量化基金什么意思？
最近很多新入行的同学问到这个问题，正好最近写了一篇关于quant的文章，就放在这里吧 quant在金融里的定义是使用定量方法进行投资的交易者（quantitative trader）。 很多人应该对quant这个名词并不陌生，但是知道归知道，真正了解的人并不多。接下来，我尝试着从定义、历史的发展过程以及 Quant 的工作内容这三个方面来为大家解读quant 这个概念。
Quant 在金融里是指那些使用定量的方法进行投资和交易的个体或者机构。 所谓“Quant”指的是一个人使用数字和数理方法来做投资决策，而“quants”则指一群人这样做。Quant 通常指在金融里使用数学和编程来进行工作的人员。 但是有些投资者虽然使用了定量的分析方法，却不认为自己是 quant，因为他们的模型中没有包含任何的数理内容。这些投资者通常只是简单地使用历史的数据并加以分类。
虽然这些方法看起来简单且容易执行，但是在某些时候它们能够提供优于人类主观判断的信息。比如，当人们试图理解为何某只股票的价格会高于或低于它的合理价值时，简单的数据就能提供一个有用的解释。对许多投资者来说，他们使用的策略虽然是量化的，但他们在自己大脑中进行的分析和决策过程还是基于定性（非定量）的方法。这些投资者的行为往往被归为行为金融学（behavioral finance）的范畴。
然而，并非所有的投资者都能使用定量的方法有效地进行工作。有些人虽然具有丰富的经验，但是却无法用数字来表达他们的思想和观点。对于这些人来说，quant这个概念对他们的投资决策是不适用的。尽管我们可能会发现某些人在使用一些定量的方法来决策，但我们并不能够认为他们就是 quants。
总之，Quant 是一个包容性很强的概念。它包含了使用定量方法和工具进行投资和交易的人们，不管他们是使用计算机还是手工进行计算；它也涵盖了一些虽然不使用定量方法但仍然使用量化数据进行决策的个人与机构。 如果我们对 Quant 进行了准确界定的同时又不把它界定的过于狭窄，那么我们对这个概念就会满意了。
接下来需要考虑的问题是为什么我们要使用quant这个概念以及它是如何发展的。 对quant的研究主要有理论和实践两个角度。我们首先从理论开始讨论，然后再谈quant的实践发展情况。 为什么我们需要计量经济学？ 为什么要对未知的事物建立数学模型并以定量的方式对这些事物进行研究？这可以追溯到古典主义学派和大卫休谟的时代。古典主义学派认为人们对金钱的偏好不是天生就有的，而是后天教育的结果。根据这一学说，如果人们接受了正确的教育和训练，他们就会像数学家一样看待货币和资产。
大卫休谟提出财富最大化的问题可以通过数学算法找到答案。既然我们可以将金钱看做是可量化的东西，那么我们就可以运用数学方法来提出有效的投资建议。这种想法奠定了现代金融的理论基础。 之后，约翰凯恩斯提出了一个更为复杂的模型，该模型考虑了人们对于金钱的非理性偏好，并且解释了人们在面对不确定的未来时如何做出决策。他的模型成为后世微观经济学教学中的经典案例。
凯恩斯的学说成为宏观经济学的主流，而费雪、莫迪利亚尼等人在凯恩斯的基础上建立了现代公司理财理论。这些学者都为现代金融理论作出了杰出贡献，他们所建立的模型为量化投资提供了重要基础。 除了经济学之外，统计也是量化的重要基础。20世纪60年代以前，统计学主要关注于描述性和分析性问题。60年代以后，统计学开始涉及推断问题。70年代后，随着计算机技术的飞速发展，大规模数据处理的统计难题逐渐得到解决，统计学终于可以实现大规模数据的分析与预测。这也为量化投资提供了技术上的可能。
正因为人们对金钱的非理性偏好，才需要我们建立量化模型将不可观测到的个人特征以数值的形式表现出来以便研究其对决策的影响。也正是因为有了这些优秀的理论基础和强大的技术支撑才能出现 quant 这项投资业务。 Quant 的实践发展 由于量子力学在 1930s到40s在物理学的巨大成功，人们开始相信通过量化的方式来解决金融中的问题。早在1950年，芝加哥大学便开设了量化 (MFE) 课程。
此后，以期权定价为代表的衍生品市场迅速发展，对quant的需求也水涨船高起来。1980s，计算机技术的突飞猛进使得大量复杂模型的开发变为可能。与此同时，业界也开始出现专门为量化投资人提供岗位的中型公司和机构。1990s，互联网的兴起带来了大量低成本的数据。再加上人工智能、大数据等诸多领域的新兴技术，量化这匹互联网下的“黑马”开始显示出强劲的发展势头。国内也出现了很多新的量化投资机构，如宽客街、源峰、思勰等等。