量化投资派是全球投资领域极具科学性与创新性的核心流派，核心逻辑是“以数学模型、统计分析和计算机技术为核心，通过挖掘市场数据中的规律与价差机会，构建标准化投资策略，实现风险可控下的稳定收益”。其核心依托数据、模型与算法，摆脱人为情绪干扰，注重投资决策的客观性、系统性与可复制性，涵盖统计套利、高频交易、算法交易等多个细分方向。其发展历程与科技进步、资本市场成熟度深度绑定，横跨近百年，从早期的统计分析萌芽，到计算机技术赋能下的系统化发展，再到全球普及与中国本土化落地，涌现出多位量化投资宗师，深刻重塑全球资本市场交易格局。本简史按“萌芽—创立—成熟—全球普及—中国落地”五大阶段展开，所有数据、人物经历均来自权威财经文献、人物传记及正规媒体报道。

一、萌芽期（1900—1950）：统计基础奠基，早期实践探索

20世纪初至中期，

全球资本市场逐步规范化，统计学、概率论等学科逐步成熟，为量化投资的萌芽提供了坚实的理论基础。这一时期，资本市场交易以手工操作为主，数据获取与分析效率低下，量化投资思想处于原始萌芽状态，核心是运用简单的统计方法分析市场数据，寻找价格波动的规律，尚未形成系统化的模型与策略，实践案例较为零散，主要集中于简单的套利与趋势判断。

这一阶段的核心背景是现代统计学的崛起，1900年路易斯·巴舍利耶提出的股价波动随机游走理论，首次将数学方法引入金融市场分析，打破了传统投资依赖经验与情绪的局限，为量化投资奠定了理论雏形。此后，统计学、概率论逐步应用于金融数据的分析，投资者开始尝试通过计算股价均值、波动幅度等简单指标，判断市场趋势与投资机会，核心逻辑是“利用数据规律规避人为误判”。

此时的量化投资实践较为简陋，缺乏计算机技术的支撑，数据处理主要依靠手工计算，难以实现大规模数据的分析与策略的批量执行，因此未能形成规模化的投资模式。这一阶段的关键人物以统计学家、数学家为主，他们将数学与统计学理论引入金融领域，开展早期量化分析实践，为后续量化投资的系统化发展提供了重要的理论与实践基础。

关键人物

1. 路易斯·巴舍利耶（Louis Bachelier，1870—1946）

简介：法国著名数学家、统计学家，量化投资理论的先驱者，被誉为“量化投资之父”。1900年，他在博士论文《投机理论》中首次提出股价波动的随机游走理论，将数学与概率论方法引入金融市场分析，打破了传统投资的经验主义模式，为量化投资的统计分析体系奠定了基础。他的理论虽在当时未被重视，但后续被广泛应用于量化模型构建，成为量化投资的核心理论源头。

2. 阿尔弗雷德·考尔斯（Alfred Cowles，1891—1984）

简介：美国统计学家、量化投资早期实践者，考尔斯委员会创始人。他专注于金融市场数据的统计分析，收集整理了大量股票、债券市场的历史数据，通过统计方法验证市场趋势的可预测性，开创了量化数据实证分析的先河。他建立了最早的金融数据统计体系，为后续量化模型的构建提供了数据支撑，推动了量化投资从理论走向初步实践。

二、创立期（1951—1970）：理论体系建立，模型初步成型

20世纪50至70年代，计算机技术

计算机技术逐步兴起，大型计算机开始应用于金融数据处理，同时现代金融理论快速发展，量化投资从早期的统计实践，逐步走向系统化、理论化，形成了初步的理论体系与投资模型，标志着量化投资派正式创立。这一阶段，核心量化理论相继诞生，模型构建从简单统计分析向复杂数学建模转变，量化策略开始具备可执行性。

这一时期的核心理论突破包括马科维茨的投资组合理论、夏普的资本资产定价模型（CAPM）、布莱克-斯科尔斯期权定价模型等，这些理论共同构建了量化投资的核心理论框架，解决了“如何通过分散投资控制风险”“如何对金融衍生品定价”“如何量化资产风险与收益”等关键问题，为量化模型的构建提供了坚实的理论支撑。

计算机技术的应用是这一阶段的重要突破，大型计算机的出现大幅提升了数据处理效率，使得大规模金融数据的统计分析、复杂模型的计算成为可能，投资者开始构建标准化的量化策略，如均值回归策略、趋势跟踪策略等，逐步摆脱手工操作的局限，实现策略的批量执行。这一时期，量化投资的实践主要集中在美国资本市场，以机构投资者为主，重点应用于股票、期权等金融资产的交易，逐步形成了专业化的量化投资模式。

关键人物

1. 哈里·马科维茨（Harry Markowitz，1927—2023）

简介：美国著名经济学家、数学家，量化投资理论的核心奠基人，诺贝尔经济学奖获得者。1952年，他提出投资组合理论，首次将风险与收益量化，通过数学模型计算资产组合的最优配置，解决了“如何在风险可控下实现收益最大化”的核心问题，为量化投资的资产配置模型奠定了基础。他的理论被广泛应用于量化策略构建，推动了量化投资的系统化发展。

2. 威廉·夏普（William Sharpe，1934— ）

简介：美国著名金融学家、量化投资理论家，诺贝尔经济学奖获得者。他在马科维茨投资组合理论的基础上，于1964年提出资本资产定价模型（CAPM），量化了资产收益与市场风险之间的关系，为量化投资的风险定价提供了科学工具。他的理论完善了量化投资的风险控制体系，使得量化策略能够更精准地平衡风险与收益，推动了量化投资的理论升级。

3. 费希尔·布莱克（Fischer Black，1938—1995）

简介：美国著名金融学家、数学家，量化投资模型的核心开发者。他与迈伦·斯科尔斯、罗伯特·默顿共同创立布莱克-斯科尔斯期权定价模型，首次实现了期权价格的精准量化计算，解决了金融衍生品定价的核心难题，为量化投资在衍生品领域的应用提供了关键工具。他的模型被广泛应用于量化套利策略，推动了量化投资的实践拓展。

三、成熟期（1971—1990）：技术赋能升级，策略多元化发展

20世纪70至90年代

计算机技术快速迭代，小型计算机、个人计算机逐步普及，数据处理效率大幅提升，同时金融衍生品市场快速发展，为量化投资的成熟期奠定了技术与市场基础。这一阶段，量化投资理论进一步完善，模型更加复杂，策略呈现多元化发展，量化投资从机构专属逐步向更多投资者开放，成为资本市场的重要投资方式。

这一时期的核心突破是计算机技术的平民化与量化算法的升级，个人计算机的普及使得中小投资者也能够开展简单的量化分析，而大型机构则利用高性能计算机构建复杂的量化模型，整合多维度数据（如股价、成交量、宏观数据等），开发出统计套利、高频交易、配对交易等多种量化策略，策略的精准度与执行效率大幅提升。

金融衍生品市场的蓬勃发展为量化投资提供了广阔的应用场景，期权、期货、远期等衍生品的推出，使得量化策略能够更好地实现风险对冲与套利，量化投资的应用范围从股票市场延伸到期货、外汇等多个市场。同时，量化投资的监管体系逐步完善，各国资本市场开始规范量化交易行为，推动量化投资走向理性、成熟。这一阶段，量化投资的核心特点是“技术赋能、策略多元、风险可控”，涌现出一批专业的量化投资机构与杰出的量化投资者，推动量化投资成为全球资本市场的重要流派。

关键人物

1. 爱德华·索普（Edward Thorp，1932— ）

简介：美国著名数学家、量化投资实践先驱，被誉为“量化交易之父”。他将数学模型与计算机技术结合，开发出首个可落地的量化套利策略，通过计算 blackjack 赔率与股票价差规律，实现稳定收益。1969年，他创立普林斯顿-纽波特伙伴基金，采用量化策略开展投资，年化收益率长期保持在20%以上，用实践验证了量化投资的有效性，推动了量化策略的商业化应用。

2. 迈伦·斯科尔斯（Myron Scholes，1941— ）

简介：美国著名金融学家、量化投资理论家，诺贝尔经济学奖获得者。他与费希尔·布莱克共同创立布莱克-斯科尔斯期权定价模型，完善了金融衍生品的量化定价体系，为量化套利策略的开发提供了核心工具。他长期致力于量化理论的实践应用，推动量化模型在衍生品交易、风险对冲中的普及，对量化投资的成熟期发展起到了关键推动作用。

3. 肯·格里芬（Ken Griffin，1968— ）

简介：美国著名量化投资者，城堡投资集团创始人，量化投资机构化的代表人物。他在大学期间便开始运用量化模型开展投资，1990年创立城堡投资，专注于量化套利、高频交易等策略，依托高性能计算机与复杂模型，挖掘市场微小价差机会，实现稳定超额收益。他推动了量化投资的机构化发展，打造了全球顶尖的量化投资团队。

四、全球普及期（1991—2010）：技术迭代赋能，全球化布局提速

20世纪90至21世纪初，

互联网技术、人工智能技术逐步兴起，大数据时代来临，同时全球资本市场互联互通加速，为量化投资的全球普及提供了技术与市场支撑。这一阶段，量化投资理论进一步完善，模型更加智能化，策略更加丰富，量化投资从美国逐步传播到欧洲、亚洲等地区，成为全球资本市场的主流投资方式之一。

这一时期的核心技术突破是互联网与大数据技术的应用，互联网的普及使得全球金融数据能够快速获取、整合与分析，大数据技术则实现了多维度数据（如舆情数据、交易行为数据等）的挖掘，推动量化模型从“基于历史数据”向“实时数据驱动”转变，策略的响应速度与精准度大幅提升。人工智能技术的初步应用，使得量化模型能够实现自我学习与优化，进一步提升了策略的适应性。

全球资本市场的互联互通，使得量化投资能够实现全球化布局，投资者可以通过量化模型挖掘全球不同市场的价差机会，开展跨市场、跨品种的量化交易。同时，量化投资的机构化程度进一步提升，养老金、保险资金等大型机构开始大量配置量化投资产品，推动量化投资的规模快速扩大。这一阶段，量化投资的核心特点是“智能化、全球化、规模化”，涌现出一批全球知名的量化投资机构，量化策略的多样性与实用性进一步提升，同时也面临着市场波动、策略拥挤等挑战。

关键人物

1. 詹姆斯·西蒙斯（James Simons，1944— ）

简介：全球顶级量化投资者，文艺复兴科技公司创始人，被誉为“量化投资之王”。他是著名数学家，与陈省身共同创立陈西蒙斯定理，40岁涉足投资领域，依托数学模型与计算机算法，开发出高频交易、统计套利等策略，执掌的大奖章基金年化收益率达39%，30年投资生涯从未亏损，远超同期市场水平，推动了量化投资的智能化与规模化发展。

2. 大卫·肖（David Shaw，1951— ）

简介：美国著名量化投资者，D. E. Shaw集团创始人，量化高频交易的代表人物。他将计算机科学与金融工程结合，开发出复杂的高频交易算法，依托高性能计算机实现毫秒级交易执行，挖掘市场微小价差机会，推动了高频交易的普及与发展。他的团队汇聚了大量数学家、计算机科学家，打造了全球顶尖的量化交易体系，影响了全球量化投资的发展方向。

3. 安德鲁·劳（Andrew Lo，1960— ）

简介：美国著名金融学家、量化投资理论家，麻省理工学院教授。他提出自适应市场假说，完善了量化投资的理论体系，将行为金融与量化模型结合，解决了传统量化模型难以应对市场异常波动的问题。他长期致力于量化理论的创新与传播，推动量化投资从“纯数据驱动”向“数据与行为结合”转变，为量化投资的可持续发展提供了理论支撑。

罗闻全（Andrew Wen-Chuan Lo，1960- ）

五、中国落地期（2011—至今）：本土化适配，行业快速崛起

21世纪10年代以来

中国资本市场逐步完善，互联网、大数据、人工智能技术快速发展，同时资本市场对外开放程度不断提升，量化投资理念逐步传入中国，实现本土化适配与快速发展。经过十余年的发展，中国量化投资从起步阶段逐步走向成熟，涌现出一批本土化的量化投资机构与投资者，量化投资成为中国资本市场的重要投资方式，形成了具有中国特色的量化投资生态。

2011年至2015年

中国量化投资处于起步阶段，随着创业板的推出与金融衍生品市场的逐步完善，量化策略开始在中国资本市场落地，主要以简单的统计套利、趋势跟踪策略为主，机构投资者逐步成为量化投资的核心力量，量化基金规模逐步扩大。这一时期，中国量化投资面临着数据不完善、技术水平有限等问题，策略同质化较为严重，行业发展较为缓慢。

2016年以来

中国量化投资进入快速发展阶段，大数据、人工智能技术的普及的应用，推动量化模型更加智能化、精细化，量化策略呈现多元化发展，高频交易、量化对冲、多因子策略等逐步成熟。同时，中国资本市场逐步完善，科创板推出、注册制改革落地，为量化投资提供了更多的投资标的与交易机会，量化基金规模快速增长，本土量化投资机构逐步崛起，与国际量化机构展开竞争与合作。

这一阶段，中国量化投资的核心特点是“本土化适配、技术驱动、监管规范”，投资者结合中国资本市场的特色，优化量化模型与策略，适应A股市场的波动特点与交易规则，同时监管部门逐步完善量化交易监管体系，推动量化投资走向理性、规范发展。目前，中国量化投资行业已进入成熟发展阶段，成为资本市场不可或缺的重要组成部分，助力中国资本市场的专业化、国际化发展。

关键人物

1. 梁文峰（1985— ）

简介：中国本土量化投资领军人物，幻方量化创始人，DeepSeek联合创始人。他深受詹姆斯·西蒙斯影响，坚守量化投资核心逻辑，聚焦人工智能与量化模型的结合，依托大数据与AI技术，开发出适配中国A股市场的量化策略，擅长高频交易与多因子策略，推动了中国量化投资的智能化发展。他亲力推荐西蒙斯传记，传播量化投资理念，成为中国本土量化投资的标杆人物。

2. 裘慧明（1973— ）

简介：中国著名量化投资者，明汯投资创始人，国际量化投资经验的本土化实践者。他拥有多年海外量化投资经验，回国后聚焦中国A股市场，结合本土市场特点，优化量化模型与策略，擅长多因子量化、统计套利等方向，注重风险控制与策略迭代，推动了国际量化经验与中国本土市场的融合，其管理的量化产品长期保持稳健收益。

3. 王琛（1982— ）

简介：中国本土量化投资代表人物，九坤投资创始人，量化对冲策略专家。他专注于量化对冲、高频交易等策略的研发与落地，依托大数据与人工智能技术，构建了完善的量化交易体系，适配中国A股市场的波动特点，注重策略的稳定性与可复制性，推动了中国量化对冲行业的发展，其管理的量化产品在市场波动中表现稳健。

六、量化投资派核心总结

量化投资派历经近百年发展，从早期的统计分析萌芽，到系统化理论创立，再到技术赋能下的成熟与全球普及，最终实现中国本土化落地，始终坚守“数据驱动、模型支撑、理性决策”的核心原则，摆脱人为情绪干扰，追求风险可控下的稳定收益，成为全球资本市场最具生命力的投资流派之一。

近百年发展历程中，量化投资派的发展与科技进步深度绑定，从手工统计到计算机赋能，从简单模型到人工智能驱动，技术迭代推动量化策略不断升级、应用场景不断拓展，从股票市场延伸到期货、外汇、衍生品等多个领域，从单一策略发展到多元化策略体系。同时，涌现出一批杰出的关键人物，从路易斯·巴舍利耶的理论启蒙，到马科维茨、夏普的理论构建，再到詹姆斯·西蒙斯、梁文峰等的实践深化，他们用自身的努力，推动了量化投资理论与实践的不断完善与传播。

对于投资者而言，量化投资的核心并非“复杂模型”，而是“数据的有效性、模型的合理性与策略的适应性”，通过科学的数据分析与模型构建，挖掘市场规律，规避人为误判，实现长期稳健的投资回报。在大数据、人工智能技术快速发展的今天，量化投资的智能化、精细化水平将进一步提升，同时也面临着策略拥挤、市场波动、监管规范等挑战，但其长期发展潜力依然巨大。

|（注：文档部分内容可能由 AI 生成）

发布于2026-05-11 10:38来自雪球 · 北京
https://xueqiu.com/9381785243/388103957