量化歷史是什麼

㈠ 最近經常聽到量化投資這個新名詞，究竟是什麼意思

簡單的說，量化投資是利用大量的歷史數據幫助投資者作判斷，用電腦幫助人腦處理信息，克服了人的情緒和弱點對投資的影響。
推動量化投資走向應用的第一人叫約翰·麥奎恩。麥奎恩利用美國富國銀行的信託投資平台建立了第一個定量投資系統，並於1971年發行了世界上第一支被動管理的指數基金。這一平台經不斷改進演變成為今天世界上第二大投資管理公司——巴克萊國際投資管理公司（Barclays Global Investors）。
中國基金公司在量化投資方面比較領先的有富國基金，你可以關注一下旗下以量化方式投資的指數增強基金。例如富國天鼎中證紅利指數增強基金2011年的業績在320隻股票基金中排到第17名，在所有指數基金中排名第一；還有包括富國滬深300指數增強基金，2011年的業績在320隻股票基金中排到第37名，在所有指數基金中排名第二；另外還有富國中證500增強，包含滬深兩市中流動性較好、市值處於中等區間的小盤股，與覆蓋大中盤股的滬深300指數風格互補。
富國量化投資帶頭人李笑薇是美國斯坦福大學經濟學博士，曾任巴克萊國際投資管理公司（BGI）大中華主動股票投資總監、高級基金經理、高級研究員；摩根士丹利資本國際Barra公司BARRA股票風險評估部高級研究員，可以說她是中國量化投資的先行者，而她所帶領的投資團隊也定能給投資者帶去優良的收益回報。

㈡ 量化歷史研究：是姓氏固化了社會階層嗎

中國屬於最早推出姓氏的國家之一。在周朝以前，貴族除了有姓之外，還往往以國、官位為氏。而一般人只有名，沒有姓，也沒有氏。春秋戰國時期，姓氏制度發生根本變革，姓、氏的差異漸漸模糊。戰國以後，平民也有姓，百姓遂成為民眾的通稱。秦漢以後，姓與氏合一，遂稱「姓氏」。唐宋後中國姓氏學逐步定型~
具體而言，他們以長江下游的縣為基本單位，如果某姓氏在1645至1905年間考上舉人的人數占本縣總舉人人數之比高於本姓氏占本縣總人口比的5倍以上，那麼該姓氏就為本地區的精英姓氏；一旦各精英姓氏確定之後，再計算每十年裡這些精英姓氏的舉人佔比相對於他們占樣本范圍總人口的比值，看前者高於後者多少倍。結果發現，在清朝初期，精英姓氏的舉人佔比是其在總人口中的佔比的8倍多，到乾隆末期還停留在4倍左右，到民國時期下降到2倍左右，最近降到1.5倍（對民國時期和1949年後，他們以考進北大、清華等大學代替舉人來定義精英）。由此可見，一宗族姓氏一旦進入精英階層，社會階層可以跨越朝代、跨越體制地固化下去~

㈢ 什麼是量化投資

量化投資是指通過數量化方式及計算機程序化發出買賣指令，以獲取穩定收益為目的的交易方式。在海外的發展已有30多年的歷史，其投資業績穩定，市場規模和份額不斷擴大、得到了越來越多投資者認可。
事實上，互聯網的發展，使得新概念在世界范圍的傳播速度非常快，作為一個概念，量化投資並不算新，國內投資者早有耳聞。但是，真正的量化基金在國內還比較罕見。同時，機器學習的發展也對量化投資起了促進作用。

㈣ 量化歷史研究告訴我們什麼

之前對歷史的探究要麼過於意識形態化，要麼又過於側重朝代史、政治史，就如電視古裝戲幾乎走不出宮廷斗爭的話題；還有就是過於定性，停留在史料整理和描述性層面，即使對歷史事實背後的因果關系下結論，也只是猜測性的，很少從統計意義上進行嚴謹的邏輯推論，做排他性實證論證。

單純定性研究方法的不足是明顯的。最經典的例子之一是晚清於1906-1907年啟動預備立憲改革，由於在時間上正好是清政府垮台之前的五年左右，所以，盡管嚴謹研究會告訴我們是清政府啟動憲政改革太晚而難以挽救其命運，但還是有不少人願意下「憲政導致政權滅亡」這樣的因果結論，就好像是看到阿炳是瞎子，就下結論「如果想拉好二胡，就先要把眼睛弄瞎」。而科學嚴謹的量化研究則是把歷史上進行過立憲改革的各個國家放在一起，列出各國憲政改革的長期結果，構成大樣本，然後系統檢驗是否真的是「憲政導致政權滅亡」。

歷史研究中一手史料整理、描述性工作極其重要，但那是整個研究過程中的第一步，不是全部。研究的最終目的還是希望從歷史經歷中領悟到、學到一般性的道理，學到對現時和未來人類社會都有價值的規律知識。史料海洋給我們提供的是人類經歷的數據資料，這些資料是我們證明證偽社會科學各領域的理論結論的基礎數據。關於歷史的任何一項假設都可以、也都應該放到史料數據中去檢驗，否則就只能是一種猜想或假設。

下面我從四方面介紹第一次量化歷史講習班講授的內容，考慮到篇幅，不能介紹每位學者的研究，但希望以下四方面能讓我們對量化歷史研究的特點有所了解，特別是最近二十餘年量化歷史研究的成果如何啟發影響了學界的視角。

「人類歷史中其實只發生了一件事」

講習班的第一天由 GregoryClark教授開授。Clark教授出生於蘇格蘭，在劍橋大學上大學，哈佛大學讀博士，之後先在斯坦福大學任教，接著在加州大學任教授。他的研究領域包括世界經濟史和社會史。他講授的第一個主題就是：「人類歷史中其實只發生了一件事，即1800年前後開始的工業革命。只有工業革命之前的世界和工業革命之後的世界之分，人類其他的歷史細節有意思，但不關鍵。」為什麼呢？從大的方面看，世界人均GDP在1800年前的兩三千年裡基本沒有變化，工業革命之後才逐漸上升。微觀方面，工業革命之後人類生活方式、社會結構、政治形態以及文化內涵都有本質性的大變革。

按照史學家麥迪森的估算，公元元年時世界人均GDP大約為445美元（按1990年美元算），到1820年上升到667美元，1800多年裡只增長了50%。同期，西歐國家稍微好一些，但也只是從公元元年的450美元增長到1820年時的1204美元，英國作為工業革命的發源國也大致如此。而從1820年到2001年的180年裡，世界人均GDP從原來的667美元增長到6049美元。由此足見，工業革命帶來的收入增長的確是翻天覆地的。

工業革命之前的人類既然沒有實現財富增長，那他們都在忙些什麼呢？那個時期，不管是東方還是西方，不也在經歷各時期的改朝換代嗎？Clark教授認為，「其實用不著被那些表面的東西所誤導」，在工業革命之前，人類社會一直沒有走出「馬爾薩斯模式」，即在生產率不變的情況下，自然災害或戰爭導致人口死亡，使接下來的人均收入增加，為生育率上升、人口增長提供條件；可是人口增長後，人均土地和人均收入會減少，使生存挑戰越來越大，導致戰爭的發生並使接下來的人口又減少，在這個周期中循環。

過去多年裡，Clark教授嘗試從不同角度研究工業革命之前與之後社會的差別，也以此分析工業革命為什麼首先在英國而不是在別處發生。

在英國，大約從14世紀開始，任何已故人的遺囑首先要在郡法院登記並檢驗後才能生效，這些遺囑材料包括已故人的年齡、子女及其他親屬、職業、各類財產、收入、教育、社會地位等情況。英國各郡基本把自14世紀以來的遺囑材料完整保留至今，成為Clark教授以及其他眾多學者的研究基礎。

Clark教授通過對英國人遺囑研究發現，在工業革命之前，英國人的生育率跟財富水平高度正相關：越有錢的夫妻，小孩數量越眾。在16世紀期間，最富的三分之一英國人死時平均還有4至6個小孩健在，中等財富的英國人離世時平均有3.5到4.5個小孩健在，而最窮的三分之一英國人離世時只有不到3個小孩活著。到18世紀末，基本情況仍然是越富有的家庭小孩數越多，只是每家的小孩數量都降到4個以下，並且各財富階層間的小孩數量差距明顯縮小。

工業革命於18世紀末到來之後，一直到1880年左右，小孩數量就基本跟財富水平沒有關系了。而從1880年到1980年的100年間，情況正好反過來：越窮的英國人，小孩數量反而越多，完全改變了工業革命之前「適者生存」、「有錢者生存」的規律。

也就是說，Clark教授從生育率跟財富的關系、從小孩生存概率跟家庭財富的關系這些微觀指標，證明了一直到工業革命之前的18世紀，英國社會也沒走出馬爾薩斯式陷阱，還是在「適者生存」、「有錢者生存」的原始狀態循環。只有到工業革命後，人類社會才開始走出馬爾薩斯式陷阱，社會結構也開始改變。窮者還是追求小孩數量，而富者更注重小孩的質量和自己的生活品質。他發現工業革命之後，雖然窮人的小孩數更多，但富人的平均壽命更長，這可能是後者更側重生活質量的結果。

Clark教授的研究結果對中國的歷史研究也很有啟發。按照麥迪森的估算，公元元年時中國的人均GDP為450美元（跟西歐一樣），到洋務運動的起點時也僅為530美元。在人們的基本生活水平幾千年沒變化的情況下，那些制度與文化體系是經歷了幾千年的檢驗，還是只經歷了幾年、一兩個朝代的考驗，不存在本質性差別。從這個意義上講，在收入與生活方式處於靜態不變的狀況下，那些朝代到底叫「漢朝」、「隋朝」、「唐朝」、「宋朝」，還是「元朝」、「明朝」或「清朝」，這些細節意義不是那麼大，至少沒有原來我們強調的那麼大。

按照這一道理，或許除了以日、月和地球的轉動定義的日月年這樣的時間單位之外，還應該以世界人均GDP（或者國家人均GDP）的翻倍來定義時間，世界人均GDP每翻一倍算一個時間單位，可以叫「一翻」。從公元元年到1820年世界人均GDP增長0.5倍，那1820年在收入增長意義上實際只過了「半翻」時間，而1820年後的100多年實際過了「八翻」時間。收入翻倍數越多，對社會結構、對制度的壓力考驗就越厲害，引發的變革要求就越強。

用這種方式看，中國只有兩段歷史：鴉片戰爭之前的中國和1860年代洋務運動之後的中國。鴉片戰爭敲開了國門，洋務運動具體把工業革命請進了中國，由此真正把引發社會變革的工業技術和相配思維方式帶入中國，讓中國有機會走出困擾社會幾千年的馬爾薩斯式陷阱，結束過去重復的靜態朝代更替周期。從這個角度把握中國歷史，不僅幫助我們理解今天是怎麼來的，也更能幫助我們判斷中國將往哪裡去。

是姓氏固化了社會階層嗎？

姓氏是一個人的血緣背景關系的標志和符號。當社會普遍根據姓氏判斷血統出身時，姓氏就成了家庭血統、出身背景信息的載體，各社會階層之間也最終因此而難以流動。人類最初是沒有姓氏的，因此也沒有將人們分門別類的明顯符號，社會階層也不容易一目瞭然地區分。

中國屬於最早推出姓氏的國家之一。在周朝以前，貴族除了有姓之外，還往往以國、官位為氏。而一般人只有名，沒有姓，也沒有氏。春秋戰國時期，姓氏制度發生根本變革，姓、氏的差異漸漸模糊。戰國以後，平民也有姓，百姓遂成為民眾的通稱。秦漢以後，姓與氏合一，遂稱「姓氏」。唐宋後中國姓氏學逐步定型。

英國原來也只有名，到13、14世紀才出現姓氏，一開始也是只有貴族才有，後來逐步擴散至一般平民。到1400年，大多數的英格蘭、蘇格蘭人都有了姓氏，但還是有部分人到17世紀，甚至更晚才有姓氏。英王亨利八世（1491年－1547年）曾經下令：「婚生子女必須登錄父親的姓氏」。英語姓氏的形成規則大致有以下六種：1.按職業：例如，Smith（金屬工匠）、Baker（麵包師）、Archer（弓箭手）；2.按個人特徵：例如，Short（矮個）、Brown（棕色，膚色較黑）、Whitehead（白頭，頭發較白）；3.按居家環境地理特徵：例如，Hill（住山上）、Riverside（住河邊）；4.按地名：例如，London（倫敦）、Oxford（牛津）、Sheffield（謝菲爾德）；5.從朋友、自己居住或擁有物業的名稱得來；6.按父名或父系祖先之名而衍生、或由族群名產生：例如，按父名或父系祖先有Richardson（Richard的兒子），按族群名有Macdonald、Forbes等。德國、法國、丹麥等西方社會，印度、日本等亞洲社會的姓氏規則也大致如此，姓氏的目的很明確，就是記錄下血緣和出身背景信息。

中國人命名的規則是姓氏不區分個體而以名區分彼此，西方社會則反之。在中國，王姓、陳姓等不含有太多信息，但名可以區分不同人；而在英國、美國，名為Peter、David、Ed-ward的人太多，而姓氏則往往更加獨特。在中國，超過100人的姓氏只有4000多個，而美國超過100人的姓氏則多達20餘萬。因此，相對而言，姓氏在美國等西方社會所包含的血緣與出身背景信息比在中國更多，更能阻礙社會階層的流動。

Clark教授在講座中介紹，以往關於社會階層流動性研究只停留在父子代際傳承的層面，而不是基於整個家族是否「一人當道，雞犬升天」。但是，如果是以姓氏作為代際研究的基礎，則可以把這種情況包括進來。

他具體講到兩方面的研究。其一，如果只按照父子收入的相關系數來研究代際地位固化程度，那麼，根據英國自14世紀以來的遺囑檔案中記錄的家庭收入估算，家族地位固化程度只有0.4，亦即父子收入的相關系數只有40%；如果用同一姓氏的相連兩代英國家族的平均收入計算代際相關系數，那麼英國人代際相關性高達75%，說明英國社會階層固化的程度遠高於以前的估算。而且，如果把過去七個世紀分成不同時間段，英國社會財富階層的連貫性基本沒有變化，富有的姓氏有70%-80%的可能性一代後繼續富有，有50%左右的概率在兩代後仍然富有。對中國、美國、日本、瑞典、印度、智利等國家而言，基於姓氏估算出的社會流動性也都遠低於基於父子收入的相關性。各社會的階層固化程度比我們原來理解的高很多，其背後的制度、文化以及其他原因都值得深入研究。

其二，Clark教授把1200年到2012年英國劍橋大學、牛津大學歷年學生名冊放在一起，研究各罕見姓氏的學生佔比相對於這些罕見貴族姓氏占整個英國人口比及變化。結果他發現，罕見姓氏占牛津劍橋大學學生的比重100多年前是這些姓氏占整個英國人口的8倍，到現在，這些姓氏的牛津劍橋學生佔比還是他們在整個英國人口佔比的兩倍。自13世紀以來，精英姓氏子女一直比一般姓氏更能進牛津劍橋等貴族大學，今天仍然如此。如果用政治精英取代貴族大學的就學機會，那麼，在英國，政治精英階層自13世紀以來則更加固化，「官二代」有91%的可能性繼續為政治精英。

Clark教授把姓氏研究方法應用到了中國。具體而言，他們以長江下游的縣為基本單位，如果某姓氏在1645至1905年間考上舉人的人數占本縣總舉人人數之比高於本姓氏占本縣總人口比的5倍以上，那麼該姓氏就為本地區的精英姓氏；一旦各精英姓氏確定之後，再計算每十年裡這些精英姓氏的舉人佔比相對於他們占樣本范圍總人口的比值，看前者高於後者多少倍。結果發現，在清朝初期，精英姓氏的舉人佔比是其在總人口中的佔比的8倍多，到乾隆末期還停留在4倍左右，到民國時期下降到2倍左右，最近降到1.5倍（對民國時期和1949年後，他們以考進北大、清華等大學代替舉人來定義精英）。由此可見，一宗族姓氏一旦進入精英階層，社會階層可以跨越朝代、跨越體制地固化下去。

㈤ 量化投資什麼意思

量化投資是指通過數量化方式及計算機程序化發出買賣指令，以獲取穩定收益為目的的交易方式。在海外的發展已有30多年的歷史，其投資業績穩定，市場規模和份額不斷擴大、得到了越來越多投資者認可。從全球市場的參與主體來看，按照管理資產的規模，全球排名前四以及前六位中的五家資管機構，都是依靠計算機技術來開展投資決策，由量化及程序化交易所管理的資金規模在不斷擴大。

量化投資可以理解成在投資時需要用到數學、統計學、信息技術等知識；投資者會搜集大量的數據，然後藉助計算機系統強大的信息處理能力，同時採用先進的數學模型替代人為的主觀判斷，在控制風險的前提下實現最大化的收益。

事實上，互聯網的發展，使得新概念在世界范圍的傳播速度非常快，作為一個概念，量化投資並不算新，國內投資者早有耳聞。但是，真正的量化基金在國內還比較罕見。同時，機器學習的發展也對量化投資起了促進作用。

量化投資的優勢

量化投資的優勢有很多，比如投資的策略都是根據大規模的數據得出的，而且在執行時不會受投資者情緒的影響，能夠有效克服認知的偏差；可以快速的跟蹤市場變化，不斷發現能夠提供超額收益的新統計模型，尋找新的交易機會。

量化投資的優勢還有分散性，在有效控制風險的前提下，量化投資可以起到分散化投資的工具，比如量化投資可以從歷史數據中挖掘出一定的規律並且加以利用，這些規律可以較大概率獲取投資收益。

量化投資vs定性投資

量化投資區別於定性投資的鮮明特徵就是模型，對於量化投資中模型與人的關系，大家也比較關心。打個比方來說明這種關系，我們先看一看醫生治病，中醫與西醫的診療方法不同，中醫是望、聞、問、切，最後判斷出的結果，很大程度上基於中醫的經驗，定性程度上大一些；西醫就不同了，先要病人去拍片子、化驗等，這些都要依託於醫學儀器，最後得出結論，對症下葯。

定性投資和定量投資的具體做法有差異，這些差異如同中醫和西醫的差異，定性投資更像中醫，更多地依靠經驗和感覺判斷病在哪裡；定量投資更像是西醫，依靠模型判斷，模型對於定量投資基金經理的作用就像CT機對於醫生的作用。在每一天的投資運作之前，我會先用模型對整個市場進行一次全面的檢查和掃描，然後根據檢查和掃描結果做出投資決策。

㈥ 什麼是可以量化的人類社會的進步

是工具的進步。
歷史由人創造，由人書寫，任何歷史問題其實質就是人的問題。歷史上涌現出大批歷史人物，他們既是特定時代的產物，又從不同的側面影響著人類歷史的發展進程。在歷史知識的建構過程中，歷史人物無疑發揮著巨大的影響。因此，歷史人物在歷史教學中的重要地位就顯而易見了。

㈦ 量化交易是什麼量化交易有哪些優缺點

近些日子，一則“量化交易是什麼？”的問題，引發了廣大網友們的熱議，在網上鬧的沸沸揚揚。那麼，量化交易是什麼呢？量化交易也可以叫自動化交易，就是使用數學模型來自動交易，摒棄了認為主觀的判斷。量化交易的優點是什麼？量化交易的優點就是去除了認為的操作，不會受到情緒的影響，都是拿概率說話。量化交易的缺點是什麼？量化交易的缺點是不懂得炒作熱點，不會分析時事。那麼具體的情況是什麼呢？我來給大家分享一下我的看法。

量化交易，也叫自動化交易。就是指利用數學的模型，製作出一套能夠穩定盈利的方法，然後讓計算機自動的進行買如何賣出的操作。量化交易模型越好，那麼交易的盈利能力，以及穩定性則是越強。

以上就是我對於這個問題所發表的看法，純屬個人觀點，僅供參考。大家有什麼不同的看法都可以在評論區留言，大家一起討論一下。大家看完，記得點贊，加關注哦。

㈧ 量化寬松的歷史起源

量化寬松是一個比較年輕的經濟學詞彙，最早在2001年由日本央行提出——在2001年到2006年間，為了應對國內經濟的持續下滑與投資衰退，日本央行在利率極低的情況下，通過大量持續購買公債以及長期債券的方式，向銀行體系注入流動性，使利率始終維持在近於零的水平。通過對銀行體系注入流動性，迫使銀行在較低的貸款利率下對外放貸，進而增加整個經濟體系的貨幣供給，促進投資以及國民經濟的恢復。這與正常情況下央行的利率杠桿調控完全不同。
在經濟發展正常的情況下，央行通過公開市場業務操作，一般通過購買市場的短期證券對利率進行微調，從而將利率調節至既定目標利率；而量化寬松則不然，其調控目標即鎖定為長期的低利率，各國央行持續向銀行系統注入流動性，向市場投放大量貨幣。即量化寬松下，中央銀行對經濟體實施的貨幣政策並非是微調，而是開了一劑猛葯。
很多環球金匯網的學者認為，正是日本央行在當時果斷的採取了量化寬松這種主動增加貨幣供給的措施，才使日本經濟在2006年得以復甦。從此「量化寬松」作為中央銀行遏制經濟危機，刺激經濟復甦的手段備受關注。

㈨ 歷史是否可以量化。

什麼叫做量化?是不是說,用研究經濟學的方法研究歷史?搞數學建模一類?

㈩ 量化交易為什麼歷史表現很好的策略，未來的表現卻很差呢

這個問題很簡單，過去十幾年房價漲了幾十倍，未來十幾年房價還可以漲十幾倍嗎？
過去已成事實，而未來卻是概率性的，因此回測有用的策略在未來或許有用，或許無用。
因此量化交易並不是最好的選擇。