量化历史是什么

㈠ 最近经常听到量化投资这个新名词，究竟是什么意思

简单的说，量化投资是利用大量的历史数据帮助投资者作判断，用电脑帮助人脑处理信息，克服了人的情绪和弱点对投资的影响。
推动量化投资走向应用的第一人叫约翰·麦奎恩。麦奎恩利用美国富国银行的信托投资平台建立了第一个定量投资系统，并于1971年发行了世界上第一支被动管理的指数基金。这一平台经不断改进演变成为今天世界上第二大投资管理公司——巴克莱国际投资管理公司（Barclays Global Investors）。
中国基金公司在量化投资方面比较领先的有富国基金，你可以关注一下旗下以量化方式投资的指数增强基金。例如富国天鼎中证红利指数增强基金2011年的业绩在320只股票基金中排到第17名，在所有指数基金中排名第一；还有包括富国沪深300指数增强基金，2011年的业绩在320只股票基金中排到第37名，在所有指数基金中排名第二；另外还有富国中证500增强，包含沪深两市中流动性较好、市值处于中等区间的小盘股，与覆盖大中盘股的沪深300指数风格互补。
富国量化投资带头人李笑薇是美国斯坦福大学经济学博士，曾任巴克莱国际投资管理公司（BGI）大中华主动股票投资总监、高级基金经理、高级研究员；摩根士丹利资本国际Barra公司BARRA股票风险评估部高级研究员，可以说她是中国量化投资的先行者，而她所带领的投资团队也定能给投资者带去优良的收益回报。

㈡ 量化历史研究：是姓氏固化了社会阶层吗

中国属于最早推出姓氏的国家之一。在周朝以前，贵族除了有姓之外，还往往以国、官位为氏。而一般人只有名，没有姓，也没有氏。春秋战国时期，姓氏制度发生根本变革，姓、氏的差异渐渐模糊。战国以后，平民也有姓，百姓遂成为民众的通称。秦汉以后，姓与氏合一，遂称“姓氏”。唐宋后中国姓氏学逐步定型~
具体而言，他们以长江下游的县为基本单位，如果某姓氏在1645至1905年间考上举人的人数占本县总举人人数之比高于本姓氏占本县总人口比的5倍以上，那么该姓氏就为本地区的精英姓氏；一旦各精英姓氏确定之后，再计算每十年里这些精英姓氏的举人占比相对于他们占样本范围总人口的比值，看前者高于后者多少倍。结果发现，在清朝初期，精英姓氏的举人占比是其在总人口中的占比的8倍多，到干隆末期还停留在4倍左右，到民国时期下降到2倍左右，最近降到1.5倍（对民国时期和1949年后，他们以考进北大、清华等大学代替举人来定义精英）。由此可见，一宗族姓氏一旦进入精英阶层，社会阶层可以跨越朝代、跨越体制地固化下去~

㈢ 什么是量化投资

量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。
事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内还比较罕见。同时，机器学习的发展也对量化投资起了促进作用。

㈣ 量化历史研究告诉我们什么

之前对历史的探究要么过于意识形态化，要么又过于侧重朝代史、政治史，就如电视古装戏几乎走不出宫廷斗争的话题；还有就是过于定性，停留在史料整理和描述性层面，即使对历史事实背后的因果关系下结论，也只是猜测性的，很少从统计意义上进行严谨的逻辑推论，做排他性实证论证。

单纯定性研究方法的不足是明显的。最经典的例子之一是晚清于1906-1907年启动预备立宪改革，由于在时间上正好是清政府垮台之前的五年左右，所以，尽管严谨研究会告诉我们是清政府启动宪政改革太晚而难以挽救其命运，但还是有不少人愿意下“宪政导致政权灭亡”这样的因果结论，就好像是看到阿炳是瞎子，就下结论“如果想拉好二胡，就先要把眼睛弄瞎”。而科学严谨的量化研究则是把历史上进行过立宪改革的各个国家放在一起，列出各国宪政改革的长期结果，构成大样本，然后系统检验是否真的是“宪政导致政权灭亡”。

历史研究中一手史料整理、描述性工作极其重要，但那是整个研究过程中的第一步，不是全部。研究的最终目的还是希望从历史经历中领悟到、学到一般性的道理，学到对现时和未来人类社会都有价值的规律知识。史料海洋给我们提供的是人类经历的数据资料，这些资料是我们证明证伪社会科学各领域的理论结论的基础数据。关于历史的任何一项假设都可以、也都应该放到史料数据中去检验，否则就只能是一种猜想或假设。

下面我从四方面介绍第一次量化历史讲习班讲授的内容，考虑到篇幅，不能介绍每位学者的研究，但希望以下四方面能让我们对量化历史研究的特点有所了解，特别是最近二十余年量化历史研究的成果如何启发影响了学界的视角。

“人类历史中其实只发生了一件事”

讲习班的第一天由 GregoryClark教授开授。Clark教授出生于苏格兰，在剑桥大学上大学，哈佛大学读博士，之后先在斯坦福大学任教，接着在加州大学任教授。他的研究领域包括世界经济史和社会史。他讲授的第一个主题就是：“人类历史中其实只发生了一件事，即1800年前后开始的工业革命。只有工业革命之前的世界和工业革命之后的世界之分，人类其他的历史细节有意思，但不关键。”为什么呢？从大的方面看，世界人均GDP在1800年前的两三千年里基本没有变化，工业革命之后才逐渐上升。微观方面，工业革命之后人类生活方式、社会结构、政治形态以及文化内涵都有本质性的大变革。

按照史学家麦迪森的估算，公元元年时世界人均GDP大约为445美元（按1990年美元算），到1820年上升到667美元，1800多年里只增长了50%。同期，西欧国家稍微好一些，但也只是从公元元年的450美元增长到1820年时的1204美元，英国作为工业革命的发源国也大致如此。而从1820年到2001年的180年里，世界人均GDP从原来的667美元增长到6049美元。由此足见，工业革命带来的收入增长的确是翻天覆地的。

工业革命之前的人类既然没有实现财富增长，那他们都在忙些什么呢？那个时期，不管是东方还是西方，不也在经历各时期的改朝换代吗？Clark教授认为，“其实用不着被那些表面的东西所误导”，在工业革命之前，人类社会一直没有走出“马尔萨斯模式”，即在生产率不变的情况下，自然灾害或战争导致人口死亡，使接下来的人均收入增加，为生育率上升、人口增长提供条件；可是人口增长后，人均土地和人均收入会减少，使生存挑战越来越大，导致战争的发生并使接下来的人口又减少，在这个周期中循环。

过去多年里，Clark教授尝试从不同角度研究工业革命之前与之后社会的差别，也以此分析工业革命为什么首先在英国而不是在别处发生。

在英国，大约从14世纪开始，任何已故人的遗嘱首先要在郡法院登记并检验后才能生效，这些遗嘱材料包括已故人的年龄、子女及其他亲属、职业、各类财产、收入、教育、社会地位等情况。英国各郡基本把自14世纪以来的遗嘱材料完整保留至今，成为Clark教授以及其他众多学者的研究基础。

Clark教授通过对英国人遗嘱研究发现，在工业革命之前，英国人的生育率跟财富水平高度正相关：越有钱的夫妻，小孩数量越众。在16世纪期间，最富的三分之一英国人死时平均还有4至6个小孩健在，中等财富的英国人离世时平均有3.5到4.5个小孩健在，而最穷的三分之一英国人离世时只有不到3个小孩活着。到18世纪末，基本情况仍然是越富有的家庭小孩数越多，只是每家的小孩数量都降到4个以下，并且各财富阶层间的小孩数量差距明显缩小。

工业革命于18世纪末到来之后，一直到1880年左右，小孩数量就基本跟财富水平没有关系了。而从1880年到1980年的100年间，情况正好反过来：越穷的英国人，小孩数量反而越多，完全改变了工业革命之前“适者生存”、“有钱者生存”的规律。

也就是说，Clark教授从生育率跟财富的关系、从小孩生存概率跟家庭财富的关系这些微观指标，证明了一直到工业革命之前的18世纪，英国社会也没走出马尔萨斯式陷阱，还是在“适者生存”、“有钱者生存”的原始状态循环。只有到工业革命后，人类社会才开始走出马尔萨斯式陷阱，社会结构也开始改变。穷者还是追求小孩数量，而富者更注重小孩的质量和自己的生活品质。他发现工业革命之后，虽然穷人的小孩数更多，但富人的平均寿命更长，这可能是后者更侧重生活质量的结果。

Clark教授的研究结果对中国的历史研究也很有启发。按照麦迪森的估算，公元元年时中国的人均GDP为450美元（跟西欧一样），到洋务运动的起点时也仅为530美元。在人们的基本生活水平几千年没变化的情况下，那些制度与文化体系是经历了几千年的检验，还是只经历了几年、一两个朝代的考验，不存在本质性差别。从这个意义上讲，在收入与生活方式处于静态不变的状况下，那些朝代到底叫“汉朝”、“隋朝”、“唐朝”、“宋朝”，还是“元朝”、“明朝”或“清朝”，这些细节意义不是那么大，至少没有原来我们强调的那么大。

按照这一道理，或许除了以日、月和地球的转动定义的日月年这样的时间单位之外，还应该以世界人均GDP（或者国家人均GDP）的翻倍来定义时间，世界人均GDP每翻一倍算一个时间单位，可以叫“一翻”。从公元元年到1820年世界人均GDP增长0.5倍，那1820年在收入增长意义上实际只过了“半翻”时间，而1820年后的100多年实际过了“八翻”时间。收入翻倍数越多，对社会结构、对制度的压力考验就越厉害，引发的变革要求就越强。

用这种方式看，中国只有两段历史：鸦片战争之前的中国和1860年代洋务运动之后的中国。鸦片战争敲开了国门，洋务运动具体把工业革命请进了中国，由此真正把引发社会变革的工业技术和相配思维方式带入中国，让中国有机会走出困扰社会几千年的马尔萨斯式陷阱，结束过去重复的静态朝代更替周期。从这个角度把握中国历史，不仅帮助我们理解今天是怎么来的，也更能帮助我们判断中国将往哪里去。

是姓氏固化了社会阶层吗？

姓氏是一个人的血缘背景关系的标志和符号。当社会普遍根据姓氏判断血统出身时，姓氏就成了家庭血统、出身背景信息的载体，各社会阶层之间也最终因此而难以流动。人类最初是没有姓氏的，因此也没有将人们分门别类的明显符号，社会阶层也不容易一目了然地区分。

中国属于最早推出姓氏的国家之一。在周朝以前，贵族除了有姓之外，还往往以国、官位为氏。而一般人只有名，没有姓，也没有氏。春秋战国时期，姓氏制度发生根本变革，姓、氏的差异渐渐模糊。战国以后，平民也有姓，百姓遂成为民众的通称。秦汉以后，姓与氏合一，遂称“姓氏”。唐宋后中国姓氏学逐步定型。

英国原来也只有名，到13、14世纪才出现姓氏，一开始也是只有贵族才有，后来逐步扩散至一般平民。到1400年，大多数的英格兰、苏格兰人都有了姓氏，但还是有部分人到17世纪，甚至更晚才有姓氏。英王亨利八世（1491年－1547年）曾经下令：“婚生子女必须登录父亲的姓氏”。英语姓氏的形成规则大致有以下六种：1.按职业：例如，Smith（金属工匠）、Baker（面包师）、Archer（弓箭手）；2.按个人特征：例如，Short（矮个）、Brown（棕色，肤色较黑）、Whitehead（白头，头发较白）；3.按居家环境地理特征：例如，Hill（住山上）、Riverside（住河边）；4.按地名：例如，London（伦敦）、Oxford（牛津）、Sheffield（谢菲尔德）；5.从朋友、自己居住或拥有物业的名称得来；6.按父名或父系祖先之名而衍生、或由族群名产生：例如，按父名或父系祖先有Richardson（Richard的儿子），按族群名有Macdonald、Forbes等。德国、法国、丹麦等西方社会，印度、日本等亚洲社会的姓氏规则也大致如此，姓氏的目的很明确，就是记录下血缘和出身背景信息。

中国人命名的规则是姓氏不区分个体而以名区分彼此，西方社会则反之。在中国，王姓、陈姓等不含有太多信息，但名可以区分不同人；而在英国、美国，名为Peter、David、Ed-ward的人太多，而姓氏则往往更加独特。在中国，超过100人的姓氏只有4000多个，而美国超过100人的姓氏则多达20余万。因此，相对而言，姓氏在美国等西方社会所包含的血缘与出身背景信息比在中国更多，更能阻碍社会阶层的流动。

Clark教授在讲座中介绍，以往关于社会阶层流动性研究只停留在父子代际传承的层面，而不是基于整个家族是否“一人当道，鸡犬升天”。但是，如果是以姓氏作为代际研究的基础，则可以把这种情况包括进来。

他具体讲到两方面的研究。其一，如果只按照父子收入的相关系数来研究代际地位固化程度，那么，根据英国自14世纪以来的遗嘱档案中记录的家庭收入估算，家族地位固化程度只有0.4，亦即父子收入的相关系数只有40%；如果用同一姓氏的相连两代英国家族的平均收入计算代际相关系数，那么英国人代际相关性高达75%，说明英国社会阶层固化的程度远高于以前的估算。而且，如果把过去七个世纪分成不同时间段，英国社会财富阶层的连贯性基本没有变化，富有的姓氏有70%-80%的可能性一代后继续富有，有50%左右的概率在两代后仍然富有。对中国、美国、日本、瑞典、印度、智利等国家而言，基于姓氏估算出的社会流动性也都远低于基于父子收入的相关性。各社会的阶层固化程度比我们原来理解的高很多，其背后的制度、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年英国剑桥大学、牛津大学历年学生名册放在一起，研究各罕见姓氏的学生占比相对于这些罕见贵族姓氏占整个英国人口比及变化。结果他发现，罕见姓氏占牛津剑桥大学学生的比重100多年前是这些姓氏占整个英国人口的8倍，到现在，这些姓氏的牛津剑桥学生占比还是他们在整个英国人口占比的两倍。自13世纪以来，精英姓氏子女一直比一般姓氏更能进牛津剑桥等贵族大学，今天仍然如此。如果用政治精英取代贵族大学的就学机会，那么，在英国，政治精英阶层自13世纪以来则更加固化，“官二代”有91%的可能性继续为政治精英。

Clark教授把姓氏研究方法应用到了中国。具体而言，他们以长江下游的县为基本单位，如果某姓氏在1645至1905年间考上举人的人数占本县总举人人数之比高于本姓氏占本县总人口比的5倍以上，那么该姓氏就为本地区的精英姓氏；一旦各精英姓氏确定之后，再计算每十年里这些精英姓氏的举人占比相对于他们占样本范围总人口的比值，看前者高于后者多少倍。结果发现，在清朝初期，精英姓氏的举人占比是其在总人口中的占比的8倍多，到干隆末期还停留在4倍左右，到民国时期下降到2倍左右，最近降到1.5倍（对民国时期和1949年后，他们以考进北大、清华等大学代替举人来定义精英）。由此可见，一宗族姓氏一旦进入精英阶层，社会阶层可以跨越朝代、跨越体制地固化下去。

㈤ 量化投资什么意思

量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。从全球市场的参与主体来看，按照管理资产的规模，全球排名前四以及前六位中的五家资管机构，都是依靠计算机技术来开展投资决策，由量化及程序化交易所管理的资金规模在不断扩大。

量化投资可以理解成在投资时需要用到数学、统计学、信息技术等知识；投资者会搜集大量的数据，然后借助计算机系统强大的信息处理能力，同时采用先进的数学模型替代人为的主观判断，在控制风险的前提下实现最大化的收益。

事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内还比较罕见。同时，机器学习的发展也对量化投资起了促进作用。

量化投资的优势

量化投资的优势有很多，比如投资的策略都是根据大规模的数据得出的，而且在执行时不会受投资者情绪的影响，能够有效克服认知的偏差；可以快速的跟踪市场变化，不断发现能够提供超额收益的新统计模型，寻找新的交易机会。

量化投资的优势还有分散性，在有效控制风险的前提下，量化投资可以起到分散化投资的工具，比如量化投资可以从历史数据中挖掘出一定的规律并且加以利用，这些规律可以较大概率获取投资收益。

量化投资vs定性投资

量化投资区别于定性投资的鲜明特征就是模型，对于量化投资中模型与人的关系，大家也比较关心。打个比方来说明这种关系，我们先看一看医生治病，中医与西医的诊疗方法不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。

定性投资和定量投资的具体做法有差异，这些差异如同中医和西医的差异，定性投资更像中医，更多地依靠经验和感觉判断病在哪里；定量投资更像是西医，依靠模型判断，模型对于定量投资基金经理的作用就像CT机对于医生的作用。在每一天的投资运作之前，我会先用模型对整个市场进行一次全面的检查和扫描，然后根据检查和扫描结果做出投资决策。

㈥ 什么是可以量化的人类社会的进步

是工具的进步。
历史由人创造，由人书写，任何历史问题其实质就是人的问题。历史上涌现出大批历史人物，他们既是特定时代的产物，又从不同的侧面影响着人类历史的发展进程。在历史知识的建构过程中，历史人物无疑发挥着巨大的影响。因此，历史人物在历史教学中的重要地位就显而易见了。

㈦ 量化交易是什么量化交易有哪些优缺点

近些日子，一则“量化交易是什么？”的问题，引发了广大网友们的热议，在网上闹的沸沸扬扬。那么，量化交易是什么呢？量化交易也可以叫自动化交易，就是使用数学模型来自动交易，摒弃了认为主观的判断。量化交易的优点是什么？量化交易的优点就是去除了认为的操作，不会受到情绪的影响，都是拿概率说话。量化交易的缺点是什么？量化交易的缺点是不懂得炒作热点，不会分析时事。那么具体的情况是什么呢？我来给大家分享一下我的看法。

量化交易，也叫自动化交易。就是指利用数学的模型，制作出一套能够稳定盈利的方法，然后让计算机自动的进行买如何卖出的操作。量化交易模型越好，那么交易的盈利能力，以及稳定性则是越强。

以上就是我对于这个问题所发表的看法，纯属个人观点，仅供参考。大家有什么不同的看法都可以在评论区留言，大家一起讨论一下。大家看完，记得点赞，加关注哦。

㈧ 量化宽松的历史起源

量化宽松是一个比较年轻的经济学词汇，最早在2001年由日本央行提出——在2001年到2006年间，为了应对国内经济的持续下滑与投资衰退，日本央行在利率极低的情况下，通过大量持续购买公债以及长期债券的方式，向银行体系注入流动性，使利率始终维持在近于零的水平。通过对银行体系注入流动性，迫使银行在较低的贷款利率下对外放贷，进而增加整个经济体系的货币供给，促进投资以及国民经济的恢复。这与正常情况下央行的利率杠杆调控完全不同。
在经济发展正常的情况下，央行通过公开市场业务操作，一般通过购买市场的短期证券对利率进行微调，从而将利率调节至既定目标利率；而量化宽松则不然，其调控目标即锁定为长期的低利率，各国央行持续向银行系统注入流动性，向市场投放大量货币。即量化宽松下，中央银行对经济体实施的货币政策并非是微调，而是开了一剂猛药。
很多环球金汇网的学者认为，正是日本央行在当时果断的采取了量化宽松这种主动增加货币供给的措施，才使日本经济在2006年得以复苏。从此“量化宽松”作为中央银行遏制经济危机，刺激经济复苏的手段备受关注。

㈨ 历史是否可以量化。

什么叫做量化?是不是说,用研究经济学的方法研究历史?搞数学建模一类?

㈩ 量化交易为什么历史表现很好的策略，未来的表现却很差呢

这个问题很简单，过去十几年房价涨了几十倍，未来十几年房价还可以涨十几倍吗？
过去已成事实，而未来却是概率性的，因此回测有用的策略在未来或许有用，或许无用。
因此量化交易并不是最好的选择。