量化投资没有确切的定义，它泛指通过数学分析、挖掘价格波动规律，或者通过对相关宏观经济、财务数据、量价关系、资金交易等数据进行建模，寻找数据之间的关系，以获得稳定利润为目标，持续计算生成定量化的投资信号，并通过计算机严格执行。

如何得到一条稳步上升的资金曲线

强壮稳定的投资逻辑:基于对交易市场的了解和市场的特性的认识提出各种假设，构建投资逻辑。这个过程中可以以金融行业的服务研究报告，但是要清醒地、有针对性性地看待这些报告
相信时间的作用:效果再好的资金曲线在某个局部也会出现各种波动，这是不可避免的，个人投资者相较而言能够忍受更长的回撤期，没有固定的开发成本，在建立好自己的模型后，可以充分相信模型，相信时间会证明我们的模型
多资产多策略配置: 对冲风险更高收益

技术信息理论的三大假设

绩效指标也被称为风险指标，它们也是量化投资的基石，正因为有这些指标我们可以横向对比不同模型。

\begin{equation} \left(\frac{\text{策略最终价值}}{\text{策略初始价值}}-1\right)\times 250 \end{equation}

描述策略可能出现的最糟糕的状况，一段时间内策略的最大回撤比率是指:

\max(1-\frac{\text{策略当日价值}}{\text{当日之前资金最高价值}})

Sharpe Ratio（夏普比率）目的是计算投资组合每承受一单位总风险，会产生多少的超额报酬。

\begin{equation} Sharpe\, Ratio=\frac{\text{策略年化收益率}-\text{无风险回报率}}{策略回报率标准差} \end{equation}

它的优点是不仅考虑收益，还考虑每次的波动率（回撤幅度），可以同时对策略的收益与风险进行综合考虑。

投资中面临着系统性风险（即Beta）和非系统性风险（即Alpha）.

贝塔表示投资的系统性风险，反映了策略对大盘变化的敏感性。具体计算方法为：策略每日收益与基准或市场每日收益协方差 /基准或市场每日收益方差。它的值代表的是基准收益变动1%时策略收益变动的百分比，正常情况下，我们是希望我们的策略是低Beta的
Alpha是投资者获得与市场波动无关的回报。Alpha的计算公式是:

\begin{equation*} \begin{aligned} Alpha&=R_p-[R_f+\beta \times \left(R_m-R_f\right)]\\ R_p&:\text{策略年华收益率}\\ R_f&:\text{无风险利率}\\ R_m&:\text{基准或者市场年化收益率} \end{aligned} \end{equation*}

信息比率简称IR，用于衡量单位超额风险(策略与基准每日收益差值的年化标准差)带来的超额收益（策略年化收益率与基准年化收益率之差）。

信息比率与夏普比率的分母不一样，这也反映了它们之间的差异，信息比率认为合理的投资目标应该是在承担适度风险下尽可能追求高信息比率。而夏普比率更多的从总风险角度出发来描述策略的表现能力。

类似于夏普比率，衡量了策略的风险控制和收益平衡能力，公式为年度收益/全段最大资产回撤。