前言：中文期刊網精心挑選了量化投資與分析范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
量化投資與分析范文1
盡管量化投資已經成為市場投資的發展趨勢，但是大多數投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數學模型，而賺錢的投資模型都是機構的秘密武器，不會輕易披露。另一方面是由于量化投資采用計算機系統，設計各種交易手段，有著較為復雜的數學計算與技術要求，現在許多量化投資都是計算機自動執行的程序交易。另外，量化交易者，俗稱寬客（quants）的交易和故事多多少少增加了量化投資的神秘感。所以，人們一般把量化投資稱為“黑箱”。納蘭（Narang，R.，2012）描述了量化交易系統的典型構造，打開了量化投資的“黑箱”。納蘭認為阿爾法模型用來預測市場未來方向，風險控制模型用來限制風險暴露，交易成本模型用來分析為構建組合產生的各種成本，投資組合構建模型在追逐利潤、限制風險與相關成本之間做出平衡，然后給出最優組合。最優目標組合與現有組合的差異就由執行模型來完成。數據和研究部分則是量化投資的基礎：有了數據，就可以進行研究，通過測試、檢驗與仿真正確構建各個模型。預測市場并制定策略是量化投資的核心，即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發展，量化投資模型也在不斷改進。簡單的策略可能就是證券或組合的套利行為，如期現套利組合、市場異象研究中的差價組合等。統計套利策略是經典的量化投資策略，如匹配交易或攜帶交易。近年來，高頻交易成為量化投資的重要內容，基于高速的計算機系統實施高頻的程序交易已經是量化投資的重要利器。丁鵬（2012）將量化投資的主要內容分為以下幾個方面：量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易、ETF/LOF套利和高頻交易等。他認為量化投資的優勢在于：紀律性、系統性、及時性、準確性和分散化。
二、量化投資“黑箱”中的構造與證券投資學的差異
在傳統的證券投資學中，投資組合理論、資本資產定價模型、套利定價理論和期權定價理論是現代金融理論的四塊基石。前兩者主要依靠均值-方差組合優化的思想，后兩者則主要依靠市場的無套利條件。傳統的投資方法主要是基本面分析和技術分析兩大類，而量化投資則是“利用計算機科技并采用一定的數學模型去實現投資理念、實現投資策略的過程”。從概念看，量化投資既不是基本面分析，也不是技術分析，但它可以采用基本面分析，也可以采用技術分析，關鍵在于依靠模型來實現投資理念與投資策略。為了分析量化投資對證券投資學的啟示，本文從量化投資“黑箱”的各個構成來探討量化投資與證券投資學中思路和觀點的差異。
（一）資產定價與收益的預測
根據組合優化理論，投資者將持有無風險組合與市場風險資產組合，獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合，認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻?；谝蛩啬Ｐ偷奶桌▋r理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考。可以說，在因素定價方面，量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇，證券投資學認為，對資產價格的影響，長期應主要關注基本面因素，而短期應主要關注市場的交易行為，即采用技術分析。在量化投資中，主要強調按照事先設定的規則進行投資，這在一定程度上與技術分析類似。但是，在技術分析中，不同的人會有不同的結論，而量化投資則強調投資的規則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。
（二）無套利條件與交易成本
在證券投資學里，流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實現，如套利交易。根據套利定價理論，一旦市場出現無風險的套利機會，理性投資者會立即進行套利交易，當市場均衡時就不存在套利機會?，F實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中，對市場中套利限制與非流動性的關注較少，這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下，金融資產交易的過程及其結果，旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中，不同的市場微觀結構對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實施量化投資策略的證券往往都應有較好的流動性，因為交易時非流動性直接影響投資策略的實施。從這個意義上講，量化投資時的交易成本不僅包括交易費用，更主要的是要考慮市場交易沖擊的流動性成本。
（三）風險控制與市場情緒
在證券市場中，高收益與高風險相匹配。量化投資在追求高收益的同時，不可避免地承擔了一定的風險。在證券投資學中，系統性風險主要源于宏觀經濟因素，非系統性因素則主要源于行業、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經濟因素，而且會考慮交易行為等因素，只是不同的模型有不同的側重點，在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外，量化投資還有自身不可忽視的風險源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風險。另一方面，市場沖擊的流動性成本也是量化投資的風險控制因素，理所當然地在圖1的風險控制模型中體現出來。另外，在一般的投資過程中，市場情緒或多或少會成為風險控制的一個對象。然而，在量化投資中，更多的交易都是通過計算機來實現的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔適度的風險來獲得超額回報，因為畢竟減少風險也減少了超額回報。
（四）執行高頻交易與算法交易
在對未來收益、風險和成本的綜合權衡下，實現投資策略成為量化投資的重要執行步驟。為了達到投資目標，量化投資不斷追求更快的速度來執行投資策略，這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里，技術分析認為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計算機信息科技的創新，量化投資策略之間的競爭越來越大，誰能運作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計算機系統處理數據和進行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點有：處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。高頻交易有4類流行的策略：自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法：產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行，目前“算法交易”比較流行。算法交易優化買賣指令的執行方式，決定在給定市場環境下如何處理交易指令：是主動的執行還是被動的執行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。
三、對量化投資在證券投資教學中應用的思考
從上述分析可以知道，量化投資的“黑箱”構造與證券投資學之間存在一定的差異，因此，在證券投資的教學中應當考慮量化投資發展的要求。
（一）市場微觀結構與流動性沖擊
在理性預期和市場有效假說下，市場價格會在相關信息披露后立即調整，在信息披露前后市場有著截然不同的表現。在證券投資學里，一般認為價格的調整是及時準確的，然而，現實的世界里，價格調整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調整是瞬間的，影響不大。然而，在高頻交易中，這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程，認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型，這些市場微觀結構的研究加強了流動性與資產價格之間的聯系，強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容，因而，為了加強證券投資學的實用性，應關注市場微觀結構的內容與發展。
（二）業績評價與高杠桿
對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風險與業績。在組合業績評價中，一方面要考慮風險的衡量，另一方面則要分析業績的來源。在證券投資學中，組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業績評價還應考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統的業績評價就不太一樣。在一般的證券投資學里，業績評價主要考慮經風險調整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻，而且有可能夸大了投資者的技能水平。
（三）人為因素與模型風險
在量化投資中，非常注重計算機對數據和模型的分析，這突出了量化投資的規則性和固定性。然而，實際中，別看量化采用了各種數學、統計模型，但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究，并借助計算機實施策略，能夠消除很多認為的隨意性。但是，量化策略畢竟體現投資者的交易理念，這一部分依賴于投資者的經驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實施依賴于人的設定，而人的設定不僅依賴于經驗，而且人還會犯錯。人之所以會犯錯，一方面是因為人們對市場的認知是不完全的，另一方面則是人們使用了錯誤的模型。經典的證券投資理論中，股票價格的變動被認為是隨機的，小概率事件出現的機會比較小，但是經驗研究表明股票收益率具有肥尾現象，小概率事件發生的機會超出了人們原先的認識，即市場還會出現“黑天鵝”。更為關鍵的是，量化投資更依賴數學和統計模型，這就使得量化投資存在較大的模型風險，即使用了錯誤的模型。為了防范模型風險，應采用更為穩健的模型，即模型的參數和函數應該適應多種市場環境。近年來，研究表明，證券收益及其與風險因素的關系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。
（四）2013年諾貝爾經濟學獎的啟示
量化投資與分析范文2
【關鍵詞】金融衍生品 量化投資 相關性 探究
金融衍生品與量化投資之間的相關性是當前經濟發展比較重要的研究議題，兩者的有效配合在某種程度上能使投資者獲得較為豐富的投資收益，并且將風險以及杠桿性將至最低。就當前現狀而言，金融衍生品內容越來越多，而量化投資投資工具呈現多元化的趨勢，這為投資者提供了較多的投資方式以及渠道，并使其在最小風險值內獲取最大的經濟收益。文章主要介紹了金融衍生品及量化投資，重點闡述了兩者之間的關聯性，最后論述了兩者有效融合的前提下如何獲得最大的經濟效益值。
一、金融衍生品與量化投資概念闡述以及其發展
（一）金融衍生品
金融衍生品在我國經濟中運用范圍不斷擴寬，它是基于經濟發展而形成的，是社會發展的必然產物，并且對于全球經濟有著深遠的影響，比如加劇世界經濟一體化、促使金融一體化的逐步形成，金融衍生品在我國經濟發展中扮演非常重要的角色，帶動了我國實體經濟的發展。所謂金融衍生品，它是與金融相關，并由其引發的派生物，屬于一種金融交易工具。近年來，隨著市場經濟發展速度不斷提升，我國金融市場逐漸趨向完善，這也為金融衍生品的發展提供了良好的契機，使其發展日益壯大并成為金融市場的主力軍，并且與信貸以及貨幣市場聯系日益密切，最終促進了金融資產配置的逐漸完善，即風險管理的復雜鏈條。從目前情況分析，我國經濟發展呈現出良好的前景，相對應的工業以及房地產發展相對較好，在此基礎之上，依據高杠桿原理，金融產品自身的優勢性徹底被展現出來，并為投資者帶來相對較好的經濟效益值。但是金融產品也存在一定的風險，可謂是一把“雙刃劍”，雖然它可促進金融市場的發展，但如果運用不當將會引發極為嚴重的后果。上世紀90年代以來，就發生了多起由于金融產品運用不當而引發的經濟損失，例如：2008年金融危機波及全球，引發金融危機的原因主要是CDS等金融產品，其在美國金融市場運作中出現風險管理不當的現象，也就是風險失控，繼而引發了全球性的經濟危機。
金融衍生品主要是基于與金融有關產品的通過不同方式衍生而來，主要包含四種基本形式，分別是遠期、期貨、期權、互換，其價格的變動規律主要是由基礎標的物所決定的，隨著它的變化而變化的，而金融衍生品的價值主要與基礎工具的相關因素有關，比如利率、匯率、市場價格、指數、信用等級等等，從本質上分析，它屬于虛擬的有價證券，在某種意義上而言是一種權利證書，給予投資者基礎性的權利，且與實物資本有著很大的區別，能夠使投資者獲得投資收益。與一般金融產品相比，金融產品有了極大的改良與進步，產品結構更為復雜，其定價模式基本比較單一，主要是以復雜數學模型為主，將多種風險以及因子，如Beta、Delta、Rho、久期等，通過多種方式的映射、組合、分解復合等，繼而形成金融衍生品，結構層次多樣。金融產品雖然為投資者提供了發展契機，但是也存在極大的風險，這種風險的形成與交易與結算有著直接的關聯，上述兩種交易形式基本發生在將來，基于高杠桿的影響，市場風險難以有效控制，預測就更難以估計。
（二）量化投資
量化投資在我國金融市場發展中得到了進一步推廣，相較于定性投資，量化投資科學性更強，并且具備相應的理論依據。在投資過程中，投資者可以利用數學、統計學，還可以借助數據挖掘等方法，以此構建投資策略，管理投資組合，繼而實現風險管理，利用數據模型，借助系統交易信號，系統會自動完成相關交易。從本質上分析，量化投資屬于工具，投資者可以通過經驗累加，然后利用數學模型的功能性，繼而實現信息化的表達。量化投資形式具有自身的優勢特點，這也是傳統投資形式不可比擬的，它主要將投資者經驗累積以另外一種方式呈現，即數學模型，繼而轉化至計算機中，運用相對科學的計算方式，實現產品投資，隨著金融市場的日益完善，數學模型也得以不斷優化。無論是數量化的投資，還是依靠計算機程序的投資，對于技術的要求極為苛刻，在業界譽為“黑箱交易”，從某種角度分析，量化投資基本不依賴大腦，而是依據交易系統，繼而實施具體的決策，上述交易系統是之前確定的，且形式非常復雜的，這樣的系統往往具備較高的精準度。與此同時，交易系統開發需要一定的技術支持，即程序算法設計，部分開發者通常會采取相應措施，加密交易系統，以此保障知識產權不受侵害。外界投資者對此并不清楚，具體運行機制也存在極大的疑問。量化投資者基于交易系統的前提下，收集市場最新的數據變化，同時采集與之相關的信息，將其輸送至交易模型里，然后通過科學的計算，數據的挖掘，加密信息的處理，最終敲定資產配置方案，確定交易的最佳時機。按照相關公式進行量化投資在某種程度上是一種相對理性的投資，其自身的優勢集中體現在分析策略這一環節，突出明晰性以及一致性，與此同時，運用信息與公式，由此獲得的結果基本相同，這在某種程度上對交易者非常有利，避免由于其客觀性以及隨意性而引發的交易失誤。
針對量化投資而言，其涵蓋多個方面：就現狀而言，主要包括量化資產配置、量化投資交易、風險管理。以資產配置為例，必須要基于行業選擇的前提下，以此實施有效配置，然后依據策略組合，在行業內開展相關工作，實行資產優化。量化資產投資，它在某種程度上奠定了總體投資方向，確定發展前景最好的行業、風格和產品。換言之，投資者需要根據市場行情變化規律，選擇市場以及產品，然后給予最佳資金分配方案。相較于傳統的投資形式，量化投資更具一定的優勢，更具科學以及合理性，同時兼具高信度。投資者可以依據數據模型，對整個市場進行有效分析，繼而給予相對準確的判斷，以此進行理性投資決策。
二、兩者之間的關聯性分析
金融衍生品與量化投資的有效結合能夠起到非常關鍵性的作用，投資者能夠選擇相對發展較好的金融產品進行量化投資，由此收獲了相對豐富的投資收益，因而探討兩者之間的關聯性以及有效融合具有劃時代意義。近年來，我國金融市場發展形勢良好，也因此帶動了金融衍生品的迅速擴大，促進了國民經濟的迅速增值。但是以我國現有金融衍生品現狀來說，無論是從行業總量、規模，還是參與范圍及層次方面來看，金融衍生品都還屬于小眾市場，仍需不斷創新與改革。從目前情況分析，對于大部分的投資者而言，他們對于金融衍生品的了解還不夠透徹，這也導致了民主對于金融衍生品的了解甚少，基本都停留在電視或是報紙上對于金融衍生品的看法，這于金融衍生品的長遠發展是非常不利的。2008年的金融危機，很多實體企業采取了相應的對策，比如參與期貨市場，實施套期保值，以此降低生產經營風險，也在某種程度上擴寬市場發展。
金融市場發展速度的加快，股指期貨得以大面積擴散，指數期權也擴大了應用范圍，這于我國金融市場發展而言是極為有利的因素，為量化投資提供良好的發展契機，迎來發展機遇。借助量化投資原理，運用相關實踐方法，通過計算機程序實施投資交易，這將是之后金融衍生品投資的主流方向。
金融衍生品的誕生是社會發展的必然產物，其功能性集中體現在投資風險規避，它形成的主要動因與投資者關系密切，滿足其轉移風險的需求，同時實現其套期保值實際需求，這一過程又被稱為風險對沖，這樣可以使投資者運用相對較少的低成本，基于現貨價格變動，達到規避風險的目的。從目前形勢分析，量化投資在我國金融衍生品上得到了廣泛應用，其對沖實踐需要借助相關載體，也就是具備一定的期貨市場方可實現，但是基于交易品種單一的現狀，這使得量化投資產品在某種程度上具有一定的局限性。隨著股指期權的誕生，個股期權的逐步實施，擴大了金融市場的投資發展，讓更多的投資者增加了風險規避渠道，推動了量化投資范圍的不斷擴大。量化交易策略也在某種程度上發生了改變，更具創造性，帶動實體經濟發展。
金融衍生品的誕生以及投入使用促進了我國金融市場交易的逐步完善，這其中金融衍生品的一個非常重要的功能得到了極大的發揮，即價格發現。所謂價格發現功能，主要從參與者角度出發，他們通過獲得信息，且基于價格預期，利用公開拍賣形式，或是借助電腦進行撮合交易，這在某種程度上可以獲取市場真實需求，供求關系，并且極具競爭性以及預期性的體系。隨著世界經濟一體化趨勢不斷加強，世界金融市場不斷擴大，與之相關的金融衍生品應用范圍也隨之不斷擴大，金融交易所的相關交易實現跨越式的進步，通過這種形式形成的價格權威性更強。上述價格通過不同的傳播工具不斷擴散，如報紙、電視、網絡等，范圍波及全球，儼然成為市場價格的引領者，這為大眾提供了良好的平臺，讓其透過相關經濟信息了解經濟動態，以便幫助投資者給予正確的決策，借以提升資源配置效率。量化投資相較于傳統投資形式具有一定的優勢，這主要體現在兩個方面：分別是速度與規則，從某種角度分析，我們可以預期，量化交易應用范圍，促使市場報價更為緊密，成交更為頻繁，從而增強市場流動性。與此同時，基于量化交易策略而言，其中部分交易存在策略的相似性，這對于未來的金融市場影響頗大，集中體現在市場價格波動這一方面，具體表現為高波動性以及規律性，上述改變與量化投資有著非常直接的關聯。
金融衍生品是社會發展的階段性產物，量化投資是基于傳統投資形式基礎上的創新與變革，兩者之間具有一定的關聯性，就好比人和人之間的合作，通過量化投資，金融衍生品能夠在某種程度上受益，彰顯其風險規避功能，量化投資對于投資者而言是巨大的福音，使其更理性地進行投資，從而避免由于自身主觀原因而造成的經濟損失，與此同時，能夠有效消除非預期損失。針對金融衍生品而言，其不斷發展對量化投資而言也是非常有益的，為其提供應用平臺，借助不同領域資源整合，從總體角度分析，優化金融市場，交易環境不斷完善，并且對投資者影響極大，使其投資理念不斷升華，投資水平在某種程度上也得到看提高，繼而促使投資者通過結合金融衍生品與量化投資獲取豐厚的投資收益?？偟膩碚f，金融衍生品與量化投資可謂是相輔相成的關系，彼此相互促進又相互影響，協調好兩者的關系對金融市場發展益處多多。
三、結語
總體來說，金融衍生品在我國金融市場的廣泛運用極大的促進了國民經濟的發展，量化投資是一種相對理想的投資理念，將金融衍生品與量化投資有效融合能夠獲得良好的成效，這于金融市場經濟發展而言也是極為有利的因素，為投資者提供了良好的應用平臺，促使其獲得比較豐富的投資收益。文章主要介紹了金融衍生品以及量化投資的發展，重點闡述了兩者之間的相關性。
參考文獻：
[1]李東昌.金融衍生品與量化投資相關性研究初探[J].山東工業技術，2015（06）.
[2]張梅.后金融危機時代金融衍生品的風險管理與控制[J].湖南商學院學報，2010（02）.
[3]寇宏，袁鷹，王慶芳.套期保值與金融衍生品風險管理研究[J].金融理論與實踐，2010（05）.
[4]林世光.可拓學在金融衍生品市場風險中的量化分析[J].武漢理工大學學報，2010（11）.
[5]薛智勝.金融創新風險的防范與監管探析――以金融衍生品為例[J].云南大學學報（法學版），2012（01）.
量化投資與分析范文3
關鍵詞：量化分析；風險態度相關性；相關系數；理性投資
一、要解決的問題
（1）問題一：根據所給數據量化分析處理公眾投資者的個人狀況、信息獲取方式、媒體信任程度、風險態度。（2）問題二：在量化分析處理公眾投資者的個人狀況、信息獲取方式、媒體信任程度、風險態度的基礎上，建立合適的數學模型分析它們之間的相關性；
二、模型的假設
（1）建模時在所有的問題答卷中剔除那些相關性不大的問題，只從中選取具有代表性的問題，以減少建模復雜度。（2）建模過程中的各變量是相互獨立的且數據有很強代表性。（3）證券市場是有效的，且價格的變動具有慣性。
三、模型的建立與求解
（一）對問題一的求解
（1）模型的準備。通過對數據的分析，我們從所有47個問題中選出20個具有代表性的問題，將提煉出的問題分成4大類：個人基本信息狀況、信息獲取方式、媒體信任程度、風險態度。
（2）模型的求解與量化分析。通過對第一大類個人基本信息狀況中所選取的5個問題進行量化分析得到個人基本信息狀況的量化分析，在所有調查的616名對象中，女性共有236人，女性投資者占總投資人數將近四成。我國投資者的年齡主要集中在30歲以下，占調查總數的36.4%，其次是30～50歲，占比為31.2%，二者之和占到調查總數的近70%。60歲以上投資者僅占8.4%。盡管中高學歷投資者居多，但分析表明，教育程度與投資者收益沒有明顯關系。其次在廣大投資者當中97%的投資者屬于中產階級，62%的投資者目的在于改善生活，83.5%的投資者對上市公司只是部分了解，這也顯示出了中國投資者投資證券的意愿不強，市場的積極性未完全調動，但同時也說明了我國證券市場還有很大部分未開發，證券市場前景廣闊。
通過對第二大類信息獲取方式中所選取的5個問題進行量化分析可知65%投資者投資知識來源于時間和雜志，65.5%的投資者做投資時是經過理性分析的，這反映出我國大多數投資者是屬于風險厭惡者或者傾向于風險厭惡，在進行投資時還是比較理性的。其次有77.6%的投資者認為以往的投資經驗對現在或未來的投資是有用的。73%的投資者會關注財經新聞的報道，85%的投資者主要從網絡，電視，報紙雜志等媒體中獲得投資信息。
通過對第三大類媒體信任程度中所選取的5個問題進行量化分析得到的媒體信任程度量化分析表如表1所示。
從表1可以看出53%的投資者最初進入股市的原因是認為有利可圖，自己決定進入。對于媒體反復推薦的股票，68%投資者不會購買，對媒體的信任程度還是比較低的。其次有76.6%的投資者覺得媒體上推薦的股票是有一定道理的，但有40.4%投資者之所以相信媒體上推薦的股票是因為自身能力的不足，只好相信媒體推薦。同時，在聽取各類人士意見時，35%的投資者相信身邊熟悉炒股的朋友?？傊?，我國投資者對于媒體的信任程度還是偏低的，這同時意味著我國的證券業還有著巨大的發展空間。
通過對第四大類風險態度中所選取的5個問題進行量化分析得到的風險態度量化分析表如表2所示。
根據表2分析顯示，投資者的操作模式相對穩定，3個月內換手1次或更短的投資者占比最多，總體來看，投資者的持股時間相對較短，長期投資者占投資者比例較小。從趨勢上看，在2008年以來的下跌行情中，投資者更傾向于頻繁換手，3個月內換手1次或更短的投資者逐漸增加至62.4%，持股半年內的比例明顯下降至28.6%。至于持股一年以上的雖有所增加，但平均占比不高，這部分長期投資者的增加不能排除是因套牢產生的被動長期投資。股票下跌時，只有不到20%的股民會選擇低價再買入，再一次反映出我國股民大多數屬于風險厭惡者。同時，面對股價下跌，但持有目標是五年時，62%的投資者會維持不動，但面對股價下跌，但持有目標是三十年，只有42%的投資者會繼續維持不動?？傊?，投資者個人承擔風險的態度還是比較理性的。
（二）對問題二的求解
（1）模型的準備。證券市場市場參與者眾多，市場機制更為復雜，信息不對稱現象更為明顯。對于風險態度的衡量，在影響證券銷售量的因素中，有價格，上市公司市場信譽，投資者的風險態度等。本題中著重量化被調查者的風險態度。為了確定投資者分別隸屬于風險厭惡，風險中性，風險偏好哪種類型，我們在分析數據的過程中，給每個問題每個選項賦分的原則如下：1）選A、B、C、D的基礎得分分別為1、2、3、4。2）將投資者的態度分為（0～30）風險厭惡型，（31～60）風險中立型，和（61～90）風險喜好型。
相關系數用來反映兩者之間的相關性，考慮相關系數r時，我們遵循以下準則：1）當r>0時，表示兩變量正相關，r
通過數據分析，我國投資者的總體風險態度是介于風險厭惡和風險中立的，由此可以看出投資者較為希望通過風險投資增加其個人收入。但是由于客觀、主觀因素，投資者中，持觀望態度者較多。
（2）模型的建立與求解。根據題目提供的數據以及前面的賦值，算出所有被調查者的風險態度值，并選出問卷中的第二問跟風險態度進行相關性分析，則有：
結果為a=[1 1 1 2 1 1 4 3 2 1 1 1 1 3 2 2 4 3…1]
對應的風險態度值為b=[44 44 46 45 41 42 47 41 54 46 38 49 51 53 53 50 44 44…47]
根據以上分析可知總體個人狀況與風險態度的相關性小，由此得出我國近段時間進行投資的民眾數量較大，覆蓋到不同民眾的方方面面。信息獲取方式與風險態度之間聯系大、得知在我國的投資領域，投資者的信息獲取途徑和多少對其投資的方向性還是有較大的影響。媒體信任程度與風險態度之間的相關性適中，可知部分投資者對待媒體信息的態度還是比較冷靜。
參考文獻：
[1] 楊桂元，黃己立.數學建模[M].合肥：中國科學技術大學出版社，2008.
[2] 李柏年，胡守信.基于MATLAB的數學實驗[M].北京：科學出版社，2004.
[3] 魏捷.關于調查問卷中定性數據處理方法的探討[D].中南財經政法大學 2008.
量化投資與分析范文4
華爾街從來不乏傳奇。2006年,全球最高薪酬收入再次落入一個華爾街人士之手。前數學家、定量化對沖基金經理西蒙斯年收入達到驚人的15億美元。2009年,另外一群人――高頻交易者――幫高盛銀行等金融機構賺得盆滿缽溢。
這些人,因其使用高等數學手段決定億萬計資金的投向,而在30年前贏得“火箭科學家”名聲。在外人看來,他們有些像中世紀的煉金術師:給他們數據,他們還給你美元!
華爾街的數學傳說
實際上,在華爾街上管理資金規模最大的量化技術,并非那么不可捉摸:眾多公司使用“因子加總模型”輔助他們選擇股票。
這種方法大多基于Fama-French的開創性論文,其基本思想很簡單:依據各項基本面指標對于歷史上超額回報的貢獻程度,來決定這些基本面指標在選出“超級股票”上的“有效性”,并據此賦予這些指標不同的權重;按照上市公司指標在全部籃子股票中的排序,再使用上述步驟中獲得的權重對其進行加權加總計算。如果該公司的加權之和排名靠前,則表明該公司的基本面指標符合能夠帶來超額回報的歷史模式,從而有望在未來展現強勢。
數學模式大同小異,公司之間的競爭主要集中在兩個方面:第一,各公司均投入巨資,研制自己的特有指標;第二,研制更加有效、穩定的加總方式。
傳統的基本面分析往往要求基金公司雇傭大量分析師,成本高昂。由于每個分析師能夠跟蹤的公司數目有限,基金經理不得不在較小的股票籃子中進行選擇,有可能錯失最好的投資機會,投資組合的分散程度也受到限制。同時,依賴基本面分析進行投資管理要求基金經理進行大量的主觀判斷,人性弱點(貪婪與恐懼)對投資業績往往產生較大影響,投資業績波動較大。使用這種方法建構的投資組合往往無法定量化控制每只個股給投資組合帶來的風險。從基金公司的角度而言,這種方法對基金經理個人的依賴較大,一旦出現人員變化,基金業績也往往隨之波動。
量化選股方式將投資決策建立在對歷史模式的詳盡研究之上,克服了上述缺點。其在美國投資界的應用近20年來大幅提升,管理資產額的上升速度為傳統方式的4倍。
回歸價值投資
然而,過去數年,定量化基金遭遇了重大打擊。2007年,最大的定量化機構對沖基金、高盛名下的Global Alpha遭遇了重大損失,幾乎清盤。2008年,眾多量化基金再遭滑鐵盧。筆者在北美也曾主持研制一個包含上百個指標的量化選股系統,但在實踐中,卻最終放棄。
實戰經歷指出該類系統的一個致命弱點是,在實戰中,哪一類因子何時發揮作用,是不可預測的。有些時候是價值因子占優,有時候是增長因子占優,而何時其影響力出現變化,難以事先預測。其結果就是分析師與基金經理疲于奔命地試圖追趕因子影響力變化的腳步,并據此不斷矯正模型。如此,基金經理不得不在使用量化系統的同時,使用個人化的隨機判斷對量化系統進行糾正――這弱化了它本該享有的優勢并導致投資業績大幅波動。
仔細反思,最主要的問題在于,各預測因子被無機地組織在一起,各個因子之間的互相影響卻沒有被考慮。也就是說,華爾街模型“從數學到數學”,缺乏對投資哲學的深入理解。
量化技術所具有的優勢應該被利用,但數學手段應該被視為手段,而不是主導。一個有希望的發展方向,是將量化技術與價值投資哲學相結合,實現“從哲學到數學”式的投資理念。為此,需要在投資哲學上,梳理價值投資理念的本質。
價值投資在國內市場有眾多擁護者,也不乏懷疑者。實際上,國內普通投資者對價值投資的理解有值得深化之處。筆者以為,價值投資的本質有二:
第一,價值投資告訴投資者,市場會犯錯。以“5毛錢買進1元錢價值”作為號召,價值投資拒絕接受“有效市場理論”。但事實上,在大多數時候市場是有效的。大多數股票的價格正確反映了所有的信息、知識與預期,當時的價格就是上市公司的內在價值。要獲得超額回報,必須去尋找市場可能呈現的“異?！?或者說在何處投資者的平均預期可能落空。價值投資就是尋找“未來”與“預期”之間的歧異。量化系統的設計目標是,要有能力淘汰那95%的普通(有效)情況,而把注意力引導剩余的5%――在那里,“未來”與“預期”有最大的機會出現歧異。
第二,價值投資的另一面,是說任何人都會犯錯。當我們集中注意力去尋找“超級股票”的時候,是在下一個極大的賭注。這個賭注是高風險的。所以,請記住索羅斯的告誡:“投資者重要的不是做對還是做錯,而是在做對的時候賺多少,做錯的時候虧多少?！睘閷_第一個賭注的風險,需要尋找最大的安全邊際――當我們犯錯的時,安全邊際將保護我們不致尸骨無存。
安全邊際是指,市場漲跌的輪回已經測試過所有情景。該公司在完整的牛熊市周期中,由千千萬萬投資者的真金實銀所測試出來的估值空間。因此,安全邊際的定義并非相對市場平均水平更低的PE值這么簡單。每家公司都不同于別的公司,將不同公司的估值水平相比較,更多時候帶來誤導而不是洞察力。應該將公司目前估值水平與該公司調整后的歷史范圍相比較,并決定“安全邊際”存在與否。
在實踐中,要尋找在未來可能提供業績驚喜、而仍在其估值范圍下限附近交易的公司。依據此思想,數量化技術可以對所有上市公司的投資機會予以量化評估,進而實現“從哲學到數學”的投資思路。
對中國股市獨特性的夸大導致某些論者以為,在中國股市,唯有投機可以贏得超額利潤。這其實是偽命題。事實上,正是由于中國股市效率較低且風險奇高,一個系統化評估市場錯配與風險衡量的系統,可以發揮最大效率。一切都取決于對市場運行規律的深入把握與技術優勢的結合。在實踐中,我們開發的量化價值投資體系取得了穩定超越指數的優良業績。這有力地證明,中國股市的特殊性并沒有遮蓋其作為投資市場的普遍性。
在股市投資這項人類活動中,同時存在著兩類知識。一是客觀知識,即可以憑借科學(數學)方法來發現的真實;二是主觀價值,即通過對價值的認定來獲得的完善。在證券分析方法的演進過程中,這兩類知識從最初的混沌不分,到此后的分裂和截然對立,再到兩者被有機結合。
量化投資與分析范文5
記者：量化投資有什么特點？
劉釗：量化投資的主要特點是買入、賣出股票，不再是由人的主觀判斷做出決定，而是由量化模型決定。量化投資是一套科學的方法，有嚴格的分析、計算，什么好什么不好，不是我們自己說了算，是數據和模型說了算。即使是簡單的低市盈率投資方法，只要能嚴格執行，就能取得超額收益。
記者：排除了人為主觀情緒的影響，但由量化模型控制的量化投資基金的收益會如何呢？
劉釗：我們可以看看美國最成功的量化投資大師――詹姆斯?西蒙斯管理的大獎章基金，在1989年―2006年的17年間，大獎章基金平均年收益率達38.5%，而股神巴菲特過去20年的平均年回報率也不過20%。正是鑒于量化投資的巨大威力，摩根士丹利華鑫基金公司經過兩年的精心準備，推出了國內真正意義上的量化投資基金――大摩華鑫多因子基金。
記者：量化投資的成敗，關鍵在哪里？
劉釗：普通投資者買賣股票，主要是基于政策、基本面、市場、技術等各種信息和經驗來做出交易決定，這些因素屬于主觀判斷，而且往往容易受到情緒的影響。量化投資是將投資思路通過設定的指標、參數體現在量化模型上，通過計算機系統自動買賣股票，因此，量化投資的關鍵點就在于建立一個好的量化模型。
記者：量化投資和價值投資沖突嗎？
劉釗：說到投資，大家首先想到的是巴菲特的價值投資，從長期的歷史實踐看，價值投資確實比較有效，量化投資也可以建立價值投資類的模型。
舉例來說，衡量價值投資的最重要指標是低市盈率，如果以市盈率為標準來建模，以2005年5月為時間點，按市盈率對所有上市公司排序，再按市值比例模擬買入市盈率最低的100只股票，第二年5月，重新計算市盈率最低的100只股票，并調整組合，如此重復，每年調整一次倉位。得到的結果是，從2005年5月至2010年5月，滬深300指數的年化收益率為25.4%，同期量化建模的低市盈率策略基金的年化收益率達到29.46%，與滬深300指數相比，低市盈率策略基金的超額收益為4.06%。以此為基礎，再以預期市盈率為基礎建立一個模型，并模擬買入當年預期市盈率最低的100只股票，量化模型的年化收益率有36.51%。
記者：大摩華鑫的量化投資模型有何成功之處？
劉釗：大摩華鑫量化投資的模型既有一些過去歷史上證明非常有效的投資方法，比如價值投資，也有投資管理團隊的支持，大摩華鑫資深基金經理多年的投資經驗也為大摩華鑫的量化模型提供了一些思路。此外，我們還通過外方股東摩根士丹利以及通過數據挖掘的方法，找到一些好的投資策略，為建模提供思路和方法。
量化投資與分析范文6
關鍵詞：雙向交易；指數基金；量化投資
中圖分類號：F832.5 文獻標識碼：A 文章編號:1003－9031(2012)05－0004－04 DOI:10.3969/j.issn.1003-9031.2012.05.01
一、引言
對大多數普通投資者而言，指數基金是一種比股票更好的投資對象。但實際上，指數化投資本質上只是一種擇股策略，可以幫助投資者選出一籃子股票，解決了“買什么”的問題，但對于交易系統中“什么時候買和賣”并沒有很好的指示，也不能保證在短期內就能獲得良好表現。由于絕大部分基金都不能跑贏指數基金，李海波（2008）建議普通投資者投資指數基金，但是應避免兩個誤區：一是在局部地區的長期熊市中不適合長期投資指數基金，二是在全球股市的長期熊市中不適合長期投資指數基金[1]。但仍有很多專家在向投資者傳遞一個錯誤的信號，即對指數基金應當長期持有。實際上，“長期投資”不等于簡單的“持有不賣”。國內多數文獻都將重點放在指數基金樣本構建和跟蹤誤差計量方面（張帆，2007；趙勇，2010）[2][3]，而鮮有針對指數基金進行投資組合的研究。本文將在趨勢分析的基礎上對指數基金的量化投資進行系統研究，分別在單向做多機制和雙向交易機制背景下構建指數基金量化交易系統。本文將引入一套“擇時”機制，將其與指數基金自身的“擇股”優勢結合起來，這樣可以在長期當中戰勝市場和大多數機構投資者。尤其是在2011年12月融資融券標的再次擴容，7只ETF指數基金被納入交易標的之后，雙向交易機制下的盈利模式跟以往相比發生了根本性的改變，基于趨勢分析的量化交易將賦予指數基金產品更多的吸引力。
二、理論基礎與樣本選取
（一）理論基礎
指數基金量化交易的基石是趨勢分析，而趨勢分析是建立在技術分析的三個假設條件之上的，即：所有的信息己反映在價格之上；市場是按趨勢運行的；歷史將會重演。在技術分析方法中，“趨勢”是核心內容之一。趨勢交易方法在國內和國外、專業和非專業投資者中都得到了大量的應用，并且取得了良好的成績，本文將基于趨勢交易的思想，來對指數基金進行量化。
（二）指數樣本的選擇
趨勢交易的本質就是“順勢而為”，抓住波段收益。在對指數基金進行量化之前，選擇什么樣的指數來進行量化是首要問題。通過大量的數據統計分析，筆者發現指數表現有著鮮明的“個性”：大盤指數運行較穩定，波動幅度不大，區間運行時間較長，用它來做趨勢交易的收益不高但波動率也較低；中小盤指數表現則更為活躍，趨勢變化更快，波動幅度更大，區間運行時間較短。相比較而言，中小盤指數是更為理想的交易標的，因此，在以下的量化分析當中筆者選取滬深300指數代表大盤指數，選取中小板指數代表中小盤指數。
（三）時間周期的選擇
筆者選取2006年1月至2011年12月這段時期作為研究樣本，其間包含了大牛市、大熊市、盤整震蕩市等多種情形，完成了幾個完整的牛熊輪回，用這樣的數據分析得出的研究結果更具有說服力。
三、實證方法與實證結果
（一）實證方法
首先，筆者選擇最簡單、最直觀的均線交易系統（MA）作為數據分析系統，該系統體現的是“叉點”交易思想：即在短周期均線上穿長周期均線形成“金叉”時買入；短周期均線下穿長周期均線形成“死叉”時賣出。交易周期用日K線①。然后，筆者采用“插值法”的思路對交易系統進行優化，即選擇不同的參數組代入交易系統當中來測試效果，評價的標準包括：收益率、標準差、平均盈利、平均虧損、最大盈利、最大虧損、最大回撤幅度、最長滯漲周期等。
（二）實證結果
1.單邊做多機制下的統計結果
在單向交易機制下，運用大智慧證券分析軟件采用MA交易系統對2006.01―2011.12期間的滬深300指數和中小板指數進行優化可得到表1和圖1與圖2。
從表1可知，不管是滬深300指數還是中小板指，在MA交易系統中的表現要遠優于“一直持有”策略；簡單買入中小板指并一直持有的話，收益率為94.40%，而在MA交易系統中的收益率為764.18%。另一個特點就是在MA交易系統中，平均盈利與平均虧損的比值都在2以上，充分體現了“小虧大贏”的投資思想。由圖1和圖2可以看出MA交易系統的凈值表現更加穩定向上，與指數本身的走勢相比，回撤幅度更小，波動幅度更小而總收益率更高。
2.在雙向交易機制下的統計結果（無空倉）
在即可做多也可做空但無空倉的雙向交易機制下，運用華財經Mytrader2009軟件采用MA交易系統對2006.01 -2011.12期間的滬深300指數和中小板指數進行優化得到表2和圖3與圖4。
在雙向交易機制下，MA交易系統的表現更優于“一直持有策略”，表現為不僅有“多頭盈利”部份，同時還有“空頭盈利”部份。同時，平均盈利與平均虧損的比值進一步放大，更多地體現了“小虧大盈”。由于做空帶來的收益加上連續獲利的復利作用，使得最終收益率比較單向做多交易下又有了較大的提升。與圖1、2進行比較可以看出，圖3和圖4中MA交易系統的凈值上升得更加陡峭，也更加平滑，說明在雙向交易機制下總收益率更多，同時回撤幅度波動幅度更小。
3.不同投資策略下收益率和風險比較
由表3可知，從收益率角度出發，在單向做多機制下，不管是中小板指還是滬深300指數，采用MA交易系統的表現都要遠優于“一直持有”的收益，也遠遠超過了同期主動型基金的平均收益，而且這還沒有將空倉時間的收益計算在內（實際上空倉時間很長，而且在空倉時間資金還可以投入到一些流動性好的固定收益投資品種）。另外，在采用相同的交易系統進行優化的條件下，中小盤指數的表現要優于大盤指數（滬深300），這說明選擇什么樣的指數非常重要。
總的來看，從波動程度、最大回撤幅度角度看，MA交易系統的凈值曲線并沒有和指數曲線一樣出現大幅震蕩，回撤幅度更小，滯漲時間更短，在較長時間內保持穩步向上的增長，符合“長期穩定”的贏利之道。采用MA交易系統對指數基金進行投資，不僅在收益率方面表現更佳，而且風險控制也遠優于“一直持有”策略。
四、結語
（一）結論與需要解決的問題
在雙邊交易機制下采用MA交易系統對指數基金進行操作的結果要遠優于單邊做多機制，更優于“一直持有”策略，同時也優于同期主動型管理基金的表現。但要將其付諸于實際操作當中，還要解決以下問題。
1.盯住指數是否有可雙向交易的交易品種。2011月12月融資融券標的擴容之前，只有瀘深300指數可以通過IF股指期貨進行做空交易從而實現雙向交易，其它指數基金只能做多交易在融資融券標的擴容之后，新加入7只ETF基金可通過融券方式進行做空，但到目前為止，可供做空的指數基金產品數量還比較少，指數產品本身的管理資金規模也有限，難以吸引大規模資金進入。隨著融券標的逐步放開，會有更多的指數基金產品納入做空的標的范疇。
2.交易成本的問題，特別是融券融券的交易成本。以上數據分析都是在低成本假設（傭金費率設為千分之0.3）基礎上完成的，對于機構投資者而言，申購指數基金的實際費率還要低（很多指數基金超過500萬的申購費只要1000元），若采用融券賣空，則需要支付一筆融券費用，這將增加交易成本，降低交易收益。對中小投資者來說，交易成本最低的還是ETF基金和LOF里面的指數基金，因為可以在場內進行買賣而不用交印花稅，遠低于在場外申購贖回交易。事實上，現行市場成本最低的賣空方式是股指期貨，但目前股指期貨交易標的只有滬深300指數，而且交易門檻比較高，不適合廣大中小投資者。
3.流動性的問題，即市場容量的問題。指數基金進行量化投資，首先要有一個足夠容量足夠品種的指數基金市場。而現在，很多投資者對指數化產品在中國的發展前景表示懷疑，新的指數基金產品發行舉步維艱，老的指數基金份額也在不斷縮水，這對機構投資者特別是FOF（基金中的基金）管理者參與到這個市場帶來的難題。
4.模型選擇、整合、參數優化問題。一個好的交易模型是量化投資追求的“圣杯”，要構建一個優秀的量化交易系統需要進行大量的數據收集和統計處理工作。過去的良好表現只能代表過去，過去表現良好的模型和參數在將來未必有良好的表現。幾乎不存在一如既往表現良好的模型和參數，每過一段時間，就需要對原來的模型和參數進行調整。
（二）建議
1.對于廣大中小投資者而言，應該更清晰地理解 “長期投資”的概念，即“長期投資”不等于“長期持有”，理解在原有的單邊做多的交易機制下，即使是做長期投資，也會有很多時間是處于空倉狀態。在新的雙向交易機制下，投資者要學會使用做空工具，利用融資融券，開辟新的盈利模式，熟悉新的投資策略和投資標的。
2.對于基金管理者而言，應使用做空機制來對沖系統風險。據統計，2011年中國FOF產品（主要是券商類FOF）全年平均業績為-22.5%，幾乎與基金的平均虧損持平?？梢?，大多數FOF基金的管理者沒有使用做空機制對沖系統風險，甚至沒有進行基本的倉位控制來回避系統風險。事實證明，在現有的中國市場采用“一直持有”的投資策略是無效的。而如果引入基金量化交易系統，特別指數基金具有的成本和選股獨特優勢，將大大提升FOF產品的業績，這是未來中國FOF產品發展的方向。
3.對于政策制定者而言，應進一步推動指數基金在中國的發展，促使更多的指數化產品面市，推動金融產品創新和管理創新。從歷史看，指數基金產品必將成為中國基金業發展的重點，針對指數基金進行量化投資的需求，將刺激更多的指數基金上市，這將吸引更多的投資者進入到基金市場。
參考文獻：
[1]余偉.我國開放式指數基金績效的實證研究――基于2008年至2010年度數據的分析[J].企業導報，2011（7）.
[2]齊岳,王文超.指數基金投資績效分析[J].經濟問題，2011（2）.
[3]李海波.指數基金投資策略研究[J].西南交通大學學報，2008（10）.
