量化投資主要方法精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的量化投資主要方法主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：量化投資主要方法范文

2011年7月1日，本刊正式引入《今日投資66》專欄，介紹今日投資66的選股邏輯、方法以及挑選出的股票。今日投資66（簡稱I66）是利用量化投資方法挑選出的一個66只股票的組合。其實早在2005年中今日投資就推出了I66，過去幾年累計收益率達到16倍，遠超同期市場不到3倍的漲幅。為什么直到今日我們才大張旗鼓地推出I66呢？原因其實很簡單，因為市場環境。量化投資近幾年在中國快速發展，其投資理念也越來越多地獲得認同。

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

量化基金效果如何，無法脫離資本市場環境的成熟度。量化模型的運用有重要的前提條件，是必須在一個相對成熟穩定的市場中運行，這種市場環境下基于歷史數據設計的模型才可能延續其有效性。國內股市曾經大起大落，市場結構和運行規律都發生過質變。在這種情況下量化模型有可能跟不上市場本身的改變，嚴格的量化投資也難以適應變化。這或許是這種舶來品水土不服的一大原因。可以說，早期的A股市場并不適合量化投資理念，而隨著市場逐漸成熟，量化投資的優勢才開始逐漸顯現。近兩年量化投資基金數量成倍增加，也是對這一趨勢的反映。

第2篇：量化投資主要方法范文

從業績來看，量化基金的長期業績表現相當不俗。根據中信證券、Wind統計數據顯示，2010年底已經打開申購、贖回的量化基金中，有5只是以滬深300指數作為業績比較基準的，這5只基金從建倉期結束到2011年5月6日均跑贏滬深300指數，年化超額收益率平均為9.1%。

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。

除了業績表現出色外，小盤股本身也非常適合量化投資。首先，目前分析師研究充分覆蓋的股票主要是白馬股，大量的小市值上市公司沒有被覆蓋或只被少量分析師覆蓋。如果想從基本面分析的角度去投資一個小盤股，往往找不到反映上市公司最新情況的研究報告，這就為量化投資提供了用武之地。其次，由于目前A股市場中有1500多只股票可以劃在小盤股的范疇內，因此用基本面分析的方法去研究這么多股票很難對每一只股票都做深入的分析。而即便是發現了優秀小盤股，受流動性、基金契約和監管部門的限制，也無法投入較多的資金。用量化的方法分析小盤股，通過比較同行業股票的估值、盈利能力、成長性以及近期走勢等，則可以以較低的研究成本獲取投資收益。

第3篇：量化投資主要方法范文

而今天的股市又與七八年前的股市截然不同，上市公司越來越多，投資工具越來越繁瑣，投資策略越來越多元，市場越來越全面和有效。這時一種新潮的投資策略流脫穎而出――量化投資。它是今天最為流行的私募噱頭，沒有之一。

叫它噱頭不僅僅是因為現在近千個正在發行的私募產品中有50%以上是套用各種量化的名頭，更為重要的一點是，很多這些所謂的私募量化基金產品其實做的還是以前的信息優勢，關系優勢，坐莊手法等傳統主觀和資金推動的老把戲。僅僅利用一些比較初級和簡單的量化工具作為借口，勉強地把換湯不換藥的老手段用新量化概念加以包裝而已。

量化三策

真正的量化投資領域里還可以較為粗略的分成量化套利、量化對沖和量化趨勢三個主要的大本營。

其中量化套利屬于聽起來很高大上，但是經過本土化之后，會發現一個慘酷的事實即所有套利空間都會在比任何市場短很多的時間里被數以億計的群眾們瞬間抹殺。所以量化套利幾乎淪落為一個沒什么頭發的中年IT男在一個喧鬧的金融中心的暗淡孤獨的角落里含胸偷笑的瞬間。

量化對沖看上去更加接近市場，甚至從某種角度而言勝于市場。因為量化對沖者們嘴里充滿了Alpha，Beta，Tracking Error，Sharp Ratio等聽起來比營業部老大爺高級很多的術語。他們最基礎的理論就是自己可以通過各種手段找到上漲時比大盤上漲更多的股票，同時利用各種衍生產品對沖資產池中的市場整體收益敞口（簡單說賣空大盤）。

這是一個聽起來很好的主意。這也是最多假量化的存身之所。可是他們真正的選股手段其實還是消息和看K線。同時，他們最痛苦的就是大盤股沒有底線瘋漲的同時小盤股瘋狂的下跌。兩邊一同積壓的結果就是雙重虧損。這時如果這個投資組合里再來點中國最近流行的股票質押配資杠桿，那么一個高大上的投資組合馬上瀕臨崩潰。

其實這種量化對沖本身就是一個偽命題。在國外發達市場中的Market Neutral 戰略基金也是有一個很本質的問題。那就是在一個被視為捕捉社會經濟發展趨勢的股票市場里，我們真的需要一個躲避市場趨勢的投資方法嗎？答案不是絕對的。

最后一個是量化趨勢投資。其中量化選股的表現一般情況下比量化擇時的策略要更加有效和穩定。

量化三維度

無論哪一種量化投資的方式，其重要的因素都是在如何量化。而筆者能夠總結出來的就是量化的三個階段和水平：

第一、歸納總結量化;第二、線性分析量化;第三、非線性量化;第一種歸納總結性的量化是我們最常見到的一些分析方式。其中廣大炒股群眾喜聞樂見的各種線和各種指標都是一種歸納總結性的量化。他們主要是一些比較直觀經驗的總結。例如最為常見的是以移動平均線（MA）和蠟燭圖為代表的各種歷史價格走勢的總結。

其實我們仔細想想這些圖本身沒有任何神奇的地方，各種MA僅僅是總結了一個價格曲線的過去走勢而已。蠟燭圖就是用兩個維度的方式一次性的展現出一個證券的開盤價，最高價，最低價和收盤價。這些傳統的指標其實不具備簡單信息總結以外的任何內容。我們可以說30日均線和125日均線相交會時代表了短期價格趨勢和較長期價格趨勢的背離，但是這種總結又有什么除此類表述以外的任何意義嗎？

它們既不會告訴我們這個證券的價格為什么走到今天，也不會對未來有任何有實質性的預期。人們借助對這些線和圖發揮出自己很多主觀愿望。這不是研究，也不是分析而是簡單的自欺欺人。

第二維度體是線性量化分析的世界。在這里，我們最為在意的是兩個以上序列之間的相關性和因果性。世界上絕大部分當代量化分析都停留在這個維度里。

首先，我們需要把相關性和因果性有效的區別開來。相關性是一種數據上有效的關系。這種簡單的相關性不一定表示兩個序列有因果關系。這種僅僅在數據上呈現出的相關性很可能是萬千繽紛世界中的一個個巧合。他們不僅僅存在而且會像突來的愛情一樣強壯和美麗。例如，美國股市有一段時間里和美國棒球比賽中的某些結果兩者之間具有接近于90%以上的相關性。它可能是一個非常有趣的飯后話題，但是沒有人敢用一生的積蓄或者數以萬計投資者的血汗錢來證明它下次的正確與否。

而今天，我們在互聯網和很多領域上都在用數據挖掘的方式對這個世界的各個方面進行探索與發現。職業投資者們在建立各種主觀的因果關系后使用數據回測的方法驗證這些思路。

但它其實仍然是一個簡單跨界的線性相關性的量化方式。同時，這種策略的另一個基礎是心理和行為之間的因果性。在一個散戶為主的發展中市場，這兩個假設暫時較為有效。

最后一種量化投資是非線性的。非線性的量化分析簡單而言就是利用復雜體系來解釋市場的方法。很多這些復雜系統都會有質變和臨界點等特色。

歸納總結性量化已經非常普遍。這種工具只能幫助投資者更加有效的達到其本身投資的水平。它沒有能力幫助投資者進行任何質的提升。其更多的作用是讓散戶更加有效的散戶下去。

第4篇：量化投資主要方法范文

在傳統的證券投資學中，投資組合理論、資本資產定價模型、套利定價理論和期權定價理論是現代金融理論的四塊基石。前兩者主要依靠均值-方差組合優化的思想，后兩者則主要依靠市場的無套利條件。傳統的投資方法主要是基本面分析和技術分析兩大類，而量化投資則是“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”[3]。從概念看，量化投資既不是基本面分析，也不是技術分析，但它可以采用基本面分析，也可以采用技術分析，關鍵在于依靠模型來實現投資理念與投資策略。為了分析量化投資對證券投資學的啟示，本文從量化投資“黑箱”的各個構成來探討量化投資與證券投資學中思路和觀點的差異。

（一）資產定價與收益的預測

根據組合優化理論，投資者將持有無風險組合與市場風險資產組合，獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合，認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值[4]。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻。基于因素模型的套利定價理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考。可以說，在因素定價方面，量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇，證券投資學認為，對資產價格的影響，長期應主要關注基本面因素，而短期應主要關注市場的交易行為，即采用技術分析。在量化投資中，主要強調按照事先設定的規則進行投資，這在一定程度上與技術分析類似。但是，在技術分析中，不同的人會有不同的結論，而量化投資則強調投資的規則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。

（二）無套利條件與交易成本

在證券投資學里，流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實現，如套利交易。根據套利定價理論，一旦市場出現無風險的套利機會，理性投資者會立即進行套利交易，當市場均衡時就不存在套利機會。現實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中，對市場中套利限制與非流動性的關注較少，這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下，金融資產交易的過程及其結果，旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中，不同的市場微觀結構對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實施量化投資策略的證券往往都應有較好的流動性，因為交易時非流動性直接影響投資策略的實施。從這個意義上講，量化投資時的交易成本不僅包括交易費用，更主要的是要考慮市場交易沖擊的流動性成本。

（三）風險控制與市場情緒

在證券市場中，高收益與高風險相匹配。量化投資在追求高收益的同時，不可避免地承擔了一定的風險。在證券投資學中，系統性風險主要源于宏觀經濟因素，非系統性因素則主要源于行業、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經濟因素，而且會考慮交易行為等因素，只是不同的模型有不同的側重點，在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外，量化投資還有自身不可忽視的風險源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風險。另一方面，市場沖擊的流動性成本也是量化投資的風險控制因素，理所當然地在圖1的風險控制模型中體現出來。另外，在一般的投資過程中，市場情緒或多或少會成為風險控制的一個對象。然而，在量化投資中，更多的交易都是通過計算機來實現的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔適度的風險來獲得超額回報，因為畢竟減少風險也減少了超額回報。

（四）執行高頻交易與算法交易

在對未來收益、風險和成本的綜合權衡下，實現投資策略成為量化投資的重要執行步驟。為了達到投資目標，量化投資不斷追求更快的速度來執行投資策略，這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里，技術分析認為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計算機信息科技的創新，量化投資策略之間的競爭越來越大，誰能運作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計算機系統處理數據和進行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點有：處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。[5]高頻交易有4類流行的策略：自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法：產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行，目前“算法交易”比較流行。算法交易優化買賣指令的執行方式，決定在給定市場環境下如何處理交易指令：是主動的執行還是被動的執行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。

二、對量化投資在證券投資教學中應用的思考

從上述分析可以知道，量化投資的“黑箱”構造與證券投資學之間存在一定的差異，因此，在證券投資的教學中應當考慮量化投資發展的要求。

（一）市場微觀結構與流動性沖擊

在理性預期和市場有效假說下，市場價格會在相關信息披露后立即調整，在信息披露前后市場有著截然不同的表現。在證券投資學里，一般認為價格的調整是及時準確的，然而，現實的世界里，價格調整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調整是瞬間的，影響不大。然而，在高頻交易中，這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程，認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型，這些市場微觀結構的研究加強了流動性與資產價格之間的聯系，強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容，因而，為了加強證券投資學的實用性，應關注市場微觀結構的內容與發展。

（二）業績評價與高杠桿

對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風險與業績。在組合業績評價中，一方面要考慮風險的衡量，另一方面則要分析業績的來源。在證券投資學中，組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業績評價還應考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統的業績評價就不太一樣。在一般的證券投資學里，業績評價主要考慮經風險調整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻，而且有可能夸大了投資者的技能水平。

（三）人為因素與模型風險

在量化投資中，非常注重計算機對數據和模型的分析，這突出了量化投資的規則性和固定性。然而，實際中，別看量化采用了各種數學、統計模型，但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究，并借助計算機實施策略，能夠消除很多認為的隨意性。但是，量化策略畢竟體現投資者的交易理念，這一部分依賴于投資者的經驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實施依賴于人的設定，而人的設定不僅依賴于經驗，而且人還會犯錯。人之所以會犯錯，一方面是因為人們對市場的認知是不完全的，另一方面則是人們使用了錯誤的模型。經典的證券投資理論中，股票價格的變動被認為是隨機的，小概率事件出現的機會比較小，但是經驗研究表明股票收益率具有肥尾現象，小概率事件發生的機會超出了人們原先的認識，即市場還會出現“黑天鵝”。更為關鍵的是，量化投資更依賴數學和統計模型，這就使得量化投資存在較大的模型風險，即使用了錯誤的模型。為了防范模型風險，應采用更為穩健的模型，即模型的參數和函數應該適應多種市場環境。近年來，研究表明，證券收益及其與風險因素的關系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。

（四）2013年諾貝爾經濟學獎的啟示

第5篇：量化投資主要方法范文

隨著資產管理學科的不斷更新和發展，數量化資產管理的策略如今被廣泛的運用，越來越多的基金管理人采用了這一成本較低、客觀性較強的策略進行資產選擇和配置。同時，都在很大程度上推進了數量化選股的進程。國際上一些著名的資產管理機構，如巴克萊（Barclays Global Investors），，都有各自的數量化模型并且也發行了許多相關的金融投資商品。

二、數量化選股

目前世界上有很多基金經理人開始采用數量化選股模型進行投資決策。數量化選股，是指利用市場指標、經營指標、財務指標等可以數量化的因素，在眾多上市公司中選出符合條件的公司股票進行投資。數量化選股的模型主要有線性回歸模型、主成分分析模型等。國內外很多學者都運用了這些模型進行實證分析。如Fama-French(1993) 的三因子模型認為，資產組合的超額回報率由上市公司的市值因子(SMB)、賬面市值比因子(HML)以及市場資產組合(Rm ? Rf)決定。數量化選股的優勢在于，利用客觀數據進行分析做出判斷，避免了因基金經理人的主觀判斷錯誤而可能造成的偏誤，一旦模型構建完畢，需要維護和修改所需要的人力物力遠小于傳統的基本面分析，對于基金公司而言，可有效節省成本，增加公司利潤。

三、選股策略：以Alpha model為例

1.介紹

Alpha選股模型是一種將信息轉變成Alpha分數的方法，據此經理人能夠判斷投資于哪些資產以及該如何配置投資組合。本文所說的Alpha選股策略是采用 Qian (2004)的方法，利用兩階段的方法結合多個因子產生Alpha分數，建構多因子模型不僅包含訊息相關系數(Information Coefficient, IC)的時間序列，也包括同時期因子訊號之間的相關性，透過模型求解極大化IR的目標。

2.要素篩選及數據處理

對于基金管理而言，信息運用的成功與否往往是決定成敗的重要因素。在alpha 模型中，所選的要素可以被看做信息，它們可以幫助基金管理人分析股票報酬的預期走勢，從而利用這些信息構建多因子選股模型。然后，如何選擇正確的信息并非易事，因此，信息的分析和評估對于模型的簡歷有著至關重要的作用。

模型將整個數據的區間分為樣本區間和回測區間，通過數據庫獲取整個區間內各個上市公司的財務、發展等各項指標，并進行數據預處理。為了消除各要素不同量綱的差異，將所有數據先進行標準化處理。此外，在數據分析時，個別極端值對于結果可能會產生較大影響，而極端值的產生往往沒有規律可循，據此得出的結論不具有普遍的適用性。Shyu and Jeng (2006)使用了winsorization進行處理，針對每一項要素，計算得出各自的平均值和標準差。將平均值加減5.2倍的標準差作為各項要素的上下極限，如果數據大于上極限或小與下極限，則認為這是一個極端值，而分別使用上極限或下極限的值代替極端值。類似的方法還可以將數據按數值大小排列，取上下5%分點，分別代替大于上5%以及小于下5%分點的值。此類方法的目的都在于消除極端值的影響，使得模型的解釋力更強，偏誤更小。

由于要素的數據頻率不同，將要素分成若干個周要素與月要素。除此之外，要素篩選后于比較長期的樣本內期間，針對這些要素做t檢驗，若要素結果呈現顯著，稱為核心要素。剩下未被篩選的要素并不表示無效，在回測的樣本外期間有效的要素，為衛星要素。再通過兩階段方法，將要素合成因子，因子再合成Alpha Score。最后，將周、月要素合并，并且做平滑化動作，以降低每期權重重新調整的周轉率。

3.選股及資產組合構建

首先確立股池，剔除流通量過低、企業信用等級較低的股票，還可結合產業等因素，根據需要構建的資產組合確定。根據最后的Alpha Score進行選股的動作。模型認為得分較高的個股具有較高的投資價值，根據股池大小選擇相應數目的個股進入資產組合中。各股權重的配置有多種方案，比較簡單的方法是將入選組合的股票平均分配權重，這樣的方法可有效分散風險，但是不利于獲得更高的超額回報。另一種方法是根據得分分配權重，得分越高的股票權重越高，在模型建立準確，預測能力較好的情況下，往往可以獲得更高的超額報酬。

四、實證分析與結論

很多學者已對量化選股這一策略進行過實證分析。袁捷（2008）以滬深A股為研究對象，形成了市場大勢判斷指標、板塊熱點評判指標、技術分析評判指標、基本分析評判指標和主力機構支撐評判指標等五個指標體系的評判分析工具，得出了一套可以量化的投資評判標準。通過實證分析該交易規則在2008年7月至11月期間規避了熊市的系統性風險，建立的投資組合績效優于上證指數，對于投資者有一定的參考價值。隨著越來越多模型的出現和不斷完善以及計算機算法技術的日益精進，這一理論體系也將會得到更多的補充和發展。

參考文獻:

[1]Fama, Eugene F. and French.Kenneth R. Common Risk Factors in The Returns to Stocks and Bonds, [J].1993(02).

[2] Qian, E. E. and Hua.R.Active risk and information ratio,[ J]. 2004.

第6篇：量化投資主要方法范文

量化對沖產品在盈利與回撤上的穩定特征，突出表現在在市場極端下跌的行情下。今年6月15日至7月3日期間，上證指數下跌接近30%。僅6月單月，私募基金逾6成收益告負，470只公募普通股票型基金中僅14只上漲，最大漲幅僅3.17%。這次股災令公募、私募損失慘重。在一片恐慌中，量化對沖一枝獨秀。私募量化對沖基金整體下跌卻只有2.3%，其中約50%量化對沖基金獲取正收益。

量化對沖其實是“量化”和“對沖”的結合。在實際應用中，由于對沖基金往往采用量化模型進行投資決策，兩者經常交替使用，但量化基金不完全等同于對沖基金。

量化是指借助統計方法、數學模型來指導投資，其本質是定性投資的數量化實踐。量化投資區別于定性投資的鮮明特征就是模型。定性投資和定量投資的具體做法有些差異。定性投資更多地依靠經驗和感覺判斷，定量投資更多依靠模型判斷。

量化投資的最大特點是強調紀律性，即可以克服投資者主觀情緒的影響。凡是通過或利用數學公式或數學模型進行投資的策略均可被納入量化投資策略范疇。在華爾街，量化投資多指與金融工程相關的投資，而在國內多指“多因子模型分析”相關的投資及程式化交易。

與其他策略相比，量化投資由于用到了數學理念設計參與，通過捕捉市場的非有效性來獲取超額的收益。而中國的市場依然有著非常強的非有效性。對投資者來說，量化投資策略能夠有效避免情緒化操作。

風險對沖是對沖基金最重要的特征。投資是以風險換取收益的過程，無風險則無收益。對沖基金是一種可以用確定性的風險去換取確定性收益的基金，對沖基金的賣點就在于其收益的確定性。

與傳統高風險高收益的投資理念不同，對沖基金是以最低的風險去獲取最高的收益。任何一個多元化的投資組合，其收益與風險主要是來源于市場。可以利用對沖工具對沖一定的市場風險，而通過承擔比較確定的風險，獲取穩定收益。

作為投資工具，對沖基金比其他投資工具限制少很多。一般投資工具多數甚至不允許“賣空”，而對沖基金則可采用賣空、杠桿以及期權、期貨等多種衍生工具。

常見的量化對沖策略包括：股票對沖、事件驅動 、全球宏觀、相對價值套利四種，任意一只對沖基金既可采取其中某一策略也可同時采取多種投資策略，目前全球使用占比最高的策略是股票多空策略，占比達32.5%。

目前私募已發行的量化對沖產品中，主要包括Alpha策略基金、量化套利基金、量化CTA基金以及宏觀對沖基金四類。公募對沖基金持有的絕大部分是滬深300成分股，套保期貨一般會與現貨匹配，多采用低頻交易CTA高頻策略。

目前，國內的偏股型基金普遍采取相對收益策略，即以跑贏股指為首要目標，這使得偏股型基金凈值受到股指波動的影響較大。

第7篇：量化投資主要方法范文

關鍵詞：量化分析；風險態度相關性；相關系數；理性投資

一、要解決的問題

（1）問題一：根據所給數據量化分析處理公眾投資者的個人狀況、信息獲取方式、媒體信任程度、風險態度。（2）問題二：在量化分析處理公眾投資者的個人狀況、信息獲取方式、媒體信任程度、風險態度的基礎上，建立合適的數學模型分析它們之間的相關性；

二、模型的假設

（1）建模時在所有的問題答卷中剔除那些相關性不大的問題，只從中選取具有代表性的問題，以減少建模復雜度。（2）建模過程中的各變量是相互獨立的且數據有很強代表性。（3）證券市場是有效的，且價格的變動具有慣性。

三、模型的建立與求解

（一）對問題一的求解

（1）模型的準備。通過對數據的分析，我們從所有47個問題中選出20個具有代表性的問題，將提煉出的問題分成4大類：個人基本信息狀況、信息獲取方式、媒體信任程度、風險態度。

（2）模型的求解與量化分析。通過對第一大類個人基本信息狀況中所選取的5個問題進行量化分析得到個人基本信息狀況的量化分析，在所有調查的616名對象中，女性共有236人，女性投資者占總投資人數將近四成。我國投資者的年齡主要集中在30歲以下，占調查總數的36.4%，其次是30～50歲，占比為31.2%，二者之和占到調查總數的近70%。60歲以上投資者僅占8.4%。盡管中高學歷投資者居多，但分析表明，教育程度與投資者收益沒有明顯關系。其次在廣大投資者當中97%的投資者屬于中產階級，62%的投資者目的在于改善生活，83.5%的投資者對上市公司只是部分了解，這也顯示出了中國投資者投資證券的意愿不強，市場的積極性未完全調動，但同時也說明了我國證券市場還有很大部分未開發，證券市場前景廣闊。

通過對第二大類信息獲取方式中所選取的5個問題進行量化分析可知65%投資者投資知識來源于時間和雜志，65.5%的投資者做投資時是經過理性分析的，這反映出我國大多數投資者是屬于風險厭惡者或者傾向于風險厭惡，在進行投資時還是比較理性的。其次有77.6%的投資者認為以往的投資經驗對現在或未來的投資是有用的。73%的投資者會關注財經新聞的報道，85%的投資者主要從網絡，電視，報紙雜志等媒體中獲得投資信息。

通過對第三大類媒體信任程度中所選取的5個問題進行量化分析得到的媒體信任程度量化分析表如表1所示。

從表1可以看出53%的投資者最初進入股市的原因是認為有利可圖，自己決定進入。對于媒體反復推薦的股票，68%投資者不會購買，對媒體的信任程度還是比較低的。其次有76.6%的投資者覺得媒體上推薦的股票是有一定道理的，但有40.4%投資者之所以相信媒體上推薦的股票是因為自身能力的不足，只好相信媒體推薦。同時，在聽取各類人士意見時，35%的投資者相信身邊熟悉炒股的朋友。總之，我國投資者對于媒體的信任程度還是偏低的，這同時意味著我國的證券業還有著巨大的發展空間。

通過對第四大類風險態度中所選取的5個問題進行量化分析得到的風險態度量化分析表如表2所示。

根據表2分析顯示，投資者的操作模式相對穩定，3個月內換手1次或更短的投資者占比最多，總體來看，投資者的持股時間相對較短，長期投資者占投資者比例較小。從趨勢上看，在2008年以來的下跌行情中，投資者更傾向于頻繁換手，3個月內換手1次或更短的投資者逐漸增加至62.4%，持股半年內的比例明顯下降至28.6%。至于持股一年以上的雖有所增加，但平均占比不高，這部分長期投資者的增加不能排除是因套牢產生的被動長期投資。股票下跌時，只有不到20%的股民會選擇低價再買入，再一次反映出我國股民大多數屬于風險厭惡者。同時，面對股價下跌，但持有目標是五年時，62%的投資者會維持不動，但面對股價下跌，但持有目標是三十年，只有42%的投資者會繼續維持不動。總之，投資者個人承擔風險的態度還是比較理性的。

（二）對問題二的求解

（1）模型的準備。證券市場市場參與者眾多，市場機制更為復雜，信息不對稱現象更為明顯。對于風險態度的衡量，在影響證券銷售量的因素中，有價格，上市公司市場信譽，投資者的風險態度等。本題中著重量化被調查者的風險態度。為了確定投資者分別隸屬于風險厭惡，風險中性，風險偏好哪種類型，我們在分析數據的過程中，給每個問題每個選項賦分的原則如下：1）選A、B、C、D的基礎得分分別為1、2、3、4。2）將投資者的態度分為（0～30）風險厭惡型，（31～60）風險中立型，和（61～90）風險喜好型。

相關系數用來反映兩者之間的相關性，考慮相關系數r時，我們遵循以下準則：1）當r>0時，表示兩變量正相關，r

通過數據分析，我國投資者的總體風險態度是介于風險厭惡和風險中立的，由此可以看出投資者較為希望通過風險投資增加其個人收入。但是由于客觀、主觀因素，投資者中，持觀望態度者較多。

（2）模型的建立與求解。根據題目提供的數據以及前面的賦值，算出所有被調查者的風險態度值，并選出問卷中的第二問跟風險態度進行相關性分析，則有：

結果為a=[1 1 1 2 1 1 4 3 2 1 1 1 1 3 2 2 4 3…1]

對應的風險態度值為b=[44 44 46 45 41 42 47 41 54 46 38 49 51 53 53 50 44 44…47]

根據以上分析可知總體個人狀況與風險態度的相關性小，由此得出我國近段時間進行投資的民眾數量較大，覆蓋到不同民眾的方方面面。信息獲取方式與風險態度之間聯系大、得知在我國的投資領域，投資者的信息獲取途徑和多少對其投資的方向性還是有較大的影響。媒體信任程度與風險態度之間的相關性適中，可知部分投資者對待媒體信息的態度還是比較冷靜。

參考文獻：

[1] 楊桂元，黃己立.數學建模[M].合肥：中國科學技術大學出版社，2008.

[2] 李柏年，胡守信.基于MATLAB的數學實驗[M].北京：科學出版社，2004.

[3] 魏捷.關于調查問卷中定性數據處理方法的探討[D].中南財經政法大學 2008.

第8篇：量化投資主要方法范文

■ 美國經驗下，FOF是重要的資金來源，對共同基金發展有卓越貢獻，而且其大類資產配置的做法為投資者提供了一種分散風險、獲取中等收益的解決方案。隨著一系列政策的完備，中國的FOF也將迎來新時代

■ 作為FOF最重要參與者的投資大眾，不能打無準備之仗。在FOF啟航前，充分了解FOF的收益、費用、產品運作、先遣部隊、各家公司申報FOF產品的特點等關鍵事項，將有助于自己明明白白投資FOF，更好地迎接公募FOF時代的到來

多年等待終有圓夢時。根據監管層安排，公募FOF（Fund of Funds，基金中的基金）有望在今年面世。各基金公司無不厲兵秣馬，磨刀霍霍，而部分一線基金公司更是從前期的人員儲備，到投研體系的搭建以及策略與產品的研究布局等，都走在行業前列。

美國經驗下，FOF是重要的資金來源，對共同基金發展有卓越貢獻，而且其大類資產配置的做法為投資者提供了一種分散風險、獲取中等收益的解決方案。因此，從還在“娘胎”時起，FOF便備受關注。從長期投資來看，資產配置的作用遠遠大于具體投資品種的選擇，FOF的出現為廣闊的財富管理領域提供了更多可能。

籌備事：兵馬未動糧草先行

工欲善其事，必先利其器。

在公募FOF廣闊前景的召喚下，自監管機構逐步FOF相關管理辦法及業務指引起，各基金公司就對公募FOF產品非常重視，希望成為第一批“吃螃蟹的人”。

很多基金公司在第一時間成立了FOF投資部門或者組建承擔FOF投資管理業務的獨立部門，希望能夠從公司層面給予該部門以最大支持，同時在第一時間申報相關產品。

據招商基金方面介紹，其于2016年底構建了FOF部門，配置了來自投資團隊、宏觀策略研究的專業人員專人負責，根據指引完成資產配置部的基礎制度構建、設立了FOF體系的投資流程后，搭建了相應的宏觀策略研究以及基金研究整體框架，另外還完成了基金池的構建，并定期（季度）進行數據更新。

在FOF投研團隊的組建過程中，量化投資管理團隊作為核心班底被很多基金公司所采納。目前我國的公募基金產品數量有3000多只，從中挑選并構建FOF組合絕非易事，因此“用數據說話”建立量化的基金篩選體系確實是明智之舉。

搭建完團隊，制定好策略后，就是產品線的設計。在中融基金的前期籌備中，產品體系上的準備包括各種風險類型、不同期限的FOF產品，絕對收益系列、量化精選系列、主題精選系列、全天候系列、全配置系列、目標系列等多個產品線的多只產品。建信基金則是首先布局了以目標風險控制為基礎的系列FOF產品，該系列產品的一大特色在于，將根據風險的高中低，明確產品的波動率與最大回撤控制目標，并在此基礎上根據量化模型進行資產配置，構建組合。

同時，為了能在第一時間推出FOF產品，根據FOF產品特殊要求，有基金公司相應對內部制度流程進行了反復優化和調整，對相關軟硬件系統進行了重新梳理和迭代升級，中后臺也為FOF產品運行做好了較為充分的準備，包括系統籌建、注冊登記、資金清算、TA系統和制度構建及流程管理等。

目標事：他山之石可以攻玉

FOF以基金為主要投資標的，通過持有其他證券投資基金而間接持有股票、債券等證券資產，是一種結合了基金產品創新和銷售渠道創新的新品種，可進一步分散投資風險、優化資產配置，降低多樣化基金的投資門檻。

除了股票債券，通過基金投資還可以投向黃金、白銀、海外股票等資產，由于FOF投向基金的資產種類豐富，也就不難理解，為何FOF的核心功能是實現大類資產配置，并且從海外經驗也可看出，大類資產配置對于FOF組合的收益率和波動率貢獻比例接近90%。

資產配置的主要任務有兩方面：一是尋找不同的時間和周期里最有機會的資產，通過資產組合管理，使得組合的波動和收益都能夠讓投資者滿意；二是找到具體的資產，根據收益目標和風險容忍程度，將具體的FOF策略落地，以最終達成組合目標，這是一個標準的以客戶需求為出發點的組合管理手段。

除了分散風險、多元化配置外，FOF的另一個優勢是，能為普通投資者提供專業化的服務。

有觀點認為，目前市場上基金數量已經超過股票數量，如何挑選好基金成為投資者的一大難題，FOF產品t應運而生。通過FOF產品作為載體，能為客戶提供便捷、貼心的投資服務。

需要看到的是，對于普通投資者而言，大類資產市場表現輪動太快，很難抓住投資機遇。FOF的好處就是幫助普通投資者做好投資組合管理同時解決擇時難題；FOF的投資對象是大類資產，也不用太過于擔心經濟大勢。

FOF時代的開啟無疑為公募基金做好資產配置打開了更為廣闊的天地，但基金公司要想脫穎而出，對資產配置能力的要求就非常之高。

在投資A股及債券領域時，國泰FOF基金的策略主要是選擇主動型基金，畢竟A股和債券類基金種類繁多，國泰乃至全市場上有著諸多優秀的基金經理及相關產品；在投資其他資產（QDII、 商品等）時，則會偏于挑選被動型基金，確保母基金基金經理的資產配置意圖可以得到貫徹。

體系事：圍繞資產配置和基金篩選

FOF的投資流程主要包括產品設計、資產配置、基金篩選、組合構建與調整、風險管理等五個步驟，本質上來說，FOF投資管理的核心能力其實就是兩點：資產配置和基金篩選能力，這也是FOF的主要收益來源。

圍繞著資產配置和基金篩選這兩大核心要素，FOF研究體系的搭建也由此展開。

中融基金的做法是，以資產配置研究和基金品種研究為主要內容建立研究體系；在資產配置研究方面，構建了涵蓋資產戰略配置、資產戰術配置、資產動態配置等資產配置價值鏈的各個環節的研究體系；在基金品種研究方面，構建的體系包括基金與管理人研究兩個方面，綜合運用定量分析和定性分析。

其具體的做法是，首先根據資產配置策略，結合基金市場情況對所有基金進行相對明確和合理的分類；其次以公開信息為基礎，從定性和定量兩個方面對基金進行研究，搜集整理相關基礎數據；第三是在每一類基金中，根據基礎數據對所有基金的各類因子進行打分并綜合排序；最后是根據打分排序結果，進一步通過盡職調查等定性研究，精選各層級基金池。

招商基金的FOF研究包括宏觀策略研究和基金研究，資產配置部會根據研究成果確定各類資產的配置比例，并篩選出不同資產類別中的對應基金，構建研究模擬組合。

廣發基金的大類資產配置體系則以宏觀經濟周期研究為前瞻指導、并結合量化和估值為一體的方式為基石；底層資產遴選體系基于定量和定性分析基金+追蹤基金經理模式，其中既包括公募基金研究體系，又包括MOM私募基金研究體系、海外策略和信息研究體系。

此外，廣發還搭建了內外資源協同平臺，與外部機構合作，形成互補互利、相互促進的協同效應。

策略事：量化手段大量應用

既然資產配置和基金篩選是公募FOF產品的兩大核心因素，那么相當數量FOF產品的策略便是圍繞著這兩者展開。

目前，基金產品的數量已經超過了A股上市公司的數量，海量基金產品背后是海量的數據，而量化手段恰能高效地分析、處理這些數據，并通過大數據挖掘等先進手段去尋找到最客觀、合理的基金甄選標準。

其次，FOF的核心是資產配置，而資產配置本身就是一道“數學題”。每個投資者都希望在承擔風險的同時，獲得最大投資收益。而通過量化優化模型，可計算出最優的資產配置方案，為投資者獲取最優收益奠定基礎。

最后，量化投資更加強調紀律性。嚴格的投資紀律有利于實現長期的資產配置目標，而客觀的標準更能減少由情感因素所導致的不必要損失。

基金公司希望在FOF誕生初期，產品設計的風格選取上能從投資者投資體驗出發，設計出在風險來臨時能夠較好地減少損失，同時又能夠較好地把握市場投資機會，值得投資者長期持有的FOF產品。

這些目標實現的基礎主要來源有三個方面：一是從更高級別視角下對于股票、債券等資產風險與機會的研究，尋找局部市場風險評判與識別的方法，形成對中長期趨勢的分析與判斷；

二是來源于目前市場具有非有效性以及投資者結構，市場整體情緒可能存在明顯的可觀察性與可獲利性，通過對市場演化動力學特征的深入觀察與分析，形成對市場中短期風險與機會的判斷與確認，制定相應投資計劃；

三是從基金選擇上，由于當前數量化投資方法與大數據在投資中的應用已經到了產品化的階段，很多主動超額收益能力被指數化或者策略化，這給FOF投資提供了非常好的投資工具。

第9篇：量化投資主要方法范文

從上世紀五十年代起，隨著股票、債券、期權、期貨以及衍生品市場的蓬勃發展，以有價證券為標的物的現資學作為金融學的重要分支在以流動性為主要目的的金融市場中產生了越來越重要的作用。同時一方面能夠為投資者轉移風險，一方面又能夠憑借市場的波動獲取客觀的超額回報，如何專業化進行投資以及構造低風險高利潤的資產組合作為一個重要的課題受到了包括企業政府和個人投資者在內的普遍重視。

從廣義上講，現資學有兩個重要的理論分支，其一是以格雷厄姆在其聰明的投資者一書中提出的以價值評估為核心的價值投資，其代表的投資策略使用者是著名的投資大師巴菲特。而另外一個重要的分支就是量化投資學，其基礎理論是借助數學建模的理論基礎，廣泛使用概率測度，統計原理和計算機技術對投資標的物進行模型建立，設定投資策略并由程序來進行擇時，估值和選股。其理論基礎是上世紀五十年代由馬克維茨提出的投資組合模型理論。

二、量化投資的理論基礎

事實上，量化投資理論是嚴格基于經典投資理論的兩個假設而建立的，這兩個假設分別是市場有效假設和無套利機會原則。市場有效假設認為，在現代有效金融市場中，市場是不可能被打敗的，也就是，不存在超額回報，回報與風險必然成正比。市場中天然蘊含著一個風險與收益交換的機制，其中投資者提出需求而市場提供供給，在一個有效地市場中，風險回報機制也意味著超額回報由承擔超額風險而來。

與市場有效假設緊密相關的是無套利機會原則，也就是金融市場是不可預測的，無風險套利機會并不存在。主流的金融理論主張市場是不可預測的，因為一旦市場能夠被預測，那么它就不再有效，獲取超額回報可以不再承擔多余的風險。而投資者會蜂擁而至，最終抹平無風險套利機會，市場將重新恢復有效。

事實上量化投資在的基本核心在于其從理論上完成了關證券價值和交易流程的完整概念梳理，并且通過數理模型的方式用計算機程序模擬了出來。最關鍵的是，量化交易理論認為投資在市場中關于收益與風險的機制是動態的，它并沒有排除掉資產回報是有可能超額并且可以預估的這種可能性。在以市場有效假設和無套利機會原則為基礎的理論上，量化投資對市場風險和收益模型提出了自己的看法。

三、量化投資的發展現狀

從量化投資的角度，為了更好地測度和衡量金融市場風險回報架構，研究者提出了一個量化模型概念，也就是beta回報和alpha回報，其中beta回報用于測度市場風險敞口，而alpha回報用于測度超出市場回報的那部分收益。所有的證券和投資組合收益都可以被看做由市場部分的beta回報和非市場部分的alpha回報組成，市場部分的beta回報是源于投資者所承擔的投資風險敞口的基于市場基準風險的收益，與量化模型無關。而alpha回報則是那些超過平均市場回報的超出收益，這取決于量化投資的主動投資水平。