在量化交易方面，美国究竟比中国领先多久？

提示: 作者被禁止或删除内容自动屏蔽

杨影枫 · 2018-10-13 14:24:11

1
交易市场的落后：
包括交易品种、交易的微观数据、交易市场的不完善，具体举例来说，交易品种我们连期权还没有；交易的微观数据国外交易所是可以达到分笔的级别，而我们是每0.5秒撮合完成后截面推送；交易市场本身是垄断行业，除上海深圳股票交易所以及四家期货交易所外没有二级市场交易所，而且交易所间交易品种相互独立，不存在竞争性；同时杠杆交易、做空等等交易机制也非常不完善；更不要提市场本身存在着的内幕交易行为。

导致的直接后果是很多量化的思路根本无法实现。
2
交易理念的落后：
大多数量化交易人员的思路还是K线如何走出形态后追趋势的阶段，本质上来说，还是处于用量化方法驱动主观交易逻辑的层次，量化的意义只是让交易更客观、更少受到人为影响；真正的用较大算法难度的统计模型驱动的高等级策略市场上其实很少很少，大多都是国外回来的团队在操作。

3
交易经验的不足：
国内量化交易的起点可以视为股指期货的上市，现在量化交易的主要阵地也是这里。但股指期货只有短短不到4年的时间，本身样本也太少了。。。

最后还要多说一点，即使在欧美市场，真正长效赚钱的量化团队其实也不多，这一直都是少数人的游戏了，国内量化概念这么火，其实有能力的少之又少

Leon · 2018-10-13 14:24:12

提示: 作者被禁止或删除内容自动屏蔽

匿名用户 · 2018-10-13 14:24:13

提示: 作者被禁止或删除内容自动屏蔽

babyquant · 2018-10-13 14:24:14

其实我觉得客观上存在差距，但具体在哪个方面存在哪些差距是有分歧的。我个人认为以下几个方面：
1.统计建模。其实这方面的差距并不在于美国用了多牛逼的模型，而中国的模型多落后。事实上，像深度学习等“高大上”的模型也是2015年之后才得到大规模应用，但美国的量化对冲基金早在10-20年前就已经崛起了，那时候也没有这些模型。当然，有人说要“与时俱进”，以前人家没用这些模型是因为这些模型不存在。但这也并不符合事实。像神经网络之类的模型，80年代就已经兴起，如果人家要用肯定早就可以用了。不管怎么说，这些争论没啥意义。反正以我所知道的信息而言，美国的对冲基金很多也只是用一些简单的传统的统计模型。比如所谓的cross-sectional regression，就是几千只股票每天的数据线性回归一下，用到下一天，其实也并没有什么太复杂的地方。至于更牛逼的量化对冲基金，或者在交易执行层面用到了一些高频的技术提高效率，但在量化建模方面，未必比其他基金领先多少。
事实上，即使是传统的所谓“双均线”之类的模型，也可以做得比较好，但前提是建模过程要客观严谨。如果一个人建模，09-15年数据不断倒腾，滚动优化之类的，在几十个期货品种上试验，充分考虑各种情况。然后2016、2017两年完全样本外跑一遍，效果不错，那么哪怕他用的模型很基础，这也是靠谱的。
但问题是，很多人09-15年压根就跑不出一个很好的滚动向前的回测结果，要想跑得好，基本都要用到类似于全局优化的技术。或者有些人，也划分了训练集、验证集、测试集，但他的模型对各类集合的划分点非常敏感。比如某段时间回撤很大，用它作为测试集不大好，只能把它作为训练集了。滚动向前有时也有这样的问题，比如训练样本300天滚动还行，250天就不行，350天也不行，那就可能要注意一下了。
或者有些人滚动的时候选择历史最佳的模型参数，定义了很多筛选的标准，比如夏普比>2，最大回撤2，等等，好几个选择指标，其实这些本质上也是参数，可能有些参数，大于2可以，但大于3就不行了，大于1也不行，这就非常敏感了，虽然这么做下来，特定的参数下，可以得到不错的滚动向前优化的结果，但多多少少还是过度拟合了。
事实上，要得到这些滚动结果，计算量会比较大，很多人没有耐心，领导又催着要结果，于是后面也就乱来了。
很多公司会说，我就知道他们这些人会过度拟合，所以所有策略上来先模拟3-6个月，其实关键是因为模拟时间不是很长，有时候运气好的过度优化之后3个月确实由于行情的延续性可以得到不错的结果，但这需要不断地调整才能适应新的行情。其实很多公司也是这样的，反正有策略就先跑着，出了问题再慢慢调。
如果量化策略大回撤，比如2016年底，突然就来个大回撤，于是就“彻夜未眠，痛定思痛，认为量化建模缺乏逻辑，毅然投入基本面的怀抱”，那就一条路走到黑，我也不好说什么了。
客观来说，基本面也可以建模，如果也遵循上面客观、严谨的过程，当然也是可以的；但很显然这些人做量化的时候也没有多严谨，基本面数据频率更低，更容易过度优化，他们去做只会更不严谨。
一句话，不是量化不行，而是某些做量化的人不行。
2.内部管理。一般像文艺复兴这样的公司，似乎没听过有人从里面出来，10几年前或许有，但现在越来越少了。说实话，量化建模的思路应该都大同小异，但具体到细节方面则各个公司还会有很多不一样的地方。如果一家公司人员流动大，那么出去的员工都把内部的策略带走一些，那么对公司也是不利的。毕竟，数据清洗方法不同、因子构造不同、预测模型不同、交易模型不同等等，虽然科学方法论一样但具体工程实现还是很不一样的。如果自己的人走了，那么他去到新的地方还是用回这一套，那么同质化会非常严重，也影响到原公司的盈利。所以人员流动大的公司一般都不会太好。
但国内的私募人员流动是非常大的，有些老板还认为必要的流动性有好处。如果是通用那种大集团或许是对的，但私募一般人数都比较少，则很不一样。说实话，如果一家公司人员流动大，则说明老板不担心他走，也说明他没有掌握什么干货，更说明你进去了恐怕也掌握不了什么干货；如果老板很担心一个人走，那么很可能他掌握了一些干货，也说明如果你进去了也能掌握这些干货。
当然，同一家公司，不同的人利益诉求不一样。老板、高管、投资经理、研究员，利益诉求都不一样。站在不同立场会采取完全不同的行为方式。比如投资经理肯定不想研究员知道自己的策略，他只希望研究员为自己贡献策略；研究员或许想自己研究这么难为啥你就不点拨我一下呢；老板也怕高管积累到一定程度了自己出去创业，很多高管恰恰就是想过几年自己出去创业。这就不仔细讨论了。
3.IT系统。客观说，国外的量化基金在IT系统方面比国内好得多，但不代表国外对冲基金做IT的地位就比国内高。一家公司说自己IT投入大，很可能是招了很多人，但不代表每个人待遇都高。有些量化基金，量化研究员处于领导地位，手下管着几个IT，有收集数据的，有清洗数据的，有做界面的，有做交易接口的，其实这种情况下，或许这几个IT的待遇加起来会超过这个做量化的，公司或许会说我们投入给IT多少多少资源，但很显然每个人的待遇上量化是超过IT的，地位也很不一样。
其实国内量化私募有种很奇怪的现象，很多老板或许自己是IT出身，会给IT比较高的地位甚至是提成，这反而弱化了量化研究的作用。很多国内量化私募的老板对量化策略还停留在“双均线交叉”的时代，总觉得优化出一个策略很简单，搞交易系统那些才复杂。甚至有时候，赚钱的时候认为是行情好，赔钱的时候认为是量化烂；这样赚钱的时候由于行情好所以不给奖金，赔钱的时候当然更没有奖金。久而久之，做策略就越来越随意。很多领导甚至认为策略也不需要太严谨，到时候不行在人工调整一下就行了。短期内或许还行，长期来说大概率不行。
其实国内领导很多还停留在“人口红利”的思维，觉得多招点人，每人管一些钱，自己当领导的也威风，觉得这个不行就裁掉，似乎也没必要投入搞什么IT系统，反正都是TB、金字塔搞搞就行了。当然这是比较传统的私募，一些好一些的还是会自己用C++写系统，但可能矫枉过正，变成前面说了过分重视系统忽视策略研究的情况。
大概就是这些，反正我国内外都工作过，高频、低频都做过，外资、民营、类国有的公司也待过，什么样的老板、领导都见过。不会像某些小白还停留在对领导盲目崇拜的阶段。唉，其实林子大了什么鸟儿都有。

D Young · 2018-10-13 14:24:15

我来插几句, 个人看法, 不代表业界共识:

和国内的量化人员接触过一些, 总的感觉, 差距还是存在的. 具体表现在:

1. 缺乏科学客观的方法体系来评价, 开发量化交易策略.
2. 难以深刻理解, 合理管理风险.
3. 投资者对收益风险的畸形追求造成投资风格的单一化, 并造成潜在的交易策略同质化.

亲爱的龙哥 · 2018-10-13 14:24:16

谢邀，可是我啥也不懂啊。。。不是圈内人士。。。我吹吹牛逼败败火，说的话有真有假，还希望找也内人士来讲解 @kuhasu @袁浩瀚
总体感觉1、国内搞量化闷声发财的很多都是从美国回来的捡钱的2、美国的市场衍生品多，股票难做庄，T+0量化用的地方更多3、相关英文文献和书籍十分丰富，中文的找不出来，翻译过来的都少4、美国有的是钱成立各种HEDGE FUND，国内没这么有钱5、光是技术上国内很多都处于开发阶段，比如交易平台啊，数据接口神马的，不过现在基本都开发好了6、国内领导懂量化的少，就是当成新鲜事物很苦而已，对量化没那么重视。
作为一个刚毕业的学生说说自己的体会，一大群中国聪明、数学好、编程佳的学生选择了出国深造，多数具有博士、硕士学位，对于国内的薪资水平与国外的量化职位相比，很难吸引他们（公司没有平台让刚毕业的人创造价值，新人又期望更高的工资）。第二就是国内为了获利，目前的策略都是类似于技术分析的感觉，数学好的学生无法学以致用，国外对你的测试是从智力上，编程上和数学上，而不会直接问“你有什么能赚钱的策略吗？”这种问题。他们认为你聪明你数学好，我就知道怎么来培养你和使用你让你发挥你的价值（我可以教你金融但是我没法重新教你数学）。国内问的是“你看看你的水平能为公司赚多少钱？”
所以目前的现象是，很多牛人毕业后在美国获得了量化职位，学到了本领之后，选择回国创业或者说回国工作，然后就会带新人，中国的量化就发展起来了。
把一个中国人培养起来，再到他回国发展，怎么着得10年吧。
2010年中国有个股指期货，一群人开始搞高频交易。08年美国高频交易太赚钱被媒体曝光的时候人家发了很多年财了。
中国估计今年或者明年推出期权，而LTCM已经在98年破产了。
毕竟美国走在前面，我们追赶速度肯定是越来越快的。抛开国际金融环境，硬件进步速度，我觉得量化中国落后美国10年以上是有的。不过既然美国量化有那么多中国人。。。嘿嘿，美国一赚不到钱，加上国内市场牛逼了，国内量化人才就立马爆发式增长了。

kuhasu · 2018-10-13 14:24:18

1、欧美也有不少菜鸟，与国内不同的是，银行和对冲基金，pe，资产管理公司对人员的要求不象国内宣传的那么重学历和学校牌子，能力更重要些，这可能是最大领先的地方。
2、至于监管，国内不少方面比欧美先进，但是也与市场复杂程度和资本流动有关。
3、知识层面上美国基本没什么领先的了，有些东西实际是中国人研制的。忍者神龟和鳖精以及土鳖出海的多的是，看个人，群体评价没意义，北大清华照样有垃圾，野鸡大学也有能人。
4、至于海龟问题，有个现实情况可能得面对一下，国内金融高管几百万人们币了不起了，但是我们这里前台年薪20万美金，注意美国个税比国内低。一个基金经理一年几百万美金是很正常的，即便新手菜鸟，待遇也是基本工资十万美金起。那么问题就来了，很多海龟有斯坦福，普林斯顿，MIT的高级学历，为了家庭，对象，国家，回国挣二三十万人民币，是不是有些太高尚了，而且是不是太普遍了？可是同样的，我认识的不少优秀海龟，在欧美也是好手，却没有得到应有的报酬和重用。举个例子，杨剑波，小伙子客观讲还是很优秀的，但是光大的人才评估机制，待遇机制有问题，把他放在了不合适的位置，然后出事儿了，部门建设是相当于建立机构内对冲基金，他的能力是做不到的，另外，用雇佣券商的钱来雇佣对冲基金的人，你们用脚都能想出来，那可能吗？所以对人才的评估和任用，是个大硬伤。而且办公室政治严重。但是这挺好的，没有这些肥羊，咱们赚谁钱去？
5、至于技术方面，自己看着对比吧，下面的在美国也是新的
新型的事件驱动与大数据投资应用_kuhasu_新浪博客

by kuhasu

MrBayes · 2018-10-13 14:24:19

非专业人士，谨慎回答一下，以下仅涉及A股市场。
首先国内A股的量化还处于起步阶段，基本上还是一片待开垦的处女地。不是大家不努力，而是可开垦的只有这一亩三分田啊，个股期权和T+0都推出来以后会好一些。国内有个量化投资学会，建议楼主关注。
国内搞量化的小公司也有一些，不过融券的操作都得依托大券商，卖空不是那么自由。对于量化高手而言，A股真的是捡钱的一个市场。。
个人而言，参加过量化相关的比赛，实际上也是国内券商结合华尔街归国人士搞的，旨在打开思路发掘人才，很有益的尝试。
也参加过A股量化的培训，但是实际上是传统的技术分析培训，并不是你输入几个通达信或者大智慧的公式就算是真正的量化了，远远不是。
BTW：写完了才发现楼主只“想听业内人士的看法“，所以请主动折叠我吧！

天降正义 · 2018-10-13 14:24:20

国内还是割韭菜的阶段吧，刚刚起步。美国以机构投资为主，量化比重很高。但中国以散户投资为主，个人投资者很难使用量化工具。不仅仅是门槛高，更是因为量化投资需要占用一定的资源，比如IT系统、金融数据等等，个人投资者很难拥有这样的资源，量化投资在中国的发展也一直受到国情的限制。但随着越来越多的人，特别是华尔街归国的一批人，以及有能力和天赋的人进入这一行业，14年起，中国的量化已经有声有色了。而众多海归量化私募的建立，包括相关教师的归国，也带动了国内高校开始真正重视并储备本土的量化人才，一些高校从这一两年才开始有量化专硕。这已经是起步早的了。因为量化其实是跨学科的项目，需要金融、数学、计算机等知识储备，中国很多学生，特别是一些顶级高校数学系的学生，其实能力非常强，但是他们没有机会接触到量化投资，也不知道其实自己非常有机会进入这个高薪行业。

slevin lee · 2018-10-13 14:24:22

以前听过别人把交易策略划分成几代几代的~数起来头头是道非常牛~
问题是~谁清楚的知道美国与中国现在做量化策略的具体情况呢？
量化交易与电影不一样~这东西是个小众的~非公开性~
国内有非常牛逼的交易团队也不会公开说自己使用的是啥策略~
比如和讯上届期货实盘大赛冠军ID 往事如风~
你看他的资金曲线能知道是啥策略？
30年前的海龟在国内现在一样有人用而且赚钱~能说明国外领先中国三十年么？

国外量化交易领先中国很多不假
问题是领先多少年一点意义也没有啊~让你领先100年又如何
文人才关心这个~交易员只关心钱..
欧洲股神都给A股跪了~巴菲特至今不敢开A股户~A股熊霸天下已经很多年~
:)

国外的高频交易如何如何牛逼~1秒交易几千笔~
国内的交易所0.5秒才一笔数据你高频交易咋搞？
广东麻将高手能否打败长沙麻将高手这事需要探讨..

我倒是觉得能否提出这样一种假设~
美国人炒股票厉害所以来中国炒股肯定能赚中国人的钱~
如果这个假设成立的话~
中国人可以跑去越南缅甸炒股~赚越南缅甸人的钱对吧？

toney son · 2018-10-13 14:24:23

个人觉得其实美国的量化也是有高有低，各种方法乱起八糟的都有。我没直接进入过相关公司工作过，不过倒是经常看美股的盘面。有聪明的程序，跟着强势的一方跑来跑去的，也有更聪明的，造势，吓唬人玩的，更有比较傻的，噌噌的下单，什么都不管，大有“有钱任性”的样子。所以感觉未必都是特别先进的。但是，先进和复杂未必能赚钱，老土的均线未必不好使，不信，找几个大盘的美股看看，均线什么的还是很准的。

MXX · 2018-10-13 14:24:24

交易做的是人性，人性不可量化。

匿名用户 · 2018-10-13 14:24:25

提示: 作者被禁止或删除内容自动屏蔽

李腾 · 2018-10-13 14:24:26

我觉得自2008年以来，海外量化对冲经理陆续回国创业，水平上已经接近华尔街。落后的是国内基础设施：优质数据库、便利的交易工具、完善的制度体系。优质数据库目前差不超过10年吧，交易工具还差20年（瞎说的，受证监会的决定和类似”光大“事件之类的突发事件驱动），完善的制度体系还差几十年吧（不过主题结构已经差不多了，剩下的是细节）。

哈一哈二 · 2018-10-13 14:24:27

领先多少也没用，就没有几个策略可以稳定盈利的，不就是ea吗？都亏的跟孙子一样。模拟盘全挣钱，实盘全歇菜。整天整得高大上，一分钱都不赚，

忻忧 · 2018-10-13 14:24:28

其实随着近年来大量华尔街海龟回国，技术上或者硬件上的差距在逐步缩小，真正的差距在于市场的成熟度，国内市场上可做量化交易的品种太少，所以有时候即便是海龟带回了国外的软硬件技术，在国内也无法大展拳脚。

大圣 · 2018-10-13 14:24:29

给正在从事量化交易和准备从量化交易的人一些忠告。
我数年前开始预测股市拐点，九成正确率，现在在财务自由的道路上高歌猛进。我用什么方式来预测大盘不是本文的重点。
近两年量化之风传遍金融界，但是，一个对企业管理，对金融没有任何长期研究的计算机，数学学位的毕业生，能够对路的做一个预测股市的模型，虽然金融学毕业生所做的模型也基本没什么用。
国内都以为美国量化牛逼上天，我们要和国际接轨，但事实残酷的告诉你，2016年美国排名前20量化基金的平均收益仅为2%，远远低于同期标普十个点涨幅。巴菲特很不屑的说，量化交易就是看后视镜开车。我和做量化的同行无冤无仇，我只是认为计算机只能提高我们的效率，也就是在高频交易有所作为，其他都是南辕北辙，要知道，你想用一个函数关系一劳永逸获利，这本身就是假设股市有一个完全规律性，但恰恰股市的规律是变化的函数关系。你可能以为我是持有股市无法预测的随机游走派，但你又错了，我恰恰认为股市可以预测，但绝不是应该用统计模型来预测的，这是现在金融学发展的一个天大的误区。
看看现在金融市场，被一帮玩计算机技术和数学模型的人所霸占，其实挺好笑的，事实上如果不是计算机这么普及，量化交易也不会毒害那么多小朋友去研究量化交易这条不归路，我说的毒害就是相当于鸦片，很多人痴迷量化研究，妄想一夜成名暴富，妄图被西蒙斯索罗斯各种斯附体，最后自己成了锅里的萝卜丝。去打听打听美国的市场，大家都以为很牛逼的量化交易，早就亏成狗了。被国人吹捧到天上的量化交易大师西蒙斯，什么大奖章基金，什么文艺复兴公司，可能是我眼神不好吧！我还没有看到他排在前几位。2015年量化交易前二十获利的公司，只有平均2%的收益水平，要知道同期标普上涨超过10%，既然连大盘都跑不赢，那还玩什么量化交易做什么呢？很多人都说，量化交易的牛人都不显山露水，市场中一般看不到，我就笑了，这么牛逼怎么没有出现一个人？你告诉我，一个量化交易的牛人就如巴菲特那样的，也行啊，其实是没有的。
依我看量化交易，最大的社会作用就是忽悠一帮计算机或者说理工科的学生，懂点编程的学生，数学的学生，去从事金融业或者说，让金融业给他一份工作而已。金融业工作确实是赚钱的行业，但是这个钱不来自于金融行业本身，而是来自于其他行业对金融行业的贡献。所以说，这是由于金融业造钱快的特点，吸引了一大批非金融业，我这里不是说金融学位有多牛，而是事实上，金融行业确实吸引了各种稍微沾点边的专业的毕业生来这个行业中淘金。
下面的话可能要打击很多自命为宽客的所谓量化策略研究人员。我来一个一个的谈谈所有量化交易其实大多都是经不起推敲的交易方式，或者说有这样和那样的问题。现在，只要是能够赚钱的交易方式都被圈定在这是量化交易的范畴中，好吧，就算所有的运用计算机交易的方式都叫量化交易，我们就说一说哪些量化交易能够赚钱。现在量化交易玩的最烂的方式就是用python写策略，然后进行回测，为什么这样做？因为门槛低，c++不会，python简单呀，如果你连python也不会，其实也不是问题，各种开发平台能够帮你解决。但我想说的是，你用一把尺子，现在所有的时间段内衡量所有的交易关系，这本身就是刻舟求剑。任何策略都能够在一定约束条件下实现你想要的回测结果，但在实盘之中，这种策略往往会失效，因为市场的趋势和逻辑已经改变，用老的交易方式，来解决新的问题，当然不可行。任何搞过量化研究的人，都不得不承认没有任何一个交易策略能够长期，甚至中期内保持稳定盈利的残酷事实。玩儿策略的这种模式其实现在已经有点落后了，说的明白点，就是大家都觉着有点不靠谱，但不得不去做，因为要保住饭碗。
还有一些方法，叫做套利，跨期套利跨品种套利在这里我就不赘述了，其实没有所谓量化交易之前，大家也在做套利交易。但套利本身跟量化交易没有必然关系，难道不玩计算机不做模型就不能玩套利了吗？套利交易是能赚钱，但也不是绝对能赚钱，因为城市上，就连套利交易的机会都不给你，再扣除各种手续费，各种滑点，说不定你还赔钱。
还有一种策略，叫做高频交易，这种东西，在技术上实现稍微有点门槛，而且投资稍微大一些，所以说屌丝是玩不起的。这种玩法的一个最大特点就是快，怎么个快法？快到毫秒级别。为什么要这么快呢？玩法就是做市商，这是高频交易最主要的玩法。高速的高频交易，带给你可做市的机会。什么意思呢？甲方要买乙方要卖，但是有时间差和价格差，在这种情况下，你瞬间发现机会并低买高卖从中获利，但要注意，前提是你能够低买高卖，如果行情在你买了之后被其他做高频交易的做市商先行一步卖出，怎么能低买高卖呢？所以说，高频交易策略是很直白的，要的是速度，拼的是硬件。做市商是我认为唯一的量化交易的遮羞布了，量化交易唯一的意义也就在于高频交易中的做市交易。
其实细细想想，高频交易也有其自身的问题，高频交易依托的还是比人家更快速低买高卖，但是，如果别人比你快，你的高频交易就是失败，我们在平时的交易中其实也要遵循低买高卖，只是你低买的地方，未必能够高卖出去，譬如说趋势发生了向下改变。
量化交易还有许多种衍生分类，统计套利事件驱动机器交易等，叫法繁多，这里就不一一赘述了，因为我实在认为，他们根本就不是量化交易还是量化交易者非得把那些靠谱点的交易策略归类为量化交易。其实细细琢磨一下，也就是我们平时的交易思路做成计算机的语言而已，只有高频交易是唯一人类手动做不到而电脑能做到的事情，这也是为什么在电子计算机普及以后，股票市场交易商不进行人工撮合交易而使用电子撮合交易。说了这么多，意思就是，量化交易也就牛逼在高频上面，但高频交易你有没有命去赚这个钱，还得问问其他的高频交易者答不答应。
一句话做一个总结，计算机为量化交易者带来了速度和效率，再无其他，梦想靠写个策略就能赚到钱的人，该醒醒了。若干年后，我们回过头来看会发现，人类曾经走过的量化交易弯路实在可笑，就如几百年前人类所痴迷的炼金术，不老药。

周瑜润 · 2018-10-13 14:24:30

量化只能锦上添花却不能雪中送炭，思路和方向很重要，看你从哪方面切入进行量化，人心都能量化，市场里真正赚钱的少之又少，大奖章已经收缩了资金规模，西蒙斯自己也知道资金规模过大不适合自己的策略，不然人家几乎翻倍巴菲特的年化收益早成了股神了。所有策略都不可能恒强，也不可能永远正确，正确的只有市场。那些整天搞一堆理论的，一般一进市场都得死，真正赚钱的，可能是一个极为简单的理由，或者几句话。中国市场人为干预因素过大，所以搞不好两头出血。再加上高频自动交易被取缔，一朝回到解放前。你如果想做好投资，还是应该学习价值投资，无论在哪个市场，价值永远不会过气，是金子总会发光。小散别想着量化能做过机构，你没有超级计算机，没有野人团队，连个扳手都没有，怎么干得过人家。还有。奉劝各位在不了解市场时，不要随便进入这个市场，来了也是交学费，你能克服自身性格短板还好说，但不可能超越人性，这就是结论。

在量化交易方面，美国究竟比中国领先多久？

18 个回复