量化策略研究指的是需要依據一種或多種確鑿的獲利理念，通過某一特定顯式表示的模型，指導參與者反復地以人工或機器執(zhí)行指令，參與單邊或多空交易。在策略的執(zhí)行過程中，需要實時監(jiān)控資產組合價值與目標利潤的偏離情況，調整參數，直到已有模型生命期限終了，再轉入到新模型。

量化研究過程可以劃分為定價與品種選取、模型實現、資產配置與組合優(yōu)化、訂單生成與交易執(zhí)行、績效評估和風險管理等部分。

當前量化策略重點集中在基于行為金融學的策略及程序化交易與算法交易策略兩大塊。

◆基于行為金融學的策略，依據歷史上沒有發(fā)生過同種情況，但曾有類似事件對市場情緒造成了極大干擾，短期內影響著相應資產價格的大幅波動。

◆算法交易策略指的是依據相同品種的歷史交易數據及持倉成本等因素，測算多空開平點位、止盈止損線、模擬介入下的策略效果等因素。交易所制度安排、做市、期現套利、價差交易、套期保值、相對價值型方案、多空對沖（事件驅動型）、期貨配對、純粹單邊交易（如波動率）、展期交易、場內外期權買賣價差交易等均隸屬與算法交易。

量化研究分為基于微觀及宏觀層面兩個方向。從交易數據中尋找市場失靈機會，屬于微觀層面。目前微觀層面的量化研究可從以下三個方面著手：數據管理、量化策略及產品設計（模型建構）、實際操作與效果跟蹤。

1.數據管理

有效的數據管理涉及歷史數據的調用及本地數據庫的維護，包括處理國內期指與商品期貨的分筆數據導出、保存到本地數據庫、針對一定頻率抽取截面或橫面數據（時點、時段、特定間隔等類型）進行深度加工、自動化地定時更新添加整理數據工作，從而方便抽取各種時段、特定時刻、一定時間間隔的期貨（主力、非主力、連續(xù)合約）、現貨、基差（主力、非主力）、價差（單個、連續(xù)）等交投數據。

2.量化策略及產品設計

此為重中之重，分為模型甄選及效果回測兩個層面。

甄選納入研究視野的模型，不能只是就獲利理念論建模、比較模型，還需要找出與整個策略實施過程關聯度大的其他方案。比如，構建配對交易方案，考慮了EG、Johansen協整方案后，還可以選擇Beta系數方法或殘差標準差作為觸發(fā)水平方案。

進行期權定價研究時，除期權定價公式外，各種參數計算模型（擬最大似然估計、模擬退火算法、最小二乘法）、計算速度與程序運行效率改進算法也是必不可少的關注重點。從策略設計伊始就開始關注整體涉及的模型，是開發(fā)成功的模型中重要的一個環(huán)節(jié)。

效果回測指衡量模型的穩(wěn)健性，選取匹配交投環(huán)境的方案。在回測過程中，需要針對歷史及模擬情景下的數據進行樣本內外、連接實時行情進行實際交投環(huán)境下的效果檢驗。

針對各種市況（單邊上漲、單邊下跌、先上漲后下跌、先下跌后上漲、振蕩、使用蒙特卡羅模擬技術計算的數據），多次調整測試時段，確定開平倉的觸發(fā)水平，觀察結果中異常偏離及整體效果等數據，并依托資產組合的價值達到一定水平執(zhí)行止盈止損、資金回撤操作等捕獲資產組合價值高位運行的手段，篩選表現較佳的策略。

簡單地來說，在了解將在整個運行過程中要使用的模型方案后，留給效果回測環(huán)節(jié)解決的問題如下：

輸入什么樣的參數、得到何種形式的變量、整個過程如何銜接、如何篩選適當方案。

3.實際操作與效果跟蹤

包括指令管理、買賣信號傳遞、效果評估等子系統(tǒng)的開發(fā)。

交易優(yōu)化主要涉及參數調整及下單方式。下單時，針對考慮買賣差價流動性等市場信號，使用算法交易對大額訂單進行分拆,尋找最佳路由和最有利的執(zhí)行價格,以降低市場的沖擊成本、提高執(zhí)行效率和訂單執(zhí)行的隱蔽性。下單執(zhí)行策略，使用較多的有VWAP、TWAP。

資金管理及情景模擬。主要是應對高杠桿帶來的尾部風險事件，預先測算需要承擔的最大損失，并確保策略在自身的承受范圍內。

其他方面包括指令的使用、成交執(zhí)行差額、交易前后交易成本比較、指令傳輸速度優(yōu)化、機會成本權衡等。比如，執(zhí)行買賣價差策略時，系統(tǒng)頻繁地發(fā)送指令，并根據實時更新的參數，進行切換或取消指令操作。

數量化方案實施時，還需要針對策略的設計特點，評估其存續(xù)的生命期限，于方案累計收益處于高位（未達到頂峰）時，嚴格地將策略終止，設計系列策略路線圖并于舊策略終止前，將新策略運用到實際環(huán)境中，從而保證新舊策略交替過程連貫有序。

因此，隨著數量化技術不斷演化，策略所處的環(huán)境亦不斷更變，持續(xù)提高數量化研究的思考意識，重新審視已有策略的假設，不斷更新變革視點，開發(fā)尚未被市場發(fā)掘到的產品方案始終是量化策略研究的關鍵所在。