量化分析是什么？基本面、技术面、量化的系统化对比
量化分析没什么神秘的，本质是对冲基金的算法升级版。
- 三大分析框架：基本面（自上而下：宏观→行业→公司）、技术面（量价时空）、量化（数学+程序化+算法模型）
- 定性 vs 定量：基本面是定性研究，回答"这个人怎么样"；量化是定量研究，给出"第一年 200 万、第二年 300 万"的精确数字
- 量化三步走：数据收集 → 拟定公式 → 回测（权重来回调，看哪个配比更贴近历史真实走势）
- 两大主流策略：多因子模型（最易理解）、高频交易（升级版做市商）
- 两个致命缺陷：量化拥挤（同质化策略同节点同动作）、幸存者偏差（活下来的机构才被你看到）
量化不是黑魔法，是流程化分析
很多人对量化「挺神秘的」，根本原因是没摸到它的底层逻辑。量化不是某种特异功能，本质是对冲基金的升级版：用数学概率、程序化算法来破解金融资产价格。
要理解量化，先把证券分析这件事的全景摆出来——目前所有专业机构分析一只股票、一个金融资产价格，会走三个角度：
- 基本面分析：研究公司内在价值
- 技术分析：研究价格走势规律
- 量化分析：把上面两件事+其他所有因素写成数学公式，让程序自动跑
这三条路径并不互斥，但各自的方法论、假设、适用场景完全不同。
基本面：自上而下的三段论
基本面分析的逻辑跟「看一个人怎么样」一模一样——你要看他的年龄、收入、工作背景，才能判断他在社会上能产生什么价值。换成股票，就变成看公司真实业绩的三个层级：
宏观经济 抓的是大盘趋势。核心是政策——法律、货币、财政。比如加息周期，利率拉到 5%，钱自然回流银行，股市资金池就缩水。但同一时期优质企业利润也在涨，所以大盘跌不代表所有股票都跌——这个矛盾恰恰说明宏观分析「管不到具体每一只票」。
行业分析 抓的是「顺势而为」。国家扶持的行业，比如新能源、半导体，整个赛道会被资金追捧。龙头股英伟达已经涨到山巅，你可能不敢追，就会转头买同行业其他还没拉起来的——「反正都是一条产业链的，早晚轮到我」。
公司财报 抓的是当下业绩。但财报不是万能的：科技、生物医药这些高研发投入的行业，当前利润很可能不好看，靠的是市场对未来的预期。一旦预期推得太高，市盈率飙到 100 倍，价值投资者就直接绕道了。
基本面分析的两大假设：
- 证券的价值决定价格——今天卖得贵是因为它有内在价值，你看不懂只是因为你看不懂
- 价格围绕价值波动——市场价 100、内在价值 20，市场最终会把价格打回 20；反过来也会被拉回 100
找到「内在价值 vs 市场价」的差价，就是基本面派的收益来源。代表人物：巴菲特——「买被低估的股票，长期持有」，听起来容易，做起来全是反人性。
技术面：量价时空四个字
技术分析看不到人性、看不到公司价值，它只盯数据，核心是四个字：量价时空。
量（成交量）——买卖双方对当前价格的认同度。价格涨但量缩，说明买方觉得这个价不值，看空情绪在积累，可能见顶；价格跌但量缩，说明卖方不想割肉，可能见底。
价（价格）——技术分析的核心，建立在三大假设上：
| 假设 | 含义 |
|---|---|
| 价格沿趋势移动 | 供需关系一旦确定，价格会沿当前方向持续运动 |
| 市场涵盖一切 | 所有影响股价的因素都已反映在当前市价里 |
| 历史会重演 | 人性不变，形态不变，套路就一直有效 |
第三条假设才是技术分析的灵魂。嘴上说「不追涨杀跌」，给你一只持续下跌的票你敢买吗？反过来黄金越涨你越买，一买就被套。技术分析就是把人性的这些弱点一次次画成形态，等你自己往里跳。
时（时间）——离今天越近的数据越有效。均线系统就是给近期价格更高权重、远期价格更低权重的设计。
空（空间）——价格涨跌的空间阻力位、支撑位。上下两条线框住震荡区间，涨不过去是压力，跌不下去是支撑。
量化：把上面所有事写成公式
进入正题。量化和基本面最大的区别是定性和定量。
基本面是定性的——「你觉得这家公司怎么样」「你觉得这个国家怎么样」，答案可以很抽象，全靠「我觉得」。
量化是定量的——「这个人入职第一年能给你带来 200 万业绩，第二年 300 万，第三年 400 万」，直接给具体数字。
用一个养鸡的例子把三种方法串起来：
- 基本面：你自己去查资料、挑鸡种、选养鸡场
- 技术分析：看不同鸡种的市场价格走势（心电图一样），找买入时机
- 量化：把所有影响鸡价的因素（天气、饲料价格、不同养殖场的鸡况、网上评价）全部收集起来，写个程序自动预测明天的价格、自动下单
这就是量化的本质——用数学公式写投资逻辑。
量化三步走
第一步：数据收集。全市场、全因素地把上百亿条信息汇总——天气、舆情、政策、行业、财报、量价，统统吃进来。
第二步：拟定公式。比如你买一只票，量化会把它未来的价格走势拆成 N 个影响因子：
- 基本面业绩 → 权重 30%
- 技术面价格走势 → 权重 30%
- 政策因素 + 行业冲击 + 其他 → 权重 40%
每家量化机构都会同时跑几十上百个模型，而且尽量不让模型趋同——「不要互相抄袭，自己跑自己的，看谁的结果更好」。
第三步：回测。用过去真实的数据来演练你写的公式，看结果准不准。过程中可以来回调权重：业绩改成 25%、技术分析改成 40% 试试，看哪个组合能更贴近历史真实走势。
这套流程适合初创量化机构和个人量化者从头摸索。成熟的大机构今天已经全自动了——整个过程从数据到公式到回测到下单，没有人工干预。
主流策略一：多因子模型
多因子策略就是上面这套流程的标准化版本：影响价格的 N 个因子，每个因子赋一个权重，加起来出一个综合判断。它是理解量化最核心、最易懂的入口。
主流策略二：高频交易
高频交易的本质是升级版的做市商。
先回顾做市商的功能：交易所需要有人挂双边报价，提供流动性、稳住价 格。港股美股没涨跌幅限制，没人做市就会出现流动性枯竭，股价单日暴跌 90% 是真实发生过的。交易所给做市商返佣，本质是花钱买流动性。
高频交易跟做市商做的事高度相似，但更狠：
- 设备更先进——不用人手动挂单，程序直接排在做市商前面
- 同样的价格，先吃我的单子
- 精准打击的往往不是散户，而是做市商
这意味着高频交易自己也在抢做市商的饭碗——它把原来属于人类的流动性提供方替换成了算法，进一步压缩了传统角色的利润空间。
量化的底层血统：对冲基金
聊到这要往源头追一句：今天的量化基金，大多数是站在对冲基金肩膀上升级来的。它沿用了对冲基金的策略，加上算法、加上数学公式，就成了量化。
所以理解量化必须对冲基金有基础认知。提到对冲基金，很多人会卡在「对冲」两个字上，以为它的核心是「市场中性」。那是几十年前的玩法，今天的「对冲基金」成分复杂得多——市场风险对冲只是其中一个很小的子集，很多头部对冲基金要的是超额收益，要超额收益就要承担超额风险。
理解这一点之后，再看两个对冲基金的经典操作：
可转债套利——可转债的本质是「未来可以转成股票」的债券。操作：
- 买入可转债，吃固定收益
- 同时做空对应的标的股票
如果股价跌：做空赚钱（+1），固定收益照拿（+2）。如果股价涨：把可转债转成股票还给对手方，做空亏损被抵消，只剩固定收益。横竖都赚？
听上去是无风险套利，但实际操作中这种机会并不多。
跨式期权（straddle）——用在「未来价格要么大涨要么大跌、绝不可能横盘」的判断上。预测某医药公司的创新药审批通过/不通过，会让股价站在两个极端。
操作：同时买入一份看涨期权 + 一份看跌期权。两份权利金先亏出去，但只要到期价格偏离中间区域足够远，一份期权的收益会覆盖全部成本并带来超额利润。反过来，如果预期未来横盘，就做 straddle 的卖方——同时卖两份期权，吃两份权利金，价格不动两份同时作废。
量化的两个致命缺陷
量化看起来「无死角、全方位狙击散户」，结果也比基本面和技术分析更周到。但它不是没有缺陷的，而且这两个缺陷都是结构性的：
缺陷一：量化拥挤
假设今天 100 个人炒同一只票，其中 90 个人用同一个或高度相似的量化模型。模型给他们的指令也会高度相似、同节点同动作——同时买、同时卖。
这种同步性会直接导致策略失效甚至踏空。这叫量化拥挤，本质上不是外部冲击，是模型自己人打架，谁都讨不到好处。
缺陷二：幸存者偏差
全世界上万家对冲基金、几千家量化基金，能被你叫出名字的也就那么几家。这些头部机构的年化收益远高于行业平均——但你忽略了一件事：这些数据是「现在还活着的」机构给的。
亏得太离谱的、模型跑不出来的，早就倒闭关门，已经不进入市场数据的参考。也就是说，所有你看到的「平均」都已经自带「活下来就得赚钱」的过滤器。
这就是幸存者偏差在金融行业最典型的表现。今天你去查所有私募基金的业绩，数字一定是虚高的——活着的本身就得盈利，不盈利的已经走了。
写在最后
量化的神秘感，根源不是它多复杂，而是多数人不了解它的原理。把它拆开看：基本面+技术面+所有能影响价格的因素→数学公式→程序自动跑→回测验证→实盘迭代。流程化的东西，没什么不能理解的。
理解之后再看市场上那些「量化无敌论」，心里就有数了——它确实比人工分析更系统化，但量化拥挤和幸存者偏差这两个坑是结构性的，不会因为你模型更复杂就消失。
这也是为什么今天稍微靠谱的量化机构，最核心的能力不是写公式，而是设计「不被好看结果诱导」的流程：数据审计、独立样本外测试、Walk-forward、组合与成本约束、仿真实盘。
References
- 关于量化分析，这是一份专业且通俗的详细入门解读 —— 小雷大智慧, Bilibili