最近听到量化对冲不错，哪位大神可以给我科普下呀
量化投资受热捧主要有几个原因 ： 一、 量化投资产品是一种风险较低同时收益可观的理财产品。
长期来看，年化15%-20%的收益率是可以持续的，而量化投资的最大风险一般在10%-15%左右。
量化投资是一种可以长期持续稳定的盈利模式，而这种盈利能力的关键在于量化模型的好坏。
可以说量化投资更接近科学的领域而不是金融的领域，量化投资的专家基本都是数理和计算机专业毕业，他们的专长是数理分析和数学建模。
二、 量化投资与股票市场的相关性很低，量化产品可以做到不论牛市、熊市、震荡市都赚钱。
传统的阳光私募，一般只能跟随市场的节奏，牛市赚钱，熊市亏钱，震荡市看择时的运气如何。
而量化对冲产品则把市场波动全部利用股指期货的空头对冲了。
是一种不主动选择入场时间的永远满仓的投资方法。
一般来说，量化对冲策略在熊市和震荡市比较容易赚钱，而大牛市有可能跑不赢指数。
也就是说投资量化对冲是一种放弃了部分牛市收益去换取熊市和震荡市也能赚钱的策略。
所以量化对冲产品更接近固定收益的信托产品，是一种类固定收益产品，非常适合风险厌恶者和机构投资者。
三、 房地产神话和刚性兑付的打破。
在中国房地产自2013年进入大拐点后，不论是买房投资还是房地产信托都不再受投资者的热捧。
10万亿房地产信托资金最少有一半要撤出来，而纵观所有投资市场，只有二级市场有这个容量能够容纳这么多资金，不然这笔资金流到哪里都会带来问题，而买惯了房地产信托的投资者是无法接受二级市场的波动性的，所以量化对冲产品成立最佳的承接这笔资金的投资产品。
相比之下银行固定收益理财产品虽然收益稳定，但是在降息周期中收益率是远远落后于量化对冲产品，年化收益大概4%-6%之间，还跑不赢通胀。
四、 机构投资大量涌现。
2014年出现了大量的机构投资者，尤其表现在FOF(组合基金)上。
银行系中，光大银行2014年7月份成立了第一只银行系的组合基金(MOM)产品。
目前招商银行和工商银行也在大力推动FOF业务发展。
机构投资者代表最成熟和最理性的投资者，这部分投资者目前主要的资产配置还是以量化对冲的产品为主，机构投资者为量化对冲基金提供了大量稳定的资金，为量化对冲基金发展提供了良好的温床。
量化对冲会亏吗?
在金融市场上没有不赔的买卖以无论采取何种策略何种方式都不可避免亏个事情，量化对冲一样是会亏损的，有时可能亏的会非常惨烈，且量化对冲涉及的流程和各种保障措施要求比较苛刻，若一个交易环节正常运转另一个交易环节发生问题那么就会造成对冲不及时产生较大风险敞口。
“量化对冲”是“量化”和“对冲”两个概念的结合。
“量化”指借助统计方法、数学模型来指导投资，其本质是定性投资的数量化实践。
“对冲”指通过管理并降低组合系统风险以应对金融市场变化，获取相对稳定的收益。
实际中对冲基金往往采用量化投资方法，两者经常交替使用，但量化基金不完全等同于对冲基金。
量化对冲策略有哪些
基差，是期货价格与现货价格的差。
所以基差的走势，就相当于期货价格的走势。
市场上普遍认为股指期货有“价值发现”功能，也就是可以体现出更多的对未来价格的预期，或者可以表现出领先股市涨跌的作用。
这一作用主要通过基差先生的脾气来体现，如基差先生兴奋——超常的正基差预示未来股市可能向好，而基差先生的不开心——异常的负基差预示未来股市可能下跌。
如T1日沪深300指数为3500点，同日当月的沪深300期货合约为3550点，那么当天的基差就是50点。
如果到了T2日沪深300指数还是3500点，当日的同月沪深300期货合约为3400点，那么其基差为-100点。
这意味期货的投资者开始看空未来沪深300指数。
最明显的例子就是最近这波大调整中，市场极度恐慌中，沪深300、中证500的基差甚至高达-200多点。
基差先生这样的不开心表现，可见投资者心里的花并未盛开。
套利者来了，基差先生变乖了2期现套利使得基差有序波动，简单期现套利机会变少，股指期货定价效率提高，更加贴近现货指数的走势。
基差除了反应市场未来预期，另外一个方面，由于基差先生的存在，使得几乎相同的一个东西（如沪深300指数）在两个不同的市场（现货和期货）卖出不一样的价格。
那么，机会来了。
聪明的资金开始在低价的市场买入，然后到高价的市场卖出，从中套利，这群投机倒把分子的名字叫期现套利交易者。
期现套利交易者的出现，一个显性的结果是基差先生变乖了——基差波动更加有序，简单期现套利机会变少，股指期货定价效率更高，这样期指就渐渐成为股票现货避险非常有效的工具。
聪明的资金见基差没有多少机会，只好在股票现货这一端做做文章。
而得益于基差有序波动，期指能够更加紧贴沪深300指数的表现。
于是，这带来了又一波的淘金者。
他们的名字叫对冲交易者。
其中又以程序化交易的量化对冲交易者——对冲基金经理最著名，清一色的博士抬头，精通数据模型和计算机编程。
对冲基金经理们利用自己量化选股模型的选股能力，结合股指期货对冲，从而稳健地赚取其中的阿尔法超额收益。
这种策略就是大家现在经常说的阿尔法策略，又叫市场中性策略。
他们可以更加聚焦在股票组合的表现上，只要现货股票组合跑赢指数，就可以稳稳地赚取策略创造的alpha收益。
对冲基金经理蜂拥而来，基差先生又频繁地出现了。
让对冲交易者爱恨交杂的基差先生3基差对市场中性策略产品有着推波助澜的作用，加大收益，或者扩大亏损，看基差先生的心情哦。
我们知道，市场中性策略即买入一篮子股票，同时做空指数期货，使得对冲策略最终的收益来源于股票端组合alpha收益和期货端基差收益，两部分收益同时影响市场中性产品的净值。
理想的状况是alpha和基差同时赚钱，最惨的情形是alpha和基差同时亏钱。
而这种理想状态经常发生，悲惨状况也时不时来访。
其中基差先生也在其中扮演重要角色。
我们来看一个例子：如某市场中性策略产品建仓，买入现货股票组合时的沪深300指数为3500点，同时卖出对应的指数期货合约沪深300期货合约为3550点，那么当天的基差就是50点。
我们知道基差先生有一个规律，每个一段时间要清零——根据期指的结算规则约定，期货合约到期月份的第三个周五为交割日，届时，“这些在不同市场里几乎相同的东西”将变成完全一样的价格，即基差为0。
那么问题来了。
上述产品运行一段时间后，股票组合表现很好，远远跑赢指数达10%，到了逼近交割日的T日，沪深300指数还是3500点，当日沪深300期货合约为3400点，那么其基差为-100点。
乖乖隆地东，理想状态不期而至。
如果此时对冲基金经理清仓现货股票、平仓空头指数期货合约，将锁定alpha和基差的双盈利：10%的超额收益加上150个点基差收益。
这种理想情况在刚刚过了交割日的1507合约发生过哦。
当然，也有可能遭遇悲惨的“戴维斯双杀”——股票组合没有跑赢指数，且基差大幅升水。
这种极端情况最近的一次出现在去年12月份。
彼时，以沪深300为代表的蓝筹股暴涨，导致很多对冲基金的现货股票组合落后于沪深300指数，最终产生了回撤（亏损）。
而基差先生也落井下石了一把。
沪深300指数暴涨，导致投资者继续看涨未来市场，沪深300期货合约大幅度升水50多点，让低基差建仓的中性策略产品也承受基差风险。
基差先生规律作息：交割日定律4交割日的存在，让基差清零后重新整装出发。
让市场中性策略产品的基差亏损有时只是浮亏。
不过基差先生的可爱之处就是，到了交割日基差收窄为0。
所以，市场中性产品的贡献里，暂时的基差亏损，市场会慢慢纠正回来，这部分亏损后面会补偿给你的。
所以，我们在计算市场中性产品的最大回撤时候，往往可以剔除基差带来的亏损。
宏观对冲和量化对冲有哪些区别
量化策略通过程序易分散投资，通过对冲工具控制风险，持续获健收益。
从投资原度是相对理想的投资策略。
但目前股指期货受限的现实情况，却会导致量化对冲基金实际表现与理论存在差距，具体而言：1、交易工具的缺失导致对冲不完全，例如小盘股对冲工具的缺失使得市场中性策略在2014年末出现净值的剧烈波动；2、交易策略突破了严格对冲的原理。
例如基金经理加入对市场机会的主观择时或趋势判断，未严格执行100%对冲，留有一定的风险敞口；3、模型实现层面或有缺陷。
如编程语言、计算机硬件、数据处理等技术问题影响量化对冲策略的实现效果；4、策略的执行可能受到监管政策、交易品种流动性和负基差等限制。
量化对冲常用策略有哪些
没那么简单不是反着做就可以的做期货自主性很强，时机选择也非常关键还有必须控制仓位同样是做多，有的可以赚钱，但有些会亏钱
量化对冲是天使还是魔鬼
从广义而言，凡是借助现代统计学和数学的方法，从庞大的历史数据中选择能带来超额收益的多种“大概率”事件以形成策略，然后用数量模型验证及固化这些规律和策略，最后严格执行的方式，都可以称为量化交易模式。
在中国，从2004年第一只公募量化产品成立至今，已取得了一定的进展。
根据华宝证券的统计，2014年通过信托平台发行的量化对冲基金达到522只，另外还有72只券商资管产品发行，保守估计2014年全年新发行的量化对冲产品就超过600只。
从客观条件而言，量化交易的实现必须具备四个条件：充分的市场流动性；强大的计算设备；快速的网络；低廉的手续费。
在当下的中国，技术和费用都是可以通过“投入”解决的问题，但一些中国特色的障碍仍需直面。
一是原始数据质量不佳，巧妇难为无米之炊。
由于金融市场历史有限，很多公司或产品的数据不全面，而且规范性也有所欠缺。
二是可选择的工具有限。
以境内证券市场为例，股票期权仍属试点阶段，如果是跨境套利，则在监管和转换上均有成本，别的暂且不提，仅资金进出、境内外两个账户的资金调配、市场假期不同的处理，就需要境内外双方的磨合。
三是总体规模太小，流动性不够。
以对冲基金为例，根据华宝证券的测算，截至2014年底，国内量化对冲私募的管理资产规模约1500亿元，与全球2.7万亿美元的规模相比，约占0.9%，还有很大的拓展空间。
四是广大投资者对量化的认识仍然不足。
量化基金往往以风险中性策略为主，好处是不论牛市还是熊市都更易获得稳定收益，但坏处是在大盘单边上扬的环境里，这点收益对投资者的吸引力远不如抓住一只大牛股来得强。
第五点也可以说是最主要的一点：人才储备缺乏。
从主观条件来看，策略的制定，最终考验的是对市场的了解，以及量化人才本身具备的能否将“想法”转化为“实际”的能力。
在华尔街，大批物理、数学、计算机背景的专业人士投身于量化交易。
甚至有人戏称，物理博士可能在实验室，也可能在华尔街做模型，而在中国，类似高端人才的储备及与金融业的融合明显不足。
量化路上的新难题即便水土不服的问题得到解决，也并不是傍上了量化就可以躺着赚钱了。
未来之路究竟如何，恐怕还需要认真思考以下一些问题。
第一个问题是：系统一旦出现程序故障，是否会带来杀伤性的冲击
2010年5月6日，高频、算法和交易机器人突然出现失控，联手制造了臭名昭著的道琼斯市场崩盘，俗称 2:45闪电崩溃(The Flash Crash of 2:45 p.m.)。
道琼斯工业指数在五分钟内下跌了近1000点，整个市场9%的财富瞬间蒸发。
当时，大多数高频量化交易公司都从中大赚了一笔。
2012年8月1日，曾经是行业标杆的Knight Capital则遭遇了毁灭性的打击。
由于新使用的交易软件突然出现故障， 45分钟内，Knight买卖了价值约70亿美元的纽约证券交易所的股票??平均每秒约260万美元。
每次买进时，计算机算法就会提高市价，而其他公司当然乐见接盘侠的出现，于是Knight被迫花费了4.4亿美元来弥补错误，公司市值下跌40%，最终导致被收购。
在中国，“光大乌龙指事件”可谓一次史无前例的负向试验。
2013年8月16日，光大证券策略投资部的套利策略系统发生逻辑判断失误，导致出现价值234亿元人民币的错误买盘，成交约72亿。
当日，上证综指一度上涨5.96%，中石油、中石化、工商银行和中国银行等权重股盘中一度涨停。
虽然其后公司沽出ETF与股指期货 ，依然对当日中国A股市场造成巨大冲击，并为公司带来1.94亿元人民币的损失。
第二个问题是：即使系统无瑕疵，模型本身是否会老化
量化交易主要依赖于数学模型的设计与执行。
一个好的量化交易策略可以挖掘出别人尚未发现的市场机会，并及时抓住该机会获取收益。
但一个现实是，套利从某种程度上而言是一个零和市场，如果市场参与者纷纷看到了这个机会，并陆续琢磨出相应的投资程序，则盈利空间必然很快压缩。
换句话说，模型也面临着老化的压力。
一般而言，成熟的量化投资部门会设有一个策略模型池，其中包括了许多的交易策略，每一个或者多个交易策略对应一个市场产品、市场行业或者市场特征。
为了提升整体盈利能力，一种方法是完善交易策略池，使用动态方法调用不同的策略，在多种策略上实现资金的动态分配；另一种方法是对每一个模型进行完善升级。
但这个升级过程是否有效，对人力资本的考验非常巨大。
当市场进阶到成熟阶段，套利机会基本被抹平，那么只能从“工具”下手进行提升。
比较典型的就是具有短持仓特征的高频交易模式。
当年收购骑士的另一家量化交易巨头Getco，是被公认为在速度方面具有无可比拟优势的算法交易公司。
公司为保持几毫米的优势花费巨大，但问题是：别的公司也同时在这么做。
竞争从未停止，最终结果就是越先进，边际利润越稀薄
