前言：我們精心挑選了數(shù)篇優(yōu)質(zhì)量化投資與分析文章，供您閱讀參考。期待這些文章能為您帶來啟發(fā)，助您在寫作的道路上更上一層樓。

第1篇

（一）傳統(tǒng)證券風(fēng)險(xiǎn)量化指標(biāo)的理論源頭

傳統(tǒng)的證券風(fēng)險(xiǎn)分析當(dāng)中必然會(huì)同一個(gè)與之如影隨形的概念聯(lián)系在一起，那就是收益，同時(shí)，在西方傳統(tǒng)的經(jīng)濟(jì)學(xué)當(dāng)中風(fēng)險(xiǎn)和報(bào)酬存在著這么一個(gè)函數(shù)關(guān)系，甚至在一些傳統(tǒng)的經(jīng)濟(jì)學(xué)課本上作者為了簡化兩者之間的關(guān)系，將兩者簡單的歸結(jié)為一個(gè)完美的線性關(guān)系，即風(fēng)險(xiǎn)與收益之間是一對一的數(shù)學(xué)關(guān)系，并且存在著這樣一個(gè)邏輯：風(fēng)險(xiǎn)越大，報(bào)酬或者收益也就越大，反之亦然。即使是稍微尊重事實(shí)一些的經(jīng)濟(jì)學(xué)教材也運(yùn)用了高等數(shù)學(xué)當(dāng)中線性回歸的方法將兩者的關(guān)系從非線性回歸為一對一的線性關(guān)系。除了學(xué)界對于風(fēng)險(xiǎn)的分析是從報(bào)酬或者收益出發(fā)的以外，在國外或者國內(nèi)的民間也有類似的對于兩者關(guān)系的表達(dá)，例如我國有句老百姓口中經(jīng)常說到的“富貴險(xiǎn)中求”就是對兩者的關(guān)系的簡單認(rèn)識。因此，傳統(tǒng)證券風(fēng)險(xiǎn)分析的源頭明顯是來源于對于報(bào)酬的分析。

（二）傳統(tǒng)證券風(fēng)險(xiǎn)量化指標(biāo)的數(shù)學(xué)方法的應(yīng)用

傳統(tǒng)的證券風(fēng)險(xiǎn)理論認(rèn)為證券的總風(fēng)險(xiǎn)=可分散的風(fēng)險(xiǎn)+不可分散的風(fēng)險(xiǎn)，其中可分散的風(fēng)險(xiǎn)主要指的是個(gè)別證券自身存在的風(fēng)險(xiǎn)，而不可分散的風(fēng)險(xiǎn)則是指市場風(fēng)險(xiǎn)，下面筆者介紹一下傳統(tǒng)證券風(fēng)險(xiǎn)量化的兩個(gè)重要的指標(biāo)――標(biāo)準(zhǔn)差與貝塔值。

第一，標(biāo)準(zhǔn)差。傳統(tǒng)證券風(fēng)險(xiǎn)理論認(rèn)為個(gè)別證券的風(fēng)險(xiǎn)可以從單個(gè)證券的報(bào)酬率為起點(diǎn)進(jìn)行分析。財(cái)務(wù)投資專家從高等數(shù)學(xué)當(dāng)中引入了一個(gè)衡量證券報(bào)酬率的波動(dòng)性量化分析的指標(biāo)――標(biāo)準(zhǔn)差來進(jìn)行對單項(xiàng)證券風(fēng)險(xiǎn)的判斷，進(jìn)而判斷出相同期望報(bào)酬率和不同期望報(bào)酬率時(shí)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(fā)生的概率；第二步，計(jì)算出期望報(bào)酬率，其實(shí)質(zhì)上是對于各類市場需求下的報(bào)酬率的加權(quán)平均數(shù)。第三步：根據(jù)標(biāo)準(zhǔn)差的數(shù)學(xué)公式計(jì)算出標(biāo)準(zhǔn)差，σ=[Σ（ri-?）2×Pi]1/2其中ri是第i只證券的報(bào)酬率，?是期望報(bào)酬率，Pi是第i只證券的報(bào)酬發(fā)生的概率。結(jié)論是在期望報(bào)酬率相同的時(shí)候，標(biāo)準(zhǔn)差越大證明該證券波動(dòng)越大，風(fēng)險(xiǎn)也就越大，反之亦然。在期望報(bào)酬率不同時(shí)引入了另外一個(gè)概念即離差，由于基本原理也是根據(jù)標(biāo)準(zhǔn)差衍生而得，在此不再贅述。[1]

第二，代表市場風(fēng)險(xiǎn)的貝塔值。我們在第一點(diǎn)中提到的標(biāo)準(zhǔn)差主要衡量的是單項(xiàng)證券的風(fēng)險(xiǎn)，而貝塔值的引入主要是考慮到了證券組合的風(fēng)險(xiǎn)構(gòu)成當(dāng)中不可分散的風(fēng)險(xiǎn)即市場風(fēng)險(xiǎn)。而貝塔值的測算公式從數(shù)學(xué)的角度來說實(shí)際上是利用了標(biāo)準(zhǔn)差的升級版公式即協(xié)方差，協(xié)方差主要是衡量了兩組數(shù)據(jù)之間的相關(guān)程度，以此來判斷證券組合的報(bào)酬率與市場報(bào)酬率之間的數(shù)理聯(lián)系，進(jìn)而判斷出不可分散的風(fēng)險(xiǎn)。理論上貝塔值的計(jì)算是βi=（σi /σm）ρim，其中βi第i個(gè)證券組合的市場風(fēng)險(xiǎn)程度，σi，σm分別第i個(gè)證券組合的標(biāo)準(zhǔn)差與市場證券組合的標(biāo)準(zhǔn)差，ρim代表第i個(gè)證券組合的報(bào)酬與市場組合報(bào)酬的相關(guān)系數(shù)。實(shí)際當(dāng)中β系數(shù)可以通過將股票報(bào)酬對市場報(bào)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(shù)，即β=Ri /Rm。[2]

二、價(jià)值投資理念下風(fēng)險(xiǎn)與報(bào)酬的關(guān)系

價(jià)值投資理念是華爾街之父本杰明格雷厄姆所創(chuàng)立，在其傳世之作《證券分析》當(dāng)中明確提出了有關(guān)投資與投機(jī)概念，其中論及投資界老生常談的收益與風(fēng)險(xiǎn)的問題時(shí)結(jié)論與傳統(tǒng)證券風(fēng)險(xiǎn)分析有著本質(zhì)的不同，格雷厄姆明確指出收益與風(fēng)險(xiǎn)之間不存在著數(shù)學(xué)關(guān)系，并且認(rèn)為證券的價(jià)格與收益并非取決于對于其風(fēng)險(xiǎn)的精確數(shù)學(xué)的計(jì)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(fēng)險(xiǎn)的認(rèn)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(fā)行與購買的容易程度等。[3]并進(jìn)一步指出，無論是理論上還是實(shí)際當(dāng)中，對投資風(fēng)險(xiǎn)進(jìn)行精確的計(jì)算都是不可能成功的，現(xiàn)實(shí)當(dāng)中并沒有所謂的期望報(bào)酬率的概率經(jīng)驗(yàn)表，即使存在也是基于對于歷史數(shù)據(jù)的分析得到了，而歷史數(shù)據(jù)之于未來決策的有用性或相關(guān)性的大小還有待考證，其研究范圍不同于保險(xiǎn)公司對于保單的精確測算，例如人壽保險(xiǎn)能夠明確的了解年齡與死亡率之間的關(guān)系是明確的。而證券的風(fēng)險(xiǎn)與報(bào)酬之間的關(guān)系則沒有如此的確定。[4]

三、價(jià)值投資理念下傳統(tǒng)證券風(fēng)險(xiǎn)量化分析的反思

以上筆者對于傳統(tǒng)的證券風(fēng)險(xiǎn)理論與量化方法以及價(jià)值投資理念下關(guān)于風(fēng)險(xiǎn)與收益的關(guān)系進(jìn)行了論述。筆者認(rèn)為，價(jià)值投資理念下有關(guān)論述對于我們重新審視證券投資中風(fēng)險(xiǎn)因素的衡量有著非常重要的意義。

首先，筆者認(rèn)為，標(biāo)準(zhǔn)差的計(jì)算過程本身就存在著無法避免的瑕疵，這一個(gè)公式至少有兩個(gè)基本假設(shè)，第一，計(jì)算的人必須能夠客觀的預(yù)測出各種市場情況發(fā)生的需求概率，并且準(zhǔn)確的在各種概率下發(fā)生的報(bào)酬率；第二，假定歷史數(shù)據(jù)對于未來的投資決策具有確定的相關(guān)性。但是在現(xiàn)實(shí)生活中根本是無法預(yù)測的，這種算法實(shí)質(zhì)上是硬將自然科學(xué)當(dāng)中的數(shù)學(xué)模型強(qiáng)加到社會(huì)問題的研究當(dāng)中，不可否認(rèn)的是，目前來說大量的社會(huì)問題是無法通過數(shù)學(xué)來量化的，因?yàn)樽C券的風(fēng)險(xiǎn)當(dāng)中不僅僅只有報(bào)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(dòng)態(tài)的變化。因此，標(biāo)準(zhǔn)差的方法受到了質(zhì)疑，后續(xù)的離差率、β值的計(jì)算自然也就沒有了根基。

其次，β值的測算除了上述由于標(biāo)準(zhǔn)差的非客觀性導(dǎo)致的不確定性的缺陷以外，筆者也針對實(shí)操當(dāng)中第二種公式進(jìn)行分析，β的第二種公式是β=Ri /Rm，從公式上來看，存在著明顯的邏輯上的可疑性，單個(gè)股票的收益率假如大于市場整體的收益率，則該只股票的風(fēng)險(xiǎn)就比市場風(fēng)險(xiǎn)大？這個(gè)觀點(diǎn)在《證券分析》當(dāng)中就已經(jīng)被很好地反駁了，在此，筆者只需要舉一個(gè)例子就足夠反駁這一個(gè)觀點(diǎn)，伯克希爾哈撒韋上市公司每股截至2017年6月5日是249660美元，每股收益率如果從上市之初可以用天文數(shù)字來形容，并且這家公司經(jīng)歷了無數(shù)次大大小小的金融危機(jī)，依然以遠(yuǎn)遠(yuǎn)超過市場平均的業(yè)績笑傲群雄，難道說他的風(fēng)險(xiǎn)要遠(yuǎn)遠(yuǎn)大于市場？這家公司是以價(jià)值投資的理念進(jìn)行風(fēng)險(xiǎn)評估和投資的。因此，筆者認(rèn)為中國的證券行業(yè)乃至我們有關(guān)的證券專家和學(xué)者們有必要從價(jià)值投資的理念來重新審視目前證券風(fēng)險(xiǎn)量化的指標(biāo)在實(shí)際當(dāng)中的效用。

第2篇

關(guān)鍵詞：分析 短線

中圖分類號：F832 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2012）09（c）-0252-02

2012年以來，以量化分析技術(shù)投資著稱的量化基金表現(xiàn)得一枝獨(dú)秀，逐漸從振蕩市中脫穎而出。一季度，上證綜指上漲2.88%，同期標(biāo)準(zhǔn)股票型基金平均業(yè)績?yōu)?.31%，而按照Wind分類的13只量化基金，其平均業(yè)績?yōu)?.92%，五行基金更是取得7.65%的正收益，在亞洲量化基金中排名第一，超越同期上證指數(shù)4.77個(gè)百分點(diǎn)。

美國私募基金復(fù)興科技公司的第一支純粹的量化投資基金—— 大獎(jiǎng)?wù)禄穑瑥?988年3月成立至2008年的21年里，平均年度凈收益高達(dá)36%，遠(yuǎn)遠(yuǎn)跑贏同期道指年均8.81%的漲幅，比索羅斯、巴菲特同期的業(yè)績高出10%，原因：一是數(shù)學(xué)家基金經(jīng)理；二是量化分析技術(shù)。

1 基本面分析量化分析是投資機(jī)構(gòu)先后采用的2種投資技術(shù)

基本面分析，是分析員和基金經(jīng)理通常采用研究財(cái)務(wù)報(bào)表，與公司高層會(huì)談，與相關(guān)人員荷香業(yè)專家討論等方式，對少數(shù)幾家公司股票（約10到100只股票）進(jìn)行非常深入的研究分析，來決定要投資哪些股票以及如何投資。在基本面分析分類中，會(huì)根據(jù)行業(yè)不同，有專員長期跟蹤和深入研究其中一個(gè)行業(yè)，而這幾名專員最后則會(huì)成投資這個(gè)行業(yè)的專家。在股票市場成立以來長期采用的較為傳統(tǒng)的分析和投資方式就是基本面分析。基本面投資，通過企業(yè)內(nèi)部財(cái)務(wù)報(bào)表的形式，來發(fā)現(xiàn)企業(yè)的潛在價(jià)值，以求企業(yè)得到穩(wěn)定持續(xù)的高額收益，一旦買入，長期持有。

量化分析，借助數(shù)學(xué)、物理學(xué)、幾何學(xué)、心理學(xué)甚至仿生學(xué)的知識，通過建立模型，進(jìn)行估值、擇時(shí)選股。量化分析員和量化基金經(jīng)理，通常會(huì)同時(shí)研究全盤數(shù)千支股票，分析的方式也可以是基于公司基本面的，但是會(huì)強(qiáng)調(diào)量化財(cái)務(wù)指標(biāo)。量化的指標(biāo)（又稱因子）也可以是其他更有特色的數(shù)據(jù)。從事量化分析投資的基金經(jīng)理通常不去上市公司實(shí)地調(diào)研，而是將精力放在不斷完善模型上，量化分析投資的模型是決定投資業(yè)績的關(guān)鍵，投資模型始終處于絕密狀態(tài)，不同市場設(shè)計(jì)不同的量化分析投資管理模型，在全球各種市場上進(jìn)行短線交易。

2 量化分析技術(shù)獲取超額投資收益之道

在變幻莫測的市場經(jīng)濟(jì)中，能否理性思考投資、不受情緒影響，將是成功的關(guān)鍵。而利用計(jì)算機(jī)的篩選得出的量化分析基金，不受投資中非理性因素影響，使投資更有計(jì)劃行、紀(jì)律性、規(guī)律性，基金管理人要做到不貪婪、不恐懼、不放棄，不受情緒影響，以一顆平常心追求利益瘦小。

量化分析，有一套完整、科學(xué)的投資體系。嚴(yán)格的紀(jì)律性是量化投資明顯區(qū)別于主動(dòng)投資的重要特征。在量化分析基金的運(yùn)作中，主觀判斷也會(huì)出現(xiàn)和量化分析模型相左的情兄，但會(huì)堅(jiān)持量化分析投資的紀(jì)律，相信模型判斷的長期穩(wěn)定性，不會(huì)盲目去調(diào)整改變。與傳統(tǒng)偏股型基金不同，量化分析基金采用獨(dú)特的投資組合管理方式，漸進(jìn)動(dòng)態(tài)調(diào)整基金組合。這樣不僅可以順應(yīng)瞬息萬變的市場，還可以降低個(gè)股集中度，平穩(wěn)投資業(yè)績。因此，這種方式并不會(huì)產(chǎn)生傳統(tǒng)意義的重倉股，也就大大降低了重倉個(gè)股的風(fēng)險(xiǎn)。

量化分析業(yè)績，來自于量化分析模型批量選股的成功率大于失敗率。量化分析的模型敏銳的“發(fā)覺”了開場環(huán)境的轉(zhuǎn)變，自動(dòng)調(diào)高了評估因子、預(yù)期因子及市場反轉(zhuǎn)因子的權(quán)重，量化分析模型依此邏輯選擇的股票大部分取得較好收益，提升了整體業(yè)績。

3 量化分析技術(shù)創(chuàng)始人并非經(jīng)濟(jì)學(xué)家。

量化分析技術(shù)并非發(fā)端于華爾街，不少人最初并非經(jīng)濟(jì)學(xué)家，如巴契里耶和布萊克原先是數(shù)學(xué)家，夏普則從事醫(yī)學(xué)，奧斯伯恩為天文學(xué)家，沃金與坎德爾是統(tǒng)計(jì)學(xué)家，而特雷諾則是數(shù)學(xué)家兼物理學(xué)家。1970年代美國債券市場和股票市場全面崩盤，當(dāng)時(shí)提出用量化分析方法管理投資組合的人是作家彼得·伯恩斯坦。1952年3月發(fā)表“投資組合選擇”論文、提出現(xiàn)代財(cái)務(wù)和投資理論最著名遠(yuǎn)見的馬克維茨，以該理論勉強(qiáng)通過博士答辯，到1990年10月，這些人中才有三位獲得諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。

2012年，美國倫斯理工學(xué)院金融工程碩士李炬澎，依據(jù)5000年中國古老的《易經(jīng)八卦數(shù)理》研發(fā)立體數(shù)量模型分析微觀經(jīng)濟(jì)，用超高頻率政治外交詞匯、交易數(shù)據(jù)、股票期權(quán)數(shù)據(jù)、公司債務(wù)數(shù)據(jù)來做個(gè)股分析，用《五行相克相生原理》來分析自然、社會(huì)、政治、人文如何影響宏觀經(jīng)濟(jì)。比如用計(jì)算機(jī)分析新聞報(bào)道中天地雷風(fēng)水火山澤8中自然天文現(xiàn)象與宏觀經(jīng)濟(jì)關(guān)聯(lián)程度，使五行基金取得亞洲量化分析投資行業(yè)第一名的業(yè)績。

4 量化分析技術(shù)應(yīng)用的載體是計(jì)算機(jī)軟硬件技術(shù)的發(fā)展

馬克維茨的投資組合現(xiàn)代金融理論，提出了風(fēng)險(xiǎn)報(bào)酬和效率邊界概念，并據(jù)此建立了模型，成為奠基之作。托賓隨后提出了分離理論，但仍需要利用馬克維茨的系統(tǒng)執(zhí)行高難度的運(yùn)算，1961年，與馬克維茨共同獲得1990年諾貝爾獎(jiǎng)的夏普用IBM最好的商用電腦，解出含有100只證券的問題也需要33mim。夏普1963年1月提出了“投資組合的簡化模型”（單一指數(shù)模型），簡化模型只用30s。1964年夏普又開發(fā)出資本資產(chǎn)定價(jià)模型（CAPM），不僅可以作為預(yù)測風(fēng)險(xiǎn)和預(yù)期回報(bào)的工具，還可以衡量投資組合的績效，以及衍生出在指數(shù)型基金、企業(yè)財(cái)務(wù)和企業(yè)投資、市場行為和資產(chǎn)評價(jià)等多領(lǐng)域的應(yīng)用和理論創(chuàng)新。1976年，羅斯在CAPM的基礎(chǔ)上，提出“套利定價(jià)理論”（APT），提供一個(gè)方法評估影響股價(jià)變化的多種經(jīng)濟(jì)因素。布萊克和斯克爾斯提出了“期權(quán)定價(jià)理論”。莫頓則發(fā)明了“跨期的資本資產(chǎn)定價(jià)模型”。

5 量化分析應(yīng)用的關(guān)鍵是基本面分析無法快速精確處理豐富的金融產(chǎn)品和巨大交易量

1970年代以前，華爾街認(rèn)為投資管理需要天賦、直覺以及獨(dú)特的駕馭市場的能力，基本面分析師、基金經(jīng)理可以獨(dú)力打敗市場，而無需依靠那些缺乏靈魂、怪異的數(shù)學(xué)符號和縹緲虛幻的模型。華爾街對學(xué)術(shù)界把投資管理的藝術(shù)，轉(zhuǎn)化成通篇晦澀難懂的數(shù)學(xué)方程式一直持有敵意，1970年代初期，美國表現(xiàn)最佳的基金經(jīng)理人從未聽過貝塔值，并認(rèn)為那些擁有數(shù)學(xué)和電腦背景的學(xué)者只是一群騙子。

量化分析投資不會(huì)出現(xiàn)在個(gè)人投資者為主的時(shí)代。個(gè)人投資者既缺乏閑暇的時(shí)間，也普遍無此能力。僅有現(xiàn)資理論的建立，及各類模型的完善與推陳出新，并不會(huì)直接催生出量化分析投資，它還需要其他幾個(gè)重要前提條件，比如：機(jī)構(gòu)投資者在市場中占據(jù)主導(dǎo)，隨著社保基金和共同基金資產(chǎn)的大幅增加，成為市場上的主要機(jī)構(gòu)投資者，專業(yè)機(jī)構(gòu)管理大規(guī)模資產(chǎn)，需要新的運(yùn)作方式和金融創(chuàng)新技術(shù)，專業(yè)的投資管理人有能力和精力專注地研究、運(yùn)用這些量化分析技術(shù)。

1970年代后期的Wells Fargo銀行，率先用量化分析技術(shù)管理投資組合，投資高股息股票，用較少的風(fēng)險(xiǎn)獲得了較大的收益，不用這些模型，不用電腦運(yùn)算這些公式，會(huì)陷于困境。1980年代以來，面對數(shù)不勝數(shù)的各類證券產(chǎn)品和期權(quán)類產(chǎn)品，以及龐大的成交量，許多復(fù)雜的證券定價(jià)，必須靠大容量高速運(yùn)算的電腦來完成。到2007年美國股市近一半的機(jī)構(gòu)基金都是由量化模型來管理的。從2000年初到2007年全球量化分析基金市場連續(xù)8年表現(xiàn)遠(yuǎn)遠(yuǎn)超過其他投資方式。

6 量化分析在應(yīng)對經(jīng)濟(jì)危機(jī)和突發(fā)經(jīng)濟(jì)事件中開拓前進(jìn)

1987年10月大股災(zāi)，當(dāng)天股市和期貨成交量高達(dá)令人吃驚的410億美元，價(jià)值瞬間縮水6000億美元。很多股票直接通過電腦而不是經(jīng)由交易所交易。一些采用投資組合保險(xiǎn)策略的公司，在電腦模式的驅(qū)使下，不問價(jià)格機(jī)械賣出股票。很多交易員清楚這些投資組合會(huì)有大單賣出，寧愿走在前面爭相出逃，加劇了恐慌。針對整個(gè)投資組合而非單個(gè)證券，機(jī)械式的交易，電腦的自動(dòng)操作，大量的空單在瞬間涌出，將市場徹底砸垮。

1997年至1998年亞洲金融危機(jī)股市暴跌，量化分析投資的算法交易也起到了同樣的壞作用。著名的長期資本管理公司，遭遇俄羅斯國債違約這一小概率事件，也陷入破產(chǎn)之境，迫使美聯(lián)儲(chǔ)集華爾街諸多投資銀行之力，加以救助。

2007年8月金融危機(jī)中，許多量化基金出現(xiàn)巨額損失。其原因主要是幾家大型對沖基金大量賣出它們的量化分析基金股票，去彌補(bǔ)其在其他投資方式上的損失。由于很大相同倉位的股票在很短的時(shí)間內(nèi)被廉價(jià)賣出，從而加劇了很多投資指標(biāo)的損失，尤其是價(jià)值和動(dòng)量指標(biāo)的損失。

2011年即使歐債金融危機(jī)發(fā)生，量化分析基金也再次表現(xiàn)優(yōu)異，超過其他投資方式，雖然能否就此再度復(fù)興仍屬未知，此一趨勢已不可逆轉(zhuǎn)。

7 量化分析技術(shù)今后幾年全球應(yīng)用的熱點(diǎn)在中國的A股市場

中國金融、資本、股市投資者結(jié)構(gòu)很不合理，A股市場的專業(yè)投資機(jī)構(gòu)持有市值的15.6%，而發(fā)達(dá)市場這一比例大致為70%。更為不合理的是交易結(jié)構(gòu)，A股市場個(gè)人投資者持有市值占比26%，但卻完成了85%的交易。根據(jù)Wind分類，目前我國市場上共有13只量化基金，包含11只普通股票型基金，1只指數(shù)基金和1只偏股混合基金。

中國現(xiàn)有的人才和技術(shù)都難以支持完全的量化分析投資，在缺乏國際化人才和成熟模型的情況下，經(jīng)營業(yè)績自然也差強(qiáng)人意。

量化分析今后幾年全球熱點(diǎn)在中國的A股市場。現(xiàn)在主要發(fā)達(dá)國家的股市很大程度上由量化基金所控制。為了尋找更高收益的市場，很多大型量化基金也開始大量投資于發(fā)展中國家市場，中國的A股市場是今后幾年全球量化分析投資熱點(diǎn)，所以近年來很多北美和歐洲的高層量化分析基金經(jīng)理和分析員紛紛到中國大陸、香港和新加坡推廣量化投資技術(shù)。這是國際國內(nèi)的金融市場和投資者，都要面對的機(jī)會(huì)和挑戰(zhàn)。

量化分析基金2002年才在中國剛剛起步，到2009年和2010年，才真正進(jìn)入快速發(fā)展期，2010年末量化基金的總規(guī)模達(dá)到了779億元。雖然規(guī)模有顯著提升，但是與國外市場量化分析基金占共同基金總資產(chǎn)16%相比，國內(nèi)量化分析基金還有非常大的發(fā)展空間。

第3篇

關(guān)鍵詞：量化投資；傳統(tǒng)投資；模式數(shù)學(xué)模型；自變量參數(shù)

1量化投資簡介

1.1基本概念

量化投資是一種借助于計(jì)算機(jī)高效計(jì)算程序進(jìn)行復(fù)雜運(yùn)算，以金融產(chǎn)品未來收益與風(fēng)險(xiǎn)為研究對象的新型投資方式。量化投資的基礎(chǔ)是以股票價(jià)格、日成交額等大數(shù)據(jù)庫數(shù)據(jù)為參考樣本數(shù)據(jù)并建立數(shù)學(xué)模型，運(yùn)用仿真分析及迭代方法不斷修正數(shù)學(xué)模型，直到數(shù)學(xué)模型可以用來預(yù)測指導(dǎo)投資交易。任何一個(gè)投資的方案或者設(shè)想，都可以為它設(shè)計(jì)一個(gè)數(shù)學(xué)模型，然后借助大數(shù)據(jù)庫的現(xiàn)有數(shù)據(jù)進(jìn)行迭代法測試分析，以此來判別數(shù)學(xué)模型的有效性。傳統(tǒng)投資方式基本上是對傳統(tǒng)的技術(shù)分析和公司的經(jīng)營狀態(tài)基本分析，存在一定的局限性；相比之下量化投資分析是基于對大數(shù)據(jù)市場數(shù)據(jù)的，數(shù)據(jù)樣本空間容量足夠大，而且可以快速進(jìn)行運(yùn)算并排除投資者個(gè)人心理因素的主觀影響，科學(xué)性和時(shí)效性更強(qiáng)。此外，量化投資是一種主動(dòng)性的投資方式，在進(jìn)行數(shù)學(xué)模型選擇、自變量選取、數(shù)學(xué)模型的驗(yàn)算迭代都是投資行為的主動(dòng)部分。

1.2交易內(nèi)容及方法

量化投資交易的內(nèi)容主要是量化策略以及交易策略，在制定交易策略時(shí)必須立足于投資市場、投資產(chǎn)品以及分配在內(nèi)等。具體交易平臺則是靠以計(jì)算機(jī)計(jì)算程序?yàn)榛A(chǔ)的線上交易平臺系統(tǒng)。進(jìn)行量化投資交易時(shí)通常會(huì)遇到各種較為復(fù)雜的情況，但是基本前提都是要依據(jù)現(xiàn)有的既定的大量數(shù)據(jù)庫數(shù)據(jù)，靈活采用各種方法來判斷投資對象是否值得投資。總體來說，量化投資有估值法、資金法和趨勢法三種。

2量化投資現(xiàn)狀

從理論上來說，每個(gè)量化投資者的決策行為可以被同化為理性預(yù)期、風(fēng)險(xiǎn)規(guī)避、嚴(yán)格效用基本一致的理想化模型。然而現(xiàn)實(shí)情況中每個(gè)人的心理活動(dòng)、出發(fā)點(diǎn)、知識水平等都存在差異，進(jìn)行量化投資時(shí)人們作出的決策也存在差異。人的非理性行為與理性行為都是客觀存在的，而且非理性行為對理性行為也存在著一定的影響，因此投資人在進(jìn)行投資決策時(shí)并不能完全理性地進(jìn)行選擇。綜上所述，非理性人的客觀存在使投資人在進(jìn)行投資決策時(shí)不能完全忽視個(gè)人的心理因素。既然個(gè)人的心理因素?zé)o法排除，那么在建立決策分析數(shù)學(xué)模型時(shí)，就應(yīng)該把個(gè)人的心理因素考慮在內(nèi)。當(dāng)前我國國內(nèi)量化投資有以下幾個(gè)特點(diǎn)：(1)個(gè)人投資者占總投資者的比例很高。上文已經(jīng)提到投資者個(gè)人的非理性客觀存在且不可避免，那么眾多量化投資者的非理性因素間接影響我國量化投資市場。(2)我國的量化投資市場雖然發(fā)展迅速但仍不成熟。與美國及歐洲發(fā)達(dá)國家相比，我國量化投資市場只能是一個(gè)新興的市場，直接表現(xiàn)在各方面的信息不完整且難以搜集，一些基礎(chǔ)數(shù)據(jù)我們只能自己想方設(shè)法地去開發(fā)獲取。(3)量化投資行業(yè)的企業(yè)構(gòu)成比較復(fù)雜。目前我國量化投資行業(yè)的企業(yè)種類比較多，跨越眾多不同的領(lǐng)域。加上我國量化投資市場還處于新生期，市場不穩(wěn)定信息變化較快，因此量化投資行業(yè)的可用層面指標(biāo)數(shù)目非常少且指標(biāo)數(shù)值經(jīng)常變化。當(dāng)前我國量化投資者正是依據(jù)當(dāng)前行業(yè)的特點(diǎn)，從不同的層面和角度驗(yàn)證分析，建立泡沫型數(shù)學(xué)分析模型，才能獲得巨大的利潤。(4)量化投資策略研究落后。通過把我國量化投資策略與美國及西方發(fā)達(dá)國家的量化投資策略進(jìn)行對比，發(fā)現(xiàn)我國現(xiàn)有的量化投資策略嚴(yán)重落后。國外的量化策略研究是在大量的事件、數(shù)據(jù)積累分析的基礎(chǔ)上，腳踏實(shí)地潛心研究總結(jié)出來的。現(xiàn)階段我國量化策略研究多是借用國外的策略，結(jié)合國內(nèi)的量化投資行業(yè)的實(shí)際現(xiàn)狀進(jìn)行修正得來的。當(dāng)前我們還缺少指導(dǎo)量化投資行業(yè)的專家、指導(dǎo)著作，為此我國國內(nèi)的一些高等院校開始著手量化投資策略的研究并取得了初步的成效。

3量化投資優(yōu)勢

量化投資是在定性投資基礎(chǔ)上進(jìn)行繼承和延伸的一種主動(dòng)投資工具。定性投資的核心是對宏觀經(jīng)濟(jì)和市場基本面進(jìn)行深入的分析，再加上實(shí)地調(diào)研上市公司以及與上市公司的管理層進(jìn)行經(jīng)驗(yàn)交流，最終把調(diào)研結(jié)果整理成專題報(bào)告，把報(bào)告作為決策依據(jù)。不難看出定性投資帶有很大的個(gè)人主觀判斷性，它完全依賴于投資經(jīng)理個(gè)人經(jīng)驗(yàn)以及對市場的認(rèn)知。量化投資在調(diào)研層面與定性投資相同，區(qū)別在于量化投資更加注重?cái)?shù)據(jù)庫大數(shù)據(jù)，運(yùn)用各種方法發(fā)現(xiàn)運(yùn)用大數(shù)據(jù)所體現(xiàn)出來的有用信息，尋找更優(yōu)化的投資方式以獲得大額收益，完全避免了投資經(jīng)理個(gè)人的主觀臆斷和心理因素，更加科學(xué)合理。綜上所述，與定性投資相比，量化投資具有以下優(yōu)勢。

3.1投資方式更加理性

量化投資是采用統(tǒng)計(jì)數(shù)學(xué)與計(jì)算機(jī)建模分析技術(shù)，以行業(yè)大數(shù)據(jù)庫為參考，取代了個(gè)人主觀判斷和心理因素的科學(xué)客觀投資方法。很明顯，行業(yè)大數(shù)據(jù)的樣本容量已遠(yuǎn)遠(yuǎn)高于有限的對上市公司調(diào)研所形成的樣本容量；在進(jìn)行投資決策時(shí)，把決策過程科學(xué)化數(shù)量化可以最大程度的減少投資者決策時(shí)個(gè)人情感等心理因素對決策結(jié)果的影響，從而避免了錯(cuò)誤的選擇方向。

3.2覆蓋范圍大效率高

得益于因特網(wǎng)的廣泛實(shí)施應(yīng)用，與各行各業(yè)的運(yùn)行數(shù)據(jù)都可以錄入大數(shù)據(jù)系統(tǒng)形成體量巨大的數(shù)據(jù)庫；得益于計(jì)算機(jī)行業(yè)云時(shí)代到來對計(jì)算分析速度的革命性變革，在極短的時(shí)間內(nèi)就可以得到多種量化投資的投資方法。定性投資方式進(jìn)行決策時(shí)，由于決策人的精力和專業(yè)水平都存在一定的局限性，自然其考慮投資的范圍要遠(yuǎn)遠(yuǎn)低于電腦決策，二者根本沒有可比性。綜上所述，雖然與定性投資相比，量化投資具有明顯的優(yōu)勢，但是二者的目的是相同的，都以獲得最大收益為目的，多少情況量化投資與定型投資可以互相補(bǔ)充，搭配使用會(huì)起到意想不到的效果。

4量化投資的劣勢

上文已經(jīng)提到量化投資的決策過程依賴于大數(shù)據(jù)庫以及計(jì)算機(jī)分析系統(tǒng)的科學(xué)決策，因此只要投資思想正確量化投資就不會(huì)出現(xiàn)錯(cuò)誤。然而即使是投資思想及決策過程都沒有問題，也不意味著量化投資完美無缺。量化投資本質(zhì)上是對某一特定基準(zhǔn)面的分析，事實(shí)上基準(zhǔn)面有時(shí)范圍過小，縱然決策過程合理化、無偏差，量化投資也存在一定的局限性。量化投資的另一特點(diǎn)是進(jìn)行考察決策時(shí)覆蓋的市場面非常廣泛，在當(dāng)前國民經(jīng)濟(jì)快速發(fā)展的時(shí)代，人們對市場的認(rèn)知難免出現(xiàn)盲區(qū)或者對某一個(gè)局部了解不充分的現(xiàn)象，此種情況下量化投資的正確性就很難保證。

4.1形成交易的一致性

基于量化投資的低風(fēng)險(xiǎn)特性，人們更多地依賴于采用大數(shù)據(jù)云分析平臺進(jìn)行決策，如此大家對某一行業(yè)的市場認(rèn)知以及投資決策水平就處在同一認(rèn)知層次上，當(dāng)遇到極端的市場行情時(shí)，人們作出的交易決策往往一致，即容易達(dá)成交易的一致性。例如期貨行業(yè)以及股票行業(yè)，在市場行情動(dòng)蕩的特殊時(shí)期，人們往往選擇在同一時(shí)機(jī)拋出股票或者期貨，這種大規(guī)模的一次性拋盤則會(huì)造成在預(yù)期拋售價(jià)格基礎(chǔ)上的劇烈波動(dòng)，導(dǎo)致投資者的實(shí)際收益在一定程度上低于預(yù)期收益。此種情形下又會(huì)引起新一輪投資恐慌，不利于市場的穩(wěn)定發(fā)展。

4.2指標(biāo)鈍化和失效

任何一個(gè)行業(yè)的某一個(gè)市場承載投資者的容量都是有限的，從戰(zhàn)略投資的角度來看，當(dāng)某一個(gè)市場的產(chǎn)業(yè)鏈較為成熟、技術(shù)門檻較低時(shí)，投資者進(jìn)入該市場就會(huì)容易很多，當(dāng)市場的承載量大大低于投資者進(jìn)入數(shù)量時(shí)，既定的投資策略則會(huì)失效。例如某一企業(yè)的某只股票第一年能獲得50%的收益，第二年則降為20%的收益，第三年可能是5%，第四年就沒有收益了。諸如趨利反轉(zhuǎn)策略、套利策略現(xiàn)在已經(jīng)非常大眾化且投資者已經(jīng)達(dá)成共識，一擁而上集中式進(jìn)行投資就會(huì)導(dǎo)致投資評價(jià)指標(biāo)鈍化甚至失效。