陳柏軒：量化基金操作與交易的秘密

雖然各國逐漸走出新冠大流行和地緣衝突的陰影，但在高通脹和高利率的環境下，全球經濟增長也出現了明顯的放緩；而近期美國和歐洲的銀行業問題，更令市場神經緊繃，金融的風險和挑戰顯然令全球經濟前景徒增不確定性。

近二年，量化投資策略在極度波動的市場中表現出色，而量化投資為何可屢屢跑贏市場？如果市場進入相對穩定期，量化投資策略是否需要調整和撤換？

市場動盪下，傳統投資策略跑贏市場的難度在加大

在通常情況下，若市場不確定性增加，市場波動加大時，投資者多會採用防禦性投資策略，包括採用多元化投資，在投資組合配置中增加更多的資產類別，以有效降低整體投資風險，平滑整體收益；投資高質量的公司，基於高質量的公司通常擁有良好的資產、現金流，以及相對穩定的利潤，以期獲得高於市場的回報表現。然後去年出現的股債雙跌，卻使很多傳統投資策略的實際表現差強人意。

量化投資策略，備受市場聚焦

近二年，突發事件頻出，市場巨幅震盪似已成為新常態；在此期間，採用量化投資策略的產品和基金，他們的表現大都明顯好於其他策略（包括防禦性投資策略）的產品和基金。根據大型金融機構的數據顯示，83%的量化策略優於基準，而傳統策略的這一比例只有43%；而按近10年的平均收益計，量化策略好於同類傳統策略收益近2倍。

量化投資，以提高盈利能力為交易目標，透過演算法模型和巨量的數據分析來識別交易機會並作出投資決策。如果輔以AI技術，更可利用演算法和數據分析技術，根據投資目標和投資策略，匹配出一系列基於市場數據的交易策略。這些策略可以自動化交易，並在短時間內反應市場變化，以獲取更好的交易收益。目前，先進的AI系統，更可為每筆交易設定止盈和止損點，有效控制回撤幅度。

決定量化投資表現的三大基本步驟

在進行量化投資時，基本應遵守三大基本步驟，首先為數據輸入：大量的有效數據是量化投資的重要基礎，包括市場數據、規則和相關公司的各類數據等，以用於數據篩選和提取的機制；其次為分析和預判，也就是對預期收益、價格、風險參數等進行評估和預測；最後為構建投資組合，這也是決定投資表現的關鍵步驟，通過量化模型為每項欲投資資產分配適當的權重，將風險降低至可接受的水平，以達到預期的回報，從而構建最佳投資組合。

量化投資近年來被廣泛運用和發展，很大程度也要歸功於科技的不斷進步，創新的技術可以收集、篩選和評估更巨量的數據，包括更深更廣的市場和相關數據訪問，以及數據分析和解決方案；而模型和策略在數據更多的情況下，可獲得更高效率和更好效果。好的基金基於上述優勢，便可通過AI人工智慧交易系統的運作，每天24小時在全球交易所自動捕捉各類資產的投資機會，獲得低風險的絕對回報。