前言：中文期刊網精心挑選了金融投資量化方法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。
金融投資量化方法范文1
【關鍵詞】量化投資 特點 策略 發展
一、引言
量化投資在國外的實踐已經有了40多年的發展，我國的量化投資起步較晚，從2004年開始出現量化投資的產品，由于缺乏有效的對沖手段，直到2010年4月滬深300股指期貨上市之后才能算是真正意義上開始涉足量化投資。[1]
2015年的中國股市跌宕起伏，杠桿配資引發了大幅上漲和斷崖式下跌，股市出現罕見的千股漲停、千股跌停、千股停牌的奇觀，眾多機構投資者和散戶蒙受了巨大的損失。但其中少數量化投資基金在大幅波動的市場中卻表現相對穩定。量化投資基金和量化對沖策略的穩健，很快引起了全市場的關注，也成為近期銀行、券商、信托等機構追捧的新的產品模式。
在此背景下，作者在本文中對于量化投資的概念、特點、策略、理論基礎和發展做一個總結，希望為量化投資研究和實踐做一些參考。
二、量化投資解讀
（一）量化投資的定義
量化投資在學術界并沒有嚴格統一的定義，現有的定義對于量化投資的定義的側重點各有不同。本文對于量化投資的定義為：
量化投資是指將投資者的投資思想或理念轉化為數學模型，或者利用模型對于真實世界的情況進行模擬進而判斷市場行為或趨勢，并交由計算機進行具體的投資決策和實施的過程。
（二）量化投資的特點
1.投資決策中能夠客觀理性，克服人類心理對投資決策的影響。傳統投資的分析決策，大多數方面都由人工完成，而人并非能做到完全理性，在進行投資決策時，很難不受市場情緒的影響。[2]量化投資運用模型對歷史和當時市場上的數據進行分析檢測，模型一經檢驗合格投入正式運行后，投資決策將交由計算機處理，一般情況下拒絕人為的干預，這樣在進行投資決策時受人的情緒化的影響將很小，投資過程可以做到理性客觀。
2.能夠通過海量信息的大數據處理，提高投資決策效率。我國股票市場上有近3000只股票，與上市公司相關的各種信息紛繁復雜，包括政策、國內外經濟指標、公司公告、研究報告等，投資者靠自己手工的篩選根本就是力不從心。量化投資的出現為這個問題的解決帶來了希望。量化投資運用計算機技術快速處理大量數據，對其進行辨別、分析、找出數據之間的關聯并做出投資決策，大大減少了人工的工作量，提高了投資決策效率。
3.能夠實現精準投資。傳統的投資方法中認為投資是一門藝術，投資決策需要的是投資者的經驗和技術，投資者的主觀評價起到決定作用。而量化投資有所不同，尤其是在套利策略中，它能做到精準投資。例如在股指期貨套利的過程中，現貨與股指期貨如果存在較大的差異時就能進行套利，量化投資策略和交易技術會抓住精確的捕捉機會，進行套利交易來獲利。另外，在控制頭寸規模方面，傳統的投資方法只能憑感覺，并沒有具體的測算和界定，而量化投資必須要設定嚴格精確的標準。[3]
4.能夠快速反應和決策，把握市場稍縱即逝的機會。量化投資往往利用高速計算機進行程序化交易，與人腦相比它能夠迅速發現市場存在的信息并進行相應的處理，具有反應快速、把握市場稍縱即逝的機會的特點。量化投資在速度上最出色的運用就是高頻交易，與低頻交易相對，高頻交易是通過高速計算機，在極短的時間內對市場的變化做出迅速的反應并完成交易。[4]
5.能夠有效地控制風險，獲取較為穩定的收益。與傳統投資方式不同的是，量化投資在獲得較高超額收益的同時能夠更好地控制風險，業績也更為穩定。相關研究顯示，1996年至2005年期間，量化投資基金與以所有傳統主動型投資基金和偏重于風險控制的傳統主動型投資基金的信息比率對比情況中，量化投資基金的信息比率都是最高，說明量化投資相對于傳統投資，能夠在獲得更高的超額收益的同時，有效地控制風險。
三、量化投資的策略
一般的量化投資的策略指的是用來實現投資理念或模擬市場行為判斷趨勢從而獲取收益的模型。量化投資需要權衡收益、風險、交易成本、具體的執行等各個方面，一般情況下這些方面會形成相對獨立的模塊。有時候量化投資策略模型也會將風險、成本等方面融合在模型中。
（一）國外量化投資策略的分類
國外習慣上將量化投資的策略分成兩大類，一類是阿爾法導向的策略，另一類是貝塔導向的策略。阿爾法策略（alpha strategy）是通過量化擇時和調整投資組合中不同資產的頭寸大小來獲取收益的策略;貝塔策略（beta strategy）是通過量化的手段復制指數或者稍微的超出指數收益的策略。[6]相比而言，量化指數的貝塔策略相對更容易，所以一般情況下所說的量化投資的策略指的是阿爾法策略（alpha strategy）。
阿爾法策略主要有兩種類型，分別為理論驅動模型和數據驅動模型。
理論驅動模型是比較常見的類型，這些策略是運用已經存在的經濟、金融學的理論，構建策略模型，進行投資決策。理論驅動模型根據輸入的數據的不同可以進一步分類，主要有基于價格相關數據的策略和基于基本面數據的策略。
數據驅動模型廣泛的被運用于股票、期貨和外匯市場，因為采用的數學工具更為復雜，相對而言難于理解，目前使用的還不是很多。與理論驅動模型不同，數據驅動模型認為進行投資決策其實是不需要理論的支持，運用數據挖掘技術，可以從數據（例如交易所的價格數據）中識別出某種行為模式或市場趨勢，進而進行預測或者解釋未來的模式，從中獲取收益。
（二）我國量化投資策略的分類
國內比較常見的量化投資策略主要有兩種分類方式，一種是按投資標的所在市場分類區分的量化投資策略，分為現貨市場和衍生品市場量化投資策略。現貨市場包括股票市場、ETF市場和債券市場，衍生品市場包括商品期貨市場、股指期貨市場、國債期貨市場、外匯市場和期權與其他衍生品市場，國內運用較多的是投資于商品期貨和股指期貨等期貨市場。
另一種分類方式是分為兩大類：判斷趨勢的單邊投機策略和判斷波動率的套利交易策略。[7]單邊投機策略主要包括量化選股和量化擇時，套利交易策略主要包括股指期貨套利、商品期貨套利、統計套利、期權套利、另類套利策略等，目前國內普遍采用的是這種分類方式。
四、量化投資理論的發展
（一）投資理論的發展
量化投資的理論基礎最早可以追溯到上個世紀50年代，Markowitz（1952）[8]第一次把數理工具引入到金融研究領域，提出了均值――方差模型和風險報酬與有效前沿的相關概念，這是量化投資接受的最早的嚴肅的學術成果。Sharpe（1964）[9]、Litner（1965）[10]、Mossin（1966）[11]在馬克維茨研究的基礎上得出了資本資產定價模型（CAPM），這是如今度量證券風險的基本的量化模型。
20世紀60年代，Samuelson（1965）與Fama（1965）[12]提出了有效市場假說（Efficient Markets Hypothesis，EMH），這為后來在新聞量化交易等方面提供了思路和理論支持。20世紀70年代，金融衍生品不斷涌現，對于衍生品的定價成為當時研究的重點。Black和Scholes（1973）[13]將數學方法引入金融定價，他們建立了期權定價模型（B-S模型），為量化投資中對衍生品的定價奠定了理論基礎。在該理論之后，Ross（1976）[14]根據無套利原則提出了套利定價理論（APT），該理論是資本資產定價模型（CAPM）的完善和發展，為量化投資中的多因素定價（選股）模型提供了基礎，這也是Alpha套利的思想基礎。
20世紀80年代，期權定價理論倒向微分方程求解;“金融工程”概念得以產生，金融工程著力于研究量化投資和量化交易。同期，學者們從有效市場理論的最基本假設著手，放寬了假設條件，形成了金融學的另一個重要的分支――行為金融學。
20世紀90年代，金融學家更加注重對于金融風險的管理，產生了諸多的數量化模型，其中最為著名的風險管理數量模型是VaR（Value at Risk）模型，這是量化投資對于風險控制的重要理論基礎。[15]
20世紀末，數理金融對于數學工具的引入更加的迅速，其中最為重大的突破無疑是非線性科學在數理金融上的運用，非線性科學的出現為金融科學量化手段和方法論的研究提供了強有力的研究工具[16]，尤其在混合多種阿爾法模型而建立混合模型時是非常有效的一種技術。
（二）量化投資的數學和計算基礎
量化投資策略模型的建立需要運用大量的數學和計算機方面的技術，主要有隨機過程、人工智能、分形理論、小波分析、支持向量機等。[17]隨機過程可以用于金融時序數列的預測，在現實中經常用于預測股市大盤，在投資組合模型構建的過程中，可以優化投資組合;人工智能的很多技術，例如專家系統、機器學習、神經網絡、遺傳算法等，可以運用于量化投資;分形理論用于時間序列進行預測分析;小波分析主要用于波型的處理，從而預測未來的走勢;數據挖掘技術可以運用于數據驅動模型，還可以運用于設置模型的細節;支持向量機可以分析數據，識別模式，用于分類和回歸分析。
五、國內外量化投資實踐的發展
（一）國外量化投資實踐的發展
本文認為量化投資在國外的發展已經經歷了四個發展階段：
1.第一階段從1949年至1968年：對沖階段。該階段是量化投資的萌芽階段，該階段具體的量化投資實踐很少，主要是為量化投資提供的理論基礎和技術準備，量化投資脫胎于傳統投資，對抗市場波動，通過對沖穩定Alpha收益，但收益率低了。
2.第二階段從1969年至1974年：杠桿階段。在該階段，量化投資從理論走入了實踐。在投資思路上，因為原本的Alpha策略收益有限，通過放杠桿擴大第一階段的穩定收益。實踐方面，1969年，前美國麻省理工學院數學系教授愛德華?索普（Ed Thorp）開辦了第一個量化對沖基金，進行可轉債套利，他是最早的量化投資的者使用者。1971年，巴萊克國際投資公司（BGI）發行了世界上第一只被動量化基金，標志著量化投資的真正開始。
3.第三階段從1975年至2000年：多策略階段。在這一階段，雖有一定的挫折，但總體上量化投資得到了平穩的發展。在投資思路上，由于上一階段通過杠桿放大收益的副作用產生，放大以后的波動率又增大，從而轉向繼續追求策略的穩定收益，具體的手段是采用多策略穩定收益。實踐方面，1977年，美國的富國銀行指數化跟蹤了紐約交易所的1500只股票，成立了一只指數化基金，開啟了數量化投資的新紀元。[18]1998年，據統計共有21只量化投資基金管理著80億美元規模的資產。[19]
4.第四階段從2000年至今：量化投資階段。這一階段，量化投資得到了迅猛的發展，并且發展的速度越來越快。投資思路上，運用量化工具，策略模型化，注重風險管理。在實踐方面，在2008年全球金融危機以前，全球對沖基金的規模由2000年的3350億美元在短短的7年時間內上升至危機發生前的1.95萬億美元，受美國次貸危機的影響全球對沖基金規模有較大的回落，直到2008年之后，在全球經濟復蘇的大背景下對沖基金規模才開始反彈。
（二）我國量化投資的發展
本文認為，到目前為止，我國量化投資的發展的主要經歷了三個階段：
1.第一階段從2004年至2010年：起步階段。在這一階段，由于我國沒有足夠的金融工具，量化投資在我國發展緩慢。2004年8月，光大保德信發行“光大保德信量化股票”，該基金借鑒了外方股東量化投資管理理念，這是我國最早的涉足量化投資的產品。2010年4月16日，準備多年的滬深300股指期貨的在中金所的上市，為許多對沖基金的產品提供了對沖工具，從此改變了以前我證券市場只能單邊進行做多的情況。
2.第二階段從2011年至2013年：成長階段。2011年，被認為是我國量化對沖基金元年，[21]而隨著股指期貨、融資融券、ETF和分級基金的豐富和發展，券商資管、信托、基金專戶和有限合伙制的量化對沖產品的發行不斷出現，這個階段的量化投資真正意義上開始發展，促使該階段發展的直接原因就是股指期貨的出現。[20]
3.第三階段從2014年至今：迅猛發展階段。2014年被認為是“值得載入我國私募基金史冊的一年”，基金業協會推行私募基金管理人和產品的登記備案制，推動了私募基金的全面陽光化，加速了私募基金產品的發行，其中包括量化對沖型私募產品。2014年稱得上我國量化對沖產品增長最迅速的一年，以私募基金為代表的各類機構在量化對沖產品上的規模均有很大的發展，部分金融機構全年銷售的量化對沖基金規模超過了百億。
2015年，上證50ETF期權于2月9日正式推出，這對于對我國的量化投資有著極大的促進作用。4月16日，上證50與中證500兩只股指期貨新品種的上市給量化投資帶來更多的策略的運用，金融衍生品的不斷豐富和發展，為量化投資提供更多的豐富對沖手段，也提供了更多的套利機會。
六、總結
量化投資的技術、策略、硬件設施條件都在飛速的發展，與傳統的投資方式相比，量化投資有著自身的特點和優勢。尤其是量化對沖產品，以其長期穩健的收益特征，成為目前“資產荒”下對信托、理財產品和固定收益產品良好的替代產品。未來隨著我國股指期貨、融資融券、國債期貨、期權等金融產品的不斷創新，以及股指期貨市場未來逐步恢復正常，量化投資發展前景不可限量。
參考文獻
[1]徐莉莉.量化投資在中國的發展現狀[R].渤海證券研究所：金融工程專題研究報告，2012.
[2]廖佳.揭開量化基金的神秘面紗[J].金融博覽（財富），2014，（11）：66-68.
[3]王力弘.淺議量化投資發展趨勢及其對中國的啟示[J].中國投資，2013，（02）：202.
[4]Durbin，M. All About High-Frequency Trading： The Easy Way To Get Started[M]. McGraw-Hill Press，2010.
[5]蔣瑛現，楊結，吳天宇，等.海外機構數量化投資的發展[R].國泰君安證券研究所：數量化系列研究報告，2008.
[6]Rishi K. Narang. Inside the Black Box： The Simple Truth about Quantitative Trading[M]. Wiley Press，2012.
[7]丁鵬.量化投資――策略與技術[M].北京：電子工業出版社，2014.
[8]Markowitz，H.M.. Portfolio Selection[J].Journal of Finance，1952，2：77-91.
[9]Sharpe，W.F. Capital asset prices： A theory of market equilibrium under conditions of risk[J]. Journal of Finance，1964，19（3）：425-442.
[10]Lintner. The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets[J].Review of Economics and Statistics，1965，47（1）：13-37.
[11]Mossin.Equilibrium in a Capital Asset Market[J]. Econometrica，1966，Vol.34（4）：768-783.
[12]Fama，Jensen，and Roll. Investor sentiment and Stock Returns[J]. Journal of Political Economy，1969，（12）34-36.
[13]Black Fischer，and Myron Scholes，1973.The Pricing of Options and Corporate Liabilities[J].Journal of Political Economy，1973，81（3）：637-654.
[14]Ross.The arbitrage theory of capital asset pricing[J].Journal of Economic Theory，1976，13（3）：341-360.
[15]Jorion，Philippe.Value at Risk：The New Benchmark for Managing Financial Risk （3rd ed.）[M]. McGraw-Hill Press，2006.
[16]戴軍，葛新元.數量化投資技術綜述[R].國信數量化投資技術系列報告，2008.
[17]丁鵬.量化投資與對沖基金入門[M].北京：電子工業出版社，2014.
[18]郭喜才.量化投資的發展及其監管[J].江西社會科學，2014，（03）：58-62.
[19]Ludwig B.，Chincarini. The Crisis of Crowding： Quant Copycats，Ugly Models，and the New Crash Normal[M]. Wiley Press，2013.
[20]曾業.2014年中國量化對沖私募基金年度報告[R].華寶證券：對沖基金專題報告，2015.
[21]嚴高劍.對沖基金與對沖策略起源、原理與A股市場實證分析[J].商業時代，2013，（12）：81-83.
金融投資量化方法范文2
胡俊敏是物理學博士，她是怎樣跨專業從事投資行業？
她管理的博時特許價值基金，從2012年6月接手到年底，凈值增長幅度居同類前20%，她是通過怎樣的操作大幅提升基金業績？
博時特許價值基金是量化基金，量化基金的操作又有怎樣特點？
每日基金特邀胡俊敏博士，傾聽她的人生經歷和投資理念。
張學慶：從您的簡歷來看，是物理學博士，這是典型的理科學科，當然您后來又做過量化研究的工作，但您目前從事的工作是投資，是屬于金融學這類范疇，這兩個學科距離特別大。您之前研究的物理學、化學 ，對于投資有何幫助？
胡俊敏：當年念物理，現在做投資，不是事先計劃好的，而是當時的歷史環境造成的。我大學的時候是八十年代，中國還沒有股市，我連股票是什么都沒有概念。因為我比較喜歡跟數字打交道，就學了物理。去哈佛后，剛好碰上一些量化金融理論得到應用，華爾街需要有很強數理根基的人才。而由于美國經濟不景氣，教育經費不足，學術界又人才過剩，于是華爾街就吸引了大批的數學、統計或物理的博士。我在哈佛有機會初步了解到金融投資。
現在回頭看，我學物理出身，做過材料研究，做過量化研究，現在做量化投資， 不是必經之路，但是確實每一段經歷形成了我自己的知識結構，對我的投資理念的形成有不同程度的影響。
對于市場的理解。市場是否處于均衡的狀態，金融界有很多爭論。統計物理關于均衡非均衡態的理論以及量子力學的不確定原理我覺得一定程度上也適用于股票市場。股票市場不停地有新的信息，不同投資者對信息的接受和反饋不是瞬時的。另一方面，投資者行為與股價又是互相影響的，所以市場是處在一種不完全均衡的狀態。市場過熱現象也是不均衡態的一種表現。
數學統計上幾率分布的概念在投資中是至關重要的。經常有投資者問我，你覺得下面一個月市場是漲還是跌，其實這是很難預測的，滬深300指數平均月收益為0.5%，但月波動率有9.1%，一個月的收益有2/3的幾率分布在-8.6%到9.6%之間，波動性非常大。
邏輯思維方式和分析解決問題的能力。研究生的時候我做的是實驗物理。就是通過對一些現象的觀察和研究，找出規律，驗證和發現基本原理。投資中由于信息多，頻繁、且不完全，具備理性的邏輯思維和抓住問題本質的能力就非常重要。
張學慶：除了在學校中所學的知識，在后來工作中，還需要增加哪一方面的訓練？才能成為一名合格的基金經理。
胡俊敏：量化基金經理需要的知識面比較廣。除了比較強的數理基礎和編程能力，下面幾個方面的知識也是非常重要的。
基礎金融知識：我業余選修金融方面的課，并通過準備CFA的考試補上金融知識的缺。爭取到量化分析師的工作機會
量化投資管理：這有一整套理論框架。我當時在巴克萊資產管理公司任基金經理，有幸參加了《主動組合管理》作者Ron Kahn的課程。這本書被認為是量化投資的圣經。
行為金融：指由于投資者心理或思維偏差造成市場不有效的各種現象。量化投資之所以可行，就是因為股價由于各種原因而偏離其真實價格，有一定統計性規律可循。
市場經驗：需要積累，我目前也在逐步積累A股市場的經驗。
有志加入到量化投資行業中的朋友們可以針對各自的知識結構，制定出自己的準備計劃。
張學慶： 您一個人管理5只基金，這可能得益于采用了量化的方法，同時管理五只基金，你會采取怎樣的分配方法來統籌自己在五只基金間的精力分配？
胡俊敏：這就是量化投資的優勢。首先，整個投資流程高度自動化、系統化。每天開盤前，所有基金及模型所需數據都已更新到基金管理系統里。其次，量化投資團隊，基金經理后面有基金經理助理、量化分析師及IT的支持?；鸾浝碇恍鑼r間花在最關鍵的地方。具體講，
量化基金，比如我管理的特許價值，以及和王紅欣博士共同管理的裕富滬深300基金：更多的是模型管理，而不是個股管理。組合里的股票可能有上百只，但是我需要管理的是有二、三十信號構成的模型和一些組合構建的參數。需要交易的時候，可以根據模型用優化系統進行計算，我會檢查模型結果是否正確，然后批量交易，而不是一個股票一個股票地分析、決定。。
張學慶： 您管理的基金比較多，有主動配置型，有被動配置型。能否給基金投資者一些建議，那類基金適合哪些投資者投資？
胡俊敏：特許價值基金是一只主動股票型基金，通過量化多因子選股模型在各行業內精選個股，以期獲得長期跑贏市場的超額收益。風險要比純被動或增強指數型基金高，但是超額收益的空間也高，適于有中等風險承受力，投資期間較長，對收益有較高要求的投資者，也可作為長期資產配置的一個成分。
張學慶：做為基金投資者，如果不看好市場，您認為他們有幾個措施能夠躲開市場風險。
胡俊敏：根本解決的方法是調整資產配置比例。如果對股票市場的未來不看好，那就降低在股票類資產的配置，將賣出的資金放到債券、其它投資品種、或現金上。因為對于市場的判斷很難百發百中，所以在調整配置的時候即使不看好股票市場，仍然建議保留一定的股票類資產，市場走勢常是不確定的。
同時，普通投資者擇時的能力是比較差的。所以我給普通投資者的建議是1）采取定額定投的策略，牛熊市無阻的堅持投資。2）不要將所有的雞蛋放在一個籃子里。分散投資，做長期資產配置。長期而言所承受的風險是有收益的。
張學慶： 博時特許價值現在規模是11億，一個基金經理，他管理的資金到達多大規模之后，就會影響到業績的增長，這也提醒投資者，選擇基金時也要注意規模。
金融投資量化方法范文3
神勇的大獎章
量化投資向世人昭示，擠進超級富豪圈不是夢。對沖基金是量化投資應用最廣泛的產品。在福布斯2013全球億萬富豪榜上，對沖基金經理在前1000名富豪里奪得了約21個席位，占比約達2%，更有4名進入了百強榜。
詹姆斯？西蒙斯的文藝復興公司旗下的大獎章基金，在1998至2008年的20年時間內，年平均凈回報率高達38.5%，創造了投資界的神話。西蒙斯本人也成為了20年內最佳賺錢基金經理，成為了新的對沖之王，直至今日，仍居福布斯億萬富豪榜的82位。
大獎章基金以短線操作為主，主要通過統計信息分析方法來判斷外匯和債券短期的價格變化，尤其是市場的過激反應類，進行套利活動。這個短線究竟有多短呢，金融投資里面最短的短線的計量單位叫“一筆”，舉個例子來說，每秒鐘都有可能進行成百上千筆交易。
可以這樣說，大獎章基金差不多是量化到頭發絲的存在，但這也并不代表著，電腦已經取代了人的角色，成為了人的主宰。西蒙斯自己也曾表示，長期不變還能賺錢的模型是不存在的，模型必須要不斷更新，這也完全是通過人來完成的。
黑天鵝擊潰完美模型
談到量化投資，美國長期資本作為最著名的投資案例，不得不提。
約翰？梅里韋瑟在1994年2月創立了美國長期資本公司（LTCM）。公司依托布萊克-舒爾斯-默頓的衍生工具標價理論，采用“市場中性”的交易策略，買入低估的有價證券、賣出高估的有價證券，進行套利活動。LTCM似乎窺探到了量化的奧秘，在1994至1997年，年投資回報率分別達到28.5%、42.8%和17%，凈增長2.84倍。巨大的盈利能力讓LTCM獲得了資本市場的認可，也使梅里韋瑟獲得了套利之父的榮譽。
1998年8月17日，黑天鵝降臨了，LTCM遭遇了俄羅斯政府外債違約。這場危機引起了全球金融市場的動蕩，投資者紛紛退出了發展中國家的市場，轉向了美國、德國等風險小、質量高的債券。結果LTCM做錯了方向，沽空的德國債券價格上漲，做多的發展中國家債券價格卻下降，原本預期收斂的價差卻在趨于發散，致使其在資本市場上的滑鐵盧。雖然后來美國金融巨頭出資接管了公司，但LTCM已是強弩之末，于2000年宣布倒閉清算。
私募專業人士指出，LTCM過于信任自身的投資策略組合，忽略了小概率事件，再加上過高的杠桿，都導致了它的最終滅亡。量化投資其實根本不存在永久的致富秘籍，也沒有永葆青春的投資模型，隨著市場效率的提升，IT技術的升級，任何投資策略與操作方法從短期或長期來看，都存在誤區與漏洞，這時則需要人腦的與時俱進，讓系統根據動態不確定的環境進行修正與完善。人腦與電腦應該是相互成全，而不是相互替代。
量化投資的“黑箱”
正如硬幣有正反兩面，可稱得上是賺錢利器的量化投資，也會因計算機的頻繁“發瘋”面臨巨大的投資風險，如華爾街巨頭高盛的交易錯單、美國第二大股票交易所紐約納斯達克證券交易所3小時的停止交易、國內8·16烏龍指交易事件。量化投資的高頻交易引發了人們對計算機潛在風險的擔憂，但它就像血液循環系統一樣，加速了資本市場的資金流動，是金融發展歷程中不可缺少的。“我們不能因噎廢食，因為一個系統的BUG，就舍棄了整個系統?！笔咨曝敻还芾砑瘓F（以下簡稱首善財富）表示，隨著金融產品種類的增多，信息跟蹤量的增大，對量化投資的需求也會不斷增大。從管理和控制風險的角度來說，這不僅需要投資公司自身完善風控體系，還需要整個產業鏈的配合。首善財富董事長吳正新曾多次指出，“對沖基金將是中國證券市場最大贏家，而它們多大量采用復雜的量化模型進行程序化交易?！?/p>
所謂量化投資，就是指按照事先設定好的邏輯策略或數學公式進行投資，文藝復興技術公司與美國長期資本公司也都是這樣做的。從廣義的層次來說，一切使用數學工具、電腦程序的投資方式都包含在量化投資的范疇。其中，爭議不斷的高頻交易本質上是用來消除市場暫時出現的無效率的，它可以促進市場價格更快地反映市場信息。全球最大的知名高頻交易公司包括Millennium， DE Shaw， Worldquant和Renaissance Technologies等。
雖然量化投資由于穩定的投資回報獲得了越來越多的投資者的青睞，但是投資大眾對量化投資的運作流程依然很模糊，這樣“黑箱”也就形成了。量化投資的“黑箱”里到底承載著什么奧秘呢？
據華爾街頂級數量金融專家里什？納蘭揭秘，量化投資“黑箱”的基本結構包括人工的數據輸入與研究、交易策略模型、風險控制模型、交易成本模型、投資組合構建模型，其中四項構成了交易系統。
如何讓量化投資“活”起來？答案是人工的數據輸入與研究，和交易系統的配合。通常認為，量化交易最小化了人工因素在系統中的作用，當量化交易員精心研究和開發的系統上線，他們似乎也就英雄再無用武之地。其實不然，計算機只會忠實可靠地按照人們告訴它的做法一步一步地來執行，伴隨著時間與市場的不斷演進，交易模型瑕疵也將不斷擴大，這時量化交易員的主觀判斷顯得尤為重要，人工因素的加入使量化投資具有了人類的正常思維，似乎“活”起來，可以主動靈活地應對外界的瞬息萬變。也就是說，一旦市場觸發了系統的難以判斷的“恐慌”，交易員就會立即現身，通過修改交易清單或降低投資組合規模和相應的杠桿比率，來規避投資的風險。
MOM讓量化投資活起來
如今，MOM模式成為歐美主流的資產管理模式，也將是量化投資界人腦與電腦結合的最佳作品。
作為一種間接的資產管理模式MOM（即Manager of Managers）誕生在美國羅素資產管理公司。它的客戶可以是機構投資者，也可以是高凈值個人。自從被開發出來，已被國外很多機構應用，最成功的當屬耶魯大學基金會，從1980年的兩億美金到了現在的約300億美金，賺了將近150倍。
所謂MOM模式，也被稱為精選多元管理人，通過優中選優的方法，篩選基金管理人或資產管理人，讓這些最頂尖的專業人士來管理資產，而自身則通過動態地跟蹤、監督、管理他們，及時調整資產配置方案，來收獲利益。
“找最優秀的人做最專業的事?！笔咨曝敻欢麻L吳正新指出了MOM模式的本質。首善財富旗下的首善國際資產管理有限公司是國內第一家運用MOM模式做對沖基金和期貨的公司，這正得益于其不懈地將技術與研究的雙輪驅動作為公司的核心發展戰略。
MOM模式降世不過30載，但發展非常迅速，得到了眾多國內外投資公司的關注。尚屬新鮮事物的MOM模式的相關產品在國內已經開始試水。在2011年中國平安與羅素公司合作設立了平安羅素，并發行了第一期的MOM產品。除此之外，MOM模式還可廣泛應用于對沖基金與期貨產品?！皣鴥绕谪涃Y管行業要做大做強，采用MOM模式是一種必然選擇?！眳钦乱苍硎?。
禁不住MOM模式產品的誘惑，國內各投資公司紛紛對它的本土化做出了預先安排。“目前和我們合作的有十多個國內領先、國際一流的投資團隊，其中大多是國際水平的程序化交易團隊。”吳正新表示，首善財富早在引進MOM模式之際就采取了多元的投資風格與多元的管理團隊相結合的經營理念。其中，多元的投資風格是首善財富資產管理的核心特色之一，“我們既有主觀的人工交易，也有客觀的程序化交易，而且以量化的程序化交易為主?！毕鄬Χ裕嘣墓芾韴F隊，即表示公司內部自身的投資團隊的主動管理，再加上外部國際精英團隊的專業管理。
相比近些年受到推崇的基金中的基金（FOF），信托中的信托（TOT），MOM模式在對資產管理人的數量與專業性的覆蓋層面，更具魅力。FOF和TOT從本質上來說依然局限在精選產品上，而MOM模式更偏向于精選管理人，它可以憑借公司的研究能力，相對獨立的挑選出更適合投資需求的專業管理人，運用定量與定性相結合的方法，將優選產品管理人和多人管理風險的雙重優勢發揮得淋漓盡致。
MOM模式既運用多元專業人才打破了量化投資的固有形態，也通過計算機系統的理性判斷避免了交易員敏捷感應贏利卻遲緩反應損失的習慣性偏差，讓專業人才與計算機系統在“黑箱”內相互成全，相互配合，以求收獲更加穩定、更加高額的投資回報，使其具有很大的發展空間與潛力。
如此看來，人工的數據輸入與研究，和交易系統的互相成全，是量化投資“活”起來的動因，與此同時，在這個神秘的暗箱操作中，我們似乎也窺探到了超級富豪理財的蛛絲馬跡。
金融投資量化方法范文4
量化交易到底是什么？
說到量化交易，雖不陌生，但仍懵懂。到底什么是量化交易呢？
量化交易區別于定性投資（過去的投資方法）的鮮明特征，就是充分利用各種各樣的數理模型。它是借助現代統計學和數學的方法，利用計算機技術，從龐大的歷史數據中海選能帶來超額收益的多種“大概率”事件，然后制定策略，并用數量模型驗證及固化這些規律和策略，繼而再嚴格執行這些已固化的策略來指導投資，以求獲得可持續的、穩定且高于平均的超額回報。
對于量化交易中模型與人到底是什么關系？比如中醫與西醫的診療方法，中醫是望、穩、問、切，最后判斷出的結果，很大程度上基于中醫的經驗，定性程度上大一些；而西醫就不同了，先要病人去拍片子、化驗等，這些都要依托于醫學儀器，最后得出結論，對癥下藥。
以此形容的話，可以說定性投資像中醫，更多地憑主觀臆斷和個人經驗判斷病在哪里；量化交易像西醫，依靠數量模型判斷，而這些模型對于使用量化交易的投資者的作用就像CT機對于醫生的作用。在每一天的投資運作之前，一般都會先用模型對整個市場進行一次全面的檢查和掃描，然后根據檢查和掃描結果做出投資決策。
量化交易靠概率取勝
和傳統投資方式相比，量化交易的視角更廣，它借助計算機高效、準確地處理海量信息，更廣泛地尋找和驗證投資機會，消除投資組合配置的局限性，并依靠計算機配置投資組合，克服人性弱點，使投資決策更科學、更理性。
具體來說，這個新興的投資方法，與我們那些傳統的看指標判斷、聽消息判斷、簡單看財務報表判斷等定性投資方法相比較，主要有以下幾大優勢：
量化交易有著嚴格的紀律性。比如，如果有人問你，某年某月某一天，你為什么購買某支股票的話，你就可以打開量化交易系統，系統會顯示出當時被選擇的這只股票與其他股票在成長面上、估值上、資金上、買賣時機上的綜合評價情況，而且這個評價會非常全面，比普通投資者拍腦袋或者簡單看某一個指標買賣更具有說服力。
它系統性較完備，具體表現為“三多”，包括多層次、多角度、多數據。因為人腦處理信息的能力是有限的，當一個資本市場只有100只股票，這對定性投資基金經理有優勢，他可以深刻分析這100家公司。但當有成千上萬只股票時，量化交易就可以充分發揮它強大的信息處理優勢，捕捉更多、拓展更大的投資機會。
另外，定性投資大部分時間在琢磨哪一個企業是偉大的企業，那個股票是可以翻倍的股票，而量化交易大部分精力花在分析哪里是估值洼地，哪一個品種被低估了，買入低估的，賣出高估的。
量化交易靠概率取勝。這表現為兩個方面，首先量化投資不斷地從歷史中挖掘，有望在未來重復的歷史規律，并且加以利用。其次它在股票實際操作過程中，運用概率分析，提高買賣成功的概率和倉位控制。
量化投資者也有噩夢
事實上，量化交易的方法在海外已有30多年的發展歷史，素以投資業績穩定，抗風險能力強著稱，目前已經成為海外基金管理投資市場的重要方法。
而與海外成熟市場相比，量化交易以基本面分析為驅動，以全市場、多維度的視角廣度掃描投資機會，在中國市場的應用將更顯其優勢。
不過，在談及這么多利好之后，還是要“潑一次冷水”。不要以為不停閃爍的超級電腦自動進行著高速交易，熒幕上滾動著通過高速網絡提前獲取的最新市場消息，加上通過杠桿放大的頭寸，賬戶的盈利不斷上跳，這一切的一切就預示著“可以躺著賺錢的時代”來臨了，現實并沒有這么美好。
相對來說，量化交易目前還處在初級發展階段，比如基本面投資者只需簡單的基于預測特定事件，比如超過或差于預期的財報做交易即可。而量化交易者則需要搞清楚具體消息對股價的平均影響程度，這就不是一件容易的事了，因為你的研究對象時刻還在變化著。
不僅如此，研究出一套只基于公司財報的交易系統不難，比如基于超出預期的營收或股息來買入。但是供給面的情況、消費者層面的情緒納入交易模型中，也比較麻煩。
同時，股票、基本面、新聞消息之間的關系也是不停變化著的。記得2009年美股到達低點的時候，很多“低質”公司的回報大大高于“優質”公司的回報。很多3塊錢的“垃圾股”可以在很短時間內漲到10塊錢，而高價的優質公司的股票想要翻一倍都要花上很久很久。對于基本面投資者來說，這是掘金的好時候，但對于量化投資者來說卻是噩夢，因為大多數模型此時都會顯示做多“優質股”做空“垃圾股”，后果則可想而知。
另外，量化交易員的精力也是有限的。計算機的消息格式往往不規范，語法也千奇百怪，他們也無法讓計算機程序挑選出有效信息并運用于自動交易中。一天只有24個小時，他們也會經常碰到因一個分析無法推進而其他分析也陷入停頓的狀況。因此，要在浩如煙海的金融數據中“尋寶”，沒那么簡單。
金融投資量化方法范文5
摘 要 自2010年4月股指期貨推出后，數量化投資逐漸成為我國資本市場的一個熱點。對此，本文以投資者熟知的MACD指標為基礎，運用遺傳算法和模擬退火算法，建立了一個數量化投資模型。該模型的仿真投資收益明顯超出大盤，而風險明顯低于大盤。本文基于MACD指標建立數量化投資模型的方法簡單、有效，可操作性強，可方便地推廣至其他技術指標，在數量化投資領域中可能具有廣泛的發展前景。
關鍵詞 數量化投資 MACD 遺傳算法 模擬退火算法
一、研究背景
與傳統投資基于各方面信息和個人判斷進行操作不同，數量化投資將適當的金融理論、投資經驗等反映在數量模型中，然后利用程序軟件代替大腦對海量信息進行科學處理，總結歸納市場規律，最終建立可以重復使用的、不依靠個人主觀判斷的投資策略。
由于數量化投資的操作策略往往經過了嚴格的驗證，具有較強的系統性和規范性，主觀隨意性較少，風險可測可控，因此隨著計算機數據處理能力的迅速提高，數量化投資獲得了快速發展，數量化基金的規模亦迅速擴大。據統計，自2003年以來，數量化基金規模的年均增長速度高達15%，而傳統型基金規模的增長速度則低于5%。
很顯然，科學的數量模型是數量化投資成敗的關鍵。當前，主流的數量模型均考慮了多方面的因素，既包括各種基本面因素，又包括各種技術因素，涉及較為高深的經濟學、金融學、技術分析等知識，模型都比較復雜，理解難度較高，甚至令人望而生畏。對此，本文以人們熟知的技術指標為基礎，通過引入遺傳算法和模擬退火算法對參數進行優化，建立了一種較為簡單、有效的數量模型構建方法，希望能為推動我國剛剛起步的數量化投資發展有所幫助。
二、模型框架
由于MACD指標以經平滑后的股票價格為基礎，而股票價格包含了絕大部分的基本信息和技術信息，因此本文以MACD指標為基礎研究建立相應的數量化投資模型。
（一）MACD公式
MACD是投資者最熟悉的技術指標之一，主要包括EMA、DIF和DEA三個指標，涉及一個已知變量（收盤價P）和三個未知參數（ 和 ），公式較為簡單。
（二）決策準則
雖然MACD指標的運用方式有很多種，既存在對指標值的應用（如比較DIF和DEA的大?。执嬖趯π螒B的應用（如底背離、頂背離等）。對此，本文制定的決策準則相當簡單，即：
時，做多
時，做空
三、模型參數優化
（一）參數的科學取值是決定MACD指標投資決策價值的一個關鍵因素
在一般的技術分析參考書和交易軟件中， 和 通常取12、26和9。然而，該取值并不是最優的。
例如，以2005年1月5日至2010年12月31的滬深300指數為例，根據（公式1）和（公式2），做多業務在 和 取值12、26和9時，可獲得的投資收益為230.55%（收益①）；而在 和 取40、195、130時，可獲得的投資收益為651.98%（收益②）。
因此，參數取值是否合理決定了使用MACD指標進行投資決策時投資收益的高低，決定了MACD指標的投資決策價值。
（二）人工智能算法在技術指標參數優化領域中的突出優勢
運用MACD指標建立數量化投資模型的關鍵在于對公式中的三個參數進行優化。然而，雖然參數取值與投資收益間存在確定的函數關系，但該關系并不能用一個表達式予以直接闡述，因此傳統的解析方法在此并不適用。而其他傳統方法如隨機法和窮舉法的優化效率不高。在此情況下，可運用人工智能算法有效解決此類優化難題。
遺傳算法（Genetic Algorithms）和模擬退火算法（Simulated Annealing Algorithms）是人工智能的重要分支，兩者均從一定的初始值開始，按照明確的規則搜索最優解，并不要求目標函數存在明確的表達式，且具有高效、魯棒性強等特點。由于技術指標參數與投資收益間的關系相當復雜，不存在明確的函數關系式，因此遺傳算法和模擬退火算法在技術指標參數優化領域中具有很高的應用價值。
此外，遺傳算法和模擬退火算法的基本原理和運算過程雖然較為復雜，但其運用卻相當簡單，MATLAB等數據處理軟件均提供了現成的工具箱供用戶方便地使用，且即使不掌握參數優化的原理和運算過程，也不會對數量模型的研究產生重大影響，因此運用遺傳算法和模擬退火算法對技術指標參數進行優化的可操作性強。
（三）遺傳算法和模擬退火算法應用舉例
1.MATLAB指令
假設投資收益R和參數 、 間的關系為R=gain( 、 )，則MATLAB的遺傳算法指令和模擬退火算法指令分別為：
[x,fval] = ga(@gain,nvars, [],[],[],[],lb,ub,[],options)；
[x,fval] = simulannealbnd(@gain,x0,lb,ub,options)。
其中：
x和fval是程序返回值，分別為參數 、 的最優化取值及其所對應的投資收益；
gain是目標函數，可根據（公式1）、（公式2）和（公式3）編寫；
nvars是待優化的參數個數；
x0是參數 、 的初始值；
lb是參數的下界；
ub是參數的上界；
options是MATLAB指令的設置選項。
金融投資量化方法范文6
從開始的分級基金到如今的量化對沖專戶，銀華量化投資團隊在量化投資的本土化上進行了卓有成效的嘗試。如今，銀華分級基金規模已經占到市場一半左右份額，而量化對沖專戶的規模也已超過10億元。時間和專戶業績證明了銀華量化團隊卓越的投資管理能力。2013年，銀華量化對沖專戶產品的費前平均年化收益超過15%，最高的賬戶則超過30%。
周毅認為，在中國，量化對沖產品有著廣泛的客戶基礎，只要做好產品和策略，滿足客戶的投資需求，量化對沖產品將有十分廣闊的發展空間。目前，銀華在量化對沖策略的本土化上，已經取得了顯著的先發優勢，隨著監管制度的變革以及金融工具的發展，量化對沖事業的春天已經到來。
步步為營 四年精磨優秀團隊
2010-2011年，周毅以分級基金作為量化投資的突破口，帶領銀華量化團隊初戰告捷。當年，銀華的分級基金一鳴驚人，獲得了不可動搖的市場地位，也為此后銀華的量化之路提供了市場認可度和基礎支持。
2012年，周毅向著量化投資本土化進一步邁進，從量化專戶開始嘗試絕對收益。團隊先后建立了側重阿爾法策略和套利策略的研究小組。
2013年，來自銀行渠道的數據顯示，銀華基金管理的量化對沖專戶扣除全部費用后的平均收益率達到12.65%，凈值波動率卻僅為滬深300指數的1/4，而夏普比率則高達1.95，創造了穩定的絕對收益。
成績的取得與銀華基金量化團隊的打造是密不可分的。周毅介紹，2010年，銀華基金最早在國內設立量化投資部。2013年，銀華量化的團隊架構已經相對完整、人才配置齊全，團隊中的骨干力量均有海外留學經歷和多年海外量化投資相關工作經驗。在天時、地利、人和齊備的機遇之下，銀華量化團隊逐漸發展完善，并在實戰中得到了鍛煉。
信托“破剛”獨門策略巧奪市場
2014年，周毅看中了信托業拐點帶給量化對沖的好時機。
周毅認為，信托與量化對沖，看似毫無相關性，但實際上面對的是同一類投資者——追求穩定回報的高凈值客戶。
“過去幾年，信托做得非常好，剛性兌付帶來了低風險下的高回報。投資者更熱衷于信托產品，而對沖基金則相對顯得冷門?！敝芤阏f。
而到了2014年，事情正在發生變化。對非標投資的控制讓信托業走入瓶頸，2013年底，信托發展所依賴的房地產業和礦業進入衰退周期，多只信托產品出現兌付危機，打破“信托剛性兌付”的呼聲也越來越高，這意味著其投資屬性正在改變。
周毅認為，面對這種趨勢，未來可能有一部分投資者將從信托產品中脫離，轉而選擇新的投資方向。而對沖基金相對來說是個新興投資工具，需要向客戶證明自己的絕對收益能力和風控能力?！皩τ谌魏涡屡d的投資種類，重要的是你有過硬的管理業績，以數字證明自己。”周毅說。
目前銀華量化對沖專戶產品的投資策略大概分為兩種模式：阿爾法策略和套利策略。所謂阿爾法策略，是專注于創造絕對收益。根據A股市場的特點，銀華將理論上的阿爾法策略進行了改造，以傳統的主動型股票研究分析結果為基礎，利用多因子模型來控制組合的風險和相關性，追求超越市場平均回報的絕對收益，為投資者提供持續穩定的阿爾法回報。
第二類策略是套利策略，即利用衍生品到期收斂特點進行套利。銀華采用的多為分級基金套利。這種方法能夠為組合貢獻低風險收益。
不管是阿爾法策略還是套利策略，都不依賴擇時，而是在所選的股票和放空的標的之間的相對強弱差上，賺取絕對收益?！皩_并不需要判斷某個行業是漲還是跌，只是基于相對強弱，中間的差是回報。對指數也是同樣的道理?！敝芤憬榻B，“這也是國外對沖機構廣泛使用的投資方法?！?/p>
當對沖投資策略程序一旦設定好，就像是一個冷靜理性的基金經理，沒有貪婪和恐懼等情緒。量化投資可能產生不了歷史上最棒的基金經理，但是確實是一種回報穩定的投資方式。
對沖春天期待機制與產品創新
周毅表示，他十分期待中證500股指期貨、個股期權以及股指期權的推出。他堅信，從發展趨勢來講，中國的衍生工具會越來越多，國外成熟的量化對沖投資模式未來在中國大有用武之地，同時量化投資管理的資金規模也會變大。
在目前的階段，周毅并不認可過快提升對沖類產品的規模。國際經驗表明，任何一個優秀的對沖基金公司的管理規模都是有上限的。不管多好的策略，它所能支持的資金量，所能支持的衍生品存貨量和股票量都是有限的。
周毅測算，僅就目前的投資標的而言，銀華團隊可以有效管理的量化對沖基金規模極限或為50多億元，而單只對沖基金的理想規模大約是5億元左右。但隨著中證500股指期貨、股指期權等衍生工具誕生，這個規模會大幅增加。
