量化投资与分析范文

前言：我们精心挑选了数篇优质量化投资与分析文章，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

（一）传统证券风险量化指标的理论源头

传统的证券风险分析当中必然会同一个与之如影随形的概念联系在一起，那就是收益，同时，在西方传统的经济学当中风险和报酬存在着这么一个函数关系，甚至在一些传统的经济学课本上作者为了简化两者之间的关系，将两者简单的归结为一个完美的线性关系，即风险与收益之间是一对一的数学关系，并且存在着这样一个逻辑：风险越大，报酬或者收益也就越大，反之亦然。即使是稍微尊重事实一些的经济学教材也运用了高等数学当中线性回归的方法将两者的关系从非线性回归为一对一的线性关系。除了学界对于风险的分析是从报酬或者收益出发的以外，在国外或者国内的民间也有类似的对于两者关系的表达，例如我国有句老百姓口中经常说到的“富贵险中求”就是对两者的关系的简单认识。因此，传统证券风险分析的源头明显是来源于对于报酬的分析。

（二）传统证券风险量化指标的数学方法的应用

传统的证券风险理论认为证券的总风险=可分散的风险+不可分散的风险，其中可分散的风险主要指的是个别证券自身存在的风险，而不可分散的风险则是指市场风险，下面笔者介绍一下传统证券风险量化的两个重要的指标――标准差与贝塔值。

第一，标准差。传统证券风险理论认为个别证券的风险可以从单个证券的报酬率为起点进行分析。财务投资专家从高等数学当中引入了一个衡量证券报酬率的波动性量化分析的指标――标准差来进行对单项证券风险的判断，进而判断出相同期望报酬率和不同期望报酬率时对于不同投资的选择。测算的步骤如下：第一步，确定各种市场需求下各类需求发生的概率；第二步，计算出期望报酬率，其实质上是对于各类市场需求下的报酬率的加权平均数。第三步：根据标准差的数学公式计算出标准差，σ=[Σ（ri-?）2×Pi]1/2其中ri是第i只证券的报酬率，?是期望报酬率，Pi是第i只证券的报酬发生的概率。结论是在期望报酬率相同的时候，标准差越大证明该证券波动越大，风险也就越大，反之亦然。在期望报酬率不同时引入了另外一个概念即离差，由于基本原理也是根据标准差衍生而得，在此不再赘述。[1]

第二，代表市场风险的贝塔值。我们在第一点中提到的标准差主要衡量的是单项证券的风险，而贝塔值的引入主要是考虑到了证券组合的风险构成当中不可分散的风险即市场风险。而贝塔值的测算公式从数学的角度来说实际上是利用了标准差的升级版公式即协方差，协方差主要是衡量了两组数据之间的相关程度，以此来判断证券组合的报酬率与市场报酬率之间的数理联系，进而判断出不可分散的风险。理论上贝塔值的计算是βi=（σi /σm）ρim，其中βi第i个证券组合的市场风险程度，σi，σm分别第i个证券组合的标准差与市场证券组合的标准差，ρim代表第i个证券组合的报酬与市场组合报酬的相关系数。实际当中β系数可以通过将股票报酬对市场报酬做回归得到，拟合得到的回归线的斜率就是证券的β系数，即β=Ri /Rm。[2]

二、价值投资理念下风险与报酬的关系

价值投资理念是华尔街之父本杰明格雷厄姆所创立，在其传世之作《证券分析》当中明确提出了有关投资与投机概念，其中论及投资界老生常谈的收益与风险的问题时结论与传统证券风险分析有着本质的不同，格雷厄姆明确指出收益与风险之间不存在着数学关系，并且认为证券的价格与收益并非取决于对于其风险的精确数学的计算，而是取决于该证券的受欢迎程度，而这种受欢迎程度本身包含了投资者对于风险的认识，但很大程度上还受到如公众对公司和证券的熟悉程度，证券发行与购买的容易程度等。[3]并进一步指出，无论是理论上还是实际当中，对投资风险进行精确的计算都是不可能成功的，现实当中并没有所谓的期望报酬率的概率经验表，即使存在也是基于对于历史数据的分析得到了，而历史数据之于未来决策的有用性或相关性的大小还有待考证，其研究范围不同于保险公司对于保单的精确测算，例如人寿保险能够明确的了解年龄与死亡率之间的关系是明确的。而证券的风险与报酬之间的关系则没有如此的确定。[4]

三、价值投资理念下传统证券风险量化分析的反思

以上笔者对于传统的证券风险理论与量化方法以及价值投资理念下关于风险与收益的关系进行了论述。笔者认为，价值投资理念下有关论述对于我们重新审视证券投资中风险因素的衡量有着非常重要的意义。

首先，笔者认为，标准差的计算过程本身就存在着无法避免的瑕疵，这一个公式至少有两个基本假设，第一，计算的人必须能够客观的预测出各种市场情况发生的需求概率，并且准确的在各种概率下发生的报酬率；第二，假定历史数据对于未来的投资决策具有确定的相关性。但是在现实生活中根本是无法预测的，这种算法实质上是硬将自然科学当中的数学模型强加到社会问题的研究当中，不可否认的是，目前来说大量的社会问题是无法通过数学来量化的，因为证券的风险当中不仅仅只有报酬因素的影响，还有各种在不同市场条件下的因素决定的，而这些因素又相互的的影响和动态的变化。因此，标准差的方法受到了质疑，后续的离差率、β值的计算自然也就没有了根基。

其次，β值的测算除了上述由于标准差的非客观性导致的不确定性的缺陷以外，笔者也针对实操当中第二种公式进行分析，β的第二种公式是β=Ri /Rm，从公式上来看，存在着明显的逻辑上的可疑性，单个股票的收益率假如大于市场整体的收益率，则该只股票的风险就比市场风险大？这个观点在《证券分析》当中就已经被很好地反驳了，在此，笔者只需要举一个例子就足够反驳这一个观点，伯克希尔哈撒韦上市公司每股截至2017年6月5日是249660美元，每股收益率如果从上市之初可以用天文数字来形容，并且这家公司经历了无数次大大小小的金融危机，依然以远远超过市场平均的业绩笑傲群雄，难道说他的风险要远远大于市场？这家公司是以价值投资的理念进行风险评估和投资的。因此，笔者认为中国的证券行业乃至我们有关的证券专家和学者们有必要从价值投资的理念来重新审视目前证券风险量化的指标在实际当中的效用。

第2篇

关键词：分析 短线

中图分类号：F832 文献标识码：A 文章编号：1672-3791（2012）09（c）-0252-02

2012年以来，以量化分析技术投资著称的量化基金表现得一枝独秀，逐渐从振荡市中脱颖而出。一季度，上证综指上涨2.88%，同期标准股票型基金平均业绩为0.31%，而按照Wind分类的13只量化基金，其平均业绩为2.92%，五行基金更是取得7.65%的正收益，在亚洲量化基金中排名第一，超越同期上证指数4.77个百分点。

美国私募基金复兴科技公司的第一支纯粹的量化投资基金—— 大奖章基金，从1988年3月成立至2008年的21年里，平均年度净收益高达36%，远远跑赢同期道指年均8.81%的涨幅，比索罗斯、巴菲特同期的业绩高出10%，原因：一是数学家基金经理；二是量化分析技术。

1 基本面分析量化分析是投资机构先后采用的2种投资技术

基本面分析，是分析员和基金经理通常采用研究财务报表，与公司高层会谈，与相关人员荷香业专家讨论等方式，对少数几家公司股票（约10到100只股票）进行非常深入的研究分析，来决定要投资哪些股票以及如何投资。在基本面分析分类中，会根据行业不同，有专员长期跟踪和深入研究其中一个行业，而这几名专员最后则会成投资这个行业的专家。在股票市场成立以来长期采用的较为传统的分析和投资方式就是基本面分析。基本面投资，通过企业内部财务报表的形式，来发现企业的潜在价值，以求企业得到稳定持续的高额收益，一旦买入，长期持有。

量化分析，借助数学、物理学、几何学、心理学甚至仿生学的知识，通过建立模型，进行估值、择时选股。量化分析员和量化基金经理，通常会同时研究全盘数千支股票，分析的方式也可以是基于公司基本面的，但是会强调量化财务指标。量化的指标（又称因子）也可以是其他更有特色的数据。从事量化分析投资的基金经理通常不去上市公司实地调研，而是将精力放在不断完善模型上，量化分析投资的模型是决定投资业绩的关键，投资模型始终处于绝密状态，不同市场设计不同的量化分析投资管理模型，在全球各种市场上进行短线交易。

2 量化分析技术获取超额投资收益之道

在变幻莫测的市场经济中，能否理性思考投资、不受情绪影响，将是成功的关键。而利用计算机的筛选得出的量化分析基金，不受投资中非理性因素影响，使投资更有计划行、纪律性、规律性，基金管理人要做到不贪婪、不恐惧、不放弃，不受情绪影响，以一颗平常心追求利益瘦小。

量化分析，有一套完整、科学的投资体系。严格的纪律性是量化投资明显区别于主动投资的重要特征。在量化分析基金的运作中，主观判断也会出现和量化分析模型相左的情兄，但会坚持量化分析投资的纪律，相信模型判断的长期稳定性，不会盲目去调整改变。与传统偏股型基金不同，量化分析基金采用独特的投资组合管理方式，渐进动态调整基金组合。这样不仅可以顺应瞬息万变的市场，还可以降低个股集中度，平稳投资业绩。因此，这种方式并不会产生传统意义的重仓股，也就大大降低了重仓个股的风险。

量化分析业绩，来自于量化分析模型批量选股的成功率大于失败率。量化分析的模型敏锐的“发觉”了开场环境的转变，自动调高了评估因子、预期因子及市场反转因子的权重，量化分析模型依此逻辑选择的股票大部分取得较好收益，提升了整体业绩。

3 量化分析技术创始人并非经济学家。

量化分析技术并非发端于华尔街，不少人最初并非经济学家，如巴契里耶和布莱克原先是数学家，夏普则从事医学，奥斯伯恩为天文学家，沃金与坎德尔是统计学家，而特雷诺则是数学家兼物理学家。1970年代美国债券市场和股票市场全面崩盘，当时提出用量化分析方法管理投资组合的人是作家彼得·伯恩斯坦。1952年3月发表“投资组合选择”论文、提出现代财务和投资理论最著名远见的马克维茨，以该理论勉强通过博士答辩，到1990年10月，这些人中才有三位获得诺贝尔经济学奖。

2012年，美国伦斯理工学院金融工程硕士李炬澎，依据5000年中国古老的《易经八卦数理》研发立体数量模型分析微观经济，用超高频率政治外交词汇、交易数据、股票期权数据、公司债务数据来做个股分析，用《五行相克相生原理》来分析自然、社会、政治、人文如何影响宏观经济。比如用计算机分析新闻报道中天地雷风水火山泽8中自然天文现象与宏观经济关联程度，使五行基金取得亚洲量化分析投资行业第一名的业绩。

4 量化分析技术应用的载体是计算机软硬件技术的发展

马克维茨的投资组合现代金融理论，提出了风险报酬和效率边界概念，并据此建立了模型，成为奠基之作。托宾随后提出了分离理论，但仍需要利用马克维茨的系统执行高难度的运算，1961年，与马克维茨共同获得1990年诺贝尔奖的夏普用IBM最好的商用电脑，解出含有100只证券的问题也需要33mim。夏普1963年1月提出了“投资组合的简化模型”（单一指数模型），简化模型只用30s。1964年夏普又开发出资本资产定价模型（CAPM），不仅可以作为预测风险和预期回报的工具，还可以衡量投资组合的绩效，以及衍生出在指数型基金、企业财务和企业投资、市场行为和资产评价等多领域的应用和理论创新。1976年，罗斯在CAPM的基础上，提出“套利定价理论”（APT），提供一个方法评估影响股价变化的多种经济因素。布莱克和斯克尔斯提出了“期权定价理论”。莫顿则发明了“跨期的资本资产定价模型”。

5 量化分析应用的关键是基本面分析无法快速精确处理丰富的金融产品和巨大交易量

1970年代以前，华尔街认为投资管理需要天赋、直觉以及独特的驾驭市场的能力，基本面分析师、基金经理可以独力打败市场，而无需依靠那些缺乏灵魂、怪异的数学符号和缥缈虚幻的模型。华尔街对学术界把投资管理的艺术，转化成通篇晦涩难懂的数学方程式一直持有敌意，1970年代初期，美国表现最佳的基金经理人从未听过贝塔值，并认为那些拥有数学和电脑背景的学者只是一群骗子。

量化分析投资不会出现在个人投资者为主的时代。个人投资者既缺乏闲暇的时间，也普遍无此能力。仅有现资理论的建立，及各类模型的完善与推陈出新，并不会直接催生出量化分析投资，它还需要其他几个重要前提条件，比如：机构投资者在市场中占据主导，随着社保基金和共同基金资产的大幅增加，成为市场上的主要机构投资者，专业机构管理大规模资产，需要新的运作方式和金融创新技术，专业的投资管理人有能力和精力专注地研究、运用这些量化分析技术。

1970年代后期的Wells Fargo银行，率先用量化分析技术管理投资组合，投资高股息股票，用较少的风险获得了较大的收益，不用这些模型，不用电脑运算这些公式，会陷于困境。1980年代以来，面对数不胜数的各类证券产品和期权类产品，以及庞大的成交量，许多复杂的证券定价，必须靠大容量高速运算的电脑来完成。到2007年美国股市近一半的机构基金都是由量化模型来管理的。从2000年初到2007年全球量化分析基金市场连续8年表现远远超过其他投资方式。

6 量化分析在应对经济危机和突发经济事件中开拓前进

1987年10月大股灾，当天股市和期货成交量高达令人吃惊的410亿美元，价值瞬间缩水6000亿美元。很多股票直接通过电脑而不是经由交易所交易。一些采用投资组合保险策略的公司，在电脑模式的驱使下，不问价格机械卖出股票。很多交易员清楚这些投资组合会有大单卖出，宁愿走在前面争相出逃，加剧了恐慌。针对整个投资组合而非单个证券，机械式的交易，电脑的自动操作，大量的空单在瞬间涌出，将市场彻底砸垮。

1997年至1998年亚洲金融危机股市暴跌，量化分析投资的算法交易也起到了同样的坏作用。著名的长期资本管理公司，遭遇俄罗斯国债违约这一小概率事件，也陷入破产之境，迫使美联储集华尔街诸多投资银行之力，加以救助。

2007年8月金融危机中，许多量化基金出现巨额损失。其原因主要是几家大型对冲基金大量卖出它们的量化分析基金股票，去弥补其在其他投资方式上的损失。由于很大相同仓位的股票在很短的时间内被廉价卖出，从而加剧了很多投资指标的损失，尤其是价值和动量指标的损失。

2011年即使欧债金融危机发生，量化分析基金也再次表现优异，超过其他投资方式，虽然能否就此再度复兴仍属未知，此一趋势已不可逆转。

7 量化分析技术今后几年全球应用的热点在中国的A股市场

中国金融、资本、股市投资者结构很不合理，A股市场的专业投资机构持有市值的15.6%，而发达市场这一比例大致为70%。更为不合理的是交易结构，A股市场个人投资者持有市值占比26%，但却完成了85%的交易。根据Wind分类，目前我国市场上共有13只量化基金，包含11只普通股票型基金，1只指数基金和1只偏股混合基金。

中国现有的人才和技术都难以支持完全的量化分析投资，在缺乏国际化人才和成熟模型的情况下，经营业绩自然也差强人意。

量化分析今后几年全球热点在中国的A股市场。现在主要发达国家的股市很大程度上由量化基金所控制。为了寻找更高收益的市场，很多大型量化基金也开始大量投资于发展中国家市场，中国的A股市场是今后几年全球量化分析投资热点，所以近年来很多北美和欧洲的高层量化分析基金经理和分析员纷纷到中国大陆、香港和新加坡推广量化投资技术。这是国际国内的金融市场和投资者，都要面对的机会和挑战。

量化分析基金2002年才在中国刚刚起步，到2009年和2010年，才真正进入快速发展期，2010年末量化基金的总规模达到了779亿元。虽然规模有显著提升，但是与国外市场量化分析基金占共同基金总资产16%相比，国内量化分析基金还有非常大的发展空间。

第3篇

关键词：量化投资；传统投资；模式数学模型；自变量参数

1量化投资简介

1.1基本概念

量化投资是一种借助于计算机高效计算程序进行复杂运算，以金融产品未来收益与风险为研究对象的新型投资方式。量化投资的基础是以股票价格、日成交额等大数据库数据为参考样本数据并建立数学模型，运用仿真分析及迭代方法不断修正数学模型，直到数学模型可以用来预测指导投资交易。任何一个投资的方案或者设想，都可以为它设计一个数学模型，然后借助大数据库的现有数据进行迭代法测试分析，以此来判别数学模型的有效性。传统投资方式基本上是对传统的技术分析和公司的经营状态基本分析，存在一定的局限性；相比之下量化投资分析是基于对大数据市场数据的，数据样本空间容量足够大，而且可以快速进行运算并排除投资者个人心理因素的主观影响，科学性和时效性更强。此外，量化投资是一种主动性的投资方式，在进行数学模型选择、自变量选取、数学模型的验算迭代都是投资行为的主动部分。

1.2交易内容及方法

量化投资交易的内容主要是量化策略以及交易策略，在制定交易策略时必须立足于投资市场、投资产品以及分配在内等。具体交易平台则是靠以计算机计算程序为基础的线上交易平台系统。进行量化投资交易时通常会遇到各种较为复杂的情况，但是基本前提都是要依据现有的既定的大量数据库数据，灵活采用各种方法来判断投资对象是否值得投资。总体来说，量化投资有估值法、资金法和趋势法三种。

2量化投资现状

从理论上来说，每个量化投资者的决策行为可以被同化为理性预期、风险规避、严格效用基本一致的理想化模型。然而现实情况中每个人的心理活动、出发点、知识水平等都存在差异，进行量化投资时人们作出的决策也存在差异。人的非理性行为与理性行为都是客观存在的，而且非理性行为对理性行为也存在着一定的影响，因此投资人在进行投资决策时并不能完全理性地进行选择。综上所述，非理性人的客观存在使投资人在进行投资决策时不能完全忽视个人的心理因素。既然个人的心理因素无法排除，那么在建立决策分析数学模型时，就应该把个人的心理因素考虑在内。当前我国国内量化投资有以下几个特点：(1)个人投资者占总投资者的比例很高。上文已经提到投资者个人的非理性客观存在且不可避免，那么众多量化投资者的非理性因素间接影响我国量化投资市场。(2)我国的量化投资市场虽然发展迅速但仍不成熟。与美国及欧洲发达国家相比，我国量化投资市场只能是一个新兴的市场，直接表现在各方面的信息不完整且难以搜集，一些基础数据我们只能自己想方设法地去开发获取。(3)量化投资行业的企业构成比较复杂。目前我国量化投资行业的企业种类比较多，跨越众多不同的领域。加上我国量化投资市场还处于新生期，市场不稳定信息变化较快，因此量化投资行业的可用层面指标数目非常少且指标数值经常变化。当前我国量化投资者正是依据当前行业的特点，从不同的层面和角度验证分析，建立泡沫型数学分析模型，才能获得巨大的利润。(4)量化投资策略研究落后。通过把我国量化投资策略与美国及西方发达国家的量化投资策略进行对比，发现我国现有的量化投资策略严重落后。国外的量化策略研究是在大量的事件、数据积累分析的基础上，脚踏实地潜心研究总结出来的。现阶段我国量化策略研究多是借用国外的策略，结合国内的量化投资行业的实际现状进行修正得来的。当前我们还缺少指导量化投资行业的专家、指导著作，为此我国国内的一些高等院校开始着手量化投资策略的研究并取得了初步的成效。

3量化投资优势

量化投资是在定性投资基础上进行继承和延伸的一种主动投资工具。定性投资的核心是对宏观经济和市场基本面进行深入的分析，再加上实地调研上市公司以及与上市公司的管理层进行经验交流，最终把调研结果整理成专题报告，把报告作为决策依据。不难看出定性投资带有很大的个人主观判断性，它完全依赖于投资经理个人经验以及对市场的认知。量化投资在调研层面与定性投资相同，区别在于量化投资更加注重数据库大数据，运用各种方法发现运用大数据所体现出来的有用信息，寻找更优化的投资方式以获得大额收益，完全避免了投资经理个人的主观臆断和心理因素，更加科学合理。综上所述，与定性投资相比，量化投资具有以下优势。

3.1投资方式更加理性

量化投资是采用统计数学与计算机建模分析技术，以行业大数据库为参考，取代了个人主观判断和心理因素的科学客观投资方法。很明显，行业大数据的样本容量已远远高于有限的对上市公司调研所形成的样本容量；在进行投资决策时，把决策过程科学化数量化可以最大程度的减少投资者决策时个人情感等心理因素对决策结果的影响，从而避免了错误的选择方向。

3.2覆盖范围大效率高

得益于因特网的广泛实施应用，与各行各业的运行数据都可以录入大数据系统形成体量巨大的数据库；得益于计算机行业云时代到来对计算分析速度的革命性变革，在极短的时间内就可以得到多种量化投资的投资方法。定性投资方式进行决策时，由于决策人的精力和专业水平都存在一定的局限性，自然其考虑投资的范围要远远低于电脑决策，二者根本没有可比性。综上所述，虽然与定性投资相比，量化投资具有明显的优势，但是二者的目的是相同的，都以获得最大收益为目的，多少情况量化投资与定型投资可以互相补充，搭配使用会起到意想不到的效果。

4量化投资的劣势

上文已经提到量化投资的决策过程依赖于大数据库以及计算机分析系统的科学决策，因此只要投资思想正确量化投资就不会出现错误。然而即使是投资思想及决策过程都没有问题，也不意味着量化投资完美无缺。量化投资本质上是对某一特定基准面的分析，事实上基准面有时范围过小，纵然决策过程合理化、无偏差，量化投资也存在一定的局限性。量化投资的另一特点是进行考察决策时覆盖的市场面非常广泛，在当前国民经济快速发展的时代，人们对市场的认知难免出现盲区或者对某一个局部了解不充分的现象，此种情况下量化投资的正确性就很难保证。

4.1形成交易的一致性

基于量化投资的低风险特性，人们更多地依赖于采用大数据云分析平台进行决策，如此大家对某一行业的市场认知以及投资决策水平就处在同一认知层次上，当遇到极端的市场行情时，人们作出的交易决策往往一致，即容易达成交易的一致性。例如期货行业以及股票行业，在市场行情动荡的特殊时期，人们往往选择在同一时机抛出股票或者期货，这种大规模的一次性抛盘则会造成在预期抛售价格基础上的剧烈波动，导致投资者的实际收益在一定程度上低于预期收益。此种情形下又会引起新一轮投资恐慌，不利于市场的稳定发展。

4.2指标钝化和失效

任何一个行业的某一个市场承载投资者的容量都是有限的，从战略投资的角度来看，当某一个市场的产业链较为成熟、技术门槛较低时，投资者进入该市场就会容易很多，当市场的承载量大大低于投资者进入数量时，既定的投资策略则会失效。例如某一企业的某只股票第一年能获得50%的收益，第二年则降为20%的收益，第三年可能是5%，第四年就没有收益了。诸如趋利反转策略、套利策略现在已经非常大众化且投资者已经达成共识，一拥而上集中式进行投资就会导致投资评价指标钝化甚至失效。

第4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5篇

中国证券市场早期盛行纯技术分析,前几年风行价值投资,现在数量化投资正在成为新方向,一场新的投资变革也许就在酝酿中。今年8月初沪指从3478点一路暴跌,在市场人士看来如果没有基金的杀跌,股市应该不会有这么惨。而基金引进量化投资,将改善传统基金追涨杀跌的市场常态,实现真正意义上的创新。

量化基金发行提速

今年上半年,嘉实量化阿尔法、中海量化策略两只量化基金的推出,打破了国内量化基金多年的沉寂。而近期,更是有3只量化基金同时登台亮相,且各具特色。截至目前,国内基金市场上已经发行7只量化基金,包括光大保德信量化核心、上投摩根阿尔法、嘉实量化阿尔法、中海量化策略、长盛量化红利策略股票型基金、富国沪深300增强基金及华商动态阿尔法基金。前两只分别成立于2004年8月和2005年10月,而后5只均是今年才成立。量化基金时隔四年后的再次大量推出,引起了市场的密切关注。种种迹象表明,以定性投资为主的国内基金业正在掀起一场量化投资浪潮。

光大保德信量化核心,一方面通过光大保德信的多因素数量模型对股票的预期收益率进行估算,个股预期收益率的高低决定投资组合是否持有股票;另一方面,投资团队从风险控制角度,重点关注数据以来的信息,通过行业分析和个股分析形成对量化的补充;最后由投资组合优化器根据预先设计的风险构建组合。

上投摩根阿尔法基金,同步以“成长”与“价值”双重量化指标进行股票选择,然后研究团队对个股进行基本面审核,结合跟踪误差的紧密监控,以求不论指数高低,市场多空,皆创造主动管理回报。投研团队最终决定进入组合的股票,量化分析是辅助和基础。

嘉实量化基金,以“定量投资”为主,辅以“定性投资”。通过行业选择模型,捕捉具有投资吸引力的行业,然后再在所选行业中运用阿尔法多因素模型筛选个股。定性的辅助作用表现在利用基本面研究成果,对模型自动选股的结果进行复核,剔除掉满足某些特殊条件的股票。

中海量化策略,以量化模型作为资产配置与构建投资组合的基础。根据量化指标实行从一级股票库初选,从二级股票库精选,再根据相关模型计算行业配置权重。结合行业配置权重,组合每只股票的配置比例。

长盛量化红利策略股票型基金,是作为国内首只运用“量化投资”策略投资于红利股票的基金,该产品将给投资者带来不同于传统基金的新体验。该只基金的另一个显著特点是“瞄准红利”。所谓红利,强调的是具有较高安全边际、较低下行风险的价值型投资,在目前市场总体估值处于历史平均水平时,价值型风格更能获得投资者的青睐。

富国沪深300增强基金,以沪深300指数为追踪标的,并对指数基金进行增强,并且是国内第一只采用量化方法进行主动增强的沪深300指数基金。量化增强的方法主要包括:利用多因子阿尔法模型选择股票;通过风险估测模型有效控制风险预算,并通过交易成本模型控制成本、保护业绩。相比定性的方法,定量投资手段在对成份股较多的指数进行增强方面以及控制跟踪误差方面具有很强的优越性。

当前适逢宏观经济、证券市场复苏向上之际,汇集A股市场300只规模大、流动性好、最具代表性股票的沪深300指数,有望迎来较好表现。而以沪深300为跟踪标的,并利用定量投资模型进行主动增强的富国沪深300增强基金,亦面临良好的投资环境与投资时点。

华商动态阿尔法基金,将以高阿尔法值的股票为主要投资目标,采用量化投资的方法,努力在有效控制风险的同时提高基金组合收益。华商动态阿尔法基金的投资将主要采用阿尔法策略和量化策略。阿尔法策略是依靠精选行业和个股,来获取超过大盘表现的超额收益。量化策略是指采用数量化分析方法来对股票进行分析和筛选,基于数量模型来配置行业权重。它具有投资范围更广、纪律性更强、投资思想可验证等优势,更能够限制投资过程中主观随意性可能带来的损失,帮助基金经理进行客观决策。

定量投资适合A股市场

正因为A股市场不是特别有效的市场,数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、分散化的各种优点,从而捕获国内市场的各种投资机会。相比定性投资,现阶段A股市场的特点更适合采用客观、公正而理性的定量投资风格。

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,那么,留给定量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,尽管量化基金在国内的发展历程较短,但是从国内已有的两只采用了定量投资方法并且已经运作了一段时间的基金来看,量化基金被证明是适应中国市场的。

量化基金产品包括但不限于数量化共同基金产品、指数基金产品、指数增强型基金产品、行业指数基金产品、风格类指数基金产品、策略指数基金产品、ETF产品、收益分级型产品等等。从数量化投资提供的工具和方法来看,能够给投资者提供的基金产品可以说是百花齐放,还应该做到有的放矢,满足投资者不同风险收益偏好的投资需求。

量化投资需过三道坎

我国A股市场的量化基金仍然才开始起步,各方面都有待进一步的完善。不仅机构需要有完善数量化投资策略各方面的耐心,也需要投资者给数量化基金以耐心。采用数量化策略的共同基金要在中国市场获得成功,仍有很长的路要走,需要不断的修正数量模型以适应中国市场的特征。

对于量化基金的产品设计,虽然量化基金一般都是采用多因素模型对股票进行分析和筛选,但不同的量化基金产品的侧重点是不一样的,也就是说,包括投资思路、观察角度、分析方法等在内都是不同的。在个股筛选和分析的角度、行业分析的角度、大类资产配置的角度等方面,均有不同的思路,因此,不同的量化基金产品可以体现出各自不同的投资理念和各自的投资特色。

具体来说,基金要想真正推行量化投资,主要应该跨越如下“三道门槛”。

首先,目前国内对做空的限制以及投资产品的稀缺,导致很多成熟的数量化投资手段不能在国内得以应用。一些对冲策略可能需要期货类的投资产品,而有些统计套利策略可能需要市场上要有做空的手段,目前这些条件在A股市场上尚不具备,因此,在一定程度上制约了量化投资的施展空间。

其二,中国目前对于基金的考核体系比较短期化,部分量化基金经理有可能迫于短期排名的压力,也去追涨杀跌,不去执行相当于投资纪律的量化策略,这就恰恰偏离了量化基金设计的初衷。量化投资策略成功与否需要从长期来看,不能因为短期内跑不过市场就认为量化基金管理得不好,对于量化基金的评价时间不能太短。

此外,量化投资对人的要求很高。量化投资需要考虑的一个重要因素是预测相对于市场的超额收益,即阿尔法收益,找到阿尔法预测模型。在阿尔法预测上,要保证不断有新的阿尔法策略产生。一个新的阿尔法策略出来后,过一段时间就被市场充分理解,可能阿尔法收益就会逐渐消失,这就需要不断产生新的阿尔法收益模型。

量化基金本土化前景

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,那么,留给定量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。相比定性投资,现阶段A股市场的特点更适合定量投资客观、公正而理性的投资风格。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。正因为市场的弱有效性,数量化投资才更有发挥的价值。这也是量化基金可以在中国本土化获得成功的有利条件。

数量化投资可以为投资者带来更多、更丰富、更有特色的基金产品,丰富机构的产品线。只有建立完善的产品线,才能满足不同投资者的需求,才能在不同的市场状况下获得发展,才能有强大的基金公司。机构可以从数量化投资所带来的无限量基金产品线上获得丰厚的利益。

数量化投资不仅可以增加基金的产品线,而且数量化投资策略本身也是对传统基金投资的一个强有力的补充和增强。数量化投资的好处是可以将各种适合不同经济环境、不同市场环境的投资理念明确地刻画出来,并可以加以建议。那些成功的投资理念通过数量化方式就可以方便地加入投资决策中去。数量化投资策略对提升基金等机构投资者的投资决策能力无可限量。

第6篇

数量化投资理念成就了一大批数量化基金经理,詹姆斯•西蒙斯无疑是其中的佼佼者。他所管理的大奖章基金对冲基金,从1989年到2006年的17年间,平均年收益率达到了38.5%,而股神巴菲特过去20年的平均年回报率为20%。

国内的公募量化基金在沉寂4年之后重现江湖:2月份,嘉实量化阿尔法发行,于4月成立;5月份中海量化发行,于6月份成立。私募基金也不甘落后,中国第一只量化阳光私募产品――“山东信托•红色量化一号”证券投资集合资金信托计划6月1日正式成立。

据悉,国内一些公司正在积极申报量化产品不久将还会有量化基金发行。

作为“舶来品”的量化基金,其前世今生如何?

国外量化基金发展迅速

量化基金即以数量化投资来进行管理的基金,数量化投资区别于基本面投资,它不是通过“信息和个人判断”来管理资产,而是遵循固定规则,由计算机模型产生投资决策。量化投资并不是基本面分析的对立者,90%的模型是基于基本面因素,同时考虑技术因素。由此可见,它也不是技术分析,而是基于对市场深入理解形成的合乎逻辑的投资方法。

数量化技术发源于20世纪70年代,以1971年富国银行发行跟踪纽约证券交易所1500只股票的指数基金为标志,此后随着计算机处理能力的提高,越来越多的物理学家和数学家离开学校被华尔街雇佣,基金经理们开始依靠电脑来筛选股票。

1979年巴克菜全球投资成立了第一支主动数量投资基金标志着量化投资由草根实践走到了公募基金历史舞台聚光灯下。

根据Bloomberg的数据,截至2008年底,1184只数量化基金管理的总资产高达1848亿美元,相比1998年21只数量化基金管理的80亿美元资产来说,平均增长速度高达20%,而同期非数量化基金的年增长速度仅为8%。

2000年之后是数量化基金发展的黄金时期,无论是个数还是管理规模都有了跨越式的发展。1998年数量化基金仅136只,至2002年增长一倍多,达316只,2008年底更是达到1848只,1988年至1998年年平均增长率为46%,2000年至2008年年平均增长幅度达54%。从规模上来看,1988年至1998年年平均增长率为32%,2000年至2008年年平均增长幅度达49%。

其中的原因有二:一是,2000年之后计算机技术飞速发展,为数量化的应用提供了良好的平台。更为主要的是主动管理型基金很难战胜大盘,于是投资指数基金以及采用数量化方法筛选股票逐渐流行起来。而且数量化基金的表现也非常不错。2002年至2007年5年间,相比美国市场主动型管理基金每年5.93%的超额收益,那些覆盖所有资产的数量化基金每年的超额收益可以达到6.95%。二是,有研究表明,2004年至2007年,投资美国大盘股的数量化基金产品的表现平均超越非大盘主动型基金103个基点。

量化基金的心脏

数量化基金的兴起,建立在数量化投资技术的发展之上。

数量化基金最明显的优势之一就是计算机处理数据的能力远远胜过人脑,这使电脑在海量股票选择中占有绝对优势。例如,在嘉信证券的股票评级系统跟踪的股票超过3000只,并且每只股票都综合了基本面、估值、动量和风险因素进行打分,并按分数高低给A至F不同的评级。其次,量化基金是以定量投资为主,用纪律性较强的精细化定量模型,代替了基金经理或分析师在定性层面的主观判断,使投资业绩较少受到个人“熟悉度偏好”的影响。最后,数量化基金收取的费率及管理费用比传统的主动型基金低很多,因为他们需要的研究人员更少,成本更低。据Lipper调查,数量化基金的平均费用是1.32%,相比而言,主动型基金的管理费用平均达到1.46%。

针对不同市场设计数量化的投资管理模型,以电脑运算为主导,并在全球各种市场上进行短线交易,正是西蒙斯的成功秘诀。

然而量化基金并非在所有市场都能有效战胜非量化基金。Lipper把基金分为4类型,将每一类型的量化投资与传统投资进行比较,2005年量化投资基金全面战胜传统基金,而2006年在增强指数型基金中,量化投资落后于传统型基金,到2007年则情况发生较大转弯,除市场中立基金外,其余量化投资基金全部跑输传统型基金。在考虑了风险、跟踪误差后,数量化投资具有更小的跟踪误差和更高的回报。研究表明数量投资基金业绩具有很强的轮动特点。大部分数量投资基金具有很强的价值投资偏好,因此,他们在价值型市场下表现良好,而1998-1999年是成长型市场,数量化投资基金大部分跑输传统型基金。2001-2005年是价值型市场,数量化投资基金普遍表现优异。

国内量化基金端倪

目前,国内基金市场上有4只量化基金,光大保德信量化核心、上投摩根阿尔法、嘉实量化阿尔法、中海量化策略,其中后两只均是今年才成立,前两只分别成立于2004年8月和2005年10月。

光大保德信量化核心一方面通过光大保德信的多因素数量模型对股票的预期收益率进行估算,个股预期收益率的高低决定投资组合是否持有股票;另一方面,投资团队从风险控制角度,重点关注数据以来的信息,通过行业分析和个股分析形成对量化的补充;最后由投资组合优化器根据预先设计的风险构建组合。

上投摩根阿尔法基金的描述则是同步以“成长”与“价值”双重量化指标进行股票选择,然后研究团队将对个股进行基本面审核,结合跟踪误差的紧密监控,以求不论指数高低,市场多空皆创造主动管理回报。投研团队最终决定进入组合的股票,量化分析是辅助和基础。

嘉实量化基金“定量投资”为主,辅以“定性投资”。通过行业选择模型,捕捉具有投资吸引力的行业,然后再在所选行业中运用Alpha多因素模型筛选个股。定性的辅助作用表现在利用基本面研究成果,对模型自动选股的结果进行复核,剔除掉满足某些特殊条件的股票。

中海量化策略以量化模型作为资产配置与构建投资组合的基础。根据量化指标实行从一级股票库初选、二级股票库精选,再根据相关模型计算行业配置权重。结合行业配置权重,组合中每只股票的配置比例。

第7篇

揭开定量投资神秘面纱

与定性投资不同，定量投资更多关注“数字”背后的意义，依靠计算机的帮助，分析数据中的统计特征，以寻找股票运行模式，进而挖掘出内在价值。

李延刚总结了定量投资的三大优势：首先是理性。定量投资是对于基于基本面定性投资方法和工具的数量化统计性总结，它在吸收了针对某种投资风格和理念的成功经验的基础上，以先进的数学统计技术替代人为的主观判断，并能够客观理性地坚持，以避免投资的盲目性和偶然性。“完全的数量化分析过程将极大地减少投资者情绪的影响，避免在市场极度狂热或悲观的情况下做出非理性的投资决策，因而在牛熊市的转换中具有很强的自我调节性。”

其次，全市场覆盖。定量投资可以利用数量化模型对垒市场的投资标的进行快速高效的扫捕筛选，把握市场每一个可能的投资机会，而定性投资受人力精力的限制，显然无法顾及如此广的覆盖面。

此外，数量化投资更注重组合控制和风险管理。数量化的个股选择和组合构造过程。实质上就是在严格的约束条件下进行投资组合的过程，先从预先设定的绩效目标的角度来定义投资组合，然后通过设置各种指标参数来筛选股票，对组合实现优化，以保证在有效控制风险水平的条件下实现期望收益。“换言之，数量化投资模型能够很好地体现组合收益与基准风险的匹配和一致，”李延刚解释。

定量投资是否适应中国市场

“谈到定量投资，不得不提量化投资领域中的传奇人物――詹姆斯・西蒙斯。”李延刚并不掩饰其对这位投资大师的崇敬，“他不仅是世界级的数学家，也是最伟大的对冲基金经理之一。他创办的文艺复兴科技公司花费15年时间，研发基于量化数学模型的计算机模型，借助该模型，两蒙斯所管理的大奖章基金，从1989年到2006年的平均年收益率达到了38.5％，甚至超过股神巴非特。”

值得一提的是，李延刚也来自数量化投资的发源地――北美，他有着6年海外一线投资管理的实际工作经验，深刻领会并掌握了量化投资理念与方法，具备数量化投资领域的成功经验。2007年，李延刚回国后加盟中海基余，着手增强中海基金金融工程团队的寅力。在借鉴国外成熟的投资理念与经验的基础上，结合A股实际，他用了近两年时间对数量化模型进行反复修改与调试。目前，中海基金的金融工程部已经形成从择时、配置到选股等方面的一系列研究成果，并在今年顺势推出中海量化策略基金。

詹姆斯・西蒙斯的神话在中国证券市场能否再次实现?“当其他人都摆西瓜摊的时候，我们摆了一个苹果摊。”李延刚用一个形象的比喻来形容定量投资存国内市场的发展机遇。他认为，目前国内证券市场定性投资者太多，竞争激烈，而数量化投资者则太少，机会相对更多，竞争也很小。李延刚表示，大量实征研究证明，中国证券市场为一个弱有效市场，市场上被错误定价的股票相对较多，留给定量投资发掘市场非有效性的空间也就越大。基于这种考虑，定量投资方法在中国的发展极具发展空间。

“今年推出量化基金并非一时的心血来潮，一方面中海基金金融工程部已经逐渐成熟，而另一方面也是出于市场时机的考虑。”李延刚强调。

他认为，在经历2008年的巨幅下跌后，市场底部已经基本确立，目前小盘股估值相对较贵，短期内市场可能会以调整为主，但未来市场走势仍然存在诸多不确定。在此背景下，如何把握结构性机会将是未来投资关键之所在，利用数量模型进行分析和投资的量化基金具备更好的适应性。中海量化策略基金将把握市场调整时机，采用数量化模型选人具有估值优势和成长优势的大中盘股票作为基石，辅之以部分优质的小盘股票。

“量体裁衣”完善全程量化流程

据了解，中海量化策略基金的全程量化流程分三个步骤，即选股策略自下而上，施行一级股票库初选、二级股票库精选以及投资组合行业权重配置的全程数量化。

“就像裁缝做衣服一样，量化基金在投资中也要通过‘量体裁衣’来完善全程量化流程。通过全程量化与基金经理的思想相配合，才能做出优质的量化基金。”李延刚表示。

首先，选取代表性最强的反映公司盈利能力的指标，对于所有的A股上市公司进行筛选从而得到一级股票库。“主要通过对所有A股股票过去三年平均EPS(每股收益)、ROE(净资产收益率)、毛利率三项指标进行筛选，它们能分别较好的反映上市公司的获利能力，从而得到一级股票库。”李延刚说。

其次，通过盈利性指标、估值指标、一致预期指标，熵值法确定指标权重后，对一级库股票进行打分排名，从而筛选出二级股票库。其中，一致预期指标则是通过各券商分析师的调查后，得出上市公司盈利预期数据平均值，以此权威性地反映市场对公司未来盈利的预期水平。“中海量化基金引入一致预期作为选股指标，可以全面、权威的反应市场对上市公司未来盈利的预期水平，为投资决策提供更为真实和前瞻性的依据。与此同时，还可以根据预期的变化及时动态调节，更加适应股市的震荡波动。”李延刚强调。

第8篇

导语:运作良好的量化基金,应该能够超越多数主动决策的基金经理,获取稳定的超额收益。

量化投资基金对国内基金投资者来说是一个相对陌生的概念。它是指基金管理人在分析历史数据的基础上总结股市运行的规律,开发出数量化投资模型,并且以模型输出的结果作为投资决策的主要依据。与此相对的是定性决策,即由基金经理或管理团队决定资产配置、行业配置、个股选择,根据个人经验和判断来建立最终的投资组合。

量化投资在发达市场中十分流行,而在国内这一新的投资方式则只是刚刚起步。最早一只量化概念主动型基金光大量化核心成立于2004年,而此后的4年间再无量化基金成立。2009年是量化投资重新起步,陆续发行了嘉实量化、中海量化、南方策略优选等四只量化基金。

量化投资有优势吗?

与定性决策相比,量化投资最大的好处就是避免了基金经理主观决策的随意性,降低了对基金经理个人能力和经验的依赖;同时能够根据严格的组合配置原则,建立符合投资目标的优化投资组合。

从国外成熟市场的情况来看,优秀的量化基金表现非常突出。例如数量化投资的创始人之一詹姆斯.西蒙斯管理的大奖章基金,自1988年成立后年均回报率达到38.5%,成为20年内最赚钱的基金经理。这一收益率水平远超过巴菲特20%的平均年收益率。

但在国内市场上,量化基金数量寥寥可数,而早期的量化基金相比定性投资基金并未显出优势。那么与依赖优秀基金经理的主动型基金相比,依赖模型的量化投资是否真的能产生优势呢?这取决于三个关键因素。

一是市场环境是否成熟。数量化模型的运用有重要的前提条件,最主要的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。而国内股市历史上曾经大起大落,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显现适应变化的灵活性。因此早期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。2009年后量化投资基金数量大增,也是对这一趋势的反映。

二是量化基金的运作模式。从国内市场的实际情况来看,纯粹依赖模型的量化管理模式仍然并不适合,严格数量化的投资策略难以取得成功。这是因为量化模型难以涵盖所有重要的市场因子,例如中国股市上十分重要的政策变化就无法纳入量化模型分析。因此在量化模型的基础上,在投资策略中适当加以主动修正是必不可少的。但如何把握主动和量化之间的平衡,又成为量化基金的一个难题。国内最早引入的量化基金,在纯量化管理还是混合主动管理的选择上就付出了不少学习成本。

三是投资模型本身的质量,这也是量化基金最核心的竞争力。投资模型是量化基金最核心的投资密诀。模型是否有效,是否真实反映市场运行的核心规律,决定了量化基金投资运作的长期效果。因此在成熟市场上,独特的投资模型往往是量化基金的核心竞争力所在。同时模型本身是否稳健也是量化基金持续投资的基础。如果不结合中国市场的实际引入成熟市场上的投资模型,往往并不成功。

量化投资的时机

基于以上几点原因,量化投资在国内仍处于起步阶段。但随着股市逐渐走向常态化增长,主动型基金数量不断增多,定性管理愈加难以获得超额收益,量化投资的空间正在逐渐显现。

从投资上看,量化模型的优缺点都十分明显,简单概括就是选股/配置强,选时弱。量化模型的主要优势体现在对大量个股的海选,以及确定科学的配置比例上。但在判断市场趋势何时发生转换的选时决策上,多数量化模型可以说无能为力。因此,量化投资的主导思想是获取alpha收益,而规避beta风险并非量化投资的强项。

因此,量化基金能否在投资中取得优势,就取决于它能否扬长避短。从投资目标上看,量化基金的目标不是与主动型基金争夺冠军,而是成为一名稳定战胜多数主动型基金的选手。运作良好的量化基金,应该能够超越多数主动决策的基金经理,获取稳定的超额收益。

TIPS:

创新主动量化投资――南方策略优选

南方策略优选是最新一只量化投资基金。该基金在产品设计上充分考虑了中国市场的现状和发展趋势,提出了创新的主动量化投资模式。这种以定量模型为核心,但在决策流程和模型构建中有机结合定性分析的模式有可能成为量化投资的主导模式。

南方策略优选的主动量化投资模式主要体现在三个层次:在资产配置层面上定性定量并重,在行业配置层面上的定量为主定性为辅,以及在个股选择层面的量化筛选。

针对量化投资的三大关键因素,南方策略优选都做出了针对性的改进和创新。从而有可能在逐渐成熟的中国股市上,探索量化投资模式的运作空间。

从该投资模型模拟运行的结果来看,南方策略优选的表现相当突出。模拟组合在超过60%的月度内获得了正的超额收益,正向超额收益显著高于负向超额收益。其投资模型的三年以来的各阶段累计收益在主动型基金中基本可以排名前10%。

但投资者应该清楚认识到的是,模型模拟结果并不代表实战。好的模型只是开了个好头,而在实际运行中还需要基金管理人真正发挥其优势。尤其是主动量化管理不仅取决于好的投资模型,同样取决于基金管理人的主动管理能力。从产品本身看,投资者可以期待南方策略优选探索出真正适合中国市场的运作模式,贡献稳定的超额收益。

第9篇

关键词：双因子模型 量化投资 超额收益Alpha

1前言

随着我国股市体制改革，股票市场迅猛发展，股票投资新增账户和新股扩张飞速，截止到2015年7月，股票账户数已经突破2亿，两市A股约有多2700多只股票，并推行多种利好政策逐步为股票投资者铺平了道路。在牛短熊长的中国股票市场，众多依赖传统方法进行投资的投资者往往会损失惨重，此时利用量化投资策略以寻求较为稳定超额收益的投资方法愈来愈受到投资者青睐，其中尤其是超额收益Alpha量化投资策略广为受到关注。

2量化投资与超额收益Alpha投资策略

量化投资就是通过收集整理现有已发生的大量数据，并利用数学、统计学、信息技术建立数学模型对收集到的数据进行分析研究，从而构建最优投资组合以获得超额收益。简而言之，它是一个将传统投资理念、风险、收益等进行量化并付诸实现的过程。在国内量化投资起步较晚，但随着国内金融市场的不断对外开放并与国际接轨，在国际上较为盛行的金融研究技术也逐步在国内铺展开来，但目前投资策略的系统化研究仍是我国量化投资长远发展的薄弱之处。因此，更加系统的投资策略研究和实践成为当下迫切的需求。系统投资策略及组合能推动量化投资的快速发展，对中国金融生态系统的良性循环起到积极的作用。

所谓超额收益Alpha指的就是实际收益率中高于对应的预期收益率的超额收益部分，严格地来讲，超额收益Alpha是用来衡量一个在风险调整下由投资所产生的“主动收益”。超额收益Alpha量化投资策略主要来源于CAPM模型，在CAPM模型中，投资组合的收益率等于无风险利率加上风险溢价，只有承担更多的风险才能获得更高的收益。资产的收益主要取决于β值，β值越高，期望收益相对越高，β值越低，期望收益相对越低。

在CAPM模型的基础上，超额收益Alpha常被用来衡量基金的业绩，具体公式如下：α=HPR-Rf-βi[E（Rm）-Rf]。

其中HPR为持有期实际收益率，在众多的投资实践操作中已经得到证明，当选择股票投资组合适当时，股票基金能够获得高于市场平均水准的超额回报。随着资产市场的发展与成熟，超额收益的理念被广泛接受，从而促使愈来愈多的投资者采取投资组合主动管理的方式来获取超额收益，与之相关的策略称之为超额收益Alpha策略。

3双因子模型量化投资策略

不同的具有投资价值的因子（包括盈利性、估值、现金流、成长性、资产配置、价格动量和危险信号等类别）组合便构成了不同的因子模型，如单因子模型、双因子模型以及多因子模型等，其中单因子模型具有不可靠性且多因子模型建模较为复杂，双因子模型则以较高的可靠性且操作较为简便而受到重视。双因子模型典型的有盈利性和估值、成长性和估值、估值和价格动量、现金流和估值、估值和估值、盈利性和盈利性、盈利性和价格动量、估值和资产配置以及估值和危险信号等，其中盈利性和估值、成长性和估值、估值和价格动量和现金流和估值四种双因子模型效果最强。

3.1盈利性和估值

盈利性和估值是两个具有较强投资价值的因子，且两者在一定程度上相互孤立，盈利性用来衡量基本面，决定了公司资源的质量，而估值则是与市场因素（价格）相结合的基本因子，确定了投资者为这些资源必须付出的价格，这两个因子不论以什么顺序组合都是有效的。盈利性因子具有较好的普适性，能产生显著收益，具有良好的一致性和低波动性。

在众多的能反映盈利性和估值的因子中，可以选取进行自由组合从而构建双因子模型。其中由现金流价格比和现金投入资本回报率、企业价值倍数与投入资本回报率、市净率和经济利润、净资产收益率和市净率、投入资本回报率和市销率、现金投入资本回报率和市销率、现金投入资本回报率和价格资本、自由现金流加股息和净资产收益率以及市净率和经营性现金流比股东权益等组合最为常用。

3.2成长性和估值

所谓成长性是指公司收入或现金流产生能力的增加。分析成长性的目的在于观察企业在一定时期内的经营能力发展状况。成长性比率是衡量公司发展速度的重要指标，也是比率分析法中经常使用的重要比率。在成长性因子与估值因子结合时，估值因子则是确保投资者不会为公司的增长付出过高的价格，从而得到合理价格增长策略。

3.3估值与价格动量

投资者情绪对股价走势产生重要影响，而价格动量在一定程度上反映了投资者情绪。动量就是一种专门研究股价波动的技术分析指标，它以分析股价波动的速度为目的，研究股价在波动过程中加减速与惯性作用以及股价动静相互转换的现象。动量指数的理论基础是价格和供需量的关系，如果股票的价格动量为正，说明需求超过了供给，投资者情绪会变得更加积极。如果股价的价格动量为负，则表明供给超过了需求，投资者悲观态度会占据上风，转向看跌，估值倍数则有可能降低。因此价格动量因子常用于衡量投资者情绪和作出投资时机决策的重要工具。估值因子能反应股票的价格高低，但不能解释股票价格高低的根本原因。当估值因子与价格动量因子相结合时，能更好解释股票价格变化，弥补了估值因子不足之处。

3.4现金流和估值

在投资策略研究中的现金流指的是经营活动中的现金流，融资投资等活动产生的现金流不包括在内。现金流能反映公司盈利的真实性。当然单独使用现金流因子的投资策略有时候会失效，但与估值因子结合，能避免分析失效现象的发生。现金流因子能遴选出产生大量盈余现金的公司，而估值因子则确保投资者不会现金生成能力支付过高的价格。

4结后语

随着计算机技术的不断发展，量化投资在国内愈来愈受到投资研究者与实践者的青睐，基于实现超额收益Alpha的量化投资策略成为研究的重点。本文简单介绍了量化投资与基于超额收益Alpha投资策略，通过对盈利性和估值、成长性和估值、估值和价格动量和现金流和估值四种双因子模型进行阐述介绍了基于双因子模型的量化投资策略，为今后更加深入的基于双因子模型的量化投资策略对比研究提供参考。参考文献：

第10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11篇

期货、基金、私募三方运作

据悉，青骓投资管理有限公司（后称“青骓投资”）继2012年4月通过华宝信托，发行了信托获批股指期货交易业务资格以来国内第一只阳光私募发行的股票量化全对冲产品之后，再次成立国内首只引入国债期货作为对冲工具的债券对冲管理型产品“青骓1号债券对冲专项资产管理计划”。该产品系青骓投资联手国泰君安期货及某基金公司子公司推出的一款专项资产管理计划，资金已募集完毕并到位，于2013年8月14日正式宣告成立。

值得关注的是，该产品涉及到三方平台，由多个管理人联合操作。基金公司子公司作为资产管理人，青骓投资公司作为投顾主要负责产品的投资策略，国泰君安期货资管部门作为基金专户资产受托人完成国债期货端的交易。

分析人士指出，基金方作为特殊法人单位在期货公司开立资管账户，并引入外部投资顾问参与、主导产品的设计和投资运作，这一合作模式在期货资管领域尚属首例，有望开创机构投资者合作参与期货资管业务的热潮。对于特殊法人单位参与期货资管业务的模式也是全新的尝试。

引入量化对冲策略

青骓投资作为长期专注从事债券和量化对冲领域的机构，在现券交易、利率策略、量化对冲和程序化交易平台方面拥有得天独厚的专业储备和优势，目前就等国债期货上市，希望能在第一时间参与投资。股指期货上市初期曾为投资者带来了非常可观的低风险收益，青骓投资也希望通过第一时间参与国债期货帮助投资者分享创新业务带来的丰厚收益。

第12篇

国内著名投行宏观策略的研究员的积累，华尔街量化投资历练，再加上国内私募基金投资的经验，费鹏对量化投资的A股应用有着自己的心得。他认为，量化投资最大的优势在风险控制上，在此基础上运用数据挖掘技术初选股票，再进行基本面的深入研究，使量化和价值研究相互印证，达到“中西医结合”。

他分析目前市场上的量化产品将研究的重点放在择股和行业配置上，实质上大多是“量化选股”基金，缺乏有效及时的风险响应体系，而从国外的经验看量化的一大特点就是对风险的预判。费鹏介绍，华商基金量化投资团队在设计该基金投资模型时就将风险量化模型作为重中之重。在设计中他们借助了包括统计信息学角度出发的信息熵值（Entropy）的变化、分形理论出发的市场模式（Pattern）的变化、金融物理学角度出发的金融泡沫统计指标的变化、市场微观结构出发的分析师一致预期分歧的变化和趋势等构建风险模型，对中短期系统风险进行定量分析。依靠基金经理和研究员对宏观经济发展状况、人口与社会的结构性特征、经济产业周期等因素的分析对长期风险进行定性分析。

在产品结构设计上，华商大盘量化基金独具特色，其一，仓位比较灵活，股票投资比例可为0—95%，也就是说当市场趋势性下跌时，可以空仓应对；其二，产品结构多样性，虽然目前公募基金已开展了股指期货，但基本上作为流动性管理的手段，而该基金将把股指期货作为一个有效的风控或者对冲工具应用到投资中；其三，在投资标的上，华商大盘量化主要选择流动性好的沪深300成分股，以保证在极端情况下可以及时调仓；其四，经过测算，在目前A股市场中利于量化操作规模在10亿左右，因此一旦华商大盘量化基金募集额达到10亿时便会停止。

而据记者了解，华商大盘量化基金在择股方面也有别于一些量化类基金。相较而言，目前国内公募量化基金多采用多因子模型，而多因子模型的设计原理是把价值投资理论通过数字模型加以表达。而在实际测算中，华商基金量化团队每日涨幅居前的股票中会有所谓投资价值较少的“垃圾股”，很难通过价值投资理论解释。对此华商大盘量化基金在设计选股模型时更多的是通过捕捉市场的异常波动，寻找股价波动的非基本面的因素。通过对数据挖掘，建立初选股票池，然后按照行业分类，结合基本面研究，通过行业研究员调研，寻找相互印证支持依据，最终进行择时投资。

从目前市场趋势看，越来越多的基金公司倾向于推出量化策略。相对于海外成熟市场，A股市场不是特别有效的市场，量化投资策略可以发挥其纪律性、系统性、及时性、准确性、分散化的有点而捕获国内市场的各种投资机会。同时A股市场的深度和广度都与前几年不可同日而语，市场上有两千多家上市公司，基金经理加研究员再加卖方，能把握和持续跟踪的公司也不过几百家。量化投资多层次，多角度，海量数据观察，可以捕捉更多的投资机会，拓展更大的投资空间。

巧理压岁钱

ETF联接基金生财有道

新春又至，在成人感叹春节成“春劫”时，孩子们的压岁钱水涨船高，越来越多的小朋友在春节长假后晋升为“小财神”。这笔贺岁红包若巧妙打理，则有望成为个人的梦想基金。在理财人士看来，作为儿童成长的见证，让压岁钱生钱也需要寻觅具有成长基因的理财产品。

目前在募的嘉实中证500ETF联接基金将90%以上基金财产投资于中证500ETF，紧密跟踪标的指数的市场表现，追求跟踪偏离度和跟踪误差最小化，可谓集普通开放式指数基金的申赎方便和ETF跟踪指数效率更高的优势于一身。本质上也是跟踪中证500的指数基金。该指数囊括沪深两市500家中小企业，是股市高成长的风向标，从长期走势看，显示出高成长特征。据WIND数据统计，在2006年到2012年的6年间，中证500累计收益率表现居于主要指数之首，累计涨幅超过280%。另外对于基金投资而言，成本优势就是收益优势。嘉实中证500ETF联接基金投资门槛低，管理费+托管费仅为0.6%，且投资于ETF的基金资产部分不再另行收取管理费和托管费，其运作成本低于一般开放式指数基金和股票型基金，所节省的成本使基金持有人有更多资金参与投资。

第13篇

本刊记者专访了建信责任ETF、建信社会责任联接基金经理叶乐天，为我们揭开量化投资的面纱。来自浙江，北大数学系出身的叶乐天，谈起量化投资，如数家珍。在他看来，量化投资与基本面投资在方法论上有较大差别。后者类似中医，通过实地调研考察，望闻问切，接触病人，获取信息，加以判断；前者则把影响投资的各方面情况以及投资逻辑转化为数据和模型，类似西医，用医疗设备对病人进行体检和化验，更重视借助图表和数据对病人的病情做出判断，因此能做到不见病人而对其基本特征了如指掌。

：请通俗介绍一下什么是量化投资，它的发展情况如何？

叶乐天：中国量化投资研究院院长陈工孟曾做过这样的描述：第一批聪明人叫金融学家，他们发明了各种各样的金融衍生品赚得盆满钵满；第二批聪明人叫数学家，他们通过各种数据模型去发现了一些不合理的现象，同时发现了赚钱的机会，然而数学家不知道怎么把钱赚到手；第三批聪明人就是IT工程师、软件工程师，他们帮助第二批聪明人实现了赚钱的机会。而“量化投资”就是高端的金融人才、数学家和一流的IT工程师的复合。在美国有一种说法，最聪明的人，最高端的技术首先应用在两个领域，一个领域就是国防，第二个领域就是华尔街。

量化投资从20世纪70年代在美国兴起，经过40多年的发展，已经成为西方金融市场最为重要的投资方式之一。从20世纪90年代初期开始，量化投资的资产管理规模迅速增长，2000～2007年，美国的量化投资总规模增长了4倍多。2011年美国的量化投资和对冲基金的规模经过金融危机以后再创新高，达到了2万多亿美元的规模。

2009年被称为中国量化投资元年。随着2010年股指期货的推出，金融衍生品迅速登上中国资本市场的舞台，为量化投资的发展创造了有利的条件，而量化投资的发展为投资者提供了可选择的、非常有优势地位的投资方式。

：量化投资与价值投资有什么关系？

叶乐天：资本市场之大，每位强者都有自己的成功之道。相对于巴菲特过去20年平均20%的年回报率，有位中国人不太熟悉的高手更胜一筹，他就是华尔街的“模型先生”詹姆斯·西蒙斯。西蒙斯创办的大奖章基金从1989年到2006年的平均年收益率高达38.5%，净回报率超过巴菲特，即使在次贷危机爆发市场一片阴霾的2007年，他的基金回报都高达85%。

与股神巴菲特的“价值投资”不同，西蒙斯的投资成就依靠的是“量化投资”。这位24岁起就出任哈佛大学数学系教授的数学天才，依靠数学模型和计算机技术捕捉着市场机会。他认为，数学模型比主动投资能够更有效地降低风险。虽然中国人对西蒙斯这个名字还比较陌生，但量化投资产品在华尔街已经非常普遍。

：为什么说量化投资像西医？

叶乐天：随着计算机运算速度的提高，华尔街的量化投资已经发展到争取几毫秒的机会。同一个套利机会下，谁下单早，谁就能抓住机会。尽管大家争取的可能是万分之一的收益，但是通过每天大量的交易，日积月累，就能取得很高的回报。

与市场熟悉的定性投资相比，量化投资在研究方法上与其有着很大不同。定性投资主要通过公司基本面研究进行投资决策。需要基金经理到企业调研，看研究报告，与高管深入交流、了解大股东诉求，了解公司发展规划之类，有深度。量化投资则注重广度，比如市场上有2000只股票，量化投资会通过计算机比较2000只股票的数据，找出上涨个股共同的特征因子进行投资。与定性投资产品的基金经理经常出差不同，我主要的工作都在案头——搜集数据，处理数据、还有编程。

定性投资和定量投资的差异如同中医和西医的关系。定性投资更像中医，更多地依靠经验和感觉判断病在哪里；定量投资更像西医，依靠模型判断，模型对于基金经理的作用就像CT机对于医生的作用。

：如何选择量化投资产品尤其是指数基金？

叶乐天：目前，量化投资在中国公募基金市场的形态还比较简单，主要可以分为被动型的和主动型的。被动型的量化产品包括了大量的指数基金；主动型的量化产品则主要有3种模式，分别是“多因子型”、“事件型”和“宏观择时型”的。事件型和宏观择时型相对容易理解。多因子型，就是通过比较数据，筛选出个股走势变化的关联因子，然后，在未来个股走势出现类似因子时，触发交易，从中取得收益。

在公募产品中，以指数型产品为主，主动量化的产品数量稀少。公募基金受制于交易监管规则，比如在同一天的交易中，不能对同一标的做反向交易，在衍生品工具的使用上也非常有限，所以做主动量化的产品较少。同时，量化投资不像定性研究，对单个公司研究得很透，经得起很大的波动，追求的涨幅也大。量化投资通常追求很小的涨幅，但业绩比较稳定。而且，历史上指数基金的业绩表现还算稳定，主动量化基金产品的稳定性稍差，而业绩稳定对开放式基金更加重要。此外，市场深度不够也制约了量化产品在中国的发展。公募基金的规模通常比较大，如果做主动型的产品，更换持仓的冲击成本就比较大。

不过，对于普通投资者而言，要投资量化基金时，并不是非要弄懂基金的运作模型。选择一只量化产品与选择普通的基金产品，方法并没有太大的差异。首先，投资者需要了解量化产品的过往业绩，如果基金持续一段时间业绩表现优秀，说明这种模型相对来说是较为可靠的。其次，就是看基金经理的投资理念和思路方法投资者是否认可，因为基金经理正是模型的制定者。最后应当考虑个人整体的资产配置，从长期的角度对基金产品进行合理配置，不用过多地顾虑投资时机。

第14篇

前后业绩差距大

从今年的业绩来看，WIND数据显示，截止10月14日，2011年前成立的10只量化基金，平均累计单位净值增长率为-15.39%,普通股票型基金平均累计单位净值增长率为-16.93%，同期上证指数下跌13.82%。

量化基金整体跑赢普通股票型基金，但10只量化基金业绩分化较大，富国沪深300指数增强和中海量化今年以来的回报为-8.1%和-7.85%跑赢绝大部分基金，而后三名上投摩根阿尔法、嘉实量化阿尔法和华商动态阿尔法收益分别仅为-18.19%、-23.22%和-24.48%，量化模型的有效性受到持续考验。

模型和策略是关键

量化基金通过对投资模型和其中影响因子的设置来剔除所持仓中波动较大、业绩不稳定的个股，起到控制风险并抗跌的作用。不过今年量化基金的表现是“冰火两重天”，多只基金并没有体现出抗跌的特点。

易方达量化研究员曹传琪认为，量化投资的核心是数量模型，模型中各因子设置的有效性决定了量化投资的成败，不过近期量化基金业绩出现较大分化不单是模型设立的原因。量化基金波动较大还与基金经理个人风格有较大关系，如果模型设定好，重仓买入而宏观经济发生转变，模型短期内失效，收益自然不够理想。其二，基金经理个人对股市判断以及投资风格也决定模型最后的效果。而国内基金评价机制，更是让量化基金偏向主动型。

同类基金表现最好的中海量化策略，注重对市场情绪变化的量化研究。该基金在一季度实现了净值增长率2.17%，二、三季度下跌幅度控制在5%和8%。基金经理李延刚在业绩报告中表示，中海量化充分利用择时匹配的决策，在关键时点依据模型提示信号，适度加仓建仓，保证基金业绩稳定。

中海量化基金研究员介绍，对于择时的把控，可利用市场情绪指标构建泡沫度模型，例如搜集媒体对于是市场的情绪的词汇以及频次、政策对股市影响等建立因子。并在个股选择以及行业配置时加入了一致预期指标，6月份该基金在大盘2620点时果断配置了医药板块，抗跌性和收益较为可观。

富国沪深300量化基金上半年净值增长3.79%，跑赢指数，位列指数基金第二名。富国量化投资部总经理李笑薇曾透露，其基金仓位基本保持在95%，其中投资沪深300成分股的比例不低于80%，并全部纳入了富国量化模型，量化分析控制微小成本和跟踪误差。在投资管理上，坚持采取量化策略进行指数增强和风险管理，量化增强策略获得了较好的表现。

追求长期高于基准业绩回报的嘉实量化，今年的表现差强人意。对此，嘉实量化阿尔法基金经理陶羽对本刊记者说：“年初，我们对宏观经济判断比较乐观，通货膨胀预期是前高后低，在4%左右，而货币政策应该是前紧后稳，这导致我们对大盘蓝筹股误判，并在一季度满仓进入。其次，去年是典型的阿尔法行情，成长股表现较为突出，基于比较乐观判断，对仓位的选择未能成为决策的重点，而将个股精选择放在比较重的位置上。”

筛出成长股并非易事

目前已发行的多只量化股票型基金追求成长股和高收益，且淡化实地调研，尤其对上市公司商业模式和管理团队上的把握要比普通主动型股票基金差许多。在捕捉“黑马股”和高成长股上，优势并不明显。

国投瑞银量化研究员殷瑞飞认为，量化模型中发现黑马股和高成长股是通过概率打赢，较主动型股票基金要差一些，可通过分析基本面、财务数据设定因子筛选股票来实现。

陶羽认可定量研究筛选成长股是一件相对困难的事情，对于成长股，量化基金可以利用券商对个股基本面分析报告和参考对分析师过往荐股能力的评估，以及个股已经实现的业绩、ROE、毛利率等数据建立模型，在一定程度解决缺少实际调研的弊端。

公开数据表明，嘉实量化重仓股配比仓位一般不超过2%，从而达到对中小盘的覆盖，来提升选中高成长股的概率。陶羽表示，经济转型基调确立，今后中小盘股延续成长性是大概率事件，国内量化基金根据市场的变化不断优化模型，提高选股的能力，业绩增长还是可期的。

为机构投资者提供金融工程分析软件的深圳天软科技总裁刘二谋认为，如果做纯量化阿尔法基金，从开始设定的模型就是追求成长股，其风险自然比较高，尤其短期波动一定会较大，甚至高于普通股票型基金，如果投资纯量化的阿尔法基金，还是要从长期投资出发，成长股跌得快涨的也快，要充分认识风险。

国内量化基金路还很长

海外量化基金发端于20世纪70年代，截止2010年，量化投资模式占到美国投资市场三成以上，其中指数类投资几乎全部使用量化策略，主动投资也有20%到30%使用量化策略。

2004年国内才诞生第一只量化基金，至今量化基金总规模占所有偏股型基金和增长指数型基金总资产净值的2%不到。越来越多的基金公司意识到量化策略在我国资本市场的发展前景，纷纷招揽人才组建量化投资团队。

第15篇

量化投资，正在A股市场掀起一股热潮。

今年7月中下旬以来，尽管对于未来股市究竟能冲到多高点位，市场分歧一直不断，但一直保持较高仓位的量化产品，已经呈现出越来越明显的赚钱效应。相关数据表明，量化基金今年以来整体业绩平均回报已经占胜了主动权益产品。据Wind数据统计，自2004年国内诞生第一只量化基金以来，目前市场有24只主动量化概念基金产品，涉及19家基金公司。截至9月12日，量化基金今年以来平均收益为12.46%，而同期全部权益类产品的平均收益为9.48%。其中，华泰柏瑞量化指数今年以来收益20.37%，排名前十分之一。

此前，“量化投资”这个词虽还不为大多数投资者熟悉，相对海外量化基金，国内公募的量化基金起步较晚，之后的发展也一直非常缓慢。但在2005年～2009年指数型基金带动公募量化崛起之后，随着融资融券的成熟及期权的推出以及量化基金在A股市场现今的优异表现，市场人士预计，必然将再度在中国资本市场催生第二波“量化投资”热。

有鉴于此，《投资者报》“基金经理面对面栏目”本期特别邀请到华泰柏瑞量化指数基金的基金经理卿女士，就当下量化投资的一些热点问题、投资技巧以及四季度行情的走势判断等相关问题进行交流。

卿认为，量化投资不能做加法，人为将某个个股加入买入清单；又必须经常结合基本面，对量化模型进行合理的改善。同时她还指出，A股主板市场经历了长时间低迷，估值已经反映经济中的问题和增长的放缓，除非经济发生重大或系统性风险，下行空间有限。

华泰柏瑞量化初露峥嵘

《投资者报》：我们关注到，华泰柏瑞量化指数自2013年8月2日成立以来，特别是自今年2月成立满6个月以来，已经连续5个月蝉联海通证券超额收益榜“增强股票指数型基金”冠军。截至9月19日，在短短一年多点的时间里取得了24%的收益，在同类产品中遥遥领先。请问是什么原因让华泰柏瑞量化指数业绩回报如此出色？

卿：我们的量化模型一年多运作下来比较成功，除了模型本身设计上的优越性之外，也归功于我们团队的努力。我们开发的量化模型是基于基本面的量化选股模型，并且针对A股市场的特点作了调整，加入了一些独特的基本面因子。这些因子是华泰柏瑞团队投资技能的体现，希望以此区别于市场中其他的量化投资策略，华泰柏瑞未来也会进一步研究新的因子，并加入到投资模型中去。

我们的投资目标有两个，一是战胜市场，二是提高单位风险带来的收益。事实证明，基金成立以来的回撤数据和信息比率都十分良好。

量化投资不能做“加法”

《投资者报》：您曾称目前业内一线的量化投资思路是做“聪明的量化投资”，即既要坚守量化投资的流程底线和投资本质，也要做必要主动决策和风险管理。请问您是如何把握这个主动的动作幅度和范围的？换言之，这个主动的动作幅度具体是什么比例？多大范围？

卿：这里我们所说的聪明量化是指和基本面相结合的量化。主要体现在三个层面：一是模型构建方面跟踪市场变化做出适时调整。在有市场观察验证并有数据支持的情况下，调整模型不同因子间的权重，并淘汰不再适用的因子，根据反映市场独特特点的基本面信息，开发新的独有的因子，不断改进完善模型。二是结合基本面信息，在投资组合构建过程中，控制组合对一些模型尚未反映的风险因素的暴露，并把个别交易标的从交易清单中剔除，以反应模型尚未捕捉的重要信息，像临时重大信息披露、涨停板等，但决不会人为挑选个股加入交易清单，以坚守量化投资的纪律性。三是在极端情况下为保护投资人利益需要尽最大能力做出对投资人最为有利的决策，以应对市场大的转折。主要是指危机状态下，不会机械地固守模型，如果是只做多的策略，会相应做出减仓等应对措施，而不是为坚守不择时的纪律而让投资人蒙受损失。这主要是来自2008年金融危机的教训。

同时，我们与基本面结合，不以牺牲纪律为代价。正常情况下，主要以改善模型为主，把基本面观点通过模型反映到投资组合中。在个股层面，只能结合市场信息，从模型给出的交易清单中剔除个股，而不可以人为将某个个股加入买入清单，以坚守纪律性。

量化投资在国外被广泛应用

《投资者报》：在您眼里，中国的量化投资才刚刚起步。您曾表示“中国的量化投资管理的资产规模至少5年内还看不到发展的天花板”。那么，时至今日，您认为中国的量化投资管理的资产规模的天花板应在什么位置？为什么？

卿：国际市场上，量化投资是区别于基本面投资的另一种主要投资模式，和基本面投资相比，有它自身的优势。量化分析在境外资产管理公司中得到非常广泛的应用。一些资产管理公司像过去的BGI（巴克莱旗下资产管理部门巴克莱全球投资者）和AQR（华尔街表现最突出的量化对冲基金之一）等等，全部采用量化投资策略；另外一些公司，像GMO（知名的全球投资管理公司，管理规模上千亿美元），Pimco（全球最大债券基金――太平洋投资管理公司）和Citadel（美国芝加哥大城堡对冲基金公司）等则把量化分析和基本面分析结合在一起运用。 总的来说，境外几乎所有大的资产管理公司都会或多或少依赖量化分析的方法。

目前，A股市场绝大部分投资策略都是基本面投资，真正做量化投资的资金很少，其获得超额收益的市场机会很多，发展空间很大；并且国内市场样本多，利用量化手段来捕捉超额收益的胜率也有保障，因此未来的前景是比较乐观的。

量化投资能够战胜A股市场

《投资者报》：今年以来量化基金的杰出表现，让不少投资人惊呼“量化的春天已经到来”，对于市场上的这种乐观情绪，田总又是怎么看的？

卿：在国际市场，量化投资在投资领域已经占有了重要的一席之地。当前的A股市场中量化分析的运用程度还非常低，所以我们相信量化投资的市场份额一定会逐步增大，未来的发展空间是巨大的。另外，随着市场的完善，量化投资有机会为市场提供像绝对收益等的新产品，使得市场中的投资产品更加丰富，投资人可以有更多的选择。

《投资者报》：相对于其它主动管理的基金，量化基金在A股市场具有哪些优势，以致其能在今年的A股市场整体领先？

卿：A股市场的特性十分适合基本面量化投资。

第一个原因是A股市场处于弱有效状态，战胜市场的机会较大。A股市场的发展历史较短，市场效率相比发达经济体低很多，因此有很多发现阿尔法因子的机会。

第二个特点是目前量化投资的市场份额小。国内目前的基本面量化产品规模总体不大，其中严格遵循量化投资理念的基金更少，因此有很大的市场空间和盈利机会。

第三是A股市场容量大，而且还在快速扩容中，给量化投资提供了足够的投资宽度和行业宽度。

第四是A股的数据质量不断提高。供应商提供的数据以及识别数据可靠性的技术手段不断得到提升，使得以数据为基础的量化投资的投资环境也不断得到加强。