进击的Matrix

V1

2023/01/24阅读:20主题:姹紫

量化金融:定义和历史

什么是量化金融?

量化金融是投资管理的一个分支,它采用数学和统计方法来分析一系列资产类别的投资机会。量化金融从业者(“quants”)从事股票、固定收益和结构性产品、大宗商品、外汇和各种衍生品。子专业领域包括衍生品定价、交易和对冲、投资组合分析和优化、风险管理和业务合规。此外,目前量化分析师正在进入人工智能和机器学习领域,金融行业对数据科学家的需求正在急剧增长。

CQF Group
CQF Group

量化金融的历史

19世纪

19世纪初

1827年,量化金融的一个主要概念起源于生物学领域。当时,苏格兰植物学家罗伯特·布朗(Robert Brown)观察到了水池上花粉内的颗粒运动。他注意到这些粒子移动时看似随机的模式,这种随机运动被称为“布朗运动”,布朗运动与漂移和扩散概念一起成为量化金融的基石

19世纪末

19世纪60年代,朱尔斯·奥古斯丁(Jules Augustin Frédéric Regnault)在其著作《交易所的机会和哲学计算》(Calculus des opportunities et Philosophie de la Bourse)中使用了“随机游走”的概念来探索股票价格变化的现代理论。法国股票经纪人雷诺,是最早创建基于统计和概率分析的“证券交易所科学”的作家之一。

20世纪

20世纪初

1900年,法国数学家路易斯·巴切利耶(Louis Bachelier)发表了他的博士论文《投机理论》(The Theory of Speculation),为衍生品世界设定了一个重要的里程碑。在这篇论文中,他模拟了现在被称为布朗运动的随机过程,并用它来评估股票期权。巴切利耶被认为是第一个这样做的人,他的巴舍利耶定价模型一直是其他广泛使用的模型的先驱,包括布莱克-斯科尔斯模型(Black-Scholes Model)

英国数学家和生物统计学家卡尔·皮尔森(Karl Pearson)在1905年引入了“随机游走”一词。皮尔森在很大程度上建立了数理统计学科,他的《科学语法》一书中的主题后来被阿尔伯特·爱因斯坦和其他科学家的理论所使用。

到20世纪中期,经济学家为更发达的金融市场理论奠定了基础,其中包括弗里德里希·哈耶克(Friedrich Hayek)在20世纪40年代关于有效市场的著作,以及哈里·马科维茨(Harry Markowitz)在1952年发表论文《投资组合选择》(Portfolio Selection)后出现的现代投资组合理论。现代投资组合理论现在被机构投资者和财务顾问广泛用于资产配置、风险控制和归因分析。1990年,马科维茨因在投资组合理论方面的研究获得了诺贝尔经济学奖。

Stock
Stock

20世纪末

20世纪70年代初,美国经济学家尤金·法马(Eugene Fama)在此基础上提出了有效市场假说(EMH) ,推动了这一领域的发展。Fama通常被称为“金融之父”,因为他的工作为今天的金融经济学奠定了许多基础。自从Fama的工作以来,对于那些寻求分析股票、评估有效风险回报边界和从事投资组合优化的人来说,各种量化模型的发展已经成为一个自然的过程。

20世纪后期量化金融发展的其他核心人物包括数学家爱德华•索普(Edward Thorp),他通过在拉斯维加斯21点赌桌上进行的概率和统计研究进入金融业。索普1966年出版的《打败庄家》一书探讨了他的21点博弈理论,通常被认为是最早的算牌指南。

这一时期另一位著名的量化家是伊曼纽尔·德曼(Emanuel Derman),他是华尔街最早的物理学家之一,他开发了许多至今仍在使用的模型——包括Black-Derman-Toy Model(BDT) 。随着20世纪70年代和80年代,期权定价和量化交易的兴起,费舍尔·布莱克(Fischer Black)、迈伦·斯科尔斯(Myron Scholes)和罗伯特·默顿(Robert Merton)在1973年提出了同名的布莱克·斯科尔斯(Merton)方程,量化方法和高级计算在衍生品市场变得无处不在。

当下的量化金融

如今,量化金融方法应用于所有市场,从股票、债券到结构性产品、衍生品、大宗商品,甚至是风险投资、私募股权投资。

除了量化分析的模型和数学方法的进步之外,技术在量化金融的演变中发挥了非常重要的作用。在20世纪90年代早期,电子交易平台被引入,并在21世纪初支持了股票、债券和信贷市场的全球扩张。此外,从2010年到现在,数据量、算力和种类的惊人增长推动了机器学习的激烈活动。

CQF INSTITUTE
CQF INSTITUTE

除了以上这些趋势,混合形式的投资分析也正在出现。虽然量化分析不同于基本面重点对个股的估值,但在“量化”分析领域,基本面研究的技术与量化方法相结合,形成对投资机会的判断。

量化方法也被应用于ESG投资,特别是围绕评分方法,机器学习被用于替代数据分析、语音和自然语言处理(例如,用于财报电话和Twitter情绪),以及从tick数据中进行信号处理——深入到市场微观结构本身。

这些研究领域都需要深入了解量化模型和方法,强大的计算机编程技能,以及对金融市场的良好理解。那么,一个有抱负的量化分析师应该怎么做呢?

量化金融和CQF

量化金融是一个要求很高的领域,为好奇心强、上进心强的人提供了极好的机会。对于真正对金融市场的真实世界感兴趣的人来说,量化金融的角色提供了良好的薪水、发展机会和相当高的工作满意度。加密货币和ESG投资等利基市场也在吸引量化人才,新工具、产品和服务的开发将在未来为量化分析师提供更多机会。

CQF Institute Membership
CQF Institute Membership

金融市场如此剧烈的变化凸显了在整个职业生涯中持续职业发展的重要性。量化金融证书(CQF)课程是全球公认的硕士级专业资格。该项目由世界知名的量化金融从业者在线授课,教授当今金融市场中使用的前沿实用量化金融和机器学习技能。在项目完成后,所有CQF校友还可以永久访问不断扩大的终身学习图书馆,其中包括行业专家的讲座和大师班,以及所有更新的CQF项目内容

随着市场的不断发展,在你职业生涯的任何阶段,接受量化金融教育都是一项明智的投资,可以帮助你在未来几年实现你的职业目标。


最后欢迎大家点赞、收藏、评论,转发!欢迎大家关注我的微信公众号!随机分享无用的计算机知识,微信搜索:进击的Matrix

分类:

人工智能

标签:

人工智能

作者介绍

进击的Matrix
V1

软件开发工程师