時間：2023-05-15 16:08:32
序論：速發表網結合其深厚的文秘經驗，特別為您篩選了11篇量化投資與分析范文。如果您需要更多原創資料，歡迎隨時與我們的客服老師聯系，希望您能從中汲取靈感和知識！
1.1基本概念
量化投資是一種借助于計算機高效計算程序進行復雜運算，以金融產品未來收益與風險為研究對象的新型投資方式。量化投資的基礎是以股票價格、日成交額等大數據庫數據為參考樣本數據并建立數學模型，運用仿真分析及迭代方法不斷修正數學模型，直到數學模型可以用來預測指導投資交易。任何一個投資的方案或者設想，都可以為它設計一個數學模型，然后借助大數據庫的現有數據進行迭代法測試分析，以此來判別數學模型的有效性。傳統投資方式基本上是對傳統的技術分析和公司的經營狀態基本分析，存在一定的局限性；相比之下量化投資分析是基于對大數據市場數據的，數據樣本空間容量足夠大，而且可以快速進行運算并排除投資者個人心理因素的主觀影響，科學性和時效性更強。此外，量化投資是一種主動性的投資方式，在進行數學模型選擇、自變量選取、數學模型的驗算迭代都是投資行為的主動部分。
1.2交易內容及方法
量化投資交易的內容主要是量化策略以及交易策略，在制定交易策略時必須立足于投資市場、投資產品以及分配在內等。具體交易平臺則是靠以計算機計算程序為基礎的線上交易平臺系統。進行量化投資交易時通常會遇到各種較為復雜的情況，但是基本前提都是要依據現有的既定的大量數據庫數據，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量化投資現狀
從理論上來說，每個量化投資者的決策行為可以被同化為理性預期、風險規避、嚴格效用基本一致的理想化模型。然而現實情況中每個人的心理活動、出發點、知識水平等都存在差異，進行量化投資時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，因此投資人在進行投資決策時并不能完全理性地進行選擇。綜上所述，非理性人的客觀存在使投資人在進行投資決策時不能完全忽視個人的心理因素。既然個人的心理因素無法排除，那么在建立決策分析數學模型時，就應該把個人的心理因素考慮在內。當前我國國內量化投資有以下幾個特點：(1)個人投資者占總投資者的比例很高。上文已經提到投資者個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展迅速但仍不成熟。與美國及歐洲發達國家相比，我國量化投資市場只能是一個新興的市場，直接表現在各方面的信息不完整且難以搜集，一些基礎數據我們只能自己想方設法地去開發獲取。(3)量化投資行業的企業構成比較復雜。目前我國量化投資行業的企業種類比較多，跨越眾多不同的領域。加上我國量化投資市場還處于新生期，市場不穩定信息變化較快，因此量化投資行業的可用層面指標數目非常少且指標數值經常變化。當前我國量化投資者正是依據當前行業的特點，從不同的層面和角度驗證分析，建立泡沫型數學分析模型，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達國家的量化投資策略進行對比，發現我國現有的量化投資策略嚴重落后。國外的量化策略研究是在大量的事件、數據積累分析的基礎上，腳踏實地潛心研究總結出來的。現階段我國量化策略研究多是借用國外的策略，結合國內的量化投資行業的實際現狀進行修正得來的。當前我們還缺少指導量化投資行業的專家、指導著作，為此我國國內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量化投資優勢
量化投資是在定性投資基礎上進行繼承和延伸的一種主動投資工具。定性投資的核心是對宏觀經濟和市場基本面進行深入的分析，再加上實地調研上市公司以及與上市公司的管理層進行經驗交流，最終把調研結果整理成專題報告，把報告作為決策依據。不難看出定性投資帶有很大的個人主觀判斷性，它完全依賴于投資經理個人經驗以及對市場的認知。量化投資在調研層面與定性投資相同，區別在于量化投資更加注重數據庫大數據，運用各種方法發現運用大數據所體現出來的有用信息，尋找更優化的投資方式以獲得大額收益，完全避免了投資經理個人的主觀臆斷和心理因素，更加科學合理。綜上所述，與定性投資相比，量化投資具有以下優勢。
3.1投資方式更加理性
量化投資是采用統計數學與計算機建模分析技術，以行業大數據庫為參考，取代了個人主觀判斷和心理因素的科學客觀投資方法。很明顯，行業大數據的樣本容量已遠遠高于有限的對上市公司調研所形成的樣本容量；在進行投資決策時，把決策過程科學化數量化可以最大程度的減少投資者決策時個人情感等心理因素對決策結果的影響，從而避免了錯誤的選擇方向。
3.2覆蓋范圍大效率高
得益于因特網的廣泛實施應用，與各行各業的運行數據都可以錄入大數據系統形成體量巨大的數據庫；得益于計算機行業云時代到來對計算分析速度的革命性變革，在極短的時間內就可以得到多種量化投資的投資方法。定性投資方式進行決策時，由于決策人的精力和專業水平都存在一定的局限性，自然其考慮投資的范圍要遠遠低于電腦決策，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充，搭配使用會起到意想不到的效果。
4量化投資的劣勢
上文已經提到量化投資的決策過程依賴于大數據庫以及計算機分析系統的科學決策，因此只要投資思想正確量化投資就不會出現錯誤。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。量化投資本質上是對某一特定基準面的分析，事實上基準面有時范圍過小，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是進行考察決策時覆蓋的市場面非常廣泛，在當前國民經濟快速發展的時代，人們對市場的認知難免出現盲區或者對某一個局部了解不充分的現象，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險特性，人們更多地依賴于采用大數據云分析平臺進行決策，如此大家對某一行業的市場認知以及投資決策水平就處在同一認知層次上，當遇到極端的市場行情時，人們作出的交易決策往往一致，即容易達成交易的一致性。例如期貨行業以及股票行業，在市場行情動蕩的特殊時期，人們往往選擇在同一時機拋出股票或者期貨，這種大規模的一次性拋盤則會造成在預期拋售價格基礎上的劇烈波動，導致投資者的實際收益在一定程度上低于預期收益。此種情形下又會引起新一輪投資恐慌，不利于市場的穩定發展。
4.2指標鈍化和失效
二、量化投資“黑箱”中的構造與證券投資學的差異
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”。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。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。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。 三、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
對年輕的A股市場來說,量化投資還是一個新概念。而在國外,定量投資已經走過了近40年的道路,其中的標桿人物正是著名的詹姆斯?西蒙斯(James Simons)。
量化投資的神秘故事
文藝復興科技公司(Renaissance Technologies)的詹姆斯?西蒙斯(James Simons)是華爾街最成功的對沖基金經理之一。他所管理的大獎章基金對沖基金,從1989年到2006年的17年間,平均年收益率達到了38.5%,而股神巴菲特過去20年的平均年回報率為20%。其20年來年均35%的傲人業績大幅超過了巴菲特。
然而,頗具神秘色彩的西蒙斯對其投資方法刻意保密。迄今為止人們只知道,他的大獎章基金的賺錢方法是:針對不同市場設計數量化的投資管理模型,并在全球各種市場上進行短線交易。而為了讓這些“模型”始終處于絕密狀態,西蒙斯甚至不惜代價對那些離職創業的員工強硬地提訟。但實際上,數量化投資的背后并不是神秘而不可知的。數量化投資本身有一套規范而透明的做法,并采用科學、公正而理性的方法對市場進行研究并制定適應市場狀況的投資模型和投資策略,并不斷進行調整和優化。
其實,數量化投資不是黑盒子,也不是神秘主義,更不是一個戰無不勝的秘笈。數量化投資不是靠一個投資模型就能一勞永逸地去賺錢,而且也不是使用一個模型就能解決一切問題,更不是一個模型就能勝任任何市場狀況。數量化投資模型只是一種工具,數量化投資的成功與否在于使用這種數量化工具的投資者是否真正掌握了數量化投資。同時,數量化投資模型都必須經歷不斷的跟蹤檢驗、優化、實證等等過程。數量化投資是一個不斷改進的過程,數量化投資中最重要的就是投資者的投資思想,包括對投資的理解、理念、經驗,所以模型都是建立在這些投資思想上的。量化只是一種方式和工具,正是采用這種工具和方法來獲取經驗或者檢驗經驗。
有效規避傳統投資短板
人腦在思考問題的時候所能考慮到的因素總是有限的,那么決策的廣度肯定是不足的。從選股上來看也有這種問題,每個分析師所能跟蹤的股票數量也有限制,不可能看太多的股票,這是傳統投資的短板。當然,傳統的主動投資方法在決策深度上是有優勢的,因為可以把基本面研究做得很深入,從而彌補決策廣度的不足,這也是決定成敗的關鍵。信息多,信息快,這是當今資本市場的一大特點。市場中信息的傳遞速度非常快,而且眾多分析師對基本面數據進行不斷的挖掘,雖然對個股有深入的分析,但是仍然越來越難以彌補決策廣度的不足。
另外,或許有的投資者對市場的預測能力非常不錯,從理論上說可以獲得很好的超額收益(特別是很多事后看來確實預測準確的情況),但現實中收益常常被投資者主觀認知上的情緒化波動侵蝕掉。比如說,大多數投資者可能有自己的判斷,但是市場短期的表現可能與其判斷相左。這個時候,投資者可能會受市場表現的影響而很容易懷疑自己的判斷,此時大多數投資者寧愿相信羊群效應―追漲殺跌。
因此,傳統定性投資的短板大致在于我們思考的范圍總是有限的、較難以處理信息量多而快的問題、難以避免自身的投資情緒等等,這些都將最終影響到投資者的投資收益狀況。然而,科學、公正、客觀而理性的數量化投資策略卻可以規避這些傳統主動型投資策略的短板。
量化技術的五大優勢
數量化投資與傳統的定性投資方法相比,相同點是,二者都致力于建立戰勝市場、產生超額收益的投資組合;不同點是,傳統的定性投資方法側重對上市公司的調研、基金經理個人的經驗及其對市場的主觀判斷,而量化投資管理則更加強調數據的分析和應用,以先進的數學統計技術和模型替代人為主觀判斷。所以,與傳統的定性分析方法相比,數量化投資方法能更為理性、客觀地分析和篩選股票,避免投資的盲目性和偶然性,以及主觀認識的局限性,它能更有效地控制非系統性風險及一些人為因素導致的風險。定量投資管理將定性思想與定量規律進行量化應用,具有如下五大方面的優勢:
紀律性:嚴格執行數量化投資模型所給出的投資建議,而不是隨著投資者情緒的變化而隨意更改。紀律性的好處很多,可以克服人性的弱點,如貪婪、恐懼、僥幸心理;也可以克服認知偏差,行為金融理論在這方面有許多論述;紀律化的另外一個好處是可以跟蹤和修正。定量投資作為一種定性思想的理性應用,客觀地在組合中去體現這樣的組合思想。一個好的投資方法應該是一個“透明的盒子”,而不是“黑盒子”。每一個決策都是有理有據的,無論是股票的選擇,行業選擇,還是大類資產的配置等等,都是有數據支持、模型支持及實證檢驗的。
系統性:數量化投資的系統性特征主要包括多層次的量化模型、多角度的觀察及海量數據的觀察等等。多層次模型主要包括大類資產配置模型、行業選擇模型、精選個股模型等等。多角度觀察主要包括對宏觀周期、市場結構、估值、成長、盈利質量、分析師盈利預測、市場情緒等多個角度的分析。定量投資的系統性還有一方面就是數據多,即要對海量數據進行處理。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來說是有優勢的,他可以深刻分析這100家公司,這可以表現出定性基金經理深度研究的優勢。但在一個很大的資本市場,比如有成千上萬只股票的時候,強大的定量投資的信息處理能力能反映它的優勢,能捕捉更多的投資機會,拓展更大的投資機會。
及時性:及時快速地跟蹤市場變化,不斷發現能夠提供超額收益的新的統計模型,尋找新的交易機會。
國內的公募量化基金在沉寂4年之后重現江湖:2月份,嘉實量化阿爾法發行,于4月成立;5月份中海量化發行,于6月份成立。私募基金也不甘落后,中國第一只量化陽光私募產品――“山東信托•紅色量化一號”證券投資集合資金信托計劃6月1日正式成立。
據悉,國內一些公司正在積極申報量化產品不久將還會有量化基金發行。
作為“舶來品”的量化基金,其前世今生如何?
國外量化基金發展迅速
量化基金即以數量化投資來進行管理的基金,數量化投資區別于基本面投資,它不是通過“信息和個人判斷”來管理資產,而是遵循固定規則,由計算機模型產生投資決策。量化投資并不是基本面分析的對立者,90%的模型是基于基本面因素,同時考慮技術因素。由此可見,它也不是技術分析,而是基于對市場深入理解形成的合乎邏輯的投資方法。
數量化技術發源于20世紀70年代,以1971年富國銀行發行跟蹤紐約證券交易所1500只股票的指數基金為標志,此后隨著計算機處理能力的提高,越來越多的物理學家和數學家離開學校被華爾街雇傭,基金經理們開始依靠電腦來篩選股票。
1979年巴克菜全球投資成立了第一支主動數量投資基金標志著量化投資由草根實踐走到了公募基金歷史舞臺聚光燈下。
根據Bloomberg的數據,截至2008年底,1184只數量化基金管理的總資產高達1848億美元,相比1998年21只數量化基金管理的80億美元資產來說,平均增長速度高達20%,而同期非數量化基金的年增長速度僅為8%。
2000年之后是數量化基金發展的黃金時期,無論是個數還是管理規模都有了跨越式的發展。1998年數量化基金僅136只,至2002年增長一倍多,達316只,2008年底更是達到1848只,1988年至1998年年平均增長率為46%,2000年至2008年年平均增長幅度達54%。從規模上來看,1988年至1998年年平均增長率為32%,2000年至2008年年平均增長幅度達49%。
其中的原因有二:一是,2000年之后計算機技術飛速發展,為數量化的應用提供了良好的平臺。更為主要的是主動管理型基金很難戰勝大盤,于是投資指數基金以及采用數量化方法篩選股票逐漸流行起來。而且數量化基金的表現也非常不錯。2002年至2007年5年間,相比美國市場主動型管理基金每年5.93%的超額收益,那些覆蓋所有資產的數量化基金每年的超額收益可以達到6.95%。二是,有研究表明,2004年至2007年,投資美國大盤股的數量化基金產品的表現平均超越非大盤主動型基金103個基點。
量化基金的心臟
數量化基金的興起,建立在數量化投資技術的發展之上。
數量化基金最明顯的優勢之一就是計算機處理數據的能力遠遠勝過人腦,這使電腦在海量股票選擇中占有絕對優勢。例如,在嘉信證券的股票評級系統跟蹤的股票超過3000只,并且每只股票都綜合了基本面、估值、動量和風險因素進行打分,并按分數高低給A至F不同的評級。其次,量化基金是以定量投資為主,用紀律性較強的精細化定量模型,代替了基金經理或分析師在定性層面的主觀判斷,使投資業績較少受到個人“熟悉度偏好”的影響。最后,數量化基金收取的費率及管理費用比傳統的主動型基金低很多,因為他們需要的研究人員更少,成本更低。據Lipper調查,數量化基金的平均費用是1.32%,相比而言,主動型基金的管理費用平均達到1.46%。
針對不同市場設計數量化的投資管理模型,以電腦運算為主導,并在全球各種市場上進行短線交易,正是西蒙斯的成功秘訣。
然而量化基金并非在所有市場都能有效戰勝非量化基金。Lipper把基金分為4類型,將每一類型的量化投資與傳統投資進行比較,2005年量化投資基金全面戰勝傳統基金,而2006年在增強指數型基金中,量化投資落后于傳統型基金,到2007年則情況發生較大轉彎,除市場中立基金外,其余量化投資基金全部跑輸傳統型基金。在考慮了風險、跟蹤誤差后,數量化投資具有更小的跟蹤誤差和更高的回報。研究表明數量投資基金業績具有很強的輪動特點。大部分數量投資基金具有很強的價值投資偏好,因此,他們在價值型市場下表現良好,而1998-1999年是成長型市場,數量化投資基金大部分跑輸傳統型基金。2001-2005年是價值型市場,數量化投資基金普遍表現優異。
國內量化基金端倪
目前,國內基金市場上有4只量化基金,光大保德信量化核心、上投摩根阿爾法、嘉實量化阿爾法、中海量化策略,其中后兩只均是今年才成立,前兩只分別成立于2004年8月和2005年10月。
光大保德信量化核心一方面通過光大保德信的多因素數量模型對股票的預期收益率進行估算,個股預期收益率的高低決定投資組合是否持有股票;另一方面,投資團隊從風險控制角度,重點關注數據以來的信息,通過行業分析和個股分析形成對量化的補充;最后由投資組合優化器根據預先設計的風險構建組合。
上投摩根阿爾法基金的描述則是同步以“成長”與“價值”雙重量化指標進行股票選擇,然后研究團隊將對個股進行基本面審核,結合跟蹤誤差的緊密監控,以求不論指數高低,市場多空皆創造主動管理回報。投研團隊最終決定進入組合的股票,量化分析是輔助和基礎。
嘉實量化基金“定量投資”為主,輔以“定性投資”。通過行業選擇模型,捕捉具有投資吸引力的行業,然后再在所選行業中運用Alpha多因素模型篩選個股。定性的輔助作用表現在利用基本面研究成果,對模型自動選股的結果進行復核,剔除掉滿足某些特殊條件的股票。
中圖分類號：F832.51 文獻標識碼：A doi:10.3969/j.issn.1672-3309（x）.2011.11.38 文章編號：1672-3309（2011）11-84-02
近年來，隨著我國資本市場的不斷發展，數量化投資在國內越來越受到關注。國內機構投資者逐漸增加量化分析在投資中的應用。在基本面投資的基礎上應用數量化策略,成為投資領域發展的新趨勢。國內的基金公司在這股潮流下也紛紛推出自己的量化基金產品。
依據資訊商wind的顯示，截至2011年9月底市場上一共有14只不同類型的量化基金。
一、國內量化基金的發展
據統計，國外定量投資在全部投資產品中的份額中占30%以上，主動投資產品中大約有20-30%使用量化技術。與國外市場相比，國內基金無論數量還是規模都要小很多。國內大部分量化基金都是在2008年金融危機之后才陸續推出。目前市場上有65家基金公司，正式推出量化基金的也只有13家。
自開始兩只量化基金成立后，2006-2008年期間市場上沒有任何新的量化基金成立，之后又呈現出一個快速增長的態勢。為什么國內量化基金的發展會有如此特點？分析一下其中原因，筆者認為有如下幾點：
（一）國內資本市場的發展為量化投資準備了必要條件。2005年以來，證券市場發生了一系列變化：股權分置改革完成、IPO擴容，賣方量化研究能力提高、股指期貨及融資融券的推出等。如何在眾多的上市公司中迅速、有效地選擇投資目標，降低調研和投資成本，成為機構投資者面對的新問題。而通過用量化手段，分析、歸納出相對客觀的選股模式，發掘內在的驅動因素，正是量化選股的優勢所在。正是在這樣的環境下，機構投資者開始重視起量化投資來。作為證券市場上的賣方，券商紛紛在自己的金工團隊基礎上成立數量化研究團隊，推出了大量量化策略報告和量化投資方面的服務（如程序化交易服務）。一些陽光私募基金也開始成立。公募基金作為市場的領頭羊，自然在量化投資方面不甘落后，招兵買馬為發行量化基金做準備。
（二）國外量化基金的優異表現吸引了眾人的目光，特別是2008年金融危機期間，量化基金的優異表現吸引了更多的人關注。當時大部分基金都虧損嚴重，但部分采用量化策略的基金卻獲得了非常好的收益。詹姆斯?西蒙斯管理的大獎章基金的年均凈回報率高達35%，成為量化基金中令人眼紅的明星。國內基金公司正是抓住投資者對量化基金的興趣，適時推出各自的量化基金產品。
（三）人才隊伍的積累，為國內量化基金的推出提供了可能。量化基金是一個舶來品，熟悉量化基金管理的人才在國內相當缺乏。光大保德信和上投摩根之所以能較早推出其量化基金，關鍵在于其外方股東的支持，其產品采用的是其外方股東提供的量化投資方法。而當時國內的本土基金則缺乏這方面的人才，自然沒有實力推出量化基金產品。但金融危機給了國內基金行業機會，危機之后很多國外的投資人才回到國內，他們也帶來的國外的一些先進的量化投資知識和經驗。目前市場上量化基金經理絕大多數均是有海外背景的。
二、國內量化基金的量化技術
通過基金的招募說明書，我們可以將市場上目前量化基金采用的數量化模型和模型主要使用的選股指標羅列出來。
我們無法了解各基金量化模型的詳細內容，但從表2可以看出，目前國內基金采用的模型多是側重于選股的。其中多因子模型應用最多，通過多因子模型篩選出被低估的股票，進行價值投資是大部分基金所采用的量化方法。這一情況也與海外情況類似。
三、國內量化基金收益及績效
本文選取了成立以來、最近1年（20100930-20110930）、今年以來這3個時間段來從收益和績效兩個方面對市場上量化基金進行對比。通過比較，我們可以看到富國滬深300、光大保德信核心和中海量化策略這三支基金表現相對較好。但從總體上來說，國內量化基金表現還不是很突出，各只業績差距也很大。
四、影響國內量化基金發展的因素
國內量化基金的發展畢竟要取決于證券市場的大環境，隨著股改的結束、股指期貨的推出，市場環境相比之前更有利于量化投資的發展，但仍然有很多的約束，如衍生產品的缺乏，對基金公司、保險公司投資的約束，這些都制約了機構投資者在量化投資方面施展拳腳的空間。當然，我相信隨著中國資本市場的發展，這些情況在未來會逐步改善。
數量化模型的應用需要結合實際的市場環境，國內量化投資水平的提高，不能依靠引進模型，最關鍵的還是要結合本土的實際情況，開發適合國內市場的模型。量化技術的本土化發展是未來量化基金發展的關鍵，只有設計出符合國內市場環境并能取得不錯業績的量化模型，投資者才能真正認同量化基金。
另外，基金的考核機制也是影響量化基金發展的一個重要因素。量化基金因其特殊性，其績效考核與普通基金會有不同。設定一個合理的基金考核制度，給其一個寬松的投資環境，只有這樣量化基金才能更加健康的發展。
參考文獻：
[1] 數量化投資的解讀及其本土化―量化基金專題研究之一[R].聯合證券，2009-11-17.
一、引言
量化投資在國外的實踐已經有了40多年的發展，我國的量化投資起步較晚，從2004年開始出現量化投資的產品，由于缺乏有效的對沖手段，直到2010年4月滬深300股指期貨上市之后才能算是真正意義上開始涉足量化投資。[1]
2015年的中國股市跌宕起伏，杠桿配資引發了大幅上漲和斷崖式下跌，股市出現罕見的千股漲停、千股跌停、千股停牌的奇觀，眾多機構投資者和散戶蒙受了巨大的損失。但其中少數量化投資基金在大幅波動的市場中卻表現相對穩定。量化投資基金和量化對沖策略的穩健，很快引起了全市場的關注，也成為近期銀行、券商、信托等機構追捧的新的產品模式。
在此背景下，作者在本文中對于量化投資的概念、特點、策略、理論基礎和發展做一個總結，希望為量化投資研究和實踐做一些參考。
二、量化投資解讀
（一）量化投資的定義
量化投資在學術界并沒有嚴格統一的定義，現有的定義對于量化投資的定義的側重點各有不同。本文對于量化投資的定義為：
量化投資是指將投資者的投資思想或理念轉化為數學模型，或者利用模型對于真實世界的情況進行模擬進而判斷市場行為或趨勢，并交由計算機進行具體的投資決策和實施的過程。
（二）量化投資的特點
1.投資決策中能夠客觀理性，克服人類心理對投資決策的影響。傳統投資的分析決策，大多數方面都由人工完成，而人并非能做到完全理性，在進行投資決策時，很難不受市場情緒的影響。[2]量化投資運用模型對歷史和當時市場上的數據進行分析檢測，模型一經檢驗合格投入正式運行后，投資決策將交由計算機處理，一般情況下拒絕人為的干預，這樣在進行投資決策時受人的情緒化的影響將很小，投資過程可以做到理性客觀。
2.能夠通過海量信息的大數據處理，提高投資決策效率。我國股票市場上有近3000只股票，與上市公司相關的各種信息紛繁復雜，包括政策、國內外經濟指標、公司公告、研究報告等，投資者靠自己手工的篩選根本就是力不從心。量化投資的出現為這個問題的解決帶來了希望。量化投資運用計算機技術快速處理大量數據，對其進行辨別、分析、找出數據之間的關聯并做出投資決策，大大減少了人工的工作量，提高了投資決策效率。
3.能夠實現精準投資。傳統的投資方法中認為投資是一門藝術，投資決策需要的是投資者的經驗和技術，投資者的主觀評價起到決定作用。而量化投資有所不同，尤其是在套利策略中，它能做到精準投資。例如在股指期貨套利的過程中，現貨與股指期貨如果存在較大的差異時就能進行套利，量化投資策略和交易技術會抓住精確的捕捉機會，進行套利交易來獲利。另外，在控制頭寸規模方面，傳統的投資方法只能憑感覺，并沒有具體的測算和界定，而量化投資必須要設定嚴格精確的標準。[3]
4.能夠快速反應和決策，把握市場稍縱即逝的機會。量化投資往往利用高速計算機進行程序化交易，與人腦相比它能夠迅速發現市場存在的信息并進行相應的處理，具有反應快速、把握市場稍縱即逝的機會的特點。量化投資在速度上最出色的運用就是高頻交易，與低頻交易相對，高頻交易是通過高速計算機，在極短的時間內對市場的變化做出迅速的反應并完成交易。[4]
5.能夠有效地控制風險，獲取較為穩定的收益。與傳統投資方式不同的是，量化投資在獲得較高超額收益的同時能夠更好地控制風險，業績也更為穩定。相關研究顯示，1996年至2005年期間，量化投資基金與以所有傳統主動型投資基金和偏重于風險控制的傳統主動型投資基金的信息比率對比情況中，量化投資基金的信息比率都是最高，說明量化投資相對于傳統投資，能夠在獲得更高的超額收益的同時，有效地控制風險。
三、量化投資的策略
一般的量化投資的策略指的是用來實現投資理念或模擬市場行為判斷趨勢從而獲取收益的模型。量化投資需要權衡收益、風險、交易成本、具體的執行等各個方面，一般情況下這些方面會形成相對獨立的模塊。有時候量化投資策略模型也會將風險、成本等方面融合在模型中。
（一）國外量化投資策略的分類
國外習慣上將量化投資的策略分成兩大類，一類是阿爾法導向的策略，另一類是貝塔導向的策略。阿爾法策略（alpha strategy）是通過量化擇時和調整投資組合中不同資產的頭寸大小來獲取收益的策略;貝塔策略（beta strategy）是通過量化的手段復制指數或者稍微的超出指數收益的策略。[6]相比而言，量化指數的貝塔策略相對更容易，所以一般情況下所說的量化投資的策略指的是阿爾法策略（alpha strategy）。
阿爾法策略主要有兩種類型，分別為理論驅動模型和數據驅動模型。
理論驅動模型是比較常見的類型，這些策略是運用已經存在的經濟、金融學的理論，構建策略模型，進行投資決策。理論驅動模型根據輸入的數據的不同可以進一步分類，主要有基于價格相關數據的策略和基于基本面數據的策略。
數據驅動模型廣泛的被運用于股票、期貨和外匯市場，因為采用的數學工具更為復雜，相對而言難于理解，目前使用的還不是很多。與理論驅動模型不同，數據驅動模型認為進行投資決策其實是不需要理論的支持，運用數據挖掘技術，可以從數據（例如交易所的價格數據）中識別出某種行為模式或市場趨勢，進而進行預測或者解釋未來的模式，從中獲取收益。
（二）我國量化投資策略的分類
國內比較常見的量化投資策略主要有兩種分類方式，一種是按投資標的所在市場分類區分的量化投資策略，分為現貨市場和衍生品市場量化投資策略。現貨市場包括股票市場、ETF市場和債券市場，衍生品市場包括商品期貨市場、股指期貨市場、國債期貨市場、外匯市場和期權與其他衍生品市場，國內運用較多的是投資于商品期貨和股指期貨等期貨市場。
另一種分類方式是分為兩大類：判斷趨勢的單邊投機策略和判斷波動率的套利交易策略。[7]單邊投機策略主要包括量化選股和量化擇時，套利交易策略主要包括股指期貨套利、商品期貨套利、統計套利、期權套利、另類套利策略等，目前國內普遍采用的是這種分類方式。
四、量化投資理論的發展
（一）投資理論的發展
量化投資的理論基礎最早可以追溯到上個世紀50年代，Markowitz（1952）[8]第一次把數理工具引入到金融研究領域，提出了均值――方差模型和風險報酬與有效前沿的相關概念，這是量化投資接受的最早的嚴肅的學術成果。Sharpe（1964）[9]、Litner（1965）[10]、Mossin（1966）[11]在馬克維茨研究的基礎上得出了資本資產定價模型（CAPM），這是如今度量證券風險的基本的量化模型。
20世紀60年代，Samuelson（1965）與Fama（1965）[12]提出了有效市場假說（Efficient Markets Hypothesis，EMH），這為后來在新聞量化交易等方面提供了思路和理論支持。20世紀70年代，金融衍生品不斷涌現，對于衍生品的定價成為當時研究的重點。Black和Scholes（1973）[13]將數學方法引入金融定價，他們建立了期權定價模型（B-S模型），為量化投資中對衍生品的定價奠定了理論基礎。在該理論之后，Ross（1976）[14]根據無套利原則提出了套利定價理論（APT），該理論是資本資產定價模型（CAPM）的完善和發展，為量化投資中的多因素定價（選股）模型提供了基礎，這也是Alpha套利的思想基礎。
20世紀80年代，期權定價理論倒向微分方程求解;“金融工程”概念得以產生，金融工程著力于研究量化投資和量化交易。同期，學者們從有效市場理論的最基本假設著手，放寬了假設條件，形成了金融學的另一個重要的分支――行為金融學。
20世紀90年代，金融學家更加注重對于金融風險的管理，產生了諸多的數量化模型，其中最為著名的風險管理數量模型是VaR（Value at Risk）模型，這是量化投資對于風險控制的重要理論基礎。[15]
20世紀末，數理金融對于數學工具的引入更加的迅速，其中最為重大的突破無疑是非線性科學在數理金融上的運用，非線性科學的出現為金融科學量化手段和方法論的研究提供了強有力的研究工具[16]，尤其在混合多種阿爾法模型而建立混合模型時是非常有效的一種技術。
（二）量化投資的數學和計算基礎
量化投資策略模型的建立需要運用大量的數學和計算機方面的技術，主要有隨機過程、人工智能、分形理論、小波分析、支持向量機等。[17]隨機過程可以用于金融時序數列的預測，在現實中經常用于預測股市大盤，在投資組合模型構建的過程中，可以優化投資組合;人工智能的很多技術，例如專家系統、機器學習、神經網絡、遺傳算法等，可以運用于量化投資;分形理論用于時間序列進行預測分析;小波分析主要用于波型的處理，從而預測未來的走勢;數據挖掘技術可以運用于數據驅動模型，還可以運用于設置模型的細節;支持向量機可以分析數據，識別模式，用于分類和回歸分析。
五、國內外量化投資實踐的發展
（一）國外量化投資實踐的發展
本文認為量化投資在國外的發展已經經歷了四個發展階段：
1.第一階段從1949年至1968年：對沖階段。該階段是量化投資的萌芽階段，該階段具體的量化投資實踐很少，主要是為量化投資提供的理論基礎和技術準備，量化投資脫胎于傳統投資，對抗市場波動，通過對沖穩定Alpha收益，但收益率低了。
2.第二階段從1969年至1974年：杠桿階段。在該階段，量化投資從理論走入了實踐。在投資思路上，因為原本的Alpha策略收益有限，通過放杠桿擴大第一階段的穩定收益。實踐方面，1969年，前美國麻省理工學院數學系教授愛德華?索普（Ed Thorp）開辦了第一個量化對沖基金，進行可轉債套利，他是最早的量化投資的者使用者。1971年，巴萊克國際投資公司（BGI）發行了世界上第一只被動量化基金，標志著量化投資的真正開始。
3.第三階段從1975年至2000年：多策略階段。在這一階段，雖有一定的挫折，但總體上量化投資得到了平穩的發展。在投資思路上，由于上一階段通過杠桿放大收益的副作用產生，放大以后的波動率又增大，從而轉向繼續追求策略的穩定收益，具體的手段是采用多策略穩定收益。實踐方面，1977年，美國的富國銀行指數化跟蹤了紐約交易所的1500只股票，成立了一只指數化基金，開啟了數量化投資的新紀元。[18]1998年，據統計共有21只量化投資基金管理著80億美元規模的資產。[19]
4.第四階段從2000年至今：量化投資階段。這一階段，量化投資得到了迅猛的發展，并且發展的速度越來越快。投資思路上，運用量化工具，策略模型化，注重風險管理。在實踐方面，在2008年全球金融危機以前，全球對沖基金的規模由2000年的3350億美元在短短的7年時間內上升至危機發生前的1.95萬億美元，受美國次貸危機的影響全球對沖基金規模有較大的回落，直到2008年之后，在全球經濟復蘇的大背景下對沖基金規模才開始反彈。
（二）我國量化投資的發展
本文認為，到目前為止，我國量化投資的發展的主要經歷了三個階段：
1.第一階段從2004年至2010年：起步階段。在這一階段，由于我國沒有足夠的金融工具，量化投資在我國發展緩慢。2004年8月，光大保德信發行“光大保德信量化股票”，該基金借鑒了外方股東量化投資管理理念，這是我國最早的涉足量化投資的產品。2010年4月16日，準備多年的滬深300股指期貨的在中金所的上市，為許多對沖基金的產品提供了對沖工具，從此改變了以前我證券市場只能單邊進行做多的情況。
2.第二階段從2011年至2013年：成長階段。2011年，被認為是我國量化對沖基金元年，[21]而隨著股指期貨、融資融券、ETF和分級基金的豐富和發展，券商資管、信托、基金專戶和有限合伙制的量化對沖產品的發行不斷出現，這個階段的量化投資真正意義上開始發展，促使該階段發展的直接原因就是股指期貨的出現。[20]
3.第三階段從2014年至今：迅猛發展階段。2014年被認為是“值得載入我國私募基金史冊的一年”，基金業協會推行私募基金管理人和產品的登記備案制，推動了私募基金的全面陽光化，加速了私募基金產品的發行，其中包括量化對沖型私募產品。2014年稱得上我國量化對沖產品增長最迅速的一年，以私募基金為代表的各類機構在量化對沖產品上的規模均有很大的發展，部分金融機構全年銷售的量化對沖基金規模超過了百億。
2015年，上證50ETF期權于2月9日正式推出，這對于對我國的量化投資有著極大的促進作用。4月16日，上證50與中證500兩只股指期貨新品種的上市給量化投資帶來更多的策略的運用，金融衍生品的不斷豐富和發展，為量化投資提供更多的豐富對沖手段，也提供了更多的套利機會。
六、總結
量化投資的技術、策略、硬件設施條件都在飛速的發展，與傳統的投資方式相比，量化投資有著自身的特點和優勢。尤其是量化對沖產品，以其長期穩健的收益特征，成為目前“資產荒”下對信托、理財產品和固定收益產品良好的替代產品。未來隨著我國股指期貨、融資融券、國債期貨、期權等金融產品的不斷創新，以及股指期貨市場未來逐步恢復正常，量化投資發展前景不可限量。
參考文獻
[1]徐莉莉.量化投資在中國的發展現狀[R].渤海證券研究所：金融工程專題研究報告，2012.
[2]廖佳.揭開量化基金的神秘面紗[J].金融博覽（財富），2014，（11）：66-68.
[3]王力弘.淺議量化投資發展趨勢及其對中國的啟示[J].中國投資，2013，（02）：202.
[4]Durbin，M. All About High-Frequency Trading： The Easy Way To Get Started[M]. McGraw-Hill Press，2010.
[5]蔣瑛現，楊結，吳天宇，等.海外機構數量化投資的發展[R].國泰君安證券研究所：數量化系列研究報告，2008.
[6]Rishi K. Narang. Inside the Black Box： The Simple Truth about Quantitative Trading[M]. Wiley Press，2012.
[7]丁鵬.量化投資――策略與技術[M].北京：電子工業出版社，2014.
[8]Markowitz，H.M.. Portfolio Selection[J].Journal of Finance，1952，2：77-91.
[9]Sharpe，W.F. Capital asset prices： A theory of market equilibrium under conditions of risk[J]. Journal of Finance，1964，19（3）：425-442.
[10]Lintner. The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets[J].Review of Economics and Statistics，1965，47（1）：13-37.
[11]Mossin.Equilibrium in a Capital Asset Market[J]. Econometrica，1966，Vol.34（4）：768-783.
[12]Fama，Jensen，and Roll. Investor sentiment and Stock Returns[J]. Journal of Political Economy，1969，（12）34-36.
[13]Black Fischer，and Myron Scholes，1973.The Pricing of Options and Corporate Liabilities[J].Journal of Political Economy，1973，81（3）：637-654.
[14]Ross.The arbitrage theory of capital asset pricing[J].Journal of Economic Theory，1976，13（3）：341-360.
[15]Jorion，Philippe.Value at Risk：The New Benchmark for Managing Financial Risk （3rd ed.）[M]. McGraw-Hill Press，2006.
[16]戴軍，葛新元.數量化投資技術綜述[R].國信數量化投資技術系列報告，2008.
[17]丁鵬.量化投資與對沖基金入門[M].北京：電子工業出版社，2014.
[18]郭喜才.量化投資的發展及其監管[J].江西社會科學，2014，（03）：58-62.
[19]Ludwig B.，Chincarini. The Crisis of Crowding： Quant Copycats，Ugly Models，and the New Crash Normal[M]. Wiley Press，2013.
[20]曾業.2014年中國量化對沖私募基金年度報告[R].華寶證券：對沖基金專題報告，2015.
1前言
隨著我國股市體制改革，股票市場迅猛發展，股票投資新增賬戶和新股擴張飛速，截止到2015年7月，股票賬戶數已經突破2億，兩市A股約有多2700多只股票，并推行多種利好政策逐步為股票投資者鋪平了道路。在牛短熊長的中國股票市場，眾多依賴傳統方法進行投資的投資者往往會損失慘重，此時利用量化投資策略以尋求較為穩定超額收益的投資方法愈來愈受到投資者青睞，其中尤其是超額收益Alpha量化投資策略廣為受到關注。
2量化投資與超額收益Alpha投資策略
量化投資就是通過收集整理現有已發生的大量數據，并利用數學、統計學、信息技術建立數學模型對收集到的數據進行分析研究，從而構建最優投資組合以獲得超額收益。簡而言之，它是一個將傳統投資理念、風險、收益等進行量化并付諸實現的過程。在國內量化投資起步較晚，但隨著國內金融市場的不斷對外開放并與國際接軌，在國際上較為盛行的金融研究技術也逐步在國內鋪展開來，但目前投資策略的系統化研究仍是我國量化投資長遠發展的薄弱之處。因此，更加系統的投資策略研究和實踐成為當下迫切的需求。系統投資策略及組合能推動量化投資的快速發展，對中國金融生態系統的良性循環起到積極的作用。
所謂超額收益Alpha指的就是實際收益率中高于對應的預期收益率的超額收益部分，嚴格地來講，超額收益Alpha是用來衡量一個在風險調整下由投資所產生的“主動收益”。超額收益Alpha量化投資策略主要來源于CAPM模型，在CAPM模型中，投資組合的收益率等于無風險利率加上風險溢價，只有承擔更多的風險才能獲得更高的收益。資產的收益主要取決于β值，β值越高，期望收益相對越高，β值越低，期望收益相對越低。
在CAPM模型的基礎上，超額收益Alpha常被用來衡量基金的業績，具體公式如下：α=HPR-Rf-βi[E（Rm）-Rf]。
其中HPR為持有期實際收益率，在眾多的投資實踐操作中已經得到證明，當選擇股票投資組合適當時，股票基金能夠獲得高于市場平均水準的超額回報。隨著資產市場的發展與成熟，超額收益的理念被廣泛接受，從而促使愈來愈多的投資者采取投資組合主動管理的方式來獲取超額收益，與之相關的策略稱之為超額收益Alpha策略。
3雙因子模型量化投資策略
不同的具有投資價值的因子（包括盈利性、估值、現金流、成長性、資產配置、價格動量和危險信號等類別）組合便構成了不同的因子模型，如單因子模型、雙因子模型以及多因子模型等，其中單因子模型具有不可靠性且多因子模型建模較為復雜，雙因子模型則以較高的可靠性且操作較為簡便而受到重視。雙因子模型典型的有盈利性和估值、成長性和估值、估值和價格動量、現金流和估值、估值和估值、盈利性和盈利性、盈利性和價格動量、估值和資產配置以及估值和危險信號等，其中盈利性和估值、成長性和估值、估值和價格動量和現金流和估值四種雙因子模型效果最強。
3.1盈利性和估值
盈利性和估值是兩個具有較強投資價值的因子，且兩者在一定程度上相互孤立，盈利性用來衡量基本面，決定了公司資源的質量，而估值則是與市場因素（價格）相結合的基本因子，確定了投資者為這些資源必須付出的價格，這兩個因子不論以什么順序組合都是有效的。盈利性因子具有較好的普適性，能產生顯著收益，具有良好的一致性和低波動性。
在眾多的能反映盈利性和估值的因子中，可以選取進行自由組合從而構建雙因子模型。其中由現金流價格比和現金投入資本回報率、企業價值倍數與投入資本回報率、市凈率和經濟利潤、凈資產收益率和市凈率、投入資本回報率和市銷率、現金投入資本回報率和市銷率、現金投入資本回報率和價格資本、自由現金流加股息和凈資產收益率以及市凈率和經營性現金流比股東權益等組合最為常用。
3.2成長性和估值
所謂成長性是指公司收入或現金流產生能力的增加。分析成長性的目的在于觀察企業在一定時期內的經營能力發展狀況。成長性比率是衡量公司發展速度的重要指標，也是比率分析法中經常使用的重要比率。在成長性因子與估值因子結合時，估值因子則是確保投資者不會為公司的增長付出過高的價格，從而得到合理價格增長策略。
3.3估值與價格動量
投資者情緒對股價走勢產生重要影響，而價格動量在一定程度上反映了投資者情緒。動量就是一種專門研究股價波動的技術分析指標，它以分析股價波動的速度為目的，研究股價在波動過程中加減速與慣性作用以及股價動靜相互轉換的現象。動量指數的理論基礎是價格和供需量的關系，如果股票的價格動量為正，說明需求超過了供給，投資者情緒會變得更加積極。如果股價的價格動量為負，則表明供給超過了需求，投資者悲觀態度會占據上風，轉向看跌，估值倍數則有可能降低。因此價格動量因子常用于衡量投資者情緒和作出投資時機決策的重要工具。估值因子能反應股票的價格高低，但不能解釋股票價格高低的根本原因。當估值因子與價格動量因子相結合時，能更好解釋股票價格變化，彌補了估值因子不足之處。
3.4現金流和估值
在投資策略研究中的現金流指的是經營活動中的現金流，融資投資等活動產生的現金流不包括在內。現金流能反映公司盈利的真實性。當然單獨使用現金流因子的投資策略有時候會失效，但與估值因子結合，能避免分析失效現象的發生。現金流因子能遴選出產生大量盈余現金的公司，而估值因子則確保投資者不會現金生成能力支付過高的價格。
4結后語
數量化投資（以下簡稱量化投資）作為一種新興的投資方法出現于20世紀50年代，千禧年后蓬勃發展，截至2008年，該類投資基金占美國證券市場份額的30%。
近年來，量化投資在中國漸漸引起重視，光大保德信基金、上投摩根基金、嘉實基金、中海基金、長盛基金、華商基金和富國基金等，先后推出了自己的量化基金產品。不少基金公司國內外廣攬數量化投資人才，一股“量化基金”的熱潮悄然掀起。
正如定性投資的偶像巴菲特一樣，量化投資領域的傳奇人物為詹姆斯 西蒙斯。據統計，詹姆斯 西蒙斯管理的大獎章基金從1989到2006年的平均年收益率高達38.5%，凈回報率超過股神巴菲特（他以連續32年保持戰勝市場的紀錄，過去20年平均年回報達到20%），即使在2007年次債危機爆發當年，該基金回報都高達85%，西蒙斯也因此被譽為“最賺錢基金經理”，“最聰明億萬富翁”。與巴菲特的“價值投資”不同，西蒙斯依靠數學模型和計算機管理著自己旗下的巨額基金，他稱自己為“模型先生”。西蒙斯幾乎從不雇用華爾街的分析師，他的文藝復興科技公司里坐滿了數學和自然科學的博士。用數學模型捕捉市場機會，由計算機做出交易決策，是這位超級投資者成功的秘訣。（上海金融學院國際金融研究院 鹿長余）
截至2009年6 月30 日，中國定量投資規模總量大約187 億元，在全部基金管理規模中占比僅0.6%。可以說量化投資在中國目前還是一塊需要開墾的處女地，可以預期的是，量化投資在中國發展前景廣闊。
什么是量化投資呢？“通過信息和個人判斷（using information and judgment）來管理資產為基本面投資或者傳統投資，如果遵循固定規則，由計算機模型產生投資決策則可被視為數量化投資。” ――Fabozzi《Challenges In Quantitative Equity Management》
與傳統投資相比，量化投資的優越性主要來自兩個方面：其一，現資組合理論強調通過多元化投資組合消除非系統性風險，以實現降低風險的作用。但實際上由于人的視野和精力都相對有限，基金經理或研究員不可能進行大范圍的股票甄選和高頻率的驗證測算，形成的投資策略得不到寬度、廣度上的肯定，難免形成一孔之見。靠人力甄選得到的投資組合很難達到最優化配置，無法確保在風險管理和利潤追求上的投資目標。而量化投資的視角更廣，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。其二，行為金融學認為，投資者是不理性的。任何一個投資個體的判斷與決策過程都會不同程度地受到認知、情緒、意志等各種心理因素的影響。基金經理和投資研究員在一段時間跟蹤某只股票之后，由于時刻關心股價的表現和基本面的變動，可能出現不同程度的情感依賴，“和股票談起戀愛”。即使出現了下跌趨勢，也可能因為過度自信、抵制心理等不理性的分析出發點而導致投資、薦股時的行為偏差。而量化投資依靠計算機配置投資組合，克服了人性弱點，使投資決策更科學、更理性。
簡單的說，量化投資是快速高效、客觀理性、個股與組合并重、收益與風險并重的投資方法。
量化投資的一般步驟如下：
數據化模型構建組合
1、 數據化：主要任務是把眾多紛繁復雜的數據整理分類歸納成有用的數據；
2、 建立模型：給定一個策略，選擇合適的模型預測收益與風險，選擇最好的策略建立模型；
3、 構建組合：根據預測結果按照規則選擇對象構建組合；
最后我們來看下專業金融人士對量化投資的一些看法。
嘉實基金公司的王永宏博士介紹，定量投資和傳統的定性投資本質上是相同的，二者都是基于市場是非有效或弱有效的理論基礎，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和主觀判斷，而定量投資管理則是“定性思想的理性應用”。定量投資的核心投資思想包括宏觀周期、估值、成長、盈利質量、市場情緒變化等等。
俗話說，“條條大路通羅馬”。巴菲特與西蒙斯的投資理念與成功，說明投資沒有一定之規。
以巴菲特為代表的一類投資家認為，“現實世界是極為復雜的，經驗與思考才是財富制勝之道”。因此，其成功的關鍵，不是頂級的科技，而是對市場的理解、洞悉和不隨波逐流的勇氣，即以“人”的因素造就財富的增值。
西蒙斯代表的一類投資家則被看作是推論公式、信任模型的數學家。他們利用搜集分析大量的數據，利用電腦來篩選投資機會，并判斷買賣時機，將投資思想通過具體指標、參數的設計體現在模型中，并據此對市場進行不帶任何主觀情緒的跟蹤分析，借助于計算機強大的數據處理能力來選擇投資，以保證在控制風險的前提下實現收益最大化。
目前量化投資觀念也在中國興起，量化產品正開始萌芽。新發行的嘉實量化阿爾法基金就是量化投資產品，其試圖將投資專家的銳利洞悉和數學家的嚴格客觀進行整合，在基本面分析的基礎上，提煉出產生長期超額收益的投資思想，借助計算機系統強大的信息處理能力構建定量模型及投資組合，并根據市場變化趨勢及時動態調整，加上基金經理嚴格遵守紀律性投資法則，使該基金在融合定性投資思想精髓的同時，能夠規避基金經理個人情緒對組合的影響，有效克服人性弱點，力爭取得長期、持續、穩定的超額收益。
富國基金另類投資部總經理，前巴克萊（BGI）大中華主動股票投資總監李笑薇認為量化投資的核心仍是“人腦”。盡管量化投資在海外發展已有30 余年。由于種種原因，目前這一投資方式在中國尚處起步階段，對于量化投資也存在諸如“量化就是模型決定一切”、“量化是完全由計算機選股”等較片面的認識。李笑薇表示，量化投資的核心是模型設計，“模型決定一切”的說法只能說是部分正確。當一個模型已經設計建設好之后，模型所產生的交易單的確需要嚴格執行，只有在特殊情況下才能對其進行修改。
但量化投資的核心是模型的設計和建設。而人腦無疑是這一過程中的關鍵。人對市場的理解，對模型構建的了解，對模型在市場中應用的經驗，是搭建一個完美“黑匣子”的最關鍵。“只有模型設計和建設得好，投資業績的把握才會增加。”李笑薇表示。
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。
他分析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，實質上大多是“量化選股”基金，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。費鵬介紹，華商基金量化投資團隊在設計該基金投資模型時就將風險量化模型作為重中之重。在設計中他們借助了包括統計信息學角度出發的信息熵值（Entropy）的變化、分形理論出發的市場模式（Pattern）的變化、金融物理學角度出發的金融泡沫統計指標的變化、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。
在產品結構設計上，華商大盤量化基金獨具特色，其一，倉位比較靈活，股票投資比例可為0—95%，也就是說當市場趨勢性下跌時，可以空倉應對；其二，產品結構多樣性，雖然目前公募基金已開展了股指期貨，但基本上作為流動性管理的手段，而該基金將把股指期貨作為一個有效的風控或者對沖工具應用到投資中；其三，在投資標的上，華商大盤量化主要選擇流動性好的滬深300成分股，以保證在極端情況下可以及時調倉；其四，經過測算，在目前A股市場中利于量化操作規模在10億左右，因此一旦華商大盤量化基金募集額達到10億時便會停止。
而據記者了解，華商大盤量化基金在擇股方面也有別于一些量化類基金。相較而言，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。而在實際測算中，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。對此華商大盤量化基金在設計選股模型時更多的是通過捕捉市場的異常波動，尋找股價波動的非基本面的因素。通過對數據挖掘，建立初選股票池，然后按照行業分類，結合基本面研究，通過行業研究員調研，尋找相互印證支持依據，最終進行擇時投資。
從目前市場趨勢看，越來越多的基金公司傾向于推出量化策略。相對于海外成熟市場，A股市場不是特別有效的市場，量化投資策略可以發揮其紀律性、系統性、及時性、準確性、分散化的有點而捕獲國內市場的各種投資機會。同時A股市場的深度和廣度都與前幾年不可同日而語，市場上有兩千多家上市公司，基金經理加研究員再加賣方，能把握和持續跟蹤的公司也不過幾百家。量化投資多層次，多角度，海量數據觀察，可以捕捉更多的投資機會，拓展更大的投資空間。
巧理壓歲錢
ETF聯接基金生財有道
新春又至，在成人感嘆春節成“春劫”時，孩子們的壓歲錢水漲船高，越來越多的小朋友在春節長假后晉升為“小財神”。這筆賀歲紅包若巧妙打理，則有望成為個人的夢想基金。在理財人士看來，作為兒童成長的見證，讓壓歲錢生錢也需要尋覓具有成長基因的理財產品。
人的思維在任何時候都只能考慮有限個變量，對傳統主動型投資人而言，決策廣度的有限性，體現在跟蹤股票數量上的限制，以及決策時思考變量上的限制。當然，傳統的主動投資方法在決策深度上是有優勢的，所以做更加深入的基本面研究，以彌補決策廣度的不足，是決定成敗的關鍵。
隨著市場信息傳遞速度的加快，眾多分析師對基本面數據的不斷挖掘，更加深入的分析，似乎越來越難以彌補決策廣度的不足。如果將傳統主動型投資比喻為―個“揀西瓜”比賽的話，現在剩下的西瓜越來越小了，那么這時“揀西瓜”的工具與方法就顯得非常重要了。
即使投資人有超越市場的預測能力，但現實中收益常常被投資人主觀認知上的情緒化波動侵蝕掉了。同時，傳統投資的管理者本身情緒難免受到周圍環境的影響，常常會做出一些偏離自己判斷的交易行為，這樣的隨機交易常常會侵蝕掉部分應該獲得的收益。
數量化投資彌補主觀判斷的缺陷
與傳統基金的基金經理相比，量化基金經理們更愿意將他們的見解與目前速度驚人的計算機技術、統計技術等結合起來作為研究工具，在模型中可以將自己的研究和視野拓展到只要有數據支持的任何地方。比如，量化基金經理們可以把所有股票納入自己的海選范圍內，從多維度的變量空間中找到自己的獲利機會，并可以檢驗這樣的獲利機會在歷史上的成敗概率。這樣的變量可以包括宏觀變量、基本面變量、財務數據以及有關投資者心理的市場行為變量。當然，量化投資跟蹤調查的范圍可以很廣，但是在最終決策上要受到眾多限制的，以保證在控制風險水平的前提下，實現收益率的最大化。
