从市场发展来看，量化交易整体体现了几个显著特征：规模上涨、交易额攀升、机构数持续增加。

据中信证券研究部估算，截至2021年二季度末，国内量化类私募基金管理资产规模达到10340亿元，正式迈过1万亿关口，在证券私募行业的占比攀升至21%。而百亿量化私募数量更是频频刷新纪录。私募排排网数据显示，截至2021年9月初数据，国内百亿量化私募公司已经突破20家，数量再创历史新高。

随着国内量化私募总量不断攀升，量化交易的市场热度经久不减。近日，由恒生电子和旗下金融数据服务子公司恒生聚源联合举办了“数据驱动量化交易”主题线上沙龙，与量化领域专家共同探索数据驱动量化交易之路。

数据是量化交易的灵魂

量化交易的魅力无人能挡，数据则是量化交易的灵魂基石。恒泰证券信息技术中心联席总经理欧阳辉分享道：“中国的量化交易相比国外起步还是要比较晚，但是这几年发展比较迅猛。不同于传统的投资交易，量化交易是要把历史行为模式剥离成数据，完全依赖统计和编程来完成分析和制定策略。开发策略是需要非常严格的回撤，以确保交易在执行前得到证明。所以数据对于量化交易至关重要。”

他认为券商要满足量化交易对数据方面的诉求主要有三个方面：首先，需要确保数据的完备性。其次，则是要确保数据的准确性。第三，要确保获取数据的效率足够高，以此响应多变的市场需求。

关于数据对于量化交易的重要性，思勰投资交易运营总监孙修远表示：谈到量化，大家印象最多的便是高频交易、海量行情、大量的金融数据等等。实际上金融数据本身就和金融、投资、量化不可分割。和主观的交易不同，量化是以数据驱动的投资方式，是从海量的历史数据中寻找一些机会，并且按照这些规律和机会构建数据量化模型，从而指导投资的过程。

孙修远还强调数据和量化密切相关，量化投研过程一般分为三大阶段：第一阶段是数据准备阶段。在这个阶段需要做大量的数据收集、整理、处理的工作，好比在一座矿山挖了很多矿，会把矿石分门别类规整好，提供给量化投研加工、冶炼。第二个阶段是量化投研。量化投研需要进行特征分析，做因子挖掘，做不同的组合，从而进行策略构建，并进行回测优化。第三阶段是交易执行。交易执行也会产生大量交易数据，而这些数据也会回落到结果收集中，这样就构成了从数据收集到量化投研再到交易执行的完整的循环链条。所以说，数据是量化交易的灵魂。

数据驱动量化决策

数据不仅是量化的灵魂基石，同时更是驱动量化决策的基础。恒生聚源副总经理夏青分享道：“从某种意义上说，任何一种投资都需要建立在数据定量分析的基础上。我们需要把手里的数据用好，这样才能借助数据驱动的方法挖掘时间背后关联性、大概率事件等，通常我们会把这些思路进行抽象、提炼，进而成为数据模型，成为相对稳定并且有超额回报的策略。”

恒生电子数据运营中心产品运营专家黄琪则表示：“金融就是数据，投资就是概率”，金融都由各种各样的数据组成，量化投研数据就是基础原料，是最重要、最基础的“器”。而目前数据服务存在源头多、体量大、难纠错、质量低、无法进行二次加工等问题，都是影响量化策略的重要因素。

针对以上问题，黄琪认为可以通过四步构建量化投研数据服务。首先，建立历史行情的数据底座。二是为客户提供全面、准确的历史行情数据、特色量化因子和业务数据模型。三是开放历史行情加工平台，打造集行情、资讯、因子数据等于一体的机构金融数据服务。四是开放数据服务开发平台，进一步满足机构展业服务需求。

恒生数据服务赋能量化交易发展

量化交易的发展，需要低延时软硬件基础平台、策略模型、投研数据等多维度支撑。恒生电子与旗下子公司一直致力于从极速交易、智能算法服务、投研数据服务、智能风控等各方面为金融客户提供全面的量化技术服务，并已取得了一定的成果。

在数据支持量化决策方面，恒生聚源可以为机构提供量化多因子库的数据服务。夏青表示，在量化投资场景，量化选股类策略的资金容量最高，主要运用了多因子选股策略，涵盖了个股基本面，情绪面、流动性等因素，会运用到行情类、财务类、估值类相关数据和指标。恒生聚源打造的量化多因子库，可以提供包括规模因子、动量因子、技术因子、波动因子等十大类因子库，为量化投资机构提供投研数据服务、绩效归因分析和指数服务。聚源多因子库覆盖沪深主板、创业板、科创版等多市场，覆盖时长从2000年持续至今

黄琪则介绍了恒生电子在量化投研数据服务上的实践。黄琪表示，针对量化投研数据服务“数据体量大、多源异构、数据质量低、自由度低”等问题，恒生电子推出量化投研数据服务“恒有数”，通过数据质量规则校验系统建设高质量的历史行情数据底座，为机构量化投资者打造集行情、资讯、因子数据等于一体的机构金融数据服务，同时提供二次加工和统一便捷的对外服务，进一步满足机构展业服务需求。

本次沙龙共邀请了6位来自券商、私募、数据和技术服务商的量化领域专家，围绕技术平台、投研决策、策略算法、数据服务等话题进行了研讨。会上除了深度分析数据驱动能力以外，还探讨了量化交易技术未来的发展方向。

中泰证券金融科技委员会主任、科技研发部总经理何波高屋建瓴地向与会嘉宾分析了量化交易技术发展和未来趋势展望。在他看来，站在软件科技行业角度，当大资管时代量化交易不再纯粹聚焦高频极速时，除了目前熟知的低延时、AI等技术，开源和云原生是值得行业深入探索的方向，这也是量化交易走向规模化的必由之路。而如何让量化交易走上云原生之路，则需要从统一的行业标准制定、完善的开源生态构建、合适的开发语言使用等各方面进行深入发展。

无论是继续深挖数据价值，还是云原生之路的探索，关于如何推进量化行业更加健康、持续、规范地发展，未来我们仍有很多难题，需要行业各参与者共同助力。

来源：数据猿