年来，我经常接到一些原来主要从事主动投资的私募基金、公募基金、保险公司、证券公司等，要求推荐量化团队，主要目的大致是如下几个：（1）组建量化绝对收益团队，完善产品线，希望在弱市中能尽量稳定产品规模，量化投资模型更具可积累性，可学习性，主动投资团队一旦灵魂人物离开，对团队冲击有时往往会很大，产品业绩及规模也会因此出现明显变化;（2）投资策略等的指数化、产品化，对量化团队提出了需求。（3）为主动团队投资提供量化建议。【回答】