前言：中文期刊網精心挑選了量化投資策略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。
量化投資策略分析范文1
中國證券市場早期盛行純技術分析,前幾年風行價值投資,現在數量化投資正在成為新方向,一場新的投資變革也許就在醞釀中。今年8月初滬指從3478點一路暴跌,在市場人士看來如果沒有基金的殺跌,股市應該不會有這么慘。而基金引進量化投資,將改善傳統基金追漲殺跌的市場常態,實現真正意義上的創新。
量化基金發行提速
今年上半年,嘉實量化阿爾法、中海量化策略兩只量化基金的推出,打破了國內量化基金多年的沉寂。而近期,更是有3只量化基金同時登臺亮相,且各具特色。截至目前,國內基金市場上已經發行7只量化基金,包括光大保德信量化核心、上投摩根阿爾法、嘉實量化阿爾法、中海量化策略、長盛量化紅利策略股票型基金、富國滬深300增強基金及華商動態阿爾法基金。前兩只分別成立于2004年8月和2005年10月,而后5只均是今年才成立。量化基金時隔四年后的再次大量推出,引起了市場的密切關注。種種跡象表明,以定性投資為主的國內基金業正在掀起一場量化投資浪潮。
光大保德信量化核心,一方面通過光大保德信的多因素數量模型對股票的預期收益率進行估算,個股預期收益率的高低決定投資組合是否持有股票;另一方面,投資團隊從風險控制角度,重點關注數據以來的信息,通過行業分析和個股分析形成對量化的補充;最后由投資組合優化器根據預先設計的風險構建組合。
上投摩根阿爾法基金,同步以“成長”與“價值”雙重量化指標進行股票選擇,然后研究團隊對個股進行基本面審核,結合跟蹤誤差的緊密監控,以求不論指數高低,市場多空,皆創造主動管理回報。投研團隊最終決定進入組合的股票,量化分析是輔助和基礎。
嘉實量化基金,以“定量投資”為主,輔以“定性投資”。通過行業選擇模型,捕捉具有投資吸引力的行業,然后再在所選行業中運用阿爾法多因素模型篩選個股。定性的輔助作用表現在利用基本面研究成果,對模型自動選股的結果進行復核,剔除掉滿足某些特殊條件的股票。
中海量化策略,以量化模型作為資產配置與構建投資組合的基礎。根據量化指標實行從一級股票庫初選,從二級股票庫精選,再根據相關模型計算行業配置權重。結合行業配置權重,組合每只股票的配置比例。
長盛量化紅利策略股票型基金,是作為國內首只運用“量化投資”策略投資于紅利股票的基金,該產品將給投資者帶來不同于傳統基金的新體驗。該只基金的另一個顯著特點是“瞄準紅利”。所謂紅利,強調的是具有較高安全邊際、較低下行風險的價值型投資,在目前市場總體估值處于歷史平均水平時,價值型風格更能獲得投資者的青睞。
富國滬深300增強基金,以滬深300指數為追蹤標的,并對指數基金進行增強,并且是國內第一只采用量化方法進行主動增強的滬深300指數基金。量化增強的方法主要包括:利用多因子阿爾法模型選擇股票;通過風險估測模型有效控制風險預算,并通過交易成本模型控制成本、保護業績。相比定性的方法,定量投資手段在對成份股較多的指數進行增強方面以及控制跟蹤誤差方面具有很強的優越性。
當前適逢宏觀經濟、證券市場復蘇向上之際,匯集A股市場300只規模大、流動性好、最具代表性股票的滬深300指數,有望迎來較好表現。而以滬深300為跟蹤標的,并利用定量投資模型進行主動增強的富國滬深300增強基金,亦面臨良好的投資環境與投資時點。
華商動態阿爾法基金,將以高阿爾法值的股票為主要投資目標,采用量化投資的方法,努力在有效控制風險的同時提高基金組合收益。華商動態阿爾法基金的投資將主要采用阿爾法策略和量化策略。阿爾法策略是依靠精選行業和個股,來獲取超過大盤表現的超額收益。量化策略是指采用數量化分析方法來對股票進行分析和篩選,基于數量模型來配置行業權重。它具有投資范圍更廣、紀律性更強、投資思想可驗證等優勢,更能夠限制投資過程中主觀隨意性可能帶來的損失,幫助基金經理進行客觀決策。
定量投資適合A股市場
正因為A股市場不是特別有效的市場,數量化投資策略正好可以發揮其紀律性、系統性、及時性、準確性、分散化的各種優點,從而捕獲國內市場的各種投資機會。相比定性投資,現階段A股市場的特點更適合采用客觀、公正而理性的定量投資風格。
股票市場復雜度和有效性的增加已對傳統定性投資基金經理的單兵作戰能力提出了挑戰。相對于海外成熟市場,A股市場的發展歷史較短,有效性偏弱,市場上被錯誤定價的股票相對較多,那么,留給定量投資策略去發掘市場的無效性、尋找超額收益的潛力和空間也就更大。事實上,盡管量化基金在國內的發展歷程較短,但是從國內已有的兩只采用了定量投資方法并且已經運作了一段時間的基金來看,量化基金被證明是適應中國市場的。
量化基金產品包括但不限于數量化共同基金產品、指數基金產品、指數增強型基金產品、行業指數基金產品、風格類指數基金產品、策略指數基金產品、ETF產品、收益分級型產品等等。從數量化投資提供的工具和方法來看,能夠給投資者提供的基金產品可以說是百花齊放,還應該做到有的放矢,滿足投資者不同風險收益偏好的投資需求。
量化投資需過三道坎
我國A股市場的量化基金仍然才開始起步,各方面都有待進一步的完善。不僅機構需要有完善數量化投資策略各方面的耐心,也需要投資者給數量化基金以耐心。采用數量化策略的共同基金要在中國市場獲得成功,仍有很長的路要走,需要不斷的修正數量模型以適應中國市場的特征。
對于量化基金的產品設計,雖然量化基金一般都是采用多因素模型對股票進行分析和篩選,但不同的量化基金產品的側重點是不一樣的,也就是說,包括投資思路、觀察角度、分析方法等在內都是不同的。在個股篩選和分析的角度、行業分析的角度、大類資產配置的角度等方面,均有不同的思路,因此,不同的量化基金產品可以體現出各自不同的投資理念和各自的投資特色。
具體來說,基金要想真正推行量化投資,主要應該跨越如下“三道門檻”。
首先,目前國內對做空的限制以及投資產品的稀缺,導致很多成熟的數量化投資手段不能在國內得以應用。一些對沖策略可能需要期貨類的投資產品,而有些統計套利策略可能需要市場上要有做空的手段,目前這些條件在A股市場上尚不具備,因此,在一定程度上制約了量化投資的施展空間。
其二,中國目前對于基金的考核體系比較短期化,部分量化基金經理有可能迫于短期排名的壓力,也去追漲殺跌,不去執行相當于投資紀律的量化策略,這就恰恰偏離了量化基金設計的初衷。量化投資策略成功與否需要從長期來看,不能因為短期內跑不過市場就認為量化基金管理得不好,對于量化基金的評價時間不能太短。
此外,量化投資對人的要求很高。量化投資需要考慮的一個重要因素是預測相對于市場的超額收益,即阿爾法收益,找到阿爾法預測模型。在阿爾法預測上,要保證不斷有新的阿爾法策略產生。一個新的阿爾法策略出來后,過一段時間就被市場充分理解,可能阿爾法收益就會逐漸消失,這就需要不斷產生新的阿爾法收益模型。
量化基金本土化前景
A股市場的發展歷史較短,有效性偏弱,市場上被錯誤定價的股票相對較多,那么,留給定量投資策略去發掘市場的無效性、尋找超額收益的潛力和空間也就更大。相比定性投資,現階段A股市場的特點更適合定量投資客觀、公正而理性的投資風格。股票市場復雜度和有效性的增加已對傳統定性投資基金經理的單兵作戰能力提出了挑戰。正因為市場的弱有效性,數量化投資才更有發揮的價值。這也是量化基金可以在中國本土化獲得成功的有利條件。
數量化投資可以為投資者帶來更多、更豐富、更有特色的基金產品,豐富機構的產品線。只有建立完善的產品線,才能滿足不同投資者的需求,才能在不同的市場狀況下獲得發展,才能有強大的基金公司。機構可以從數量化投資所帶來的無限量基金產品線上獲得豐厚的利益。
數量化投資不僅可以增加基金的產品線,而且數量化投資策略本身也是對傳統基金投資的一個強有力的補充和增強。數量化投資的好處是可以將各種適合不同經濟環境、不同市場環境的投資理念明確地刻畫出來,并可以加以建議。那些成功的投資理念通過數量化方式就可以方便地加入投資決策中去。數量化投資策略對提升基金等機構投資者的投資決策能力無可限量。
量化投資策略分析范文2
關鍵詞：電網投資 綜合評價 指標體系
電力工業是國民經濟的基礎產業，電網投資策略的科學性、合理性是電力企業管理策略研究的核心內容之一。伴隨著我國國民經濟的穩步發展，人民生活水平的逐年提高，全社會對電力的需求日益增長，電網的投資規模也不斷加大，投資管理逐步得到了完善，同時也逐步暴露出電網管理者在評價投資策略時依然存在科學依據不夠，其更多的是站在單位財務的角度對電網企業投資策略進行評估。在可預見的未來，隨著新能源發電技術水平的改進與消費能源結構調整需求的提高，如何在多不確定性與高風險下客觀科學地評估電網投資方案，是一道不可避免的難題[1]。
事實上，電網投資策略評價是一個典型的多維度、多指標綜合評價問題。綜合評價是指通過一定的數學函數（綜合評價函數）將多個評價指標值合成為一個整體性的綜合評價值。本文將電網投資策略綜合評價指標體系分為經濟指標、技術指標、社會指標以及環境指標四個方面進行研究，綜合考慮投資策略的各方面的優劣情況。
1.電網投資策略綜合評價指標的構建
本文設計的電網投資策略綜合評價指標體系重點考慮了電網運行過程中的不確定性、風險、及環保效益對投資方案制定與決策的正反面影響，旨在最大程度挖掘規劃方案應對不確定性因素的綜合能力，將電網投資策略綜合評價指標分為4個一級指標，13個二級指標，如圖1所示。
圖1 電網投資策略綜合評價指標
1.1經濟指標
電網投資規劃項目作為電力系統投資建設的一個重要組成部分，其經濟性分析是必不可少的一環。圍繞待建項目從成本、收益、風險等各個側面開展經濟性分析，能夠充分發掘規劃方案的經濟可行性，從而有效實現對規劃項目的風險控制。經濟性指標包括全壽命周期成本（CLCC）、EVA分析以及綜合投資效益分析三個方面。
1.1.1全壽命周期成本。全壽命周期成本主要包括：系統一次投資成本CIC、系統運行成本COC、故障引起的缺供電損失成本CFC、設備報廢成本CDC。系統全壽命周期成本計算公式如公式1所示。
公式1
系統一次投資成本CIC指的是在輸電規劃項目建設、改造和調試期間內、正式投運前付出的一次性成本，包括系統運行期間更換設備的投入成本。系統運行成本COC主要包括能耗費、人工費、環境費用、維護保養費等。故障引起的缺供電損失成本CFC指系統中設備、元件發生隨機停運造成電力中斷供應所引起的賠償成本。設備報廢成本CDC指設備的壽命周期結束后，為處理該設備所支付的費用。
1.1.2 EVA分析。EVA（Economic Value Added） 是經濟增加值模型的簡稱，其基本理念是：資本獲得的收益至少要能補償投資者承擔的風險;也就是說，股東必須賺取至少等于資本市場上類似風險投資回報的收益率，即：
經濟附加值（EVA）=息前稅后利潤-資金總成本 公式2
上述各公式所用指標或名詞的含義與我國現行財務管理制度和會計制度的規定相一致，這有利于EVA的正確計算及推廣應用。
1.1.3 綜合投資效益
圖2 電網投資規劃項目綜合經濟效益WBS-分析點
電網投資規劃的綜合經濟效益分析可分為經濟效益分析和財務分析。電網投資規劃的經濟效益主要表現為輸變電能力增加帶來增供電量的產出效益，可從增供負荷與電量分析、效益分攤分析兩方面入手進行系統地分析。對于電網投資規劃的財務分析，主要依據財務報表，對電網投資規劃項目的投資財務內部收益率、投資財務凈現值、投資回收期、投資利潤率、投資利稅率等指標進行分析，用以判斷電網投資規劃項目的盈利能力。本文擬運用WBS原理，對電網投資規劃的綜合經濟效益分析點進行識別。WBS-分析點中的WBS（Work Breakdown Structure）指的是作業分解樹，作業樹中的獨立單位就是作業包（Work Package）。分析點指的是結合項目工作分界點識別分析點，進而確定分析指標。電網投資規劃項目控制層次多、控制點數量大，是一個典型的復雜多層次大系統，采用WBS-分析點法可以建立合理完整的指標分析層次。電網投資規劃綜合投資效益WBS-分析點如圖2所示。
1.2技術指標
電網的可靠性是指系統穩定運行時，在輸變電元件容量、母線電壓和系統頻率等的允許范圍內，考慮電網中元件的計劃停運以及合理的非計劃停運條件下，向用戶提供全部所需的電力和電量的能力。另外，電源出力的波動性與不確定性在電壓、頻率方面的影響尤甚。在考慮可靠性指標設置時，應當兼顧供電可靠性與供電質量，從時間、頻率、質量多方面考核電網供電可靠性。為此，定義了持續供電指標、電能質量指標、輸電充裕度指標、適應性4個二級指標，以及10個相應的三級指標。可靠性指標設置的各項指標含義及計算方法可參見權威的定義，這里不再贅述。
1.3社會指標
由于各種不確定性因素使得電網投資規劃的方案所需考慮的風險大大增多。其發電控制技術尚未成熟，其發電成本又相對較高而導致市場競爭不占優勢，這些因素迫使規劃人員考慮項目可能面臨的各種風險。最典型的就是停電風險、市場風險及政策風險。多種不確定性匯集使得電網的可靠性水平難以維持，為此與以往相比，停電風險大大提升。另外，由于市場變化及政策變動導致的電源發電規模萎縮，從而造成的項目利用率過低，規劃項目的經濟性大幅下降。本文將運營風險ROR定義為停電風險指數RF、市場風險指數RM及政策風險指數RP的綜合，即：
公式3
公式3中：為自定義算式。
停電風險指數描述的是由于輸電系統的運行故障問題引起的停電事故的可能性?？梢酝ㄟ^對輸電系統的可靠性指標進行統計、分析、綜合評估而得到。
市場風險指數描述的是電網投資規劃方案對未來市場上電能供需變化引起效用降低的可能性。輸電系統作為電能傳輸的媒介，發電緊缺及電力需求萎縮都將使得輸電系統利用率下降，拉低輸電系統運營效益。由于市場風險指數難以量化計算，故采用1～9標度法進行評估，具體如表1所示。
表1 市場風險指數等級劃分
政策風險指數描述的是電網投資規劃方案對未來政策變動引起效用減低的可能性，對政策風險指數的評估同樣采取標度法，詳見表2。
表2 政策風險指數等級劃分
1.4環保指標
根據項目環境情況將環保性屬性指標分為噪聲、電磁環境以及無線電干擾指標，其權重分別占到40%、30%和30%。具體評價方法如下：
噪聲：滿足《城市區域環境噪聲標準》（GB3096-1993）中1類標準，得5分;否則0分;
電磁環境：滿足《輻射環境保護管理導則電磁輻射環境影響評價方法與標準》（HJ/T10.3-96）得5分;否則0分;
無線電干擾：滿足《輻射環境保護管理導則電磁輻射環境影響評價方法與標準》（HJ/T10.3-96）得5分;否則0分。
應用綜合評價理論方法，可以建立電網投資策略的影響因素指標體系，同時對典型投資方案進行綜合評價，通過評價結果反饋修正相應的投資策略。
2.電網投資策略綜合評價體系應用步驟
構成綜合評價問題有五個要素，分別為被評價對象、評價指標、權重系數、綜合評價模型和評價者。綜合評價的一般步驟如下：明確評價目的;確定被評價對象;建立評價指標體系（包括評價指標的原始值、評價指標的若干預處理等）;確定與各項評價指標相對應的權重系數;選擇或構造綜合評價模型;計算各系統的綜合評價值，并給出綜合評價結果。
2.1被評價對象
被評價對象就是綜合評價問題中所研究的對象，或稱為系統。
2.2評價指標
評價指標是反映被評價對象的運行狀況的基本要素。通常的問題都是有多項指標構成，每一項指標都是從不同的側面刻畫系統所具有某種特征大小的一個度量。
2.3權重系數
每一綜合評價的問題都有相應的評價目的，針對某種評價目的，各評價指標之間的相對重要性是不同的，評價指標之間的這種相對重要性的大小可以用權重系數來刻畫。如果用 來表示評價指標 的權重系數，則應有 ，且 。 公式4
2.4綜合評價模型
對于多指標（或多因素）的綜合評價問題，就是要通過建立合適的綜合評價數學模型將多個評價指標綜合成為一個整體的綜合評價指標，作為綜合評價的依據，從而得到相應的評價結果。
2.5評價者
評價者是直接參與評價的人，可以是某一個人，也可以是一個團體。對于評價目的選擇、評價指標體系確定、評價模型的建立和權重系數的確定都與評價者有關。
2.6評價目的
對某一事物開展綜合評價，首先要明確為什么要綜合評價，評價事物的哪一方面，評價的精確度要求如何，等等。
2.7評價結果
輸出評價結果并解釋其含義，依據評價結果進行決策。應該注意的是，應正確認識綜合評價方法，公正看待評價結果。綜合評價結果只具有相對意義，即只能用于性質相同的對象之間的比較和排序[2]。
按上述步驟，電網投資策略綜合評價主要分為以下幾步：首先按照經濟指標、技術指標、社會指標以及環境指標分為四個方面進行研究，對已滿足基本技術經濟要求的規劃備選方案集進行各個指標的評估計算;然后根據決策偏好對這些指標進行加權綜合后得到備選方案的優劣排序，從而得到最優方案。
權重是綜合評價中的一個重要的指標體系，合理地分配權重是量化評估的關鍵。因此，權重的構成是否合理，直接影響到評估的科學性。目前國內外關于評價指標權系數的確定方法有數十種之多，根據計算權系數時原始數據來源以及計算過程的不同，這些方法大致可分為三大類：一類為主觀賦權法，一類為客觀賦權法，一類為主客觀綜合集成賦權法。
主觀賦權評估法采取定性的方法，由專家根據經驗進行主觀判斷而得到權數，然后再對指標進行綜合評估。如層次分析法、專家調查法（Delphi法）、模糊分析法、二項系數法、環比評分法、最小平方法、 序關系分析法（G1法）等方法。其中層次分析法（AHP法）是實際應用中使用得最多的方法，它將復雜問題層次化，將定性問題定量化。
客觀賦權評估法則根據歷史數據研究指標之間的相關關系或指標與評估結果的關系來進行綜合評估。主要有最大熵技術法、主成分分析法、多目標規劃法、拉開檔次法、均方差法、變異系數法等方法。其中最大熵技術法用得較多，這種賦權法所使用的數據是決策矩陣，所確定的屬性權重反映了屬性值的離散程度。
理想的指標權重確定方法是綜合主客觀影響因素的綜合集成賦權法，總體來說，經過對已有的綜合集成賦權法進行對比分析發現，綜合主客觀影響因素的綜合集成賦權法已有多種形式，但根據不同的原理，主要有以下三種：第一，使各評價對象綜合評價值最大化為目標函數。第二，在各可選權重之間尋找一致或妥協，即極小化可能的權重跟各個基本權重之間的各自偏差。第三，使各評價對象綜合評價值盡可能拉開檔次，也即使各決策方案的綜合評價值盡可能分散作為指導思想。
目前對于多指標的綜合決策理論繁多，這些方法在進行多指標的權重計算時各有優缺點，在進行電網投資策略綜合評價時，決策者可根據實際需求進行選擇，對經濟指標、技術指標、社會指標、環保指標進行合理科學的綜合評價。
3.結語
電網投資策略綜合評價體系的建立，使得在不確定性水平大幅增高的情況下對電網投資的全面綜合評估成為一種可能，使得在電網投資策略的制定與管理方面獲得必備的理論及數據支持。本文研究的電網投資策略綜合評價體系，立足于區域電力系統的多不確定性、高風險等特點，能夠充分量化表征備選投資方案在經濟性、技術性、社會性、環保性等多方面性能的優劣程度，從而有效指導電網投資規劃方案的綜合評估與決策。
電網投資策略綜合評價體系是為了適應管理現代化、科學化、精細化的要求，完善電網企業投資項目的管理程序，提高電網項目的管理水平而產生的，該體系可以減輕相關業務人員面對數量龐大、過程復雜的電網投資項目的技術經濟分析評價工作，為電網投資項目的決策者、管理者、建設者和運營人員應用合理的方法和策略，提供科學依據與參考。通過電網投資策略綜合評價體系的研究，使工程項目的決策者、管理者、建設者和運營者提高決策、管理、建設和運營水平;進一步完善電網企業的項目決策程序，提高投資項目的決策管理水平[3]。
參考文獻：
[1] 曾斌峰，謝傳勝，楊曉東.電網建設項目投資效果考核[J].中國電力教育，管理論叢與教育研究?？?007： 260-261.
量化投資策略分析范文3
最近一段時間，債市、股市接連走弱。截至2016年12月16日，上證指數累計跌幅為3.91%，創業板指累計跌幅為8.47%，如下圖所示。在股市下挫的背景下，大部分采取主動管理的權益類基金凈值紛紛走低，同期股票型基金平均凈值損失幅度為4.17%，混合型基金平均凈值損失幅度為2.82%，混合基金中股票投資倉位為0～95%，且主要進行股票投資的“高度靈配――相對業績比較基準”類別的凈值損失幅度為3.78%。由此可見，股市整體小幅震蕩的格局下，各大類基金凈值皆有所下滑，未有大類能夠逆勢上漲。
目前，市場基金存量較多，按照法定分類已不能充分體現基金投資方向的特性。因此，濟安金信基金評價中心將公募基金按照投資范圍、投資策略等維度進行特色分類。根據濟安金信基金評價中心的特色分類統計，量化基金表現突出，該類基金2016年以來的平均凈值增長率為1.64%，整體盈利能力較強，且最大回撤較小。
量化基金穩定盈利，各區間業績優異
根據濟安金信基金評價中心的統計，截至2016年12月16日，量化基金在過去1個月、3個月、6個月的平均凈值增長率分別為-2.00%、2.38%、10.73%?？梢钥闯觯擃惢饍糁瞪蠞q的過程較為穩定平滑，這主要基于其投資策略。多數量化基金的股票選擇行為都是基于投資模型而定，堅持數量化的投資策略，專注投資價值低估的股票。這種完全基于模型的數量化投資方法既能更加客觀和理性地分析和篩選股票，還能保證不受外部分析師的影響，極大地減少了投資者情緒對基金投資運作的影響，從而保持投資策略的一致性與有效性，使其具有較強的盈利能力。
據筆者統計，現市場上多數量化基金的持倉特點是“持股數量多，重倉股集中度低”。根據基金半年報及年報的股票投資明細，大部分量化基金持倉股票數量在80只以上，且持有市值占基金資產比重較小，投資分散有助于增加抗風險能力，同時平滑了基金的收益，有益于基金凈值的穩定，如選股模型較為符合市場形勢，則實現較為穩定盈利的可能性較大。
具體來看，目前市場上共有54只采用量化投資策略的公募基金，其中2016年以來具有完整運作周期的共有34只，在2016年以來凈值實現上漲的共有24只，占比70.59%。其中，凈值增長率排名第1的為長信量化先鋒混合，其2016年以來的凈值增長率為15.05%。該基金管理公司旗下還有長信量化中小盤股票及長信量化多策略股票兩只量化基金，這3只量化基金2016年的表現均較為突出，實現了逆勢上漲，且都在量化基金排行的前10名中，3只產品均由基金經理左金寶管理，如表1所示。從其凈值表現來看，長信基金管理公司的量化投資模型較為成功，贏得了市場的認可，投資者可對該管理公司旗下的量化產品多加關注。
資金面偏緊，債市承壓，需謹慎看待債券基金
進入2016年12月中旬，銀行間市場資金價格不斷走高、信貸數據不及預期等因素使得銀行間債市及5年期、10年期國債期貨再度遭遇大跌。此外，銀行間拆借利率、隔夜回購利率不斷走高，這意味著短期內資金面承壓較大，債券市場的走弱使得債券基金的凈值走勢呈下行趨勢，即使新基金發行也頻頻延長募集期限的公告。海外方面，美聯儲加息落地，人民幣貶值預期持續，年末期資金利率走高，跨年資金上漲尤為明顯，逆回購利率品種多數上行，上海銀行間同業拆放利率（Shibor）繼續全線上漲。尤其值得注意的是，Shibor3個月期收報3.1774%，為2015年10月末以來的高位，并已連續上行41個交易日，創下2010年年底以來最長的連漲周期。另外，中央經濟工作會議將2017年貨幣政策定義為穩健中性，以防范風險為首要，預期2017年貨幣投放可能比2016年更為謹慎。因此，資金面偏緊的狀況短時間內難以改善，此時投資者應對債券市場及債券基金謹慎看待。
2016年年底，債市持續下跌，國債利率平均上行28基點，AAA級和AA級企業債利率平均上行50多個基點，中證轉債指數大跌3.86%。周內交易日國債期貨多個合約開盤后迅速出現跌停，為國債期貨上市3年來首次。純債基金整w收益水平出現一定回撤，同類基金業績分化程度也較大，仍處于建倉期內的新基金和部分次新基金短期收益持續好于一些運作周期較長的產品。據筆者的跟蹤統計，近幾周收益水平較高的產品多為委外基金，甚至出現若干次由于大額贖回所至的凈值暴漲，周內收益率超過10%的現象。對于個人投資者，筆者建議回避此類基金，在選擇債券基金時，應多關注具備歷史中長期業績，投資運作較為成熟的品種。固定收益類基金累計凈值增長率統計如表2所示。
量化投資策略分析范文4
【關鍵詞】機器學習 量化投資 三因子模型
一、引言
作為人工智能領域主要的研究方向之一，機器學習無疑最受矚目。尤其是近幾年深度學習方法在語音識別、自然語言處理、自動駕駛等方面取得了巨大的成功，使得各行各業都將機器學習方法做為重點的研究方向。特別是在金融領域，以機器學習為主的人工智能已經在量化投資方面得到了廣泛的應用。機器學習可以快速海量地進行分析、擬合、預測，人工智能與量化交易聯系越來越緊密。如全球最大的對沖基金橋水聯合（Bridge water Asspcoates）在2013年就建立了一個基于機器學習的量化投資團隊，該團隊設計交易算法，利用歷史數據預測未來金融市場變化，以人工智能的方式進行投資組合調整。日本的人工智能量化投資公司Alpaca，建立了一個基于圖像識別的機器學習技術平臺Capitalico，通過該平臺，用戶可以利用數據庫中找到外匯交易圖表進行分析，這使得普通投資者也能知道成功的交易員是如何做出交易決策的，從他們的經驗中學習并作出更準確的交易。然而在金融領域，已公開的有效的預測模型是基本不存在的，因為無論是機構投資者還是個人投資者一旦公開投資模型，也就意味著投資模型的失效。比如著名數學家西蒙斯1988年成立的文藝復興公司，就完全依靠數學模型進行投資，公司旗下從事量化投資的大獎章基金回報率也遠超過其他對沖基金，然而該公司卻從不公開投資模型。雖然金融機構很少公開如何利用機器學習來指導投資的研究成果，但學術界對機器學習在金融投資中的應用的研究卻在逐漸增加。
支持向量機（support vector machines，SVM）是Vapnik 1995年提出的新的機器學習算法，該方法有很好的泛化能力，一種非常成功的機器學習方法，性能明顯優于傳統神經網絡。在金融研究領域，支持向量機也是應用最廣泛的機器學習模型。即使在國內，利用SVM方法的研究文獻也不少。賽英（2013）利用支持向量機（SVM）方法對股指期貨進行預測，并用遺傳算法（GA）和粒子群算法（PSO）分別優化四種不同核函數的支持向量機，通過大量實驗發現，采用粒子群算法化的線性核函數支持向量機對股指期貨具有最好的預測效果。黃同愿（2016）通過選擇最優的徑向基核函數，再利用網格尋參、遺傳算法和粒子群算法對最佳核函數參數進行對比尋優，構建最有效的支持向量機模型，并對中國銀行未來15日的開盤價格變化趨勢進行預測，并認為用支持向量機來預測股票走勢是可行的。程昌品（2012）提出了一種基于二進正交小波變換和ARIMA-SVM方法的非平穩時間序列預測方案。用高頻數據構建自回歸模型ARIMA進行預測，對低頻信息則用SVM模型進行擬合；最后將各模型的預測結果進行疊加，并發現這種辦法比單一預測模型更加有效。張貴生（2016）提出了一種新的SVM-GARCH預測模型，通過實驗發現該模型在時間序列數據去除噪音、趨勢判別以及預測的精確度等方面均優于傳統的ARMA-GARCH模型。徐國祥（2011）在傳統SVM方法的基礎上，引入主成分分析方法和遺傳算法，構建了新的PCA-GA-SVM模型。并利用該模型對滬深300指數和多只成分股進行了驗證分析，并發現該模型對滬深300指數和大盤股每日走勢有很好的預測精度。韓瑜（2016）結合時間序列提出了一種基于GARCH-SVM、AR-SVM的股票漲跌預測方法，結果表明，加入GARCH或AR等時間序列模型的初步預測結果可以提高SVM預測準確率。
從國內的研究文獻來看，大多數文獻都是通過機器學習方法來優化傳統的時間序列預測模型，很少去研究如何通過機器學習方法構建有效的量化投資策略。由此，本文將利用SVM算法，結合經典的Fama-Fench三因子模型，設計量化投資策略，探討機器學習方法在金融投資領域應用的新思路。
二、模型理論介紹
（一）Fama&Fench三因子模型
Sharpe（1964），Lintner（1965）和Mossin（1966）提出的資本資產定價模型（CAPM）是一個里程碑。在若干假定前提條件下，他們嚴謹地推導出了在均衡狀態下任意證券的定價公式：
式中，E（ri）是任意證券i的期望收益率，E（r0）是無風險利率，E（rm）是市場組合（market portfolio）的期望收益率。■。法馬（Fama，1973）對CAPM進行了驗證，發現組合的β值與其收益率之間的線性關系近似成立，但截距偏高，斜率偏低，說明β不能解釋超額收益。之后，Fama&Fench（1992）詳細地分析了那些引起CAPM異象的因子對證券橫截面收益率的影響。結果發現，所有這些因子對截面收益率都有單獨的解釋力，但聯合起來時，市值和賬目價值比（BE/ME）兩個因子在很大程度上吸收了估計比值（E/P）以及杠桿率的作用?；诖耍現ama&Fench（1993）在構建多因子模型時，著重考慮規模市值（SMB）和賬面價值比（HML）這兩個因子。因此，三因子模型可以寫為：
（二）支持向量機
支持向量機是一種二分類模型，也可以用于多分類，它的基本模型是定義在特征空間上的間隔最大的線性分類器，通過尋求結構化風險最小來提高分類器的泛華能力，實現經驗風險和置信范圍的最小化，最終可轉化為一個凸二次規劃的問題求解。支持向量機是90年代最成功的機器學習方法，它的基本思想是求解能夠正確劃分訓練數據集并幾何間隔最大的分離超平面，該超平面可以對數據進行分類，分類的標準起源于邏輯回歸，logistic回歸的目的是從特征學習出一個0/1分類模型，logistic函數（sigmoid函數）的表達形式為：
這個模型是將特征的線性組合作為自變量。由于自變量的取值范圍是負無窮到正無窮，因此，sigmoid函數將自變量映射到（0，1）上，對應的類別用y來表示，可以取-1或者1。根據輸的概率對數據進行分類，sigmoid函數圖像如圖1。
支持向量機也是利用上述分類原理對數據進行分類，如圖2所示，wTx+b=0為n維空間的一個超平面，該超平面將數據分開，一般來說，一個點距離超平面的遠近可以表示為分類預測的準確程度。支持向量機就是求解■的最大值，也就是說，構造最大間隔分類器γ，使兩個間隔邊界的距離達到最大，而落在間隔邊界上的點就叫做支持向量，明顯有y（wT+b）>1。
當數據不能線性可分時，就需要利用非線性模型才能很好地進行分類，當不能用直線將數據分開的情況下，構造一個超曲面可以將數據分開。SVM采用的方法是選擇一個核函數，通過將數據映射到高維空間，在這個空中構造最優分類超平面，用線性分類法進行數據分類。
然而，在不知道特征映射的形式時，很難確定選擇什么樣的核函數是合適的。因此，選擇不同的核函數可能面臨不同的結果，若核函數選擇不合適，則意味著將樣本映射到了一不合適的特征空間，很可能導致結果不佳。常用的核函數見表1。
三、實證分析與應用
（一）數據說明
訓練數據為2012年8月1日至2016年8月1日滬深300成分股在每月最后一個交易日有交易的股票因子值，市值因子SMB（marketValue）和賬面價值比HML（PB）比這兩個因子見表2，所有因子數據都通過標準化并處理。利用PB和marketValue兩個因子，預測下月該股票的漲跌，利用機器學習中的支持向量機進行訓練，數據特征為月度股票因子，訓練標簽為該股票下個月月初第一個交易日的漲跌，上漲為1，下跌和股價不變標記為0，采用交叉驗證方法，其中80%的數據為訓練集，20%的數據為測試集，利用R語言中的e1071包進行分析。
表2 因子名稱與因子說明
■
（二）策略回測
從實驗結果看，SVM的測試集預測準確率為62.32%，回測策略為等權重買入當月預測上漲概率排名前20的股票，每月初第一個交易日進行調倉，回測區間共調倉41次。回測區間為2013年7月1日至2017年2月28日，初始資金設為1000000元，利用優礦量化平臺進行回測，策略回測的部分持倉記錄見表3，策略效果見圖3和表4。
表3 策略回測持倉記錄
■
■
圖3 策略收益率與基準收益率對比
表4 模型回測結果主要數據
■
由于多因子模型通常為穩健策略，因此為了避免頻繁交易帶來的高額交易費用，本策略采用了月度定期調倉的手法。從表3，圖3和表4的策略回測結果來看，利用支持向量機算法結合Fama-Fench三因子模型設計的交易策略，在回測區間年化收益率為22.4%，超越了13.4%的基準市場收益率，獲得了8.2%的阿爾法，這也說明Fama-Fench三因子模型在A股市場依然有效。同時我們也能看到，該策略最大回撤為48.1%，說明在不加入止損、止盈條件下，該策略并不能實現很好的對沖效果。從量化投資的角度來看，利用股指期貨進行對沖，是多因子策略的一個很好的選擇。
四、結論
本文通過利用機器學習中的經典算法支持向量機并結合Fama-Fench三因子模型構建了量化投資策略。通過市值因子和市凈率因子，利用機器學習算法，滾動預測下一個月股票的漲跌方向。實驗結果發現，支持向量機的預測準確率達到了62.23%，通過預測股票漲跌方向的概率，設計了對應的投資策略，該策略在回測期間的年化收益達到了22.4%，遠超過基準年華收益率的13.4%。本文的研究表明，機器學習方法在金融市場有很好的運用空間，在大數據時代的今天，傳統統計模型無法從復雜、多維的金融數據中提取出有效的信息特征，而機器學習算法擅長處理復雜、高維數據。這也是人工智能投資在金融行業越來越受到重視的原因。從量化投資這一角度來說，如何將機器學習方法應用到金融投資領域還是一個飽受爭議的話題，本文只是從嘗試的角度出發，創新的將機器學習方法結合經典的Fama-Fench三因子模型來驗證對中國股市的投資效果。而如何將機器學習方法應用到更多的金融投資領域將是本文下一階段的研究重點。
參考文獻
[1]Cortes C，Vapnik V.Support-Vector Networks.[J].Machine Learning，1995，20（3）：273-297.
[2]Fama，E.F.&K.R.French（1992），“The cross-section ofexpected stock returns”，Journal of Finance 47：427-466.
量化投資策略分析范文5
“華富量子生命力基金自2011年成立以來，一直處于較弱的市場環境中，期間也有階段性的比較好的表現，但總體來說沒有給持有人帶來正收益，深表歉意。公司看到了這一點，也一直在努力改變，今年三季度增聘了基金經理，改善了持股結構，逐步調整量化策略，以求找到更適應現階段市場的量化模型，為持有人帶來收益?！泵鎸Α锻顿Y者報》記者關于華富量子生命力基金業績的質疑，華富基金公司的相關負責人表示了誠懇的歉意。
據Wind數據，截至今年12月3日，華富量子生命力基金經理朱蓓以負27%的任職總回報在244位同類基金經理中位居232名，另一位基金經理孔慶卿以負7%的任職總回報在357位同類基金經理中位居347名。
量化模型發掘大把牛股 分散投資業績貢獻打折
據了解，與傳統的定性投資不同，華富量子生命力基金嚴格采用量化投資策略進行“擇時”與“選股”的操作。其數量化投資策略由于借助高效的計算機系統對市場進行全方位的地毯式掃描，進而構建系統化的投資組合，并且遵守嚴格的投資紀律，因此可以彌補由于人的精力不足而造成的選擇范圍局限，最大限度擴大投資視野，并在第一時間發掘新的投資機會。
從實際效果來看，華富量子生命力也確實發掘了眾多的大牛股。據Wind數據，從年初至今（11月22日），華富量子生命力第三季度末的十大重倉股中，浙報傳媒（上漲176%）、上海鋼聯（上漲264%）、愛施德（上漲272%）、海越股份（上漲108%）、太極股份（上漲141%）5只股票漲幅均已翻番，然而，華富量子生命力的業績回報卻沒有因為這些牛股而遙遙領先。
對此，華富基金相關負責人回答說：“量化投資是借助計算機系統，運用程序化的計算機模型進行全市場數據分析，用模型結論指導投資的一種投資方式。根據基金契約，華富量子生命力基金是一個運用量化模型指導投資的產品。每個模型對不同的市場環境都有不同的適應性，因為其分析基礎是各種市場公開數據，所以從一般規律來看，量化投資的產品在震蕩向上以及牛市行情中表現比較出挑，而在熊市行情中則普遍弱于市場。同時，量化投資產品持股分散度比較高，單個股票的占比都不高，從正面來看，是有效規避了風險，但同時個股漲幅對基金凈值的貢獻率也就相應降低了。”
量化投資成熟運用于國內A股還需時間
華富量子生命力基金的基金經理朱蓓，上海交通大學安泰管理學院碩士研究生，曾擔任平安資產管理公司量化投資部助理投資經理。多年證券投資研究、保險公司投資從業經歷。現任華富基金金融工程研究員、產品經理，華富量子生命力、華富中證100、華富中小板基金經理。
對于華富量子生命力目前的業績不大理想。華富基金公司相關負責人解釋說：“華富量子生命力基金自2011年成立以來，一直處于較弱的市場環境中，雖然期間也有階段性的比較好的表現，但總體來說沒有給持有人帶來正收益，深表歉意。公司看到了這一點，也一直在努力改變，今年三季度增聘了基金經理，改善了持股結構，逐步調整量化策略，以求找到更適應現階段市場的量化模型，為持有人帶來收益。”參考華富基金旗下的其他基金業績情況，今年以來的確收益不錯，海通證券統計前三季度權益類基金綜合凈值增長率達38.07%，在所有基金公司中排名第五，說明華富基金對股票主動管理的能力還是可圈可點的。
量化投資策略分析范文6
隨著滬港通的正式實施，中國股市交易量不斷創歷史新高。同時在世界石油價格持續降低的情況下，投資策略顯得十分重要。為此，重點分析策略指數投資在股市投資中的運用。
關鍵詞：
投資組合；股市；策略指數投資
中圖分類號：
F83
文獻標識碼：A
文章編號：16723198（2015）09010803
1策略指數投資介紹
2014年末隨著股市行情的走強，指數化產品迅速擺脫前幾年凈贖回的頹勢，呈現爆發式快速增長。伴隨著規模的迅速擴張，結構上也出現了一些變化。其中策略指數產品尤其引人關注。廣發中證百發100指數基金在開放募集后2天即超過20億元，顯示市場對特定方式策略指數投資的熱情追捧。策略指數投資，在國外又稱為Smart Beta，即“聰明”的Beta，是相對于“傳統”的Beta策略而存在的一種投資理念。傳統認知上的Beta是指一種全市場投資組合的系統性風險，在CAPM中以全市場所有股票的市值加權方式計算（market capitalization weighted）。比如標普500指數、日經指數、以及在國內最具代表性的滬深300指數。通過簡單的推演，就可以論證市值加權并非是最優的方法。市場對股票的定價并非完全有效，那么市值加權的方式傾向于給高估的股票以更高的權重，而低估的股票以更低的權重，顯然這種方式并非是最優的。在這一點上，Hsu（2006）已經給出嚴格的論證。事實上，市值加權更加注重的是投資機會的市場容量（capacity），因此該類指數更多地被用作投資的業績基準。那么，如果將投資組合更換成一種非市值加權的方式，其得到的beta就是smart beta，相關的投資策略就稱為策略指數投資。這種smart beta指數中的股票權重往往是通過特定的量化算法獲得，看起來投資效果會比傳統的市值加權beta更加實用，相關的投資策略也往往會選擇市值加權指數作為投資業績的基準。
常見的Smart Beta策略包括價值策略、低波動策略、分散化策略、動量策略等。其中價值策略是以一些股票的價值指標為加權方式，目標是選擇一些基本面滿足特定屬性的股票構成組合。比如基于財務基本面評分的基本面加權，或基于分紅率的紅利加權等。低波動策略的目標是構建一個最低或較低波動率的投資組合，通常包括最小方差目標加權、波動率倒數加權等方法。分散化策略的目的是提高組合中股票的分散度，應用最廣的是等權重策略。動量策略在國外也是一種常見的策略，因為國外市場上驗證發現動量因子非常有效，因此會選擇以動量因子來作為股票選擇和加權的方式，見表1。
據統計，美國近三年新發行的Smart Beta策略投資產品規模約在600億美元，大致與市值加權的指數產品規模相當，策略也主要以紅利、等權重、基本面、低波動為主。而國內近年來策略指數投資產品發展也非常迅速。中證指數公司針對主要的Smart Beta策略進行了驗證，證明Smart Beta策略確實能大概率上擊敗以市值加權的滬深300指數。其中表現最好的是低波動相關策略，包括300最小方差、300低貝塔、300低波動。
2資產配置下的策略指數投資
根據經典的CAPM模型我們知道，股票資產的收益率取決于其承擔的市場風險大小Beta，而無法被解釋的部分則為Alpha。但隨后的諸多研究發現，各種股票之間的Alpha具有異常的高相關性特征，或許存在市場因子以外的其他因素在影響股票資產的收益率。隨后發展的Fama-French三因素模型提出在市場因子以外，價值因子和規模因子也是非常顯著的。后來又將動量因子補充進來，從而形成四因素模型。
自此，風格因子投資的概念逐漸被學術界與投資界所廣泛接受。事實上，自從1970年代以來，國外就開始萌生基于這種理念的主動投資管理。投資業界在三因素模型基礎上開發了非常有效的線性因子投資模型，如Barra公司將國家地域因子、宏觀因子、概念風險因子等逐步納入到其風險評估模型中。隨后，學術界又逐步發現了更多有效的風險和策略因子，如低波動率、低流動性、基本面因子等。人們也逐漸發現，原來投資界以往的諸多策略產品實際上并非是提供了有效的Alpha，而只不過是將各種風格因子的beta巧妙包裝成投資能力的Alpha來推銷給投資者。
在這樣的視角上，資產配置投資就自然而然地成為投資方法的主流。我們對資產的看法不再是其表面上所呈現出來的風險與收益特征，而是其特定或持續暴露的風險因子敞口，比如價值因子敞口、規模因子敞口等。如果投資者能夠設定自己的風險預算，明確其將在各種風險因子上的敞口，就可以從市場上選擇合適的股票、策略指數產品，經過合理的搭配而形成組合。這樣的投資組合在風險上是可控的，從而將投資引入了一個新的配置時代。
因此，基于特定量化策略的Smart Beta策略指數投資開始風靡。這些指數投資產品不僅能夠提供超越傳統Beta的收益表現，更重要的是它們滿足了投資者的資產配置需求。這些產品的透明性好、費用低廉，并且突出地暴露到某一個特定的風險因子上。比如在紅利策略中，通常會選擇那些分紅率最高的股票進入組合，并給予高分紅股票更高的權重，這樣就使得組合在價值因子上產生了顯著的風險敞口。在等權策略中，全部入選組合的股票無論市值大小都給予相同權重，從而導致小盤股獲得比市值加權指數更高的權重，導致組合在規模因子上產生顯著的風險敞口。波動率倒數加權策略則會給予波動率較低的股票更高的權重，從而整體上降低組合的波動性風險，因此也在波動率因子上產生顯著的敞口。投資者在把握這些策略指數產品的風險特征后，就能夠方便地構建自己的組合配置，反過來也促進了策略指數投資的快速興起。
然而，Smart Beta策略指數產品也并非完全的“聰明”。在某一段時間內，也許特定的策略指數能戰勝市值加權組合，使得它看起來非?！奥斆鳌保诹硪欢螘r間內該策略指數可能會落后市值加權組合，使得它看起來也不是那么“聰明”。這是因為策略指數產品通常會有嚴重的風險因子敞口，因此其業績也隨著風險因子的表現而起伏不定?？赡苡幸恍┮蜃娱L期來看存在明顯的超額收益，導致這些策略看起來非常具有吸引力。
針對幾個主要的風險因子，測算了2006-2014年間的表現。表3中我們發現小盤因子是中國A股市場上長期表現最好的，但其波動率也比較大。價值因子、反轉因子、基本面因子的長期表現也非常好。然而，表4測算了這些因子表現的相關性，發現各種因子之間的相關性非常低。并且單一因子的信息比率都無法達到2以上，這就表明單純使用一個因子，即使是表現最好的小盤因子也依然無法達到滿意的投資效果。
因此，風格偏向非常明顯的策略指數投資產品也即往往會隨著市場風格的切換而發生特別明顯的波動。但是，如果投資者能夠設定自己的風險預算約束，就能夠合理地選擇多個策略指數投資產品來構造自己的組合基金。組合基金利用不同產品風險敞口的低相關性來降低組合的波動風險。
3組合基金投資
組合基金是能充分利用策略指數投資產品的優勢，同時又充分控制和分散風險的一種很好的方法。目前國內興起的量化投資基金很多策略就是試圖去搭配不同的風險因子，希望在控制一定的風險暴露基礎上，追求更高的收益。然而我們發現，這些策略大多數仍然是存在明顯的風險暴露。
我們選擇2014年表現最好的三只公募基金：華泰柏瑞量化指數、大摩多因子、長信量化先鋒?？梢园l現，雖然這三只基金在2014年、2013年表現較好，但在2011年、2012年里普遍較弱。其主要原因是這些基金普遍在小盤因子上有很強的暴露，2013-2014年里小盤因子表現很強，但2011-2012年里價值因子表現更好。表6拆解了三只基金的全部持倉的自由流通市值分布，不難看出大摩多因子與長信量化先鋒在小盤股上偏向非常明顯，而華泰柏瑞量化指數向小盤的偏離較小。
我們選擇其中業績記錄較長的大摩多因子、長信量化先鋒，另外搭配兩只偏向價值的策略指數基金：華寶興業上證180價值ETF、銀河滬深300價值。以等權重在四個產品之間搭配，構造一個混合的組合基金投資產品（FOF）。
經過計算，不難看出兩個偏向價值的基金產品在2011和2012年明顯好于兩只偏向小盤的量化產品，但在2013年和2014年里表現弱于量化產品。經過等權構造后，FOF組合在2011-2014年間均能取得正的超額收益，更重要的是其信息比率提升到了2.20，遠遠高于四只產品各自的信息比率，這說明經過搭配后，資產組合的收益風險表現得到了明顯的提升。
4結論
策略指數投資的Smart Beta正逐漸成為市場上非常重要的一類產品，因其風格特征顯著，在特定的市場環境下提供“聰明”的Beta收益而逐漸受到投資者的熱捧。然而，單一投資策略指數產品并不能提供穩健的收益，可以考慮在資產配置的目標下合理搭配策略指數投資產品，獲取更加穩健的收益。
參考文獻
[1]鄭鳴，李思哲.我國基金風格投資的積極風險補償研究[J].廈門大學學報（哲學社會科學版），2010，（02）.
[2]蔡偉宏.我國股票市場行業指數超額聯動的實證分析[J].南方經濟，2006，（02）.
