A股市场有量化公募基金到现在也就是20年，我觉得这20年间已经经历了三个阶段，初期的量化投资是基于规则的投资，中期是系统化投资，现在是算法交易和机器学习。

　　早期的量化投资，其实就是基于规则的投资，期待成功的经验在未来市场能够复现。量化投资会通过编程对大量历史数据做更完备的检验。

　　举例来说，量化投资会在每月初把所有股票按PB高低分组，月末看低PB组合的收益是否大于高PB组合。如果过去十年每个月都这样做，低PB组合能够持续稳定地战胜高PB组合，那么在实践中就可以购买低PB组合来获取超越市场平均水平的收益。

　　在实际操作中，我们会尽可能地细分到合适的组数，并在不同的板块、不同的指数、不同的时间等尽可能多的维度对因子进行测试。好的量化因子会在各个组别里都呈现出规律性，这样的量化因子称之为阿尔法因子。

　　估值这个因子，确实有它的优势。市场跌的时候，可能会跌得少些，但还是会亏钱的。

　　一般单因子很难表现出色，所以量化投资也引入了因子组合的概念。如PB低于1，ROE大于10%组合，将低PB和高ROE进行组合。在组合方法上，早期的量化投资将各因子进行线性组合，等权买入，或者把高低因子组合收益差作为权重构建组合。

　　没有经验来自于未来，所以在回测时不能使用未来数据。同样，也有很多方法来规范回测流程。例如，假设现在是N年，我们可以用N-10年到N-3年的数据来确定各因子组合的权重等参数，用N-2和N-1年的数据来检验这些参数是否仍然有效，如果检验和验证时间段的结果比较一致，那么模型参数是稳健的，用到第N年的投资就会更加放心。