量化股票投資要管理多少資金

A. 什麼是量化投資

量化投資指的是一種投資方法，它是指通過數量化方式或計算機程序化發出買賣指令，以得到穩定收益為目標的交易方式。量化投資是一種定性思想的量化應用，它對大量的指標數據進行分析，得出一些有說服力的數據結論，然後通過計算機技術進行數學建模，並進行量化分析，從而得出一個比較契合實際的投資策略。
量化投資是指通過數量化方式及計算機程序化發出買賣指令，以獲取穩定收益為目的的交易方式。在海外的發展已有30多年的歷史，其投資業績穩定，市場規模和份額不斷擴大、得到了越來越多投資者認可。從全球市場的參與主體來看，按照管理資產的規模，全球排名前四以及前六位中的五家資管機構，都是依靠計算機技術來開展投資決策，由量化及程序化交易所管理的資金規模在不斷擴大。

B. 股票量化是什麼意思

所謂量化交易，是指以先進的數學模型替代人為的主觀判斷，同時利用計算機技術從龐大的歷史數據中海選出能帶來超額收益的多種「大概率」事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。
量化選股就是利用數量化的方法選擇股票組合，期望該股票組合能夠獲得超越基準收益率的投資行為，研究表明，板塊、行業輪動在機構投資者的交易中最為獲利的盈利模式是基於行業層面進行周期性和防禦性的輪動配置，這也是機構投資者最普遍採用的策略。此外，周期性股票在擴張性貨幣政策時期表現較好，而在緊縮環境下則支持非周期性行業。行業收益差在擴張性政策和緊縮性政策下具有顯著的差異。

拓展資料:
一、量化交易特點
1、紀律性。根據模型的運行結果進行決策，而不是憑感覺。紀律性既可以剋制人性中貪婪、恐懼和僥幸心理等弱點，也可以克服認知偏差，且可跟蹤。
2、系統性。具體表現為「三多」。一是多層次，包括在大類資產配置、行業選擇、精選具體資產三個層次上都有模型；二是多角度，定量投資的核心思想包括宏觀周期、市場結構、估值、成長、盈利質量、分析師盈利預測、市場情緒等多個角度；三是多數據，即對海量數據的處理。
3、套利思想。定量投資通過全面、系統性的掃描捕捉錯誤定價、錯誤估值帶來的機會，從而發現估值窪地，並通過買入低估資產、賣出高估資產而獲利。
4、概率取勝。一是定量投資不斷從歷史數據中挖掘有望重復的規律並加以利用；二是依靠組合資產取勝，而不是單個資產取勝。
二、量化交易潛在風險
1、歷史數據的完整性。行情數據不完整可能導致模型與行情數據不匹配。行情數據自身風格轉換，也可能導致模型失敗，如交易流動性，價格波動幅度，價格波動頻率等，而這一點是量化交易難以克服的。
2、模型設計中沒有考慮倉位和資金配置，沒有安全的風險評估和預防措施，可能導致資金、倉位和模型的不匹配，而發生爆倉現象。
3、網路中斷，硬體故障也可能對量化交易產生影響。
4、同質模型產生競爭交易現象導致的風險。
5、單一投資品種導致的不可預測風險。

C. 如何簡單理解量化投資

1、定義：
量化投資是將投資理念及策略通過具體指標、參數的設計，體現到具體的模型中，讓模型對市場進行不帶任何情緒的跟蹤
2、特點：
具有快速高效、客觀理性、收益與風險平衡和個股與組合平衡等四大特點
3、具體運行
一、估值與選股

估值：對上市公司進行估值是公司基本面分析的重要方法，在「價值投資」的基本邏輯下，可以通過對公司的估值判斷二級市場股票價格的扭曲程度，繼而找出價值被低估或高估的股票，作為投資決策的參考。
二、資產配置

資產配置指資產類別選擇、投資組合中各類資產的配置比例以及對這些混合資產進行實時管理。
三、基於行為金融學的投資策略

金業中的應用將主要集中在量化選股、資產配置、績效評估與風險管理、行為金融等方面，而隨著包括基金在內的機構投資者佔比的不斷提高、衍生品工具的日漸豐富(股指期貨、融資融券等)以及量化投資技術的進步，基金管理人的投資策略將會越來越復雜，程序化交易(系統)也將有快速的發展。

D. 期貨、股票投資需要多少錢資金少投有好處嗎

這個錢沒有限制的。主要看你是怎麼想的了。如果先練習一下，期貨、股票一般投資了2、3萬就可以了。
但是期貨個別品種的保證金比較高，比如黃金期貨，一手要5萬左右的保證金，如果超黃金期貨最少也要准備個10多萬。要不剛剛夠一手的錢風險太大，容易爆倉。

E. 什麽是量化投資

量化投資，簡單地說，就是利用數學、統計學、信息技術的數量化投資方法來管理投資組合。數量化投資的組合構建注重的是對宏觀數據、市場行為、企業財務數據、交易數據進行分析，利用數據挖掘技術、統計技術、計算方法等處理數據，以得到最優的投資組合和投資機會。

目前，量化投資已經在全球范圍得到投資人的廣泛認可。在美國零售市場發行的主動型股票基金中，量化投資基金占據了16%的市場份額，而在機構投資市場，量化投資則獲得了更多的關注，以巴克萊全球投資管理公司、道富環球投資管理公司和高盛國際資產管理公司為首的一大批以量化投資為核心競爭力的公司已經成為機構資產管理公司中的「巨無霸」。

所謂量化投資是基於大數據分析，以統計學的思維研究市場。這在機構投資中十分常見，也深受華爾街的金融家們偏愛。而微量網（wquant）正是通過互聯網大數據技術，讓
「神秘」的量化投資「平民化」。形象的來說，中小投資者可以像去購物一樣，到微量網選擇一個「智能大腦」，在這個大腦的幫助下，選擇投資策略，從而讓賺錢成為大概率事件。

F. 學習金融資產管理和量化投資 發展前景如何

相對於美國成熟的資產管理業務發展歷史，中國的資產管理有著12年年輕的歷史。正因為是起步階段，人們能看到其無限發展空間和巨大潛力。一些大的金融機構運用資產管理進行經營，在金融危機期間保持著盈利，業內不乏有成功案例。 資產管理業務有個兩難問題，即業務擴展和風險管理的平衡問題，也就說如果業務擴展太快，太多，風險控制就會弱，如果太關注於風險控制的話，可能業務擴展會慢。其實觀察成功的案例會發現，這兩點是可以做到平衡的。在國外金融機構會發現很多有意思的產品，比如氣象氣候、低碳、降雨量、體育等基金、債券，可是在中國卻是比較空白。其實這是市場細分的結果，舉個例子，如氣象基金，今年冬天會不會冷？如果不冷的話，使用的燃料能源就會少，就會影響這類產品，如果有天然氣產品，就可以進行價格對沖。這也是很多機構追求平穩發展來利用資產管理的原因。 拿期貨公司來說，未來將大大偏向程序化交易策略，由此形成成熟的人才團隊來更好地服務客戶，將會使期貨公司獲得永續發展，拓寬業務利潤獲取的范圍和深度。專家建議中國的資產管理業務應更重視專業性，對行業、公司、個人發展都是最重要的一點。根據麥肯錫的預計，中國的資產管理業務在未來的十年將保持每年24%的增長率，成為中國乃至世界發展最快的金融產業，可以說中國資產管理業將涌現出無限機遇。 目前國內的量化交易大概佔到市場交易量的20%，每年都在增加，特別是這兩年增長迅猛。70%的交易量由程序化交易完成，國內才剛剛起步，因此，國內的發展空間還非常巨大，產品的種類也會更加豐富，策略復雜度和交易工具的精細化也會不斷提高。 從投資者身份來看，目前量化投資者主要人群集中在期貨公司、私募基金以及券商的自營、基金公司的專戶。規模上，以私募基金為主要參與群體。 從操作風格來看，目前期貨市場有四類量化投資者，分別是阿爾法產品的使用者、趨勢性交易者、套利交易者以及高頻交易者。阿爾法產品的使用者，即利用股指期貨與股票現貨進行搭配，獲得股票的超額收益；趨勢性交易者，充分運用各種模型對價格進行預判，這種交易者的資金從幾萬到幾千萬都是存在的；套利交易，包括無風險的股指期現套利和統計套利；高頻交易者，這種一般利用期貨市場價格的微小變動進行快速交易，從而獲得高收益。 量化交易模式越來越被更多的機構投資者所採用，量化交易模式將會成為主流的交易模式。屆時，量化投資產品可能更加多樣化，量化投資將會成為金融機構爭奪客戶資源的主要工具，然後隨著量化工具更新速度的加快，量化投資的應用領域將會不斷拓寬。 由此可見，學習資產管理與量化投資對公司業務和個人的發展是十分迫切並且必要的。

G. 應聘量化投資工作需要哪些技術

• 強烈的興趣

想做好一件事情沒有興趣也只是三天打魚兩天曬網，最後不得而終，因此需要培養對投資形成強烈的興趣，每根K線的波動能夠刺激你的心臟隨之不斷跳動。

• 學習能力

量化交易是一門跨學科知識，必須有快速地問題解決能力和自學能力，懂得鍥而不舍不斷專研的試錯法。研究生已經具備了較好的學習能力。

• 編程

編程很重要，現在Python是標配，matlab、R拿來做量化的人真的不多。雖然不是做開發，但是基本的簡單編程知識還是要會。想學Python和Pandas，推薦Python基礎教程和《利用Python進行數據分析》，想學編程知識，推薦《 代碼大全 》，這本書沒有什麼代碼，不要為名字所迷惑，不過如果想成為編程高手的話，看了絕不後悔。

看書一定要經典，不經典的書簡直就是浪費生命，這三本書如果不想買，網上電子版肯定是很多的，話不多說。

• 量化知識

很多程序員開始轉量化，但是金融知識和量化知識不夠。經典的重要性在此顯得更為重要，編程的書籍不看經典的我也能進步，可能會慢點，但是量化金融知識不看經典的書，那麼可能就會南轅北轍，甚至影響到投資的整個生涯，不對，走偏了的話，就無生涯可談。

投資的基礎知識，比如股票債券基礎知識，先來看看滋維博迪的《投資學（原書第9版）》([美]滋維·博迪（Zvi Bodie）

再來一本干貨，很多國內外研究生教程，介紹的更多的是衍生品，約翰赫爾的《期權、期貨及其他衍生產品（原書第9版）》([加]約翰·赫爾（John C.Hull）)

期權這么火，推薦 麥克米倫的《金融期貨與期權叢書：期權投資策略（原書第5版）》([美]勞倫斯 G.麥克米倫（Lawrence G.McMillan）)

想知道公募基金大佬如何做股票？李騰翻譯的大作奉上，主動投資組合管理 創造高收益並控制風險的量化投資方法(原書第2版)

想知道私募基金怎麼搞交易的？交易中有哪些技巧？以及如何在量化中走彎路？推薦 范撒普的通向財務自由之路，這可不是一本關於財務分析、會計理論的書籍，真正理解了裡面的思想，資金管理、風險控制你就不會糾結。

現在中產壓力這么大，那麼多人有中年職業危機，想知道怎麼把交易當做全職？推薦 埃爾德以交易為生，他可是將自己如何轉行交易，並以交易作為自己的終身職業的心歷路程和盤托出。

• 英語

你可以不說英語、聽不懂英語，但最好是要看的懂英語，編程的原生環境是英語，quora、stackoverflow、github也是要求英語閱讀能力，要是想用機器學習、深度學習做量化，那麼多paperarticle都是英語，讀不懂怎麼做的好？本來是談量化入門，但好像談到量化進階了。

• 交易

沒有途徑，實戰是最好的方法。確實不行，模擬交易也可以。

量化交易以思想為本，工具為用，路子不能走偏。

• 快速迭代

類似於實驗，都是需要成千上萬反反復復的檢查、測試。在此，講到了實驗的快速開發和迭代，那麼就順便給個傳送門：BigQuant - 人工智慧量化投資平台.，人生苦短，一定要快速迭代，縮短策略開發生命周期。因為你的想法上千個，可能只有幾個有價值。

H. 股票投資最少要多少錢

股票投資需要多少錢，這個問題還是根據投資者自身的情況來看。在不影響自身生活的情況下，用部分閑散資金操作。不要急於求成，不要舉債才做。

以本人多年研究股市以及從事投資者教育相關經驗來看，資金多手背後有一個更重要的問題就是，資金管理。

在進入股市前，你的資金必須分成（24=16）16份。當你第一次買入股票時，你只能用1/16資金買入股票，如你有32萬元，你第一份進入股市的資金就是二萬元。在買入股票時會出現很多種情況。

第一種情況：

買入股票時股票價格住下跌，一直跌到前期的低點，也就是第一個價格支撐位。你就要第二次買入股票，進入的資金是二份（2/16）就是4萬元。第二次買入股票時股票價格又繼續住下跌並又跌到中間低點，也就是第二個價格支撐點。這時你要第三次買入股票，買入的資金是四份（4/16）就是8萬元。第三次買入股票時，股票價格又繼續住下跌並跌到歷史最低點。這時你要第四次買入股票，買入的資金是8份（8/16）就是16萬元。盡管你的股票價格一直住下跌，你的持倉成本的重心在住下降，並下降很低。當股票的價格在這時反彈，你前面的損失可全數補回。如果在實戰中調整這四個點的位置，特別是歷史最低點的確定，非常重要，把這點定到最壞的情況，和不可能出現的點，在單邊下跌中，投資者仍可能把投資風險降到零。

上面是一個單邊下跌情況。

第二種情況：

當第一次買入股票時，股價就住上升，股價每上升4%時，你就必須賣出股票，賣出你手中股票的1/4，當股價再往上升，再賣出手中的股票的1/4，你手中總有3/4的股票在手上，股票當邊上升，你的股票永遠賣不完，你總可以賣到股價的最高點。（如圖1-14所示）

股票價格不可能永遠上升，它一定會回調，當股價回調時，你又買回你原來賣出的股票，當股價不斷下降你前期賣出的股票又全數買回。這時股價上升得到的利潤就被鎖定。

當股價又回到上升趨勢時你必須加倉，把第一個低點的二份資金在這時買進股票。當這二份資金處在贏利情況下，又開始按股價每上升4%賣出手中股票四分之一的原理。（如圖1-15）

在上升趨勢中又出現第二個低點就再加第三份資金8萬元。

在上升趨勢中又出現第三個低點就再加第四份資金4萬元。

作者的操作經驗是，要做到零風險投資很容易，為了追求零風險操作下利潤的最大化，就要加倉，加倉不好就會產生投資風險。在股票的買賣中出現投資虧損主要是由於滿倉而產生的。如果你不滿倉，在股價下跌中你總有資金買入股票，當一反彈，你的損失就可以找回來，所以加倉一定要小心。

第三種情況：

當第一次買入股票時，股價就住下跌，但股價並沒有跌到前期低點，股價就住上升，當股價上升時，你必須按照前面說的四分之一買賣股票原則。股價每上升4%你就買出你手中股票的1/4。雖然這個時間賣出股票，你是在虧損中賣出，但股票在這段上升中的利潤被你鎖定了，當股票回調時你又可將它們買回。

當股價上升到一定時間後又回調，回調後一定會形成一個最低點，在第一個最低點進行第一次加倉。第二次和第三次加倉又回到了上面談到的辦法。

第四種情況：

當第一次買入股票時，股價就住下跌，但股價並沒有跌到前期低點，股價就住上升，當股價上升時，你也在不斷賣出股票。股票上升到一定的高度，股價就一直住下跌，並跌破了股價的第一個支撐點，你就要補倉，用二倍第一次買入股票的資金買入股票，即4萬元。補完倉後股價的走勢又有二種情況，上升和下跌，如股價上升，按四分之一買賣原則買出股票。如下跌又有二種情況。下跌到第二個價格支撐點，在沒有跌到第二個價格支撐點，股價就住上升。

在實際的操作中，會出現太多之情況，每一種都有二種情況發生，不斷的推下去，出現的情況就成指數級增長，太多了，我這里不可能在一一介紹。

在股票買賣的操作中，牢記這下面這些操作原則，

股票價格的升和跌是無法預測的，你隨時有二手准備；

當股價上升時買出股票，當股價下跌時賣進股票；

股價不跌到價格的支撐位不要補倉；

你的股票不處在贏利狀況下（股價在上升趨勢）不要加倉；

希望大家學有所得，能夠早日建立起經得起市場考驗的戰法，早日財富自由

I. 量化投資

沒有你想的書

我多年來都有關注這方面的書 可是也沒有在國內找到

數量化投資是將投資理念及策略通過具體指標、參數的設計，體現到具體的模型中，讓模型對市場進行不帶任何情緒的跟蹤；相對於傳統投資方式來說，具有快速高效、客觀理性、收益與風險平衡和個股與組合平衡等四大特點。量化投資技術幾乎覆蓋了投資的全過程，包括估值與選股、資產配置與組合優化、訂單生成與交易執行、績效評估和風險管理等，在各個環節都有不同的方法及量化模型：

一、估值與選股

估值：對上市公司進行估值是公司基本面分析的重要方法，在「價值投資」的基本邏輯下，可以通過對公司的估值判斷二級市場股票價格的扭曲程度，繼而找出價值被低估或高估的股票，作為投資決策的參考。對上市公司的估值包括相對估值法和絕對估值法，相對估值法主要採用乘數方法，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；絕對估值法主要採用折現的方法，如公司自由現金流模型、股權自由現金流模型和股利折現模型等。相對估值法因簡單易懂，便於計算而被廣泛使用；絕對估值法因基礎數據缺乏及不符合模型要求的全流通假設而一直處於非主流地位。隨著全流通時代的到來和國內證券市場的快速發展，絕對估值法正逐漸受到重視。

選股：在當前品種繁多的資本市場中，從浩瀚復雜的數據背後選出適合自己投資風格的股票變得越加困難。在基本面研究的基礎上結合量化分析的手段就可以構建數量化選股策略，主流的選股方法如下：

資產配置方法與模型
資產配置類別 資產配置層次 資產配置方法 資產配置模型
戰略資產配置 全球資產配置 大類資產配置 行業風格配置 收益測度 風險測度 估計方法 馬克維茨 MV 模型 均值 -LPM 模型 VaR 約束模型 Black-Litterman 模型
戰術資產配置 ( 動態資產配置 ) 周期判斷 風格判斷 時機判斷 行業輪動策略 風格輪動策略 Alpha 策略 投資組合保險策略

基本面選股：通過對上市公司財務指標的分析，找出影響股價的重要因子，如：與收益指標相關的盈利能力、與現金流指標相關的獲現能力、與負債率指標相關的償債能力、與凈資產指標相關的成長能力、與周轉率指標相關的資產管理能力等。然後通過建立股價與因子之間的關系模型得出對股票收益的預測。股價與因子的關系模型分為結構模型和統計模型兩類：結構模型給出股票的收益和因子之間的直觀表達，實用性較強，包括價值型(本傑明·格雷厄姆—防禦價值型、查爾斯·布蘭迪—價值型等)、成長型(德伍·切斯—大型成長動能、葛廉·畢克斯達夫—中大型成長股等)、價值成長型(沃倫·巴菲特—優質企業選擇法、彼得·林奇—GARP價值成長法等)三種選股方法；統計模型是用統計方法提取出近似線性無關的因子建立模型，這種建模方法因不需先驗知識且可以檢驗模型的有效性，被眾多經濟學家推崇，包括主成分法、極大似然法等。

多因素選股：通過尋找引起股價共同變動的因素，建立收益與聯動因素間線性相關關系的多因素模型。影響股價的共同因素包括宏觀因子、市場因子和統計因子(通過統計方法得到)三大類，通過逐步回歸和分層回歸的方法對三類因素進行選取，然後通過主成分分析選出解釋度較高的某幾個指標來反映原有的大部分信息。多因素模型對因子的選擇有很高的要求，因子的選擇可依賴統計方法、投資經驗或二者的結合，所選的因子要有統計意義上或市場意義上的顯著性，一般可從動量、波動性、成長性、規模、價值、活躍性及收益性等方面選擇指標來解釋股票的收益率。

動量、反向選股：動量選股策略是指分析股票在過去相對短期的表現，事先對股票收益和交易量設定條件，當條件滿足時買進或賣出股票的投資策略，該投資策略基於投資者對股票中期的反應不足和保守心理，在投資行為上表現為購買過去幾個月表現好的股票而賣出過去幾個月表現差的股票。反向選股策略則基於投資者的錨定和過度自信的心理特徵，認為投資者會對上市公司的業績狀況做出持續過度反應，形成對業績差的公司業績過分低估和業績的好公司業績過分高估的現象，這為投資者利用反向投資策略提供了套利機會，在投資行為上表現為買進過去表現差的股票而賣出過去表現好的股票。反向選股策略是行為金融學理論發展至今最為成熟，也是最受關注的策略之一。

二、資產配置

資產配置指資產類別選擇、投資組合中各類資產的配置比例以及對這些混合資產進行實時管理。資產配置一般包括兩大類別、三大層次，兩大類別為戰略資產配置和戰術/動態資產配置，三大層次為全球資產配置、大類資產配置和行業風格配置。資產配置的主要方法及模型如下：

戰略資產配置針對當前市場條件，在較長的時間周期內控制投資風險，使得長期風險調整後收益最大化。戰術資產配置通常在相對較短的時間周期內，針對某種具體的市場狀態制定最優配置策略，利用市場短期波動機會獲取超額收益。因此，戰術資產配置是在長期戰略配置的過程中針對市場變化制定的短期配置策略，二者相互補充。戰略資產配置為未來較長時間內的投資活動建立業務基準，戰術資產配置通過主動把握投資機會適當偏離戰略資產配置基準，獲取超額收益。

三、股價預測

股價的可預測性與有效市場假說密切相關。如果有效市場假說成立，股價就反映了所有相關的信息，價格變化服從隨機遊走，股價的預測就毫無意義，而我國的股市遠未達到有效市場階段，因此股價時間序列不是序列無關，而是序列相關的，即歷史數據對股價的形成起作用，因此可以通過對歷史信息的分析來預測股價。

主流的股價預測模型有灰色預測模型、神經網路預測模型和支持向量機預測模型(SVM)。灰色預測模型對股價的短期變化有很強的預測能力，近年發展起來的灰色預測模型包括GM(1, 1)模型、灰色新陳代謝模型和灰色馬爾可夫模型。人工神經網路模型具有巨量並行性、存儲分布性、結構可變性、高度非線性和自組織性等特點，且可以逼近任何連續函數，目前在金融分析和預測方面已有廣泛的應用，效果較好。支持向量機模型在解決小樣本、非線性及高維模式識別問題中有許多優勢，且結構簡單，具有全局優化性和較好的泛化能力，比神經網路有更好的擬合度。

四、績效評估

作為集合投資、風險分散、專業化管理、變現性強等特點的投資產品，基金的業績雖然受到投資者的關注，但要對基金有一個全面的評價，則需要考量基金業績變動背後的形成原因、基金回報的來源等因素，績效評估能夠在這方面提供較好的視角與方法，風險調整收益、擇時/股能力、業績歸因分析、業績持續性及Fama的業績分解等指標和方法可從不同的角度對基金的績效進行評估。

績效評估模型 / 指標

績效評估准則
擇時 / 股能力
業績歸因分析
風險調整收益
業績持續性
Fama 業績分解

模型 / 指標
T-M 模型

H-M 模型

GII 模型

C-L 模型
資產配置收益

證券選擇收益

行業選擇收益

行業內個股選擇收益
RAROC

Sharp, Stutzer

Treynor, Jensen

, ,
雙向表分析

時間序列相關性
總風險收益

系統風險收益

分散化投資收益

五、基於行為金融學的投資策略

上世紀50～70年代，隨著馬科維茨組合理論、CAPM模型、MM定理及有效市場假說的提出，現代金融經濟學建立了一套成熟的理論體系，並且在學術界占據了主導地位，也被國際投資機構廣泛應用和推廣，但以上傳統經濟學的理論基石是理性人假設，在理性人假設下，市場是有效率的，但進入80年代以後，關於股票市場的一系列研究和實證發現了與理性人假設不符合的異常現象，如：日歷效應、股權溢價之謎、期權微笑、封閉式基金折溢價之謎、小盤股效應等。面對這些金融市場的異常現象，諸多研究學者從傳統金融理論的基本假設入手，放鬆關於投資者是完全理性的嚴格假設，吸收心理學的研究成果，研究股市投資者行為、價格形成機制與價格表現特徵，取得了一系列有影響的研究成果，形成了具有重要影響力的學術流派－行為金融學。

行為金融學是對傳統金融學理論的革命，也是對傳統投資實踐的挑戰。隨著行為金融理論的發展，理論界和投資界對行為金融理論和相關投資策略作了廣泛的宣傳和應用，好買認為，無論機構投資者還是個人投資者，了解行為金融學的指導意義在於：可以採取針對非理性市場行為的投資策略來實現投資目標。在大多數投資者認識到自己的錯誤以前，投資那些定價錯誤的股票，並在股價正確定位之後獲利。目前國際金融市場中比較常見且相對成熟的行為金融投資策略包括動量投資策略、反向投資策略、小盤股策略和時間分散化策略等。

六、程序化交易與演算法交易策略

根據NYSE的定義，程序化交易指任何含有15隻股票以上或單值為一百萬美元以上的交易。程序化交易強調訂單是如何生成的，即通過某種策略生成交易指令，以便實現某個特定的投資目標。程序化交易主要是大機構的工具，它們同時買進或賣出整個股票組合，而買進和賣出程序可以用來實現不同的目標，目前程序化交易策略主要包括數量化程序交易策略、動態對沖策略、指數套利策略、配對交易策略和久期平均策略等。

演算法交易，也稱自動交易、黑盒交易或無人值守交易，是使用計算機來確定訂單最佳的執行路徑、執行時間、執行價格及執行數量的交易方法，主要針對經紀商。演算法交易廣泛應用於對沖基金、企業年金、共同基金以及其他一些大型的機構投資者，他們使用演算法交易對大額訂單進行分拆，尋找最佳路由和最有利的執行價格，以降低市場的沖擊成本、提高執行效率和訂單執行的隱蔽性。任何投資策略都可以使用演算法交易進行訂單的執行，包括做市、場內價差交易、套利及趨勢跟隨交易。演算法交易在交易中的作用主要體現在智能路由、降低沖擊成本、提高執行效率、減少人力成本和增加投資組合收益等方面。主要的演算法包括：交易量加權平均價格演算法(VWAP)、保證成交量加權平均價格演算法(Guaranteed VWAP)、時間加權平均價格演算法(TWAP)、游擊戰演算法(Guerrilla)、狙擊手演算法(Sniper)、模式識別演算法(Pattern Recognition)等。

綜上所述，數量化投資技術貫穿基金的整個投資流程，從估值選股、資產配置到程序化交易與績效評估等。結合量化投資的特點及我國證券市場的現狀，好買認為量化投資技術在國內基金業中的應用將主要集中在量化選股、資產配置、績效評估與風險管理、行為金融等方面，而隨著包括基金在內的機構投資者佔比的不斷提高、衍生品工具的日漸豐富(股指期貨、融資融券等)以及量化投資技術的進步，基金管理人的投資策略將會越來越復雜，程序化交易(系統)也將有快速的發展。