建立在现代统计学、数学和信息技术基础上的数量化投资作为一种投资方法，有其一定的科学与合理性。但既然是一种方法，也有其自身的局限性与适用性问题。并且，量化既然是投资的方法之一，也离不开传统的投资逻辑与哲学。尽管现在运用量化分析的投资经理（他们自己戏称自己为“矿工”）因为所利用工具的不同，与传统的投资经理似乎有些区别，但大趋势是量化投资与传统投资的日益融合。

　　传统主动型投资存在的问题

　　分析变量广度与深度的限制人的思维在任何时候都只能考虑有限个变量，这决定了决策广度的有限性，体现在跟踪股票数量上的限制，也体现在决策时思考变量上的限制。

　　决策的广度是受限制的，那决策的深度呢？无疑传统的主动投资方法在决策是深度上是有优势的，所以做更加深入的基本面研究，以弥补决策广度的不足是决定成败的关键。问题在于——随着市场信息传递速度的加快，众多分析师对基本面数据不断挖掘，更加深入的分析似乎越来越难以弥补决策广度的不足。

　　一位国外学者曾经形象的举了这样一个例子：传统的主动型投资就象棒球队选择只倚赖本垒打而不是一连串的单打来赢得赛季的冠军一样，这样的比赛计划是有问题的。1998年圣路易斯联队全赛季取得了223个本垒打的好成绩，但却在全赛季失利19场；而纽约杨基队在本垒打排名中只有第4位，但却以0.228的打击率获得了冠军。

　　如果我们将传统主动型投资比喻为一个“拣西瓜”的比赛的话，现在的问题在于现在剩下的西瓜越来越小，这个时候“拣西瓜”的工具与方法就显得非常重要了。

　　投资人主观认知情绪化波动侵蚀了良好业绩 投资人有超越市场的预测能力，理论上就可以获得好的超额收益，但现实中收益常常被投资人主观认知上的情绪化波动侵蚀掉了。

　　越来越多的研究关注投资决策过程中的认知偏差，任何人的认知偏差以及根深蒂固的思维习惯都会导致最终决策的系统误差。大多数投资人主观上都只愿意记住自己成功的喜悦，而不愿意记住失败的教训，所以处理问题时候常常信心过高。而且人们总是更容易相信先入为主的消息的正确性，同时愿意忽略与这些观点相抵触的新的消息。这些认知上的偏差，使得用人脑做思维工具的传统投资很难做到客观公正认识所有已知的信息。

　　另外，传统投资中往往过分夸大获得收益的可能性，而有常常忽视所面临的风险。

　　由此看来，很难将传统主动型投资业绩下降的原因归咎于市场有效性的提高。主动型投资提高业绩的方法除了在于提高决策准确性之外，另外一个很重要的目标就是如何更好地管理收益与控制风险。

　　数量化投资方法能为我们做什么

　　数量方法在投资组合构建过程中的作用主要体现在两方面：一是在历史数据中寻找能够稳定带来超额收益的策略以及评价这样策略的可靠性，在量化过程中把能够预见在未来获得超额收益的来源称为观点（View）；二是在组合构建过程中运用数学模型将管理的资金筹码分散押在这些观点上。

　　坚持量化投资理念与方法的基金经理们与传统基本面分析入手的基金经理们一样，努力的目标都是要超越市场，所不同的是，量化基金经理们更愿意将他们的见解与目前速度惊人的计算机技术、统计技术等结合起来作为研究工具，在他们的模型中可以将自己的研究和视野拓展到只要有数据支持的任何地方。例如，在Simmons的实验室中他可以用一个大致相同的模型或者程序同时监测着全球主流市场的短暂的赚钱机会，从股票到商品再到衍生品市场。

　　无疑，量化基金经理获取信息和决策的广度大大拓展了。仅仅投资于股票的量化基金经理们，可以把所有股票纳入自己的海选范围内，从多维度的变量空间中找到自己的获利机会，并可以检验这样的获利机会在历史上的成败概率。这样的变量可以包括有关经济的宏观变量、基本面变量、财务数据，也可以包括有关投资者心理的市场行为变量。调查广度的增加可以大大增加最终组合中盈利的机会。

　　尽管量化投资跟踪调查的范围可以很广，但是在最终决策上受到众多限制的，以保证在控制风险水平的前提下实现收益率的最大化。首先，定量化管理需要根据历史数据计算出所考察范围内股票的期望收益率和风险数值估计值。与传统主动式管理主要依靠主观判断不一样，量化管理计算得到的这些估计值是未来通过优化技术构建组合的依据。

　　在后面的优化过程中，优化的目标是在控制风险水平的条件下，找到收益最大化的组合。组合的风险常常体现在潜在的基准风险（即系统性风险）和追求超额收益带来的额外风险（剩余风险）。

　　其实，量化投资和传统的投资可以找到合理的结合点，这就是在量化模型的输入变量View上，因为任何观点既可以来自于历史规律的检验，也可以来自于人脑对未来的主观判断。当然，在量化投资的过程中，依赖主观判断的成分相对要小的多，因为大多数量化经理们认为依靠没有数据支持的主观判断做出的决策总是不可靠的，他们更相信历史检验报告。

　　量化技术在以下三个方面是有着强大优势的：1、及时快速的跟踪市场变化，不断发现能够提供超额收益的新的统计模型，寻找新的交易机会；2、准确客观评价交易机会，克服主观偏差；3、在控制风险的条件下，充当准确实现分散化投资目标的工具。

　　长盛基金在数量化投资实践上积极探索

　　数量化投资在国内A股市场刚开始起步，有着广阔的发展空间和投资需求。长盛基金早在2005年就在国内基金行业率先成立金融工程部，后更名为金融工程与量化投资部，主要从事国内A股市场数量化策略与模型的研究。

　　近年来，长盛基金建立了一只由金融、信息技术与统计人才组成的专业量化投资队伍，经过多年的努力与不断积累，建设了先进的金融工程数据与策略模拟平台，并逐渐形成一套有效的量化投资方法与策略体系。

　　在此背景下，长盛基金金融工程与量化投资团队推出了国内首只运用量化策略进行红利股票投资的基金产品－长盛量化红利策略基金。这只基金将充分发挥基金管理人的数量化投资研究和决策优势，以量化红利选股为主要投资决策基础，辅以投资管理人对市场及行业预期的判断因素，进而分享中国经济的长期成长及股票市场的红利回报。