金融量化投资范文

前言：我们精心挑选了数篇优质金融量化投资文章，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、新型文化业态特征、分类、发展等研究

国外关于文化产业的研究较早，但缺乏新型文化业态特征、分类等方面的研究。国内这方面的研究有：赵立志分析了新兴文化产业的特征以及四川的数字内容、文化旅游、版权等新兴文化产业的发展现状，提出了克服体制障碍、加大政策扶持等对策。张君君以湖南省为例，对文化产业新业态的含义、分类、产业特征以及湖南省文业产业新业态的发展现状、存在的问题及对策进行了分析，提出了盈利模式及融资模式的问题。王晓波、郭欣、杨帆以保定市为例进行分析指出，培育文化产业新业态需要加大政府的扶持力度、改革管理体制及运行机制。赵瑞政根据山西新型文化业态的发展状况、培育中存在的问题提出了改革相关体制机制、出台相关保障政策等对策。这些研究以局部区域为对象，对新型文化业态的特征、发展状况及对策等进行了分析，且涉及到体制机制、政策等方面，打下了一定基础，但不够系统、深入。杜丽芬、王国平和刘凌云对“新兴文化业态”的概念、分类及特征等进行了分析，但未涉及投融资等方面。刘忠指出新兴文化业态所具有的“新”特点、作用、制约因素及其光明未来，提到了投融资渠道不畅的问题，但未深入进行分析。肖荣莲分析了新兴文化业态的产生背景、特点以及意义与发展路径。黄伟一提出了新型文化业态的发展需要政府与民间组织的共同努力、其发展关键是要解决融资问题等建议。郭雁鸿从系统科学、产业经济学、传媒经济学角度分析了新型文化业态的发展机理。这些对我国新型文化业态的发展状况及机理等进行了研究，但未及其它。叶朗对2012年动漫游戏、网络新媒体等新型文化业态的发展相关情况进行了归纳与分析，还涉及到电影投融资状况等的分析，对我们具有启发意义，但还不够全面。崔文贞对新型文化业态的概念、分类以及对策进行了分析，并指出要提高专业化发展水平、实施更加优惠的税收政策等。这些研究涉及到新型文化业态的公共政策方面。杨宁对已有新兴文化产业的理论研究进行了综述，认为包括作为文化产业组成部分的新兴文化产业研究及作为独立研究对象的新兴文化产业研究两部分，并对其研究中的关注重点从五个方面进行了综述。上述研究为新型文化业态的研究打下了一定的基础，但这些研究还可进一步深入，而且缺乏关于新型文化业态投融资体制、机制和模式等方面的研究。

二、文化产业投融资体制及机制的研究

Brinkman认为国外保险公司在文化产品不同阶段提供的完善保险服务为文化企业赢得信贷融资提供了重要保障。Robert and Merton、Riding and George认为美国和日本等发达国家完善的中小文化企业担保、再担保体系为文化企业信贷融资问题提供了重要保障。这些研究指出了保险、担保的重要性，但未具体研究投融资体制及机制等。齐勇锋以山西省为例提出了构造区域文化投融资运营主体、放宽投资准入门槛等文化产业投融资体制改革策略。李贵斌和宋晓丹分析了国外文化产业投融资机制及大庆市文化产业投融资机制的策略选择，以期总结经验并探讨大庆市文化产业投融资机制创新模式。吴少新、张立勇、张远为提出以突破种种束缚我国文化投融资方面的体制性障碍为突破口，通过综合配套改革推动文化投融资机制改革。这些文献涉及到文化产业投融资机制、体制的研究，但研究不够系统。Phillip McCalma分析了外国直接投资在美国好莱坞电影投融资中的重要作用，并指出国际资本的介入丰富了美国文化产业的融资主体构成。余晓泓基于美国文化产业投融资机制的分析提出，当前解决我国文化产业投融资难题的首要办法是广泛吸收民间资金和国外资本。陈清华认为文化产业投融资机制创新的关键是要塑多元化投融资主体。这些文献涉及投融资主体的研究，但分析得不够深入。关于文化产业投融资的政策支持等方面，Braedon Clark以澳大利亚电影产业为例指出，税后优惠政策较之直接补贴更有利于吸引更多的私人资本投入电影产业。Nantes Métropole认为，吸引投资的一个困难常常是因为投资者在评估风险和无形资产估价方面存在的问题。公共政策在鼓励投资者方面扮演着重要的角色。并且指出西方国家常见的工具主要有贷款及担保、股权融资、税收优惠和政府资助、非货币支持措施。该研究指出了吸引投资的困难、公共政策在鼓励投资方面的作用以及西方国家常见的投融资工具。龙怒认为我国政府应出台更具吸引力的税收优惠政策以吸引企业投资文化产业，并通过有关政策引导，培育文化企业做大做强。魏鹏举指出国家政策激励及公共资金投入引导的重要性，并提出了建构公共资金引导的市场化文化产业投融资体系的思路和建议。李华成认为必须依靠政府对我国文化产业投融资制度加以完善。这些研究探讨了政府政策支持的重要性以及具体的支持方式，但研究不够全面。总之，已有研究具有一定的借鉴与启发意义，但不够全面系统且可进一步深入，而且缺乏关于新型文化业态投融资体制及机制的研究。

三、文化产业投融资模式的研究

Robert C. DiGregorio and Jr.指出，美国电影业目前已形成了诸如制片公司提供资金、独立发行商融资、融资、终端客户融资、贷款、预售协议等多样化融资方式。Laura Clayton and Hugh Mason认为英国创意产业中的中小企业在资金需求和融资渠道方面主要有透支、设备租赁或租购、权益融资、银行长期贷款、票据贴现等方式且各占一定比例。Bin Zhang and Xiaoyan Du基于英国目前的投融资形式得出利用资本市场积极融资、吸引风险资本等启发。高颖认为，西方发达国家文化产业的主要投融资模式主要包括银行贷款、投资基金、并购重组、无形资本融资及跨国融资等。可见国外的投融资方式及模式是多样化的。国内方面，罗华和方晓萍将创意产业投资模式分成国家与政府投资模式、民营投资模式、外资投资模式、基金投资模式四大类。周正兵和郑艳探讨了文化产业投资基金的发展模式。欧培彬提出应构建不同于传统融资方式的新型文化产业投资基金。高凌霁提出文化产业投资基金模式，并以华谊兄弟集团的融资模式为例进行个案分析。这些研究都分析了文化产业投资基金等投融资模式。刘丽和张焕波、胡晋芳和李莉、龙怒、李童、刘学华分别对北京市、西安市、云南、陕西、上海等区域的文化产业投融资模式、方式进行了分析并提出了相应的政策建议。杨靖吉提出我国文化产业初创期应以内源融资模式为主，成长期应以债权融资为主，成熟期应以股权融资为主，强调不同时期应采用不同的融资模式。辛阳对中美文化产业的投融资机制、方式以及投融资效率进行了比较分析并提出了完善我国文化产业投融资体系的建议。可见，目前关于文化产业投融资模式、方式的研究中，国外文化产业投融资方式更加多样化，而我国文化产业发展过程中融资方式还比较单一，需要加快融资方式的创新等。简言之，这些研究具有重要的参考与借鉴意义，为进一步的研究打下了重要基础，但仍需深入，而且缺乏关于新型文化业态投融资模式方面的研究，更缺乏以“两型社会”为视角的研究。

四、新型文化业态与“两型社会”与之间关系的研究

王克修分析了“两型社会”与新文化业态的理论关系，并对推动长株潭“两型社会”建设中新的文化业态培育实践进行了分析。黄岑、邓向阳认为，“两型社会”和“文化产业新业态”两者之产是相互促进、相互影响的，要充分发挥文化产业新业态在“两型社会”建设中的作用。这方面的研究主要涉及两者之间的关系，未涉及新型文化业态的其它方面。

第2篇

中国金融业飞速发展，尤其是2010年股指期货的推出，量化投资和对冲基金逐步进入国内投资者的视野。目前，量化投资、对冲基金已经成为中国资本市场最热门的话题之一，各投资机构纷纷开始着手打造各自量化投资精英团队。同时，中国拥有数量庞大的私募基金，部分私募基金利用国内市场定价较弱的特性转化成对冲基金也是必然的趋势。

量化投资是将投资理念及策略通过具体指标、参数的设计，融入到具体的模型中，用模型对市场进行不带任何情绪的跟踪；简单而言，就是用数量化的方法对股票估值，选取适合的股票进行投资。

量化投资的鼻祖是美国数学家西蒙斯（James Simons）教授，从1989年到2006年间，他管理的大奖章基金平均年收益率高达38.5%，净回报率超越巴菲特。

对冲基金（hedge fund）是指运用金融衍生工具，以高风险投机为手段并以盈利为目的的金融基金，采用各种交易手段（卖空、杠杆操作、程序交易、互换交易、套利交易、衍生品种等）进行对冲、换位、套头、套期来赚取巨额利润。

犹抱琵琶半遮面

上海交通大学金融工程研究中心陈工孟教授表示，2010年股指期货推出后，量化投资和对冲基金渐成热门话题，并正在逐步萌芽和发展，但因为是新事物，社会各界还不是很了解。

目前国内约有12只公募量化基金，而深圳和上海也已有不少对冲基金；量化投资和对冲基金离中国投资者如此之近，但又是如此神秘。

长期以来，国内投资者一直存在着一些疑问，例如，量化投资和对冲基金是不是金融业发展的必然？量化投资和对冲基金对金融安全问题会产生什么影响？上海建设国际金融中心，量化投资和对冲基金应该扮演怎样的角色？量化投资和对冲基金为何能取得超额收益？量化投资和对冲基金如何进行规范和监管？对冲基金如何募集、运作和壮大？如何开发策略、如何进行交易如何控制风险？

对于上述问题，国内缺乏进行深度探讨和专业研究的有效途径。近日，国内领先的量化投资和对冲基金专业研究机构，上海交通大学金融工程研究中心主办了2011第一届中国量化投资高峰论坛。众多国际投资家、知名学者、优秀对冲基金经理、量化投资领军人物、交易所研究代表等，与300多位来自于证券、基金、私募、信托、银行、保险界的专业人士、信息技术服务商和民间资本代表，共同分享最新的量化投资和对冲基金的宏观视点及微观技术，以解决金融业发展迫切需要解决的问题。主办机构表示：“我们相信此次高峰论坛的召开，将开创中国量化投资和对冲基金的新纪元。”

无限风光在险峰

上海交通大学安泰经济管理学院院长周林教授在论坛致辞时表示：“通过引进各种各样的产品、各种各样的金融工具，特别是量化投资的方法，逐渐把过去的投资艺术转化到投资科学，这是我们共同关心的问题。”

周林认为，在中国开展量化投资、设立对冲基金将来有可能的空间，当然，可能也会有问题和风险。即使像美国、英国这样的成熟市场也会产生风波，比如金融危机，不能归咎于量化投资、对冲基金，但一些投资手段、金融工具运用不好，也可能对市场带来一些风险。“对于一系列未来可能产生的问题，我们一定要做非常好的分析。”

中国金融期货交易所副总经理胡政博士谈到，由于量化投资导致程序化交易和国外流行的算法交易等，这些新的交易方式是市场发展的基本趋势。通过研究后他认为，有四方面问题值得关注。

第一是对市场公平性的冲击。有人用“大刀长矛“，有人用“导弹、机关枪”，有专家理财，有一般的投机炒家，各种各样的风格构成了市场，投资手段的不平衡，有可能会带来市场交易的不公平。

第二，对市场本身运行的冲击。量化投资的产品，有可能会对市场价格造成冲击。当采用类似的风险止损点或者类似理念时，市场发生某个方向的变动，有可能加剧这种变化。

第三，对市场价格信息的冲击。很多量化投资工具需要收集信息，需要有很多试探性的报价去测市场的深度。大量的试探性报价，不以成交为目的的报价信息，会对市场产生冲击和影响。

第四，对交易系统的冲击。量化投资快速发展的核心因素是计算机技术的发展，现有交易系统都基于计算机系统，各种各样的工具会对交易系统造成冲击。

第一财经传媒有限公司副总经理杨宇东建议，希望媒体把目前机构、专家学者、管理层正在研究的成果报道出来，让更多的人了解；他还呼吁更快地完善有关对冲基金方面的监管政策和法规，并给予量化投资更多的扶持和技术支持。

上海银监局副局长张光平探讨了人民币国际化的话题。湘财证券副总裁兼首席风险官李康的观点鲜明生动，而中国社科院研究员易宪容在演讲时则激情四溢。

韶华休笑本无根

量化投资把资本市场的投资行为从以往定性化的“艺术”升华为数量化的“科学”，运用到高深的数量工具。国外从事量化投资的研究人员和基金经理大多是学金融、计算机和统计学出身，很多物理、数学专业等理工科背景的优秀人才也加入这一行列。野村证券亚太区执行总监周鸿松就是哈佛大学空间物理博士，曾获2011亚洲银行家峰会最佳算法交易系统团队奖。

在美国留学获计算机硕士的刘震现任易方达基金管理公司指数与量化投资部总经理，1995年进入华尔街工作，在与国内父母通电话时，他感到很难解释清楚自己的职业性质，便说跟“投资倒把”差不多，这可把他父母给弄晕了。

国泰君安证券资产管理公司总经理章飙是统计学博士，早在2006年就开始用量化投资工具做ETF套利，最初很难被上司和同事理解，直到做出几个成功案例后，才有了较大的发言权。他曾向公司申请投5000万元做“攀钢钢矾”，还放出“狠话”：如果公司不让做他就辞职，两年后这笔投资为公司赚了3.5亿元。

第3篇

在银华基金副总经理兼量化投资总监周毅看来，量化投资成功的关键在于团队。目前，银华基金已初步完成了量化团队的人员配备和流程建设，未来，将努力打造一只国内领先的专业化、综合性的旗舰量化投资团队。

分级基金为突破口 首战告捷

由于量化投资在股票市场的应用范围较广，包括金融工具设计、指数增强、市场中立阿尔法模型以及套利策略等等多个方面。在反复比较深思熟虑后，周毅选择将金融工具创新作为突破口。

周毅认为，相比于其他的量化投资领域，金融工具与市场地域性特征关联度最低，因此移植性最强，成功概率就越高，同时在中国市场相对比较欠缺。所有的金融工具中，在国外使用得最广泛的就是结构化。

截至今日，银华共推出了三只指数分级基金和一只股票型分级基金，包括银华深100（首只深100分级指基）、银华中证等权重90（首只等权重分级指基）、银华中证内地资源（首只投资主题指数的分级基金）和银华消费主题（首只主动管理的主题类分级基金）。这四只分级占据目前市场上分级基金规模的绝对优势。银华深100是上市首只首日出现双溢价的分级基金，也是目前是场内规模最大的基金，约为150亿元左右；银华中证等权重90是第一个触阀值折算的分级基金，为所有分级产品的发展完善和风险控制提供了可借鉴的宝贵经验。

“市场和投资者以自己的方式证明了分级基金这种金融创新符合A股现阶段的运行特点，满足了国内投资者对杠杆和借贷收益的需求，更坚定了我们在工具型产品的研发和量化投资策略推广上的信心。”

看好中国量化投资“钱”景

不过分级基金只是整个量化投资应用中金融工具设计的一部分，其发展的背景是目前国内衍生品缺乏的现状。周毅表示：“我们想做全方位的量化投资，包含量化投资的各个领域。”

今年以来，银华的多只专户产品已经成功在A股市场上综合应用以上两项策略。据记者了解，银华专户产品中，表现最好的账户年化收益（扣除各种费率后）大幅超越同期沪深300指数。波动率仅约为沪深300波动率的1/3。尽管受现有法规和交易平台限制，在美国应用的量化策略大多数无法在A股实现，但银华在专户对冲产品上的成功尝试，证明了在国内利用量化投资方法可以获得绝对收益，而且随着各种限制的宽松化以及杠杆机制的引入，量化绝对收益产品可以拥有巨大的发展空间，中国式量化投资前景广阔。

志做国内旗舰量化团队

周毅将银华目前在量化投资领域所取得的诸多成就都归功于其全业务线的量化团队打造。银华在业内属于较早开展专门的量化投资研究的公司之一，目前量化投资团队已经达到16人，职责涵盖了金融工具、α策略、套利及实时风控等量化投资的各个业务链。“量化投资成员所搭建的系统平台，形成了稳定的流水线，为量化产品的运作提供了坚实的保障。”

第4篇

关键词：大数据；量化投资；量化选股

中图分类号：F830 文献标志码：A 文章编号：1673-291X（2016）17-0106-01

量化投资理论是从20世纪50年代由马克维茨创造性地提出了用均值方差最优的数字方法来选择最优投资组合。由于当时对数据的处理量过大而复杂，因此，直到1990年后随着计算机被广泛使用，以量化作为核心的投资基金才逐渐超越传统的基金。量化选股策略是针对中国股票市场特性，从众多的指标参数中找出能够较为合理解释股票收益率的有效且不冗余的因子，并根据这些因子在选股策略中所占的权重来构建量化投资策略。随着信息技术的日异发展，资本市场深化改革步伐加快，证券市场间同业经营，居民消费等领域也迎来了信息数据量呈现几何级数增加现状。运用大数据思维分析众多股民的知识结构、行为习惯对股票投资形式的认知而形成固有模式思维，“大数据”思维正以不同形式、路径的方式影响着证券选股策略。大数据技术的战略意义不在于其庞大的信息数据量，而在于对含有意义的数据根据建模权重进行专业量化处理，帮助大家对于股票进行优化选股有着重要研究意义。因此，基于大数据思维模式分析多因子量化选股策略更加适用这样的市场，给投资者提供更好的参考模型。

作为量化投资界的传奇人物詹姆斯・西蒙斯，他曾因“用公式打败市场”的故事在金融界中为人津津乐道。在1989年由他创办的基金成立至今的20年时间里，该基金持续地获得了每年平均35%（扣除费用后）净回报率，而同期被称为“股神”的巴菲特每年平均回报率也才大约在20%左右。即使在金融危机的2008年，该基金仍然获得了80%的高额回报，“最赚钱基金经理”对西蒙斯来说无出其右。

目前，国内对量化投资策略研究还比较少，做量化交易的基金也相对较少，投资者对量化投资仍持怀疑态度。另外，中国目前的资本市场还不完善，做空机制以及金融衍生工具相对较少，股票市场上仍然采用T+1的交易模式，这些都导致了量化投资在中国市场的发展弊端。但是，随着股指期货等新的做空金融衍生工具的推出，量化投资开始走入“中国大妈们”的视野。

运用量化思维投资证券选股策略在国外已有四五十年。量化投资从无到有一直是很神秘的，人们把它叫做“黑匣子”。但是，当时的量化投资证券选股策略大多仅仅是数学模型，并不是人们想象的那么神秘。量化投资证券选股策略之所以弄得这样神秘是因为：（1）是为了保护其知识产权，防止侵权；（2）是为了防止其策略扩散后影响整个投资比率的失衡，缩短该策略的寿命；（3）是为了控制投资风险，如果该策略细节被投资对立面获得，则有可能会造成被动的投资效果。因此，投资公司、基金经理是不会说出其量化投资策略的。这是由于金融动荡中如果没有好的投资策略及对风险的控制力就有可能把老本亏个精光。

随着时间流逝，任何投资策略的盈利模式都会被市场所消化，量化投资策略也会随着时间的变化而改变。在量化投资证券选股这方面，重要的不是策略这一表面形式，而是掌握量化投资证券选股的研究模式。大家不必要去追逐那些形式的数学公式、策略模型，而应该根据现在大数据时代下对海量证券股票信息的合理分析整合，去学习、改进新的证券选股模式，以适应未来发展需要。

大数据时代的到来也给新形势下运用多因子量化模式选股带来极佳的发展机遇。

参考文献：

第5篇

宽客，quant的音译。在华尔街，这个词是指那些利用复杂的数学公式和超级计算机—既不是直觉也不是公司基本面等其他传统方法—在稍纵即逝的金融市场中赚钱的人。

这群人多数都不是学金融而是学数学或者物理出身，当他们进入华尔街后，被认为是华尔街名副其实的淘金者，1980年到2007年，是他们势不可挡的黄金年 代。

2005年左右，量化投资在国内出现。

从事量化投资的人被称为宽客，则是最近两三年的事情。一方面是一些介绍华尔街宽客的书籍被翻译引进，另一方面，因为2008年金融危机爆发，一些华尔街的宽客开始转战中国。

短短几年，随着中国衍生品市场的日渐开放，自称宽客的人越来越多。券商、基金、期货、私募……一句市场玩笑话，谁家要是没有一个两个宽客，都觉得不太好意思。

宽客的春天真的来到了？

年轻的中国宽客们

一间不到20平方米的房间，没有任何隔断，每张办公桌上都放着两到三台电脑，五张办公桌呈扇形分布在落地窗前，每个人扭头就可以和其他人说话。

这就是永安期货研究所量化投资团队的办公室。和国内不少量化投资团队一样，他们在公司具有相对独立的空间。

30岁的张冰，2009年毕业于北京大学，理论物理博士，是这个团队的负责人。有着一张娃娃脸的他，举手投足之间流露出来的依然是浓浓的书生气。不仅是他，屋子里的其他人也都像是在大学机房里安静地做研究、编程序。

事实上，要想进入这个团队，必须有熟练的计算机编程能力。2012年7月加盟张冰团队的李洋是北师大应用数学硕士，他经过一天近十个小时的笔试和面试才最终被团队接纳。笔试中80%的题目都是用计算机编程。

“量化投资是聪明人的游戏。”张冰说，量化投资实际上是一种在证券市场上找规律、找错误的游戏。谁先找到新规律、新错误，谁先获得超额收益的可能性就越高。

这个团队除了一位数学硕士，一位计算机硕士，还有三位是物理博士。数学和计算机能力都超强。

还在北京大学攻读博士学位的时候，张冰就听导师马伯强提到他有不少同学、学生，赴美留学继续深造物理之后，没有继续学术研究，而是转战华尔街做投资，做得相当成功。

物理学一直关注的是动态，寻求规律，目的是为了预测并掌握未来。把物理学理论知识运用到金融实践中，寻找证券定价变动的规律，其实并没有越过物理学的研究范畴。

这让本来就对金融有兴趣的张冰，开始想自己今后的路。他还专门去一个私募基金实习了半年。“在物理学中，你是和上帝玩游戏，在金融领域，你是和上帝的造物玩游戏。”

这句话并不是张冰原创，而是来自他的前辈，同样也是理论物理博士出身的伊曼纽尔·德曼（Emaneul Derman）。

德曼的自传《宽客人生：华尔街的数量金融大师》在2007年被引介到中国。德曼自1985年进入华尔街之后，就致力于把物理学理论和数学技巧及计算机编程技术结合起来，建构数量模型，寻找金融证券的定价，指导证券交易。

张冰看过这本书之后，更加确信，自己可以选择像德曼一样去当宽客。不过，当他决定做宽客时，发现中国突然间就涌现出很多量化投资专家。而事实上这些人多数是营销专家，根本就不懂量化投资，最后都亏得一塌糊涂。

2009年，他决心成为真正的宽客，于是拉着同班同学陈星和师妹钱文，成立了这个以北大理论物理博士为班底的宽客团队。这是国内期货公司中第一批成立的宽客团队。目前国内三分之一的期货公司有量化投资团队。

团队平均年龄27岁，成立至今一直比较稳定。张冰也没有扩容的打算。因为要找到对数字的敏感，善于发现数字之间的规律和联系，还能把这些规律变成数量模型指导证券交易的人，很难。他这个团队也还处于自我培养的过程中。

“中国宽客以年轻人居多。”中国量化投资学会理事长丁鹏说。

丁鹏是上海交通大学计算机博士，方正富邦基金的资深量化策略师。2012年初，他推出一本《量化投资：策略和技术》，成为国内最早一本专门介绍量化投资的专业书籍，被一些人认为是宽客圣经。

一年前，丁鹏建了一个QQ群，隔三差五与对量化研究感兴趣的人进行讨论，没想到经过口口相传，QQ群迅速发展壮大，线上讨论也发展到线下交流。他便牵头成立了中国量化投资学会。

学会如今在全国拥有十几个分会，近八千人，大部分都是有着一定数理知识基础的年轻人，这些人都打定主意要成为中国的宽客。

在丁鹏看来，在中国当宽客，生活很简单，只需要潜下心来，发挥个人聪明才智，做研究，建模型。真正找到好的可以赚钱的模型之后，都是别人求你。

这让很多纯理工背景人的人很向往。在现在的社会格局下，要想出头并不容易，但当宽客可以掌握自己掌握命运，完全凭自己取得成功。

赚钱之道

丁鹏一天典型的工作状态是：查看模型前一天的运转结果，考虑是否要对策略进行修正。如果没有需要修正的，则着手准备为下一个模型的开发。其他的都是电脑的事情，不用他管。他根本就不看基本面。

张冰团队的办公室放眼望去，也没有交易时间最常见的五颜六色的股票K线图和大盘走势图，电脑屏幕上显示的多数是白底黑字的编程界面。

不过，他们并不像丁鹏那么轻松。团队每人按特长各有分工：有的主要处理数据，有的做策略设计，有的做策略建模。因期货公司目前不能直接做交易，张冰团队每天主要做的就是衍生品量化投资分析工作，把研究的结果开发成产品供客户购买。

而通常能够进行交易的宽客团队一天的工作流程大致如此：有人在交易头一天晚上就负责收集并更新、处理好交易所公告的数据；第二天开盘之前，通过选定的模型，经相关软件自动给出交易策略。开盘后，按照模型给定的策略进行交易。早上10点左右，交易员、基金经理盯盘最忙碌的时候，量化投资团队一天的最主要工作—投资决策、交易下指令的工作已经完成。

丁鹏认为，进入量化投资门槛之后，找到好的方法，会比较轻松，理论上讲，“一台笔记本一个U盘就可以赚钱了”。

真实交易还是需要一个团队的支持，不过核心的交易模型和思想，确实一张U盘就可以存储完成。有朋友曾拿U盘拷下他设计的量化投资模型到香港股市去实践，半年间盈利最高点达到了120%，不过，这个高风险的策略只适合于小资金操作，并不适合于大规模的资产管理。丁鹏解释：”资本市场没有神话，需要不断地修订自己的模型和策略 “。

张冰目前也不敢奢望那样的赚钱状态。

事实上，量化投资在国内最早也就是2005年才萌芽。业内公认，2005年开始的ETF套利拉开了量化投资在中国的序幕，而股指期货等衍生品2010年才逐步放 开。

因为无可借鉴，张冰团队只能从零做起。从收集数据到建构模型到交易的风险控制，都是他们自己一个代码一个代码写的。

这是个系统工程，在这个体系中，先观察事件之间的联系—通过观察或实验去取得数据；再假设一个结论—构建理论去解释数据；然后去预测分析—构建量化模型并回测；最后检验并证实这个结论—实盘交易。

所有这些都需要资本和人力的大量投入。从华尔街回来的宽客—北京名策数据处理有限公司执行董事祝清大致估计了一下，一个真正从事量化投资的宽客团队运作起来，前期至少要投入5000万。

祝清曾在美国的全球证券投资基金工作多年，有三年，他是一个40人宽客团队的负责人，要从全球9000多只股票池里找出投资品种。这让他有机会对量化投资从数据、代码到模型、系统进行深入地接触和运用，甚至对系统的漏洞也了如指掌。

这些是他当时所在公司花了十几年，经过大量的投入才建构的一个系统工程。而建构整个系统的基础就是数据，华尔街其他有着进行量化投资的宽客团队的公司，无不在数据上有很大的支出。

2008年祝清从华尔街回国，创办专注于金融数量分析和程序化交易的数据处理公司。这几年，他带领30人的团队，主要做了四件事：建立专供量化投资的量化数据库、量化决策终端、高速量化交易平台、量化策略研发服务。他希望借助强大的分析工具平台，以及日益完善的数据库系统来改变行业的经营模 式。

目前他的公司尚未到盈利阶段。

春天尚未到来

1月19日，中国量化投资学会的50多名资深会员在北京郊区举办了一次聚会，聚会的主题是“拥抱量化投资的春天”。丁鹏表示：冬天已经过去，宽客的春天已经到来。

丁鹏是有理由乐观的：国家政策层面支持金融衍生品市场放开；2012年，玻璃、原油、国债期货、CTA以及沪深300指数期权等一系列金融衍生品加速推进；随着投资品种增多，越来越多的金融机构意识到量化投资的重要性和紧迫性。

另外，国内打算做宽客的人也暴增—从中国量化投资学会的壮大就可看出端倪。

不过，同是中国量化投资学会成员的张冰和祝清都持谨慎态度。

张冰不认为宽客短期可形成一股力量。毕竟，美国发展了四十年，而中国只做了四五年而已。没有足够的投入，不可能那么快有收入。没有收入，坚持来做的人就不会太多。

祝清更严苛。他并不认为会建模型的人就可称为宽客。他认为目前中国真正的宽客，尚不足100人。祝清按照华尔街的标准来定义中国宽客：作为宽客，最起码要满足三个条件—有高净值客户；有量化投资研究平台（有数据有人有模型）；有交易通道。

按照这个标准，目前，真正的中国宽客都在过冬，都还在烧钱阶段，活下去都很难。即使是初春，最早也至少要三年之后—这还要看有没有一两位真正经受住市场检验、收益率排名靠前的标杆性宽客脱颖而 出。

据祝清了解，因为国内多数金融机构的高层并不懂量化，在这方面投入太少，即使一些数一数二的大型券商，历史的数据都不存。没有历史数据无法验证模型，量化投资就是句空话。

取得数据，还需要有人来处理数据，建构模型。金融机构的投入不会很快有结果，另一方面，宽客很有可能做出成果之后就走人，中国在这方面尚无知识产权保护。而在美国，只要有人敢在服务器上拷一行代码，就有FBI介入了。

2008年中金公司从华尔街花重金请回来的知名宽客李祥林，如今他已去做私募了。

祝清介绍，西方宽客主要分三类：从事高频交易的、采用对冲策略的、预测趋势的。而他们所有的交易、投融资决策都是通过数量模型进行，由电脑决策并完成下单。

根据国际知名咨询机构CELENT2011年的研究报告，中国目前通过电脑程序化交易的市场份额（按交易量计算）约为0.6%，2013年将快速增长到2.5%以上，主要应用于股指期货和ETF指数化产品的交易。

第6篇

寒暄已毕，坐定后，银华基金量化投资部总监周毅用他惯常的平缓语速说道。

《投资者报》记者第一次采访周毅在2010年3月，那时，银华基金正推出国内第一个杠杆指数基金，作为产品的设计者，基金经理也由他担任。

谈及国内基金产品创新，在华尔街做了11年量化投资并参与过房地美等资产抵押债券设计的周毅自谦道，只是将国外的产品移植到中国市场。

从北大计算机系到华尔街操盘手，1998年到2008年期间，周毅亲身体验了互联网泡沫的“过山车”以及次债的摧枯拉朽。

前一次危机“迫使”他转身做了金融，后一次让他下定决心离开华尔街回国。

传统上人们认为，有完善的投资、研究体系才是投资的内涵，但周毅看来，这是投资的一小部分。

“与传统的基于投研平台的投资不同，量化投资更多依靠模型和程序，所以有时候在华尔街，量化投资交易员的地位比较高。”

这算是一个量化投资者的立场。

从北大到华尔街

周毅的求学之路可谓顺利。高中毕业后，他被保送北大，选了当时热门的计算机专业，四年后，在留学热潮中，又赴美国南卡罗来纳大学继续深造。

但求职之路并不平坦。

1998年毕业时，互联网空前繁荣，华尔街互联网人才紧俏。周毅和他的同学们赶上了好时代，不费力就找到了一份薪水不菲、让人眼红的职业。

但此时，互联网泡沫依稀传出咝咝破裂之声。2000年，泡沫终于破灭。

回忆至此，周毅说：“像坐过山车。”

互联网繁荣带来财富以及身处行业的成就感顷刻消失。巨大的落差袭来，周毅的很多同学被迫改行做了律师，而周毅把职业的方向盘打向了美国发达的金融业，主要做计算机量化投资。

投资生涯由此起航。

1999年，他进入美国约翰・霍普金斯大学学习金融，与此同时，利用计算机强项，在普华永道金融服务部做一些量化模型。

在普华永道的八年里，他曾参与了包括导致次贷危机的房地美、房利美等资产抵押证券产品的设计。

普华永道的客户涉及华尔街各大投行和机构，内容囊括股票、债券、期货以及各种衍生品，这对周毅来说，是难得的学习机会。

“这不仅让我的职业方向转到金融，而且让我全面接触到各类金融产品。”

但他也意识到，必须有深度上的提高。2006年，周毅加入在金融衍生品方面领先的巴克莱银行，并在该部门做量化投资，与在华尔街名声凿凿的李祥林共事。

李祥林现任中金风险管理总监，在加速华尔街资产证券市场化方面贡献卓著。有人说，如果不是金融危机爆发，李很可能问鼎诺贝尔经济学奖，这间接说明巴克莱银行对金融衍生品的重视。

研发、利用先进的量化模型，发现定价有偏差的产品，用巴克莱银行的低成本融资赚取差价，这就是周此时的主要工作。

次贷危机爆发后，金融衍生品遭受摧毁性打击。

2008年，周毅以巴克莱亚太公司副董事身份转战香港，做相对简单的股票及债权衍生品投资。此后，为照顾亲人回到北京。

把海外思路带回国

对一个长期与衍生品打交道的人来说，回国能做什么？

“当时直观感觉，自己能做的其实有限。”对A股不了解，在华尔街擅长的东西也用不上。国内投资领域能与其沾边的只有指数基金占主体的量化投资。

量化投资方法是相对于定性投资而言，后者主要靠人力，前者主要靠计算机以及数据模型。

2009年底，周毅加盟银华基金，当时银华量化投资还是一片空白。

摆在他面前最迫切的问题是，该从哪里切入。

“既然不了解A股，我不大可能直接把美国或中国香港市场用的量化投资模型直接应用到A股投资中，这从逻辑上讲不通。”

指数基金被动化管理成了突破口。

根据华尔街的经验，周毅深切地明白，指数基金的产品研发、创新、先发优势最重要。然而，当时国内跟踪沪深300等优质标的指数基金已经很多，在跟踪标的上难以获得先发优势，产品形式创新成为不二选择。

“看到这种情况，我在想，在形式上要有别于国内其他产品，做别人没有的东西，才有取胜的可能性。”

结合国内证券市场的条件及A 股的特征，周毅把目光放在了国外已经流行的杠杆指数基金上。

虽然在周毅看来，这算不上什么创新，但在国内首次吃螃蟹，总免不了一些曲折。先想到国外普遍采取与券商做互换的方式做杠杆，然而，由于潜在的信用风险被他否定。

“这条路堵死之后，我们选择了当时国内已经有的分级基金，这虽然不能做完美的杠杆指数基金，但是一定程度上可以实现我的想法。”

经过几个月的奔波，2010年3月，银华深证100分级基金发行，在随后的7月到10月，该基金让市场见识了杠杆基金的魅力。其间，银华深证100锐进份额上涨了109%，而其跟踪的指数深证100上涨了50%。

2010年4月，股指期货推出后，引进做空机制成为现实。

目前，用对冲策略做创新是周的一个着力点。记者了解到，银华旗下已有三只专户产品运用了对冲策略。

“具体做法就是用股指期货空头做等量对冲，其实就是做减法，比如，把超越沪深300指数的收益，通过等量对冲变成绝对收益，尽量降低风险。”

第7篇

他们和先前的人工交易不同，用数学统计出此前的交易规律，建成模型，用程序来交易。他们大多有较高的学历，或物理或数学或IT背景。他们用模型、公式克服人性的弱点去交易，赚取理性的利润，这个工作叫量化投资。

这是近几年才形成的一个低调的金融圈子，尤其是今年来，这个圈子似乎风生水起。算法、编程、想法、策略、模型成了这个圈子中的常用语，他们分布在券商、公私募基金、期货等金融行业，他们在创新中摸索前进，优秀的团队也不少见。

谨慎的宽客人

量化投资圈的人喜欢自己被称为“宽客人”或“矿工”。所谓“宽客”即金融工程师，他们靠编程序去设计模型，用数学的方法分析金融市场，找出影响价格涨跌的相关因素，规避其中的风险，获得收益。

徐明（化名）是上海艾革瑞投资团队的创始人之一，有着大多数编程人员的内秀和儒雅，自信的微笑又暗示着自己不是普通的“码农”。清华大学数学系学士，香港科技大学工业工程与物流管理系博士，精通数学建模、金融工程、组合优化和人工智能算法，这些标签和不少量化“宽客人”类似，他们具备这个行业的先天优势。

徐明在中山大学管理学院管理科学系任教期间，对金融工程产生了浓厚的兴趣，西蒙斯的经历和成功给了他极大的鼓舞，逐渐走上专业量化交易这条路。

十月，天气渐冷。《中国证券期货》记者联系上徐明时，他正带着自己的团队参加海通期货2013年的“笑傲江湖”实盘赛，目前成绩位列投资家组第三名，这不是第一次参加海通期货的实盘赛，去年以总收益89%、总收益额189万，获得程序化组亚军。

“艾革瑞”，源自“Algorithm”（算法）的译音，创始人的量化定位可见一斑。团队主要成员在2012年开始全职投身于程序化交易，多具有证券期货投资、金融工程研究和IT项目开发经验。艾革瑞团队主要做股指期货日内交易，交易频率比较低，平均一天做1个来回的交易，持有时间一般都要超过1个小时。

量化交易和人工交易有一个很大的不同，就是模型的建立。“程序化交易更像一门科学，需要投资者具有较高的模型开发和系统开发能力，以及对于交易规律的深刻认识。”徐明认为，人工交易更像一门艺术，需要对经济周期和行业发展有独到的眼光。

对于模型，“宽客人”都视为自己最核心的秘密武器，往返于华尔街和上海的徐明和其他讳莫至深的受访者不同，对模型提出了自己的看法，“模型是用数学方法找规律，而数学方法找规律很容易过度优化。”

对于投资行业的深刻认识更为重要。徐明表示，“国内金融市场和华尔街还是有本质的不同，对于中国市场期货交易的认识和理解，比运用各种数学模型更为重要。很多系统在数学上是最优的，但是在实践中并不是最优的，而且还可能是有极大风险的（即过度优化）。”

策略是量化“宽客人”的另一个交易核心。“如果交易经常不盈利，就不能仅仅认为是利润回吐了，要考虑策略是否失效。”金华强调。

策略是否失效是所有程序化交易者面对的一个非常难的问题。“失效”本身就很难定义。日内趋势的策略胜率一般都不到50%，所以总是有赔有赚的。赔钱的连在一起，就连续回撤了，这其实只是亏损连在了一起而已。不同的时间，市场的规律也会呈现不一样的特征，所以也很难判断暂时表现不好的策略是否就永久不好了。

所以，最重要的不是判断策略是否已经失效，而是在策略表现不好的时候可以找到原因和解决办法。

在2013年第二季度，艾格瑞团队就经历了一个较大级别的回撤，后来发现系统的很多亏损来自于“过度预测”。直观的理解就是市场还没有开始趋势的时候，系统就进行了未来趋势方向的预测。这一能力在过去的一年都不错，可以获取超额收益；但是可能是因为市场氛围变了，现在不仅不管用，还会带来连续的亏损。

后来艾格瑞团队对策略进行了调整：其一，相关性小的多周期、多系统非常必要。其二，用一套系统的方法去辨别哪些是市场里稳定的规律，哪些是不稳定的规律。其三，在风险控制上更为严格和保守，在谨慎保护本金的基础上，实现盈利。

调整策略后，解决了“过度预测”的问题，然后系统就又恢复了正常。从运行两个多月来看，表现比较稳定。

摸着石头过河的机构

机构投资者对量化投资的关注也越来越多，光大证券“816”事件揭开了冰山一角。8月16日，光大证券量化套利资金超过了200亿，乌龙事件一度引发国内A股和股指剧烈地震。据中国量化投资学会理事长、量化投资经理丁鹏透露，“目前国内量化投资资金的体量已经达到1000亿元。” 这些资金或主要来自券商和险资自营的量化套利资金，以及公私募的量化基金。

业内人士指出，国内某另一家券商在量化上投入的套利策略资金超过了300亿，远超出光大的投入资金，目前，不少券商也在用巨额资金更新IT设备，加上公私募资金，在量化上的投入远超过1000亿。

据悉，光大和海通等券商经营量化套利这项业务上，年度收益约10%-12%，甚至达到10%-15%或更高。如果按200亿元的管理资金来看，带给券商的直接收益就达到20亿-30亿元。这一盈利数字可能近年来熊市中某些券商一年的营业收入。

由于A股市场实施T+1交易，券商量化交易部门在A股从事高频交易的资金较少，据业内人士推算，大约有20亿左右。如果A股市场实施了T+0操作，估计更多券商大资金投入。

公募基金排名的压力，参与股指期货对冲仓位比例不超过20%限制，都成了公募基金量化投资无形的镣铐，短期内难有多大规模。

“公募基金做量化很费劲。”王萌（化名）坦诚表示。

王萌，上海交通大学计算机硕士，资深软件工程师，具有多年软件开发和管理经验，以及金融市场投资经验。已经在资本投资市场10年了，目前是上海某公募基金的总监。

“由于参与公募基金的排名，不可能完全做到量化管理，大多都有主动管理的因素在面。”王萌坦言，这和采访国内某期货公司量化部经理时的话，颇有几分相似，“目前国内公募基金的业绩也没有听说那个做的业绩挺好，更多的是一种宣传噱头。”

而私募则相对轻松的多。私募资金私募基金在量化基金设计上，主要侧重于量化多空策略的经营，目前国内有数十款产品在做，虽然规模算不上太大，但收益稳定保持在9%-15%还是容易做到。

张强（化名）在华尔街做量化投资多年，回国后成立了自己的私募公司，量化操作股指期货。15个月来，资金收益保持在25%，这个业绩在行业里可能算不上多高，但是出奇的稳定，这正是量化投资追求的最高境界，关键是稳定收益。远比上半年盈利50%，下半年亏60%好的多。更难得的是，15个月来回撤仅仅1.5%。这和公募基金带着“镣铐”跳舞形成了鲜明的对比。

无法阻挡狼来了

目前国内的量化投资刚刚起步，发展还受诸多因素困扰。

政策性因素扰动、历史数据不足、数据准确性差、T+1的限制，金融衍生工具不够丰富，风控的完善、系统软硬件的限制等，这些都是量化投资在国内市场的瓶颈。

政策性因素扰动也很明显，证监会对光大证券“816”的巨额罚款，对光大证券在券商中量化的领先地位颇有打击，同行不得不放慢了量化的步伐。

对于数据的不充足以及准确性差，也深受其害，财报质量和国外压根就不在一个档次，查阅数据也只能追溯到最近6、7年，这对用数学的方法统计数据建模型造成了直接的影响。

而某期货公司的董事总经理则直言，目前国内期货市场还是T+1，还没有开通夜盘交易，而国内期货市场又受国外盘影响巨大，国内盘受其影响隔夜暴涨暴跌再正常不过，而依靠数据、模型的量化交易只能是无可奈何，这也是国内商品期货量化操作业绩不理想的原因之一。

金融衍生工具不够丰富，也是国内量化投资的一大影响。目前国内量化投资仅能运用在商品期货、股指期货和国债期货上，还限制颇多。比如股指期货，国内每天挂单不能超过500手；国债期货开通不久，成交量有限；期货市场虽然套利客观，但容纳资金量有限。

据业内传闻，光大证券的量化部门前期运行投入资金是1500万元，如果再加上维护费用，数目不容小觑。

这在券商同行中绝不是孤例。尽管如此，因经验不足，还是在风控上闹出了震惊中外的（816）乌龙事件，对量化的影响可见一斑。

光大乌龙事件暴露出机构投资人在追求创新时忽略了风控的完善。“光大虽被证监会罚款5个亿，但券商用自营资金做量化的赚钱能力也被大众所知，未来会有大量的钱涌入。”一位机构人士认为。

丁鹏认为，“不能因为光大事件，就将先进技术和理念拒之门外，绝对收益是未来趋势。”

国内金融市场，尽管在量化上还存在着不少的问题，但这引人注目的量化投资前景依然引起了国外大鳄的注意，我们无法阻挡：狼来啦！上述某期货公司人士透露，“韩国成熟的量化投资团队，已经进入国内市场开始剪羊毛，据说比国内的量化机构能量要大的多。”还有更恐怖的团队，国外量化操作鼻祖巴克莱已经在国内完成了前期量化测试，不久也会携带巨额资金和先进的理念来分一杯羹。

模型避免过度优化

第8篇

【关键词】量化宽松 失业率 资本外漏 结构转变

一．引言

2011年6月底，实施期间长达8个月的美联储第二轮量化宽松的货币政策正式完结，美联储此举意图通过降低长期资金的融资成本以增加企业信心，并促进就业市场的复苏。究竟量化宽松的货币政策对于美国经济的进一步复苏以及降低失业率，防控通货紧缩是否具有效果，有多大程度的效果，不同的学者持有不同的观点。

Bernanke、Reinhart和Sack研究了大萧条期间利率政策的无效和货币供应的紧缩，认为对付危机应加大货币供应量；李娅，温连青（2011）认为该政策不能从根本上改变美国经济现状及通缩趋势，但会给其他国家的经济造成负面影响，增加通胀压力；韩会师（2011）也认为美国的宽松政策并未有效刺激本国信贷增长及投资扩张，却助长了世界范围内的通货膨胀和资产价格泡沫。前美联储主席Alan Greenspan（2011）表示，美联储量化宽松的经济措施除了使美元走弱、刺激美国出口外对美国整个经济的影响并不大。

二．美国量化宽松货币政策的主要内容

（1）量化宽松的含义。量化宽松的货币政策（Quantitative Easing）最初被日本和英国的中央银行所使用，其应用的背景是在常规的利率水平已经下调到零附近，利率政策用尽，为抵御经济进一步下滑而采取量化宽松货币政策，这种政策被视为一种非常规的货币政策。“量化宽松”中的“量化”指将会创造指定金额的货币，而“宽松”则指减低银行的资金压力。

所谓量化宽松，是指中央银行通过公开市场业务等手段向市场注入流动性，也被简化地形容为直接增印钞票。其操作是中央银行通过公开市场操作购入证券等，使商行在央行开设的结算账户内的资金增加，为银行体系注入新的流动性。

（2）量化宽松预期政策的效果。其效果是有助于降低政府债券的收益率和银行同业隔夜利率，银行从而坐拥大量赚取极低利息的资产，央行期望银行会因此较愿意提供贷款以赚取回报，以期缓解市场的资金压力。与央行在公开市场中对短期政府债券所进行的日常交易相比较，量化宽松政策所涉及的政府债券不仅金额庞大，而且持续期也较长。

（3）美联储量化宽松的两次实践。2008年11月底，美联储第一轮量化宽松开始实施，并于2010年3月结束。美联储总共购买了12500亿美元的抵押贷款支持证券、3000亿美元的美国国债和1750亿美元的机构证券，累计约17250亿美元。从此次效果来看，在一定程度上稳定了美国金融秩序，恢复投资者信心，对于经济的复苏起到了良好的刺激效果。

然而2010年8月以后，美国经济复苏再度乏力，核心CPI跌幅加剧，，9月份美国的CPI较上个月仅上升了0.1%，除了波动的食品与能源价格外，物价已连续第二个月几乎“纹丝不动”，与一年前相比，总体物价水平仅上涨1.1%，核心物价仅上涨0.8%，为1961年以来最缓慢的年份。为进一步刺激经济复苏，于11初开始实施第二轮量化宽松，次年6月底完成6000亿美元的资产购买计划。至于此次的政策效果，还有待于时间的验证；但美联储理事布拉德表示，量化宽松货币政策对经济的影响将之后6-12个月才显现。QE2是传统的量化宽松货币政策，预计QE2对于实体经济的作用也将会有6-12个月的时滞效应。

三．量化宽松政策的经济效果评价

尽管美联储第一轮的量化宽松的刺激政策取得良好的效果，但QE1是完全基于金融危机的大背景下，这对于稳定金融秩序和刺激经济复苏能够取得立竿见影的效果。到现在为止，金融危机已经过去三年多，全球经济缓慢复苏，多数发达国家经济再度疲软。在后危机这种背景下继续实施QE政策就不是明智的选择了，其具体原因分析如下：

（1）美国信贷资本的大量外流；由于美联储0-0.25%的近乎零的联邦基金利率水平，在资本天然获利动机的驱使下，美国金融机构并未将资金用于启动国内信贷市场，而是涌向大宗商品市场和新兴市场经济体。美联储投放的巨额资金产生了一定的“漏出效应”，并未全部作用于通货膨胀率的上升和失业率的下降。受经济不景气和投资信心不足的影响，国内金融机构普遍收缩国内信贷，增加海外债权。

（2）国内企业倾向于海外投资；量化宽松政策的本意是重振投资者信心，恢复国内企业的生产，以此来降低高失业率。但数据表明，实体企业在危机后更倾向于投资海外的新型市场经济体国家，以此来规避国内消费不足的困境。图1表明，危机爆发以来，美国的国内投资总额总体趋势是下降的，尤其是居住类投资，这就使得量化宽松的政策效果大打折扣，难以达到预期的效果。与此同时，企业的海外投资季度增量呈现出波动中上升的趋势。

图 1美国国内私人固定资产投资季度数据（单位：十亿美元）

第9篇

（暨南大学信息科学技术学院 广东 广州 510632）

摘 要：“金融改革”的提出，金融市场的逐步开放，将促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。通过分别建立两个单指标择时策略模型，运用MATLAB模式搜索算法在设定时段内搜索最优参数，并分别对两个单指标策略进行交易仿真回验。实证结果显示，趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。实证显示组合指标策略的效益明显高于单指标策略。因此，采用组合指标策略进行个股量化择时交易较单指标策略能获得更优的投资收益。

关键词 ：量化择时；趋势指标；组合指标策略；参数优化

中图分类号：F8 文献标识码：A doi：10．3969／j．issn．1665－2272．2015．12．008

1 绪论

1．1 背景意义

“金融改革”的提出将为中国的量化投资带来发展前景。金融市场的逐步开放将会促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。很多国外成熟的投资工具和投资方法将逐步进入中国市场，以期货市场为代表的衍生品市场将迎来飞速增长，以量化投资为代表的投资方法也将得到投资者更大的关注。

在投资业，各种渠道提供的海量信息以及高频金融交易数据都在深刻地影响这个行业的发展以及金融市场的有效性。金融创新给期待量化投资的投资者提供了丰富的投资工具。自20世纪50年代以来，金融市场出于规避监管，转嫁风险和防范风险等需要，推出了很多创新性的金融产品，提供了越来越丰富的投资工具。金融衍生品在金融市场中占的比例越来越重要。

中国量化投资的前景广阔。党的十八届三中全会提出了“健全多层次资本市场体系”的指示精神，为十二五期间的资本市场发展指明了方向。随着金融投资工具的增加，量化投资将显示出其更大的作用，帮助投资者在更好的风险管控中寻求最佳收益回报。

作为量化投资中的量化择时，是指利用某种方法来判断大势的走势情况以及时采取相应措施，它是收益率最高的一种交易方式。就股票投资者而言，择股和择时都是至关重要的，正确择股是盈利的前提，而正确择时则是盈利的最终实现。因此，从微观角度入手，建立有效的个股量化择时交易策略值得研究。

1．2 文献综述

关于量化投资的研究，国内外更多的研究主要以策略构建和实证为主。易海波、杨向阳、罗业华、曾敏通过将量化指标按照股票属性进行分类排序，以自下而上的选股方式，构建出价值、成长、质量三个基本模型，并在此基础上衍生得到四个叠加模型和GARP模型。利用八个选股模型以不同的参数进行选股，构建出十个量化选股组合，历史回测结果显示这些组合风格各异，适合不同风险偏好的投资者。张登明通过对技术指标的分析，构建了完整的及时指标组合投资策略框架。他从量化的角度，通过样本统计给出了适合中国股市的优化指标组合及参数设置，对提高投资决策有积极意义。路来政通过研究量化基金的绩效及管理能力来研究量化投资策略的应用效果，采用T－M模型、H－M模型和C－L模型对其中9只量化基金的管理能力进行了研究，以评价量化基金使用量化投资策略的择股效果和择时效果，结果表明量化基金采用量化策略进行投资是有意义的。

股票择时属于量化投资的一个分域。刘澜飚、李贡敏研究了市场择时理论在中国的适用性，表明中国上市公司不仅存股票市场的市场择时行为，而且存在债务择时行为，即股票市场高涨时，上市公司倾向于债务融资。林正龙基于效用无差别定价原理，运用实物期权定价理论，研究项目投资收益不可完全复制的不确定性投资机会定价与择时问题，得出不同于指数效用，对具有常值相对风险回避系数效用函数的投资者而言，不确定性投资机会的定价与择时与投资者当前财富数量有关。卓琳玲、胡志强通过对样本公司的研究，发现样本公司股票行为、债券发行和内部融资均呈下降趋势，其中股票不是特别明显，当市值杠杆比率上升时期，股票发行出现显著地下降趋势，此时市场时机选择比较明显，说明我国股市存在明显的市场时机选择行为。刘阳、刘强通过研究我国从上世纪90年代初-2010年1月的上证综指和深证成指，分析异常收益率对整个期间收益的影响及择时的可能，发现极少数具有超常收益的交易日对股票市场的长期收益具有显著的影响，认为理性的投资者应该放弃择时而选择长期投资。王俊杰在择时模型方面分析了行业指数存在的持续性和行业轮动特征，并以时间序列模型为基础，构建动量模型、MS－GARCH行业择时模型等量化择时策略，回测结果MS－GARCH择时模型战胜行业动量模型和指数，表现较好。

温婧茹对移动平均线理论进行改进，构造了最适参数，参考设计了触线交易策略和过滤器交易策略，构建了家电板板块静态与动态相结合的股票池，实证得出，不同股票对应的最适参数不同，用个性化的参数进行决策能获得更好的收益；应用收益率确定最适参数以择股，结合触线交易策略以择时，能够跑赢大盘，取得超额收益。曹力自适应均线更适合于组合类的标的，如指数或者封闭式基金，因为这些标的的走势经过了平均的平滑，没有突然的大起大落，更容易用均线来跟踪趋势的变化。而对于个股，波动形态和指数类表的不同，所以需要使用不同的参数，在大多数个股上能够获得超额收益，特别对强周期性行业的股票自适应均线有很强的择时能力。但是自适应均线也不是万能的，对于某些个股，因为波动形态的复杂，用自适应均线也无法获得超额收益。曹力、徐彪从实证效果来看，利用可交易组合的均线模式识别找出的买入机会成功率较高，能抓住一些市场主要的反弹机会，因此累积收益非常出色。可交易组合的均线模式识别方法是择时交易，特别是熊市中择时的有效方法。

1．3 研究框架

传统的趋势指标择时策略往往是单指标的，并且策略参数通常是约定俗成的。单指标策略局限性和偶然性大，不能有效及时获取收益和及时止损；约定俗成的常用参数值在面对各种波动幅度不同、周期性不同、价格弹性等不同的个股时也有失客观性和灵动性。

所以，在探究一种改进针对个股的传统趋势指标量化择时的策略。首先建立基于各传统趋势指标的单指标择时策略，通过参数优化确定各单指标策略的最适参数；并在单指标的基础上，创新性地通过指标的组合，构建一个综合性且参数最优的组合指标择时策略，以增强策略的稳定性和鲁棒性，获得更优的投资收益。

1．4 术语说明

（1）累计收益率：

（2）年化收益率：年化收益率是把当前收益率（日收益率、周收益率、月收益率）换算成年收益率来计算的，是一种理论收益率，并不是真正的已取得的收益率。

（3）夏普比率：夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。

夏普比率=

（5）最大回撤率：在选定周期内任一历史时点往后推，产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤率用来描述买入产品后可能出现的最糟糕的情况，是一个重要的风险指标。

2 理论概述

2．1 量化投资理论

量化投资是运用现代统计学和数学的方法，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，投资者通过计算机程序，建立可以重复使用并反复优化的投资策略，严格按照这些策略所构建的数量化模型进行投资并形成回报。

量化投资的内容主要包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、ETF／LOF套利、高频交易等。量化投资在国外已有30多年的发展历史，但在国内还是近年出现的新鲜事物。相比其他投资策略，量化投资在国外的运用已取得了更佳的业绩。

与海外成熟市场相比，中国A股市场的发展历史较短，投资理念还不够成熟，相应的留给主动型投资发掘市场的潜力和空间也更大。国内很多实证文献讨论国内A股市场也尚未达到半强势有效市场，因此量化投资理论引入国内证券市场是非常有意义的，它以正确的投资理念为根本，通过各种因素的分析，以全市场的广度、多维度的深度视角扫描投资机会，在中国市场的应用将更显其优势。

2．2 择时理论

量化择时是量化投资的一种，它利用数量化的方法，通过对各种宏观微观指标的量化分析，试图通过回溯历史数据，找到影响大盘走势的关键信息，并且对未来走势进行预测。如果判断是上涨则买入持有；如果判断是下跌则卖出清仓；如果判断是震荡则进行高抛低吸，这样就可以获得远远超越简单买入持有策略的收益率。所以择时交易是收益率最高的交易方式之一。

股票的量化择时是预测市场以后的走势，并由此来判断调整投资组合的风险水平，从而获取更大的收益，具体表现是现金流进出证券市场和在证券间比例变换的时机选择。

2．3 趋势追踪理论

趋势择时的基本思想来自于技术分析，技术分析认为趋势存在延续性，因此只要找到趋势方向，跟随操作即可。

技术指标是技术分析中使用最多的一种方法，通过考虑市场行为的多个方面建立一个数学模型，并给出完整的数学计算公式，从而得到一个体现证券市场的某个方面内在实质的数字，即所谓的技术指标值。指标值的具体数值和相互间关系直接反映证券市场所处的状态，为操作行为提供指导作用。目前证券市场上的技术指标可分为“趋势型指标”、“反趋势型指标”、“能量指标”、“大盘指标”、“压力支撑指标”等类别。

移动平均线（MA）是一种常用的趋势型指标，由Joseph E．Granville于20世纪中期提出来。它是当今运用最普遍的技术指标之一，帮助交易者确认现有趋势、判断将出现的趋势、发现过度延伸而即将发转的趋势。后来又逐渐衍生出其他类型的均线，如平滑异同移动平均线（MACD）、三重指数平滑平均线（TRIX）等。 这些均线理论常用两根线的交叉作为交易信号，并以此作为买卖时点的判断。

均线理论提供了一种简单有效的使价格序列平滑并且使趋势更易于辨认的方法。

因此综合以上理论的优点，在此基础上改进传统趋势指标的量化择时策略，并创新性地开发更优的组合指标量化择时策略，以达到及时获取收益和及时止损的目的。

3 择时策略模型建立

3．1 MA单指标策略模型的建立

MA移动平均是指连续若干交易日收盘价的算术平均，用来显示股价的历史波动情况，进而反映股价指数未来的发展趋势。

其中

利用MA指标进行量化择时，在短期移动均线与长期移动均线的交叉处进行买入或卖出择时交易。以下分别建立买入和卖出法则的模型。

在短期移动均线下穿长期移动均线的黄金交叉处买入，故建立如下数学模型：

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

其中mabuy=1，表示满足买进，mabuy=0表示不满足买进。

在短期移动均线上穿长期移动均线的死亡交叉处卖出，故建立以下数学模型：

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

其中mabuy=1，表示满足卖出，mabuy=0表示不满足卖出。

3．2 MACD单指标策略模型的建立

MACD即指数平滑异同移动平均线，是根据均线的构造原理，通过分析短期指数移动平均线与长期指数移动平均线之间的聚合与分离状况，对买进、卖出时机做出判断的趋势型技术指标。

MACD的计算如下：

（1）计算短期（ms）指数移动平均线EMA1和长期（ml）指数移动平均线EMA2。

（2）计算离差值DIF＝EMA1－EMA2。

（3）计算DIF的M日指数移动平均线，即DEA。

（4）计算MACD＝2（DIF－DEA）。

利用MA指标进行量化择时，在DIF与DEA的交叉处进行买入或卖出，分别建立买入和卖出法则的模型。

当DIF、DEA均为正值，DIF向上突破DEA时，为买入信号，建立如下数学模型：

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

其中，macdbuy=1表示满足买进，macdbuy=0表示不满足买进。

当DIF、DEA均为负值，DIF向下跌破DEA时，为卖出信号，建立如下数学模型：

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

其中macdsell=1，macdsell=0表示满足卖出，表示不满足卖出。

3．3 MA－MACD组合指标策略模型的建立

组合模型构建两个新的信号变量：买入信号个数阈值“buy”（1≤buy≤2，整数）和卖出信号个数阈值“sell”（1≤sell≤2，整数）。

买入信号个数阈值“buy”表示：当MA策略中的“mabuy＝1”的买入信号个数与MACD策略指标中的“macdbuy＝1”的买入信号个数之和至少达到阈值“buy”（1≤buy≤2)数量个时才进行买入交易。

即“buy”阈值取不同值时，买入信号组合满足买入条件的情况如下：

buy=1时，满足买入情况：mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12时，满足买入情况：mabuy=1&macdbuy=1（10）

卖出信号个数阈值“sell”表示：当MA策略中的“mabsell＝1”的卖出信号个数与MACD策略指标中的“macdsell＝1”的卖出信号个数之和至少达到阈值“sell”数量个时才进行卖出交易。

即“buy”阈值取不同值时，买入信号组合满足卖出条件的情况如下：

sell=1时，满足卖出情况：masell=1||macdsell=1||mabsell=1&macdsell=12时，满足买入情况：masell=1&macdsell=1（11）

3．4 模型最优参数的选择

就个股而言，不同的计算参数，将导致不同的择时效果。面对各种波动幅度不同、周期性不同、价格弹性等不同的股票，如果盲目套用经典参数可能会有失客观性和灵动性。因此， 在进行量化择时策略构建时，需要针对个股进行策略的参数优化，检验指标不同参数的测试效果，并最终选择一个最优的参数组合。

夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。

4 个股实证分析

4．1 数据选择

为验证上述模型的有效性，个股实证以深圳证券交易所的华谊兄弟300027为交易标的，选取来源于国泰安2011．1．1－2014．6．30的基本面数据库，包括个股开盘价、收盘价等。

4．2 MA单指标择时策略仿真回验

首先对该股策略进行参数优化：本策略中对于参数，在测试期间内，以2天为间隔，测试范围从2天到20天；以5天为间隔，测试范围从20天到120天；搜索精度为1；测试回验30天，截止日期设为2013－12－31。通过回验得到参数优化结果（见表1）。

如表1所示，最优组合（s，l）＝（2，20），当以2日为短期均线，20日为长期均线，在参数优化测试期间进行交叉择时时效果较好，在回验测试期间内夏普比率达2．4234。

确定最优后，运用国泰安量化交易平台QIA进行策略交易仿真回验。设定合约保证金为1，合约乘数为1，市场参与度为0．5，买方手续费为0．05‰，卖方手续费为0．05‰，交易账户为股票账户并设定初始资金为1 000 000元，以一年期国债利率为无风险利率，并以沪深300为业绩比较基准，以数据库所给时间2011年1月1日-2014年6月30日为策略回验时间区间进行回验。最终结果（见图1、表2）。

回验结果显示，此单指标策略在2011年1月1日-2014年6月30日间的累计收益率达42．26％，年化收益率达11．10％，高出同期的沪深300指数比较基准，并且胜率达60．80％。由此我们可以得出结论，采用MA单指标策略进行个股量化择时交易也能获得较优的投资回报。

4．3 MACD单指标择时策略仿真回验

对该股策略进行参数优化：该策略需要优化确定的参数主要包括短期指数移动平均线的计算天数ms、长期指数移动平均线的计算天数ml，以及DEA的计算天数M。本策略的参数优化依然以最大化夏普比率为最优化目标函数，并使用Matlab的模式搜索算法在设定的回验时段内搜索最优参数组合（ms，ml，M）。

对于参数ms，在测试期间内，以2天为间隔，测试范围从2天到20天；参数ml以5天为间隔，测试范围从20天到120天；参数M以5天为间隔，测试范围从5天到60天；搜索精度为1；测试回验30天，截止日期设为2013－12－31。通过回验得到参数优化结果如下：

如表3所示，最优组合（ms，ml，M）＝（2，25，10），当以2日为短期指数移动平均线计算天数，25日为长期指数移动平均线计算天数，10日为DEA计算天数，进行交叉择时时效果较好，在回验测试期间夏普比率达3．0682。

组合指标择时策略仿真回验。由于组合指标策略是建立在单指标策略基础上的，所以该策略中的参数（s，l）、（ms，ml，M）即为模型一和模型二参数优化后确定的值，而参数（buy，sell）的组合情况有（2，2）、（2，1）、（1，2）和（1，1）四种，阈值组合选取哪个使得策略最优则需要进一步的参数优化。

对于参数buy，初始值设为2，测试最小值为1，最大值为2，步长设为1；参数sell，初始值设为2，测试最小值为1，最大值为2，步长设为1；搜索精度设为1；测试回验90天，截止日期设为2013－12－31。通过回验得到参数优化结果（见表4）。

如表4所示，最优组合（buy， sell）＝（1，1），即当买入信号个数至少有一个时就进行买入交易，卖出信号个数至少有一个时就进行卖出交易，以此进行组合指标择时效果最好，在参数优化回验测试期间夏普比率达2．490 3。

5 结论

从价格沿趋势移动和历史会重演的角度出发，运用传统趋势指标MA和MACD，分别建立MA、MACD的单指标择时策略模型并通过模式搜索算法分别求出两个策略的最优参数，从实证结果看趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。在此基础上再创新性的运用通过设置买入和卖出信号个数阈值的方法构建二者的最优组合指标模型，增强了择时的稳定性和鲁棒性，在有效降低风险的同时提高了收益率。

综上所述，基于以上的不足之处，以后将沿着组合指标择时的思路继续深入研究以对目前的研究进行改进。未来的工作主要是：对于用于组合的单指标要进行更为全面的扩展，引进其他经典趋势型指标DMA平均线差指标、TRIX三重指数平滑移动平均指标等，同时把指标类型拓展至其他类型，如反趋势型指标ACCER幅度涨速指标等，量价指标APBP人气意愿指标等，大盘指标OBOS超买超卖指标等，压力支撑指标ENE轨道线指标等。通过增加组合趋势型数量和组合指标类型，以使组合指标策略更全面、更切合实际市场。

参考文献

1 丁鹏．量化投资——策略与技术［M］．北京：电子工业出版社，2012

2 方浩文．量化投资发展趋势及其对中国的启示［J］．宏观管理，2012（5）

3 郭建．论证券投资技术分析中历史会重演的根本原因［J］．商业时代，2007（28）

4 李向科．证券投资技术分析［M］．北京：中国人民大学出版社，2012．

5 张登明．技术指标投资策略的优化及其在量化交易中的应用［D］．武汉：华中科技大学，2010

6 方智．基于多技术指标模型的沪深300指数走势预测［D］．南昌：江西财经大学，2012

7 路来政．量化投资策略的应用效果研究［D］．广州：暨南大学，2012

8 刘澜飚，李贡敏．市场择时理论的中国适用性［J］．财经研究，2005（11）

9 林正龙．项目投资定价与择时理论研究［D］．长沙：湖南大学，2006

10 胡志强，卓琳玲．IPO市场时机选择与资本结构关系研究［J］．金融研究，2008（10）

11 王俊杰．量化交易在中国股市的应用［D］．南京：南京大学，2013

第10篇

【关键词】量化投资；数学

中图分类号：F83 文献标识码：A 文章编号：1006-0278（2014）07-242-01

一、量化投资概述

量化投资，顾名思义，将投资进行量化。它结合数学模型、利用计算机相关的科学技术对投资进行决策。与传统的投资方式不同，它不依靠人的主观意识去判断决策，而是通过量化模型处理大量信息以便找到一定的市场规律。

量化投资的发展史就短短的几十年，但其凭借其纪律性、系统性、及时性、准确性和分散化的优势，发展前景十分可观。其主要研究内容包括算法交易、股指期货套利和量化选股等投资策略，以数据挖掘、人工智能和随机过程等理论进行分析最终得到决策方案。A股市场的弱有效性，使其特别适合通过量化的方法找出其无效性，发掘出超额收益的潜力。

二、数学模型的重要性

“数学模型”，又称“金融数学”或“数理金融学”，是利用数学工具研究金融现象，通过数学模型进行定量分析，以求找到金融活动中潜在的规律，并用以指导实践。金融数学是现代数学与计算机技术在金融领域中的结合应用。

金融数学的发展曾两次引发了“华尔街革命”。上个世纪50年代初期，马克维茨提出证券投资组合理论，第一次明确地用数学工具给出了在一定风险水平下按不同比例投资多种证券，收益可能最大的投资方法，引发了第一次“华尔街革命”。马克维茨也因此获得了1990年诺贝尔经济学奖。1973年，美国金融学家布莱克和舒尔斯用数学方法给出了期权定价模型，推动了期权交易的发展，期权交易很快成为世界金融市场的主要内容，成为第二次“华尔街革命”。2003年诺贝尔经济学奖第三次授予以数学为工具分析金融问题的美国经济学家恩格尔和英国经济学家格兰杰，以表彰他们分别用“随着时间变化易变性”和“共同趋势”两种新方法分析经济时间数列给经济学研究和经济发展带来巨大影响。

不仅仅是理论界在金融数学领域取得巨大的成就。实务投资派也运用金融数学模型在市场中取得了巨大的盈利。数学教授出身的“模型先生”詹姆斯・西蒙斯（James Simons）连续两年在对冲基金经理人收入排行中位列第一。2005年，西蒙斯成为全球收入最高的对冲基金经理，净赚15亿美元，去年，他收入高达17亿美元，差不多是索罗斯的两倍。68岁的西蒙斯是世界级的数学家，也是最伟大的对冲基金经理之一。他24岁就出任哈佛大学数学系教授，曾与著名华裔数学家陈省身一同创立了Chern-Simons几何定律，该定律成为理论物理学的重要工具。西蒙斯和他的文艺复兴科技公司是华尔街一个彻底的异类，公司从不雇用华尔街人士，而是靠数学模型捕捉市场机会，用电脑作出交易决策，是这位超级投资者成功的秘诀。

而在量化投资学中，数学模型有着举足轻重的作用。依靠个人判断选股，你可以一夜暴富，但是同时你也承担着第二天输得什么都没有的风险，模型的优势恰恰在于降低风险。举个例子，传统的定性投资依赖于上市公司的调研，结合了个人的经验和主观判断，而无法克服人性上贪婪、侥幸心理和恐惧等弱点，带着个人情感会使是判断产生偏差。模型恰恰能通过全面系统性的扫描，准确且客观地评价交易机会，克服了主观上的情绪导致的偏差，从而做到降低风险。投资能盈利的本质就在于能有效的控制风险。风险是一定存在，但只要能合理控制，即能找到商机。

三、论述数学在股市中的应用

（一）时间序列下用R/S分析法对股市收盘的预测

R/S分析法由水纹专家H.E.Hurst在1951年提出的，其旨通过数学公式计算出该序列的H值，并根据H值来判断序列的走势。H值和相应的时间学列分为3中类型：

（1）H=0.5时，时间序列是随机游走的。序列中的不同时间的值是随机的和不相关的，即市场是有效的。

（2）当0.5≤H

（3）当0

根据R/S分析法，可将要分析的股票的收盘数据导出，计算出各项指标，根据H值来预测收盘的走势，对投资决策有重大意义。

（二）多因子选股模型

多因子选股模型是一类重要的选股模型。较稳定，是综合很多市场信息最后得出的选股结果。通常有两种办法：打分法和回归法。在此介绍回归法在选股中的应用。

回归法根据过去的股票的收益率的值对多因子进行回归最终得到回归方程。再将新因子的值带入回归方程，得到的值即为对未来股票的收益的一个预判，可根据这个预判进行选股。

第11篇

数理金融专业课程群的构造应该突出知识在解决金融问题的实用性和针对性，对涉及到金融、数学、统计、计算机学科的知识，不以原有学科知识的完整性为准则，而是对照数理金融专业实际需求对原有学科的知识进行删减、重组和增设。由于数理金融专业的培养目的是培养解决金融领域问题的人才，因此数理金融专业核心课程群的构造思路是立足原有金融学科，以培养学生量化解决金融问题的能力为导向，突出各学科之间的融合以及知识点关系的处理。基于这一构造思路，我们对数理金融专业设置三个核心课程群：金融基础课程群、量化金融课程群以及实证方法课程群。三者的关系在于金融基础课程群是基础，介绍金融领域的传统理论知识；量化金融课程群是核心，是区别传统金融学的关键，介绍现代金融理论的定价和风险管理知识；实证方法课程群是手段，即如何利用数学、统计学和计算机学科的知识对量化金融课程群中所涉及知识点加以实现，并进而解决实际量化金融问题。金融学基础课程群和量化金融学课程群主要是基于传统金融学科和现代金融理论的基础进行构建。金融学基础课程群涉及的课程主要包括金融市场学、投资学、国际金融学等，量化金融学课程主要包括资产定价、投资组合与风险管理等。实证方法课程群是补充数学、统计学和计算机等相关学科知识，由于数理金融专业对这些学科的理论知识没有过深的涉足，仅需要能加以灵活运用解决量化金融问题，因此精选了随机过程、金融计量学、金融数学软件等课程。

2核心课程群内课程知识点构建

虽然我们对数理金融专业核心课程群及其之间的关系进行了梳理，但是如果不对课程群内各课程知识点进行重新构建；那么我们只是完成了第一步工作，即对数理金融专业课程进行粗线条地归类、删减和增设，更细致的工作是如何对课程群的群内及群间的知识点进行系统化的构建。

2.1以各课程群的整体建设目标组织各课程群内知识点

课程群不是几门课的简单叠加，而是围绕课程群的总体教学目标，进行知识点的整合。因此课程内容不再是按照原课程知识点自然逻辑进行安排，而是打破原有课程的知识点的构架，选择与课程群的整体建设目标相关的知识点，与课程群内其他课程知识点一起进行优化。在优化的过程中首先减少诸多课程内容的重复；其次根据课程群的建设思路和系统统筹规划，对相关课程进行重新设计和整合构建，对具体课程知识点进行增、删、整、并；最后根据知识点之间的关系以及重要程度进行教学时数和时间分配。

2.2以学生能力培养为导向注重知识点与实际案例的有效结合

数理金融专业的教学根本目的不在于数理金融相关知识点的传授，而在于学生量化解决实际金融问题的能力培养。因此在知识点的梳理和构建过程中，应该紧扣实际案例，做到知识点的呈现与实际案例中问题解决有效结合。即，知识点的安排不是按照知识点的自然逻辑进行安排，而是以实际案例的问题解决过程进行知识点的筛选和安排，突出学生通过案例学习知识点，并能对知识点进行实际应用的能力培养。知识点与案例紧密结合不仅增加了知识点的鲜活性、立体性和形象性，而且有助于学生的逻辑思维能力的培养。单纯的知识点的传授，只是让学生掌握了知识点自身的逻辑体系；但是在解决实际问题中，学生需要能对问题进行解剖，抓住问题的关键，并在众多的知识点中选择恰当的知识点来分析问题，这却是单纯知识点的传授所无法实现的。但是如果知识点的构建和习得过程中本身就是按照问题解决的逻辑进行的；那么在知识点的习得过程中，逻辑思维能力也会得到应有的提高。特别是对于应用性极强的数理金融专业，特别是课程群中的重要知识点，一定要与市场实际案例相结合，通过案例的引入、问题的解决、问题的引申来呈现知识点。

3数理金融专业核心课程群教学模式探讨

数理金融专业核心课程群设置的总体目标是培养学生量化解决金融实际问题的能力，因此教学模式也区别于单纯以知识传输为目标的传统教学模式。传统教学模式一般是教师对学生的单向性的灌输活动，学生的参与度不够；导致的结果是学生对知识的掌握与实际相脱节，无法灵活应用所学知识解决现实问题。针对现实性、综合性、复杂性极强的金融市场，我们提出了应用探究合作式教学模式开展数理金融专业核心课程群的教学活动。

3.1探究合作式教学模式的含义

探究合作式教学模式包括两层含义，一是“探究学习”，二是“合作教学”。“探究学习”是1961年美国芝加哥大学教授施瓦布（J.J.Schwab）在哈佛大学举行纪念演讲会上提出的。认为教学内容应当呈现学科特有的探究方法去探究叙事，去解决问题；教师应当用探究的方式来传授知识，学生也应通过探究活动来展开学习。“合作教学”理论是20世纪70年代中期美国教育家威廉•格拉塞提出的。合作教学模式是在充分相信学生，真正把学生当作学习的主人的前提下，以师生之间和生生之间的全员互动关系为课堂教学的核心，以学生的小组合作学习为教学的基本形式，以小组团体成绩为评价对象，通过合作互动促进学生共同达到教学目标。探究合作式学习模式则是“探究学习”和“合作教学”的有效结合，可以概括成“创设问题情境—探究合作—总结、反思、评价—作业延伸”这样四个环节(顾锋娟，2009)。首先通过创设问题情境激发学生的求知欲和主体意识；通过学生的主动探究、合作讨论来培养学生的实践能力和创新精神；通过总结、反思、评价环节提升学生总结问题的能力；最后通过作业延伸对已学知识进行巩固加深。

3.2数理金融专业课程群开展探究合作式教学模式的应用实例

我们利用探究合作式教学模式对数理金融专业课程群进行教学模式改革，强调教学过程中的探究过程及学生的主动参与，以量化金融课程群中资本资产定价模型这一知识点为例子说明如何开展探究合作式教学模式改革，并且如何培养学生量化解决金融实际问题的能力。资本资产定价模型（简称CAPM模型）相关内容，该内容是量化金融课程群中“投资组合与风险管理”课程中“证券投资组合理论”章节内的重点、难点，也是现资组合理论的精髓；但是由于理论性较强，不容易理解，很多学生在学习过程中囫囵吞枣，在学习后都不能加以实际应用。按照探究合作式教学模式的改革思路，我们对这部分内容按照案例引入、思考探究、实证验证、总结引申的过程进行设计，并利用Excel对实证计算部分进行实现，使学生对CAPM模型相关知识有一个立体化、形象化、系统化的认知，并能付诸实际应用。

3.2.1案例引入

首先以案例引入问题情景，某个投资者要进行投资万科这只股票，那么他需要思考投资万科可能获得的收益以及可能承受的风险，即引入了资本资产定价模型中的两个关键因素——收益和风险。

3.2.2初步探讨

对万科股票过去一年的收益和风险进行计算，并将其与整个市场的收益和风险进行对比，得到万科的风险大于整个市场的平均风险，万科在去年整个市场下跌的环境中下跌得更厉害。以数据的简单对比形象地展示了收益和风险之间的关系，并逐步引入到风险和收益的定量化的模型——CAPM模型，即教学过程中的理论知识点。在这过程中引导学生利用Excel的ln函数、average函数、stdev函数、拖曳功能等实现对万科和上证综指的对数日收益率、日标准差、年化标准差等变量的计算。

3.2.3CAPM模型的实证计算

以万科实际数据验证CAPM模型，并通过对比CAPM模型计算出的期望收益与万科过去一年的实际收益之间的差异，得出CAPM模型的核心知识点：市场只对风险资产的系统风险（贝塔值）进行补偿，不对非系统风险进行补偿。在这过程中引导学生运用Excel的covar函数进行贝塔值的计算，并利用万科实际数据和CAPM模型计算出的差异，形象地阐述了虽然市场不对非系统风险进行补偿，但依然会给投资带来可能的损失。

3.2.4案例的总结和引申

总结案例，加深对CAPM模型、系统风险、非系统风险的理解。最后引申到实际投资中，给出两个重要的政策建议。第一，根据自身的风险承受能力选择合适的贝塔值；第二，如何在实际投资中进行非系统风险的分散。

3.3探究合作式教学模式符合数理金融课程群的建设目标

数理金融课程群的建设目标是培养学生定量化解决金融问题的能力，通过上述资本资产定价模型的知识点的探究合作式教学模式设计，我们可以看出探究合作式教学模式有助于实现这一建设目标。（1）以投资者的投资思维过程出发组织该部分知识点，符合学生的认知规律；（2）教学过程通过案例引入、思考探究、实证验证、总结引申等进行展开，激发学生主动思考，体现学习的思辨过程；（3）通过实例计算，使学生对理论知识的学习有立体、直观的感受；（4）用Excel对计算过程进行实现，提高学生的实际动手能力和解决问题的能力；（5）案例与知识点的有效结合，实现学生的“知”与“行”的统一。

4结束语

第12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13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14篇

关键词：传导渠道；实施效果；新兴市场国家影响分析

中图分类号：F821 文献标识码：A doi:10.3969/j.issn.1672-3309（x）.2012.02.32 文章编号：1672-3309（2012）02-74-03

一、量化宽松货币政策的产生及其含义

量化宽松货币政策是以量化宽松为特点，主要通过在公开市场上购买包括中长期国债等中长期资产的措施向市场注入大量的流动性，以刺激经济发展的货币政策。具体而言，就是中央银行在经济持续低迷、银行信贷量急剧萎缩的情况下，通过大量印制钞票并用于购买国债等方式，直接向市场注入大量流动性的一种货币政策。

二、量化宽松货币政策相关文献综述

自2001年日本首次实行量化宽松货币政策以来，各国的专家和学者们对其做了大量的研究，综合来看，这些研究主要包含以下3个角度：

（一）量化宽松货币政策刺激经济的三条渠道分析

针对这些量化宽松货币政策如何对实体经济产生作用，通过怎样的传导机制来产生作用，各国学者做了很多的研究，提出了不同的见解。大量的研究结论主要集中在三大渠道：低利率预期引导下的利率传导渠道、投资组合调整传导渠道和与财政政策配合使用形成的财政支出扩张渠道三种。

1、低利率预期引导下的利率传导渠道

在危机期间，增强人们对政策和经济前景的信心是极其重要的，所以量化宽松货币政策能否起到作用极其重要的一点就是政策是否具有可信度。实行量化宽松政策，国家都会进行积极的预期管理，通过强化公众预期来提升人们对经济的信心。一般通过发表利率声明、官员公开讲话或者暗示等途径向公众传递一种信息――“只要通缩风险持续存在，或者通货膨胀率显著低于目标，就将维持低利率”。以此引导人们产生低利率水平的预期，从而降低长期利率，以此来影响资产价格，提高人们对经济复苏的信心，来达到刺激消费和投资的目的。

Krugman于1998年就曾在其关于“预期管理”的著作中提出:当名义市场利率将至零时，能够影响私人部门关于未来货币政策的“预期管理”就会变得很重要。并指出即使名义市场利率接近零下界时，中央银行仍然可以通过提高未来通货膨胀率预期的方法来提高现阶段的产出水平。

Bernanke（2000）和Clouseet（2003）认为，量化宽松的货币政策同常规货币政策一样，也可通过影响对未来短期利率的预期来促进经济增长。在零利率或接近零利率的条件下，量化宽松货币政策可使央行未来维持零利率的政策更为可信。

Bernanke2004年提出，在美国有证据表明央行的信息沟通可以帮助公众对未来政策预期的形成；他在2009年提出“信贷宽松”的同时，也曾提到当遇到0利率下限时，信息沟通是央行可以利用的最重要的工具之一。

当名义市场利率降至0时，能够影响私人部门关于未来货币政策的“预期管理”将会变得很重要，Fujiwara (2006) 和Moussa (2010)等就在其著作中指出在名义市场利率降至零的时候能够影响私人部门关于未来货币政策资金投放增加很可能使人们对景气的恢复产生期待，使人们走出悲剧心理，促进消费和投资，特别是市场可以看到央行大量买入资产，比央行口头的承诺要更加实在。在这种政策具有一定可信性的前提下，货币政策将降低短期利率的预期，从而影响长期收益率，降低长期利率,最终增加通货膨胀率预期，以达到刺激经济活动的目的。

2、投资组合调整传导渠道

量化宽松货币政策，另外一个很重要的组成部分就是央行通过调整自身资产负债表的构成或者扩大其资产负债表的规模，来向金融市场和实体经济注入大量的流动性。例如央行大量购买中长期国债和其他的中长期债券等。央行通过这些行为可以压低相应市场的中长期利率，使非货币资产价格得到了支撑，降低其收益率，增加企业和公司债券等非货币性金融资产的吸引力。由于金融资产之间是具有不完全替代性的，这将促进金融机构和公众投资者调整其投资组合，带动公众的投资和消费，刺激经济复苏。

Bernanke和Reinhart（2004）认为，改变央行资产负债表的资产结构提供了另外一种潜在的货币政策手段，虽然这种政策手段的效力还是有争议的。

Andres(2004)认为，利率为零附近时的投资组合调整传导渠道的效应要大于其在正常利率时的效应。

Auerbach和Obstfeld (2005)认为，公开市场上购买政府债券可以抵消在遇到利率零下限时的通货紧缩价格下降的趋势。而且央行也可以通过改变资产负债表的规模和买卖有价证券来改变货币政策，以影响总供给的储备和货币余额。因此，即使隔夜拆借利率被压制到0，央行仍然可以扩大准备金的数量以超过保证隔夜利率为0或更低时所需要的数量。

Michale(2009)认为，在流动性成本基本为零的情况下，央行可以通过增加流动性，在一定程度上促使市场参与者调整自己的投资组合，将资金转向拥有更高收益率的股票和长期债券等资产，从而提高资产价格，降低资产收益率，达到刺激投资的目的。

Zakaria Moussa(2010)从托宾的q理论视角出发，认为央行通过大量购买中长期国债等措施，在向市场注入大量流动性资金的同时，降低了中长期利率，提高了资产价格。根据托宾q理论，企业将会趋向于选择新的投资，从而增加企业投资，刺激经济复苏。

3、与财政政策配合使用形成的财政支出扩张渠道

直接购买中长期国债和政府担保债券等是各货币当局当前实行量化宽松政策的重要策略，也会成为量化宽松货币后期政策的落脚点。货币当局购买国债的操作，减轻了政府的利息压力，减轻政府的预算约束，有利于政府财政支出的扩张。Obstfeld和Auebach(2003)就曾经对永久性增加货币供给以扩张财政支出进行过分析，提出央行可以通过在公开市场购买中长期国债等措施，以不付息的货币来代替付息的国债，从而降低政府利息负担。

近些年来，我国的众多学者也开始加大对量化宽松货币政策的关注和研究，但有关其政策实施的传导机制的研究仍然相对较少。

（二）量化宽松货币政策的实施效果分析

量化宽松货币政策的实施时间并不是很长，目前仍然是一个比较有争议性的话题，对于这一政策对此次金融危机是否真的有效果，仍然没有统一的定论。

1、认为量化宽松政策能够起到预期中的作用

国内外很多学者对于美国等国家为应对此次危机所采取的量化宽松策略是持赞同意见的，并对其实施后的效果进行了相关分析。Miyao和Ryuzo早在2002年就探讨过治理金融危机的策略，他们认为：在开放经济中分析金融危机时利率的降低对经济的影响，其实从某种程度而言就是一种“信用危机”或者说是一种“信贷紧缩危机”，因为危机期间金融机构一般都会提高贷款条件或者提前收回贷款以减低风险，从而使市场上的可利用信贷急剧收缩。当可贸易产品的生产产出调整摩擦并不存在，可应用于经济其他部分的比例基本上也无法灵活调整时，那么利率的减少，将会导致经济的复苏和社会福利的提高。

郑联盛(2009)认为，美国在金融危机后的救市政策不但向市场注入了大量流动性而且放松了货币政策，进一步降低了贴现率和联邦基金率，不断地排除了政策束缚例如“扩展政策空间如大萧条以来首次对投资银行提供流动性”、“参与接管两房和AIG”等。在奥巴马政府不断加大各种财政政策和货币政策刺激力度的同时，还能较好地保持政策的连续性。

戴洵在2010年的文章中以美国为样本，从对市场信心的影响、对信贷紧缩的影响、对商业票据市场的影响和对股票市场的影响四个方面来具体分析此次金融危机下美联储救助政策的效果，他认为在这场危机中美联储不断增强的危机救助政策避免了市场情绪的崩溃，使得市场的恐慌情绪明显开始缓和。具体而言这些政策能够弥补美国国债发行缺口，可以改善私人信贷市场条件，并且通过对未来通货膨胀的影响减轻了美国债务负担。

2、认为量化宽松政策存在问题甚至从长期而言是无效的

事实上也有很大一部分学者仍然是觉得这样的政策的实施是有很多弊端的，甚至从长期情况而言是无效的。

Fullwiler(2003)认为，量化宽松货币政策的效应尤其是资产组合调整效应并没有被广泛观察到。他认为，这一效应无效的理由是在危机后经济萧条和资产价格大幅下跌的情况下，私人金融中介机构的资本金受到严重破坏，不良贷款大幅增加。私人银行资本金的严重破坏结果就使金融机构对风险资产的需求降低，拒绝承担更多的投资风险。Miyako（2003）的研究表明，对未来的悲观预期导致量化宽松在初期无法达到效果，主要是因为量化宽松货币政策受到了以下几个因素的限制：一是日本经济低增长导致的低预期收益率，二是对持有风险资产的谨慎态度，三是高不确定性，四是对流动性需求非常大。

Takeshi和David Small(2007)利用本世纪初日本的数据就实施量化宽松货币政策后的投资组合调整效应进行了分析，他们对资产进行了分类――高等级公司债券、低等级公司债券和逆周期的国债以及顺周期的股票，并在此基础上进行了投资组合相关分析，认为量化宽松货币政策降低了逆周期资产的风险溢价，但是却会提高顺周期资产的风险溢价，这就削弱了量化宽松政策的最终效果。同时指出，在零利率政策下，央行大规模购买中长期国债的行为并非能够毫无异议地给金融市场带来净收益。

国内也有很多学者进行相关研究。其中对美国等国家实行量化宽松货币政策持否定态度的有：易纲（2009）指出，尽管日本通过量化宽松货币政策投放大量流动性，但零利率致使投资者在日元和高收益货币之间进行套利交易，不仅影响日本货币政策效果，也造成日元汇率波动。李石凯（2010）从货币供应量变化提出：量化宽松货币政策下美联储投放的美元中没有形成美国国内流动性的部分，绝大多数已经溢出美国金融体系，对刺激美国经济无效，但却会对全球经济产生冲击。

（三）量化宽松政策对新兴市场国家的影响分析

量化宽松政策在本质上是在接近零的利率水平下向经济体直接注入大量流动性。这些超量的美元、日元等等必然在全球寻找获利机会，以各种形式进入投资和盈利前景更佳的中国等新兴市场国家，催生资产泡沫，推高物价水平，掣肘货币政策等。

中国人民银行研究局局长张健华在“2010中国国际金融年度论坛”上就美联储第二轮量化宽松货币政策表示，美联储宣布第二轮量化宽松货币政策，很大程度上会引发资本流向新兴市场国家，中国面临的资产价格压力很大。当前物价水平上涨的压力不容忽视，年底物价可能超出年初预期，实际通胀也可能有所上升。央行货币政策委员会成员夏斌认为，跨境资本流动政策、汇率制度转轨政策及其他政策的协调与衔接，是新兴国家在宏观审慎管理上尤应重点关注的问题。而具体到对中国的影响时，刘元发（2010）认为美日的量化宽松货币政策必然会造成中国通货膨胀的压力加大；国际热钱流入的速度加快，强化了人民币的升值预期；加大了货币政策调控的难度。

在全球经济一体化的形势下，美日的这种货币政策上的改变必然会对中国等新兴市场国家产生影响，尤其是对中国而言。我们应尽可能处理好自己的对外经济政策，去努力构筑防范外部冲击的“防火墙”，综合运用多种政策组合抑制这种负面影响的存在。

三、总结

首先，目前这种全球大规模实行量化宽松政策的形势，必将对世界经济产生难以估量的影响。量化宽松货币政策固然可以缓解实施国内部的通缩情况，但以美国为例，美元作为世界结算货币和储备货币，这种政策的实施明显有向全世界输出通货膨胀的嫌疑。尤其中国作为美国最大的债权国，美国的量化宽松政策的实施更是会直接影响到中国。因此，我们应该将之后对量化宽松货币政策的研究重点放在其可能给中国带来的潜在风险的分析研究，对此保持警惕并研究应采取的相应措施。

参考文献：

[1]尚姝.数量宽松货币政策的效果研究：基于日本经验[J].价格理论与实践，2009，（03）.

第15篇

关键词 数理金融 课程群 探究合作式教学

中图分类号：G424 文献标识码：A DOI：10.16400/ki.kjdkx.2015.07.054

Thinking on Mathematical Finance Curriculum

Group System and Teaching Mode

GU Fengjuan， XU Aimin

（Zhejiang Wanli University， College of Computer and Information Science， Ningbo， Zhejiang 315100）

Abstract In this paper， combined with the characteristics of the market for mathematical finance professionals demand， and mathematical finance interdisciplinary character， to explore the construction of mathematical finance curriculum group system， and explore collaborative teaching model in mathematical finance curriculum group， and provide new ideas on science finance reform and construction.

Key words mathematical finance; curriculum group; inquiry cooperative teaching

近些年来，随着高等教育朝着“厚基础、宽口径”的方向发展，专业课的课程门类与学时数受到大幅度精简，这样课程内容和学时之间冲突加剧，迫切需要对相关课程的群体性有一个整体融合和规划。研究相关课程群体性的整体融合和规划就称之为课程群建设。课程群建设的中心思想是对教学计划中具有相互影响、密切联系、互动有序的相关课程进行重新规划设计和整合。这些课程一般都从属于某个学科门类，有着整体的教学要求，课程之间渗透性较强，有些课程之间甚至有共同的知识点，无论是从压缩课时，还是从发挥课程之间的群体优势方面都具有进行课程群建设的必要性和可行性。国内一些学者也较早认识到课程群建设的重要性，并提出了一些课程群建设的共性问题，如陆为群（2007）提出了课程群建设的原则和策略;赵朝会（2008）探讨了课程群建设所需要解决的主要问题。由于学者对课程群建设一直以来主要关注某个传统专业（马媛媛，2013），很少有对数理金融这样的新兴交叉学科专业进行研究。

数理金融专业是融合传统金融学、数学、统计学、计算机学等学科知识的新兴交叉学科，目标是培养能灵活运用多学科知识解决金融领域的量化问题的综合性人才。这一专业一方面需要解决交叉学科庞杂的课程内容与学时之间的矛盾;另一方面则需要按照自身的培养目标，弱化学科之间界限，以面对市场量化解决金融问题的能力培养为主线进行跨学科知识体系的重构。为此，我们率先提出构建知识传授和能力培养并重的数理金融专业核心课程群结构体系，并对课程群的教学组织形式进行探究合作式教学模式的改革探索。

1 数理金融专业核心课程群的设置

数理金融专业课程群的构造应该突出知识在解决金融问题的实用性和针对性，对涉及到金融、数学、统计、计算机学科的知识，不以原有学科知识的完整性为准则，而是对照数理金融专业实际需求对原有学科的知识进行删减、重组和增设。由于数理金融专业的培养目的是培养解决金融领域问题的人才，因此数理金融专业核心课程群的构造思路是立足原有金融学科，以培养学生量化解决金融问题的能力为导向，突出各学科之间的融合以及知识点关系的处理。基于这一构造思路，我们对数理金融专业设置三个核心课程群：金融基础课程群、量化金融课程群以及实证方法课程群。三者的关系在于金融基础课程群是基础，介绍金融领域的传统理论知识;量化金融课程群是核心，是区别传统金融学的关键，介绍现代金融理论的定价和风险管理知识;实证方法课程群是手段，即如何利用数学、统计学和计算机学科的知识对量化金融课程群中所涉及知识点加以实现，并进而解决实际量化金融问题。

金融学基础课程群和量化金融学课程群主要是基于传统金融学科和现代金融理论的基础进行构建。金融学基础课程群涉及的课程主要包括金融市场学、投资学、国际金融学等，量化金融学课程主要包括资产定价、投资组合与风险管理等。实证方法课程群是补充数学、统计学和计算机等相关学科知识，由于数理金融专业对这些学科的理论知识没有过深的涉足，仅需要能加以灵活运用解决量化金融问题，因此精选了随机过程、金融计量学、金融数学软件等课程。

2 核心课程群内课程知识点构建

虽然我们对数理金融专业核心课程群及其之间的关系进行了梳理，但是如果不对课程群内各课程知识点进行重新构建;那么我们只是完成了第一步工作，即对数理金融专业课程进行粗线条地归类、删减和增设，更细致的工作是如何对课程群的群内及群间的知识点进行系统化的构建。

2.1 以各课程群的整体建设目标组织各课程群内知识点

课程群不是几门课的简单叠加，而是围绕课程群的总体教学目标，进行知识点的整合。因此课程内容不再是按照原课程知识点自然逻辑进行安排，而是打破原有课程的知识点的构架，选择与课程群的整体建设目标相关的知识点，与课程群内其他课程知识点一起进行优化。在优化的过程中首先减少诸多课程内容的重复;其次根据课程群的建设思路和系统统筹规划，对相关课程进行重新设计和整合构建，对具体课程知识点进行增、删、整、并;最后根据知识点之间的关系以及重要程度进行教学时数和时间分配。

2.2 以学生能力培养为导向注重知识点与实际案例的有效结合

数理金融专业的教学根本目的不在于数理金融相关知识点的传授，而在于学生量化解决实际金融问题的能力培养。因此在知识点的梳理和构建过程中，应该紧扣实际案例，做到知识点的呈现与实际案例中问题解决有效结合。即，知识点的安排不是按照知识点的自然逻辑进行安排，而是以实际案例的问题解决过程进行知识点的筛选和安排，突出学生通过案例学习知识点，并能对知识点进行实际应用的能力培养。

知识点与案例紧密结合不仅增加了知识点的鲜活性、立体性和形象性，而且有助于学生的逻辑思维能力的培养。单纯的知识点的传授，只是让学生掌握了知识点自身的逻辑体系;但是在解决实际问题中，学生需要能对问题进行解剖，抓住问题的关键，并在众多的知识点中选择恰当的知识点来分析问题，这却是单纯知识点的传授所无法实现的。但是如果知识点的构建和习得过程中本身就是按照问题解决的逻辑进行的;那么在知识点的习得过程中，逻辑思维能力也会得到应有的提高。特别是对于应用性极强的数理金融专业，特别是课程群中的重要知识点，一定要与市场实际案例相结合，通过案例的引入、问题的解决、问题的引申来呈现知识点。

3 数理金融专业核心课程群教学模式探讨

数理金融专业核心课程群设置的总体目标是培养学生量化解决金融实际问题的能力，因此教学模式也区别于单纯以知识传输为目标的传统教学模式。传统教学模式一般是教师对学生的单向性的灌输活动，学生的参与度不够;导致的结果是学生对知识的掌握与实际相脱节，无法灵活应用所学知识解决现实问题。针对现实性、综合性、复杂性极强的金融市场，我们提出了应用探究合作式教学模式开展数理金融专业核心课程群的教学活动。

3.1 探究合作式教学模式的含义

探究合作式教学模式包括两层含义，一是“探究学习”，二是“合作教学”。“探究学习”是1961年美国芝加哥大学教授施瓦布（J. J. Schwab）在哈佛大学举行纪念演讲会上提出的。认为教学内容应当呈现学科特有的探究方法去探究叙事，去解决问题;教师应当用探究的方式来传授知识，学生也应通过探究活动来展开学习。“合作教学”理论是20世纪70年代中期美国教育家威廉・格拉塞提出的。合作教学模式是在充分相信学生，真正把学生当作学习的主人的前提下，以师生之间和生生之间的全员互动关系为课堂教学的核心，以学生的小组合作学习为教学的基本形式，以小组团体成绩为评价对象，通过合作互动促进学生共同达到教学目标。探究合作式学习模式则是“探究学习”和“合作教学”的有效结合，可以概括成 “创设问题情境―探究合作―总结、反思、评价―作业延伸”这样四个环节（顾锋娟，2009）。首先通过创设问题情境激发学生的求知欲和主体意识;通过学生的主动探究、合作讨论来培养学生的实践能力和创新精神;通过总结、反思、评价环节提升学生总结问题的能力;最后通过作业延伸对已学知识进行巩固加深。

3.2 数理金融专业课程群开展探究合作式教学模式的应用实例

我们利用探究合作式教学模式对数理金融专业课程群进行教学模式改革，强调教学过程中的探究过程及学生的主动参与，以量化金融课程群中资本资产定价模型这一知识点为例子说明如何开展探究合作式教学模式改革，并且如何培养学生量化解决金融实际问题的能力。

资本资产定价模型（简称CAPM模型）相关内容，该内容是量化金融课程群中“投资组合与风险管理”课程中“证券投资组合理论”章节内的重点、难点，也是现资组合理论的精髓;但是由于理论性较强，不容易理解，很多学生在学习过程中囫囵吞枣，在学习后都不能加以实际应用。按照探究合作式教学模式的改革思路，我们对这部分内容按照案例引入、思考探究、实证验证、总结引申的过程进行设计，并利用Excel对实证计算部分进行实现，使学生对CAPM模型相关知识有一个立体化、形象化、系统化的认知，并能付诸实际应用。

3.2.1 案例引入

首先以案例引入问题情景，某个投资者要进行投资万科这只股票，那么他需要思考投资万科可能获得的收益以及可能承受的风险，即引入了资本资产定价模型中的两个关键因素――收益和风险。

3.2.2 初步探讨

对万科股票过去一年的收益和风险进行计算，并将其与整个市场的收益和风险进行对比，得到万科的风险大于整个市场的平均风险，万科在去年整个市场下跌的环境中下跌得更厉害。以数据的简单对比形象地展示了收益和风险之间的关系，并逐步引入到风险和收益的定量化的模型――CAPM模型，即教学过程中的理论知识点。

在这过程中引导学生利用Excel的ln函数、average函数、stdev函数、拖曳功能等实现对万科和上证综指的对数日收益率、日标准差、年化标准差等变量的计算。

3.2.3 CAPM模型的实证计算

以万科实际数据验证CAPM模型，并通过对比CAPM模型计算出的期望收益与万科过去一年的实际收益之间的差异，得出CAPM模型的核心知识点：市场只对风险资产的系统风险（贝塔值）进行补偿，不对非系统风险进行补偿。

在这过程中引导学生运用Excel的covar函数进行贝塔值的计算，并利用万科实际数据和CAPM模型计算出的差异，形象地阐述了虽然市场不对非系统风险进行补偿，但依然会给投资带来可能的损失。

3.2.4 案例的总结和引申

总结案例，加深对CAPM模型、系统风险、非系统风险的理解。最后引申到实际投资中，给出两个重要的政策建议。第一，根据自身的风险承受能力选择合适的贝塔值;第二，如何在实际投资中进行非系统风险的分散。

3.3 探究合作式教学模式符合数理金融课程群的建设目标

数理金融课程群的建设目标是培养学生定量化解决金融问题的能力，通过上述资本资产定价模型的知识点的探究合作式教学模式设计，我们可以看出探究合作式教学模式有助于实现这一建设目标。（1）以投资者的投资思维过程出发组织该部分知识点，符合学生的认知规律;（2）教学过程通过案例引入、思考探究、实证验证、总结引申等进行展开，激发学生主动思考，体现学习的思辨过程;（3）通过实例计算，使学生对理论知识的学习有立体、直观的感受;（4）用Excel对计算过程进行实现，提高学生的实际动手能力和解决问题的能力;（5）案例与知识点的有效结合，实现学生的“知”与“行”的统一。

4 结束语

数理金融专业融合传统金融学、数学、统计学、计算机学等多个学科知识，与其他传统专业相比，一方面需要解决交叉学科庞杂的课程内容与学时之间的矛盾;另一方面需要按照自身的培养目标，弱化学科之间界限，进行跨学科知识体系的重构。为此我们紧密围绕金融市场对数理金融专业人才素质的要求对数理金融专业课程进行整合，率先构建知识传授和能力培养并重的专业核心课程群结构体系，具体包括金融基础课程群、量化金融课程群和软件应用课程群，并对课程群的教学组织形式进行合作研究性教学模式的改革思考，为数理金融专业改革和建设提供了新思路。

项目资助：浙江省高等教育课堂教学改革研究项目“以探究合作式学习为核心的《证券投资学》课程改革与实践”，宁波市数字图书馆网络课程《证券投资学》建设项目，浙江万里学院统计学重点专业建设子项目

参考文献

[1] 陆为群.高校院校课程群建设的原则和策略[J].黑龙江高教研究，2007（11）：111-113.

[2] 赵朝会.浅谈课程群建设[J].中国科教创新导刊，2008（14）：17-18.