量化投资基本面分析方法范文

前言：我们精心挑选了数篇优质量化投资基本面分析方法文章，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

在BGI的主动投资领域中， “市场中性”策略取得了巨大成功。黎海威开发的香港、新加坡市场的量化模型正是运用到此类市场中性基金，它们采用的是后来名满天下的基本面量化投资方法。简要地说，基本面量化投资即借助一系列基本面因子构建的量化模型筛选股票，以融资融券的方式实现多空对冲，从市场中获得绝对收益。除此以外，相关模型也运用到指数增强和130/30基金。

在黎海威看来，投资是个概率问题，通过基本面分析，提高找出好股票从而跑赢市场的概率，即赢面。如果挑选的每只股票的赢面在55%，而投资组合由100只这样的股票构成，整个投资组合战胜市场的概率就会接近100%。

量化投资的核心在于维持一个稳定的赢面，而在比较大的范围（即投资的宽度）内运用它。挑选出好股票，需要从合适的维度来筛选，比如估值、盈利质量、情绪等等。这些因子都不是随意挑选的，它们一般有金融理论背景（价值投资、行为金融等）支持， 并结合了当地市场的实际情况。

基本面量化投资并非像人们想象的只是靠跑系统选股和交易，事实上，它的本质是主动投资。这样的投资方法，关注基本面和市场演变，需要基金经理的经验、判断和对市场的理解。黎海威认为，关键在对市场黎海威在量化投资的世界里，华人迄今掌管的最成功基金之一是巴克莱亚洲（除日本）市场中性股票投资基金。2012年8月，曾在巴克莱工作时间最长的华人基金经理黎海威，回国进入景顺长城基金，担任景顺长城基金的量化及ETF投资总监。他即将启动其在国内的第一个量化投资产品——景顺长城沪深300指数增强基金。的理解， 在把量化框架和当地市场的实际情况结合起来，在强调纪律性的前提下， 坚持以量化模型为依托， 不断地将新出现的现象和发现的规律抽象出来，添加到模型中。

与此同时，对于特殊事件，比如数据错误、 收购兼并等量化模型无法及时处理的情况， 需要基金经理在投资组合中控制相关风险。更为重要的是，因子的研究和权重的调整要有前瞻性。例如在次贷危机发生后很长一段时间里，人们对价值股没有任何兴趣，但随着违约风险逐步降低，价值股在2010年迎来了相当强劲的行情。当时，由黎海威担任基金经理的亚洲（除日本）市场中性股票投资基金及时调整了价值股权重，获得很好的业绩。

当然，基本面量化投资有着量化的纪律性，这是业绩稳定性的保障。黎海威认为，量化投资的纪律性首先表现在量化研究的严谨性上。做量化投资并非像大家想象中的多空对决的精彩，反而有点像做金融的博士论文，整个研究过程从课题的提出到研究、回测都是在严密的框架下进行的，是可重复验证的。

第2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3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。

第4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5篇

从业绩来看，量化基金的长期业绩表现相当不俗。根据中信证券、Wind统计数据显示，2010年底已经打开申购、赎回的量化基金中，有5只是以沪深300指数作为业绩比较基准的，这5只基金从建仓期结束到2011年5月6日均跑赢沪深300指数，年化超额收益率平均为9.1%。

不过，虽然国内量化基金业绩不俗，这两年来规模也有显著提升，但是与国外市场量化基金在共同基金总资产中占比16%相比，国内量化基金还有非常大的发展空间。而伴随着中国市场有效性的逐步增强，量化基金未来的业绩也有很大想象空间。

此前国内量化基金产品数量多达12只，但是大多以大中盘股票作为投资标的，而申万菱信量化小盘基金则是一只专注于小盘股投资的量化策略基金。将投资目光锁定小盘股，主要是看中小盘股长期优秀的业绩以及高成长性。1996年到2001年的A股长牛市中，小盘股大幅超越市场；2009年之前，小盘股整体走势与大中盘股接近；从2009年中开始，小盘股走势大幅超越大盘股；到了2010年，虽然A股市场整体表现不佳，但许多小盘股涨幅却仍然翻番。

除了业绩表现出色外，小盘股本身也非常适合量化投资。首先，目前分析师研究充分覆盖的股票主要是白马股，大量的小市值上市公司没有被覆盖或只被少量分析师覆盖。如果想从基本面分析的角度去投资一个小盘股，往往找不到反映上市公司最新情况的研究报告，这就为量化投资提供了用武之地。其次，由于目前A股市场中有1500多只股票可以划在小盘股的范畴内，因此用基本面分析的方法去研究这么多股票很难对每一只股票都做深入的分析。而即便是发现了优秀小盘股，受流动性、基金契约和监管部门的限制，也无法投入较多的资金。用量化的方法分析小盘股，通过比较同行业股票的估值、盈利能力、成长性以及近期走势等，则可以以较低的研究成本获取投资收益。

第6篇

计算机给投资带来的改变

1997年5月11日，国际象棋世界冠军卡斯帕罗夫与1BM公司的国际象棋电脑“深蓝”的六局对抗赛降下帷幕。在前五局以2.5对2.5打平的情况下，卡斯帕罗夫在第六盘决胜局中仅走了19步就向“深蓝”拱手称臣。整场比赛进行了不到一个小时，卡斯帕罗夫赛后说，在最后一局时，“我已经无力再战。”于此同时，利用计算机和数学模型来进行数量化投资的基金正迈入高速增长期。

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，他不是通过“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年巴克莱全球投资(Barclays Global Investor)成立了第一支主动数量(Quantitative & Active)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。此后，Vanguard，Federated，Janus，American Century,Alliance Bernstein，Evergreen以及Schwab都开始在运作数量化基金，他们也都开始加入Barclays Global Investors和LSVAsset Management的阵营，后两者是数量化基金管理中最大的两家公司。另外，NumericInvestors和AQR CapitalManagement是增长最快的数量化基金公司。

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1988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％。另外，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。

模型――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。在20世纪80年代，大量复杂模型得以发展，这包括：混沌理论(chaos theory)、分形(fraetals)、多维分形(multi-fractals)、适应过程(adaptive programming)、学习理论(leaming theory)、复杂性理论(complexity theory)、复杂非线性随机理论(complex nonlinear stochasticmodels)、数据挖掘(data mining)和智能技术(artificial intelligence)。然后，回归分析(regression analysis)和动量模型(momentum modeling)仍然是被调查者使用最广泛的数量化投资方式。

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、动理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％。

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(Medallion)，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％。从1988年成立到1999年12月大奖章基金总共获得2478.6％的净回报率，超过第二名索罗斯的量子基金一倍，而同期的标准普尔指数仅有9.6％。即使在次贷危机全面爆发的2007年，该基金的回报率仍高达85％。

然而量化基金并非所有市场都能有效战胜非量化基金。Lipper把基金分为四类型，每一类型量化投资与传统投资比较，2005年量化投资基金战胜传统基金，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年情况则发生较大转弯，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(value bias)，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。

用数学创造财富

国内基金业虽然历史较短，但发展迅速。美国等成熟基金市场的现状，也很可能会是我们未来的发展方向。指数基金、量化基金以及免佣基金等品种，在未来有望陆续发展壮大，受到越来越多投资者的认可。

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

关键词：证券投资学；教材建设；基本原则；思考

1引言

高等学校人才培养除了人才培养模式、专业定位和培养总体目标的确定外，教材建设也是重要内容之一，它是体现培养目标、教学内容和教学方法的知识载体，是进行教学的基本工具，也是培养创新人才的重要保证。一本好教材的问世意味着一门好课程的出现,也预示着一批优秀学生的成长.为此，本文将结合我国经济发展和证券市场的现状，对高校经济管理类专业证券投资学教材建设做一思考。

2经济管理类专业证券投资学教材建设的基本原则

专业教材建设是院校正常教学的基本条件，是深入教学改革和提升学生素养、培养合格人才的关键环节之一。高校教学建设要密切结合社会经济实际，深入研究高校学科特点,编写出高质量的教材，笔者认为，经管类专业证券投资学教材建设应遵循以下原则。

2.1通俗适用的原则

证券投资学起源于西方，不少概念和理论都是从国外教科书中引进，教材编写者对于涉及的比较专业的术语、概念和理论，要尽量通俗的表述，让学生能够领会和贯通。同时，教材编写必须考虑专业培养目标的要求以及本课程在专业培养目标教育中的地位和作用；教材内容的深度、广度和侧重点要合理，应适应各院校确定的教学时数和教学目标要求，教材的字数规模要适应学制、学时的需要。

2.2整体性原则

教材的体系结构要完整和成系统，一般地说，证券投资学教材要至少能够涵盖六个主要方面的内容：证券投资工具、证券市场知识、证券投资基本分析、证券投资技术分析、证券投资方法与交易技巧、证券投资风险防范与管理。这些内容缺一不可。

2.3新颖性原则

教材建设一定要体现编、著相结合，不断纳入国内外最新的理论知识和研究成果，同时要不断的结合我国金融行业、证券行业改革的实际，总结提炼出一些能上升为理论成果的东西编入教材中，增强教材的创新性，使学生既能够了解该学科知识前沿，又能够紧跟改革时代潮流，不断增进知识。

3目前高校证券投资学教材建设面临的问题

高校证券投资学教材一经编定成型，则具有相对的稳定性，而目前我国经济发展和金融改革的较快，教材建设如何与之适应，适时修订推出新版与变化了的实际相匹配，成为教材建设面临的一大问题。近年来，我国经济和金融改革向纵深推进，新的实践、产生一些新生事物，例如优先股的重启、个股期权制度的实施等等。经济实践和改革需要理论指导，同时又需要把新兴实践提炼和上升为理论。此外，我国经济已经步入全球化轨道，金融市场的发展也要吸取发达市场经济国家好的机制、制度、模式和经验，并与中国实际相结合。这就使得教材建设以及教材的再版修订要不间断的吐故纳新。解决这一问题，要求高校教师和教材建设者们，一是要走出校园，关注社会经济发展的动向以及我国证券市场与世界市场接轨的进程，必要时实地进行一些考察和调研，增进认识；二是要不断总结与思考，提炼出或借鉴学术界的研究成果，融入教材建设中，使教材不断更新，知识更加前瞻，体系更加全面。

4目前经管类证券投资学教材建设应注意的问题

4.1教材编著要强化宏观基本面分析方面的内容

证券投资学相当大的一部分内容涉及证券市场，证券市场是经济发展的晴雨表，而经济发展总是受制于宏观基本面的变化，因此，在教材建设中，强化宏观基本面分析显得十分重要。宏观基本面分析当然首先要完整介绍宏观经济分析，包括宏观经济基本面分析的方法，如总量分析法、结构分析法等，以及宏观经济指标及对证券市场的影响，宏观经济政策及对对证券市场的影响；其次，要进行产业分析、行业分析，领会我国产业结构调整和优化的现状；再次，要进行微观基本面——公司的分析，包括公司的财务分析、价值分析。目前出版的教材，有的对宏观基本面分析编著内容不够充分和深入，比如，缺乏行业分析、板块分析、热点分析，有的对微观基本面诸如公司价值分析很不细致，使得教材内容体系不尽完整。

4.2证券投资学教材要精简投资模型和量化分析方面的内容

证券投资学教材中，一些诸如马科维茨选择资产组合方法、投资组合管理业绩评价模型以及量化分析交易等内容，对于金融、投资类专业学生来说是必要的，这毕竟是他们的核心专业课程，应该也必须掌握这些现资组合与分析理论。但是，对于一般经贸和管理类专业，证券投资学不是其专业核心课，开设这门课程目的只是培养学生必须掌握的金融证券的基本知识、基本技能，培养学生的投资意识和一定的投资水平，而不是执业能力。因此，没有必要大量介绍一些西方投资学中的看似高端的模型分析和量化分析理论，这些较为复杂的投资理论，学生学习起来难度很大，一般不易学懂，如果学得似懂非懂，反而难以正确指导其投资理财活动。

4.3教材建设应紧密联系市场经济发展实际，内容方面不断推陈出新

近年来，我国证券市场发展中，不断涌现出沪港通、深港通、熔断机制等新事物。沪港通，即沪港股票市场交易互联互通机制，指两地投资者委托上交所会员或者联交所参与者，通过上交所或者联交所在对方所在地设立的证券交易服务公司，买卖规定范围内的对方交易所上市股票，沪港通包括沪股通和港股通两部分。沪港通下的股票交易于2014年11月17日开通。深港通，是深港股票市场交易互联互通机制的简称，指深圳证券交易所和香港联合交易所有限公司建立技术连接，使内地和香港投资者可以通过当地证券公司或经纪商买卖规定范围内的对方交易所上市的股票，2016年12月5日，深港通开通。沪港通和深港通的实施，有利于投资者更好地共享两地经济发展成果；促进内地资本市场开放和改革，进一步学习借鉴香港比较成熟的发展经验。熔断机制（CircuitBreaker），也叫自动停盘机制，是指当股指波幅达到规定的熔断点时，交易所为控制风险采取的暂停交易措施。2015年12月4日，上交所、深交所、中金所正式指数熔断相关规定，后于2016年1月8日暂停。熔断机制虽然目前不适合我国国情，没有坚持下去，但是它控制风险保护投资者的功能还是值得肯定。对于这些新兴知识和内容，教材应该予以介绍，一般可以有两种方法处理：一是增加教材附录，通过附录加以介绍；二是在相关章节增加专栏，介绍这些内容。学生了解和学习这些内容，可以增强适应证券市场活动的能力。

4.4增加案例分析方面的篇幅

案例是指对某一具体现象的描述、总结和分析。一般可以在投资、管理实践和教学中运用。案例有真实性；典型性；有效性；完整性；可读性五大原则，案例易于被学生接受和理解，具有指导作用、借鉴作用和经验积累作用。证券投资学是一门应用型极强的学科，为了使学习者增进投资分析能力和投资活动的实践能力，教材编写中适当增加案例可达到事半功倍的效果。在投资学教材内容体系中，产业与行业分析，公司财务分析，K线、均线、技术指标等技术分析章节以及风险防范和组合管理等章节均可以编附案例，通过案例及其分析增强对理论知识的理解与把握。已近出版的教材，案例方面的内容不太多，再编时，适当增加案例篇幅很有必要。总之，在改革深入推进，证券市场不断发展的今天，突出重点，精心组织，追求教材建设的高质量，已经成为当今证券投资学教材建设的重要任务。高校教师既要教书育人，更要地做好教材建设工作，使学生真正能够学到系统、新颖的理论知识，并由此提升应用技能，更好地适应市场经济发展和现代化建设的需要。

参考文献

[1]教育部关于“十二五”职业教育教材建设的若干意见[Z].教职成〔2012〕9号.

[2]曾贵，王超.应用型高校《证券投资学》课程教学改革研究[J].湖南学院学报，2015（2）.

[3]孙兆明.非金融专业《证券投资学》课程教学改革的几点思考[J].长春金融高等专科学校学报，2012（9）.

第8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9篇

尽管量化投资已经成为市场投资的发展趋势，但是大多数投资者并不是很熟悉量化投资。一方面是由于量化投资一定程度上依赖数学模型，而赚钱的投资模型都是机构的秘密武器，不会轻易披露。另一方面是由于量化投资采用计算机系统，设计各种交易手段，有着较为复杂的数学计算与技术要求，现在许多量化投资都是计算机自动执行的程序交易。另外，量化交易者，俗称宽客（quants）的交易和故事多多少少增加了量化投资的神秘感。所以，人们一般把量化投资称为“黑箱”。纳兰（Narang，R.，2012）描述了量化交易系统的典型构造，打开了量化投资的“黑箱”。纳兰认为阿尔法模型用来预测市场未来方向，风险控制模型用来限制风险暴露，交易成本模型用来分析为构建组合产生的各种成本，投资组合构建模型在追逐利润、限制风险与相关成本之间做出平衡，然后给出最优组合。最优目标组合与现有组合的差异就由执行模型来完成。数据和研究部分则是量化投资的基础：有了数据，就可以进行研究，通过测试、检验与仿真正确构建各个模型。预测市场并制定策略是量化投资的核心，即阿尔法模型在量化投资中处于核心地位。随着量化投资的不断发展，量化投资模型也在不断改进。简单的策略可能就是证券或组合的套利行为，如期现套利组合、市场异象研究中的差价组合等。统计套利策略是经典的量化投资策略，如匹配交易或携带交易。近年来，高频交易成为量化投资的重要内容，基于高速的计算机系统实施高频的程序交易已经是量化投资的重要利器。丁鹏（2012）将量化投资的主要内容分为以下几个方面：量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、ETF/LOF套利和高频交易等。他认为量化投资的优势在于：纪律性、系统性、及时性、准确性和分散化。

二、量化投资“黑箱”中的构造与证券投资学的差异

在传统的证券投资学中，投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想，后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类，而量化投资则是“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”。从概念看，量化投资既不是基本面分析，也不是技术分析，但它可以采用基本面分析，也可以采用技术分析，关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示，本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。

（一）资产定价与收益的预测

根据组合优化理论，投资者将持有无风险组合与市场风险资产组合，获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合，认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价，超过的部分就是超额收益，即投资组合管理所追求的阿尔法值。追求显著正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中，法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说，在因素定价方面，量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择，证券投资学认为，对资产价格的影响，长期应主要关注基本面因素，而短期应主要关注市场的交易行为，即采用技术分析。在量化投资中，主要强调按照事先设定的规则进行投资，这在一定程度上与技术分析类似。但是，在技术分析中，不同的人会有不同的结论，而量化投资则强调投资的规则化和固定化，不会因人的差异而有较大的不同。另外，量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。

（二）无套利条件与交易成本

在证券投资学里，流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券，投资者可以自由买卖证券。这主要是为了保证各种交易都能实现，如套利交易。根据套利定价理论，一旦市场出现无风险的套利机会，理性投资者会立即进行套利交易，当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中，对市场中套利限制与非流动性的关注较少，这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下，金融资产交易的过程及其结果，旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中，不同的市场微观结构对市场流动性的冲击是不同的。因而，从量化投资的角度看，为了降低交易带来的价格冲击，能实施量化投资策略的证券往往都应有较好的流动性，因为交易时非流动性直接影响投资策略的实施。从这个意义上讲，量化投资时的交易成本不仅包括交易费用，更主要的是要考虑市场交易冲击的流动性成本。

（三）风险控制与市场情绪

在证券市场中，高收益与高风险相匹配。量化投资在追求高收益的同时，不可避免地承担了一定的风险。在证券投资学中，系统性风险主要源于宏观经济因素，非系统性因素则主要源于行业、公司因素，并且不考虑市场交易行为的影响。在量化投资中，较多地使用因素定价模型，不仅会考虑市场经济因素，而且会考虑交易行为等因素，只是不同的模型有不同的侧重点，在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外，量化投资还有自身不可忽视的风险源。一方面，量化交易中，部分交易是采用保证交易的期货、期权等衍生品交易，这种杠杆交易具有放大作用，隐藏着巨大的风险。另一方面，市场冲击的流动性成本也是量化投资的风险控制因素，理所当然地在图1的风险控制模型中体现出来。另外，在一般的投资过程中，市场情绪或多或少会成为风险控制的一个对象。然而，在量化投资中，更多的交易都是通过计算机来实现的，如程序交易等，这样以来，投资者情绪等因素对投资决策的影响相对较小。所以，在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪，主要是通过承担适度的风险来获得超额回报，因为毕竟减少风险也减少了超额回报。

（四）执行高频交易与算法交易

在对未来收益、风险和成本的综合权衡下，实现投资策略成为量化投资的重要执行步骤。为了达到投资目标，量化投资不断追求更快的速度来执行投资策略，这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里，技术分析认为股价趋势有长期、中期和短期趋势，其中，长期和中期趋势有参考作用，短期趋势的意义不大。然而，随着计算机信息科技的创新，量化投资策略之间的竞争越来越大，谁能运作更快的量化模型，谁就能最先找到并利用市场错误定价的瞬间，从而赚取高额利润。于是，就诞生了高频交易：利用计算机系统处理数据和进行量化分析，快速做出交易决策，并且隔夜持仓。高频交易的基本特点有：处理分笔交易数据、高资金周转率、日内开平仓和算法交易。高频交易有4类流行的策略：自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法：产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行，目前“算法交易”比较流行。算法交易优化买卖指令的执行方式，决定在给定市场环境下如何处理交易指令：是主动的执行还是被动的执行，是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。

三、对量化投资在证券投资教学中应用的思考

从上述分析可以知道，量化投资的“黑箱”构造与证券投资学之间存在一定的差异，因此，在证券投资的教学中应当考虑量化投资发展的要求。

（一）市场微观结构与流动性冲击

在理性预期和市场有效假说下，市场价格会在相关信息披露后立即调整，在信息披露前后市场有着截然不同的表现。在证券投资学里，一般认为价格的调整是及时准确的，然而，现实的世界里，价格调整需要一个过程。在不同的频率下，这种价格形成过程的作用是不同的。在长期的投资中，短期的价格调整是瞬间的，影响不大。然而，在高频交易中，这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型：存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响，解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程，认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型，这些市场微观结构的研究加强了流动性与资产价格之间的联系，强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容，因而，为了加强证券投资学的实用性，应关注市场微观结构的内容与发展。

（二）业绩评价与高杠杆

对于证券组合而言，不仅要分析其超额收益和成本，还要考虑其风险与业绩。在组合业绩评价中，一方面要考虑风险的衡量，另一方面则要分析业绩的来源。在证券投资学中，组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言，市场时机和管理者的能力依然重要，然而，量化投资的业绩评价还应考虑另一个因素：高杠杆。量化交易中，部分交易是采用保证交易的期货、期权等衍生品交易，这种杠杆交易具有放大作用，在市场好的时候扩大收益，但在市场不好的时候会加速亏损，这些与传统的业绩评价就不太一样。在一般的证券投资学里，业绩评价主要考虑经风险调整的收益，很少考虑其杠杆的作用，这不仅忽略了杠杆的贡献，而且有可能夸大了投资者的技能水平。

（三）人为因素与模型风险

在量化投资中，非常注重计算机对数据和模型的分析，这突出了量化投资的规则性和固定性。然而，实际中，别看量化采用了各种数学、统计模型，但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究，并借助计算机实施策略，能够消除很多认为的随意性。但是，量化策略毕竟体现投资者的交易理念，这一部分依赖于投资者的经验，一部分依赖于投资者对市场的不断观察与更新。实际上，人始终处于交易之中，对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性：决策实施依赖于人的设定，而人的设定不仅依赖于经验，而且人还会犯错。人之所以会犯错，一方面是因为人们对市场的认知是不完全的，另一方面则是人们使用了错误的模型。经典的证券投资理论中，股票价格的变动被认为是随机的，小概率事件出现的机会比较小，但是经验研究表明股票收益率具有肥尾现象，小概率事件发生的机会超出了人们原先的认识，即市场还会出现“黑天鹅”。更为关键的是，量化投资更依赖数学和统计模型，这就使得量化投资存在较大的模型风险，即使用了错误的模型。为了防范模型风险，应采用更为稳健的模型，即模型的参数和函数应该适应多种市场环境。近年来，研究表明，证券收益及其与风险因素的关系存在较大的非线性，同时，市场中存在一定的“噪声”，采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。

（四）2013年诺贝尔经济学奖的启示

第10篇

市场所谓的“二八”风格切换呼之欲出，如果继续看好后市，投资于大蓝筹的指数基金或许是下阶段最好的选择。除了耳熟能详的传统指数，新近又有两只“新兴”指数基金问世，包括博时超大盘和嘉实基本面50。

风格切换来临?

当人们热烈议论风格切换会否立即发生的时候，它似乎又是迟迟不来。就在上周，市场开始呈现“二八”格局，金融、地产、石化等集体飙升，而中小盘题材股则纷纷下挫，创业板更是下跌明显。截至12月4日收盘，上证综指周涨幅为7.13％，为2009年3月以来的最大单周涨幅，沪深300指数更是大涨7.72％。

不过本周的调整却突然不期而至，大盘蓝筹股的上涨步伐暂时停止，对于后市的观望气氛也日渐浓重。不过仍有不少机构认为，市场中期上升趋势不改，短期震荡的局面也将继续存在。同时，对蓝筹股的叫好声也渐渐响起。

诺安基金认为，自9月以来，小盘股和大盘股的分化明显，在多数小盘股已经创出8月以来新高的同时，指标股依然徘徊在3100-3200点的水平。小盘股的压力不仅来自于大小盘股的分化，更来自于自身估值已经较多透支2010年的业绩表现。从价值的角度上来说，小盘股表现的问题不在于预期的改善而在于现有乐观预期能否逐步兑现。至于题材股，尽管多数情况下脱离价值表现，股价更多的是博弈的结果，但由于市场整体上依然处于震荡上行的过程中，震荡中题材股会面临收益兑现的压力。

此前的走势，尤其是12月4日的走势表明在大小盘股分化严重的背景下，市场存在内在的修正需求。大盘股大幅上涨和小盘股大幅下跌同时发生，也说明市场仍然相对谨慎(乐观的情况应当是大盘股的上涨伴随小盘股的小幅震荡)。同时，在资金方面可能面临一定程度的压力。

博时基金ETF组投资总监王政表示，大盘短期或将出现一定调整，但市场中长期向好的趋势并未改变。更值得关注的是，近期市场的调整蕴涵着风格向蓝筹股转换的迹象，这将为投资者布局蓝筹股提供较佳的时间窗口。

王政认为，从估值上来看，一轮牛市都会经历估值修复、估值推动以及估值泡沫三个过程，而现在市场处于去泡沫的过程中。可以看到的是，2009年国内A股市场经历了绝望中见底、犹豫中逼空、震荡中分化三个明显的阶段，当前震荡的运行态势并不意味着上涨趋势的结束。可以看到的是，现在市场普遍预期，明年和后年的企业盈利增速可能都保持在20％以上(2009年盈利预期和2010年A股的盈利增长预期都在25％以上)。中金对此的预测更是达到28.3％，比较乐观。

同时，王政指出，从8月至今，小盘股已持续跑赢大盘股3个多月，小盘股板块相对大盘股板块的超额收益也接近历史峰值，未来市场风格或将向大盘蓝筹股转换。

数据也显示，在11月23日，代表中小盘的中证500指数点位已达到2007年“5・30”行情的水平。特别是经历了自今年8月份的调整后，中小盘股受到资金的追捧，10月初以来的反弹也使得中证700早在11月初就超越前期4111点的高位。

而与中小盘股的持续上扬相比，银行、石化等大盘蓝筹股整体估值偏低，经历11月23日当周大跌后，代表超级蓝筹股的上证超级大盘指数亦表现相当稳健。

对于呼之欲出的蓝筹股行情，目前唯一的分歧在于流动性，这也是投资者最需要关注的问题。对于银行股通过市场再融资的传闻，以及收缩流动性的预期都有可能影响风格切换的进程。

关注蓝筹指数基金

蓝筹基金在这样的市场环境中，亮点并不在于获得超额收益，而在于其风险收益比非常合理。而主要投资于蓝筹股的基金，则首推指数基金。

在上涨市场中，指数基金经常成为最大的赢家。银河证券基金研究中心的数据显示，标准指数基金今年前11个月单位净值平均增长86.98％，领先标准股票基金达17.76个百分点。在其他主要基金品种持续净赎回的情况下，指数型基金一枝独秀保持整体净申购，三季度束份额为2220亿份，较去年底增长39.72％。

传统的具有大蓝筹概念的主要指数包括沪深300、中证100、上证50、上证180。

从统计数据看，共有27只指数型基金将于年内成立。其中沪深300占据一半以上，这只指数由于横跨沪深两市，汇集了A股市场上近90％公司利润的沪深300指数，一举成为今年最具人气的投资品种。围绕着这一指数的基金产品层出不穷。同时由于这只指数和传闻中的股指期货有千丝万缕的联系，所以知名度较高，也很受投资者认可。对投资者来说，这确实是个不容易出错，也同时比较大众化的选择。

和沪深300关联度很高的指数，是中证100指数。这只指数是从沪深300指数样本股中挑选规模最大的100只股票组成样本股，综合反映沪深证券市场中最具市场影响力的一批大市值公司的整体状况，重点在于其“大市值”，比如宝钢股份、大秦铁路、中国神华等大盘蓝筹股均是中证100指数的权重股。

中证100指数的100只成份股差不多覆盖了沪深两市60％的市值，从这个角度说，中证100指数对A股市场具有巨大的杠杆作用。由于占据60％的市场权重，因此中证100指数的涨跌也和A股市场走势直接相关。目前跟踪中证100的基金包括华宝兴业中证100、长盛中证100、中银中证100，还有目前正在发行的华富中证100。

除此外，上证50和上证180的成份股则主要是上交所上市的蓝筹股。这两只指数的大部分成份股和沪深300重合，从表现来看也与之不相上下。相关的基金包括上证50ETF、上证180ETF等等。

另外一些表示可以击败指数的基金也值得一看。比如杠杆型基金瑞和沪深300，还有最近发行的富国沪深300指数增强基金。富国沪深300是采用量化方法主动增强的指数型基金产品，可谓市场中的新事物。简而言之，这只基金主要投资于沪深300成份股。但并菲完全复制，而是试图用数量化的方法，力求战胜沪深300指数。

“新兴”指数亮相

除了目前市场上既有的指数基金，即将问市的博时上证超级大盘指数ETF，将带来大蓝筹基金的新选择。这只指数最大的亮点在于“等权重”，其成份股由国内20家规模最大、流动性最强的超级蓝筹股组成。每只成份股指数权重为5％的等权重计算，每年1月和7月的第一个交易日分别进行一次调整。同时，为了避免标的指数出现“一业独大”和“一股独大”的情况，该指数还特别采用了行业比例限制，即限定同一行业样本股不超过6只。

和我们印象中超大盘收益率偏低的印象有所不同，根据中证指数公司历史模拟数

据显示，从2005年第一个交易日至2009年10月30日，该指数最高涨幅达539.06％，高于同期沪深300指数498.01％以及上证综指390.20％的涨幅。

国泰君安金融工程负责人蒋瑛琨表示，等权重指数是市值加权指数的改进方向之一。统计显示，在较长时期内，S＆P500等权重指数能跑赢市值加权的S&PS00指数。目前道琼斯、MSCI、德交所等许多指数编制机构也都编有等权重指数，许多等权重指数也有很多跟踪资产，如S&PS00EWI的跟踪资产在2006年底超过84亿美元。

另外即将发行的升级版指数基金――嘉实基本面50指数基金也颇有看点。基本面50指数采用基本面价值分析挑选出护深两市50个具备良好盈利能力的好公司，并且进行了权重优化。通过基本面指数选出好公司，打破了传统大盘股指数只选大公司的局限。根据天相数据显示，在目前的基本面50指数成份股中，不仅有工行、招行等沪市大盘股，同时包含了万科等深市绩优蓝筹股，并且行业分布更均匀，成份股权重配比更为优化。

华安宝利获五年期五星评级

华安宝利基金在近5年年化回报率排名中列第三位，并获得晨星五年期五星的最高评价。华安宝利基金最近5年年化回报率高达41.14％，在37只成立超过5年的混合型基金中位居第三。

工银大盘蓝筹获“金算盘”奖

工银大盘蓝筹基金以稳健的业绩喜获“金算盘”大奖。该基金自2008年8月4日成立以来，经历多种市场形态的交警考验。截至2009年11月27日，工银蓝筹已累计实现收益54.58％，净值增长率超过业绩基准近36％，并累积分红每份0.2元。

诺安灵活配置获“全算盘”奖

诺安灵活配置基金近日荣获“金算盘”奖。该基金成立于2008年5月，是一只典型的混合型基金。诺安灵活配置基金最近半年和最近3个月的净值增长率均列同类基金第一。

光大保德信“量化投资”见效

2004年8月成立的光大保德信量化核心基金是国内首只量化基金，在多年投资中业绩表现较为出色。截至2009年12月4日，该基金今年以来净值增长率为91.67％，在170只偏股型基金中排名第11位。

嘉实基本面50指基发行

嘉实基本面50指数基金已在工行、中行、农行、交行、招行发行。该基金跟踪中证锐联基本面50指数，投资于两市基本面价值最佳的50只股票。这将是国内首只基本面指数基金，代表了指数基金的一次全新升级。

第11篇

分级基金：杠杆效应是柄双刃剑

2007年7月17日国内首只创新型封闭式分级基金面世，目前市场上共有7只分级基金，包括3只封闭式、3只指数及2010年3月发行的1只主动开放式，其中3只封闭式基金的近期收益见附表。纵观这7只基金，既有封闭式基金也有开放式基金，设计方式类似，都有满足相对保守投资者设计的低风险份额和相对激进投资者设计的高风险份额。另外，又有一条主线将它们区分开来，即收益分配方式。从国内分级产品的特色来看，其核心主要是针对基金份额进行收益风险的重新设计，将基金份额分成具有明显风险收益属性的不同级别，从而满足不同投资者的需求，单从设计层面上讲具有一箭双雕之功用。目前分级基金正如火如荼，某种程度上也说明适应了市场的投资需求。

某种程度上，杠杆效应可能是吸引投资者关注分级基金的一大因素。简单来讲，杠杆效应相当于高风险份额向低风险份额借入资金，将两份额资产混合起来投资，以期获得超额收益，同时允诺低风险份额某一基准收益率。需要警惕的是，高风险份额在放大了投资收益的同时也提高了风险。最后的结果是高风险份额可能获得超额收益，也可能损失翻倍。简单来说，高风险份额向低风险份额借入资金的成本为2％，如果基金的收益率为5％，高风险份额相当于获得了额外的3％的收益，相反如果基金的收益率为-1％，高风险份额除了要承受基金的损失还需要支付2％的融资成本。

在关注分级基金特色的同时，也应关注基金的投资目标和策略等。分级基金首先是基金，其次才是其创新性。分级基金的杠杆效应是在基金收益的基础上面做设计，少了基金本身获取收益的能力，分级基金的杠杆效应也如空中楼阁，有时会起到相反的效果。

量化基金：挑战传统的基本面分析

量化基金，简单理解就是依据数量化的技术进行资产管理，有别于传统的基本面分析，主要运用数学理论和复杂的统计手段构建投资策略。自1971年富国银行发行跟踪纽约证券交易所1500只股票的指基以来，数量化技术便逐渐被人们认识，量化基金应运而生。海外量化基金的优异表现曾经一度引起了许多人的关注，这种设计思路也逐步被引入国内基金产品设计中。

量化基金有别于普通基金的运作模式，普通基金依靠基金经理做决策该买卖哪些股票，在什么时候交易，量化基金最明显的优势在于计算机模型的处理效率远高于人脑，在海量股票选择中占有绝对优势。量化基金的研究成本比主动管理型基金要低得多，成千上万只股票如果单靠分析师去研究并挑选，研究成本会很高。而量化基金主要依靠计算机模型来做决策，相对而言，研究成本会降低。多数量化基金的模型会按照基准指数的投资组合去挑选具体的行业和股票。这个流程会降低主动管理型基金经理凭主观推断和情绪化去选择某一行业或者某只股票的风险，这也是其优势之一。

由于量化基金的这些优势以及业绩上的优异表现，此类产品在国外一度被很多投资者所津津乐道。据一份研究资料表明，1981～2000年，使用量化技术的增强型指数基金普遍战胜了业绩基准。然而近年来海外量化基金失效及黑箱子现象使所有人开始重新审视量化基金的有效性和未来(失效主要是指2007年8月以来量化基金的业绩相比非量化基金普遍表现不佳；黑箱子是对某些量化基金操作方式的一种形象地描述，量化基金的模型和投资方法并不是公开的，基金经理就好像在一个黑箱子里面进行操作一样)。模型结构的相似性将直接影响模型的有效性及流动性。模型最主要的功能是通过有效识别因素寻找被低估的股票。发展之初，可能证券间的相关性不是很强，模型对识别错误定价的证券是有效的，但随着市场的发展，相关程度也不断增加，有效性可能会减弱。从模型的具体操作来看，量化模型主要是根据历史数据来构建，它吸收新信息的能力比较缓慢和迟钝。一旦外部环境发生变化或发生某些重大事件，如基本面上的变化等，其有效性可能就会受影响。

指数型QDII：另辟蹊径的QDII

国内首只指数型QDII――国泰纳斯达克100指数基金的发行，标志着QDII基金产品设计另辟蹊径，将逐渐朝着多样化格局发展。未来QDII市场可能形成主动和被动投资型产品共存的局面。某种程度上说，指数型QDII的出现是国内基金公司在首次出海投资探索经验的一个调整。从投资策略上说，主动和被动投资很难说孰优孰劣。然而现阶段，在海外投资环境相对复杂，海外投资经验和人才缺乏，指数型QDII的优势可能更甚于主动投资型QDII，并可能成为QDII发展的主流趋势。

第12篇

【关键词】 杜邦分析； 有用性； 灰色关联

中图分类号：F832.48 文献标识码：A 文章编号：1004-5937（2014）13-0041-03

一、引言

近几年我国资本市场得到了长远发展，越来越多的家庭和企业参与到资本市场中，截至2014年2月，我国股票市场有效账户数已经达1.33亿。在美国等发达国家，家庭更多的倾向于通过投资基金间接参与股票市场，而在我们国家更多的家庭选择直接参与股票市场。因此股票市场的涨跌影响着众多家庭的财产收益。而在目前股票市场经历几年的低迷，投资价值凸显的背景下，研究股票市场的投资方法显得更具现实意义。

关于股价的分析方法，目前主流的有技术分析法和基本面分析法。技术分析法侧重于股票价格和成交量的研究，凭借历史经验的数据来预测未来的股价运行，分析过程以图表作为分析工具，因此也叫图表分析法。基本面分析法认为，公司的盈利能力越强，给股东的回报越高，相对应的股份价值越大，因此公司的盈利能力决定了公司的股价。该方法侧重于研究公司的财务状况，经营成果和现金流量等财务信息。从国内外的历史经验看，技术分析法适用于短线投机，基本面分析法适用于长线投资。因此基本面分析法显得更为理性，像巴菲特等众多投资大师都通过基本面分析法参与股市投资。本文也立足于基本面分析法，即公司的盈利能力来探究股价的运行规律。

二、理论分析

评价企业盈利能力的综合指标是净资产收益率，该指标利用净利润与所有者权益之比来反映所有者投资的获利能力。而杜邦分析是以净资产收益率为核心反映企业盈利能力的评价系统，是典型的利用财务指标之间的关系对企业盈利能力进行综合分析的方法。

理论上，净资产收益率越高，股份价值越大，该指标与股价成正相关。拆解后的三个指标分别为权益乘数、总资产周转率、销售净利润率，三大指标和净资产收益率都是正相关的关系，因此，它们与股价也成正相关。权益乘数越大，所有者资本占全部资产的比重越小，企业负债的程度越高。只要企业的资产报酬率高于负债利率，企业更多地举债对所有者来说就可以获取更多的利润，从而股份价值增长，股价上升。总资产周转率越高，表明企业的资产周转次数越多或周转天数越少，是企业营运能力增强的体现。该指标的上升往往是营业收入的增长而不是总资产的下降所致，而营业收入的增长会给所有者来带来更多的利润，从而股份价值增长，股价上升。销售净利率高表明销售商品的营业收入扣除所有费用后净利润的提高，往往通过企业商品毛利的提高或者期间费用的有效控制实现，而这也意味着企业所有者获取更多的利润，从而股份价值增长，股价上升。

三、实证分析

通过理论分析股价与益乘数、总资产周转率、销售净利润率成正相关关系。下面进一步看实证的结果。在国内蒋贤品、鲁爱民等从定性的角度加以介绍和分析，直接利用杜邦分析体系和指标来评价和预测公司的价值。朱宏泉、舒兰等（2011）仅用回归的方法分析了盈利指标与企业价值的相关性，并且没有分行业进行研究。因此分行业并且对财务指标投资有用性进行灰色关联分析是本文的创新与研究内容所在。

（一）样本选取

样本选取的时间跨度为2008年至2012年，在这五年中，上证指数经历了以下三个阶段的牛熊市交替：从5 265跌至1 664，从1 664涨至3 478，从3 478跌至1 949。这样可以一定程度上避免市场总体表现对分析的干扰。同时，本文选取沪深两市18家旅游类上市公司作为研究样本。旅游行业属于弱周期行业，选其作为研究对象可以较大程度避免经济周期和经济政策对分析的干扰。本文中上市公司主要财务指标以及股价数据来源于东方财富网和相关上市公司所披露的年度报告。

（二）灰色关联分析

本文以灰关联分析法进行实证研究。灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统（或因素）之间的数值关系。灰色关联分析对于一个系统发展变化态势提供量化的度量，非常适合动态过程分析。在我国自邓聚龙于1987年首次提出邓氏关联度后，解决了许多过去难以解决的问题。

当进行灰色关联度计算数列的量纲不同时最好作无量纲化处理，此外还要求数列有公共交点。为解决这两个问题，计算关联系数之前，先将文章先对数列作初值化处理，处理结果如表1所示。

四、结论

作为常用的综合性价值评价工具，杜邦分析通过将资产收益分解为利润率、资产周转率和权益乘数，以反映企业经营业绩的各个不同方面和变化因素，为公司管理者改善经营业绩、投资者更好地判断公司的价值及变化，提供了一种简洁、有效的方法，因而受到人们的广泛关注，并在企业管理中发挥了巨大的作用。本文以A股旅游类上市公司为研究样本，探讨杜邦分析的核心指标和股价的相关性。结果发现：

1.杜邦分析在投资中存在有用性。股价波动与公司的权益乘数，总资产周转率和销售净利率存在相关关系，这也符合资产内在价值评估理论。

2.三大指标中权益乘数和资产周转率的有用性比较强，销售净利率有用性较弱。这说明资本市场能较好地反映公司的风险程度以及盈利能力，但对企业资产运营能力反映较弱。这符合证券投资分析的基本理论，证券投资主要考虑企业的风险和收益，而企业的资产运营能力不是关注重点。

3.杜邦分析中的三大指标能在证券投资中呈现较强的有用性，一定程度说明我国证券市场正趋向成熟并发挥价值发现的职能。作为投资者应当践行价值投资的理念，在充分运用杜邦分析等方法分析企业的财务数据后再进行投资配置。

【参考文献】

[1] 蒋贤品，祝锡萍.杜邦财务分析体系的扩展形式及其应用[J].数量经济技术经济研究，1999，16（5）：65-66.

[2] 鲁爱民，陈锦辉.实践中对杜邦财务分析指标体系的修改和运用[J].数量经济技术经济研究，2000，17（7）：73-75.

[3] 朱宏泉，舒兰，王鸿，范露萍.杜邦分析与价值判断――基于A股上市公司的实证研究[J].管理评论，2011，23（10）：152-160.

[4] 邓聚龙.灰色系统基本方法[M].武汉：华中理工大学出版社，1987：85-100.

[5] 严若森.公司治理评价及其灰色关联分析[J].技术经济，2009，28（7）：114-120.

第13篇

一、精确思维与模糊思维

精确思维是指用精确的，数字化的指标分析事物，是以定量分析为基础的纯理性思维，精确思维追求最大限度的严密性，它善于解决具有确定性、适于用数字指标进行量化分析的问题。模糊思维以人们的分析判断和洞察能力为基础，感性色彩较为浓厚，适用于解决确实性体现得不充分、难以量化的问题。在实际应用中，精确思维与模糊思维既相互对立，又相互统一，要辩证的看待精确思维与模糊思维的关系。比如：艺术创作，条件是模糊的，要得出的结论却是清晰的。股市走势预测，条件是清晰的，要得出的结论却是或然性的。

二、模糊思维与学科的结合

根据学科特点，将模糊思维与学科结合起来，能解决学科中用传统思维不能解决的问题。

1.模糊思维在于“顿悟”，使学生更具创新能力。顿悟主要是通过观察对情境的全局或对达到目标途径的提示有所了解，从而在主体内部确立起相应的目标和手段之间的关系完形的过程。在格式塔心理学家们看来，顿悟包含着一种特殊的加工过程，不同于常规的，线性信息加工思维。证券投资分析的结论具有或然性，引入模糊思维的培养，有助于学生发散思维，激发右脑的潜能，产生顿悟，有利于学生突破传统的理论模型，探索出新的理论模型，观点。

2.模糊思维通过近似方式勾勒事物轮廓，估测事件进程有利于提高学生处理问题的灵活性。金融环境是不断变化，宏观政策、企业重大事件、行业状况等因素都会影响股市的发展，即使用精确的思维推出确定的结果，然而外在因素影响仍然会使其向相反的方向发展。另外，推论出的结论将持续多久，什么时间将发生改变，这在实际情况中是不确定的，即使用精确的数学模型也难以求证出定量的结论。要使学生灵活的估测股市的走势，用发展的眼光处理问题，则要通过模糊思维的训练，不能采用绝对定量的数据衡量分析出的结论。通过基本面分析和技术分析方法分析出来的结果只能作为参考，遇到不同的分析方法分析出来的结论矛盾时，应灵活，综合的分析问题，用发展的眼光来判断。在证券投资分析过程中要多动脑，分析原因，推论过程与结果，从外到内，由表及里，理清发展与变化，变化同环境之间的关系，对事态发展就越能清晰的把握。模糊思维在于对结果亦此亦彼，能很好的处理非唯一结果的问题。

3.模糊思维有助于学生摆脱单一逻辑思维的束缚。证券投资分析过程要求人们将感知的内容进行加工、更新，比较，抽象并概括得出结论。这个过程就要求学生不仅要具备充足的理论知识，还需要较高的逻辑思维能力。逻辑思维是思维的基本形式，以机械的僵化的知识教育抑制学生的思维发展。在时代信息更新快速的大环境下，采用单一的认知是很难做出理想的分析结论，学好该门课，除了知识的把握外，学习方法和学习能力是关键，而学习方法主要是逻辑思维的方法，学习能力主要是逻辑思维的能力。学生从上学开始一直受精确思维的影响，解决问题的思维模式都比较单一，要求结论是精、准并量化。精确思维模式运用到证券投资分析中显然是不合理的，分析中所运用的理论模型通常都附加不同的条件，得出的精确结论也是存在在理想状态的前提条件。学生通过在这门课中长期的模糊思维训练，有助于摆脱单一思维方式的束缚，解放思维。

三、模糊思维在证券投资分析教学中的应用

《证券投资分析》是一门集理论、实践、开放于一体的课程，对历史和现在的行情信息采用经典的理论及模型分析，预测未来证券的走势。模糊思维运用到该门课程教学过程中，将使学生更准确、灵活的判断未来证券的发展态势。

1.理论教学中引入模糊思维的概念，讲解时多采用不确定性的词语，如“应该”、“可能性”、“可视为”、“大多数”、“相对来说”等，引导学生进入模糊思维的情境，启发学生的非线性思考思维，产生顿悟。例如：在讲解RSI指标的用法时，整理期间，RSI一底比一底高，是多头气势强，后势再涨一段的可能性大，为买进时机。反之，RSI一底比一底低，是多头气势转弱，下跌可能性大，是卖出时机。

2.在投资分析过程中引入模糊思维，多采用跳跃性思维讲解分析的内容，这样可以使学生摆脱惯性的线性思维的影响，发散思维。多提醒学生切忌机械照搬分析的套路，而应该多方面多方向进行投资分析。例如：在开展技术分析教学之前，首要任务是跟学生说明技术分析使用的注意事项，忌机械照搬技术指标，忌频繁使用技术指标。然后在开展技术分析教学过程中还要反复的进行强调，比如在分析ADJ指标时，K值大于80，短期内股价容易向下出现回档；K值小于20，短期内股价容易向上出现反弹；但在极强、极弱行情中K、D指标会在超买、超卖区内徘徊，此时应参考VR、ROC指标以确定走势的强弱。

第14篇

一、行业轮动策略

在国外，板块轮动一直作为一种投资策略被广泛应用于投资实践。板块轮动的最基本的特征是，在经济周期的不同阶段，可以系统的预测到不同的经济板块（或行业）跑赢（或差于）市场。而且，运用板块轮动策略的投资者们相信这种相对的绩效，即在经济周期的不同阶段从一个板块转向另一个板块所带来的收益。

国外不少的研究文章发现，板块的表现并不一致，或者说提前（滞后）于经济周期阶段。Hou（2007）发现了板块的提前/滞后效应，原因是新信息经济的到来。Hong，Torous和Valkanov（2007），还有Eleswarapu和Tiwari（1996）的研究认为，和经济活动有着密切联系的板块，如零售，金属材料，服务业和石油板块，引领着市场长达两个月之久。Menzly和Ozbas（2004）证明，行业绩效的时机和该行业在生产消费供应链中的位置有着密切的联系，存在于上游和下游行业间的某种稳定的滞后关系。文章结论表明，基础材料板块是经济复苏阶段第一个启动的板块，随后是制造业。Stovall（1996）发现，处于消费末端的消费者相关的行业，如耐用消费品行业，是从衰退到复苏阶段的过程中最后启动的行业。Sassetti和Tani（2003）关于板块基金收益的研究表明，在经济周期中期，板块转换是个成功的策略。然而，他们同样发现，长期的投资者优于市场指数。相对而言，Tiwari和Vijh（2005）就质疑投资者将资金运用于板块间轮动的能力。他们研究是基于一个板块基金数据，从1972年到1999年的数据，结果显示，板块轮动的投资者缺乏选择板块与时点的能力，并且在修正风险与交易费用的情况下，投资者并不能获得超额收益。

当前，国内的文献研究多是从行为金融学的角度对研究投资者行为推动的板块轮动现象进行研究的。何诚颖（2001）认为我国的股票市场的板块轮动现象具有明显的投机性，并可分为个股投机、板块投机和大盘投机三类，然后文章运用现代资本市场理论和行为金融学理论对板块现象分析，引用Shiller（1989）一文中的两类投资者（噪音交易者和知情下注交易者）的假设对板块现象进行了研究分析，并认为板块现象是一种市场投机，而且其形成与中??股市投资者行为特征密切相关。陈梦根、曹凤岐（2005）一文从市场中不同证券之间的价格关系出发研究股票价格间的冲击传导机制，认为在中国这样的转轨经济新兴市场中，投资者受政策预期主导，决策与行为趋同，一定程度上强化了股价冲击传导的动态作用机制，整个市场显著的表现为板块联动、股价齐涨齐跌现象。文章实证研究表明，在上海证券市场中，不同的行业板块在股价冲击传导机制中的重要性不同，也即存在着板块轮动的特征，但是证券市场股价波动的市场性显著地超过了不同行业板块的独立性，不同行业间的组合投资策略的绩效并非最佳。还有少量的文献研究认为存在着其他一些因素如资金流动，庄家炒作等也可以对板块轮动现象做出一定的解释。

可以看出我国股市板块轮动现象的研究，主要集中于板块现象的描述和测量，以及对板块轮动现象进行解释，且目前这些解释还多是停留在定性理解层面，缺乏系统定量的研究。另一方面将板块轮动现象作为投资策略应用于投资实践的研究则相对较少。尽管板块可以多种形式进行分类，然而以行业属性划分板块是最为基础的，也是投资决策应用最广泛的板块概念。

二、动量策略

动量效应也称惯性效应，是指在过去一段时间收益率高的股票，在未来一段时间的收益率仍然会高于过去收益率较低的股票，即股票的表现情况有延续原来运动方向的趋势。反转效应也称反向效应，是指在过去一段时间内收益率高的股票，会在以后的一段时间会表现较差；表现差的股票在以后的一段时间，其收益率会出现逆转趋势。

国外对于动量效应和反转效应的研究始于1985年，DeBondt和Thaler基于1926年至1982年美国证券市场上的股票交易数据，采用相等权重在赢家组合（也称为赢者组合，是指在一段时间内收益率高的股票）和输家组合（也称为输者组合，是指在一段时间内收益率较低的股票）上的方法，结果证实赢者组合的收益显著小于输者组合。然后，金融经济学者开始对动量效应和反转效应做出进一步探索，分别在不同的市场验证其存在与否。Chan（1988）研究发现股票在前期表现的好或者表现不好，这种表现在后期不能一直持续下去的，这与市场风险随时间的变化有密切联系。随着动量效应和反转效应的研究日益增多，其研究方法也趋于成熟。Jegadeesh和Titaman（1993）基于美国证券市场的股票交易数据对动量效应的存在性验证时所设计的动量策略被后来的研究者广为采用，这种经典方法也称为传统的动量策略。后来大量金融经济学家采用Jegadeesh和Titaman设计的策略，针对所研究市场的实际情况，对动量效应和反转效应进行存在性验证。Chang（1995）研究发现日本证券市场的股票价格具有短期的反转效应。Kaul和Conazd（1998）在研究美国证券交易所和纽约证券交易所1926年至1989年间的股票的动量效应和反转效应时，构造8种不同的投资时间期限，发现大约50%的投资策略组合具有显著性超额收益，在具有显著性收益的策略组合里面，动量策略和反转策略所占的比 例基本相等。Rouwenhorst（1998）在研究欧洲地区的证券市场时，选取了十二个国家的股票市场上的股票作为研究对象，发现股票收益在长期上没有明显的持续现象，而在中短期，股票市场的收益有持续现象；另外，在公司资产规模上做了对比，资产规模大或小的公司都具有动量效应，但是规模较小的公司的股票价格的动量效应在统计上表现更为显著。Schiereck（1999）在针对德国股票市场的日交易数据实证分析动量效应和反转效应，结果显示德国股票价格的动量效应表现在中期，反转效应则表现在短期和长期。Ahme和Nusrct（1999）在基于7个国家的股票市场股价的动量效应和反转效应，发现了股票价格在长期的表现均出现反转效应。Hamed和Ting（2000）以马来西亚的证券市场为研究对象，对股票的动量效应和反转效应做实证研究，研究得出马来西亚证券市场和日本的证券市场的反转效应的时间基本一致，表现在短期。

在国内，吴冲锋和朱战宇（2005）研究我国沪深股票市场股票价格行为时，考虑我国市场的卖空限制，在运用重叠抽样方法，在形成期考虑收益率和交易量对股票进行排序，建立动量策略模型，考察动量策略的盈利情况，研究发现我国A股市场不存在动量效应。郝静轩（2006）通过滞后期、加权收益计算等改进的动量策略，考察改进后的交易策略对赢家组合的影响，实证结果显示，在考虑交易成本的情况下，改进的动量策略对赢家组合的收益有明显的提升。东凯（2010）研究动量策略的改进方法中，通过设定月度市盈率作为阂值来调整投资组合的方法显示，改进的动量投资策略的收益表现好于大盘的表现。张荣武，何丽娟和聂慧丽（2013）就我国股市的实际情况，运用HS模型的基础上，将我国股市中的投资者分为套利惯性投资者、动量交易投资者以及消息观察者，从三者的对技术和基本面的不同的关注视角出发，分别研究他们的投资决策对A股价格的不同影响。经验证，套利惯性投资者的一系列行为决策会加剧股市的反转效应，套利惯性投资者和动量交易者的决策行为均可以引发股市的动量效应。王俊杰（2013）对动量交易策略的择时上做了实证研究，研究发现动量策略交易时，在形成期之后，不直接购买，而是经过一定的滞后期再进入持有期，效果优于市场平均收益和传统动量策略方法。

综合国内外学者对动量效应和反转效应的研究，可以看出无论成熟发达的美证券市场，还是处于发展中的中国证券市场，大部分学者的研究支持证券市上存在动量效应和反转效应。就我国A股市场而言，对于动量效应和反转效的存在期的长短上程度上，由于采用的股票样本和研究时间区间不一样，国内者的研究结果存在差异的。

三、基本面策略

在传统资本市场理论中，价值投资并没显著的地位，当时的主流思想为有效市场假说，即市场能够完全准确的反映资产的价值，即投资者无法通过基本面分析、技术分析等手段得到超额收益。但随着二十世纪八十年代起，越来越多的研究发现，有效市场并不真正存在，投资收益并不能完全由风险来解释；市场中股票的价格存在偏离内在价值的情况，通过研究价格的偏差波动，能够实现正的超额收益，从而驳斥了经典EMH假设。基于市场非有效性，BenjaminGraham提出了价值投资的理念，其在《证券分析》中将其定义为：“基于详尽的分析，对本金的安全和满意回报有保证的操作”，通俗而言就是通过基本面的分析，同时考量一定的安全边际的选择投资策略。

在价值投资理念逐渐普及并被接受之后，国外学者针对价值投资的有效性进行了一系列检验。Fama和French于1992年，针对1963年至1990年在NYSE，AMEX，NASDQ上市的股票，将其分别按B/M与E/P指标进行研究。其研究显示：随着B/M及E/P分组标记的组别增加，其月收益率有明显的递增现象，同时，这一现象无法用公司的beta值来解释，这也就说明价值型的股票确实能够较成长型股票带来超额收益。Lakonishok，Shleifer和Vishny（1994）根据1963年至1990年在NYSE与AMEX上市的股票，针对高B/M的公司?^低B/M公司平均收益更高的现象进行了进一步研究。他们发现不仅在根据B/M排名形成公司组合的投资策略存在明显的超额收益，同时在根据C/P、销售增长率和E/P排名形成公司组合的投资策略也存在明显的超额收益。Fama和French于1998年，针对包括美国、EAFE国家成熟市场以及16个新兴市场国家的股票市场再次进行了实证研究。他们根据B/M，C/P，E/P和D/P区分价值股和成长股，从而形成投资组合。在13个成熟市场以及16个新兴市场中，均发现价值组合相较于成长股组合有明显的超额收益。

国内学者也对利用估值指标进行的投资策略进行了检验。王孝德与彭燕（2002）针对中国股票市场进行了实证研究，结果发现与国外成熟市场类似，价值投资策略在中国也能得到较高的超额收益。卢大印、林成栋、杨朝军（2006）根据股价、B/M、S/P以及E/P作为指标确定投资组合，发现价值型的投资组合确实有高于成长型股投资组合的收益率。林树、夏和平、张程（2011）基于B/M、C/P、E/P及GS，针对我国A股市场构造了投资组合，研究表明以单变量构成的组合中，大多价值型投资组合的收益率两年明显高于成长型投资组合；而以双变量构成的投资组合较单变量的显著性更高。即在中国股票市场，基于估值指标的投资策略仍然使用。

通过国内外众多学者的研究以及实证检验发现，价值投资在国内外的资本市场均能够产生正的投资收益，即根据公司的估值指标、财务指标均能有效的预测将来的公司收益，形成正投资回报的投资策略。

第15篇

2011年盈利增速：化肥农药、半导体产品、一般化工、有色金属等4个行业分别以138%、98%、97%、95%的预测增长率居前；水运、证券经纪、电力等行业预测增速分别为-123%、-14%、-2%，预计将是2011年增速最低的行业。。

计算机存储和设备、建筑原材料、人寿保险等分别以161%、1111%和96%的行业上涨空间位列前三。啤酒、证券经纪、生物技术等行业下降空间最大，幅度均超过40%。

机构认同度

盈利动能：与一周前盈利预测数据相比，信息技术与服务、航天与国防、休闲用品等行业的盈利增速调高幅度居前，上调幅度分别为6.61%、1.43%和0.79%；半导体产品、轮胎橡胶、综合华工等行业的盈利增速下调幅度较大，调低幅度分别为5.73%、5.56%、4.33%。

分析师评级：从过去3个月的变化趋势看，轮胎橡胶等评级不断上调，百货、啤酒、建筑材料、建筑与农用机械、重型电力设备、特殊化工品、其它石油设备与服务、非金属材料、贵金属、有色金属、银行、出版、水运等则有不断下调趋势。

目标价涨升空间：计算机硬件以57%的目标价涨升空间继续领跑，人寿保险、建筑材料等涨升空间均超过25%。排名相对落后的主要是出版、环保服务、水运、自来水、制铝业和生物技术等，涨升空间均不超过10%。

技术面扫描

白酒、建筑原材料、石油加工和分销连续第二周分享排行榜"三甲"，贵金属、煤炭、航天与国防、批发、钢铁、饲养与渔业、多种公用事业排名分列居前十。

本势行业排行榜排名大幅上升的行业包括：保健产品、医疗设备、影视音像、煤气与液化气、计算机存储和设备、林业品、综合性商务服务、饲养与渔业等。

本周建议关注行业和风险提示行业

建议关注：系统软件、信息技术与服务、航天与国防、纺织品、白酒。

提示风险：水运、制铝业、重型电力设备、半导体产品、钢铁。

我们的行业研究逻辑：

从三个方面入手寻找股价的驱动因素：第一、基本面，主要从盈利增长前景和估值角度考量股价，一般来说，估值较低的股票长期里终将回归合理估值水平；第二、机构认同度，机构的买卖无疑是股价变动的直接影响因素之一，受到机构青睐的股票更具价格上涨动力。我们用分析师数据的变化来捕捉机构认同度；第三、技术面，从行业的角度看，行业相对价格强度能够帮助鉴别股票是否处于领导性行业中，相对投资机会常常在上升的行业中，而处于下降行业中的股票则要注意风险。

本文将分别从基本面（业绩增长率、相对市盈率涨升空间）、机构认同度（盈利动能、投资评级、目标价涨升空间）、技术面（强势行业排名）等三个方面、多个角度对行业进行比较，并综合考量各种因素，对行业进行量化排名，最后我们会给出5个建议关注行业和5个风险提示行业，供机构投资者参考。因我们在行业量化排名过程中，以分析师数据为核心，故我们命名该排序方法为“天眼行业专家”。

根据"今日投资"4级行业划分（以摩根斯坦利行业划分标准为基础），目前上市公司共组成107个行业。我们仅选择分析师跟踪公司数量大于等于5个的行业（另外加入了人寿保险行业），共计68个。

基本面扫描

业绩增速有下调趋势

2011年盈利增速：三行业将现负增长

图1列出了各行业的业绩增速（2011年预测值）。其中，化肥农药、半导体产品、一般化工、有色金属等4个行业分别以138%、98%、97%、95%的预测增长率居前（详见图1）。与上期前四名增长率均过百相比，绝对增速有所下降；水运、证券经纪、电力等行业预测增速分别为-123%、-14%、-2%，预计将是2011年增速最低的行业。

相对市盈率涨升空间：啤酒和证券经纪垫底

根据相对市盈率上升空间（历史均值/相对市盈率）和相对业绩增长系数（行业业绩预测增长率/沪深300业绩预测增长率），我们计算出了各行业的股价超额收益上升空间（由于个股数据往往对行业均值数据有较大影响，我们的行业市盈率数据选取的是中值）。图2列出了各行业的股价超额收益上涨空间。计算机存储和设备、建筑原材料、人寿保险等分别以161%、1111%和96%的行业上涨空间位列前三。啤酒、证券经纪、生物技术等行业下降空间最大，幅度均超过40%。

分析师悲观情绪继续上升

盈利动能：盈利下调行业数量增加