指数基金上世纪70－90年代在美国大行其道，今年在国内也颇受青睐，分析个中缘由，一个比较惯常的说法是市场有效性提高了，大多数主动型基金很难超越市场。实际上，这并不是问题的全部，如果从另一个视角来看，或许更有助于厘清主动型基金投资的短板与长板。

　　传统主动型投资的短板

　　人的思维在任何时候都只能考虑有限个数的变量，对传统主动型投资人而言，决策广度的有限性，体现在跟踪股票数量上的限制，以及决策时思考变量上的限制；当然，传统的主动投资方法在决策深度上是有优势的，所以做更加深入的基本面研究，以弥补决策广度的不足是决定成败的关键。

　　问题在于——随着市场信息传递速度的加快，众多分析师对基本面数据的不断挖掘，更加深入的分析似乎越来越难以弥补决策广度的不足。如果将传统主动型投资比喻为一个“捡西瓜”的比赛的话，现在剩下的西瓜越来越小了，那这个时候“捡西瓜”的工具与方法就显得非常重要了。

　　还有，即使投资人有超越市场的预测能力，理论上可以获得好的超额收益，但现实中收益常常被投资人主观认知上的情绪化波动侵蚀掉了。比如说，大多数投资人总是更容易相信先入为主的消息的正确性，同时容易忽略与这些观点相抵触的新消息。同时，传统投资的管理者本身情绪难免受到周边环境的影响，常常会做出一些偏离自己判断的交易行为，这样的随机交易常常会侵蚀掉部分应得收益。

　　数量化投资方法

　　能为我们做什么

　　有鉴于传统主动型投资的局限，建立在现代统计学、数学和信息技术基础上的数量化投资，作为一种投资方法应用到主动型基金，其体现的科学与合理性令人瞩目。

　　坚持量化投资理念与方法的基金经理们与传统基本面分析入手的基金经理们的一致目标都是超越市场，所不同的是，量化基金经理们更愿意将他们的见解与目前速度惊人的计算机技术、统计技术等结合起来作为研究工具，在他们的模型中可以将自己的研究和视野拓展到只要有数据支持的任何地方。比如，只投资于股票的量化基金经理们，可以把所有股票纳入自己的海选范围内，从多维度的变量空间中找到自己的获利机会，并可以检验这样获利机会在历史上的成败概率。这样的变量可以包括有关经济的宏观变量、基本面变量、财务数据，也可以包括有关投资者心理的市场行为变量。当然，量化投资跟踪调查的范围可以很广，但是在最终决策上要受到众多限制的，以保证在控制风险水平的前提下实现收益率的最大化。

　　另外，量化投资和传统的投资可以找到合理的结合点，这就是在量化模型的输入变量View上，因为任何观点既可以来自于历史规律的检验，也可以来自于人脑对未来的主观判断。当然，在量化投资的过程中，依赖主观判断的成分相对要小得多，因为大多数量化经理们认为依靠没有数据支持的主观判断做出的决策总是不可靠的，他们更相信他们的历史检验报告。

　　总之，量化技术有如下三方面的优势：及时快速地跟踪市场变化，不断发现能够提供超额收益的新统计模型，寻找新交易机会；准确客观评价交易机会，克服主观偏差；在控制风险的条件下，充当准确实现分散化投资目标的工具。

　　长盛基金早在2005年就在国内基金行业率先成立金融工程部，后更名为金融工程与量化投资部，主要从事国内A股市场数量化策略与模型的研究。经多年的努力与积累，建设了先进的金融工程数据与策略模拟平台，并逐渐形成一套有效的量化投资方法与策略体系。在此背景下，长盛基金金融工程与量化投资团队推出国内首只运用量化策略进行红利股票投资的产品－长盛量化红利策略基金,该基金于10月19日开始发行。

　　尽管数量化投资在国内市场刚刚起步，但其特质决定了它必将具有广阔的发展空间和投资需求。