一、什么是量化对冲基金
量化对冲基金的盈利模式很简单，就是发基金产品，然后提2%管理费（产品总规模的2%）+20%业绩提成（产品收益的20%）。对冲基金的一大特性是杠杆，借入资金，获得杠杆和高收益率，“对冲”是字面的假象，并非是做多空对冲，而是杠杆买卖。
七亏两平一赚的道理哪里都适用，不管是餐饮行业还是互联网行业，不管是证券私募基金，还是量化对冲基金，包括华尔街的对冲基金行业也一样，大部分都是亏货，最终都倒闭破产了；少量盈亏平衡，做的平庸无奇；屈指可数的极少数功成名就，做大做强，发大财出大名，留下神话般的业绩和伟大的传说，索罗斯西蒙斯这类型，华尔街百年历史也就那么几个，屈指可数，可见这个行业竞争是有多激烈，多残酷，存活率有多低。所以不要总看到量化对冲基金这个行业特别牛，特别高大上，那只是幸存者都看起来很光鲜而已，更多的已经死掉了，你根本而且永远都不会知道。
不过中国的量化对冲基金行业相比国外，有一个优势，那就是行业刚刚起步，国内做的好的证券私募基金，可能大家勉强还能说出来一两家，国内做得特别好的、特别出名的、规模特别大的、盈利能力特别强的、能傲视群雄、形成寡头垄断的、最顶尖的量化对冲基金，现在还没有。
二、量化对冲基金的核心岗位---量化交易岗位
这个岗位到底干啥，简单的说，两个字——赚钱。具体的包括，算法设计、策略测试、参数优化、模型实现、实盘下单等，再深入一些还包括系统维护、策略更新、风险控制、资金管理、品种筛选、极端行情应对等，甚至还需要写宣传资料和推介资料，做一些路演和宣讲。所以一个合格的成熟的量化交易团队（实际中负责投资交易的，很多不是个人而是团队），那就是公司把钱（基金产品）交到你手上，你能在一定限制条件下（一年封闭期，20%止损线等）在市场里赚到钱，而且最好把曲线做的漂亮一些，稳定一些，收益高一些回撤低一些。
跟量化对冲基金行业一样，量化交易岗位竞争也很激烈，而且更激烈，更残酷，存活率更低。首先这个岗位要求极高，这是一个横跨数学、计算机、金融、投资，甚至社会学、心理学，等多领域多学科的岗位，而且对所有相关知识都要求很高，要能融会贯通，其次还要有极强的实践操作能力，要有大量的金融市场实战投资经验才行，否则让从来没做过投机交易的程序员来写几个程序就想赚大钱，根本不可能，最后对于职业交易者的自我修炼、道德品格、性格塑造、学识见识、心胸视野等有很高的要求。
量化交易岗位责任极大，压力极大，要运作大量资金，去最血腥最残酷的金融市场里竞争博弈，并且要在非常严格的条件下（比如一年封闭期，20%止损线，甚至还可能有最大回撤的硬性限制要求），战胜同样厉害的竞争对手，去赚取对方亏损的钱，其难度可想而知。 所以，你真的适合做量化交易吗？你真的有能力在这么残酷的竞争中胜出吗？
别只看到胜出者管理着大量的资金，每天写写代码，说说笑笑，几百万几千万就轻松到手，那是赢者该有的一切。更多的人赔掉了本钱，赔掉了青春，赔掉了自信，赔掉了在其他行业其他岗位上大展宏图的机会，甚至赔掉了美好的生活，但你根本甚至永远都不可能知道他们。
三、做好量化交易，首先需要兴趣与使命感
量化交易这个岗位太难了，要求太高，压力太大，一般人很难坚持下去，圈内朋友经常相互开玩笑，做这个工作，寿命都要比正常人短好几年。相信愿意把青春的赌注压在这上面的，都是对于量化交易有着无法抑制的兴趣和冲动。 巴菲特在某大学演讲时，有人问他说我马上要毕业了，如何知道这份工作是否适合我，巴菲特说，如果你每天早上醒来，立马就高高兴兴的、蹦蹦跳跳的、迫不及待的、兴冲冲的跑去办公室开始一天的工作，那这份工作就是你应该一生从事的事业。
兴趣是最好的导师，有了兴趣才会去钻研，才会不断学习进步，才会拥有一种不断追求完美的精神，用一种工匠精神，用一生的时间和精力去做到最好。
四、做好量化交易，需要交叉学科、融汇贯通的知识体系
数学、概率统计、数据结构、算法设计、经济、金融、证券、衍生品相关、投资与分析、主流策略开发语言等，都需要了解，而且要融会贯通。
关于做量化交易用什么语言更好，其实还是看自己的习惯和要达到的目标，如果是大型金融机构做量化分析系统或量化交易系统，可以用python，R，C++等都可以，各有优劣，看对于速度要求如何了。如果是个人或者中小机构，对于速度要求不高，策略也相对简单，可支出成本有限，而且缺乏的技术支持，用一些成熟的第三方平台，如文华、TB、金字塔、MC等也可以，我还见过用matlab，excel，包括一些网上平台，做量化交易的，其实只要策略能很好的实现，实盘能盈利就行。
这里讨论一下，有两个观点：
（1）错误理解：不自己做系统，不自己写接口的都不是量化交易，量化交易门槛特别高，low逼别玩。
其实不是这样，量化交易只是一种理念，是一种方法，是一种工具，是为交易策略服务的，只要策略开发和下单实现，都是运用的数学模型和计算机程序，而非人为主观判断，就是量化交易。一些股票老玩家，有一个可能盈利的交易策略，然后用第三方平台，搞来历史数据测一测，发现确实能盈利，然后就开始把系统架上去跑，这也是量化交易。就像搭建一个实体模型，比如艾尔菲铁塔什么的，你最好自己制作搭建材料，这样可以更好的更个性化的实现自己的目标，但你也可以去买一些已经做好了的现成的模型材料，用别人做好的材料来搭建模型，两种做法都是搭建模型，核心在于你搭建模型的思路和方法。用第三方平台就像搭积木，人家已经给你把积木做好了，你按照自己的想法把积木搭建起来就是，只是一些特别个性化的搭积木的想法，可能会受到积木本身的限制罢了。
自己做系统自己写接口的优势在于更加个性化，更符合自己的需求，而且速度更快，信息保密也能做得更好；缺点是财务成本更高，人员和硬件配备要求更高，而且系统更容易出BUG（别说什么大牛，华尔街海龟写的系统就不会有任何问题，还记得光大乌龙指事件吗？）。用第三方平台的优势在于成本低，重大BUG相对较少（不像自己做的系统，第三方平台毕竟几万人用了好几年，而且每天都在不断改进），交易者可以只专注于策略开发，而不用考虑系统维护；缺点是速度更慢，策略思路的实现会受到第三方平台功能的限制等。当然如果做高频交易，肯定得自己做系统写接口了，但现在国内的股票和股指期货市场，是做不了高频交易的。
（2）错误理解：量化交易的核心竞争力是优秀的计算机语言编程能力。
其实量化交易的核心竞争力是策略的有效性，能长期稳定盈利的策略是一切的关键，一些中低频交易策略，手动和量化区别不一定会很大。数学、计算机程序、金融、实盘交易经验，做好量化交易，这四样缺一不可，只是因为计算机程序这一块最有特色，是区别于其他交易方法的主要特点，所以总被外界当做量化交易的噱头和宣传点，久而久之大家甚至把编程能力作为最核心竞争力了，这明显有些喧宾夺主。
五、做好量化交易，需要丰富的交易经验
从来没做过交易的程序员来写几个程序就想赚钱，不可能。要做好量化交易，长期的实盘交易经验是必须的，这样才能更好的懂得市场的特性，品种的特性，行情的变化等，才能写出更加贴合市场，更加有竞争力的策略和模型。数学思维能力和编程能力很重要，但如果不熟悉市场，不了解品种特性，不了解金融市场百年发展史，不懂得人性的贪婪和恐惧，没自己实盘做过股票期货，很多东西数学模型和程序语言是不会告诉你的，就像你有再好的木匠工具，如果没有做木匠活的经验，你也很难做出漂亮实用的家具。
有人可能会说那用数据挖掘啊，让程序自己去开发策略，这也是现在一个很有潜力的流派，但问题就在于数据挖掘某种程度上也是依靠概率，没有绝对的必然性，通过数据挖掘做的策略可能会存在巨大风险。就像之前在书上看到的，就是数据挖掘发现，美国标普指数跟非洲某地咖啡产量连续多年相关性达到99%以上，美国原油指数价格跟一种墨西哥烧饼的价格连续多年相关性达到99%以上等等，如果真采用这两组数据的相关性去做策略，很明显是滑稽的。
其实数据挖掘可能出现的小概率风险，也就是我们常说的参数优化中的参数孤岛。简单的说，就是用历史数据测试策略，发现某个参数表现特别好，但这个参数是独立的，不连续的，跟次优参数差别很大，无法组成一个较优参数集合，这很有可能就是遇到了小概率事件，如果使用这个参数，历史回测可能很漂亮，实盘交易就会遭殃。
而且只有经过大量的实盘交易，你才会知道赚钱没有那么容易，亏钱却易如反掌，交易这行其实很苦很累，每天在盈利与亏损中挣扎，如何控制风险，获取收益是一个永恒的命题，更别说要做到长期稳定盈利。像巴菲特一样五十年如一日，年均收益20%多，真的就太难了。别去迷信短期暴利，几个月翻几倍之类的神话，毫无意义，资本市场最不缺神话，缺的是寿星，做量化交易就是做资产管理行业，我们是靠规模和复利取胜，而不是冒着巨大风险去博取短期暴利。
做外部客户委托的资金，无论是单账户还是基金产品，一定要亲自去操作，去实践，才能真正学到东西，成长起来，而且一定要公开化，阳光化，最好网上公布业绩。这样你才会了解到，受人委托，肩上的责任有多大，心理压力有多大，你能否在这样大的压力下，各种严格的限制条件下做好交易，这是真正的难点所在。你才会知道操作自己的资金，跟操作客户的资金，跟操作基金产品的区别有多大。有的人能做好交易工作室，但也仅限于此，做资产管理行业不像做工作室，难度大多了，因为是戴着镣铐，在众目睽睽之下舞蹈，每天都要公布净值的，这谁玩谁知道。
六、如何创建自己的量化对冲基金管理公司
过程很复杂，核心是要有起始资金，或者主要投资人，还有核心交易团队，这是最基本条件，然后还有大量的各种各样的工作要做，你要能独挡N面才行，比如你是核心交易团队，那就得会说服投资人投资，找合作渠道发产品，找客户销售产品，注册成立公司，管理公司，公司制度建设，人员招聘，薪酬制定等等。
