量化投資與分析模板(10篇)

導言：作為寫作愛好者，不可錯過為您精心挑選的10篇量化投資與分析，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內容能為您提供靈感和參考。

篇1

傳統的證券風險分析當中必然會同一個與之如影隨形的概念聯系在一起，那就是收益，同時，在西方傳統的經濟學當中風險和報酬存在著這么一個函數關系，甚至在一些傳統的經濟學課本上作者為了簡化兩者之間的關系，將兩者簡單的歸結為一個完美的線性關系，即風險與收益之間是一對一的數學關系，并且存在著這樣一個邏輯：風險越大，報酬或者收益也就越大，反之亦然。即使是稍微尊重事實一些的經濟學教材也運用了高等數學當中線性回歸的方法將兩者的關系從非線性回歸為一對一的線性關系。除了學界對于風險的分析是從報酬或者收益出發的以外，在國外或者國內的民間也有類似的對于兩者關系的表達，例如我國有句老百姓口中經常說到的“富貴險中求”就是對兩者的關系的簡單認識。因此，傳統證券風險分析的源頭明顯是來源于對于報酬的分析。

（二）傳統證券風險量化指標的數學方法的應用

傳統的證券風險理論認為證券的總風險=可分散的風險+不可分散的風險，其中可分散的風險主要指的是個別證券自身存在的風險，而不可分散的風險則是指市場風險，下面筆者介紹一下傳統證券風險量化的兩個重要的指標――標準差與貝塔值。

第一，標準差。傳統證券風險理論認為個別證券的風險可以從單個證券的報酬率為起點進行分析。財務投資專家從高等數學當中引入了一個衡量證券報酬率的波動性量化分析的指標――標準差來進行對單項證券風險的判斷，進而判斷出相同期望報酬率和不同期望報酬率時對于不同投資的選擇。測算的步驟如下：第一步，確定各種市場需求下各類需求發生的概率；第二步，計算出期望報酬率，其實質上是對于各類市場需求下的報酬率的加權平均數。第三步：根據標準差的數學公式計算出標準差，σ=[Σ（ri-?）2×Pi]1/2其中ri是第i只證券的報酬率，?是期望報酬率，Pi是第i只證券的報酬發生的概率。結論是在期望報酬率相同的時候，標準差越大證明該證券波動越大，風險也就越大，反之亦然。在期望報酬率不同時引入了另外一個概念即離差，由于基本原理也是根據標準差衍生而得，在此不再贅述。[1]

第二，代表市場風險的貝塔值。我們在第一點中提到的標準差主要衡量的是單項證券的風險，而貝塔值的引入主要是考慮到了證券組合的風險構成當中不可分散的風險即市場風險。而貝塔值的測算公式從數學的角度來說實際上是利用了標準差的升級版公式即協方差，協方差主要是衡量了兩組數據之間的相關程度，以此來判斷證券組合的報酬率與市場報酬率之間的數理聯系，進而判斷出不可分散的風險。理論上貝塔值的計算是βi=（σi /σm）ρim，其中βi第i個證券組合的市場風險程度，σi，σm分別第i個證券組合的標準差與市場證券組合的標準差，ρim代表第i個證券組合的報酬與市場組合報酬的相關系數。實際當中β系數可以通過將股票報酬對市場報酬做回歸得到，擬合得到的回歸線的斜率就是證券的β系數，即β=Ri /Rm。[2]

二、價值投資理念下風險與報酬的關系

價值投資理念是華爾街之父本杰明格雷厄姆所創立，在其傳世之作《證券分析》當中明確提出了有關投資與投機概念，其中論及投資界老生常談的收益與風險的問題時結論與傳統證券風險分析有著本質的不同，格雷厄姆明確指出收益與風險之間不存在著數學關系，并且認為證券的價格與收益并非取決于對于其風險的精確數學的計算，而是取決于該證券的受歡迎程度，而這種受歡迎程度本身包含了投資者對于風險的認識，但很大程度上還受到如公眾對公司和證券的熟悉程度，證券發行與購買的容易程度等。[3]并進一步指出，無論是理論上還是實際當中，對投資風險進行精確的計算都是不可能成功的，現實當中并沒有所謂的期望報酬率的概率經驗表，即使存在也是基于對于歷史數據的分析得到了，而歷史數據之于未來決策的有用性或相關性的大小還有待考證，其研究范圍不同于保險公司對于保單的精確測算，例如人壽保險能夠明確的了解年齡與死亡率之間的關系是明確的。而證券的風險與報酬之間的關系則沒有如此的確定。[4]

三、價值投資理念下傳統證券風險量化分析的反思

以上筆者對于傳統的證券風險理論與量化方法以及價值投資理念下關于風險與收益的關系進行了論述。筆者認為，價值投資理念下有關論述對于我們重新審視證券投資中風險因素的衡量有著非常重要的意義。

首先，筆者認為，標準差的計算過程本身就存在著無法避免的瑕疵，這一個公式至少有兩個基本假設，第一，計算的人必須能夠客觀的預測出各種市場情況發生的需求概率，并且準確的在各種概率下發生的報酬率；第二，假定歷史數據對于未來的投資決策具有確定的相關性。但是在現實生活中根本是無法預測的，這種算法實質上是硬將自然科學當中的數學模型強加到社會問題的研究當中，不可否認的是，目前來說大量的社會問題是無法通過數學來量化的，因為證券的風險當中不僅僅只有報酬因素的影響，還有各種在不同市場條件下的因素決定的，而這些因素又相互的的影響和動態的變化。因此，標準差的方法受到了質疑，后續的離差率、β值的計算自然也就沒有了根基。

篇2

近幾年，國內基金公司都在積極推出量化投資產品。但市場人士認為，目前國內的常見“量化”基金，實質上大多是“量化選股”基金，從量化的風險控制到量化的交易，整個決策流程依然靠傳統的方法。

國內著名投行宏觀策略研究員的工作積累，華爾街量化投資的歷練，使華商大盤量化擬任基金經理費鵬對量化投資的A股應用有著自己的心得。他認為，量化投資最大的優勢在風險控制上。與傳統的價值投資“越跌越買”的理念不同，他認為量化投資應該是主動對市場風險進行判斷，通過技術分析、量化模型分析等判定風險，在確定風險之后，及時對倉位進行控制，及時止損。

費鵬認為，目前市場上的量化產品將研究的重點放在擇股和行業配置上，缺乏有效及時的風險響應體系，而從國外的經驗看，量化的一大特點就是對風險的預判。因此，華商基金量化投資團隊在吸收國內外先進經驗的同時，在模型設計之初，便將核心定為風險控制。

在設計中，華商基金量化投資團隊借助了包括從統計信息學角度出發的信息熵值（Entropy）的變化、從分形理論出發的市場模式（P atter n）的變化、從金融物理學角度出發的金融泡沫統計指標的變化、從市場微觀結構出發的分析師一致預期分歧的變化和趨勢等，構建風險模型，對中短期系統風險進行定量分析，依靠基金經理和研究員對宏觀經濟發展狀況、人口與社會的結構性特征、經濟產業周期等因素的分析，對長期風險進行定性分析。

量化投資堅持追求絕對收益

提及量化投資，人們就會想到西蒙斯用公式打敗市場的經典案例。但這一投資工具在被引入國內投資市場之后，并沒有展現其神奇的威力。根據wi n d數據分類顯示，目前市場上有19只量化基金，2 012年可統計的15只量化基金平均收益率僅為2 . 5 5%（同期滬指上漲3 .17%），國內發行的量化基金的表現不盡如人意。

在費鵬看來，國內的量化基金僅僅是“量化選股”，追求相對收益。他認為，量化投資的核心應該是風控，堅持追求的則應該是絕對收益。

相比而言，目前國內公募量化基金多采用多因子模型，而多因子模型的設計原理是把價值投資理論通過數字模型加以表達。在實際測算中，華商基金量化團隊每日漲幅居前的股票中，會有所謂投資價值較少的“垃圾股”，很難通過價值投資理論解釋。

篇3

一、量化投資及量化投資體系的定義

什么是量化投資？簡單來講，量化投資就是利用計算機科技并結合一定的數學模型去實現投資理念與投資策略的過程。與傳統的投資方法不同的是：傳統的方法主要有基本面分析法和技術分析法這兩種，而量化投資主要依靠數據和模型來尋找投資標的和投資策略。量化投資系統則是由人設定出某種規則，在計算機當中根據規則構建這種模型，而后由計算機自己去根據市場的情況進行一些投資機會的判斷。從他們投資方式的區別當中可以看出，量化投資更依賴于數據，傳統投資則更依賴于人的主觀判斷。從這點上來說，量化投資可以有效的規避一些人為的錯誤判斷。

二、我國量化投資體系的發展

在美國，量化投資方法的發展己經有將近年的歷史，量化方法從允嫉較衷謖嫉矯攔市場30%上以上的比重。而在中國，量化投資只是剛剛起步而己。但是已經有很多基金公司允即罅Υ蛟熳約旱牧炕投資團隊，期望在傳統的基本面研究之外源匆黃新的投資天地。國內證券市場上成立比較早的量化投資基金主要包括：嘉實基金――嘉實量化阿爾法股票、上投摩根基金管理有限公司――上投摩根阿爾法、光大保德信基金――光大量化、富國基金管理有限公司――富國滬深增強、國泰君安資產管理公司――君享量化。近年來，一些公募基金、私募基金也都不斷加快了布局量化投資基金的方法。這些量化投資基金，主要研究了基于基本面的多因子選股模型，這些投資組合因子主要包括：公司財務基本面數據，市場行情數據，行業數據等，并在實證中不斷完善量化投資指標因子的選取。研究行業以及個股的價格趨勢，運用道氏理論、K線理論、波浪理論、切線理論、形態理論等一些常用的技術分析方法建立不同風格的投資模型和投資組合。

三、量化投資的優點

量化投資作為一種有效的主動投資工具，是對定性投資方式的繼承和發展。實踐中的定性投資是指，以深入的宏觀經濟和市場基本面分析為核心，輔以對上市公司的實地調研、與上市公司管理層經營理念的交流，發表各類研究報告作為交流手段和決策依據。因此，定性投資基金的組合決策過程是由基金經理在綜合各方面的市場信息后，依賴個人主觀判斷、直覺以及市場經驗來優選個股，構建投資組合，以獲取市場的超額收益。與定性投資相同，量化投資的基礎也是對市場基本面的深度研究和詳盡分析，其本質是一種定性投資思想的理性應用。但是，與定性投資中投資人僅依靠幾個指標做出結論相比，量化投資中投資人更關注大量數據所體現出來的特征，特別是挖掘數據中的統計特征，以尋找經濟和個股的運行路徑，進而找出阿爾法盈利空間。與定性投資相比，量化投資具有以下優勢：

（一）量化投資可以讓理性得到充分發揮

量化投資以數學統計和建模技術代替個人主觀判斷和直覺，能夠保持客觀、理性以及一致性，克服市場心理的影響。將投資決策過程數量化能夠極大地減少投資者情緒對投資決策的影響，避免在市場悲觀或非理性繁榮的情況下做出不理智的投資決策，因而避免了不當的市場擇時傾向。

（二）是量化投資可以實現全市場范圍內的擇股和高效率處理

量化投資可以利用一定數量化模型對全市場范圍內的投資對象進行篩選，把握市場中每個可能的投資機會。而定性投資受人力、精力和專業水平的限制，其選股的覆蓋面和正確性遠遠無法和量化投資相比。

（三）是量化投資更注重組合風險管理

量化投資的三步選擇過程，本身就是在嚴格的風險控制約束條件下選擇投資組合的過程，能夠保證在實現期望收益的同時有效地控制風險水平。另外，由于量化投資方式比定性投資方式更少的依賴投資者的個人主觀判斷，就避免了由于人為誤判和偏見產生的交易風險。當然，無論是定性投資還是量化投資，只要得當的應用都可以獲取阿爾法超額收益，二者之間并不矛盾，相反可以互相補充。量化投資的理性投資風格恰可作為傳統投資方式的補充。

四、量化投資的局限性

量化投資是一種非常高效的工具，其本身的有效性依賴于投資思想是否合理有效，因此換言之，只要投資思想是正確的，量化投資本身并不存在缺陷。但是在對量化投資的應用中，確實存在過度依賴的風險。量化投資本身是一種對基本面的分析，與定性分析相比，量化分析是一種高效、無偏的方式，但是應用的范圍較為狹窄。例如，某項技術在特定行業、特定市場中的發展前景就難以用量化的方式加以表達。通常量化投資的選股范圍涵蓋整個市場，因此獲得的行業和個股配置中很可能包含投資者不熟悉的上市公司。這時盲目的依賴量化投資的結論，依賴歷史的回歸結論以及一定指標的篩選，就有可能忽略不能量化的基本面，產生巨大的投資失誤。因此，基金經理在投資的時候一定要注意不能單純依賴量化投資，一定要結合對國內市場基本面的了解。

五、量化投資對中國的啟示

通過研究國外市場的發展和中國市場的特點，對中國市場上的監管創新，制定相關的法律法規也勢在必行。由于市場結構的差異，國內量化投資情況與國外有很大不同。技術型量化投資的應用主要是集中在期貨市場，并且有較高的推崇程度；金融型量化投資的應用主要集中在股票市場，由于需要應用的時間數據周期相對較長，實際中應用并不普遍。目前，中國金融市場正處于迅速發展的階段，很多新的金融工具在不斷被引進，用量化投資方式來捕捉這種機會，也是非常合理的。與國外相比，目前國內股票市場僅屬于非有效或弱有效市場，非理性投資行為依然普遍存在，將行為金融理論引入國內證券市場是非常有意義的。國內有很多實證文獻討論國內A股市場未達到半強勢有效市場。

目前對中國市場特點的一般共識包括：首先，中國市場是一個個人投資者比例非常高的市場，這意味著市場情緒可能對中國市場的影響特別大。其次，中國作為一個新興市場，各方面的信息搜集有很大難度，有些在國外成熟市場唾手可得的數據，在中國市場可能需要自主開發。這盡管加大了工作量，但也往往意味著某些指標關注的人群少，存在很大機會。其三，中國上市公司的主營比較繁雜，而且變化較快，這意味著行業層面的指標可能效率較低。而中國的量化投資實際上就是從不同的層面驗證這幾點，并從中贏利。例如，考慮到國內A股市場個人投資者較多的情況，我們可以通過分析市場情緒因素的來源和特征指標，構建市場泡沫度模型，并以此判斷市場泡沫度，作為資產配置和市場擇時的重要依據。

在中國金融市場的不斷發展階段，融資融券和股指期貨的推出結束了中國金融市場不能做空的歷史，量化投資策略面臨著重大機遇。運用量化投資的機理和方法，將成為中國市場未來投資策略的一個重要發展趨勢。量化投資在給投資者進行規避風險和套利的同時，也會帶來一定的風險，對證券具有助漲助跌的作用。由于國內股票市場還不夠成熟，量化投資在中國的適用性很大程度上取決于投資小組的決策能力和創造力。以經濟政策對中國量化投資的影響為例。中國的股市有“政策市”之稱，中國股市的變化極大的依賴于政府經濟政策的調節，但是經濟政策本身是無法量化的。基金建倉應早于經濟政策的施行，而基于對經濟政策的預期，但預期的影響比經濟政策的影響更難以量化。例如，在現階段勞動力成本不斷上升、國際局勢動蕩、國際大宗商品價格上升的情況下，央行何時采取什么力度的加息手段，對市場有何種程度的影響，這一沖擊是既重要又無法量化的。為解決這個在中國利率非市場化特點下出現的問題，需要基金投資小組采取創造性的方式，將對中國經濟多年的定性經驗和定量的指標體系結合起來，方能提高投資業績。

參考文獻：

篇4

股票市場上形形的各種分析方法總結起來可以歸類為三大流派：數量分析、基本面分析和技術分析。關于這三大流派孰優孰劣的爭論已經持續了近百年，三方各執一詞，百年爭論下來也沒有爭出個結果來。當今世界也是這三種流派大概各占三分之一的格局。而A股市場顯然尚未跟上，量化投資遠遠沒有達到三分之一的市場占有率。

第一部分：什么是量化投資

量化投資在海外的發展已有30多年的歷史，其投資業績穩定，市場規模和份額不斷擴大、得到了越來越多投資者認可。事實上，互聯網的發展，使得新概念在世界范圍的傳播速度非常快，作為一個概念，量化投資并不算新，國內投資者早有耳聞。但是，真正的量化基金在國內還比較罕見。那么，何為量化投資？

康曉陽：量化就是符合投資常識的投資邏輯和策略

接下來會發生什么？

深圳市天馬資產管理有限公司是國內最早開發量化投資模型的資產管理公司，致力于量化投資工作接近十年。作為國內量化投資的“開山鼻祖”，深圳天馬的董事長康曉陽先生如下介紹量化投資：

大家看到這個圖，魚跳起來了，風在刮，接下來會是什么？日本發生的9級大地震！2011年3月7日我看到一個報道，有50條鯨魚在擱淺沙灘，就在發生地震那個縣東部的海岸，有的死了，專家解釋這些鯨魚集體迷路了。作為一個地震專家或者學者，其實他們的經驗沒有告訴他這50條鯨魚擱淺沙灘跟地震有什么關系。到底有沒有關系呢？我們知道5•12四川大地震之前發生了同樣的事情，很多癩蛤蟆過馬路，這跟地震有什么關系？

投資做股票有兩類，講很多種策略，無外乎就是買你自己喜歡的和買市場喜歡的，買自己喜歡和買市場喜歡的背后邏輯就是找影響股價的要素。

量化是什么？做投資，最終的分析停留在數據上，既然是數據，就可以標準化、固化。從你自己的角度買自己喜歡的東西，其實也可以量化，每個人都有對美的標準，但并不是符合這個指標，你就一定喜歡。如果有一個海選，把符合你喜歡特征的人放在你面前你去選，就可以量化。

鯨魚擱淺在沙灘上，根據歷史數據統計就會發現這個事情跟接下來要發生的事情有什么關聯。把人的行為邏輯影響股價所有的要素進行綜合分析，預測下一個市場喜歡的東西或者喜歡的策略是什么，簡單一句話，量化就是符合投資常識的投資邏輯和策略。就股票來講，投資標的的數據和因素量化，再用一些模型統計的方法把選出來的標的進行優化，最后成為投資組合，這就是量化的基本邏輯。用數理的方法把你的投資邏輯或者市場的投資邏輯固化，只要有投資邏輯的思想或者策略，都可以量化。

就股票而言，有很多種方法，有價值型股票，分析方法無非是那幾種，只是大家的標準不一樣，量化的東西可以設一個相對寬松的東西，初選之后再優化，比如成長型股票，肯定關心盈利、收益。選出來10個、20個、50個甚至100、200個股票，然后配比重，怎么優化組合，根據你的風險和預期收益率反推回來怎么優化，最后得出一個比重，哪只股票應該投多少。有些是成本交易，比如套利，什么情況下出現一定條件的時候提示你。

要真正做到量化，首先要有一個基本的理論模型。你要覺得什么樣的股票表現好，什么樣的股票你愿意投資，這就是量化的基本邏輯。但是，有了這個邏輯之后還不夠，還要有復合型人才，因為量化投資不光要懂得投資股票，還要懂得數理分析。打個比方，雖然我很懂股票，但我不懂數理分析，很多計算機模型也不懂，更不懂編程序，要真正做到量化投資，就必須有復合型團隊。為什么這么多年華爾街學金融工程、數理、物理的人大受歡迎？因為他們可以用統計工具。前段時間我在英國的一所大學和一些專門做模型分析的教授交流，我發現他們想的東西更加復雜，基本上把市場上任何的東西都想要量化。

我理解，就是去跟蹤你的投資邏輯，它只是幫你實現你想法的一種工具。另外還要有高質量的數據，因為，你通常看到的東西和市場本身存在的東西可能并不一樣。如果把鯨魚放到海灘上，這作為數據化，統計過去2000年有多少次鯨魚擱淺在海灘發生，假如有真實的數據，就可以研究出跟地震的相關性。要懂數理統計工具，建立模型就是紀律，不能改變，改變就不是模型。有人說看到今天不行，換一下，那就不是模型了。我們看過一個電影，造出來的機器人最后自己都控制不了，那就是模型。如果造出來的機器人自己能控制，那不是模型。人為什么能掙得到錢，為什么還要量化？傳統是靠個人經驗的，而且你看到、聽到的東西都是有限的。量化有什么好處？它可以把你知道的東西在整個森林中搜索。計算機是不知疲倦的，晚上你在打鼾，計算機還可以工作。你的模型是你建的，你很理性的情況下建的模型，市場情緒變了，它不會變，那時候你不可能去改模型，所以它不會受情緒的影響。

華泰聯合：實現投資理念與策略的過程

國內研究機構中涉足量化投資較早并多次獲得新財富最佳分析師評選金融工程第一名的華泰聯合證券金融工程團隊如是說：

數量化投資是利用計算機科技并采用一定的數學模型去實現投資理念、實現投資策略的過程。與傳統定性的投資方法不同，數量化投資不是靠個人感覺來管理資產，而是將適當的投資思想、投資經驗、甚至包括直覺反映在量化模型中，利用電腦幫助人腦處理大量信息、幫助人腦總結歸納市場的規律、建立可以重復使用并反復優化的投資策略（經驗），并指導我們的投資決策過程。

本質上來講，數量化投資也是一種主動型投資策略，其理論基礎在于市場是非有效或弱有效的，基金經理可以通過對個股、行業及市場的驅動因素進行分析研究，建立最優的投資組合，試圖戰勝市場從而獲取超額收益。然而一些定性的投資者卻并不太認可定量投資，他們認為，定性研究可以將把股票基本面研究做得很深入，從而在決策深度上具有優勢。然而，在當今市場上，信息量越來越大且傳播速度極快，單個分析師所能跟蹤的股票數量開始顯得越發有限，也因此錯過了許多優秀的投資機會，可謂是擁有深度的同時錯失了廣度。量化投資正好彌補了這一缺失，通過使用強大的計算機技術，它能夠實時對全市場進行掃描，并依仗其紀律性、系統性、及時性、準確性以及分散化的特點最大概率的捕獲戰勝市場的投資標的。

事實上，在海外市場，我們看到越來越多的定量與定性完美結合的成功案例。通過向量化模型中加入分析師對未來主觀判斷的觀點（定性的觀點），再結合來自于歷史規律檢驗的觀點（定量的觀點），定量與定性的優勢便能得到充分的發揮和融合。我們相信，這也將是未來量化產品發展的主流方向和趨勢。

結論

量化研究作為一種研究方法，其本質是使用統計學、數學和計算機工具改進研究效率，使得我們能夠在更短的時間、更大的視角領域下，依靠清晰的研究邏輯，獲取更為有效和操作性以及復制性更強的研究成果。量化研究的本質是一類發現市場規律的方法體系，其基本功能是認識市場和解釋市場，并以做到預測市場為目的。

量化投資簡單來講，它以模型為主體，使用大量數據，并且在很大程度上用電腦這樣的投資方式；其以科學性和系統性著稱，并將在嚴格的紀律化模型制約下，緊密跟蹤策略，使運作風險最小化，并力爭取得較高收益。

第二部分：量化投資在蓬勃發展

量化投資在世界的發展史

美國市場有200多年，從證券市場開始，也有快400――500年了，但是量化的發展是上世紀50――60年代的事。首先有一些理論模型，沒有理論模型支撐很難做到量化的東西。

數理化投資于上世紀50~70年論上發芽

Harry Markowitz在上世紀50年表一系列關于投資組合“均值―方差”優化的論文，這使得投資者可以定量化風險，并把風險和預期回報放在一個理論框架下統一考慮；

WilliamSharpe在1964年發表CAPM模型，此模型顯示個股的預期回報和個股的風險及市場的預期回報成正比；

Steven Ross在1976年發表APT模型，此模型顯示個股的預期回報可以表示成一系列非特定因素預期回報的加權平均，此模型為量化投資者指出了很實用的研究框架；

Black-Scholes在1972年發表關于股票權證的定價模型；

Fama和French在1993年發表三因素模型，此模型顯示個股的預期回報由三個因素（市場，個股的市值，個股的市凈率）決定；

此后很多研究者做了非常多的實證研究，并發現了一些對個股將來回報有預測作用的因素：比如市盈率，市凈率，資產回報率，盈利一致預期，中長期價格動能，短期價格反轉等。

數理化投資從上世紀70年代末開始實際運用

Barclays Global Investors(BGI)于1978年創立了全球第一只數量化投資策略基金，到被BlackRocks收購之前BGI以14000億美元的規模，高居全球資產管理規模之首。

SSgA(道富環球投資管理公司)和 GSAM(高盛國際資產管理公司)為首的一大批以數量化投資為核心競爭力的公司已經成為機構資產管理公司中的“巨無霸”。

“詹姆斯•西蒙斯創辦的文藝復興科技公司花費15年的時間，研發基于數學統計理論的計算機模型，借助該模型，西蒙斯所管理的大獎章基金，從1989 年到2009 年間，平均年回報率高達35％，較同期標普500 指數年均回報率高20 多個百分點，比“金融大鱷”索羅斯和“股神”巴菲特的操盤表現都高出10 余個百分點。

在國外。其他采用量化投資的公司沒有獲得驚人的表現，并非是量化方法不好，而是他們還沒有構建出更好的模型以及正確的策略。作為量化投資的大行家和受益者，西蒙斯承認有效市場的套利機會極少而且會趨同小時，然而，仍然有無數轉瞬即逝的很小的機會存在，在證券市場，那些很小的交易，都會對這個龐大的市場產生影響，而每天都會有成千上萬這樣的交易發生。這個市場看似雜亂無章，卻存在著內在規律，而量化操作自從誕生以來，無疑成為捕捉這些規律的一把利器，為海外投資者屢建奇功。

CQA（教育產品內容與數據測試）數據統計：在2002年-2004年三年間，量化產品的平均年收益率為5.6%，比非量化產品的平均年收益率高出1%。從信息比率來看，量化產品為0.37，非量化產品為0.06。此外，量化基金的運作費率相對更低，例如傳統產品費率為0.6%，主動量化產品費率在0.45%-5%之間。

理柏(LIPPER)數據顯示，2005年到2008年之間，87只大盤量化基金業績表現好于非量化基金，增強型量化基金在2005年和2006年更是大幅跑贏非量化基金。但2007年和2008年除市場中性基金外，所有基金業績下滑很快，其中雙向策略和大盤量化基金表現差于非量化基金，而增強型和市場中性量化基金表現則優于非量化基金。

量化投資在中國的發展現狀

研究力量不斷壯大

目前大部分券商研究所都配有金融工程研究小組，成員超過5個的不在少數。根據2010年11月份的《新財富》最佳分析師榜單，國信證券金融工程小組人數有12人，為目前人員配備最多的量化投資研究團隊。其他入選金融工程前五名的研究小組中，申銀萬國8人，華泰聯合、安信證券各5人，中信證券4人。

數量化方面的研究報告數量也是逐年增加。據不完全統計，2008-2010年相關報告數量分別有52、142、794篇，今年上半年就達到了633篇，逐年遞增趨勢非常明顯。不過，和2010年研究報告10萬多份的總量相比，數量化研究的廣度和深度還有很大提升空間。

量化產品初露鋒芒

天馬旗下的產品中，現有兩個信托產品采用量化投資策略，分別是新華―天馬成長，和平安―Lighthorse穩健增長。

此外，上投摩根、嘉實、中海基金、長盛基金、光大保德、富國基金、南方基金等都有量化產品推出，但是量化基金的比例還是非常小。即便在2009年，全年新發基金超過100只的情況下，新發的量化基金也僅有4只，數量在2009年的新發基金市場中僅占3％。與指數基金、普通股票基金相比，量化基金可謂是基金市場上的稀缺資源。

2011年，在國內緊縮政策與國外動蕩局勢的影響下，A股市場呈現結構性震蕩上揚的格局。隨著市場輪動的提速及內在容量的擴大，精選個股的難度日益加大。在此背景下，定性投資容易受到投資者情緒影響，而定量投資則能夠通過計算機的篩選，幫助投資者克服非理性因素，在充分控制風險的前提下應對市場萬變。以“人腦＋電腦”為主要構建的量化基金逐漸顯現投資優勢，今年量化基金異軍突起，整體表現不俗。截至4 月6 日， 9 只具有完整業績的主動型量化基金平均收益率為0.64%，超越同期股票型基金和混合型基金-1.39%、-3.08%的凈值增長率。其中，“元老”光大保德信量化核心基金收益率達5.19%。此外，南方策略、中海量化策略、長盛量化紅利、長信量化先鋒、上投摩根阿爾法、華泰柏瑞量化先行基金也均取得正收益，分別達到4.12%、3.28%、2.60%、2.13%、0.77%和0.16%；僅嘉實量化阿爾法和華商動態阿爾法收益為負，分別為-4.48%、-7.94%。此外，從以往披露的公開信息可以發現，國內量化基金多側重價值因子，也契合今年低估值大盤藍籌股領漲的市場格局。

第三部分：解讀量化投資

在西蒙斯崛起之前，判斷型投資完全占據著主流地位，因為當前全球投資界的三大泰斗當中，無論是價值投資的巴菲特、趨勢投資的羅杰斯，還是靠哲學思維的索羅斯，都是判斷型投資的代表。但隨著西蒙斯的聲名鵲起，量化投資開始受到投資大眾的重視并呈現出蓬勃的發展態勢。但需要指出的是，世界上沒有萬能的投資方法，任何一種投資方法都有其優缺點，量化投資當然也不例外。定量投資成功的關鍵是定量投資這個模型的設計好壞，設計的好壞主要由模型設計者對市場的了解、模型構建的了解和模型實踐經驗來決定的。

量化投資的決策體系

量化基金的成功運作必然依托一個完整而有效的量化體系用來支撐，該體系是數據獲取、數據處理、資產配置、組合管理到全程風險控制等諸多環節的有機結合。

我們借鑒海外量化基金運作架構的諸多優點，并結合華泰聯合金融工程資深研究員的看法，旨在提供一個適合中國市場特點的量化基金運作架構體系。該體系綜合考慮了定性及定量兩大主要選股思路，在風險可控下，充分發揮量化投資的優勢。

此架構包含以下幾個主要層次：

1. 數據提供：量化體系的底層一般是數據接入端口，數據來源于外部數據提供商。

2. 數據預處理：由于中國A 股市場歷史較短，數據質量一般，特別是早期的數據較為不規范。因此，在輸入模型前必須對數據進行全面的清洗，從而增強數據的有效性和連續性。

3. 資產配置：資產配置是量化基金的核心。不同的投資者具有不同的投資理念，即不同的資產收益率看法。因此，通過構建差異化的因子配置模型來實現差異化的投資理念則充分展現了量化投資的優勢和精髓。舉例而言，我們可以開發針對不同市場狀況（如牛市、熊市、震蕩市和轉折市）以及不同投資風格（如保守、激進和中庸）的量化模塊。這些模塊就類似于兒童手中的玩具積木，一旦投資決策委員會確定了戰略和戰術配置比例，接下來要做的就是簡單的選積木和搭積木的過程。模塊化投資嚴格的遵循了投資思路，從而將量化投資的紀律性、系統性、及時性和準確性展露無遺。

4. 投資決策：宏觀經濟政策對中國A 股市場的表現影響較大，也就是我們常說的“政策市”。針對這一現狀，綜合考慮定性和定量的宏觀判斷對于我們選擇合適的基金倉位及資產組合將十分必要。一方面，結合宏觀及行業分析師對于未來宏觀經濟的預判以及個別性事件的分析，另一方面，考察既定的一系列量化擇時指標和宏觀經濟指標的最新動向，從而能較為全面的提出投資建議。

5. 組合管理：在對于宏觀趨勢、戰略和戰術資產配置的全面考量之后，留給基金管理人的工作將是如何實現在交易成本，投資風險以及組合收益三者之間的最大平衡。

經典量化投資模型綜述與評價

目前，由于計算的復雜程度和對速度的要求，量化投資的交易過程通常是由電腦自動來完成的，可在某些方面電腦依然不可能替代人腦。投資若要取得成功，就需要頂尖的大腦來羅織數據、發現規律、編制最快最好的電腦程序；此外，量化投資所使用的模型在用了一段時間之后就會慢慢失效，因為越來越多的“山寨版”會出現，因而需要不斷發現新的模型以走在這場軍備競賽的前列，而此時需要的就是配備精良、高速運作的人腦。由此可見，模型在量化投資的整個體系中居于核心地位。近幾十年來，西方理論界與實務界均誕生了不少量化投資模型，大力推動了量化投資的發展，這其中又大致可分為三大類：傳統的基于經濟學意義的模型（structural model）、現代的基于數學、統計學意義以及計算機原理的模型（statistical model）、程序化交易模型。以下就這三者分別予以介紹。

(一)傳統的基于經濟學意義的模型

這種模型雖然用到了一些數學與統計學的工具， 但其核心思想與前提假設仍然是圍繞經濟學或金融學原理而展開的。例如，B-S 模型與二叉樹模型提供了金融產品定價的新思路，因而也衍生出了所謂的以選擇權為基礎之投資組合保險策略（option-basedportfolio insurance，OBPI），如歐式保護性賣權（protective put）策略、復制性賣權（synthetic put）策略和一些持倉策略―――買入持有（buy-andhold）策略、停損（stop-loss） 策略、固定比例投資組合保險(constant proportion portfolio insurance，CPPI) 策略、時間不變性組合保障（timeinvariant portfolio protection，TIPP）策略、固定組合（constant mix）策略與GARP（Growth at a Reasonable Price）策略等。

(二)現代的基于數學、統計學意義以及計算機原理的模型

與上述模型相比，這種模型“量化”的傾向愈加明顯―――淡化甚至忽略經濟學或金融學背景，基本上只是依賴先進的數學、統計學工具與IT 技術構建模型，進而確定投資策略。模型中應用的具體方法主要包括參數法、回歸分析、時間序列分析、極值理論、馬爾科夫鏈、歷史模擬法、蒙特卡羅模擬法等等。

(三)程序化交易模型

隨著金融市場的日益復雜化， 越來越多的復雜交易策略被設計出來，這些交易策略很難通過傳統的手工方式執行，于是程序化交易應運而生。程序化交易是指按照預先編制的指令通過計算機程序來完成交易的方式，可以分為決策產生和決策執行兩個層面：前者是指以各種實時/歷史數據為輸入通過事先設計好的算法計算得出交易決策的過程，而后者是指利用計算機算法來優化交易訂單執行的過程； 也可以從交易頻率的角度，分為高頻交易和非高頻交易。程序化交易使得復雜的量化交易策略得以實施，優化交易指令的執行，解放人力使之把精力更多地集中到投資策略的研究上， 最重要的是能克服人性的種種弱點與障礙從而保證絕對的“客觀性”與“紀律性”。然而，這種交易方式也引起了諸多爭議，如對速度的過高要求會造成市場的不公平、巨大的交易量可能會增加市場的波動性、容易產生鏈式反應、為了盈利可能會制造人為的價格而降低市場的有效性等等。

量化投資的主要策略

增強型指數基金：策略的主要目的還是跟蹤指數，希望用量化模型找出能緊跟指數但同時又能小幅超越的組合。

非指數型量化基金：能利用絕大多數好的投資機會，而不需去管組合是否能緊跟指數。

多―空對沖基金：買入模型認為能表現好的股票， 賣空模型認為會表現差的股票。有時可能凈多倉， 有時可能凈空倉。此策略在對沖基金中很流行。在A股市場中能賣空的股票不多，所以一般只能用期指去對沖。

市場中性的多―空對沖基金：買入模型認為能表現好的股票， 賣空模型認為會表現差的股票。在任何時候凈倉位為0，同時在各行業上，大小盤風格上的凈倉位都為0。此策略在對沖基金中也比較流行。此策略的波動率非常小，在國外一般會加入杠桿。

130/30基金：一般共同基金采用，即買入130%的多倉， 賣空30%的空倉。

程序化高頻交易：利用期指或股價的日內波動進行高頻買賣。有些策略是找價格模式，有些是利用交易所規則上的漏洞。

可轉移Alpha：主要用在增強型指數基金上，具體是用期貨來跟蹤指數，一部分多出來的錢投資于風險比較小的能取得絕對正收益的策略上。

市場擇時/行業輪動/風格輪動：用數量化模型預測市場/行業/風格的拐點

量化投資和傳統投資的比較

天馬資產首席數量分析師朱繁林博士表示，量化投資區別于定性投資的鮮明特征就是模型，對于量化投資中模型與人的關系，大家也比較關心。可以打個比方來說明這種關系，我們先看一看醫生治病,中醫與西醫的診療方法不同，中醫是望、穩、問、切，最后判斷出的結果，很大程度上基于中醫的經驗，定性程度上大一些；西醫就不同了，先要病人去拍片子、化驗等，這些都要依托于醫學儀器，最后得出結論，對癥下藥。

醫生治療病人的疾病，投資者治療市場的疾病，市場的疾病是什么？就是錯誤定價和估值，沒病或病得比較輕，市場是有效或弱有效的；病得越嚴重，市場越無效。

投資者用資金投資于低估的證券，直到把它的價格抬升到合理的價格水平上。但是，定性投資和定量投資的具體做法有些差異，這些差異如同中醫和西醫的差異，定性投資更像中醫，更多地依靠經驗和感覺判斷病在哪里；定量投資更像是西醫，依靠模型判斷，模型對于定量投資基金經理的作用就像CT機對于醫生的作用。在每一天的投資運作之前，會先用模型對整個市場進行一次全面的檢查和掃描，然后根據檢查和掃描結果做出投資決策。

傳統的定性投資強調的是基金經理的個人經驗和主觀判斷，相對來說強調基金經理的單兵作戰能力。而量化投資主要是用來源于市場和基本面的模型指導投資。

量化投資可以最大限度地捕捉到市場上的機會。而傳統的定性投資受到研究員，基金經理覆蓋范圍的限制。

量化投資借助模型進行投資，比較客觀和理性，更不會受市場和情緒影響。

量化投資的可復制性更好。傳統的定性投資易受到基金經理，資深研究員人動的影響。

其實，定量投資和傳統的定性投資本質上是相同的，二者都是基于市場非有效或是弱有效的理論基礎，而投資經理可以通過對個股估值，成長等基本面的分析研究，建立戰勝市場，產生超額收益的組合。不同的是，定性投資管理較依賴對上市公司的調研，以及基金經理個人的經驗及主觀的判斷，而定量投資管理則是“定性思想的量化應用”,更加強調數據。

國內量化基金投資風險分析

（一）量化模型質量產生的投資風險

投資模型本身的質量，是量化基金最核心的競爭力。專業人士以為，對于中國這樣的新興市場，量化投資的關鍵是能否根據市場特點，設計出好的投資模型。然而，已有的量化基金中，大多簡單地利用國外已公開的模型，或是用基金公司自有的一些簡單模型，在考察市場的有效性上普遍比較欠缺。如中海量化策略和南方策略優化在行業權重配置中均采用的Black-Litterman（BL）模型。這種模型現是華爾街主流模型，亦是高盛公司資產管理部門在資產配置上的主要工具。然而，在國內市場信息搜集等方面局限性較大的情況下，該系統到底是否有效，是否僅是基金公司體現其“專業性”的一個由頭，還有待觀察。

（二）基金經理執行紀律打折扣所產生的道德風險

好買基金研究中心的一份報告指出，大部分量化基金在擇時、行業配置和資金管理等方面并沒有采用量化模型，更多的是基金經理的主觀判斷。觀察這些量化基金的契約和季度報告可以發現，基金要么不進行擇時，要么根據主觀經驗進行擇時，這在很大程度上無法體現出模型選股產生的效果。

（三）數量化模型滯后產生的風險

篇5

量化投資是投資者借助計算機信息化建立數學模型，把最新市場數據和相關信息輸入到模型中，通過公式計算出投資對象，做出最優投資決策。量化投資不依靠投資者的感覺直覺，不依賴個人判斷，而是將其經驗利用信息通過模型實現投資理念。同時，投資者期望達到收益和風險的合理配比，利用夏普比率等科學方法控制收益和風險。量化投資者不用每天重復的分析瑣碎信息，只需要不斷完善這個模型并不斷創造新的可以盈利的模型。

二、量化投資策略

（一）量化投資策略分類

量化投資策略，主要包括量化擇時策略、統計套利策略、算法交易策略、組合套利策略、高頻交易策略等。

（1）量化擇時策略是收益率最高的一種交易策略，通過對宏微觀指標的量化分析判斷未來經濟走勢并確定買入、賣出或持有，按照高拋低吸原則獲得超額收益率。在量化擇時策略中，趨勢跟蹤策略是投資者使用最多的策略。量化擇時分析策略包括：趨勢跟蹤策略、噪音交易策略、理易策略。

（2）統計套利是風險套利的一種，通過對歷史數據的統計分析，利用統計學理論，估計相關變量的概率分布，判斷規律在未來一段時間內是否繼續存在。統計套利策略包括協整策略和配對利差策略、均值回歸策略以及多因素回歸策略。

（3）算法交易又稱為自動交易，主要是研究如何利用各種下單方法，降低沖擊成本的交易策略，將一個大額交易通過算法拆分成數個小額交易，以此來減少對市場價格造成沖擊，降低交易成本。算法交易策略包括交易量加權平均價格策略、時間加權平均價格策略、盯住盤口測量、執行落差策略、下單路徑優選策略。

（4）組合套利策略主要針對期貨市場上的跨期、跨市及跨品種套利的交易策略。組合套利策略包括均衡價格策略、套利區間策略、牛市跨期套利、熊市跨期套利等。

（5）高頻交易是一種持倉時間短、交易量巨大、交易次數多、單筆收益率低的投資策略，人們從無法利用的極為短暫的市場變化中尋求獲利的計算機化交易，依靠快速大量的計算機交易以獲取高額穩定的收益。高頻交易策略包括流動性回扣交易策略、獵物算法交易策略和自動做市商策略。

如下是量化投資中幾種主要的投資交易策略：

（1）趨勢跟蹤策略。趨勢跟蹤策略追隨大的走勢，向上突破重要的壓力線可能預示著更大一波的上漲趨勢，向下突破重要的支撐線可能預示著更大一波的下跌趨勢。趨勢跟蹤策略試圖尋找大趨勢的到來，在突破的時候進行相應的建倉或平倉的投資操作來獲得超額收益。

趨勢型指標進行擇時的基本理念是順勢而為，跟蹤市場運行趨勢。在趨勢策略中使用的技術指標是最多的，常用有：移動平均線（MA）、平滑異動移動平均線（MACD）、平均差（DMA）、趨指標（DMI）等。

（2）噪音交易策略。噪聲交易是指交易者在缺乏正確信息的情況下進行密集交易的行為。有效市場中噪聲只是一個均值為零的隨機擾動項，但市場并不總是有效的，市場上有很多異常信息，往往有人能夠提前獲得這些異常信息，很可能對投資的判斷提供重要的價值。噪聲交易策略的運用主要是機構投資者通過計算得到市場的噪聲交易指數，監測該指數的變化，根據其變化來設計量化交易策略。

（3）協整策略。在統計套利策略中，協整策略是應用最廣泛的一種策略。協整套利的主要原理，是找出相關性最好的幾組產品，再找出每一組的協整關系，當某一組投資產品的價差偏離到一定程度時建倉，買入被低估的資產、賣出被高估的資產，當價差均衡時獲利了結平倉。協整策略包括協整檢驗、GARCH檢驗、TARCH檢驗以及EGARCH檢驗。

（4）多因素回歸策略。多因素回歸策略，也是一種被廣泛使用的投資策略。這一策略利用影響投資收益的多種選擇因素，并根據其與收益的相關性，建立多元回歸模型，簡化投資組合分析所要求的證券相關系數的輸入，這類方法的代表是套利定價模型。

（二）量化投資策略組合

量化投資策略組合綜合考慮交易商品、策略類別、策略數量、時間周期因素。量化投資策略組合相比較單一投資策略有以下優勢：

（1）策略組合降低了對單一策略的依賴，當單一策略失去競爭力，使用策略組合的方式，可以利用不同產品價格變化、變化幅度、周期等多個方面把握投資機會，在一定程度上保證了穩定的收益率，盈利機會更多；

（2）策略組合可以分散單一策略的交易風險，降低風險，通過策略組合將投資風險分散化，盡可能規避市場風險、策略風險及系統風險等。

三、量化投資資產配置

資產配置是指資產類別選擇，即投資組合中各類資產的適當配置及對這些混合資產進行實時管理。量化投資管理打破了傳統投資組合的局限，它與量化分析結合，將投資組合作為一個整體，確定組合資產的配置目標和分配比例，深化了資產配置的內涵。

資產配置包括戰略資產配置和戰術資產配置兩大類。戰略資產配置是長期資產配置，針對較長時間的市場情況，控制長期投資風險以達到收益最大化。戰術性資產配置是依據資產預期收益的短期變化，獲取超額收益的機會。因此，戰術資產配置是建立在長期戰略資產配置過程中的短期分配策略，二者相輔相成。在長期投資活動的戰略資產配置下，戰術性資產配置利用其積極的靈活的投資機會，適當的配合戰略資產配置，獲取較高收益。

四、前景展望

在量化投資飛速發展的今天，它己經成為金融市場中不可忽視的一個領域，中國的金融市場在逐步發展及完善，中國的量化投資也會繼續發展和前進，隨著量化投資方面的加大投入，量化投資的進程加快，中國量化投資的前景無限。

篇6

量化模型是工具，投資理念是靈魂

“如果把投資比作吃飯的話，那么‘吃什么’由投資理念來決定，再根據所吃的食物決定使用的吃飯工具，即量化模型。”張靖認為，在量化投資領域，投資理念才是量化投資的靈魂，決定了投資的邏輯。只有將最根本的邏輯融入適當的量化方法中才能將量化投資的“魔力”發揮出來，創造最大的投資收益。

談到模型在量化投資中的作用，張靖有其獨到的見解，“量化模型的采用必須與投資理念密切結合，并不是越復雜的模型越好，有時簡單易操作的模型反而更加有效。正如吃西餐要用刀叉，吃中餐要用筷子一樣，與投資理念相匹配的模型才是最好的模型。”

用量化的方法做有把握的事

張靖對量化投資最通俗的解釋就是“用量化的方法做有把握的事兒”。換句話說，就是通過對大量樣本數據和市場環境的量化分析，通過平衡投資的風險和收益，建立量化模型，捕捉大概率事件，有把握地獲取市場上普遍的、稍高于平均水平的超額收益。

另外，張靖提到，量化模型并不是固定不變的，需要逐步提升，不斷改進，在變化中總結經驗和規律，使得量化模型能夠適應市場和投資者投資習慣的變化。以大摩多因子基金模型中現有的動量因子為例，從總體來看，隨著市場逐漸回歸理性，其效應應該是逐漸遞減的。所以隨著該因子效應的遞減，未來可能會將其從模型中剔除掉。相應地，另外一些新的因子可能會加入模型中。

量化選股、量化擇時、量化交易

篇7

與定性投資不同，定量投資更多關注“數字”背后的意義，依靠計算機的幫助，分析數據中的統計特征，以尋找股票運行模式，進而挖掘出內在價值。

李延剛總結了定量投資的三大優勢：首先是理性。定量投資是對于基于基本面定性投資方法和工具的數量化統計性總結，它在吸收了針對某種投資風格和理念的成功經驗的基礎上，以先進的數學統計技術替代人為的主觀判斷，并能夠客觀理性地堅持，以避免投資的盲目性和偶然性。“完全的數量化分析過程將極大地減少投資者情緒的影響，避免在市場極度狂熱或悲觀的情況下做出非理性的投資決策，因而在牛熊市的轉換中具有很強的自我調節性。”

其次，全市場覆蓋。定量投資可以利用數量化模型對壘市場的投資標的進行快速高效的掃捕篩選，把握市場每一個可能的投資機會，而定性投資受人力精力的限制，顯然無法顧及如此廣的覆蓋面。

此外，數量化投資更注重組合控制和風險管理。數量化的個股選擇和組合構造過程。實質上就是在嚴格的約束條件下進行投資組合的過程，先從預先設定的績效目標的角度來定義投資組合，然后通過設置各種指標參數來篩選股票，對組合實現優化，以保證在有效控制風險水平的條件下實現期望收益。“換言之，數量化投資模型能夠很好地體現組合收益與基準風險的匹配和一致，”李延剛解釋。

定量投資是否適應中國市場

“談到定量投資，不得不提量化投資領域中的傳奇人物――詹姆斯?西蒙斯。”李延剛并不掩飾其對這位投資大師的崇敬，“他不僅是世界級的數學家，也是最偉大的對沖基金經理之一。他創辦的文藝復興科技公司花費15年時間，研發基于量化數學模型的計算機模型，借助該模型，兩蒙斯所管理的大獎章基金，從1989年到2006年的平均年收益率達到了38.5％，甚至超過股神巴非特。”

值得一提的是，李延剛也來自數量化投資的發源地――北美，他有著6年海外一線投資管理的實際工作經驗，深刻領會并掌握了量化投資理念與方法，具備數量化投資領域的成功經驗。2007年，李延剛回國后加盟中海基余，著手增強中海基金金融工程團隊的寅力。在借鑒國外成熟的投資理念與經驗的基礎上，結合A股實際，他用了近兩年時間對數量化模型進行反復修改與調試。目前，中海基金的金融工程部已經形成從擇時、配置到選股等方面的一系列研究成果，并在今年順勢推出中海量化策略基金。

詹姆斯?西蒙斯的神話在中國證券市場能否再次實現?“當其他人都擺西瓜攤的時候，我們擺了一個蘋果攤。”李延剛用一個形象的比喻來形容定量投資存國內市場的發展機遇。他認為，目前國內證券市場定性投資者太多，競爭激烈，而數量化投資者則太少，機會相對更多，競爭也很小。李延剛表示，大量實征研究證明，中國證券市場為一個弱有效市場，市場上被錯誤定價的股票相對較多，留給定量投資發掘市場非有效性的空間也就越大。基于這種考慮，定量投資方法在中國的發展極具發展空間。

“今年推出量化基金并非一時的心血來潮，一方面中海基金金融工程部已經逐漸成熟，而另一方面也是出于市場時機的考慮。”李延剛強調。

他認為，在經歷2008年的巨幅下跌后，市場底部已經基本確立，目前小盤股估值相對較貴，短期內市場可能會以調整為主，但未來市場走勢仍然存在諸多不確定。在此背景下，如何把握結構性機會將是未來投資關鍵之所在，利用數量模型進行分析和投資的量化基金具備更好的適應性。中海量化策略基金將把握市場調整時機，采用數量化模型選人具有估值優勢和成長優勢的大中盤股票作為基石，輔之以部分優質的小盤股票。

“量體裁衣”完善全程量化流程

據了解，中海量化策略基金的全程量化流程分三個步驟，即選股策略自下而上，施行一級股票庫初選、二級股票庫精選以及投資組合行業權重配置的全程數量化。

“就像裁縫做衣服一樣，量化基金在投資中也要通過‘量體裁衣’來完善全程量化流程。通過全程量化與基金經理的思想相配合，才能做出優質的量化基金。”李延剛表示。

首先，選取代表性最強的反映公司盈利能力的指標，對于所有的A股上市公司進行篩選從而得到一級股票庫。“主要通過對所有A股股票過去三年平均EPS(每股收益)、ROE(凈資產收益率)、毛利率三項指標進行篩選，它們能分別較好的反映上市公司的獲利能力，從而得到一級股票庫。”李延剛說。

篇8

不過，雖然國內量化基金業績不俗，這兩年來規模也有顯著提升，但是與國外市場量化基金在共同基金總資產中占比16%相比，國內量化基金還有非常大的發展空間。而伴隨著中國市場有效性的逐步增強，量化基金未來的業績也有很大想象空間。

此前國內量化基金產品數量多達12只，但是大多以大中盤股票作為投資標的，而申萬菱信量化小盤基金則是一只專注于小盤股投資的量化策略基金。將投資目光鎖定小盤股，主要是看中小盤股長期優秀的業績以及高成長性。1996年到2001年的A股長牛市中，小盤股大幅超越市場；2009年之前，小盤股整體走勢與大中盤股接近；從2009年中開始，小盤股走勢大幅超越大盤股；到了2010年，雖然A股市場整體表現不佳，但許多小盤股漲幅卻仍然翻番。

篇9

說到量化交易，雖不陌生，但仍懵懂。到底什么是量化交易呢？

量化交易區別于定性投資（過去的投資方法）的鮮明特征，就是充分利用各種各樣的數理模型。它是借助現代統計學和數學的方法，利用計算機技術，從龐大的歷史數據中海選能帶來超額收益的多種“大概率”事件，然后制定策略，并用數量模型驗證及固化這些規律和策略，繼而再嚴格執行這些已固化的策略來指導投資，以求獲得可持續的、穩定且高于平均的超額回報。

對于量化交易中模型與人到底是什么關系？比如中醫與西醫的診療方法，中醫是望、穩、問、切，最后判斷出的結果，很大程度上基于中醫的經驗，定性程度上大一些；而西醫就不同了，先要病人去拍片子、化驗等，這些都要依托于醫學儀器，最后得出結論，對癥下藥。

以此形容的話，可以說定性投資像中醫，更多地憑主觀臆斷和個人經驗判斷病在哪里；量化交易像西醫，依靠數量模型判斷，而這些模型對于使用量化交易的投資者的作用就像CT機對于醫生的作用。在每一天的投資運作之前，一般都會先用模型對整個市場進行一次全面的檢查和掃描，然后根據檢查和掃描結果做出投資決策。

量化交易靠概率取勝

和傳統投資方式相比，量化交易的視角更廣，它借助計算機高效、準確地處理海量信息，更廣泛地尋找和驗證投資機會，消除投資組合配置的局限性，并依靠計算機配置投資組合，克服人性弱點，使投資決策更科學、更理性。

具體來說，這個新興的投資方法，與我們那些傳統的看指標判斷、聽消息判斷、簡單看財務報表判斷等定性投資方法相比較，主要有以下幾大優勢：

量化交易有著嚴格的紀律性。比如，如果有人問你，某年某月某一天，你為什么購買某支股票的話，你就可以打開量化交易系統，系統會顯示出當時被選擇的這只股票與其他股票在成長面上、估值上、資金上、買賣時機上的綜合評價情況，而且這個評價會非常全面，比普通投資者拍腦袋或者簡單看某一個指標買賣更具有說服力。

它系統性較完備，具體表現為“三多”，包括多層次、多角度、多數據。因為人腦處理信息的能力是有限的，當一個資本市場只有100只股票，這對定性投資基金經理有優勢，他可以深刻分析這100家公司。但當有成千上萬只股票時，量化交易就可以充分發揮它強大的信息處理優勢，捕捉更多、拓展更大的投資機會。

另外，定性投資大部分時間在琢磨哪一個企業是偉大的企業，那個股票是可以翻倍的股票，而量化交易大部分精力花在分析哪里是估值洼地，哪一個品種被低估了，買入低估的，賣出高估的。

量化交易靠概率取勝。這表現為兩個方面，首先量化投資不斷地從歷史中挖掘，有望在未來重復的歷史規律，并且加以利用。其次它在股票實際操作過程中，運用概率分析，提高買賣成功的概率和倉位控制。

量化投資者也有噩夢

事實上，量化交易的方法在海外已有30多年的發展歷史，素以投資業績穩定，抗風險能力強著稱，目前已經成為海外基金管理投資市場的重要方法。

而與海外成熟市場相比，量化交易以基本面分析為驅動，以全市場、多維度的視角廣度掃描投資機會，在中國市場的應用將更顯其優勢。

不過，在談及這么多利好之后，還是要“潑一次冷水”。不要以為不停閃爍的超級電腦自動進行著高速交易，熒幕上滾動著通過高速網絡提前獲取的最新市場消息，加上通過杠桿放大的頭寸，賬戶的盈利不斷上跳，這一切的一切就預示著“可以躺著賺錢的時代”來臨了，現實并沒有這么美好。

相對來說，量化交易目前還處在初級發展階段，比如基本面投資者只需簡單的基于預測特定事件，比如超過或差于預期的財報做交易即可。而量化交易者則需要搞清楚具體消息對股價的平均影響程度，這就不是一件容易的事了，因為你的研究對象時刻還在變化著。

不僅如此，研究出一套只基于公司財報的交易系統不難，比如基于超出預期的營收或股息來買入。但是供給面的情況、消費者層面的情緒納入交易模型中，也比較麻煩。

同時，股票、基本面、新聞消息之間的關系也是不停變化著的。記得2009年美股到達低點的時候，很多“低質”公司的回報大大高于“優質”公司的回報。很多3塊錢的“垃圾股”可以在很短時間內漲到10塊錢，而高價的優質公司的股票想要翻一倍都要花上很久很久。對于基本面投資者來說，這是掘金的好時候，但對于量化投資者來說卻是噩夢，因為大多數模型此時都會顯示做多“優質股”做空“垃圾股”，后果則可想而知。

篇10

[DOI]10.13939/ki.zgsc.2015.25.083

Alpha策略最初的理論基礎是套期保值，是由美國經濟學家H.working提出的，隨后股指期貨的面市，量化研究便激發了人們濃厚的興趣。傳統的資產管理者理念的哲學基礎大部分為追求收益風險平衡，然而平均市場收益與超額收益又很難達到絕對的均衡，因此將超額收益也即Alpha分離出來，建立起基于Alpha策略的量化投資，有助于指導投資實踐。

1 Alpha策略在量化投資中的應用意義

量化投資指的是以現代計算機技術為依托，通過建立科學的數學模型，在充分掌握投資環境的基礎上踐行投資策略，達到預期的投資效果。采用量化投資方式的優點包括其具有相當嚴格的紀律性、系統性，并且對投資分析更加準確與及時，同時還具有分散化的特點，這使得策略的實施過程更加的機動靈活。量化投資過程使用的具體策略通常有量化選股、量化擇時、統計套利、高頻交易等，每一種策略在應用過程各有千秋，而Alpha策略屬于量化選股的范疇。傳統的定性投資也是投資人基于一種投資理念或者投資策略來完成整個投資活動的，最終的目的是要獲得市場的占有率，并從中取得豐厚的利潤。從這個角度來衡量，量化投資與傳統投資的本質并無多大差別。唯一不同的是量化投資對信息處理方式上和傳統定性投資有著很大的差異性，它是基于現代信息技術、統計學和現代金融工程理論的基礎上完成對各類數據信息的高效處理，在對信息處理的速度、廣度上是傳統定性投資無法比擬的。在對投資風險的控制方面也具有很大的優勢，是國際投資界興起的新型投資理念和應用方法，也在日益成為機構投資者和個人投資者共同選用的有效投資方案。現階段量化投資的技術支撐和理論建設的基礎包括人工智能技術、數據挖掘、支持向量機、分形理論等，這些現代信息處理與數據統計方式為量化投資的可操作性提供了堅實的基礎。

Alpha策略在量化投資中的使用優點主要是對投資指數所具有的價值分析與評定。它不是依賴于對大盤的走向變化或者不同股票組合策略趨勢的分析，對投資價值的科學分析與合理評估更能吸引投資者的目光。Alpha策略重視對沖系統風險所獲得的絕對收益，在股票投資市場上是一種中性的投資方式，具體的程序有選擇資產、對資產的優化組合、建立具體組合方式、定期進行調整。為了促進該策略在投資市場中獲得良好的收益，就必須先要重視優秀的選股策略，其次是重視期貨對沖平均市場收益的時候所產生的風險控制問題。對沖系統風險時，若是能夠及時地對投資組合與相關的股指期貨的平均市場收益指進行精準地判定和預測，那么將會對整個投資行為產生積極的影響。

2 基于Alpha策略的量化投資具體策略和實踐方法

通常情況下，Alpha策略所獲得的實際收益并不是一成不變的，這與該策略本身的特定有關，具體表現在周期性與時變性上。

Alpha策略的時變性主要是指當時間產生變化時，超額收益也會隨之而改變。需要清除的是Alpha反映的就是上市公司超越市場的預期收益，因此屬于公司資產未來估值預期的范疇，所以上市公司自身所處的發展階段和發展環境不同，那么就會給Alpha帶來影響。由于時變性的特點，這就給策略的具體估計模型的設立帶來了更多不可確定的因素，為此，參照對Alpha滿足不同動態假設的理論基礎，建立起一個可以獲得不同種類估算的模型，同時假定在同一個時間范圍內，超額收益和市場平均收益都保持恒定不變，這就極大地簡化了計算的過程與步驟。也就是說在該段時間內，市場上股票投資組合基本面不會有太大的變化與波動，這就與實際的投資狀況基本達成一致。對于投資策略的調整則要根據上市公司重大事項發生情況而定，那么估算的時間單位周期可以采用每日或者每周估算，對每一個季度的歷史數據進行調整也可以作為一種調整方式，反映公司季度行情。對于具體證券而言，采用季度或者每周的調整頻率則不是最為理想的，還要針對公司情況與市場行情綜合調整。

Alpha的周期性特點在交替出現的正負號上最為突出，導致這一情況產生的原因主要是行業的周期性特征與套利效應共同造成的。具體而言，首先不同類型的證券分別屬于不同的行業所有，當行業處于景氣周期循環狀態下會影響Alpha的符號與大小，同時景氣程度的深與淺也會對此產生影響。其次一個股票組合產生非常大的超額收益情況下，市場中的其他機構投資者或者個人投資者就會不斷地參與到該組合的投資中來，最后會導致Alpha逐漸接近于零。因此在建立不同策略的組合方面，要針對每一個季度的具體情況和波動率，進行綜合性地評價與分析，并及時地做出必要的調整，以便最大限度地獲得市場收益。

量化投資中的Alpha策略并不是一種單一類型的策略，不同的策略都在尋求獲得超額收益的市場機會和可能性。現階段市場上采用的Alpha策略主要有多因子選股策略、動量策略或者反轉策略、波動性策略、行業輪動策略、行為偏差策略等，每一種策略在具體實施過程中都有其特征性，并且可以相互結合使用，發揮出綜合預測和評價的作用。

多因子選股策略是必要和常用的選股方式，最大的優勢是可以將不同種類和模塊的信息進行高效化綜合分析與評價后，確定一個選股最佳方案，從而對投資行為進行指導。該種選股策略的模型在建立方面比較容易，是量化投資中的常用方式。同時多因子模型對反映市場動向方面而言具有一定的穩定和可靠性，這是因為所選取的衡量因子中，總有一些可以把握住市場發展行情的特征，從而體現其本來就有的參考價值。所以在量化投資過程中，很多投資者都使用多因子模型對其投資行為進行評估，無論是機構投資者或者是個人投資者，都能夠從中受益。多因子選股策略模型的建立重點在于對因子的剔除和選擇上，并要合理判斷如何發揮每一個因子的作用，做出綜合性的評定。

動量策略的投資方式主要是根據價格動量、收益動量的預期與評定，對股票的投資進行相應的調整，尤其是針對本身具有價格動量的股票，或者分析師對股票的收益已經給予一定評級的股票，動量策略的應用效果會比較理想。在股票的持有期限內，某一只股票在或者股票投資的組合在上一段時間內的表現均佳，那么則可以判斷在下一段時間內也會具有同樣的理想表現，這就是動量效應的評價依據，從而對投資者的行為起到一定的影響作用。反轉策略和動量策略恰好相反，是指某一只股票或者股票投資組合在上一段時間內表現很不理想，然而在下一個時期反而會有突出的表現，這也給投資者帶來了一線希望，并對影響到下一步的投資策略的制定。

波動性策略也是Alpha策略的一種方式，主要是利用對市場中的各股運動和發展狀態的細致觀察與理智分析后，列出一些具有相當大的波動性的股票，同時這些股票的收益相關性也比較低，對此加以動態化的調整和規劃，從而逐漸獲得超額收益的過程。在一些多因子選股策略中也有機構投資者或者個人投資者將股票具有的波動性作為考察與評價因子之一，波動性策略經常和其他策略相結合來評價，這說明股票投資市場本身就具有一定的波動性，因此在投資過程中要慎重對待。