金融量化策略大全11篇

緒論：寫作既是個人情感的抒發，也是對學術真理的探索，歡迎閱讀由發表云整理的11篇金融量化策略范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

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.

篇（2）

事實上，銀行股的這波上漲，可以回溯到年初3月份4152點最低點，照此算來，銀行板塊指數年初至今也上漲了32%。即便如此，與市場上的軍工、醫藥等板塊相比，這個漲幅并不突出。隨著銀行股低估值被逐漸發現以及滬港通的影響，未來有可能還會繼續上漲。

有鑒于此，《投資者報》特別找出了三季度末仍然重倉銀行股的基金名單，希望通過對其的詳細梳理，能夠對投資人借道基金坐享銀行股牛勢行情有所助益。

《投資者報》統計發現，三季度末仍重倉銀行股的基金一共有230只。其中，持有倉位比例最高的是國泰上證180金融ETF、華夏上證金融地產ETF、華寶興業上證180成長，均持有7只銀行股，倉位全在40%以上，持有倉位分別是46%、44%、42%。

從近6個月凈值增長來看，寶盈策略增長、工銀瑞信金融地產、招商大盤藍籌、新華鉆石品質企業、諾安中小盤精選、新華優選分紅、華泰柏瑞上證中小盤E、南方策略優化、大摩量化配置、易方達上證中盤ETF等10只基金位列凈值增長前十。值得一提的是，這10只基金近6個月的凈值增長均超過了30%。

工銀瑞信金融地產暫時領先

從今年以來凈值增長情況來看，工銀瑞信金融地產在上述230只重倉銀行股的基金中暫時領先。其今年以來的凈值增長為45%，近一個季度凈值增長19.83%，均位居230只重倉銀行股基金第一。

從持倉股票來看，工銀瑞信金融地產持有3只銀行股，分別是318萬股浦發銀行、500萬股光大銀行、250萬股交通銀行。

從這3只銀行股的漲幅來看，其年初至今的漲幅分別為24.5%、23.2%、29.5%。均未能跑過銀行類板塊指數年初至今32%的漲幅，顯然向上空間還很大。從10日漲跌情況來看，上述3只銀行股的近10日漲幅分別為11.52%、8.9%、8.41%。據此測算，這三只個股近10日分別為工銀瑞信金融地產的凈值增長供獻了320萬元、113萬元、83萬元，合計516萬元的浮盈。

從同類排名來看，工銀瑞信金融地產今年以來在365只同類基金中凈值漲幅排名第7。這對于成立一年多、又是新人基金經理管理的基金來說，這樣的成績還是相當可以的。

公開資料顯示，工銀瑞信金融地產為雙基金經理制，基金經理鄢耀，6年證券從業經驗，先后在德勤華永會計師事務所擔任高級審計員，中國國際金融公司分析員，2010年加入工銀瑞信擔任研究部研究員；另一基金經理王君正，5年證券從業經驗。曾任泰達宏利基金公司研究員，2011年加入工銀瑞信任研究部研究員。盡管兩位基金經理均擁有多年證券從業經驗，研究經歷豐富，不過，該基金仍然是他們管理的首只基金。

與工銀瑞信金融地產持有三只銀行股不同，在上述230只重倉銀行股中同樣表現優異的寶盈策略增長，則僅持有了一只銀行股――中信銀行。對比其近一年來的持倉可以發現，截至去年年末，寶盈策略增長的前十大重倉股中沒有中信銀行的身影，到了今年一季度末，寶盈策略增長的前十大重倉股中已持有5000萬股的中信銀行，上半年加倉至5800萬股。

從盤面來看，中信銀行在2014年2月7日這周筑底完畢，隨后展開了一波強勢上攻，由3.57元每股一路上攻到2月28日這周的最高5.58元，上漲了56%。據此算出，寶盈策略成長在中信銀行這只股票的建倉成本價應在4.5元附近。值得一提的是，截至今年三季度末，寶盈策略成長在中信銀行股票上的持倉重新回到了5000萬股，從盤面上來看，這期間中信銀行一直處于橫盤狀態，寶盈策略成長的減持，更大可能是前期部分獲利盤的落袋為安。

相關量化、ETF基金可高度關注

哪怕知道銀行股要走出牛市行情，但要在16只上市銀行股中選中漲得最高、漲得最快的龍頭并不容易，特別是對于消息滯后、缺少時間的工薪族，經常是“只賺指數不賺錢”。這時，直接投資指數型基金或量化基金也就成為了更加實用的投資選擇。

《投資者報》統計得來的數據也對上述觀點形成了較為有力的支撐。據《投資者報》測算，230只重倉銀行股的基金中，持倉倉位前十的基金分別為國泰上證180金融ETF、華夏上證金融地產ETF、華寶興業上證180成長、海富通上證周期ETF、信誠中證800金融、華寶興業上證180價值、建信上證社會責任ETF、國投瑞銀滬深300金融、匯添富中證金融地產E、嘉實中證金融地產ETF。

其中，除了嘉實中證金融地產ETF持有銀行股的倉位占比為29.63%外，另外9只基金持有銀行股的倉位占比均超過30%。顯然，如此高的倉位占比，一旦銀行股板塊大幅齊漲，這些基金的受益程度也將明顯超過其他同類基金。

篇（3）

摘 要：“金融改革”的提出，金融市場的逐步開放，將促進金融創新的步伐，給投資者帶來越來越多的投資渠道，同時也將加速中國金融市場與國際金融市場的融合。通過分別建立兩個單指標擇時策略模型，運用MATLAB模式搜索算法在設定時段內搜索最優參數，并分別對兩個單指標策略進行交易仿真回驗。實證結果顯示，趨勢型指標可以抓住大的波段行情，獲得超額收益，具有較好的擇時效果。實證顯示組合指標策略的效益明顯高于單指標策略。因此，采用組合指標策略進行個股量化擇時交易較單指標策略能獲得更優的投資收益。

關鍵詞 ：量化擇時；趨勢指標；組合指標策略；參數優化

中圖分類號：F8 文獻標識碼：A doi：10．3969／j．issn．1665－2272．2015．12．008

1 緒論

1．1 背景意義

“金融改革”的提出將為中國的量化投資帶來發展前景。金融市場的逐步開放將會促進金融創新的步伐，給投資者帶來越來越多的投資渠道，同時也將加速中國金融市場與國際金融市場的融合。很多國外成熟的投資工具和投資方法將逐步進入中國市場，以期貨市場為代表的衍生品市場將迎來飛速增長，以量化投資為代表的投資方法也將得到投資者更大的關注。

在投資業，各種渠道提供的海量信息以及高頻金融交易數據都在深刻地影響這個行業的發展以及金融市場的有效性。金融創新給期待量化投資的投資者提供了豐富的投資工具。自20世紀50年代以來，金融市場出于規避監管，轉嫁風險和防范風險等需要，推出了很多創新性的金融產品，提供了越來越豐富的投資工具。金融衍生品在金融市場中占的比例越來越重要。

中國量化投資的前景廣闊。黨的十八屆三中全會提出了“健全多層次資本市場體系”的指示精神，為十二五期間的資本市場發展指明了方向。隨著金融投資工具的增加，量化投資將顯示出其更大的作用，幫助投資者在更好的風險管控中尋求最佳收益回報。

作為量化投資中的量化擇時，是指利用某種方法來判斷大勢的走勢情況以及時采取相應措施，它是收益率最高的一種交易方式。就股票投資者而言，擇股和擇時都是至關重要的，正確擇股是盈利的前提，而正確擇時則是盈利的最終實現。因此，從微觀角度入手，建立有效的個股量化擇時交易策略值得研究。

1．2 文獻綜述

關于量化投資的研究，國內外更多的研究主要以策略構建和實證為主。易海波、楊向陽、羅業華、曾敏通過將量化指標按照股票屬性進行分類排序，以自下而上的選股方式，構建出價值、成長、質量三個基本模型，并在此基礎上衍生得到四個疊加模型和GARP模型。利用八個選股模型以不同的參數進行選股，構建出十個量化選股組合，歷史回測結果顯示這些組合風格各異，適合不同風險偏好的投資者。張登明通過對技術指標的分析，構建了完整的及時指標組合投資策略框架。他從量化的角度，通過樣本統計給出了適合中國股市的優化指標組合及參數設置，對提高投資決策有積極意義。路來政通過研究量化基金的績效及管理能力來研究量化投資策略的應用效果，采用T－M模型、H－M模型和C－L模型對其中9只量化基金的管理能力進行了研究，以評價量化基金使用量化投資策略的擇股效果和擇時效果，結果表明量化基金采用量化策略進行投資是有意義的。

股票擇時屬于量化投資的一個分域。劉瀾飚、李貢敏研究了市場擇時理論在中國的適用性，表明中國上市公司不僅存股票市場的市場擇時行為，而且存在債務擇時行為，即股票市場高漲時，上市公司傾向于債務融資。林正龍基于效用無差別定價原理，運用實物期權定價理論，研究項目投資收益不可完全復制的不確定性投資機會定價與擇時問題，得出不同于指數效用，對具有常值相對風險回避系數效用函數的投資者而言，不確定性投資機會的定價與擇時與投資者當前財富數量有關。卓琳玲、胡志強通過對樣本公司的研究，發現樣本公司股票行為、債券發行和內部融資均呈下降趨勢，其中股票不是特別明顯，當市值杠桿比率上升時期，股票發行出現顯著地下降趨勢，此時市場時機選擇比較明顯，說明我國股市存在明顯的市場時機選擇行為。劉陽、劉強通過研究我國從上世紀90年代初-2010年1月的上證綜指和深證成指，分析異常收益率對整個期間收益的影響及擇時的可能，發現極少數具有超常收益的交易日對股票市場的長期收益具有顯著的影響，認為理性的投資者應該放棄擇時而選擇長期投資。王俊杰在擇時模型方面分析了行業指數存在的持續性和行業輪動特征，并以時間序列模型為基礎，構建動量模型、MS－GARCH行業擇時模型等量化擇時策略，回測結果MS－GARCH擇時模型戰勝行業動量模型和指數，表現較好。

溫婧茹對移動平均線理論進行改進，構造了最適參數，參考設計了觸線交易策略和過濾器交易策略，構建了家電板板塊靜態與動態相結合的股票池，實證得出，不同股票對應的最適參數不同，用個性化的參數進行決策能獲得更好的收益；應用收益率確定最適參數以擇股，結合觸線交易策略以擇時，能夠跑贏大盤，取得超額收益。曹力自適應均線更適合于組合類的標的，如指數或者封閉式基金，因為這些標的的走勢經過了平均的平滑，沒有突然的大起大落，更容易用均線來跟蹤趨勢的變化。而對于個股，波動形態和指數類表的不同，所以需要使用不同的參數，在大多數個股上能夠獲得超額收益，特別對強周期性行業的股票自適應均線有很強的擇時能力。但是自適應均線也不是萬能的，對于某些個股，因為波動形態的復雜，用自適應均線也無法獲得超額收益。曹力、徐彪從實證效果來看，利用可交易組合的均線模式識別找出的買入機會成功率較高，能抓住一些市場主要的反彈機會，因此累積收益非常出色。可交易組合的均線模式識別方法是擇時交易，特別是熊市中擇時的有效方法。

1．3 研究框架

傳統的趨勢指標擇時策略往往是單指標的，并且策略參數通常是約定俗成的。單指標策略局限性和偶然性大，不能有效及時獲取收益和及時止損；約定俗成的常用參數值在面對各種波動幅度不同、周期性不同、價格彈性等不同的個股時也有失客觀性和靈動性。

所以，在探究一種改進針對個股的傳統趨勢指標量化擇時的策略。首先建立基于各傳統趨勢指標的單指標擇時策略，通過參數優化確定各單指標策略的最適參數；并在單指標的基礎上，創新性地通過指標的組合，構建一個綜合性且參數最優的組合指標擇時策略，以增強策略的穩定性和魯棒性，獲得更優的投資收益。

1．4 術語說明

（1）累計收益率：

（2）年化收益率：年化收益率是把當前收益率（日收益率、周收益率、月收益率）換算成年收益率來計算的，是一種理論收益率，并不是真正的已取得的收益率。

（3）夏普比率：夏普比率是一個可以同時對收益與風險加以綜合考慮的經典指標，它反映了單位風險基金凈值增長率超過無風險收益的程度。如果夏普比率為正值，說明在衡量期內基金的平均凈值增長率超過了無風險利率。夏普比率越大說明基金單位風險所獲得的風險回報越高。因此，夏普比率是可以同時對收益與風險加以綜合考慮的經典指標之一。

夏普比率=

（5）最大回撤率：在選定周期內任一歷史時點往后推，產品凈值走到最低點時的收益率回撤幅度的最大值。最大回撤率用來描述買入產品后可能出現的最糟糕的情況，是一個重要的風險指標。

2 理論概述

2．1 量化投資理論

量化投資是運用現代統計學和數學的方法，從大量的歷史數據中尋找并獲得超額收益的一種投資策略，投資者通過計算機程序，建立可以重復使用并反復優化的投資策略，嚴格按照這些策略所構建的數量化模型進行投資并形成回報。

量化投資的內容主要包括量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、算法交易、ETF／LOF套利、高頻交易等。量化投資在國外已有30多年的發展歷史，但在國內還是近年出現的新鮮事物。相比其他投資策略，量化投資在國外的運用已取得了更佳的業績。

與海外成熟市場相比，中國A股市場的發展歷史較短，投資理念還不夠成熟，相應的留給主動型投資發掘市場的潛力和空間也更大。國內很多實證文獻討論國內A股市場也尚未達到半強勢有效市場，因此量化投資理論引入國內證券市場是非常有意義的，它以正確的投資理念為根本，通過各種因素的分析，以全市場的廣度、多維度的深度視角掃描投資機會，在中國市場的應用將更顯其優勢。

2．2 擇時理論

量化擇時是量化投資的一種，它利用數量化的方法，通過對各種宏觀微觀指標的量化分析，試圖通過回溯歷史數據，找到影響大盤走勢的關鍵信息，并且對未來走勢進行預測。如果判斷是上漲則買入持有；如果判斷是下跌則賣出清倉；如果判斷是震蕩則進行高拋低吸，這樣就可以獲得遠遠超越簡單買入持有策略的收益率。所以擇時交易是收益率最高的交易方式之一。

股票的量化擇時是預測市場以后的走勢，并由此來判斷調整投資組合的風險水平，從而獲取更大的收益，具體表現是現金流進出證券市場和在證券間比例變換的時機選擇。

2．3 趨勢追蹤理論

趨勢擇時的基本思想來自于技術分析，技術分析認為趨勢存在延續性，因此只要找到趨勢方向，跟隨操作即可。

技術指標是技術分析中使用最多的一種方法，通過考慮市場行為的多個方面建立一個數學模型，并給出完整的數學計算公式，從而得到一個體現證券市場的某個方面內在實質的數字，即所謂的技術指標值。指標值的具體數值和相互間關系直接反映證券市場所處的狀態，為操作行為提供指導作用。目前證券市場上的技術指標可分為“趨勢型指標”、“反趨勢型指標”、“能量指標”、“大盤指標”、“壓力支撐指標”等類別。

移動平均線（MA）是一種常用的趨勢型指標，由Joseph E．Granville于20世紀中期提出來。它是當今運用最普遍的技術指標之一，幫助交易者確認現有趨勢、判斷將出現的趨勢、發現過度延伸而即將發轉的趨勢。后來又逐漸衍生出其他類型的均線，如平滑異同移動平均線（MACD）、三重指數平滑平均線（TRIX）等。 這些均線理論常用兩根線的交叉作為交易信號，并以此作為買賣時點的判斷。

均線理論提供了一種簡單有效的使價格序列平滑并且使趨勢更易于辨認的方法。

因此綜合以上理論的優點，在此基礎上改進傳統趨勢指標的量化擇時策略，并創新性地開發更優的組合指標量化擇時策略，以達到及時獲取收益和及時止損的目的。

3 擇時策略模型建立

3．1 MA單指標策略模型的建立

MA移動平均是指連續若干交易日收盤價的算術平均，用來顯示股價的歷史波動情況，進而反映股價指數未來的發展趨勢。

其中

利用MA指標進行量化擇時，在短期移動均線與長期移動均線的交叉處進行買入或賣出擇時交易。以下分別建立買入和賣出法則的模型。

在短期移動均線下穿長期移動均線的黃金交叉處買入，故建立如下數學模型：

mabuy=1，MA（s）t＞MA（s）t-1&MA(s)t＞MA(l)t&MA(s）t-1＜MA（l）t-10,其他（6）

其中mabuy=1，表示滿足買進，mabuy=0表示不滿足買進。

在短期移動均線上穿長期移動均線的死亡交叉處賣出，故建立以下數學模型：

mabuy=1，MA（l）t＜MA（l）t-1&MA(s)t＜MA(l)t&MA(l）t＞MA（l）t-10,其他

其中mabuy=1，表示滿足賣出，mabuy=0表示不滿足賣出。

3．2 MACD單指標策略模型的建立

MACD即指數平滑異同移動平均線，是根據均線的構造原理，通過分析短期指數移動平均線與長期指數移動平均線之間的聚合與分離狀況，對買進、賣出時機做出判斷的趨勢型技術指標。

MACD的計算如下：

（1）計算短期（ms）指數移動平均線EMA1和長期（ml）指數移動平均線EMA2。

（2）計算離差值DIF＝EMA1－EMA2。

（3）計算DIF的M日指數移動平均線，即DEA。

（4）計算MACD＝2（DIF－DEA）。

利用MA指標進行量化擇時，在DIF與DEA的交叉處進行買入或賣出，分別建立買入和賣出法則的模型。

當DIF、DEA均為正值，DIF向上突破DEA時，為買入信號，建立如下數學模型：

macdbuy=1，DIFt＞DIFt-1&DIF＞DEAt&DIFt-1＜DEAt-1&DIF＞00,其他 （8）

其中，macdbuy=1表示滿足買進，macdbuy=0表示不滿足買進。

當DIF、DEA均為負值，DIF向下跌破DEA時，為賣出信號，建立如下數學模型：

macdsell=1，DIFt＜DIFt-1&DIFt＜DEAt&DIFt-1＞DEAt-1&DIF＜00,其他（9）

其中macdsell=1，macdsell=0表示滿足賣出，表示不滿足賣出。

3．3 MA－MACD組合指標策略模型的建立

組合模型構建兩個新的信號變量：買入信號個數閾值“buy”（1≤buy≤2，整數）和賣出信號個數閾值“sell”（1≤sell≤2，整數）。

買入信號個數閾值“buy”表示：當MA策略中的“mabuy＝1”的買入信號個數與MACD策略指標中的“macdbuy＝1”的買入信號個數之和至少達到閾值“buy”（1≤buy≤2)數量個時才進行買入交易。

即“buy”閾值取不同值時，買入信號組合滿足買入條件的情況如下：

buy=1時，滿足買入情況：mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12時，滿足買入情況：mabuy=1&macdbuy=1（10）

賣出信號個數閾值“sell”表示：當MA策略中的“mabsell＝1”的賣出信號個數與MACD策略指標中的“macdsell＝1”的賣出信號個數之和至少達到閾值“sell”數量個時才進行賣出交易。

即“buy”閾值取不同值時，買入信號組合滿足賣出條件的情況如下：

sell=1時，滿足賣出情況：masell=1||macdsell=1||mabsell=1&macdsell=12時，滿足買入情況：masell=1&macdsell=1（11）

3．4 模型最優參數的選擇

就個股而言，不同的計算參數，將導致不同的擇時效果。面對各種波動幅度不同、周期性不同、價格彈性等不同的股票，如果盲目套用經典參數可能會有失客觀性和靈動性。因此， 在進行量化擇時策略構建時，需要針對個股進行策略的參數優化，檢驗指標不同參數的測試效果，并最終選擇一個最優的參數組合。

夏普比率是一個可以同時對收益與風險加以綜合考慮的經典指標，它反映了單位風險基金凈值增長率超過無風險收益的程度。如果夏普比率為正值，說明在衡量期內基金的平均凈值增長率超過了無風險利率。夏普比率越大說明基金單位風險所獲得的風險回報越高。因此，夏普比率是可以同時對收益與風險加以綜合考慮的經典指標之一。

4 個股實證分析

4．1 數據選擇

為驗證上述模型的有效性，個股實證以深圳證券交易所的華誼兄弟300027為交易標的，選取來源于國泰安2011．1．1－2014．6．30的基本面數據庫，包括個股開盤價、收盤價等。

4．2 MA單指標擇時策略仿真回驗

首先對該股策略進行參數優化：本策略中對于參數，在測試期間內，以2天為間隔，測試范圍從2天到20天；以5天為間隔，測試范圍從20天到120天；搜索精度為1；測試回驗30天，截止日期設為2013－12－31。通過回驗得到參數優化結果（見表1）。

如表1所示，最優組合（s，l）＝（2，20），當以2日為短期均線，20日為長期均線，在參數優化測試期間進行交叉擇時時效果較好，在回驗測試期間內夏普比率達2．4234。

確定最優后，運用國泰安量化交易平臺QIA進行策略交易仿真回驗。設定合約保證金為1，合約乘數為1，市場參與度為0．5，買方手續費為0．05‰，賣方手續費為0．05‰，交易賬戶為股票賬戶并設定初始資金為1 000 000元，以一年期國債利率為無風險利率，并以滬深300為業績比較基準，以數據庫所給時間2011年1月1日-2014年6月30日為策略回驗時間區間進行回驗。最終結果（見圖1、表2）。

回驗結果顯示，此單指標策略在2011年1月1日-2014年6月30日間的累計收益率達42．26％，年化收益率達11．10％，高出同期的滬深300指數比較基準，并且勝率達60．80％。由此我們可以得出結論，采用MA單指標策略進行個股量化擇時交易也能獲得較優的投資回報。

4．3 MACD單指標擇時策略仿真回驗

對該股策略進行參數優化：該策略需要優化確定的參數主要包括短期指數移動平均線的計算天數ms、長期指數移動平均線的計算天數ml，以及DEA的計算天數M。本策略的參數優化依然以最大化夏普比率為最優化目標函數，并使用Matlab的模式搜索算法在設定的回驗時段內搜索最優參數組合（ms，ml，M）。

對于參數ms，在測試期間內，以2天為間隔，測試范圍從2天到20天；參數ml以5天為間隔，測試范圍從20天到120天；參數M以5天為間隔，測試范圍從5天到60天；搜索精度為1；測試回驗30天，截止日期設為2013－12－31。通過回驗得到參數優化結果如下：

如表3所示，最優組合（ms，ml，M）＝（2，25，10），當以2日為短期指數移動平均線計算天數，25日為長期指數移動平均線計算天數，10日為DEA計算天數，進行交叉擇時時效果較好，在回驗測試期間夏普比率達3．0682。

組合指標擇時策略仿真回驗。由于組合指標策略是建立在單指標策略基礎上的，所以該策略中的參數（s，l）、（ms，ml，M）即為模型一和模型二參數優化后確定的值，而參數（buy，sell）的組合情況有（2，2）、（2，1）、（1，2）和（1，1）四種，閾值組合選取哪個使得策略最優則需要進一步的參數優化。

對于參數buy，初始值設為2，測試最小值為1，最大值為2，步長設為1；參數sell，初始值設為2，測試最小值為1，最大值為2，步長設為1；搜索精度設為1；測試回驗90天，截止日期設為2013－12－31。通過回驗得到參數優化結果（見表4）。

如表4所示，最優組合（buy， sell）＝（1，1），即當買入信號個數至少有一個時就進行買入交易，賣出信號個數至少有一個時就進行賣出交易，以此進行組合指標擇時效果最好，在參數優化回驗測試期間夏普比率達2．490 3。

5 結論

從價格沿趨勢移動和歷史會重演的角度出發，運用傳統趨勢指標MA和MACD，分別建立MA、MACD的單指標擇時策略模型并通過模式搜索算法分別求出兩個策略的最優參數，從實證結果看趨勢型指標可以抓住大的波段行情，獲得超額收益，具有較好的擇時效果。在此基礎上再創新性的運用通過設置買入和賣出信號個數閾值的方法構建二者的最優組合指標模型，增強了擇時的穩定性和魯棒性，在有效降低風險的同時提高了收益率。

綜上所述，基于以上的不足之處，以后將沿著組合指標擇時的思路繼續深入研究以對目前的研究進行改進。未來的工作主要是：對于用于組合的單指標要進行更為全面的擴展，引進其他經典趨勢型指標DMA平均線差指標、TRIX三重指數平滑移動平均指標等，同時把指標類型拓展至其他類型，如反趨勢型指標ACCER幅度漲速指標等，量價指標APBP人氣意愿指標等，大盤指標OBOS超買超賣指標等，壓力支撐指標ENE軌道線指標等。通過增加組合趨勢型數量和組合指標類型，以使組合指標策略更全面、更切合實際市場。

參考文獻

1 丁鵬．量化投資——策略與技術［M］．北京：電子工業出版社，2012

2 方浩文．量化投資發展趨勢及其對中國的啟示［J］．宏觀管理，2012（5）

3 郭建．論證券投資技術分析中歷史會重演的根本原因［J］．商業時代，2007（28）

4 李向科．證券投資技術分析［M］．北京：中國人民大學出版社，2012．

5 張登明．技術指標投資策略的優化及其在量化交易中的應用［D］．武漢：華中科技大學，2010

6 方智．基于多技術指標模型的滬深300指數走勢預測［D］．南昌：江西財經大學，2012

7 路來政．量化投資策略的應用效果研究［D］．廣州：暨南大學，2012

8 劉瀾飚，李貢敏．市場擇時理論的中國適用性［J］．財經研究，2005（11）

9 林正龍．項目投資定價與擇時理論研究［D］．長沙：湖南大學，2006

10 胡志強，卓琳玲．IPO市場時機選擇與資本結構關系研究［J］．金融研究，2008（10）

篇（4）

這群人多數都不是學金融而是學數學或者物理出身，當他們進入華爾街后，被認為是華爾街名副其實的淘金者，1980年到2007年，是他們勢不可擋的黃金年 代。

2005年左右，量化投資在國內出現。

從事量化投資的人被稱為寬客，則是最近兩三年的事情。一方面是一些介紹華爾街寬客的書籍被翻譯引進，另一方面，因為2008年金融危機爆發，一些華爾街的寬客開始轉戰中國。

短短幾年，隨著中國衍生品市場的日漸開放，自稱寬客的人越來越多。券商、基金、期貨、私募……一句市場玩笑話，誰家要是沒有一個兩個寬客，都覺得不太好意思。

寬客的春天真的來到了？

年輕的中國寬客們

一間不到20平方米的房間，沒有任何隔斷，每張辦公桌上都放著兩到三臺電腦，五張辦公桌呈扇形分布在落地窗前，每個人扭頭就可以和其他人說話。

這就是永安期貨研究所量化投資團隊的辦公室。和國內不少量化投資團隊一樣，他們在公司具有相對獨立的空間。

30歲的張冰，2009年畢業于北京大學，理論物理博士，是這個團隊的負責人。有著一張娃娃臉的他，舉手投足之間流露出來的依然是濃濃的書生氣。不僅是他，屋子里的其他人也都像是在大學機房里安靜地做研究、編程序。

事實上，要想進入這個團隊，必須有熟練的計算機編程能力。2012年7月加盟張冰團隊的李洋是北師大應用數學碩士，他經過一天近十個小時的筆試和面試才最終被團隊接納。筆試中80%的題目都是用計算機編程。

“量化投資是聰明人的游戲。”張冰說，量化投資實際上是一種在證券市場上找規律、找錯誤的游戲。誰先找到新規律、新錯誤，誰先獲得超額收益的可能性就越高。

這個團隊除了一位數學碩士，一位計算機碩士，還有三位是物理博士。數學和計算機能力都超強。

還在北京大學攻讀博士學位的時候，張冰就聽導師馬伯強提到他有不少同學、學生，赴美留學繼續深造物理之后，沒有繼續學術研究，而是轉戰華爾街做投資，做得相當成功。

物理學一直關注的是動態，尋求規律，目的是為了預測并掌握未來。把物理學理論知識運用到金融實踐中，尋找證券定價變動的規律，其實并沒有越過物理學的研究范疇。

這讓本來就對金融有興趣的張冰，開始想自己今后的路。他還專門去一個私募基金實習了半年。“在物理學中，你是和上帝玩游戲，在金融領域，你是和上帝的造物玩游戲。”

這句話并不是張冰原創，而是來自他的前輩，同樣也是理論物理博士出身的伊曼紐爾·德曼（Emaneul Derman）。

德曼的自傳《寬客人生：華爾街的數量金融大師》在2007年被引介到中國。德曼自1985年進入華爾街之后，就致力于把物理學理論和數學技巧及計算機編程技術結合起來，建構數量模型，尋找金融證券的定價，指導證券交易。

張冰看過這本書之后，更加確信，自己可以選擇像德曼一樣去當寬客。不過，當他決定做寬客時，發現中國突然間就涌現出很多量化投資專家。而事實上這些人多數是營銷專家，根本就不懂量化投資，最后都虧得一塌糊涂。

2009年，他決心成為真正的寬客，于是拉著同班同學陳星和師妹錢文，成立了這個以北大理論物理博士為班底的寬客團隊。這是國內期貨公司中第一批成立的寬客團隊。目前國內三分之一的期貨公司有量化投資團隊。

團隊平均年齡27歲，成立至今一直比較穩定。張冰也沒有擴容的打算。因為要找到對數字的敏感，善于發現數字之間的規律和聯系，還能把這些規律變成數量模型指導證券交易的人，很難。他這個團隊也還處于自我培養的過程中。

“中國寬客以年輕人居多。”中國量化投資學會理事長丁鵬說。

丁鵬是上海交通大學計算機博士，方正富邦基金的資深量化策略師。2012年初，他推出一本《量化投資：策略和技術》，成為國內最早一本專門介紹量化投資的專業書籍，被一些人認為是寬客圣經。

一年前，丁鵬建了一個QQ群，隔三差五與對量化研究感興趣的人進行討論，沒想到經過口口相傳，QQ群迅速發展壯大，線上討論也發展到線下交流。他便牽頭成立了中國量化投資學會。

學會如今在全國擁有十幾個分會，近八千人，大部分都是有著一定數理知識基礎的年輕人，這些人都打定主意要成為中國的寬客。

在丁鵬看來，在中國當寬客，生活很簡單，只需要潛下心來，發揮個人聰明才智，做研究，建模型。真正找到好的可以賺錢的模型之后，都是別人求你。

這讓很多純理工背景人的人很向往。在現在的社會格局下，要想出頭并不容易，但當寬客可以掌握自己掌握命運，完全憑自己取得成功。

賺錢之道

丁鵬一天典型的工作狀態是：查看模型前一天的運轉結果，考慮是否要對策略進行修正。如果沒有需要修正的，則著手準備為下一個模型的開發。其他的都是電腦的事情，不用他管。他根本就不看基本面。

張冰團隊的辦公室放眼望去，也沒有交易時間最常見的五顏六色的股票K線圖和大盤走勢圖，電腦屏幕上顯示的多數是白底黑字的編程界面。

不過，他們并不像丁鵬那么輕松。團隊每人按特長各有分工：有的主要處理數據，有的做策略設計，有的做策略建模。因期貨公司目前不能直接做交易，張冰團隊每天主要做的就是衍生品量化投資分析工作，把研究的結果開發成產品供客戶購買。

而通常能夠進行交易的寬客團隊一天的工作流程大致如此：有人在交易頭一天晚上就負責收集并更新、處理好交易所公告的數據；第二天開盤之前，通過選定的模型，經相關軟件自動給出交易策略。開盤后，按照模型給定的策略進行交易。早上10點左右，交易員、基金經理盯盤最忙碌的時候，量化投資團隊一天的最主要工作—投資決策、交易下指令的工作已經完成。

丁鵬認為，進入量化投資門檻之后，找到好的方法，會比較輕松，理論上講，“一臺筆記本一個U盤就可以賺錢了”。

真實交易還是需要一個團隊的支持，不過核心的交易模型和思想，確實一張U盤就可以存儲完成。有朋友曾拿U盤拷下他設計的量化投資模型到香港股市去實踐，半年間盈利最高點達到了120%，不過，這個高風險的策略只適合于小資金操作，并不適合于大規模的資產管理。丁鵬解釋：”資本市場沒有神話，需要不斷地修訂自己的模型和策略 “。

張冰目前也不敢奢望那樣的賺錢狀態。

事實上，量化投資在國內最早也就是2005年才萌芽。業內公認，2005年開始的ETF套利拉開了量化投資在中國的序幕，而股指期貨等衍生品2010年才逐步放 開。

因為無可借鑒，張冰團隊只能從零做起。從收集數據到建構模型到交易的風險控制，都是他們自己一個代碼一個代碼寫的。

這是個系統工程，在這個體系中，先觀察事件之間的聯系—通過觀察或實驗去取得數據；再假設一個結論—構建理論去解釋數據；然后去預測分析—構建量化模型并回測；最后檢驗并證實這個結論—實盤交易。

所有這些都需要資本和人力的大量投入。從華爾街回來的寬客—北京名策數據處理有限公司執行董事祝清大致估計了一下，一個真正從事量化投資的寬客團隊運作起來，前期至少要投入5000萬。

祝清曾在美國的全球證券投資基金工作多年，有三年，他是一個40人寬客團隊的負責人，要從全球9000多只股票池里找出投資品種。這讓他有機會對量化投資從數據、代碼到模型、系統進行深入地接觸和運用，甚至對系統的漏洞也了如指掌。

這些是他當時所在公司花了十幾年，經過大量的投入才建構的一個系統工程。而建構整個系統的基礎就是數據，華爾街其他有著進行量化投資的寬客團隊的公司，無不在數據上有很大的支出。

2008年祝清從華爾街回國，創辦專注于金融數量分析和程序化交易的數據處理公司。這幾年，他帶領30人的團隊，主要做了四件事：建立專供量化投資的量化數據庫、量化決策終端、高速量化交易平臺、量化策略研發服務。他希望借助強大的分析工具平臺，以及日益完善的數據庫系統來改變行業的經營模 式。

目前他的公司尚未到盈利階段。

春天尚未到來

1月19日，中國量化投資學會的50多名資深會員在北京郊區舉辦了一次聚會，聚會的主題是“擁抱量化投資的春天”。丁鵬表示：冬天已經過去，寬客的春天已經到來。

丁鵬是有理由樂觀的：國家政策層面支持金融衍生品市場放開；2012年，玻璃、原油、國債期貨、CTA以及滬深300指數期權等一系列金融衍生品加速推進；隨著投資品種增多，越來越多的金融機構意識到量化投資的重要性和緊迫性。

另外，國內打算做寬客的人也暴增—從中國量化投資學會的壯大就可看出端倪。

不過，同是中國量化投資學會成員的張冰和祝清都持謹慎態度。

張冰不認為寬客短期可形成一股力量。畢竟，美國發展了四十年，而中國只做了四五年而已。沒有足夠的投入，不可能那么快有收入。沒有收入，堅持來做的人就不會太多。

祝清更嚴苛。他并不認為會建模型的人就可稱為寬客。他認為目前中國真正的寬客，尚不足100人。祝清按照華爾街的標準來定義中國寬客：作為寬客，最起碼要滿足三個條件—有高凈值客戶；有量化投資研究平臺（有數據有人有模型）；有交易通道。

按照這個標準，目前，真正的中國寬客都在過冬，都還在燒錢階段，活下去都很難。即使是初春，最早也至少要三年之后—這還要看有沒有一兩位真正經受住市場檢驗、收益率排名靠前的標桿性寬客脫穎而 出。

據祝清了解，因為國內多數金融機構的高層并不懂量化，在這方面投入太少，即使一些數一數二的大型券商，歷史的數據都不存。沒有歷史數據無法驗證模型，量化投資就是句空話。

取得數據，還需要有人來處理數據，建構模型。金融機構的投入不會很快有結果，另一方面，寬客很有可能做出成果之后就走人，中國在這方面尚無知識產權保護。而在美國，只要有人敢在服務器上拷一行代碼，就有FBI介入了。

2008年中金公司從華爾街花重金請回來的知名寬客李祥林，如今他已去做私募了。

祝清介紹，西方寬客主要分三類：從事高頻交易的、采用對沖策略的、預測趨勢的。而他們所有的交易、投融資決策都是通過數量模型進行，由電腦決策并完成下單。

篇（5）

就在人們紛紛對西方財經圈大牛表示緬懷之時，傳來一個中國投資大佬境外因病醫治無效過世的消息，讓整個量化投資圈頗為震驚。

這個大佬就是量游投資創始人朱天華。我打開他的微信，簽名“交易是統計游戲”赫然醒目呈現在那里，或許也是他公司名的來由。

朱總是哥倫比亞大學博士，有15年美國頂級投行經驗，任美國高盛集團交易和銷售部董事總經理。關鍵是在高盛，朱博負責金融產品量化、程式化和高頻化的交易和策略，主管美國的國債期貨、國債現貨，包括利率期貨、外匯、商品期貨還曾任瑞士信貸全球自營部的總監、美國雷曼兄弟公司固定收益部副總裁和資深交易員、美國IDC固定收益和金融衍生品資深策略專家。

放眼華人量化投資圈，大概沒幾個人能有這樣豐富而資深的背景了。

一般來說，回國創業的量化創業者有三類，第一類是像朱天華這樣真正受過頂尖投行熏陶的扎實大牛，少之又少；第二類是海外大機構做過幾年相關工作的，基本知道主要套路；第三類是非主流對沖基金合伙人，或是從策略轉投資、從研究轉投資的新人。

我后來與朱天華總共有過三面之緣，每次都在講風控。

第一次見到朱總是上海交大高級金融學院的論壇上，當時話題還算應景――對沖基金在中國的困境與對策。朱總參加的是圓桌討論環節，穿著松松垮垮的休閑外套，他個頭略小，臉上不帶微笑，神情略顯滄桑。他說話雖聲不大，但氣場強烈，當時依稀記得的重要觀點是：很多人太不敬畏投資了，不知道投資中的不確定性有多難控制。

第二次是在虹口區對沖基金園區附近一家酒店大堂。那時大概是2016年5月，聽說朱總很久不見投資人了。我當時像平常一樣咨詢他一些問題，但我很快就發現，朱總交流起來有自己的頻道。他說得更多的是一些形而上學的理念。

最后一次見他，是在去年底上海的一個對沖基金論壇上。他坐在前排一個有名牌的座位上，冷靜地觀察著這個熱鬧的世界，周圍是喧鬧的年輕人。他穿著還是一樣樸素，一樣不為人所注意，感覺整個人有些消瘦。看他提前要走，我與他打了個招呼，他依舊低調地淺淺一笑。

不過，短短的幾次接觸，發現朱總仍有幾點交易原則值得借鑒。

1.分散化。多品種多交易方法。朱總堅持量化交易，他覆蓋的交易品種有期貨、股指、商品期權、分級、ETF等，他基本都在做一些多品種的交易策略。這與他在高盛時一脈相承，他當時負責金融產品量化、程式化和高頻化的交易和策略，對美國國債期貨、國債現貨，包括利率期貨、外匯、商品期貨等各品種也非常精通。

2.尋求趨勢相反機會。朱總偏重微觀，偏重統計意義上的回歸，在量化交易中盡量找一些與趨勢策略相反機會的策略，與趨勢模型做較好的組合補充。

3.永遠敬畏風險。他信服凱恩斯所言的“市場保持不理性的時間可能比你保持不破產的時間更長”。至于具體方法，主要通過對海量數據風控解決方式。他說起過去美國白銀市場，曾經從5元漲到80元，后來跌到10元、2元、1元，非常無法想象。他也提到當時高盛躲過次貸危機最強大的是其風控，在他看來，風控才是資產管理的靈魂。

4.人工智能是方向。2003年朱總在雷曼期間就接觸了深度學習專家，擁有下棋人工智能，只是沒feedback。現在可以通過Led work等神經網絡實現策略復興、優化，也可以通過非結構化思維，進行頭寸與風險分配，主要通過歷史數據，再用反饋測試。

總之，在朱總眼中，中國市場剛剛起步，阿爾法機會巨大。

篇（6）

她管理的博時特許價值基金，從2012年6月接手到年底，凈值增長幅度居同類前20%，她是通過怎樣的操作大幅提升基金業績？

博時特許價值基金是量化基金，量化基金的操作又有怎樣特點？

每日基金特邀胡俊敏博士，傾聽她的人生經歷和投資理念。

張學慶：從您的簡歷來看，是物理學博士，這是典型的理科學科，當然您后來又做過量化研究的工作，但您目前從事的工作是投資，是屬于金融學這類范疇，這兩個學科距離特別大。您之前研究的物理學、化學 ，對于投資有何幫助？

胡俊敏：當年念物理，現在做投資，不是事先計劃好的，而是當時的歷史環境造成的。我大學的時候是八十年代，中國還沒有股市，我連股票是什么都沒有概念。因為我比較喜歡跟數字打交道，就學了物理。去哈佛后，剛好碰上一些量化金融理論得到應用，華爾街需要有很強數理根基的人才。而由于美國經濟不景氣，教育經費不足，學術界又人才過剩，于是華爾街就吸引了大批的數學、統計或物理的博士。我在哈佛有機會初步了解到金融投資。

現在回頭看，我學物理出身，做過材料研究，做過量化研究，現在做量化投資， 不是必經之路，但是確實每一段經歷形成了我自己的知識結構，對我的投資理念的形成有不同程度的影響。

對于市場的理解。市場是否處于均衡的狀態，金融界有很多爭論。統計物理關于均衡非均衡態的理論以及量子力學的不確定原理我覺得一定程度上也適用于股票市場。股票市場不停地有新的信息，不同投資者對信息的接受和反饋不是瞬時的。另一方面，投資者行為與股價又是互相影響的，所以市場是處在一種不完全均衡的狀態。市場過熱現象也是不均衡態的一種表現。

數學統計上幾率分布的概念在投資中是至關重要的。經常有投資者問我，你覺得下面一個月市場是漲還是跌，其實這是很難預測的，滬深300指數平均月收益為0.5%，但月波動率有9.1%，一個月的收益有2/3的幾率分布在-8.6%到9.6%之間，波動性非常大。

邏輯思維方式和分析解決問題的能力。研究生的時候我做的是實驗物理。就是通過對一些現象的觀察和研究，找出規律，驗證和發現基本原理。投資中由于信息多，頻繁、且不完全，具備理性的邏輯思維和抓住問題本質的能力就非常重要。

張學慶：除了在學校中所學的知識，在后來工作中，還需要增加哪一方面的訓練？才能成為一名合格的基金經理。

胡俊敏：量化基金經理需要的知識面比較廣。除了比較強的數理基礎和編程能力，下面幾個方面的知識也是非常重要的。

基礎金融知識：我業余選修金融方面的課，并通過準備CFA的考試補上金融知識的缺。爭取到量化分析師的工作機會

量化投資管理：這有一整套理論框架。我當時在巴克萊資產管理公司任基金經理，有幸參加了《主動組合管理》作者Ron Kahn的課程。這本書被認為是量化投資的圣經。

行為金融：指由于投資者心理或思維偏差造成市場不有效的各種現象。量化投資之所以可行，就是因為股價由于各種原因而偏離其真實價格，有一定統計性規律可循。

市場經驗：需要積累，我目前也在逐步積累A股市場的經驗。

有志加入到量化投資行業中的朋友們可以針對各自的知識結構，制定出自己的準備計劃。

張學慶： 您一個人管理5只基金，這可能得益于采用了量化的方法，同時管理五只基金，你會采取怎樣的分配方法來統籌自己在五只基金間的精力分配？

胡俊敏：這就是量化投資的優勢。首先，整個投資流程高度自動化、系統化。每天開盤前，所有基金及模型所需數據都已更新到基金管理系統里。其次，量化投資團隊，基金經理后面有基金經理助理、量化分析師及IT的支持。基金經理只需將時間花在最關鍵的地方。具體講，

量化基金，比如我管理的特許價值，以及和王紅欣博士共同管理的裕富滬深300基金：更多的是模型管理，而不是個股管理。組合里的股票可能有上百只，但是我需要管理的是有二、三十信號構成的模型和一些組合構建的參數。需要交易的時候，可以根據模型用優化系統進行計算，我會檢查模型結果是否正確，然后批量交易，而不是一個股票一個股票地分析、決定。。

張學慶： 您管理的基金比較多，有主動配置型，有被動配置型。能否給基金投資者一些建議，那類基金適合哪些投資者投資？

胡俊敏：特許價值基金是一只主動股票型基金，通過量化多因子選股模型在各行業內精選個股，以期獲得長期跑贏市場的超額收益。風險要比純被動或增強指數型基金高，但是超額收益的空間也高，適于有中等風險承受力，投資期間較長，對收益有較高要求的投資者，也可作為長期資產配置的一個成分。

張學慶：做為基金投資者，如果不看好市場，您認為他們有幾個措施能夠躲開市場風險。

胡俊敏：根本解決的方法是調整資產配置比例。如果對股票市場的未來不看好，那就降低在股票類資產的配置，將賣出的資金放到債券、其它投資品種、或現金上。因為對于市場的判斷很難百發百中，所以在調整配置的時候即使不看好股票市場，仍然建議保留一定的股票類資產，市場走勢常是不確定的。

同時，普通投資者擇時的能力是比較差的。所以我給普通投資者的建議是1）采取定額定投的策略，牛熊市無阻的堅持投資。2）不要將所有的雞蛋放在一個籃子里。分散投資，做長期資產配置。長期而言所承受的風險是有收益的。

篇（7）

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（8）

北京時間2013年8月16日11點05分31秒到05分56秒的短短26秒里，中國石化和工商銀行兩大權重龍頭先后漲停。之后多只權重股迅速跟進大幅拉升；根據事后調查結果，造成這一事件的光大烏龍交易以70億的成交量，卻造成了日均交易量在2000億以上的A股市場的大盤指數瞬時上漲超過5%的漲幅，這讓貌似遙遠的量化交易突然出現在國內投資者的面前，很多普通投資者這才發現自己同量化交易戰斗已經很久了。如何獲得一個擁有高速精準的數據、高性能程式交易以及高度的開放性和前瞻性等特點的專業的交易平臺，這正是本文嘗試解決的問題。

一、如何選擇國內現有平臺

目前的量化交易平臺可以從開發語言、技術架構、系統架構、策略方向、交易方式等幾個方面，分為中低端和高端量化交易平臺。

（一）中低端量化交易平臺

中低端平臺只支持復雜度不高的腳本語言實現策略邏輯，多數的實現只能在圖表上加載技術指標進行自動化交易、程序化交易等量化交易方式。它一般采用的技術架構是投資者使用平臺商提供的客戶端軟件，采用互聯網接入方式連接平臺商或者金融經紀公司提供的行情和基礎數據服務器，投資者在本地運行的策略觸發后，通過經紀公司的普通交易席位進行交易。國內應用的中低端量化交易平臺主要有文華贏智程序化交易、交易開拓者、金字塔決策交易系統等。

（二）高端量化交易平臺

高端量化平臺除了支持復雜腳本語言實現策略邏輯外，均支持直接使用C++、JAVA等開發語言實現復雜的策略邏輯，采用多進程、多線程方式進行自動化交易、程序化交易、算法交易。行情和交易的延時都要求盡可能最低。它適合機構投資者進行趨勢、套利、對沖、高頻等對行情和交易要求高、邏輯復雜度高的策略。國內主流的高端量化交易平臺主要有龍軟DTS、國泰安量化投資平臺、天軟量化平臺等。

總的來說，中低端平臺適合投資者進行趨勢、反趨勢等對行情和交易邏輯要求不高的策略，高端交易平臺適合機構投資者進行趨勢、套利、對沖、高頻等對行情和交易要求高、邏輯復雜度高的策略。同時不同的平臺費用也不同，投資者必須根據自己的交易要求和費用承擔能力來選擇最適合自己的量化交易平臺。

二、自己打造量化交易系統。

由于MATLAB、R語言這些新一代面向對象、功能強大的語言的出現，獲取免費證券和期貨的數據并不難，同時出于交易保密的要求，再加上使用功能強大的現有平臺費用很高，越來越多的個人和中小機構選擇自己或委托別人開發自己的量化交易系統。

（一）語言選擇

很多大的機構都有自己軟件團隊開發量化交易平臺，大多選擇C語言、C++、JAVA等開發語言，有的甚至使用機器語言，但MATLAB、R語言逐漸成為主流的開發語言。

1.MATLAB簡介：MATLAB的是美國MathWorks公司出品的商業數學軟件，用于算法開發、數據分析以及數值計算，主要包括MATLAB和Simulink兩大部分。其優勢在于：用戶可以利用MATLAB進行：（1）交易策略實現和回測、投資組合優化和分析。（2）資產分配、金融時序分析、期權價格和敏感度分析、現金流分析。（3）風險管理、預測和模擬、利率曲線擬合和期限結構建模。（4）Monte Carlo模擬、基于GARCH的波動性分析等

2.R語言：R語言是一個高效率的實驗平臺：通過R語言可以很高效的實現前沿paper的模型方法，同時R語言又提供與C，C++等傳統語言工具的量化結合，作為免費開源的數據處理語言，至少幾百名世界知名統計學家在算法上的支持，至少幾百名世界頂尖的Fortran，C，C++數學庫編程高手在代碼上的支持，大數據計算平臺的運算支撐，開放金融數據資源的免費接入，前沿期刊與代碼工具的協同

（二）量化投資重要支撐：IT系統

一個高水準的量化交易系統，必須實現以下的4種功能：

1.歷史數據統計后驗。歷史數據統計一般以收盤價或者日均價作為買入賣出的交易價格。然后根據設定的交易價格計算出在某一段時間內的收益率、超額收益、夏普率等結果。歷史數據統計后驗的優勢是效率高、簡單方便。缺點是不夠精確，尤其不能考慮資金量對市場的影響。這個階段的IT要求：簡單的原語/多市場的數據/各種盈虧報表分析。

2.歷史高頻交易數據后驗。歷史高頻交易數據后驗的核心在于根據歷史高交易頻數據進行模擬撮合，撮合算法主要是判斷在某個時段的成交量的成交比例。這個步驟的IT要求：快速撮合能力

篇（9）

四年精磨

優秀團隊步步為營

據了解，2010～2011年，周毅以分級基金作為量化投資的突破口，帶領銀華量化團隊初戰告捷。當年，銀華的分級基金一鳴驚人，獲得了不可動搖的市場地位，也為此后銀華的量化之路提供了市場認可度和基礎支持。

2012年，周毅向著量化投資本土化進一步邁進，這一年的目標是——克服A股市場對沖工具少，公募基金交易限制多的難題，從量化專戶開始嘗試絕對收益。團隊先后建立了側重阿爾法策略和套利策略的研究小組，盡管有高頻交易限制、數據庫不完善、集中交易制度、傭金費率等多方面的約束，但當年銀華專戶產品中，表現最好的賬戶的年化收益率（扣除各種費率后）仍然大幅超越同期滬深300指數，而波動率僅約為滬深300指數的1/3。

2013年，一切更加完善，來自銀行渠道的數據顯示，銀華基金管理的量化對沖專戶扣除全部費用后的平均收益率達到12.65%，凈值波動率卻僅為滬深300指數的1/4，而夏普比率則高達1.95，創造了穩定的絕對收益。此時，銀華的量化專戶規模已超過10億元。

“分級養量化”的策略大獲成功。金牛理財網的最新數據顯示，截至2014年3月6日，銀華的分級基金場內規模達到234.56億份，占市場規模的45.43%。今年以來的日均交易額近4億元，占全市場的一半以上。而銀華的分級基金大多以被動跟蹤指數為主，管理成本較低，因此，為公司帶來的利潤貢獻非常可觀。

成績的取得與銀華基金量化團隊的打造是密不可分的。作為團隊領頭人，周毅本人曾在巴克萊資本等機構從事數量化投資相關工作，擁有15年從業經驗。他深知，嚴格意義上的量化團隊應該是一條流水線產業鏈，鍛造這樣的團隊，絕非一朝之功，在策略不斷過時、市場前景廣大的中國量化投資市場，靠“一筆錢挖一兩個人”來建設量化團隊非長久之策。他立志要打造一個和國外一流對沖基金建制類似、水平相同的團隊。

據周毅介紹，2010年，銀華基金最早在國內設立量化投資部，2012年，量化投資團隊已經達到16人，職責涵蓋了策略研發、投資管理、金融IT、交易下單、系統風控等領域。2013年，銀華量化的團隊架構已經相對完整、人才配置齊全，團隊中的骨干力量均有海外留學經歷和多年海外量化投資相關工作經驗。銀華量化團隊抓住了分級基金的發展機遇，贏得了市場和投資者對分級產品的認可，得到了公司對量化投資的大力支持。在天時、地利、人和齊備的機遇之下，銀華量化團隊逐漸發展完善，并在實戰中得到了鍛煉。

信托“破剛”

獨門策略巧奪市場

金剛鉆已成，就到了“海闊憑魚躍”的時候。而2014年信托業打破剛性兌付的案例出現，在帶來信托業拐點的同時也帶給量化對沖的好時機。

周毅認為，面對“信托剛性兌付”被打破的這種趨勢，未來可能有一部分投資者將從信托產品中脫離，轉而選擇新的投資方向。而經過一兩年的市場培育，量化對沖產品重復信托快速發展的故事正在成為一種可能。銀華量化對沖專戶的優秀業績表現，更是讓其倍受市場關注。

據了解，目前銀華量化對沖專戶產品的投資策略大概分為兩種模式：阿爾法策略和套利策略。所謂阿爾法策略，是專注于創造絕對收益。根據A股市場的特點，銀華將理論上的阿爾法策略進行了改造，以傳統的主動型股票研究分析結果為基礎，利用多因子模型來控制組合的風險和相關性，追求超越市場平均回報的絕對收益，為投資者提供持續穩定的阿爾法回報。

銀華在實踐中與賣方研究員建立廣泛的合作，這些研究員對A股情況非常了解，選股模型的數據輸入實際已經融合了本地特點。再利用量化技術對這些結果進行優化，并降低組合的風險性和相關性。周毅指出，這就相當于雇用了兩個不同的基金經理，一個人是對本地情況很熟悉，另一個人是數學統計專家。從投資上來講就是強強聯合，既能有效地控制風險，又能最大限度地保持超額收益。兩者結合產生的阿爾法既包括本地特點又相對穩定，能做到風險和回報的相對優化。

第二類策略是套利策略，即利用衍生品到期收斂特點進行套利。周毅介紹，目前，套利在國內做得比較多的就是ETF和分級基金套利。這類套利策略基于市場的廣度和速度，但囿于公募基金內部防火墻等監管規定的限制，銀華采用的多為分級基金套利。這種方法繞開了高頻交易對速度的極致追求，能夠為組合貢獻低風險收益。

不管是阿爾法策略還是套利策略，都不依賴擇時，而是在所選的股票和放空的標的之間的相對強弱差上，賺取絕對收益。“對沖并不需要判斷某個行業是漲還是跌，只是基于相對強弱，中間的差是回報。對指數也是同樣的道理。”周毅介紹，“這也是國外對沖機構廣泛使用的投資方法。”

對沖春天

期待機制與產品創新

從發展趨勢來講，中國的衍生工具會越來越多，國外成熟的量化對沖投資模式未來在中國大有用武之地，同時量化投資管理的資金規模也會變大。

在目前的階段，周毅并不認可過快提升對沖類產品的規模。他指出，不管多好的策略，它所能支持的資金量，所能支持的衍生品存貨量和股票量都是有限的。對沖基金更在乎超額收益是多少，而不在乎規模有多大。

據周毅測算，僅就目前的投資標的而言，銀華團隊可以有效管理的量化對沖基金規模極限或為50多億元，而單只對沖基金的理想規模大約是5億元左右。但隨著中證500股指期貨、股指期權等衍生工具誕生，這個規模會大幅增加。

篇（10）

量化投資向世人昭示，擠進超級富豪圈不是夢。對沖基金是量化投資應用最廣泛的產品。在福布斯2013全球億萬富豪榜上，對沖基金經理在前1000名富豪里奪得了約21個席位，占比約達2%，更有4名進入了百強榜。

詹姆斯？西蒙斯的文藝復興公司旗下的大獎章基金，在1998至2008年的20年時間內，年平均凈回報率高達38.5%，創造了投資界的神話。西蒙斯本人也成為了20年內最佳賺錢基金經理，成為了新的對沖之王，直至今日，仍居福布斯億萬富豪榜的82位。

大獎章基金以短線操作為主，主要通過統計信息分析方法來判斷外匯和債券短期的價格變化，尤其是市場的過激反應類，進行套利活動。這個短線究竟有多短呢，金融投資里面最短的短線的計量單位叫“一筆”，舉個例子來說，每秒鐘都有可能進行成百上千筆交易。

可以這樣說，大獎章基金差不多是量化到頭發絲的存在，但這也并不代表著，電腦已經取代了人的角色，成為了人的主宰。西蒙斯自己也曾表示，長期不變還能賺錢的模型是不存在的，模型必須要不斷更新，這也完全是通過人來完成的。

黑天鵝擊潰完美模型

談到量化投資，美國長期資本作為最著名的投資案例，不得不提。

約翰？梅里韋瑟在1994年2月創立了美國長期資本公司（LTCM）。公司依托布萊克-舒爾斯-默頓的衍生工具標價理論，采用“市場中性”的交易策略，買入低估的有價證券、賣出高估的有價證券，進行套利活動。LTCM似乎窺探到了量化的奧秘，在1994至1997年，年投資回報率分別達到28.5%、42.8%和17%，凈增長2.84倍。巨大的盈利能力讓LTCM獲得了資本市場的認可，也使梅里韋瑟獲得了套利之父的榮譽。

1998年8月17日，黑天鵝降臨了，LTCM遭遇了俄羅斯政府外債違約。這場危機引起了全球金融市場的動蕩，投資者紛紛退出了發展中國家的市場，轉向了美國、德國等風險小、質量高的債券。結果LTCM做錯了方向，沽空的德國債券價格上漲，做多的發展中國家債券價格卻下降，原本預期收斂的價差卻在趨于發散，致使其在資本市場上的滑鐵盧。雖然后來美國金融巨頭出資接管了公司，但LTCM已是強弩之末，于2000年宣布倒閉清算。

私募專業人士指出，LTCM過于信任自身的投資策略組合，忽略了小概率事件，再加上過高的杠桿，都導致了它的最終滅亡。量化投資其實根本不存在永久的致富秘籍，也沒有永葆青春的投資模型，隨著市場效率的提升，IT技術的升級，任何投資策略與操作方法從短期或長期來看，都存在誤區與漏洞，這時則需要人腦的與時俱進，讓系統根據動態不確定的環境進行修正與完善。人腦與電腦應該是相互成全，而不是相互替代。

量化投資的“黑箱”

正如硬幣有正反兩面，可稱得上是賺錢利器的量化投資，也會因計算機的頻繁“發瘋”面臨巨大的投資風險，如華爾街巨頭高盛的交易錯單、美國第二大股票交易所紐約納斯達克證券交易所3小時的停止交易、國內8·16烏龍指交易事件。量化投資的高頻交易引發了人們對計算機潛在風險的擔憂，但它就像血液循環系統一樣，加速了資本市場的資金流動，是金融發展歷程中不可缺少的。“我們不能因噎廢食，因為一個系統的BUG，就舍棄了整個系統。”首善財富管理集團（以下簡稱首善財富）表示，隨著金融產品種類的增多，信息跟蹤量的增大，對量化投資的需求也會不斷增大。從管理和控制風險的角度來說，這不僅需要投資公司自身完善風控體系，還需要整個產業鏈的配合。首善財富董事長吳正新曾多次指出，“對沖基金將是中國證券市場最大贏家，而它們多大量采用復雜的量化模型進行程序化交易。”

所謂量化投資，就是指按照事先設定好的邏輯策略或數學公式進行投資，文藝復興技術公司與美國長期資本公司也都是這樣做的。從廣義的層次來說，一切使用數學工具、電腦程序的投資方式都包含在量化投資的范疇。其中，爭議不斷的高頻交易本質上是用來消除市場暫時出現的無效率的，它可以促進市場價格更快地反映市場信息。全球最大的知名高頻交易公司包括Millennium， DE Shaw， Worldquant和Renaissance Technologies等。

雖然量化投資由于穩定的投資回報獲得了越來越多的投資者的青睞，但是投資大眾對量化投資的運作流程依然很模糊，這樣“黑箱”也就形成了。量化投資的“黑箱”里到底承載著什么奧秘呢？

據華爾街頂級數量金融專家里什？納蘭揭秘，量化投資“黑箱”的基本結構包括人工的數據輸入與研究、交易策略模型、風險控制模型、交易成本模型、投資組合構建模型，其中四項構成了交易系統。

如何讓量化投資“活”起來？答案是人工的數據輸入與研究，和交易系統的配合。通常認為，量化交易最小化了人工因素在系統中的作用，當量化交易員精心研究和開發的系統上線，他們似乎也就英雄再無用武之地。其實不然，計算機只會忠實可靠地按照人們告訴它的做法一步一步地來執行，伴隨著時間與市場的不斷演進，交易模型瑕疵也將不斷擴大，這時量化交易員的主觀判斷顯得尤為重要，人工因素的加入使量化投資具有了人類的正常思維，似乎“活”起來，可以主動靈活地應對外界的瞬息萬變。也就是說，一旦市場觸發了系統的難以判斷的“恐慌”，交易員就會立即現身，通過修改交易清單或降低投資組合規模和相應的杠桿比率，來規避投資的風險。

MOM讓量化投資活起來

如今，MOM模式成為歐美主流的資產管理模式，也將是量化投資界人腦與電腦結合的最佳作品。

作為一種間接的資產管理模式MOM（即Manager of Managers）誕生在美國羅素資產管理公司。它的客戶可以是機構投資者，也可以是高凈值個人。自從被開發出來，已被國外很多機構應用，最成功的當屬耶魯大學基金會，從1980年的兩億美金到了現在的約300億美金，賺了將近150倍。

所謂MOM模式，也被稱為精選多元管理人，通過優中選優的方法，篩選基金管理人或資產管理人，讓這些最頂尖的專業人士來管理資產，而自身則通過動態地跟蹤、監督、管理他們，及時調整資產配置方案，來收獲利益。

“找最優秀的人做最專業的事。”首善財富董事長吳正新指出了MOM模式的本質。首善財富旗下的首善國際資產管理有限公司是國內第一家運用MOM模式做對沖基金和期貨的公司，這正得益于其不懈地將技術與研究的雙輪驅動作為公司的核心發展戰略。

MOM模式降世不過30載，但發展非常迅速，得到了眾多國內外投資公司的關注。尚屬新鮮事物的MOM模式的相關產品在國內已經開始試水。在2011年中國平安與羅素公司合作設立了平安羅素，并發行了第一期的MOM產品。除此之外，MOM模式還可廣泛應用于對沖基金與期貨產品。“國內期貨資管行業要做大做強，采用MOM模式是一種必然選擇。”吳正新也曾表示。

禁不住MOM模式產品的誘惑，國內各投資公司紛紛對它的本土化做出了預先安排。“目前和我們合作的有十多個國內領先、國際一流的投資團隊，其中大多是國際水平的程序化交易團隊。”吳正新表示，首善財富早在引進MOM模式之際就采取了多元的投資風格與多元的管理團隊相結合的經營理念。其中，多元的投資風格是首善財富資產管理的核心特色之一，“我們既有主觀的人工交易，也有客觀的程序化交易，而且以量化的程序化交易為主。”相對而言，多元的管理團隊，即表示公司內部自身的投資團隊的主動管理，再加上外部國際精英團隊的專業管理。

相比近些年受到推崇的基金中的基金（FOF），信托中的信托（TOT），MOM模式在對資產管理人的數量與專業性的覆蓋層面，更具魅力。FOF和TOT從本質上來說依然局限在精選產品上，而MOM模式更偏向于精選管理人，它可以憑借公司的研究能力，相對獨立的挑選出更適合投資需求的專業管理人，運用定量與定性相結合的方法，將優選產品管理人和多人管理風險的雙重優勢發揮得淋漓盡致。

MOM模式既運用多元專業人才打破了量化投資的固有形態，也通過計算機系統的理性判斷避免了交易員敏捷感應贏利卻遲緩反應損失的習慣性偏差，讓專業人才與計算機系統在“黑箱”內相互成全，相互配合，以求收獲更加穩定、更加高額的投資回報，使其具有很大的發展空間與潛力。

篇（11）

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

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。