量化投资就是用程序处理海量的金融市场相关的金融和经济数据，从中剥离出核心的投资规律，并根据这些规律进行从择时到选股的不同维度的投资判断，并根据投资目标对各种风险进行控制约束的投资方式，这叫量化投资！
量化投资几大要素：
量化投资 = 投资目标 + 投资逻辑 +
数据 + 程序 + 风险控制
a：投资目标：
量化投资的同一个团队可以根据投资目标的不同开发出完全不同的投资策略。你要绝对收益，可以开发量化对冲策略、择时策略、期货CTA策略、高频趋势、跨期套利、ETF套利、期权套利策略等等；如果你要相对市场的超额收益，可以开发量化选股、指数增强、行业轮动等等；你要弹性高的，可以开发成长性高的选股策略；你想稳一点，可以开发低回撤波动小的策略；你要有非常奇怪投资要求，要得到一条特别的收益风险曲线，可以定制场外期权产品。
只要你能提出投资目标，量化投资就可以针对性地开发投资策略。
b) 投资逻辑：
量化投资一定要有合理的投资逻辑作为基石，没有投资逻辑的量化投资只能是昙花一现，无法保证长期投资收益的稳定性。比如低价股策略就是曾经有效果的策略。以前低价股由于有借壳上市的可能，所以往往具有较高的壳价值，下跌有底，向上弹性很高，是个可行的策略。但随着注册制的推行，借壳上市不再有需求，低价股策略就没有了存在的基础。
c) 数据：
数据是量化投资与传统主观投资最大的区别。量化投资因为是用程序来处理数据的，可以轻松覆盖全市场几千只股票的几百几千个维度的海量数据，从中找到合理的投资规律，并筛选出相关的股票。传统主观投资需要一个团队的人也只能覆盖非常有限数量的股票，人力终究是有限的，一个人覆盖的股票越多，研究的深度必然会下降，投资效果也不会好。而量化投资借助电脑的算力，覆盖的股票数量和数据深度比人力高几个数量级都不在话下。
d) 程序：
量化投资的另一大核心要素就是程序，海量数据的处理、从数据中筛选出可以用的“因子”、用因子搭建预测模型、用预测模型结合风险控制模型构建投资组合、用历史数据的投资组合跑历史回测数据、对历史回测数据进行展示和分析等流程都需要进行大量的程序编写的工作。量化投资策略在研发过程中，可以把历史上10年甚至更久的数据拿出来，看看研发的策略在历史上每一年每一月每一日都是什么样的表现，来判断该策略是否是一个好的策略。这也是人力无法实现的。
e) 风险控制：
量化投资可以对不想要的风险进行控制，不想要市场风险，可以用股指期货空头对冲；不想要行业偏离风险，可以让投资组合的行业0偏离；不想要市值偏离风险，可以让市值分布与市场一样；不想要一些奇怪的风险，还可以定制场外期权，把风险转嫁出去。
量化投资与传统投资的一些区别：
（新华基金）
