什麼是量化投資，它與量化交易有何不同？
我在量化交易領域工作了幾年，所以我知道那個空間是關於什麼的。我很想知道量化投資到底是什麼。根據我閱讀並與人們討論的內容，似乎量化投資者傾向於建立因子投資組合（基於基本面或定價數據），並且非常強調投資組合的建構和良好的風險模型。通常在量化資產管理公司工作的人是計量經濟學家或統計學家，而不是量化交易領域的電氣工程師或物理學家。
根據我作為局外人的天真解釋，量化資產經理似乎在基本面因素上建立了多空投資組合。由於財務報表可以提供的資訊量有限，量化經理如何獨特地產生阿爾法，因為許多這些基本因素可以很容易地進行數據探勘（看看哪些有效）？不是在這裡尋找任何秘訣，我只是想了解量化投資方面的人如何證明他們向客戶收取的費用是合理的。
量化投資與任何資產管理方法都有相同的基本問題：資本投資能力。與量化交易不同，量化投資處理大型資產。出於這個原因，量化交易者所追求的套利機會類型對於投資來說是不可行的——這些策略根本不具備資產管理所需的能力。因子模型在該領域很受歡迎，因為它們具有高容量。能力來自因子建模的核心；您通常首先按給定因素對所有證券進行排名，以納入投資組合的多頭/空頭。
那麼，如果所有因素都基於基本面，您如何將您的模型與其他模型區分開來？首先，新的有趣的數據不斷湧現。最近的一個例子是estimize，它有眾包的買方收益估計。其次，可以將因素解構為多個子因素，組合成複合因素，按時間、行業、季節進行切片，或使用學習技術進行過濾。或者，您可以查看非企業數據，例如美聯儲褐皮書、人口普查數據、社會數據或行業特定指標。簡而言之，可能的方法的範圍是巨大的。
事實上，因子量化投資的難點在於搜尋空間太大，很難找到一個有效的信號，而不會成為過度擬合的犧牲品。
查看範例分析和實現通常會有所幫助 - 這是短期興趣因子模型的展示文稿和範例 python 實現（披露我在 Quantopian 工作）。