量化投资的优点范文

前言：我们精心挑选了数篇优质量化投资的优点文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

【关键词】量化投资；量化投资体系；证券市场

一、量化投资及量化投资体系的定义

什么是量化投资？简单来讲，量化投资就是利用计算机科技并结合一定的数学模型去实现投资理念与投资策略的过程。与传统的投资方法不同的是：传统的方法主要有基本面分析法和技术分析法这两种，而量化投资主要依靠数据和模型来寻找投资标的和投资策略。量化投资系统则是由人设定出某种规则，在计算机当中根据规则构建这种模型，而后由计算机自己去根据市场的情况进行一些投资机会的判断。从他们投资方式的区别当中可以看出，量化投资更依赖于数据，传统投资则更依赖于人的主观判断。从这点上来说，量化投资可以有效的规避一些人为的错误判断。

二、我国量化投资体系的发展

在美国，量化投资方法的发展己经有将近年的历史，量化方法从允嫉较衷谡嫉矫拦市场30%上以上的比重。而在中国，量化投资只是刚刚起步而己。但是已经有很多基金公司允即罅Υ蛟熳约旱牧炕投资团队，期望在传统的基本面研究之外源匆黄新的投资天地。国内证券市场上成立比较早的量化投资基金主要包括：嘉实基金――嘉实量化阿尔法股票、上投摩根基金管理有限公司――上投摩根阿尔法、光大保德信基金――光大量化、富国基金管理有限公司――富国沪深增强、国泰君安资产管理公司――君享量化。近年来，一些公募基金、私募基金也都不断加快了布局量化投资基金的方法。这些量化投资基金，主要研究了基于基本面的多因子选股模型，这些投资组合因子主要包括：公司财务基本面数据，市场行情数据，行业数据等，并在实证中不断完善量化投资指标因子的选取。研究行业以及个股的价格趋势，运用道氏理论、K线理论、波浪理论、切线理论、形态理论等一些常用的技术分析方法建立不同风格的投资模型和投资组合。

三、量化投资的优点

量化投资作为一种有效的主动投资工具，是对定性投资方式的继承和发展。实践中的定性投资是指，以深入的宏观经济和市场基本面分析为核心，辅以对上市公司的实地调研、与上市公司管理层经营理念的交流，发表各类研究报告作为交流手段和决策依据。因此，定性投资基金的组合决策过程是由基金经理在综合各方面的市场信息后，依赖个人主观判断、直觉以及市场经验来优选个股，构建投资组合，以获取市场的超额收益。与定性投资相同，量化投资的基础也是对市场基本面的深度研究和详尽分析，其本质是一种定性投资思想的理性应用。但是，与定性投资中投资人仅依靠几个指标做出结论相比，量化投资中投资人更关注大量数据所体现出来的特征，特别是挖掘数据中的统计特征，以寻找经济和个股的运行路径，进而找出阿尔法盈利空间。与定性投资相比，量化投资具有以下优势：

（一）量化投资可以让理性得到充分发挥

量化投资以数学统计和建模技术代替个人主观判断和直觉，能够保持客观、理性以及一致性，克服市场心理的影响。将投资决策过程数量化能够极大地减少投资者情绪对投资决策的影响，避免在市场悲观或非理性繁荣的情况下做出不理智的投资决策，因而避免了不当的市场择时倾向。

（二）是量化投资可以实现全市场范围内的择股和高效率处理

量化投资可以利用一定数量化模型对全市场范围内的投资对象进行筛选，把握市场中每个可能的投资机会。而定性投资受人力、精力和专业水平的限制，其选股的覆盖面和正确性远远无法和量化投资相比。

（三）是量化投资更注重组合风险管理

量化投资的三步选择过程，本身就是在严格的风险控制约束条件下选择投资组合的过程，能够保证在实现期望收益的同时有效地控制风险水平。另外，由于量化投资方式比定性投资方式更少的依赖投资者的个人主观判断，就避免了由于人为误判和偏见产生的交易风险。当然，无论是定性投资还是量化投资，只要得当的应用都可以获取阿尔法超额收益，二者之间并不矛盾，相反可以互相补充。量化投资的理性投资风格恰可作为传统投资方式的补充。

四、量化投资的局限性

量化投资是一种非常高效的工具，其本身的有效性依赖于投资思想是否合理有效，因此换言之，只要投资思想是正确的，量化投资本身并不存在缺陷。但是在对量化投资的应用中，确实存在过度依赖的风险。量化投资本身是一种对基本面的分析，与定性分析相比，量化分析是一种高效、无偏的方式，但是应用的范围较为狭窄。例如，某项技术在特定行业、特定市场中的发展前景就难以用量化的方式加以表达。通常量化投资的选股范围涵盖整个市场，因此获得的行业和个股配置中很可能包含投资者不熟悉的上市公司。这时盲目的依赖量化投资的结论，依赖历史的回归结论以及一定指标的筛选，就有可能忽略不能量化的基本面，产生巨大的投资失误。因此，基金经理在投资的时候一定要注意不能单纯依赖量化投资，一定要结合对国内市场基本面的了解。

五、量化投资对中国的启示

通过研究国外市场的发展和中国市场的特点，对中国市场上的监管创新，制定相关的法律法规也势在必行。由于市场结构的差异，国内量化投资情况与国外有很大不同。技术型量化投资的应用主要是集中在期货市场，并且有较高的推崇程度；金融型量化投资的应用主要集中在股票市场，由于需要应用的时间数据周期相对较长，实际中应用并不普遍。目前，中国金融市场正处于迅速发展的阶段，很多新的金融工具在不断被引进，用量化投资方式来捕捉这种机会，也是非常合理的。与国外相比，目前国内股票市场仅属于非有效或弱有效市场，非理性投资行为依然普遍存在，将行为金融理论引入国内证券市场是非常有意义的。国内有很多实证文献讨论国内A股市场未达到半强势有效市场。

目前对中国市场特点的一般共识包括：首先，中国市场是一个个人投资者比例非常高的市场，这意味着市场情绪可能对中国市场的影响特别大。其次，中国作为一个新兴市场，各方面的信息搜集有很大难度，有些在国外成熟市场唾手可得的数据，在中国市场可能需要自主开发。这尽管加大了工作量，但也往往意味着某些指标关注的人群少，存在很大机会。其三，中国上市公司的主营比较繁杂，而且变化较快，这意味着行业层面的指标可能效率较低。而中国的量化投资实际上就是从不同的层面验证这几点，并从中赢利。例如，考虑到国内A股市场个人投资者较多的情况，我们可以通过分析市场情绪因素的来源和特征指标，构建市场泡沫度模型，并以此判断市场泡沫度，作为资产配置和市场择时的重要依据。

在中国金融市场的不断发展阶段，融资融券和股指期货的推出结束了中国金融市场不能做空的历史，量化投资策略面临着重大机遇。运用量化投资的机理和方法，将成为中国市场未来投资策略的一个重要发展趋势。量化投资在给投资者进行规避风险和套利的同时，也会带来一定的风险，对证券具有助涨助跌的作用。由于国内股票市场还不够成熟，量化投资在中国的适用性很大程度上取决于投资小组的决策能力和创造力。以经济政策对中国量化投资的影响为例。中国的股市有“政策市”之称，中国股市的变化极大的依赖于政府经济政策的调节，但是经济政策本身是无法量化的。基金建仓应早于经济政策的施行，而基于对经济政策的预期，但预期的影响比经济政策的影响更难以量化。例如，在现阶段劳动力成本不断上升、国际局势动荡、国际大宗商品价格上升的情况下，央行何时采取什么力度的加息手段，对市场有何种程度的影响，这一冲击是既重要又无法量化的。为解决这个在中国利率非市场化特点下出现的问题，需要基金投资小组采取创造性的方式，将对中国经济多年的定性经验和定量的指标体系结合起来，方能提高投资业绩。

参考文献：

[1]方军雄.我国证券投资基金投资策略及绩效的实证研究[J].经济科学，2002.04

第2篇

[关键词]量化投资；Alpha策略；意义；方法

[DOI]10.13939/ki.zgsc.2015.25.083

Alpha策略最初的理论基础是套期保值，是由美国经济学家H.working提出的，随后股指期货的面市，量化研究便激发了人们浓厚的兴趣。传统的资产管理者理念的哲学基础大部分为追求收益风险平衡，然而平均市场收益与超额收益又很难达到绝对的均衡，因此将超额收益也即Alpha分离出来，建立起基于Alpha策略的量化投资，有助于指导投资实践。

1 Alpha策略在量化投资中的应用意义

量化投资指的是以现代计算机技术为依托，通过建立科学的数学模型，在充分掌握投资环境的基础上践行投资策略，达到预期的投资效果。采用量化投资方式的优点包括其具有相当严格的纪律性、系统性，并且对投资分析更加准确与及时，同时还具有分散化的特点，这使得策略的实施过程更加的机动灵活。量化投资过程使用的具体策略通常有量化选股、量化择时、统计套利、高频交易等，每一种策略在应用过程各有千秋，而Alpha策略属于量化选股的范畴。传统的定性投资也是投资人基于一种投资理念或者投资策略来完成整个投资活动的，最终的目的是要获得市场的占有率，并从中取得丰厚的利润。从这个角度来衡量，量化投资与传统投资的本质并无多大差别。唯一不同的是量化投资对信息处理方式上和传统定性投资有着很大的差异性，它是基于现代信息技术、统计学和现代金融工程理论的基础上完成对各类数据信息的高效处理，在对信息处理的速度、广度上是传统定性投资无法比拟的。在对投资风险的控制方面也具有很大的优势，是国际投资界兴起的新型投资理念和应用方法，也在日益成为机构投资者和个人投资者共同选用的有效投资方案。现阶段量化投资的技术支撑和理论建设的基础包括人工智能技术、数据挖掘、支持向量机、分形理论等，这些现代信息处理与数据统计方式为量化投资的可操作性提供了坚实的基础。

Alpha策略在量化投资中的使用优点主要是对投资指数所具有的价值分析与评定。它不是依赖于对大盘的走向变化或者不同股票组合策略趋势的分析，对投资价值的科学分析与合理评估更能吸引投资者的目光。Alpha策略重视对冲系统风险所获得的绝对收益，在股票投资市场上是一种中性的投资方式，具体的程序有选择资产、对资产的优化组合、建立具体组合方式、定期进行调整。为了促进该策略在投资市场中获得良好的收益，就必须先要重视优秀的选股策略，其次是重视期货对冲平均市场收益的时候所产生的风险控制问题。对冲系统风险时，若是能够及时地对投资组合与相关的股指期货的平均市场收益指进行精准地判定和预测，那么将会对整个投资行为产生积极的影响。

2 基于Alpha策略的量化投资具体策略和实践方法

通常情况下，Alpha策略所获得的实际收益并不是一成不变的，这与该策略本身的特定有关，具体表现在周期性与时变性上。

Alpha策略的时变性主要是指当时间产生变化时，超额收益也会随之而改变。需要清除的是Alpha反映的就是上市公司超越市场的预期收益，因此属于公司资产未来估值预期的范畴，所以上市公司自身所处的发展阶段和发展环境不同，那么就会给Alpha带来影响。由于时变性的特点，这就给策略的具体估计模型的设立带来了更多不可确定的因素，为此，参照对Alpha满足不同动态假设的理论基础，建立起一个可以获得不同种类估算的模型，同时假定在同一个时间范围内，超额收益和市场平均收益都保持恒定不变，这就极大地简化了计算的过程与步骤。也就是说在该段时间内，市场上股票投资组合基本面不会有太大的变化与波动，这就与实际的投资状况基本达成一致。对于投资策略的调整则要根据上市公司重大事项发生情况而定，那么估算的时间单位周期可以采用每日或者每周估算，对每一个季度的历史数据进行调整也可以作为一种调整方式，反映公司季度行情。对于具体证券而言，采用季度或者每周的调整频率则不是最为理想的，还要针对公司情况与市场行情综合调整。

Alpha的周期性特点在交替出现的正负号上最为突出，导致这一情况产生的原因主要是行业的周期性特征与套利效应共同造成的。具体而言，首先不同类型的证券分别属于不同的行业所有，当行业处于景气周期循环状态下会影响Alpha的符号与大小，同时景气程度的深与浅也会对此产生影响。其次一个股票组合产生非常大的超额收益情况下，市场中的其他机构投资者或者个人投资者就会不断地参与到该组合的投资中来，最后会导致Alpha逐渐接近于零。因此在建立不同策略的组合方面，要针对每一个季度的具体情况和波动率，进行综合性地评价与分析，并及时地做出必要的调整，以便最大限度地获得市场收益。

量化投资中的Alpha策略并不是一种单一类型的策略，不同的策略都在寻求获得超额收益的市场机会和可能性。现阶段市场上采用的Alpha策略主要有多因子选股策略、动量策略或者反转策略、波动性策略、行业轮动策略、行为偏差策略等，每一种策略在具体实施过程中都有其特征性，并且可以相互结合使用，发挥出综合预测和评价的作用。

多因子选股策略是必要和常用的选股方式，最大的优势是可以将不同种类和模块的信息进行高效化综合分析与评价后，确定一个选股最佳方案，从而对投资行为进行指导。该种选股策略的模型在建立方面比较容易，是量化投资中的常用方式。同时多因子模型对反映市场动向方面而言具有一定的稳定和可靠性，这是因为所选取的衡量因子中，总有一些可以把握住市场发展行情的特征，从而体现其本来就有的参考价值。所以在量化投资过程中，很多投资者都使用多因子模型对其投资行为进行评估，无论是机构投资者或者是个人投资者，都能够从中受益。多因子选股策略模型的建立重点在于对因子的剔除和选择上，并要合理判断如何发挥每一个因子的作用，做出综合性的评定。

动量策略的投资方式主要是根据价格动量、收益动量的预期与评定，对股票的投资进行相应的调整，尤其是针对本身具有价格动量的股票，或者分析师对股票的收益已经给予一定评级的股票，动量策略的应用效果会比较理想。在股票的持有期限内，某一只股票在或者股票投资的组合在上一段时间内的表现均佳，那么则可以判断在下一段时间内也会具有同样的理想表现，这就是动量效应的评价依据，从而对投资者的行为起到一定的影响作用。反转策略和动量策略恰好相反，是指某一只股票或者股票投资组合在上一段时间内表现很不理想，然而在下一个时期反而会有突出的表现，这也给投资者带来了一线希望，并对影响到下一步的投资策略的制定。

波动性策略也是Alpha策略的一种方式，主要是利用对市场中的各股运动和发展状态的细致观察与理智分析后，列出一些具有相当大的波动性的股票，同时这些股票的收益相关性也比较低，对此加以动态化的调整和规划，从而逐渐获得超额收益的过程。在一些多因子选股策略中也有机构投资者或者个人投资者将股票具有的波动性作为考察与评价因子之一，波动性策略经常和其他策略相结合来评价，这说明股票投资市场本身就具有一定的波动性，因此在投资过程中要慎重对待。

行业轮动策略和行为偏差策略的应用频率不似前面几种高，但也会和另外几种策略相互结合使用。行业轮动策略主要是为了充分掌握市场行业轮动机制与特征，从而可以获得高额的收益，对行业之间的投资也可以非常高效和准确地进行，对把握正确的时机有很大的优势。行为偏差策略目的是窥探到股票市场中存在的过度反应或者反应不足等现象，这些都属于股票投资市场的偏差，从而可以通过投资者对不同股票抱有的差异化评价来实现超额收益。

第3篇

没错，量化股票基金就是这种类型的产品。统计显示，无论是公募，还是私募，今年以来量化股票基金整体表现远好于市场平均水平。而如果以目前能观测到的上证指数最高与最低收盘点位来计算，即在大盘走出的当前反弹点位627.26点、幅度23.62%的行情中（1月28日的收盘点位最低达2655.66点，11月29日收盘最高点位3282.92点，以下统计区间均为1月28日至11月29日区间，简称“区间”），我们看到，一些老牌公募基金和优秀私募的量化股票基金更是为投资者带来了丰厚的绝对收益，比如，南方基金旗下的南方量化成长和南方策略优化这两只量化产品，区间复权单位净值增长率分别为46.54%、43.38%，不但跻身同类前五，涨幅更接近大盘反弹幅度的1倍。

“在今年股票市场结构化行情中，量化股票策略通过多因子模型选股，能够抓住市场尾部机会，在市场风格和热点板块的迅速切换中保持较高仓位运作。而南方基金量化团队着力打造的主动量化投资，更是通过多模型捉到了广泛的错误定价机会，大概率的战胜市场指数，获取更为稳健的长期收益。这是今年以来，南方基金旗下量化产品取得出色业绩的最主要原因。”南方基金总裁助理、权益投资中总监如是说。

致力于捕捉

“非有效性”的主动量化投资

什么是主动量化投资？

“主动量化投资泛指利用海量数据和依靠计算机的系统支持，挖掘历史规律性，并采用严格的风控来获取稳健收益。”史博告诉《投资者报》记者，南方基金主动量化投资的核心是捕捉市场的“非有效性”，市场中有很多非理性投资者把股票价格抬高或压低，所以股价会根据市场情绪的波动围绕预期价格变化，主动量化投资通过上市公司基本面、一致预期、市场波动与情绪等各个维度综合描述定价的偏差机会，广泛精选个股获取超额收益。

值得一提的是，尽管南方基金旗下量化股票策略基金会为了最大程度获取绝对收益而维持较高的仓位，但单只股票的持仓占比却并不高，几乎都在1%以下。以南方量化成长为例，三季度持仓占比最高的为科隆精化，但仍不到1%，为0.97%，前十重仓股持仓占比合计为7.12%。

“南方基金量化团队基于基本面的量化选股策略是透明的和符合逻辑的。其优点是拥有灵活的市场应变能力、广泛选股的能力，可以管理较大规模，并能有效降低组合波动，保证业绩的可持续性。”史博告诉《投资者报》记者，南方基金旗下量化产品根据组合的不同契约规定等采用不同的数量化策略进行投资，通常单一产品实际投资股票数目有几百只。每只股票的持仓比例一般都比较低，单只股票的波动对净值影响较小，整体表现较为稳健。

对此，业内人士指出，对投资者而言，在无法准确预知未来市况时，长期持有老牌公募的量化股票基金是一个较为明智的投资选择。因为即使是在投资周期中赶上熊市遭遇Alpha和Beta双杀，但只要长期持有基金，在熊市周期过后，震荡市和牛市都可以为投资者赚取一定的绝对收益，在Alpha的复利作用下依然可以获取可观的收益。

以南方策略优化为例，该只量化基金成立于2010年，目前获晨星、银河三年5星评级；最近一年回报率在同类481只可比基金中排名第5 ；最近两年、三年回报率也都在同类400多只可比基金中排名前15。据Wind数据显示，截至11月29日，自成立之日起复权单位净值增长率为68.89%。即使以去年股市异常波动前最高点5100多点来计算，在大盘仍亏损37%多的背景下，该基金的亏损幅度已缩小到10%左右，明显优于大盘。

“团队+系统”炼就金牛量化投资团队

你也许会认为量化投资看上去简单，但实际上并不容易。一个好的量化产品，必须能够结合市场环境的变化等因素，动态调整各个风格之间的比例，进而使得模型适应不同市场。据了解，为了达到上述目的，南方量化团队打造了强大的量化多策略模型，包括从因子模型、事件驱动、价格特征、交易量特征、量价互动、主题轮动、行业轮动、突发事件方面的因素去结合公司基本面、当前市场环境等信息，从而精选股票，不仅如此，该基金还在今年引入了舆情因子，利用大数据捕捉市场情绪。

“总的来说，量化投资是一项复杂的系统工程，其成功依赖于团队成员之间的紧密合作。因其业务链条的严密性和逻辑的环环相扣，许多繁琐的细节实际上都是成功的关键。作为一种复杂的高智能投资方法，目前只有机构投资者才有竞争能力使用此方法。”史博告诉《投资者报》记者。经过多年不懈的努力，目前，南方量化团队已经建立了包含清洗整理过的上市公司财务数据库、因子库、回测平台、样本外跟踪分析平台在内的南方基金量化投资系统。

“我们相信，系统建设上的精耕细作为将来的收获奠定了坚实的基础。”史博表示，历史经验证明，并不存在一种适合各种市场环境的投资秘籍，市场是会自身调节的。所以南方量化团队不包装个人明星基金经理，而是要打造一个稳定的高效投资团队，通过向市场学习，不断地研究创新。“这才是我们团队的制胜之道。”

第4篇

关键词：风险矩阵 风险投资 风险评估

一、构建用于风险投资项目风险评估的风险矩阵

（一）风险集的选定

风险集的确定可根据我国风险投资项目的具体特征、所涉及的领域和所处的阶段，将具体的风险投资项目风险分为7大模块， 即环境风险、管理风险、市场风险、技术风险、生产风险、财务风险和退出风险。[1]

（二）风险投资项目风险等级的确定

由于风险投资项目很难收集到数据，采用专家调查法进行风险影响的评定。综合风险分值在4分以上为高风险，2―4为中等风险，2分以下为低风险。[2]

假设某项风险投资项目的风险影响和风险概率所得的专家评估数据对相应风险因素求平均值，得到结果为：风险影响量化值分别为（4.5，3.5，5，5，4.5，4，3），风险发生概率分别为（10%，70%，60%，90%，90%，60%，10%），则对照风险级别对照表，可由原始风险矩阵方法可判断出各风险模块的风险等级，将取得的数据填入表1中。

表1 风险投资项目风险评估的风险矩阵举例

风险类别 风险影响Ri 风险发生概率 风险等级 Borda序值 风险权重Wi

量化值R 等级

环境风险 4.5 关键 10% 中 3 0.060564

管理风险 3.5 中度 70% 低 3 0.028494

市场风险 5 关键 60% 高 2 0.298638

技术风险 5 严重 90% 中 0 0.298638

生产风险 4.5 严重 90% 中 1 0.137602

财务风险 4 严重 60% 中 3 0.137602

退出风险 3 中度 10% 中 6 0.038463

（三）风险权重的确定

先应用Borda 序值法对风险模块进行重要性排序。以环境风险为例，根据风险影响准则，比环境风险影响程度高的因素个数为2 ，即RR11=2；根据风险概率准则，比环境风险发生概率大的因素个数为5，即RR12=5；代入上述公式可得，环境风险的Borda 数为7。同理可得其他风险类别的Borda数分别为：7，11，14，12，7，3。根据Borda数确定其Borda序值分别为：3，3，2，0，1，3，6。由上述方法所得的Borda序值可知：该风险投资项目的七个风险中，技术风险最为关键，其次是生产风险和市场风险，然后依次为财务风险、环境风险和管理风险，最后是退出风险。

根据上一步骤排出的Borda序值，邀请专家组对风险投资项目的7个风险因素按重要性程度进行两两比较打分，构造判断矩阵，并求出判断矩阵的特征向量，即为各风险因素的权重向量。

表2 应用excel表格进行的层次单排序计算

按行相乘 开n次方 权重Wi Awi Awi / Wi CI=（λmax-n）/（n-1） CR=CI/RI

0.0001 0.250403683 0.03176822 0.25919 8.1587243 0.10227 0.07576

0.0001 0.250403683 0.03176822 0.19439 6.1190432 0.10227 0.07576

1440.0000 2.826146311 0.35854763 2.53238 7.0628934 0.10227 0.07576

810.0000 2.603142003 0.33025551 2.30622 6.9831517 0.10227 0.07576

8.3333 1.353772028 0.1717504 1.72109 10.020874 0.10227 0.07576

0.0001 0.250403683 0.03176822 0.25919 8.1587243 0.10227 0.07576

0.0006 0.347934789 0.0441418 0.29982 6.7921281 0.10227 0.07576

7.88220618 7.6136484 查表，得RI=1.35

本文按层次分析法中的方根法计算各风险模块的权重，由CR=0.07576

（四）确定风险投资项目的总体风险等级

专家评定的风险影响量化值为（4.5，3.5，5，5，4.5，4，3），结合各风险因素的权重，对风险因素的等级进行加权：

Z= R*RWT= （4.5，3.5，5，5，4.5，4，3） （0.0317 0.0317 0.3584 0.3302 0.1717 0.0317 0.0441） T =4.72835>4

可判断该风险投资项目的综合风险等级为高风险。其中市场风险、技术风险风险影响量化值最高，应采取充分措施防范可能带来的损失。

二、结论

本文基于风险矩阵方法对风险投资项目的风险进行评估，利用风险矩阵方法中的Borda序值法，对风险因素的重要性进行顺序，构造判断矩阵，从而确定各风险因素的权重，最后结合风险的等级量化值和风险因素的权重确定风险投资项目的综合风险等级。基于风险矩阵法数据需求量相对较小，流程简洁，系统性强等优点，使其对风险投资项目的评估更具科学性和可操作性，因此有较比较大的参考价值。

参考文献：

第5篇

而在极度弱市的市场下，部分基金却依旧在为投资者持续的创造财富，那便是对冲基金。大多数投资者理解对冲基金是运用对冲工具进行投资的基金，例如股指期货、融券卖空、杠杆操作、程序化交易等手段；确切的来说，对冲基金是不同于传统股票型基金的一种投资基金形式，操作得当的话不仅能在市场上涨时获得收益，下跌时也可能获得绝对收益。市场中性策略就是这样最典型的一种对冲基金，净值不受市场暴涨暴跌影响，在当前连续下跌的环境下给投资者耳目一新，好买基金研究中心从众多私募产品中，罗列了市场中性的对冲基金产品，供投资者参考。

信合东方合伙企业是市场中性策略基金中成立较早的一只，其优点是在市场经历大幅回撤的情况下基金表现出良好的获得绝对收益的能力，与市场关联程度较低。信合东方合伙企业成立于2007年12月底，基金经理是黄如洪与唐伟晔。其业绩确表现出独立于指数的走势，在2008年市场哀鸣一片时，信合东方合作企业取得53.66%的绝对收益，2011年沪深300全年跌幅25%，该基金取得25.17%的绝对收益，市场中性产品的优势在弱市中十分抢眼，今年以来信合东方合伙企业取得0.39%的绝对收益。

信合东方合伙企业不仅参与股票、股指市场，同时也参与商品期货市场，资金分配上股票加股指策略占70%资金，商品期货占30%。对于持仓风险的管理，信合东方合作企业所采用量化风险模型，模型的预期效果是实现整体持仓月度亏损被控制在5%之内。为了最大程度上分散持仓风险，信合东方风控制度规定合伙企业持仓在任何时间点不得低于30种投资策略。任何交易策略持仓亏损达到某个预警线后，会平仓该策略仓位的部分持仓，若亏损继续扩大某个百分比，平仓该策略的仓位的一半以上的持仓，亏损若进一步扩大会强制止损平仓，严控风险。

今年以来收益最高的是朱雀阿尔法1号，该基金成立于去年11月中旬，基金经理是梁跃军。朱雀阿尔法1号采用市值对冲，即期指空单的持单市值覆盖掉持有多头股票的市值。在股票多头组合上，选股主要是来自多因子选股与行业研究员推荐两大方面，多因子选股，即通过估值、盈利、成长等多重因素，权衡各种因素的重要性后给予一定权重，由此选出符合指标的股票；因子选择上会采用胜率高、单调性强、区分度高、稳定强的因子，基金经理每月调整一次组合，该组合的月度最大回撤小于2%。在空头方面则是做空沪深300股指期货，假设当市场下跌3%时，持有的空单会盈利3%，来弥补持有一篮子股票的损失，这是市场中性策略在大盘下跌过程中的体现出独立于市场的特性，朱雀阿尔法1号整个股票池的贝塔值接近于1。今年6月14日至6月26日，短短两周内大盘跌幅高达9.73%，朱雀阿尔法1号取得2.49%的正收益，截止6月26日朱雀阿尔法1号今年以来取得16.40%的绝对收益。

杉杉青骓旗下的青骓量化对冲1期也是市场中性产品，青骓量化对冲1期成立于2012年4月，基金经理是郭强，该产品同样是采取市值对冲的模式，但是公司在净头寸上有较大的自，可以进行微调，净市值在正负20%之间。青骓量化对冲1期的股票持仓相对比较分散，一般来说，组合内会配置800只左右的股票，每只个股的权重不同，在市场遭遇大跌时，由于持股分散，加上空单的保护，净值回撤幅度较小，公司目标是将年化波动率控制在5%以内；在市值分配上，股票占整体基金规模的70%左右，剩余的30%的资金来操作股指期货。青骓量化对冲1期在今年3月21日至6月21日期间取得2.85%绝对收益，同期大盘跌幅10.81%，今年以来截止于6月21日，青骓量化对冲1期为投资者创造了2.94%的绝对收益，月度最大回撤控制在1.5%以内。

第6篇

关键词：工程经济；项目教学法；EXCEL《工程经济》课程是研究建设方案技术与经济的关系并对方案进行经济评价分析的一门实用性很强的课程。在教与学的过程中，有些概念、指标较难理解，量化的指标多、计算繁琐。尤其是广东省高等职业教育教学改革实行中高职衔接，学生在中职阶段基本没有涉及工程经济基础知识，为有效克服上述难点，必须选择好教学项目，借助EXCEL化解计算难关。

一、课程主要内容及教学项目选择

《工程经济》课程的主要内容可分为两大部分：资金时间价值理论、建设投资项目的经济评价，前一部分是理论基础，后一部分是实践应用。两部分内容涉及到的概念理解、公式计算要求都较高。

高职高专工程管理专业培养重视知识的实用性、实操性，重点在于培养学生的动手能力。因此，教学过程中应减少理论性的分析，让学生多动手，通过多个教学项目的操练去逐渐加深概念的理解。针对高职高专学生特点，教学项目的选择要贴近实际，选择学生熟悉感兴趣的案例等。

资金时间价值理论的重点是利息计算的六大公式及其应用，可结合学生生活中感兴趣的话题进行教学做一体化的项目法教学。如表1。

建设投资项目经济评价的重点是投资项目经济评价指标的内涵、计算及其应用。项目法教学中，围绕一个大的项目，如某某度假村投资项目来分解各个知识点，各知识点以各个评价指标为重点。具体做法为：学生分组，选取组长；小组讨论，确定投资项目名称，选取投资项目（教师可给出若干个投资项目让其参考选择，学生也可自己想出一些项目再选择）； 教师结合课程具体内容和项目特点，选择一个典型项目和学生一起讨论分析，并在讨论分析过程中穿插讲解课程具体内容，如项目概况需重点叙述清楚项目规模、功能、项目的寿命期，包括生产期和运营期、投资资金来源等，成本估算、销售收入估算、现金流量估算、评价指标计算等。具体内容可分解为表2 的几大模块。

二、EXCEL应用示例分析

《工程经济》课程涉及的公式多、计算量大，且需要列表的授课知识点不少。一般PPT较难清晰的展现出表格的绘制，更不好表现思维计算的过程。而EXCEL的优点正是表格的处理和多个经济财务评价函数的计算应用。前述两大部分内容都能应用EXCEL的优点。

示例一：利息计算的六大公式在EXCEL中如表3方法操作方便快捷。

示例二：经济评价指标NPV的计算，如表4。

在EXCEL中完成表4可完整的再现出NPV的计算过程，有利于学生理解NPV的含义。在单元格E134中键入=G130+NPV（10%，H130：N130）后回车也可算出NPV。两种方法比较优劣显然，前一种有利于理解概念，后一种则效率大大提高。

三、小结

总之，《工程经济》课程概念难于理解、公式多、计算量大而复杂，在教学中可依据中高职衔接的学生特点，选择好教学项目，结合EXCEL的优点进行项目法教学。

【本文系2012年度广东省高等职业教育教学改革项目，《终身教育背景下的中高职衔接工程造价专业教学标准与课程标准的研究与实践》阶段性成果，项目编号20120201017】

（作者单位：广东建设职业技术学院）

参考文献：

第7篇

【关键词】量化选股 GARP策略

一、引言

量化投资策略就是利用量化的方法，从大量的历史数据中寻找并获得超额收益的一种投资策略。其核心思路可分成价值投资策略和成长投资策略。前者追求的是价格被低估的证券价值回归，后者追求的是高估值证券的风险收益。但这两种类型的选股理念都存在明显问题，价值投资选出的低市盈率和较好成长性的蓝筹股在强市常遭冷落，而成长投资则是在博取未来，其选出的高估值证券未必真有成长性，且抗风险能力普遍较差。GARP（Growth　at　a　Reasonable　Price）策略从成长和价值两方面给出了相对完善的解决方案。

二、GARP策略的比较优势

GARP策略是同时考量价值因素和成长因素的一种混合型投资策略，试图寻找价值被市场低估，同时又有较强持续稳定增长潜力的股票。对于投资者而言，GARP　策略益处多多：

（一）分散化投资

GARP策略选取的股票涉及多个行业、各自有不同的市值规模，凸显了分散化投资的概念，避免了局部市场剧烈波动对投资收益的侵蚀。

（二）数量化选股

该方法增强了量化投资对信息的挖掘深度和使用效率，选股过程更为透明、客观，较好地弥补了仅依赖基本面研究的传统投资方式的局限性。

（三）收益更稳定

在股票市场的价值和成长风格发生轮动时，该策略可以兼顾两种因素，有效平滑收益与风险，市场轮动情况下表现更稳定。

三、GARP策略的相对不足

虽然GARP策略由于上述原因对投资者有很大的吸引力，但还是有很多方面应当进一步改进。

（一）　GARP策略在对行业分类时易出现粗糙的“小行业合并”现象

目前的研究领域，可以参考的行业分类种类较多，常用的包括证监会行业类、WIND类、申银万国类、中信证券类、中证类等。一些GARP策略的使用者若用较细的行业分类，则会面临对一些权重较小的行业进行合并的问题。合并形成了一个“小行业”进行研究，这是一种非常粗糙的方法，合并的这些小行业直接可能并没有相似的性质，将它们合并在一起，并不是一个很好的处理办法。

（二）GARP策略容易忽视选股指标在不同行业之间的影响差异

GARP策略对每个行业都是用同一的因子进行分析，这是可进一步细化之处。因为在全市场范围内进行有效因子筛选时，不同行业的因子有效性影响肯定有所区别，如何消除同一因子选股有效性在不同行业间的差异，这一问题需进一步探索。

四、GARP策略的改进意见

GARP策略集中了成长投资策略和价值投资策略的优点，可以有效地寻找那些被低估而且有强劲持续成长潜力的公司，若能在运用中对上述问题恰当解决，则可以使GARP策略更为合理。本人基于对市场的一些研究，提出以下几点相应对措：

（一）利用收益率序列的相关性将权重较小的行业合并到相应行业中

我们在利用GARP策略进行预测时，应当尽可能使行业包含较多相关的股票。对于行业划分较细的分类方法，可能面临因成份股太少而使单个股票的异常情况直接影响到整个选股因子在行业中的筛选效果，因此我们有必要将其合并到大的行业中。合并可以收益的相关性为标准，将收益率相关性较高的行业进行合并。

（二）使用标准化方法消除选股指标在不同行业之间的可比性差异

考虑到各个因子值大小不一，在使用GARP策略进行选股时要先统一量纲，将因子值标准化，将其转化成无量纲、无数量级差别的标准分，然后再进行分析评价。目前最普遍使用的无量纲方法是标准化法，就是另　，其

中是单只股票对应的某一因k的数值。使用标准化方法可以消除量纲和数量级的影响，从而使不同行业之间的股票在某一选股因子上具有可比性。

（三）剔除具有异常收益的股改股票和防止样本内过度优化

2006-2007年是股权分置改革的高峰时期，很多股票在股改完成的复牌首日会出现超高收益，或者是连续涨停。这样的股票对使用GARP策略进行选股是不利的，应当在检验因子时将其剔除。同时，为了避免因使用行业内穷举法筛选出的有效因子出现有效持续性较差的问题，建议采用样本内筛选因子、样本外检验的方法，避免选出的超高收益因子不具有持续性。

总之，GARP策略主要是寻找价值与成长之间的一个平衡。合理可行的成长速度与价值低估，在两者之间实现平衡是一个很好的投资策略，既可以实现稳健的超额收益，又能实现风险可控。要设计出两者之间的平衡，需要将GARP策略不断地完善修正，从而实现投资者回报在资本市场可持续的超额增长。

参考文献

第8篇

2011年7月1日，本刊正式引入《今日投资66》专栏，介绍今日投资66的选股逻辑、方法以及挑选出的股票。今日投资66（简称I66）是利用量化投资方法挑选出的一个66只股票的组合。其实早在2005年中今日投资就推出了I66，过去几年累计收益率达到16倍，远超同期市场不到3倍的涨幅。为什么直到今日我们才大张旗鼓地推出I66呢？原因其实很简单，因为市场环境。量化投资近几年在中国快速发展，其投资理念也越来越多地获得认同。

股票市场上形形的各种分析方法总结起来可以归类为三大流派：数量分析、基本面分析和技术分析。关于这三大流派孰优孰劣的争论已经持续了近百年，三方各执一词，百年争论下来也没有争出个结果来。当今世界也是这三种流派大概各占三分之一的格局。而A股市场显然尚未跟上，量化投资远远没有达到三分之一的市场占有率。

第一部分：什么是量化投资

量化投资在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内还比较罕见。那么，何为量化投资？

康晓阳：量化就是符合投资常识的投资逻辑和策略

接下来会发生什么？

深圳市天马资产管理有限公司是国内最早开发量化投资模型的资产管理公司，致力于量化投资工作接近十年。作为国内量化投资的“开山鼻祖”，深圳天马的董事长康晓阳先生如下介绍量化投资：

大家看到这个图，鱼跳起来了，风在刮，接下来会是什么？日本发生的9级大地震！2011年3月7日我看到一个报道，有50条鲸鱼在搁浅沙滩，就在发生地震那个县东部的海岸，有的死了，专家解释这些鲸鱼集体迷路了。作为一个地震专家或者学者，其实他们的经验没有告诉他这50条鲸鱼搁浅沙滩跟地震有什么关系。到底有没有关系呢？我们知道5•12四川大地震之前发生了同样的事情，很多癞蛤蟆过马路，这跟地震有什么关系？

投资做股票有两类，讲很多种策略，无外乎就是买你自己喜欢的和买市场喜欢的，买自己喜欢和买市场喜欢的背后逻辑就是找影响股价的要素。

量化是什么？做投资，最终的分析停留在数据上，既然是数据，就可以标准化、固化。从你自己的角度买自己喜欢的东西，其实也可以量化，每个人都有对美的标准，但并不是符合这个指标，你就一定喜欢。如果有一个海选，把符合你喜欢特征的人放在你面前你去选，就可以量化。

鲸鱼搁浅在沙滩上，根据历史数据统计就会发现这个事情跟接下来要发生的事情有什么关联。把人的行为逻辑影响股价所有的要素进行综合分析，预测下一个市场喜欢的东西或者喜欢的策略是什么，简单一句话，量化就是符合投资常识的投资逻辑和策略。就股票来讲，投资标的的数据和因素量化，再用一些模型统计的方法把选出来的标的进行优化，最后成为投资组合，这就是量化的基本逻辑。用数理的方法把你的投资逻辑或者市场的投资逻辑固化，只要有投资逻辑的思想或者策略，都可以量化。

就股票而言，有很多种方法，有价值型股票，分析方法无非是那几种，只是大家的标准不一样，量化的东西可以设一个相对宽松的东西，初选之后再优化，比如成长型股票，肯定关心盈利、收益。选出来10个、20个、50个甚至100、200个股票，然后配比重，怎么优化组合，根据你的风险和预期收益率反推回来怎么优化，最后得出一个比重，哪只股票应该投多少。有些是成本交易，比如套利，什么情况下出现一定条件的时候提示你。

要真正做到量化，首先要有一个基本的理论模型。你要觉得什么样的股票表现好，什么样的股票你愿意投资，这就是量化的基本逻辑。但是，有了这个逻辑之后还不够，还要有复合型人才，因为量化投资不光要懂得投资股票，还要懂得数理分析。打个比方，虽然我很懂股票，但我不懂数理分析，很多计算机模型也不懂，更不懂编程序，要真正做到量化投资，就必须有复合型团队。为什么这么多年华尔街学金融工程、数理、物理的人大受欢迎？因为他们可以用统计工具。前段时间我在英国的一所大学和一些专门做模型分析的教授交流，我发现他们想的东西更加复杂，基本上把市场上任何的东西都想要量化。

我理解，就是去跟踪你的投资逻辑，它只是帮你实现你想法的一种工具。另外还要有高质量的数据，因为，你通常看到的东西和市场本身存在的东西可能并不一样。如果把鲸鱼放到海滩上，这作为数据化，统计过去2000年有多少次鲸鱼搁浅在海滩发生，假如有真实的数据，就可以研究出跟地震的相关性。要懂数理统计工具，建立模型就是纪律，不能改变，改变就不是模型。有人说看到今天不行，换一下，那就不是模型了。我们看过一个电影，造出来的机器人最后自己都控制不了，那就是模型。如果造出来的机器人自己能控制，那不是模型。人为什么能挣得到钱，为什么还要量化？传统是靠个人经验的，而且你看到、听到的东西都是有限的。量化有什么好处？它可以把你知道的东西在整个森林中搜索。计算机是不知疲倦的，晚上你在打鼾，计算机还可以工作。你的模型是你建的，你很理性的情况下建的模型，市场情绪变了，它不会变，那时候你不可能去改模型，所以它不会受情绪的影响。

华泰联合：实现投资理念与策略的过程

国内研究机构中涉足量化投资较早并多次获得新财富最佳分析师评选金融工程第一名的华泰联合证券金融工程团队如是说：

数量化投资是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。与传统定性的投资方法不同，数量化投资不是靠个人感觉来管理资产，而是将适当的投资思想、投资经验、甚至包括直觉反映在量化模型中，利用电脑帮助人脑处理大量信息、帮助人脑总结归纳市场的规律、建立可以重复使用并反复优化的投资策略（经验），并指导我们的投资决策过程。

本质上来讲，数量化投资也是一种主动型投资策略，其理论基础在于市场是非有效或弱有效的，基金经理可以通过对个股、行业及市场的驱动因素进行分析研究，建立最优的投资组合，试图战胜市场从而获取超额收益。然而一些定性的投资者却并不太认可定量投资，他们认为，定性研究可以将把股票基本面研究做得很深入，从而在决策深度上具有优势。然而，在当今市场上，信息量越来越大且传播速度极快，单个分析师所能跟踪的股票数量开始显得越发有限，也因此错过了许多优秀的投资机会，可谓是拥有深度的同时错失了广度。量化投资正好弥补了这一缺失，通过使用强大的计算机技术，它能够实时对全市场进行扫描，并依仗其纪律性、系统性、及时性、准确性以及分散化的特点最大概率的捕获战胜市场的投资标的。

事实上，在海外市场，我们看到越来越多的定量与定性完美结合的成功案例。通过向量化模型中加入分析师对未来主观判断的观点（定性的观点），再结合来自于历史规律检验的观点（定量的观点），定量与定性的优势便能得到充分的发挥和融合。我们相信，这也将是未来量化产品发展的主流方向和趋势。

结论

量化研究作为一种研究方法，其本质是使用统计学、数学和计算机工具改进研究效率，使得我们能够在更短的时间、更大的视角领域下，依靠清晰的研究逻辑，获取更为有效和操作性以及复制性更强的研究成果。量化研究的本质是一类发现市场规律的方法体系，其基本功能是认识市场和解释市场，并以做到预测市场为目的。

量化投资简单来讲，它以模型为主体，使用大量数据，并且在很大程度上用电脑这样的投资方式；其以科学性和系统性著称，并将在严格的纪律化模型制约下，紧密跟踪策略，使运作风险最小化，并力争取得较高收益。

第二部分：量化投资在蓬勃发展

量化投资在世界的发展史

美国市场有200多年，从证券市场开始，也有快400――500年了，但是量化的发展是上世纪50――60年代的事。首先有一些理论模型，没有理论模型支撑很难做到量化的东西。

数理化投资于上世纪50~70年论上发芽

Harry Markowitz在上世纪50年表一系列关于投资组合“均值―方差”优化的论文，这使得投资者可以定量化风险，并把风险和预期回报放在一个理论框架下统一考虑；

WilliamSharpe在1964年发表CAPM模型，此模型显示个股的预期回报和个股的风险及市场的预期回报成正比；

Steven Ross在1976年发表APT模型，此模型显示个股的预期回报可以表示成一系列非特定因素预期回报的加权平均，此模型为量化投资者指出了很实用的研究框架；

Black-Scholes在1972年发表关于股票权证的定价模型；

Fama和French在1993年发表三因素模型，此模型显示个股的预期回报由三个因素（市场，个股的市值，个股的市净率）决定；

此后很多研究者做了非常多的实证研究，并发现了一些对个股将来回报有预测作用的因素：比如市盈率，市净率，资产回报率，盈利一致预期，中长期价格动能，短期价格反转等。

数理化投资从上世纪70年代末开始实际运用

Barclays Global Investors(BGI)于1978年创立了全球第一只数量化投资策略基金，到被BlackRocks收购之前BGI以14000亿美元的规模，高居全球资产管理规模之首。

SSgA(道富环球投资管理公司)和 GSAM(高盛国际资产管理公司)为首的一大批以数量化投资为核心竞争力的公司已经成为机构资产管理公司中的“巨无霸”。

“詹姆斯•西蒙斯创办的文艺复兴科技公司花费15年的时间，研发基于数学统计理论的计算机模型，借助该模型，西蒙斯所管理的大奖章基金，从1989 年到2009 年间，平均年回报率高达35％，较同期标普500 指数年均回报率高20 多个百分点，比“金融大鳄”索罗斯和“股神”巴菲特的操盘表现都高出10 余个百分点。

在国外。其他采用量化投资的公司没有获得惊人的表现，并非是量化方法不好，而是他们还没有构建出更好的模型以及正确的策略。作为量化投资的大行家和受益者，西蒙斯承认有效市场的套利机会极少而且会趋同小时，然而，仍然有无数转瞬即逝的很小的机会存在，在证券市场，那些很小的交易，都会对这个庞大的市场产生影响，而每天都会有成千上万这样的交易发生。这个市场看似杂乱无章，却存在着内在规律，而量化操作自从诞生以来，无疑成为捕捉这些规律的一把利器，为海外投资者屡建奇功。

CQA（教育产品内容与数据测试）数据统计：在2002年-2004年三年间，量化产品的平均年收益率为5.6%，比非量化产品的平均年收益率高出1%。从信息比率来看，量化产品为0.37，非量化产品为0.06。此外，量化基金的运作费率相对更低，例如传统产品费率为0.6%，主动量化产品费率在0.45%-5%之间。

理柏(LIPPER)数据显示，2005年到2008年之间，87只大盘量化基金业绩表现好于非量化基金，增强型量化基金在2005年和2006年更是大幅跑赢非量化基金。但2007年和2008年除市场中性基金外，所有基金业绩下滑很快，其中双向策略和大盘量化基金表现差于非量化基金，而增强型和市场中性量化基金表现则优于非量化基金。

量化投资在中国的发展现状

研究力量不断壮大

目前大部分券商研究所都配有金融工程研究小组，成员超过5个的不在少数。根据2010年11月份的《新财富》最佳分析师榜单，国信证券金融工程小组人数有12人，为目前人员配备最多的量化投资研究团队。其他入选金融工程前五名的研究小组中，申银万国8人，华泰联合、安信证券各5人，中信证券4人。

数量化方面的研究报告数量也是逐年增加。据不完全统计，2008-2010年相关报告数量分别有52、142、794篇，今年上半年就达到了633篇，逐年递增趋势非常明显。不过，和2010年研究报告10万多份的总量相比，数量化研究的广度和深度还有很大提升空间。

量化产品初露锋芒

天马旗下的产品中，现有两个信托产品采用量化投资策略，分别是新华―天马成长，和平安―Lighthorse稳健增长。

此外，上投摩根、嘉实、中海基金、长盛基金、光大保德、富国基金、南方基金等都有量化产品推出，但是量化基金的比例还是非常小。即便在2009年，全年新发基金超过100只的情况下，新发的量化基金也仅有4只，数量在2009年的新发基金市场中仅占3％。与指数基金、普通股票基金相比，量化基金可谓是基金市场上的稀缺资源。

2011年，在国内紧缩政策与国外动荡局势的影响下，A股市场呈现结构性震荡上扬的格局。随着市场轮动的提速及内在容量的扩大，精选个股的难度日益加大。在此背景下，定性投资容易受到投资者情绪影响，而定量投资则能够通过计算机的筛选，帮助投资者克服非理性因素，在充分控制风险的前提下应对市场万变。以“人脑＋电脑”为主要构建的量化基金逐渐显现投资优势，今年量化基金异军突起，整体表现不俗。截至4 月6 日， 9 只具有完整业绩的主动型量化基金平均收益率为0.64%，超越同期股票型基金和混合型基金-1.39%、-3.08%的净值增长率。其中，“元老”光大保德信量化核心基金收益率达5.19%。此外，南方策略、中海量化策略、长盛量化红利、长信量化先锋、上投摩根阿尔法、华泰柏瑞量化先行基金也均取得正收益，分别达到4.12%、3.28%、2.60%、2.13%、0.77%和0.16%；仅嘉实量化阿尔法和华商动态阿尔法收益为负，分别为-4.48%、-7.94%。此外，从以往披露的公开信息可以发现，国内量化基金多侧重价值因子，也契合今年低估值大盘蓝筹股领涨的市场格局。

第三部分：解读量化投资

在西蒙斯崛起之前，判断型投资完全占据着主流地位，因为当前全球投资界的三大泰斗当中，无论是价值投资的巴菲特、趋势投资的罗杰斯，还是靠哲学思维的索罗斯，都是判断型投资的代表。但随着西蒙斯的声名鹊起，量化投资开始受到投资大众的重视并呈现出蓬勃的发展态势。但需要指出的是，世界上没有万能的投资方法，任何一种投资方法都有其优缺点，量化投资当然也不例外。定量投资成功的关键是定量投资这个模型的设计好坏，设计的好坏主要由模型设计者对市场的了解、模型构建的了解和模型实践经验来决定的。

量化投资的决策体系

量化基金的成功运作必然依托一个完整而有效的量化体系用来支撑，该体系是数据获取、数据处理、资产配置、组合管理到全程风险控制等诸多环节的有机结合。

我们借鉴海外量化基金运作架构的诸多优点，并结合华泰联合金融工程资深研究员的看法，旨在提供一个适合中国市场特点的量化基金运作架构体系。该体系综合考虑了定性及定量两大主要选股思路，在风险可控下，充分发挥量化投资的优势。

此架构包含以下几个主要层次：

1. 数据提供：量化体系的底层一般是数据接入端口，数据来源于外部数据提供商。

2. 数据预处理：由于中国A 股市场历史较短，数据质量一般，特别是早期的数据较为不规范。因此，在输入模型前必须对数据进行全面的清洗，从而增强数据的有效性和连续性。

3. 资产配置：资产配置是量化基金的核心。不同的投资者具有不同的投资理念，即不同的资产收益率看法。因此，通过构建差异化的因子配置模型来实现差异化的投资理念则充分展现了量化投资的优势和精髓。举例而言，我们可以开发针对不同市场状况（如牛市、熊市、震荡市和转折市）以及不同投资风格（如保守、激进和中庸）的量化模块。这些模块就类似于儿童手中的玩具积木，一旦投资决策委员会确定了战略和战术配置比例，接下来要做的就是简单的选积木和搭积木的过程。模块化投资严格的遵循了投资思路，从而将量化投资的纪律性、系统性、及时性和准确性展露无遗。

4. 投资决策：宏观经济政策对中国A 股市场的表现影响较大，也就是我们常说的“政策市”。针对这一现状，综合考虑定性和定量的宏观判断对于我们选择合适的基金仓位及资产组合将十分必要。一方面，结合宏观及行业分析师对于未来宏观经济的预判以及个别性事件的分析，另一方面，考察既定的一系列量化择时指标和宏观经济指标的最新动向，从而能较为全面的提出投资建议。

5. 组合管理：在对于宏观趋势、战略和战术资产配置的全面考量之后，留给基金管理人的工作将是如何实现在交易成本，投资风险以及组合收益三者之间的最大平衡。

经典量化投资模型综述与评价

目前，由于计算的复杂程度和对速度的要求，量化投资的交易过程通常是由电脑自动来完成的，可在某些方面电脑依然不可能替代人脑。投资若要取得成功，就需要顶尖的大脑来罗织数据、发现规律、编制最快最好的电脑程序；此外，量化投资所使用的模型在用了一段时间之后就会慢慢失效，因为越来越多的“山寨版”会出现，因而需要不断发现新的模型以走在这场军备竞赛的前列，而此时需要的就是配备精良、高速运作的人脑。由此可见，模型在量化投资的整个体系中居于核心地位。近几十年来，西方理论界与实务界均诞生了不少量化投资模型，大力推动了量化投资的发展，这其中又大致可分为三大类：传统的基于经济学意义的模型（structural model）、现代的基于数学、统计学意义以及计算机原理的模型（statistical model）、程序化交易模型。以下就这三者分别予以介绍。

(一)传统的基于经济学意义的模型

这种模型虽然用到了一些数学与统计学的工具， 但其核心思想与前提假设仍然是围绕经济学或金融学原理而展开的。例如，B-S 模型与二叉树模型提供了金融产品定价的新思路，因而也衍生出了所谓的以选择权为基础之投资组合保险策略（option-basedportfolio insurance，OBPI），如欧式保护性卖权（protective put）策略、复制性卖权（synthetic put）策略和一些持仓策略―――买入持有（buy-andhold）策略、停损（stop-loss） 策略、固定比例投资组合保险(constant proportion portfolio insurance，CPPI) 策略、时间不变性组合保障（timeinvariant portfolio protection，TIPP）策略、固定组合（constant mix）策略与GARP（Growth at a Reasonable Price）策略等。

(二)现代的基于数学、统计学意义以及计算机原理的模型

与上述模型相比，这种模型“量化”的倾向愈加明显―――淡化甚至忽略经济学或金融学背景，基本上只是依赖先进的数学、统计学工具与IT 技术构建模型，进而确定投资策略。模型中应用的具体方法主要包括参数法、回归分析、时间序列分析、极值理论、马尔科夫链、历史模拟法、蒙特卡罗模拟法等等。

(三)程序化交易模型

随着金融市场的日益复杂化， 越来越多的复杂交易策略被设计出来，这些交易策略很难通过传统的手工方式执行，于是程序化交易应运而生。程序化交易是指按照预先编制的指令通过计算机程序来完成交易的方式，可以分为决策产生和决策执行两个层面：前者是指以各种实时/历史数据为输入通过事先设计好的算法计算得出交易决策的过程，而后者是指利用计算机算法来优化交易订单执行的过程； 也可以从交易频率的角度，分为高频交易和非高频交易。程序化交易使得复杂的量化交易策略得以实施，优化交易指令的执行，解放人力使之把精力更多地集中到投资策略的研究上， 最重要的是能克服人性的种种弱点与障碍从而保证绝对的“客观性”与“纪律性”。然而，这种交易方式也引起了诸多争议，如对速度的过高要求会造成市场的不公平、巨大的交易量可能会增加市场的波动性、容易产生链式反应、为了盈利可能会制造人为的价格而降低市场的有效性等等。

量化投资的主要策略

增强型指数基金：策略的主要目的还是跟踪指数，希望用量化模型找出能紧跟指数但同时又能小幅超越的组合。

非指数型量化基金：能利用绝大多数好的投资机会，而不需去管组合是否能紧跟指数。

多―空对冲基金：买入模型认为能表现好的股票， 卖空模型认为会表现差的股票。有时可能净多仓， 有时可能净空仓。此策略在对冲基金中很流行。在A股市场中能卖空的股票不多，所以一般只能用期指去对冲。

市场中性的多―空对冲基金：买入模型认为能表现好的股票， 卖空模型认为会表现差的股票。在任何时候净仓位为0，同时在各行业上，大小盘风格上的净仓位都为0。此策略在对冲基金中也比较流行。此策略的波动率非常小，在国外一般会加入杠杆。

130/30基金：一般共同基金采用，即买入130%的多仓， 卖空30%的空仓。

程序化高频交易：利用期指或股价的日内波动进行高频买卖。有些策略是找价格模式，有些是利用交易所规则上的漏洞。

可转移Alpha：主要用在增强型指数基金上，具体是用期货来跟踪指数，一部分多出来的钱投资于风险比较小的能取得绝对正收益的策略上。

市场择时/行业轮动/风格轮动：用数量化模型预测市场/行业/风格的拐点

量化投资和传统投资的比较

天马资产首席数量分析师朱繁林博士表示，量化投资区别于定性投资的鲜明特征就是模型，对于量化投资中模型与人的关系，大家也比较关心。可以打个比方来说明这种关系，我们先看一看医生治病,中医与西医的诊疗方法不同，中医是望、稳、问、切，最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。

医生治疗病人的疾病，投资者治疗市场的疾病，市场的疾病是什么？就是错误定价和估值，没病或病得比较轻，市场是有效或弱有效的；病得越严重，市场越无效。

投资者用资金投资于低估的证券，直到把它的价格抬升到合理的价格水平上。但是，定性投资和定量投资的具体做法有些差异，这些差异如同中医和西医的差异，定性投资更像中医，更多地依靠经验和感觉判断病在哪里；定量投资更像是西医，依靠模型判断，模型对于定量投资基金经理的作用就像CT机对于医生的作用。在每一天的投资运作之前，会先用模型对整个市场进行一次全面的检查和扫描，然后根据检查和扫描结果做出投资决策。

传统的定性投资强调的是基金经理的个人经验和主观判断，相对来说强调基金经理的单兵作战能力。而量化投资主要是用来源于市场和基本面的模型指导投资。

量化投资可以最大限度地捕捉到市场上的机会。而传统的定性投资受到研究员，基金经理覆盖范围的限制。

量化投资借助模型进行投资，比较客观和理性，更不会受市场和情绪影响。

量化投资的可复制性更好。传统的定性投资易受到基金经理，资深研究员人动的影响。

其实，定量投资和传统的定性投资本质上是相同的，二者都是基于市场非有效或是弱有效的理论基础，而投资经理可以通过对个股估值，成长等基本面的分析研究，建立战胜市场，产生超额收益的组合。不同的是，定性投资管理较依赖对上市公司的调研，以及基金经理个人的经验及主观的判断，而定量投资管理则是“定性思想的量化应用”,更加强调数据。

国内量化基金投资风险分析

（一）量化模型质量产生的投资风险

投资模型本身的质量，是量化基金最核心的竞争力。专业人士以为，对于中国这样的新兴市场，量化投资的关键是能否根据市场特点，设计出好的投资模型。然而，已有的量化基金中，大多简单地利用国外已公开的模型，或是用基金公司自有的一些简单模型，在考察市场的有效性上普遍比较欠缺。如中海量化策略和南方策略优化在行业权重配置中均采用的Black-Litterman（BL）模型。这种模型现是华尔街主流模型，亦是高盛公司资产管理部门在资产配置上的主要工具。然而，在国内市场信息搜集等方面局限性较大的情况下，该系统到底是否有效，是否仅是基金公司体现其“专业性”的一个由头，还有待观察。

（二）基金经理执行纪律打折扣所产生的道德风险

好买基金研究中心的一份报告指出，大部分量化基金在择时、行业配置和资金管理等方面并没有采用量化模型，更多的是基金经理的主观判断。观察这些量化基金的契约和季度报告可以发现，基金要么不进行择时，要么根据主观经验进行择时，这在很大程度上无法体现出模型选股产生的效果。

（三）数量化模型滞后产生的风险

量化基金效果如何，无法脱离资本市场环境的成熟度。量化模型的运用有重要的前提条件，是必须在一个相对成熟稳定的市场中运行，这种市场环境下基于历史数据设计的模型才可能延续其有效性。国内股市曾经大起大落，市场结构和运行规律都发生过质变。在这种情况下量化模型有可能跟不上市场本身的改变，严格的量化投资也难以适应变化。这或许是这种舶来品水土不服的一大原因。可以说，早期的A股市场并不适合量化投资理念，而随着市场逐渐成熟，量化投资的优势才开始逐渐显现。近两年量化投资基金数量成倍增加，也是对这一趋势的反映。

第9篇

作者简介：王劲松（1968-），男，东北大学工商管理学院博士研究生，研究方向为金融风险管理、金融市场等。

摘要： VaR的度量涉及到资产组合的未来市场因素分布、波动性以及定价三个方面。针对传统CAPM和GARCH方法的不足，作者提出了市场指数及证券（组合）分别服从独立的马尔科夫状态转换过程下的风险分解VaR模型――SSRM模型。模型能够分别呈现市场的系统风险和个股特有风险，在方法上允许市场指数、证券（组合）分别存在波动性的突然跳跃。凸出特点是既综合考虑了市场和特定资产的关系，又考虑了资产和市场风险的时变性特征。实证显示模型较经典的GARCH-β模型在VaR估计方面有显著优势。

关键词：VaR；状态转换；风险分解；股票市场；SSRM模型；GARCH-β模型

中图分类号：F224.0文献标识码：A 文章编号：1009-9107（2013）04-0116-05

一、问题的提出

实践中，对VaR的估计必须要符合金融市场及其数据的重要特征。自Mandelbrot[2]和Fama[3]的研究以来，人们发现金融市场数具有尖峰厚尾（leptokurtotic）的特性，即分布比正态分布具有较厚的尾部和较高的峰值；收益是典型的负偏斜；平方收益具有典型的自相关特征，即市场因素的波动性倾向集聚的。所有传统的VaR模型都尝试部分或全部考虑这些经验特性。

从思路上看，现有对VaR的估计方法要么是单独估计市场指数的VaR（系统风险），要么单独估计特定资产或资产组合的VaR（特有风险）。目前这两方面的研究都较多[4-6]。估计市场的VaR值，常常是以市场指数的时间序列为依据，方法上对市场的波动性用ARCH（或GARCH）类模型进行建模，以此来估计市场的风险状况（VaR）。同时通过选择不同的波动模型来刻画市场的波动性。而估计资产（或资产组合）的VaR，主要涉及通过资产的波动性和相关性估计来计算相应的VaR，方法上通过选择不同的市场未来因素的分布例如t、GED、偏t等不同分布来改进正态分布假设。

尽管这些研究已经建立了各种各样的统计模型来量化和分析股票市场及单个股票（或股票组合）的风险或波动性――从简单的滚动标准差方法到复杂的随机波动性模型都有，然而，我们认为这种对风险进行人为分裂的量化方法很难满足实践中资产组合管理的实际需要。因为特定资产价格变化的风险中既包括来自市场的系统风险，也包括有资产自身的特有风险。对于特定资产（如股票）及其组合的VaR估计，实际反映的是市场的系统风险和资产的特有风险共同作用的结果。

实际上，资产管理人和投资人既关心市场的整体波动（系统性风险），也关心其投资资产本身（组合）的风险。我们不仅需要对市场整体风险及个股风险有全面认识，还须对特定资产的风险结构有深入的了解。从理论上讲，股票市场的整体风险或波动性完全有可能在个股风险或波动性加剧的情况下保持稳定，这时如果根据市场整体风险或波动性指标制定监控或投资政策，就有可能出现决策失误。另一方面，相当多的个股尤其是指标股及其组合的风险和波动，对市场的影响力也不容忽视。因此，需要有一种风险度量方法能够将特定资产（如个股）的两种风险来源进行分解，同时能够展现这两类风险的相互作用。这对于资产管理人和投资人的组合管理决策而言具有重大的实践价值，同时对于整体市场的稳定，减少市场和组合风险及波动也具有重要意义。

目前，将市场指数的风险纳入到资产的风险估计中的研究相对较少[7]，方法上主要包括两类：一类是基于CAPM的VaR模型；另一类是基于时间序列模型GARCH的VaR模型。以资本资产定价模型（CAPM）为代表的定价理论能够将市场整体风险和股票的个别风险联系起来。其优点在于可以将影响资产风险状况的三方面要素：资产定价、未来收益分布的选择和波动性估计统一在一个框架中进行处理。但其不足也很明显，即没有考虑资产和市场指数的ARCH的特性，也没有考虑β系数的时变性。而基于时间序列GARCH的VaR模型与第一类模型相比虽然都可以分别度量VaR，但两者内涵却不相同。因为无论是资产（组合）还是市场指数都存在ARCH（或GARCH）现象，由此出发第二类模型正好弥补了第一类模型的不足。但其缺陷在于GARCH类模型只从时间序列特性出发，而没有考虑个股和市场的关系。

针对上述方法的不足，本文提出了基于马尔科夫状态转换下的风险分解VaR模型-SSRM模型。该模型结合了GARCH模型和CAPM模型的优点，不仅可以较为精确地区分系统风险和研究对象的个体风险，而且还能弥补对市场和特定资产分别进行度量的不足。

二、状态转换下的风险分解VaR模型的构建

三、实证检验

四、结论

综上可知，在传统CAPM正态分布假设不成立时，基于状态转换的风险分解VaR模型（SSRM）不但可以体现出市场和特定资产收益分布的偏峰厚尾特性，并可拟合和解释时间序列。而且，它还可以分别解释、度量特定资产包含的系统风险（市场指数波动）和特质风险（股票自身波动）。对投资决策而言，个股及其组合中蕴含的系统风险及特质风险都需要被识别出来，并根据特质风险的波动和收益率状况来判断投资对象的可接受程度。这就为资产选择、分析边际VaR、成分VaR提供了一种有效的工具，也为风险量化和对冲提供了更准确的依据。

总的来看，SSRM模型无论是从思路设计上，还是在量化结果方面，都要优于传统方法，是一种同时覆盖了资产定价、波动性、未来市场分布三个因素的模型。因此，其能够在投资组合管理实践中对于资产选择和组合风险的控制和调整都提供更有力的支持，具有广阔的应用前景。

参考文献：

[1] Jorion P.Risk：Measuring the Risk in Value at Risk[J].Financial Analysis Journal，1996（11）：47-56.

[2]Mandelbrot B B.New Methods in Statistical Economics[J].Journal of Political Economy，1963，71：421-440.

[3]Fama，Eugene F.Portfolio Analysis in a Stable Paretian Market[J].Management Science，1965，11：404-419.

[4]马超群，李红权.VaR方法及其在金融风险管理中的应用[J].系统工程，2000，18（2）：56-59.

[5]苏涛，詹原瑞.证券组合SKST-APARCH模型和VaR估计分析[J].系统工程学报，2005，20（6）：639-643.

[6]苏涛，詹原瑞.SWARCH模型下的VaR[J].数量经济与技术经济研究，2005（12）：143-149.

[7]詹原瑞，刘家鹏，苏涛.基于马尔科夫机制转换CAPM 的VaR 模型研究[J].电子科技大学学报：社会科学版，2008，10（3）：19-22.

[8]Goldfeld S M，R E Quandt.A Markov Model for Switching Regression [J].Journal of Econometrics，1973，1：13-16.

[9]Hamilton J D.A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle [J].Econometrica，1989，57：357-384.

[10]Hamilton J D.Analysis of Time Series Subject to Changes in regime [J].Journal of Econometrics，1990，35：39-70.

[11]Kim D，Kon S J.Structural Change and Time Dependence in Models of Stock Returns [J].Journal of Empirical Finance，1999（6）：283-308.

[12]Kim D，Kon S J.Sequential Parameter Nonstationarity in Stock Market Returns [J].Review of Quantitative Finance and Accounting，1996（6）：103-131.

[13]Chow G.Tests of the Equality Between Two Sets of Coefficients in Two Linear Regression [J].Econometrica，1960，28：561-605.

[14]Lucas R E.Asset Price in an Exchange Economy[J].Econometrica，1978，46：1 426-1 466.

[15]Cecchetti S G，Lam P S，Mark N C.Mean Reversion in Equilibrium Asset Price [J].American Economic Review，1990，80：398-418.

第10篇

关键词：电子信息安全；电子政务；风险评估；风险管理

一、电子政务信息安全风险的来源

以Internet为代表的计算机网络本身就存在安全隐患是毋庸置疑的，加之电子政务系统对Internet的依赖性及其自身的特殊性决定了其安全问题的多层次性、重要性和迫切性。

二、电子政务信息安全风险的评估

（一）风险评估的几种基本方法

第一，定量评估方法。定量的评估方法是指运用数量指标来对风险进行评估。定量方法的优点是，传递的信息量大。其缺点是，量化使本来比较复杂的事物简单化、模糊化了，有的风险因素被量化以后还可能被误解和曲解。第二，定性评估方法。定性的评估方法主要依据研究者的知识、经验、历史教训、政策走向及特殊变例等非量化资料对系统风险状况做出判断的过程。定性评估方法的优点是可以挖掘出一些蕴藏很深的思想，使评估的结论更全面、更深刻；但它的主观性很强，对评估者本身的要求很高。第三，定性与定量相结合的综合评估方法。风险评估是一个复杂的过程，需要考虑的因素很多，有些评估要素是可以用量化的形式来表达，而对有些要素的量化又是很困难甚至是不可能的，所以应采用定性与定量相结合的评估方法。定量分析是定性分析的基础和前提，定性分析则是灵魂，是形成概念、观点和得出结论所必须依靠的。

三种风险评估的分析方法如下图所示：

（二）电子政务信息安全风险评估方法

在电子政务风险评估中，OCTAVE方法得到较多应用。然而，OCTAVE是一个相对不太灵活的评估方法。在此方法的实施过程中，只提供一种原则，选择一个目标，建立一个工作小组。一旦选取了原则，其他的工作组也必须使用已经存在的原则去处理他们所面对的问题。然而每一个小组的运行模式也许是不同的，一些会注重数量，而另一些会注重质量。杜人杰以改进的OCTAVE方法为起点，结合AHP与FTA提出了电子政务信息安全的三元集成方法，对单纯的OCTAVE方法进行了改进。汤志伟提出采用“可操作的关键威胁、资产和弱点评估”模型作为理论依据，利用层次分析法确定权数，以主观概率来描述指标的隶属度，建立了电子政务信息系统风险的模糊综合评估方法。

此外，应用集成的风险研究方法也被应用到电子政务中。此方法将网络系统中的安全防护分为两个方面：一是网络系统中存储和传输的信息数据；二是网络系统中的各类设备。这样，既保证了政务业务的正常运行，同时又防止信息数据被非授权访问者的窃取、篡改和破坏。应用集成的研究方法只是从微观上进行了评估，将绝大部分注意力主要集中在来自硬件等技术层面的风险，没有把重点放在管理上。

三、电子政务信息安全风险的管理策略

（一）树立政务安全的基本观念，避免进入“绝对安全”的误区

安全的界定随着时间、地点的不同而变化，信息安全是一种没有底线的风险游戏。对电子政务而言，系统的安全策略总不可能保证绝对的安全，因为对任何技术或安全策略来讲，给人足够的时间都是可以攻破的。因而，我们在进行电子政务安全建设和管理中首先要树立相对的安全观，在现有条件下可以保证该保护的系统和信息资源的安全就是最好的安全。盲目追求“绝对的安全”，到头来既会造成投资的浪费，也会使该保护的没有保护好，无法发挥安全系统的最好效用。

（二）加强政府部门的管理职能，保障信息安全管理的有效性

政府相关部门应当联合制订信息化建设的网络与信息安全专项资金政策，保证信息安全投资应占总投资的 15%-25%之间；同时由政府制定强制性的网络与信息安全装备监督检查政策并进行监督检查。要全方面地对信息安全服务商的资质能力制订相应标准与行政监管措施，推行安全服务资质和进入市场的信息安全产品和集成的信息化项目的强制性安全认证。

（三）全面提高用户自身管理水平，减少信息风险的入侵

各部门、各行业、各单位等用户是信息化建设的主体，也是网络与信息安全保障体系建设的主体，能否全面提高用户信息安全管理的意识和水平，决定着网络与信息安全保障体系能否真正建成。要通过政府引导，有关执法部门加强管理和宣传教育，促进各类用户建立信息安全管理机构，认真执行国家有关政策法规，推行标准化，采用技术措施，制定规章制度，配备和培养有关人员，选择合格服务商等，全面提高其安全管理水平。鉴于此，建立高水平的研究教育环境，加强信息安全基础理论研究，培养大批高素质的信息安全人才显得尤其重要。

（四）重视安全风险分析评估，做到“早发现早治疗”

安全利益与风险是整个网络与信息安全保障体系的核心。只有了解、分析、评估和确定各部门、各行业、各单位的安全利益与风险，包括确定其安全利益与风险的大小，才能有效合理地配置有关技术、管理、人员等资源去实施保护，才能合理确定所利用资源的多少和保护强度的高低等。因此，网络与信息安全保障体系中最基础的工作是建立信息安全利益与风险分析评估体制。

参考文献：

第11篇

2010年初的云南省大旱致使三七大面积受灾。统计数据显示，截至2010年3月15日，三七受灾面积56746亩，占总种植面积的94.5％，成灾面积27503亩，占受灾面积的48.47％。三七从播种到收获要3年以上时间，如果2010年减产，以后的五六年之内整个市场三七的供应都会受到影响。这是这导致三七价格暴涨的基本面因素。恶劣天气的影响导致减产由于担心未来货源，大量的药厂囤积收购，这是主力资金流入。另一方面一些药商的恶意囤积炒作，同时种植三七的农民以及供货商惜售心理确实更加强烈。这是市场共识，因此三七的价格不断持续上涨。

三种力量的共同作用才是三七价格飙升的重要原因。

影响供需的基础是基本面因素，如果企业经营不错，未来被机构投资者看好，那么机构资金会逐步买入这个企业的股票。同时由于买人愿望强于卖出。所以股价不断上涨，而且形成上升趋势。这又导致市场上更多的趋势投资者买入。从而形成市场共识。结果导致价格不断上涨。相反.如果这家企业经营不善，那么想变现的人就比较多，结果就是跌跌不休。

简单的说：

想买的人多==)供小于求==)股价上涨。

想卖的人多==)供大干求==>股价下跌。

所谓基本面分析方法，就是把对股票的分析研究重点放在它本身的内在价值上。基本面分析需要大量的财务分析数据及财务分析经验。普通投资者无法掌握。因此我们在本书里采用量化的基本面分析方法。

一、常用相对量化指标

本节所说的量化相对指标是针对上一节所说的绝对量化的财务指标而言。相对是因为引人了价格要素。即把财务指标与价格的高低进行了联系。

P／E(市盈率)：是衡量股票相对内在价值的一种量化指标，以税后每股收益作分母，股价作分子，所得出的商就是该股的市盈率。一般而言P／E的值越小越好，特别是与同行业比较时更是如此，谁的P／E低就说明谁的股价相对被低估。一般P／E值的标准范围是15－25倍认为合理。

P／BV(市账比)：衡量每一元钱能够买入多少资产的指标，此值越小越好，值小说明此股价风险比较小。一般标准是l 2倍左右认为合理。

P／SR(价售比)：衡量个股主营业务能力的一种指标，此值越小越好，说明今后的业务扩张能力强，一般标准是1左右认为比较合理。

ROE(净资产收益率)：净资产收益率=净利润／平均股东权益，净资产收益率是反映上市公司经营状况的核心指标。透过这个财务指标，投资者可以对上市公司的财务状况做出系统而相对准确的分析，业内称之为杜邦分析系统。净资产收益率是衡量上市公司盈利能力的重要指标，是指利润额与平均股东权益的比值，该指标越高，说明投资带来的收益越高。证监会规定6-10％的配股资格线。因此这个指标往往可以衡量成长能力的关键指标。许多大黑马股票的ROE往往会连续几年高达20％以上。

在线分析师软件里在K线图中点击个股K，就会出现如下个股快速诊断界面，见图，这个界面里，投资者可以快速了解这个股的基本面情况。

以000858~粮液为例，主营业务是白酒。最新分析师报告评价：2010年上半年业绩大幅增长40.91％。2010年预测1.18元／每股。增持评级。

个股的P／E=38.93，而酒行业的P／E=63.34。个股的P／B=8.85，而酒行业的P／B=9.85。也就是说个股的相对评价指标小于行业的相对评价指标。ROE=24.46。

这说明这个股票的基本面不错。当然基本面信号灯就肯定是绿灯了。

二、如何通过P／E选择便宜的股票

市盈率(P／E)作为一个衡量股票投资相对价值的指标。被投资者广泛应用。投资者一般根据个股市盈率的相对高低来评价其投资价值的大小，来进行买卖决策。自有股市那一天起，市盈率便成为评判股价的常用标准。一些观点甚至只以市盈率来衡量股市有无投资价值。投资者在运用过程中，有几个需要注意的问题：

首先市盈率蝴十算公式是：P／E，P代表价格，而E代表每股收益，市盈率能在一定程度上反映出上市公司的投资价值，但有一点应注意的是，既然市盈率是由股价和上市公司业绩之比而得出的，那么就应该对市盈率有动态的认识。

因为如果每股收益E不变，那么股票价格上涨则P／E上升。而如果股票价格不变，当每股收益E上升时，那么P／E就会下跌。因此目前市盈率高并不意味着将来市盈率高。

买卖股票与购买商品一样，买便宜货是大众首选。通过P／E值的高低可以方便的选择便宜的股票，P／E是通过公司的业绩与股价的相对关系来判断一个股票的贵贱。一般而言P／E低于15就是便宜，但是不同的行业P／E值范围是不同的。成长型行业的P／E比周期性行业的高。

以600166福田汽车为例，在2010年7月2日，大势下跌至2373点左右。该股票的P／E是10.97，同期行业P／E是31倍。该股的市销率也小于1(P／SR=0.25)。说明成长性不错。ROE=21.65。可以认为这是比较便宜区域。见下图中的A区域。此时买入到了9月20日卖出。就有20％的回报率。而同期大盘收益不过9％。采用低P／E找便宜选股的策略。可以配合逐步低买的交易策略。

如果一个公司业绩不错，而且低P／E，那么市场人士就可能逐步买入这个股票。现在才10倍左右的P／E，未来可能上涨至30倍P／E。因为汽车行业的P／E=是30倍。可以认为这个比较便宜的股票。

另外还要注意由于周期循环始终是在行业景气还未到高峰之前，股价就先到顶，行业景气未到低谷底之前。股价就先回落见底。所以，在投资周期性股票时，切忌在行业景气高峰期因P／E低而买进股票，也不要在景气低谷底期因P／E过高而放弃低买的投资机会。

还要注意股票的现有价格代表公司未来的收益和股利折现后的现值。未来收益和股利的折现反映着通货膨胀的水平。因此市场的市盈率PE会随着利率波动变化。另外通胀数据也会影响P／E的正常数据。如果通胀率下降，未来收益的现值会增加，投资者会提高市盈率的预期。如果通胀率上升，市盈率及公司未来收益的现值会下降，公司目前的股票价格也会下跌。因此真实的PE=市场平均市盈率+通胀率(CPI)。例如目前的市场平均P／E是15.7，看似不高，但目前CPI(消费者物价指数)是4.5％。那么实际P／E=15.7+4.5=20.2。也就不能够认为目前市场估值偏低。

三、如何通过P／B选择便宜的股票

作为一个常用的估值指标，对于收益为负数的公司，P／E的估值就无法使用了。另外EPS往往比较容易包装。因此我们可以采用P／BV(价格／账面值)比率估价法。

P／BV比率是公司资产市场价值与账面价值之比，反映了资产盈利能力与初始成本之比。其优点在于首先账面价值提供了一个对价值相对稳定和直观的度量.尤其对于那些从不相信未来现金流量折现法的投资者来说。

这里的P是指价格，BV是指上市公司的净资产。如果P／BV等于1，那么说明市场价格等于内在价值。P／BV提供了一个非常简单的估值标准。其次因为P／BV比率提供了一种合理的跨企业比较标准，所以投资者可以比较不同行业中不同公司的P／Bv比率来发现价值被高估或被低估的企业。最后，即使那些盈利为负数，无法使用P／E比率进行估价的企业也可以用P／BV比率来进行估值。

P／B值是从公司的资产角度来判断股票是否便宜。如果公司业绩差营运不好，那么连续的亏损可能使得公司的净值为负。但是如果是优绩股票。因为暂时的下跌使得P／B等于1或小于零。可以认为是底部信号。因为只要公司经营环境还可以，那么公司运作很快就可能恢复正常，业绩就可能提升。市场平均值P／B等于1左右时就是强烈的底部信号。

一般的而言认为买入低P／BV的股票一定抗跌，而买入高P／BV的股票风险比较大，一旦下跌则下跌幅度就比较大。因为如果这股票清盘时，你仍能可依靠变卖上市公司收回你部分投资，但是如果你不幸购买了一个P／BV小于O的股票，那么一旦有清盘事件发生，你将连回家的路费都输光。总的来说从长期看投资低P／BV的股票表现比高P／BV的好。

第12篇

关键词：餐厨垃圾；填埋 ； 焚烧 ； 厌氧发酵 ； 饲料和肥料化 ； 生化处理

Abstract: Through the analysis of domestic food waste status quo, compared the five kinds of food waste processing technology: incineration, anaerobic fermentation, feed and fertilizer, chemical and biological treatment. This paper provides advice on turning waste into treasure and really reasonable economic use junk.Key words: food waste; landfill; burning; anaerobic fermentation; feed and fertilizer; biochemical treatment

中图分类号：R124.3 文献标识码： A 文章编号：2095-2104（2012）03-00

1 概述

随着我国城市建设的飞速发展，生活垃圾处理逐步形成了源头收集、中间运输和终端处置“一条龙”的完善体系。但是对于餐厨垃圾处理大规模应用的实例却不多，每日数量巨大的餐厨垃圾流入社会，一部分被不法商贩从餐厨垃圾里提取油脂，炼制地沟油，通过非正常途径回流到餐桌；另一部分被拉去喂猪，造成泔水猪泛滥市场，严重危害人民身体健康，造成公共卫生安全隐患；部分餐厨垃圾未经任何处理直接进入污水管道，在管道内冷凝堵塞，并发酵产生大量甲烷气体，影响了污水管网的正常功能甚至引发下水道爆炸事故；随意堆放的餐厨垃圾更会招引蝇虫，产生异味。采用科学手段收集处理餐厨垃圾，保证收运处理系统正常化运行，是实现餐厨垃圾无害化、减速量化处的前提条件。

2 餐厨垃圾处理工艺的现状

目前国内餐厨垃圾处理应用的城市主要集中在北京、上海等大城市。北京市餐厨垃圾处理主要采用微生物处理技术；

上海市现有用于处理餐厨垃圾的消化型有机垃圾生化处理机，其基本技术是外加特殊菌种的动态好氧消化，采用间歇或连续方式搅拌，连续进料间歇出料（出料时间间隔长，1～2个月），反应温度45～500C,其实质是高消化率的堆肥技术，该技术过去主要用于处理污泥和高浓度废水，而针对餐厨垃圾的有关文献资料则较少。

3餐厨垃圾处理主要技术简介

目前餐厨垃圾处理的主要技术包括填埋、焚烧、厌氧发酵、好氧堆肥、直接烘干作饲料和微生物处理技术。下面对以上几种技术介绍如下：

3.1填埋处理技术

由于餐厨垃圾的高含水率、高有机物等特点，决定了餐厨垃圾直接用于填埋的可行性较低。餐厨垃圾填埋处理技术在国内尚无应用的实例，其主要优缺点如下：

其优点是处理量大，运行费用低；工艺相对较简单。

其缺点是占用大量土地，耗用大量征地等费用；填埋场占地面积大，处理能力有限，服务期满后仍需新建填埋场，进一步占用土地资源；餐厨垃圾的渗沥液会污染地下水及土壤，垃圾堆放产生的臭气严重影响空气质量，形成不可逆的对周围大范围的大气及水土的二次污染；没有对垃圾进行资源化处理。

在当前土地资源紧缺、人们对环境影响的关注度越来越高的大前提下，填埋处理技术明显不适合我国餐厨垃圾的实际情况，因此不做详细介绍。但作为餐厨垃圾分选处理后不适宜生化处理的物料一种最终处理手段，是餐厨垃圾处理的一个必要环节。

3.2焚烧处理技术

焚烧是垃圾中的可燃物在焚烧炉中与氧进行烯烧过程，焚烧处理量大，减容性好，焚烧过程产生的热量用来发电可以实现垃圾的能源化。但由于餐厨垃圾70%以上为液体部分，热值较低，不适合用来焚烧处理。

与填埋技术一样，餐厨垃圾焚烧处理技术在国内也没有应用的先例，其主要优缺点如下：优点是焚烧处理量大，减容性好；热量用来发电可以实现垃圾的能源化。缺点是对垃圾低位热值有一定要求；餐厨垃圾水分含量高会增加焚烧助燃齐的消耗，增加处理成本。

由于生活习惯不同及餐厨垃圾收集分类程度的不同，我国餐厨垃圾与国外餐厨垃圾差异较大，其特点是热值低、含水量高，很难进行焚烧处理，另外焚烧处理投资过高，国内外利用餐厨垃圾焚烧的应用经验极少，不是餐厨垃圾处理的主流技术。

3.3厌氧发酵处理技术

1、厌氧发酵基本原理

厌氧发酵是无氧环境下有机质的自然降解过程。在此过程中微生物分解有机物，最后产生甲烷和二氧化碳。影响反应的环境因素主要有温度、PH值、厌氧条件、C/N、微量元素以及有毒物质的允许浓度等。

厌氧发酵是在厌氧微生物作用下的一个复杂的生物学过程，在自然界内广泛存在。厌氧微生物是一个统称，包括厌氧有机物分解菌（或称不产甲烷厌氧微生物）和产甲烷菌。在一个厌氧反应器内，有各种厌氧微生物存在，形成一个与环境条件、营养条件相对应的微生物群体。这些微生物通过其生命活动完成有机物厌氧代谢过程。

2、工艺流程

餐厨垃圾厌氧发酵主体工艺流程见下图。

餐厨垃圾处理系统主要包括以下几个部分：

（1）进料与预处理单元；（2）厌氧发酵单元；

（3）残渣脱水单元；（4）生物气利用单元；

3、厌氧发酵处理技术优缺点

其优点是具有高的有机负荷承担能力；能回收生物质能；不存在同源性的问题，有机物分解成为甲烷和二氧化碳；产品（甲烷）出路较好。

其缺点是工程投资较大；工艺较为复杂；产生的沼液量较大，处理难度大。

3.4饲料和肥料化技术

干燥制肥料或饲料技术，是经过预处理后，首先进行脱水，得到液体和固体两部分，液体是高油脂废水，宜先进行油水分离获得高附加值的油脂，然后对污水进行处理，其固体部可以采用高温堆肥的方式制成肥料，也可以烘干制成饲料。

其优点是工艺简单；资源化程度较高、产品有农用价值，占地面积小。

其缺点是对有害有机物及重金属等的污染无法很好解决、无害化不彻底，不能从根本上解决餐厨垃圾同源性的问题，对其用作饲料存在一定的顾虑；处理过程不封闭，容易造成二次污染；有机肥料质量受餐厨垃圾成分制约很大，销路往往不早；堆肥处理品周期较长，占地面积大，卫生条件相对较差。

3.5生化处理技术

微生物生化处理技术是选取自然界生命活力和增殖能力强的高温复合微生物菌种，在生化处理设备中，对过期食品、餐厨垃圾等有机废弃物进行高温高速发酵，使各种有机物得到降解和转化。

优点是占地面积小；处理时间短，无需繁杂分拣；资源利用率高；产品有市场销路较好，产品质量较高，产品附加值较高。

缺点是一次性投资略高，设备处理能力较低，更重要的是设备耗能大，而且该技术减量化效果差，在餐厨垃圾中大量掺其他有机物，后端农业生产资料应用产业链较长。

4餐厨垃圾处理主要技术比较

由于餐厨垃圾的高含水率、高有机质含量等特点，因此决定了卫生填埋和焚烧处理技术都不适合于餐厨垃圾处理，这里仅对目前应用较多的厌氧发酵、饲料、肥料化技术以及生化处理技术进行比较得出下表：

5分析与结论

第13篇

所谓循环经济，即在经济发展中，实现废物减量化、资源化和无害化，使经济系统和自然生态系统的物质和谐循环，维护自然生态平衡，是以资源的高效利用和循环利用为核心，以“减量化、再利用、资源化”为原则，符合可持续发展理念的经济增长模式，是对“大量生产、大量消费、大量废弃”的传统增长模式的根本变革。

在循环经济板块当中的TCL集团（000100）、凯迪电力（000939）、华宏科技（002645）、维尔利（300190）、四川长虹（600839）等5只概念股值得投资者长期关注。其中TCL集团（000100）和四川长虹（600839）都属于家电行业，而华宏科技（002645）是废旧金属加工设备制造业龙头，产品主要应用于再生资源回收利用处理废金属、废塑料和废纸等多个领域。而维尔利（300190）主要业务是提供渗滤液处理工程，渗滤液处理总规模和承接大中型项目的数量均为国内第一位，处理量在全国处于第一位。

其次，页岩气开发纳入国家战略性新兴产业。

为了加快页岩气产业发展，国家能源局在上周三了《页岩气产业政策》，将页岩气开发纳入国家战略性新兴产业，加大对页岩气勘探开发等的财政扶持力度，并提出多项财政、税收减免政策加以扶持。与常规天然气相比，页岩气开发具有开采寿命长和生产周期长的优点。开采寿命长，就意味着可开发利用的价值大，这也决定了它的发展潜力。

第14篇

1.国外研究现状

Robert.LKTiong（1987）对BOT项目风险评价进行了研究，分析了净现值法、专家打分法、决策树法等几种常用的BOT项目风险评价方法，认为对BOT项目进行评价必须要有可行的评价手段同时需要对风险评价的结果有正确的理解。

Dixit（1989）提出费用模型、任务模型、运筹规划模型等科学的BOT项目风险量化模型，在此基础上进一步将BOT项目存在的风险依次划分为国别风险、项目自身风险以及客户风险。

CM Tan（1994）提出基于模糊逻辑技术的BOT项目风险评价模型，并将此方法运用于大型BOT项目的风险评价及控制中验证该方法的有效性。Kitti Subprasm（1994）将模糊数学分析方法运用于BOT项目风险评价中，在此基础上提出可以将模糊数学分析方法用于投标方案的评价。Kumaraswamy（2004）找出影响BOT项目风险的八个主要因素，并针对八个影响因素建立了风险评价模型。

2.国内研究现状

张丹文（2003）运用经济学方法分析了BOT项目的潜在风险，并建立BOT项目风险评价的指标体系，运用层次分析法和专家打分法为各项指标打分赋值，最后得出BOT项目风险值。

齐国友等（2003）认为在BOT项目投资决策中需要仔细考虑项目面临的各种风险。在综合分析现有评价方法的基础上，提出了一种新的投资评价方法，即风险NPV法。利用风险NPV进行评价需要确定NPV服从的概率分布及折现率，根据NPV的概率分布函数进行计算。

王芳（2004）等运用实物期权的思想，在考虑价值评价变量阶段性变化的基础上，通过参数的阶段变化反映变量的阶段变化，基于Lto随机微分方程提出了一种新的BOT项目价值评估方法，为BOT项目的投资决策提供量化标准，便于各项目之间的比较与选择。

王爱民和范小军（2004）在分析BOT项目期权特性的基础上，提出了基于实物期权的评价模型，该模型考虑了项目价值和项目建设成本的动态变化，用于计算BOT项目价值和项目建设成本的双变量项目期权价值。

曾卫兵（2004）用期权理论建立了内资BOT公路项目的投资决策评价模型，进一步用博弈论方法研究并论证了该投资决策评价模型的正确性，最后将其运用到实例中验证其有效性。

3.研究不足

从上述文献可以看出目前研究的一些不足：

（1）风险评价方法的运用没有结合BOT项目的特点，仅是简单的将各种项目风险评价方法直接运用到BOT项目中。BOT项目与一般的项目有所不同，它具有特许期限等特点，在对其进行风险评价时，应该结合BOT项目自身的特点对风险评价方法进行完善。

（2）现阶段常用的BOT项目风险评价方法自身具有一定的局限性。各种风险评价方法都有一定的局限性，在将其运用到BOT项目风险评价中时应针对其局限性对其进行完善，直接将其运用到BOT项目中会导致评价结果出现偏差。

（3）采取建立指标体系通过专家打分确定权重综合评价BOT项目风险的方法，风险评价指标较为单一，将一些不可量化的指标通过专家打分来赋值，主观性较强，最终得出的评价结果准确性较差。

（4）风险评价的数学模型复杂、需要大量的历史数据，但是由于历史原因我国一些资料部门工作不够全面，从而导致对项目进行风险评价时很少有可以借鉴的历史数据，极大程度上影响了项目风险评价的准确性。其次，风险评价的数学模型专业性很强，操作起来复杂，项目的各参与方知识有限，专家对项目风险的分析不能让决策者很好的理解，这样必然会影响到风险评估与风险决策的质量。

4.建议方法—模糊综合评价法

从指标定性与定量相结合的角度评价BOT项目风险，必须综合考察BOT项目的所有主要风险，同时要考虑不同参与方对待风险的态度不同。在基于各参与方的BOT项目风险评价指标体系中，由于各指标的影响因素各不相同，除少数可以通过统计方法获得，大量的指标则只能采用专家评分法。对于这样的评价问题，运用模糊数学的方法，即模糊综合评价法（Fuzzy Comprehensive Evaluation，简称FCE）可以得到较好的解决。

模糊综合评价，是一种基于模糊数学的综合评价方法，即用模糊运算法则，得出一个评判矩阵，并且通过评判函数对受到多种因素制约的事物或对象做出一个总体评价的过程。

模糊评价方法的特点主要表现在：第一，模糊评价方法可以不直接依赖于某一项指标，也不过分地依赖于绝对指标，而是采取比较的方法，这样可以避免一般数学评价方法中，由于标准选用不尽合理而导致的评价结果的偏差。第二，评价指标的重要程度通过权数加以体现，但允许在权数选择上有一定的出入，而不至于改变最终的评价结果。第三，模糊评价中算子的选择和隶属函数关系的确立，使各项参与评价的非量化指标间建立了有机联系，使评价结果能够更好地反映出评价对象的整体特征和一般趋势。

龚洁（2010）将模糊综合评价模型应用于BOT项目投资风险的综合评价过程中，利用其具有结果清晰、系统性强的优点，能较好地解决模糊的、难以量化的问题这一特点，对适合BOT项目中各种非确定性风险因素的综合评价。

参考文献：

[1]Robert L K Tiong. Evaluation of proposal for BOT project[J]. International Journal of Project Management，1987，l5（2）：67-72.

[2]DixitAK， pindyik P S. The risk assessment of BOT project[J]. Harvard Bussiness Review，1989，28（4）：129.

[3]C M Tan. BOT model for instraction development in Asia[J]. International Journal of Project Management，1994，17（6）：377-382.

[4]张丹文.BOT项目可行性评估指标体系研究[D].成都电子科技大学，2003.

[5]齐国友，曾赛星，贾艳红.BOT项目投资决策模型研究[J].建筑管理现代化2003，24（3）：12-14.

[6]王芳，杨乃定，姜继娇.基于lto随机过程的BOT项目价值评估[J].管理评论，2004，16（7）：38-42.

第15篇

关键词：资金流信息含量；资金流强度；资金流杠杆倍数

一、资金流策略的意义

资金流是一种反映股票供求关系的指标，是指证券价格在约定的时间段中处于上升状态时产生的成交额是推动指数上涨的力量，这部分成交额被定义为资金流入；证券价格在约定的时间段中下跌时的成交额是推动指数下跌的力量，这部分成交额被定义为资金流出；若证券价格在约定的时间段前后没有发生变化，则这段时间中的成交额不计入资金流量。当天资金流入和资金流出的差额可以认为是该证券当天买卖两种力量相抵之后，推动价格变化的净作用量，被定义为当天资金净流量。

有效市场假说的概念是说证券价格已经能够完全反映所有可获得的信息，即在有效的证券市场中，不论选择何种证券，投资者只能获得与证券风险相当的正常收益。然而完美的有效市场存在的可能性是很小的，同样对于中国证券市场而言，市场并不十分有效，并且股价在短期内可能受到某些消息的影响，或者某些市场内在因素的改变从而产生剧烈波动带来的差价投资机会，因而在市场中经常存在交易性机会，从而在量化投资选股方面也有很多种选股策略，根据资金流选股便是其中一种。

资金流策略是指根据资金流这一指标进行选股的一种量化投资策略。该模型使用资金流向主要通过衡量当前市场上的股指或股票的资金流入或者流出的状态，从而进一步去衡量未来股票的涨跌情况：如果是资金流入的股票，则股价在未来一段时间可能会上涨；如果是资金流出的股票，则股价在未来一段时间可能会下跌。这样就可以根据资金流向来构建相应的投资策略。

二、资金流策略具体操作及结果分析

（一）资金流策略指标含义及操作步骤

对于资金流向的判断，根据买卖双方的力量对比来衡量。资金流分为流入流出两个方向，如果当前的成交价格在买方，则认为是卖方出卖股票的意愿较强，资金流出；如果当前的成交价格是在卖方，则认为是买方买股票的意愿较强，资金流入。对于资金流的测算，采取日数据计算，即当日价格上涨全部计算为流入，若当日价格下跌则计算为流出。本文采用的选股指标包括：1. 资金流信息含量IC（资金流中有效信息含量），将资金流向标准化，用当天的资金流净额除以当天的股票成交量，即资金流净额/交易额。2. 资金流强度MFP，资金流净额/流通市值，即标准化资金流的强度。3. 资金流杠杆倍数MFL，流通市值/资金流净额，即衡量资金流的撬动效应。

操作步骤：选股策略基于沪深300指数成分股，并将股票按照各指标进行排序，去除数据计算无效的股票；研究的时间从2014年10月1日到2016年8月31日，共6期；组合调整的日期为4月30日（一季报披露完成）、8月31日（二季报披露完成）、10月31日（三季报披露完成）；剔除在组合调整日前后长期停牌的股票；组合构建时为等权重；组合构建时股票的买入卖出价格为组合调整日收盘价，若调整日为非交易日，则向前顺延；在持有期内，若某只成分股被调出沪深300指数，不对组合进行调整；将各成分股的季收益率与其相应指标进行合并，去除无效数据；将已合并好的沪深300成分股按照指标按照从高低的顺序排列；分为6组：排名前10的成分股、排名前20的成分股、排名前50的成分股、排名在50～100的成分股、排名在100～200的成分股、排名在200以后的成分股；计算出各组平均季收益率，将各组平均的季收益率与同期沪深300指数的收益率作对比，考察跑赢概率。在2014年10月1日至2016年8月31日共进行了12期组合的调整，不计交易成本。

（二）资金流信息含量假说及检验

1. 资金流信息含量假说

信息无效――回归拟合优度很差

信息泄露――回归拟合优度很好，资金流系数为正

信息反应过度――回归拟合优度很好，资金流系数为负

R■=MFPt，iβ1，j+MFLt，iβ2，j+R■β3，j+αi

其中，R■表示第t期股票i的超额收益率；R■表示第t+1期股票i的超额收益率；β表示各公示因子的回归系数；MFPt，i表示第t期股票i的标准化资金流；MFLt，i表示资金流杠杆倍数。

2. 对资金流信息含量假说的检验

本文以浦发银行（600000）为例，设第t期为2016年3月10日到20日，则第t+1期为2016年3月20日到30日，对于非交易日顺延并剔除无效数据信息；首先计算出第t期的资金流强度MFP和资金流杠杆倍数MFL；然后计算出第t期和第t+1期浦发银行的超额收益率；最后用Eviews进行多元回归分析检验。检验结果如表1所示。

由表1可知，线性回归系数为0.965963，拟合系数为0.933085，接近于1，说明拟合程度很好，第t期的股票超额收益率、资金流强度和资金流杠杆倍数这三个自变量对于第t+1期的股票超额收益率的解释程度很高。

由表2可知，F值为6.97219，F>F0.01（5.64），即方程极其显著，各自变量对因变量有很显著的影响，方差值很小，比较稳定。

由表3可知，资金流信息含量IC的回归系数为-1.05399，与t+1期超额收益率呈负相关，资金流强度MFP的回归系数为257.5974，与t+1期超额收益率呈正相关，资金流杠杆倍数MFL为-4.6E-07，与t+1期超额收益率呈负相关。从而回归方程为：

R■=257.5974MFPt，i-（4.6E-07）MFLt，i β2，j-2.05606+R■+αi

综上所述，当期的超额收益率、资金流强度、资金流杠杆倍数这三个指标对于下一期的股票有着很好的预测效果。

3. 根据资金流信息含量IC选股策略结果

由表4可知，整体上看，资金流信息含量较低的组合表现较好，其中资金流信息含量排名200之后的成分股构成的组合表现较好，记为组合IC（200）。在2014年10月1 日至2016年8 月31 日间，不考虑交易成本，组合IC（200）年化收益率为8.97%，高于同期沪深300 指数的表现。在6期中，组合IC（200）有5期跑赢了沪深300 指数，跑赢概率为83.33%。

（三）资金流强度MFP

1. 根据资金流强度MFP选股策略结果

2. 根据资金流强度MFP选股策略结论

由表5可知，整体上看，资金流强度较低的组合表现较好，其中资金流强度排名200之后的成分股构成的组合表现较好，记为组合MFP（200）。在2014年10月1 日至2016年8 月31 日间，不考虑交易成本，组合MFP（200）年化收益率为10.62%，高于同期沪深300 指数的表现。在6期中，组合MFP（200）有5期跑赢了沪深300 指数，跑赢概率为83.33%。

（四）资金流杠杆倍数

1. 根据资金流强度MFL选股策略结果

2. 根据资金流强度MFL选股策略结论

由表6可知，整体上看，资金流杠杆倍数较低的组合表现较好，其中资金流强度排名100～200的成分股构成的组合表现较好，记为组合MFL（100，200）。在2014年10月1 日至2016年8 月31 日间，不考虑交易成本，组合MFL（100，200）年化收益率为-2.93%，高于同期沪深300 指数的表现。在6期中，组合MFL（100，200）有4期跑赢了沪深300 指数，跑赢概率为66.67%。

三、各策略比较分析

将根据不同指标所选股的结果放到一起进行比较，时间是从2014年10月1日到2016年8月31日，由进一步的比较分析可知，按照低资金流强度选股的策略表现最好，年化收益率达10.62%，在6期的分析中有5期的收益率超过大盘，跑赢概率为83.33%。

四、资金流策略的有效性分析

正因为中国的A股市场不是特别有效的市场，量化投资策略正好可以发挥其纪律性、系统性、及时性、准确性、分散化的优点而不惑国内市场的各种投资机会。相比定性分析，现阶段A股市场的特点更适合采用客观、公正而理性的量化投资风格。股票市场复杂度和有效性的增加已对传统定性投资基金经理的单兵作战能力提出了挑战。相对于海外成熟市场，A股市场的发展历史较短，有效性偏弱，市场上被错误定价的股票相对较多，留给量化投资策略去发掘市场的无效性、寻找超额收益的潜力和空间也就更大。事实上，尽管在国内发展历程较短，从国内已有的采用了量化投资方法并且已经运作了一段时间的基金来看，量化基金可以被证明是适应中国市场的。

本文采用现代计量经济学的方法研究了从2014年10月1 日到2016年8 月31 日间沪深300成分股的情况，探讨了资金流信息含量的预测作用，研究了根据资金流三个指标进行选股所做策略组合的收益情况。主要涉及资金流信息含量IC、资金流强度MFP、资金流杠杆倍数MFL这三个指标，分别根据每个指标进行选股，观察其组合走势情况，得出的主要结论有：第一，资金流信息含量对下一期的股价走势有一定的预测作用；第二，根据上述的三个指标进行选股所做策略，在一定程度上是可以获得超过大盘的收益率。

作为量化投资的一个组成部分――策略指数基金已经发展起来，其中选股策略就包括本文所论述的资金流策略。不仅能够做到有的放矢，而且可以满足投资者不同风险收益偏好的投资需求。

参考文献：

[1]（美）罗伯特・A・哈根.金融学――有效市场的反例[M].清华大学出版社，2002.

[2]（美）罗伯特・阿诺德，许仲翔，约翰・韦斯特.基本面指数投资策略[M].社会科学文献出版社，2010.

[3]丁鹏.量化投资――策略与技术[M].电子工业出版社，2012.

[4]朱世武.基于SAS系统的金融计算[M].清华大学出版社，2004.

[5]曹立著.透视无形之手――中国证券市场资本流量运动解析[M].深圳出版发行集团海天出版社，2009.

[6]田存志，王聪.证券市场信息非对称问题的理论与实证研究[M].中国社会科学出版社，2013.

[7]陈威杰，蔡志成.数量化投资指标之资金流策略指标研究[J].时代金融，2013（12）.

[8]石建辉，基于资金流的股指期货投资策略[J].中国证券期货，2014（01）.

[9]宋军，吴冲锋.从有效市场假设到行为金融理论[J].世界经济，2011（10）.