引論：我們為您整理了13篇金融量化策略范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。

篇1

水平型產業集群兩化融合模式大致根據業務模式與運營模式來詳細劃分。在此基礎上上也還可以再次細分。

業務模式分析

以市場開拓為主的業務模式。在水平型產業集群中，大多數企業都生產相同或相似產品，產品銷路是最大問題。而網絡營銷、電子商務正好迎合中小企業開拓市場的需求。為此，在地方政府的支持下，一些服務機構建立了針對當地產業集群的電子商務平臺，為產業集群內的中小企業開拓國內外市場提供市場信息、網絡營銷和電子商務服務。如中國搜絲網等。

以技術創新為主的業務模式。在水平型產業集群中，絕大多數企業都是中小企業。企業的技術研發力量一般都較弱，往往需要借助第三方力量來攻克技術難題，許多中小企業對公共技術平臺有著強烈需求。在當地政府的推動下，為提升產業集群內的中小企業技術水平提供服務的一批中小企業公共技術平臺應運而生，如順德的華南家電研究院、三明的先進制造公共技術服務平臺，澄海的玩具技術創新中心等。

以管理升級為主的業務模式。這種業務模式是指為產業集群內的中小企業提供管理軟件在線應用服務。2008年國際金融危機以來，中小企業普遍暴露出管理不規范、管理手段落后等問題，亟待進行管理升級。中小企業缺信息化人才，又沒有充裕的資金投資信息化。SaaS平臺運營商將管理軟件統一部署在服務器上，中小企業可以根據自己的實際需求，通過互聯網應用管理軟件。中小企業不需要購買管理軟件，只需要支付少量的服務費，有效降低了中小企業的信息化門檻。

運營模式分析

面向中小企業的信息化公共服務平臺是推進水平型產業集群兩化融合的重要載體。從投資主體來看，水平型產業集群兩化融合公共服務平臺多數由地方政府出資，如大連市模具共性技術支持平臺；有的由企業出資，如中國搜絲網；有的由科研院所出資，如順德工業與信息技術研究中心。

從建設和運維方式來看，水平型產業集群兩化融合公共服務平臺分為自行建設和運維、委托建設和運維兩種方式。對于政府部門投資的平臺，一般由其下屬事業單位負責建設和運維，如中小企業局下屬的中小企業服務中心。對于企業和科研院所出資的平臺，一般自行建設并自行運維，有的則把運維工作外包給專業機構。

從贏利模式來看，產業集群兩化融合公共服務平臺分為贏利性和非贏利性兩類。絕大多數政府部門投資的平臺，中小企業可以免費使用，收費的很少。而企業和科研院所出資的平臺一般是贏利性的，收入來源包括廣告費、會員費、增值服務費、交易傭金等。

水平型產業集群兩化融合推進策略

通過對全國多個產業集群的實地調研以及對兩化融合的深入研究，對如何推進水平型產業集群兩化融合提出如下一些對策：

篇2

量化投資理論是從20世紀50年代由馬克維茨創造性地提出了用均值方差最優的數字方法來選擇最優投資組合。由于當時對數據的處理量過大而復雜，因此，直到1990年后隨著計算機被廣泛使用，以量化作為核心的投資基金才逐漸超越傳統的基金。量化選股策略是針對中國股票市場特性，從眾多的指標參數中找出能夠較為合理解釋股票收益率的有效且不冗余的因子，并根據這些因子在選股策略中所占的權重來構建量化投資策略。隨著信息技術的日異發展，資本市場深化改革步伐加快，證券市場間同業經營，居民消費等領域也迎來了信息數據量呈現幾何級數增加現狀。運用大數據思維分析眾多股民的知識結構、行為習慣對股票投資形式的認知而形成固有模式思維，“大數據”思維正以不同形式、路徑的方式影響著證券選股策略。大數據技術的戰略意義不在于其龐大的信息數據量，而在于對含有意義的數據根據建模權重進行專業量化處理，幫助大家對于股票進行優化選股有著重要研究意義。因此，基于大數據思維模式分析多因子量化選股策略更加適用這樣的市場，給投資者提供更好的參考模型。

作為量化投資界的傳奇人物詹姆斯?西蒙斯，他曾因“用公式打敗市場”的故事在金融界中為人津津樂道。在1989年由他創辦的基金成立至今的20年時間里，該基金持續地獲得了每年平均35%（扣除費用后）凈回報率，而同期被稱為“股神”的巴菲特每年平均回報率也才大約在20%左右。即使在金融危機的2008年，該基金仍然獲得了80%的高額回報，“最賺錢基金經理”對西蒙斯來說無出其右。

目前，國內對量化投資策略研究還比較少，做量化交易的基金也相對較少，投資者對量化投資仍持懷疑態度。另外，中國目前的資本市場還不完善，做空機制以及金融衍生工具相對較少，股票市場上仍然采用T+1的交易模式，這些都導致了量化投資在中國市場的發展弊端。但是，隨著股指期貨等新的做空金融衍生工具的推出，量化投資開始走入“中國大媽們”的視野。

運用量化思維投資證券選股策略在國外已有四五十年。量化投資從無到有一直是很神秘的，人們把它叫做“黑匣子”。但是，當時的量化投資證券選股策略大多僅僅是數學模型，并不是人們想象的那么神秘。量化投資證券選股策略之所以弄得這樣神秘是因為：（1）是為了保護其知識產權，防止侵權；（2）是為了防止其策略擴散后影響整個投資比率的失衡，縮短該策略的壽命；（3）是為了控制投資風險，如果該策略細節被投資對立面獲得，則有可能會造成被動的投資效果。因此，投資公司、基金經理是不會說出其量化投資策略的。這是由于金融動蕩中如果沒有好的投資策略及對風險的控制力就有可能把老本虧個精光。

隨著時間流逝，任何投資策略的盈利模式都會被市場所消化，量化投資策略也會隨著時間的變化而改變。在量化投資證券選股這方面，重要的不是策略這一表面形式，而是掌握量化投資證券選股的研究模式。大家不必要去追逐那些形式的數學公式、策略模型，而應該根據現在大數據時代下對海量證券股票信息的合理分析整合，去學習、改進新的證券選股模式，以適應未來發展需要。

大數據時代的到來也給新形勢下運用多因子量化模式選股帶來極佳的發展機遇。

篇3

有鑒于此，《投資者報》特別找出了三季度末仍然重倉銀行股的基金名單，希望通過對其的詳細梳理，能夠對投資人借道基金坐享銀行股牛勢行情有所助益。

《投資者報》統計發現，三季度末仍重倉銀行股的基金一共有230只。其中，持有倉位比例最高的是國泰上證180金融ETF、華夏上證金融地產ETF、華寶興業上證180成長，均持有7只銀行股，倉位全在40%以上，持有倉位分別是46%、44%、42%。

從近6個月凈值增長來看，寶盈策略增長、工銀瑞信金融地產、招商大盤藍籌、新華鉆石品質企業、諾安中小盤精選、新華優選分紅、華泰柏瑞上證中小盤E、南方策略優化、大摩量化配置、易方達上證中盤ETF等10只基金位列凈值增長前十。值得一提的是，這10只基金近6個月的凈值增長均超過了30%。

工銀瑞信金融地產暫時領先

從今年以來凈值增長情況來看，工銀瑞信金融地產在上述230只重倉銀行股的基金中暫時領先。其今年以來的凈值增長為45%，近一個季度凈值增長19.83%，均位居230只重倉銀行股基金第一。

從持倉股票來看，工銀瑞信金融地產持有3只銀行股，分別是318萬股浦發銀行、500萬股光大銀行、250萬股交通銀行。

從這3只銀行股的漲幅來看，其年初至今的漲幅分別為24.5%、23.2%、29.5%。均未能跑過銀行類板塊指數年初至今32%的漲幅，顯然向上空間還很大。從10日漲跌情況來看，上述3只銀行股的近10日漲幅分別為11.52%、8.9%、8.41%。據此測算，這三只個股近10日分別為工銀瑞信金融地產的凈值增長供獻了320萬元、113萬元、83萬元，合計516萬元的浮盈。

從同類排名來看，工銀瑞信金融地產今年以來在365只同類基金中凈值漲幅排名第7。這對于成立一年多、又是新人基金經理管理的基金來說，這樣的成績還是相當可以的。

公開資料顯示，工銀瑞信金融地產為雙基金經理制，基金經理鄢耀，6年證券從業經驗，先后在德勤華永會計師事務所擔任高級審計員，中國國際金融公司分析員，2010年加入工銀瑞信擔任研究部研究員；另一基金經理王君正，5年證券從業經驗。曾任泰達宏利基金公司研究員，2011年加入工銀瑞信任研究部研究員。盡管兩位基金經理均擁有多年證券從業經驗，研究經歷豐富，不過，該基金仍然是他們管理的首只基金。

與工銀瑞信金融地產持有三只銀行股不同，在上述230只重倉銀行股中同樣表現優異的寶盈策略增長，則僅持有了一只銀行股――中信銀行。對比其近一年來的持倉可以發現，截至去年年末，寶盈策略增長的前十大重倉股中沒有中信銀行的身影，到了今年一季度末，寶盈策略增長的前十大重倉股中已持有5000萬股的中信銀行，上半年加倉至5800萬股。

從盤面來看，中信銀行在2014年2月7日這周筑底完畢，隨后展開了一波強勢上攻，由3.57元每股一路上攻到2月28日這周的最高5.58元，上漲了56%。據此算出，寶盈策略成長在中信銀行這只股票的建倉成本價應在4.5元附近。值得一提的是，截至今年三季度末，寶盈策略成長在中信銀行股票上的持倉重新回到了5000萬股，從盤面上來看，這期間中信銀行一直處于橫盤狀態，寶盈策略成長的減持，更大可能是前期部分獲利盤的落袋為安。

相關量化、ETF基金可高度關注

哪怕知道銀行股要走出牛市行情，但要在16只上市銀行股中選中漲得最高、漲得最快的龍頭并不容易，特別是對于消息滯后、缺少時間的工薪族，經常是“只賺指數不賺錢”。這時，直接投資指數型基金或量化基金也就成為了更加實用的投資選擇。

《投資者報》統計得來的數據也對上述觀點形成了較為有力的支撐。據《投資者報》測算，230只重倉銀行股的基金中，持倉倉位前十的基金分別為國泰上證180金融ETF、華夏上證金融地產ETF、華寶興業上證180成長、海富通上證周期ETF、信誠中證800金融、華寶興業上證180價值、建信上證社會責任ETF、國投瑞銀滬深300金融、匯添富中證金融地產E、嘉實中證金融地產ETF。

其中，除了嘉實中證金融地產ETF持有銀行股的倉位占比為29.63%外，另外9只基金持有銀行股的倉位占比均超過30%。顯然，如此高的倉位占比，一旦銀行股板塊大幅齊漲，這些基金的受益程度也將明顯超過其他同類基金。

篇4

量化投資在股票市場的運用范圍較廣，包括金融工具設計、指數增強、市場中立阿爾法模型以及套利策略等多個方面。在反復比較、深思熟慮后，周毅選擇將金融工具創新作為突破口。

周毅認為，相比于其他量化投資領域，金融工具與市場地域性特征關聯度最低，因此移植性最強，成功概率越高，同時在中國市場相對比較欠缺。所有的金融工具中，在國外使用得最廣泛的就是結構化。周毅首戰試水分級基金。這是在當時法規允許范圍內可實現的融資性結構化產品，其A類份額具有類固定收益特征，B類份額具有杠桿特征，滿足3類投資者的需求。

截至今日，銀華共推出了3只指數分級基金和一只股票型分級基金，包括銀華深100（首只深100分級指基）、銀華中證等權重90（首只等權重分級指基）、銀華中證內地資源（首只投資主題指數的分級基金）和銀華消費主題（首只主動管理的主題類分級基金）。據金牛理財網統計，這4只分級基金占據目前市場上分級基金規模的絕對優勢，并且創造了多個第一：銀華深100是上市首只首日出現雙溢價的分級基金，也是目前場內規模最大的基金，約為150億元左右；銀華中證等權重90是第一個觸閥值折算的分級基金，為所有分級產品的發展完善和風險控制，提供了可借鑒的寶貴經驗。

看好中國量化投資“錢景”

不過，分級基金只是整個量化投資運用中金融工具設計的一部分，其發展的背景是目前國內衍生品缺乏的現狀。周毅表示：“我們想做全方位的量化投資，包含量化投資的各個領域?！?/p>

2012年以來，銀華的多只專戶產品已經成功在A股市場上，綜合運用以上兩項策略。據記者了解，銀華專戶產品中，表現最好的賬戶年化收益（扣除各種費率后）大幅超越同期滬深300指數，波動率僅約為滬深300波動率的1/3。盡管受現有法規和交易平臺限制，在美國運用的量化策略大多數無法在A股實現，但銀華在專戶對沖產品上的成功嘗試，證明了在國內利用量化投資方法，可以獲得絕對收益。而且隨著各種限制的寬松化以及杠桿機制的引入，量化絕對收益產品可以擁有巨大的發展空間，中國式量化投資前景廣闊。

志做國內旗艦量化團隊

篇5

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。總的來說，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）.

篇6

這個大佬就是量游投資創始人朱天華。我打開他的微信，簽名“交易是統計游戲”赫然醒目呈現在那里，或許也是他公司名的來由。

朱總是哥倫比亞大學博士，有15年美國頂級投行經驗，任美國高盛集團交易和銷售部董事總經理。關鍵是在高盛，朱博負責金融產品量化、程式化和高頻化的交易和策略，主管美國的國債期貨、國債現貨，包括利率期貨、外匯、商品期貨還曾任瑞士信貸全球自營部的總監、美國雷曼兄弟公司固定收益部副總裁和資深交易員、美國IDC固定收益和金融衍生品資深策略專家。

放眼華人量化投資圈，大概沒幾個人能有這樣豐富而資深的背景了。

一般來說，回國創業的量化創業者有三類，第一類是像朱天華這樣真正受過頂尖投行熏陶的扎實大牛，少之又少；第二類是海外大機構做過幾年相關工作的，基本知道主要套路；第三類是非主流對沖基金合伙人，或是從策略轉投資、從研究轉投資的新人。

我后來與朱天華總共有過三面之緣，每次都在講風控。

第一次見到朱總是上海交大高級金融學院的論壇上，當時話題還算應景――對沖基金在中國的困境與對策。朱總參加的是圓桌討論環節，穿著松松垮垮的休閑外套，他個頭略小，臉上不帶微笑，神情略顯滄桑。他說話雖聲不大，但氣場強烈，當時依稀記得的重要觀點是：很多人太不敬畏投資了，不知道投資中的不確定性有多難控制。

第二次是在虹口區對沖基金園區附近一家酒店大堂。那時大概是2016年5月，聽說朱總很久不見投資人了。我當時像平常一樣咨詢他一些問題，但我很快就發現，朱總交流起來有自己的頻道。他說得更多的是一些形而上學的理念。

最后一次見他，是在去年底上海的一個對沖基金論壇上。他坐在前排一個有名牌的座位上，冷靜地觀察著這個熱鬧的世界，周圍是喧鬧的年輕人。他穿著還是一樣樸素，一樣不為人所注意，感覺整個人有些消瘦。看他提前要走，我與他打了個招呼，他依舊低調地淺淺一笑。

不過，短短的幾次接觸，發現朱總仍有幾點交易原則值得借鑒。

1.分散化。多品種多交易方法。朱總堅持量化交易，他覆蓋的交易品種有期貨、股指、商品期權、分級、ETF等，他基本都在做一些多品種的交易策略。這與他在高盛時一脈相承，他當時負責金融產品量化、程式化和高頻化的交易和策略，對美國國債期貨、國債現貨，包括利率期貨、外匯、商品期貨等各品種也非常精通。

2.尋求趨勢相反機會。朱總偏重微觀，偏重統計意義上的回歸，在量化交易中盡量找一些與趨勢策略相反機會的策略，與趨勢模型做較好的組合補充。

3.永遠敬畏風險。他信服凱恩斯所言的“市場保持不理性的時間可能比你保持不破產的時間更長”。至于具體方法，主要通過對海量數據風控解決方式。他說起過去美國白銀市場，曾經從5元漲到80元，后來跌到10元、2元、1元，非常無法想象。他也提到當時高盛躲過次貸危機最強大的是其風控，在他看來，風控才是資產管理的靈魂。

4.人工智能是方向。2003年朱總在雷曼期間就接觸了深度學習專家，擁有下棋人工智能，只是沒feedback?，F在可以通過Led work等神經網絡實現策略復興、優化，也可以通過非結構化思維，進行頭寸與風險分配，主要通過歷史數據，再用反饋測試。

總之，在朱總眼中，中國市場剛剛起步，阿爾法機會巨大。

篇7

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。基于此，Fama&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.

篇8

這些專戶組合的投資過程，也是我們驗證本土化量化對沖模型的過程。在實際運行的組合中，我們大體采取兩種模式：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，我們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；第二類是套利策略，即利用衍生品到期收斂特點進行套利，在國內做得比較多的就是ETF和分級基金套利。這類套利策略基于市場的廣度和速度，但囿于公募基金內部防火墻等監管規定的限制，我們采用的多為分級基金套利。這種方法繞開了高頻交易對速度的極致追求，能夠為組合貢獻無風險收益。

篇9

一、如何選擇國內現有平臺

目前的量化交易平臺可以從開發語言、技術架構、系統架構、策略方向、交易方式等幾個方面，分為中低端和高端量化交易平臺。

（一）中低端量化交易平臺

中低端平臺只支持復雜度不高的腳本語言實現策略邏輯，多數的實現只能在圖表上加載技術指標進行自動化交易、程序化交易等量化交易方式。它一般采用的技術架構是投資者使用平臺商提供的客戶端軟件，采用互聯網接入方式連接平臺商或者金融經紀公司提供的行情和基礎數據服務器，投資者在本地運行的策略觸發后，通過經紀公司的普通交易席位進行交易。國內應用的中低端量化交易平臺主要有文華贏智程序化交易、交易開拓者、金字塔決策交易系統等。

（二）高端量化交易平臺

高端量化平臺除了支持復雜腳本語言實現策略邏輯外，均支持直接使用C++、JAVA等開發語言實現復雜的策略邏輯，采用多進程、多線程方式進行自動化交易、程序化交易、算法交易。行情和交易的延時都要求盡可能最低。它適合機構投資者進行趨勢、套利、對沖、高頻等對行情和交易要求高、邏輯復雜度高的策略。國內主流的高端量化交易平臺主要有龍軟DTS、國泰安量化投資平臺、天軟量化平臺等。

總的來說，中低端平臺適合投資者進行趨勢、反趨勢等對行情和交易邏輯要求不高的策略，高端交易平臺適合機構投資者進行趨勢、套利、對沖、高頻等對行情和交易要求高、邏輯復雜度高的策略。同時不同的平臺費用也不同，投資者必須根據自己的交易要求和費用承擔能力來選擇最適合自己的量化交易平臺。

二、自己打造量化交易系統。

由于MATLAB、R語言這些新一代面向對象、功能強大的語言的出現，獲取免費證券和期貨的數據并不難，同時出于交易保密的要求，再加上使用功能強大的現有平臺費用很高，越來越多的個人和中小機構選擇自己或委托別人開發自己的量化交易系統。

（一）語言選擇

很多大的機構都有自己軟件團隊開發量化交易平臺，大多選擇C語言、C++、JAVA等開發語言，有的甚至使用機器語言，但MATLAB、R語言逐漸成為主流的開發語言。

1.MATLAB簡介：MATLAB的是美國MathWorks公司出品的商業數學軟件，用于算法開發、數據分析以及數值計算，主要包括MATLAB和Simulink兩大部分。其優勢在于：用戶可以利用MATLAB進行：（1）交易策略實現和回測、投資組合優化和分析。（2）資產分配、金融時序分析、期權價格和敏感度分析、現金流分析。（3）風險管理、預測和模擬、利率曲線擬合和期限結構建模。（4）Monte Carlo模擬、基于GARCH的波動性分析等

2.R語言：R語言是一個高效率的實驗平臺：通過R語言可以很高效的實現前沿paper的模型方法，同時R語言又提供與C，C++等傳統語言工具的量化結合，作為免費開源的數據處理語言，至少幾百名世界知名統計學家在算法上的支持，至少幾百名世界頂尖的Fortran，C，C++數學庫編程高手在代碼上的支持，大數據計算平臺的運算支撐，開放金融數據資源的免費接入，前沿期刊與代碼工具的協同

（二）量化投資重要支撐：IT系統

一個高水準的量化交易系統，必須實現以下的4種功能：

1.歷史數據統計后驗。歷史數據統計一般以收盤價或者日均價作為買入賣出的交易價格。然后根據設定的交易價格計算出在某一段時間內的收益率、超額收益、夏普率等結果。歷史數據統計后驗的優勢是效率高、簡單方便。缺點是不夠精確，尤其不能考慮資金量對市場的影響。這個階段的IT要求：簡單的原語/多市場的數據/各種盈虧報表分析。

2.歷史高頻交易數據后驗。歷史高頻交易數據后驗的核心在于根據歷史高交易頻數據進行模擬撮合，撮合算法主要是判斷在某個時段的成交量的成交比例。這個步驟的IT要求：快速撮合能力

篇10

量化寬松；低利率；進出口貿易；流動性

1 量化寬松貨幣政策概述

1.1 量化寬松貨幣政策的概念

簡單地說，量化寬松就是一種貨幣政策，央行通過公開市場操作來增加貨幣供給，是指政府發行固定金額的貨幣，也可簡單地認為是間接地增發鈔票，央行通過公開市場操作買入國債和證券等手段，導致中央銀行的各商業銀行的結算戶頭的資金增加，為銀行體系創造了新的流動性。

1.2 量化寬松貨幣政策的原理

在一般情況下，央行降息將引發一系列資產替代行為，從而產生了普遍下降的證券收益率。但是，在經濟低迷時期，時常會出現很低甚至為零的短期名義利率，短期名義利率已經無法再降低了，上述作用機制也許會失效，陷入所謂的“流動性陷阱”。然而，貨幣政策并不會就此喪失作用。不少研究指出，即使短期名義利率為零，貨幣政策的作用仍然至關重要，而且其作用是不可推卸的，量化寬松政策就是選擇之一。

1.3 美國量化寬松貨幣政策的措施

美國在這次金融危機以來總共進行了兩次量化寬松貨幣政策。

第一次量化寬松政策： 2008年9月，雷曼兄弟倒閉后，美聯儲就急忙制定了量化寬松政策。在接下來的三個月中，美聯儲發行了多過一萬億美元的儲備，主要是通過直接購買其附屬機構的抵押貸款支持證券。

第二次量化寬松政策：2010年11月3日，為了進一步刺激美國經濟的復蘇，美聯儲宣布實行第二次量化寬松貨幣政策，截止2011年6月底，購買6000億美元的美國長期國債。

2009年3月到2010年11月，在美聯儲持有大量國債，以及公開市場操作受到限制的情況下，美國政府不斷采取多種量化寬松手段來對付國內的經濟危機。

2 美國量化寬松政策對我國的影響

2.1 使得我國的外匯儲備縮水嚴重

我國是美國最大的債權國，其實施寬松貨幣政策一定會導致美元的大幅貶值，從而使得中國的財產大幅縮水。2011年3月，美國財政部公布的數據，在2010年6月，我國持有的美國國債數量已突破萬億，到2010年末增加到了1.16萬億美元，占外匯儲備的40.74%。美國推行第二次量化寬松政策以來，人民幣相對于美元不斷升值，導致外匯儲備的購買力因不斷縮水而下降。

2.2 對我國外貿出口影響巨大

首先由于美元貶值就意味著人民幣的相對升值，國內出口產品的價格就變得昂貴，導致了出口量的減少；另外由于美國實行的是寬松貨幣政策，美國國內美元供給會超過需求，就會導致過多的美元追逐不足的商品，這又會導致美國國內物價上升，我們國家拿著已經貶值的美元進口比原來要貴的商品，這勢必也會導致我國進口的減少。綜合上面兩個分析我們還不能得出到底是出現了經常賬戶的順差還是逆差，但是我們要知道我國是個對外貿易依存度極高的國家，那么不難得到這種變化會導致我國經濟的萎靡。

2.3 引起大宗商品價格上升

當我們看到美國宣布實施量化貨幣寬松政策的時候，以美元計價的大宗商品價格已經上漲了。2010年11月4日，在世界大宗商品市場中，美國黃金期貨價格盤中最高漲幅3.4%，已接近1400美元大關；原油價格大漲，紐約商品交易所12月份輕質原油期貨價格逼近87美元，漲幅約3%；大豆、玉米和銅、鋁、錫、鎳等金屬漲幅明顯。

2.4 會使中國通貨膨脹壓力加大

現在美國的貨幣寬松政策只是給美國經濟打的一只強心劑，由于現在美國市場上壞賬的不斷增加，為了保證金融市場的流動性，美國就要不斷地發行貨幣，而一旦美國金融市場趨于穩定，到時候超發的這些貨幣的壞處立馬顯現出來，由于市場上有過度的貨幣，立馬就會有現在的通貨緊縮變成通貨膨脹，到時候又是新一輪的金融危機席卷全球，我國也不可避免地會受其影響。

3 美國量化寬松貨幣政策下我國的應對策略

3.1 增強監管國際資本流動

鑒于美國采取了量化寬松的貨幣政策，我國可能會涌入大量資金，因此，我國加強監管外匯的流入和流出，增強對流入我國的熱錢的目標、路徑和形式的評估和分析的力度，加強富有針對性和有效性的應對措施，從而有效地控制熱錢流入。由于加息，我國的利差已處于有史以來的至高點，表現不錯的經濟以及具有升值預期的人民幣，顯著地加大了對資本進行監管的難度。

3.2 探求安全和利益的均衡，實行外匯儲備多元化

美國量化寬松政策，不僅提高了我國對未來外匯儲備管理的難度，也進一步增加了風險。因此，迫在眉睫的是創新外匯儲備的管理方式以及分散外匯儲備投資。對于美元以后的貶值必須保持相當的警覺，既要加大資產結構的調整力度，又要加大購買海外資產，從而擴大直接投資。在使我國持有美國國債數量保持基本穩定的前提下，進一步擴展外匯儲備增量的使用范圍，主動調節國債的期限結構，提防利率波動風險。

3.3 人民幣“盯美元，穩匯率”

既然主動的“低廉美元”政策是量化寬松政策，那么被動的“低廉人民幣”政策就是人民幣重新盯住美元。此外，我國可以考慮轉換匯率制度，將參考一籃子貨幣的制度逐漸轉變為盯住一籃子貨幣，使升值幅度相對平穩，穩定人民幣匯率，減輕美國量化寬松政策對人民幣產生的升值壓力將受益于這個制度轉換的完成。

綜上所述，量化寬松政策先不管它到底管不管用，就算是管用也只是暫時緩解了眼下的問題，但這也只是治標不治本的。在中國貨幣與國際貨幣緊密相連的今天，美國的量化寬松政策必然會導致中國政府喪失一部分貨幣政策的自主性。這進一步地督促了中國應適時地進行金融體制改革，同時豐富國家宏觀調控的方式，加大金融監管和調控的力度。

【參考文獻】

[1]潘成夫，“論美聯儲量化寬松的退出策略”，《農村金融研究》，2009年07期。

[2]張曉軍，趙璧，“量化寬松政策是損人不利己的“毒藥””，《財會研究》，2010年22期。

篇11

魏明嵐，臺灣人，具有深厚的專業教育背景，本科就讀財政專業計量組，MBA畢業于美國Emory大學商學院，主修金融工程方向，獲金融管理碩士學位。Emory大學是美國十大老牌名校之一，培養了終端政商界杰出人士，如前美國總統吉米？卡特、前韓國總理李洪九、第十屆人大副委員長及九三學社中央主席韓啟德等，其商學院在美國排名前十。魏明嵐在金融工程領域有深厚的功底，對期權期貨等金融衍生品有獨到的見解。

回到中國之前，魏明嵐先在美國ING做過金融產品研究，2000年左右，為了愛情，他遠渡重洋來到上海。“當時中國經濟發展得很好，心想回來應該也有不錯的發展，但回來后才發現，金融行業還比較稚嫩，根本沒有做對沖的條件?！蔽好鲘谷绱嗣枋霎敃r的情景。后經人引薦到當時還是周鴻祎控制的3721做財務總監，直到3721公司賣給雅虎，期間做了大量PE相關工作，和IDG等PE界人士亦非常熟悉。

對于這段時間量化生涯的中斷，魏明嵐坦言“大環境所限迫不得已，但實業的經驗時期對企業的價值有更清晰的認識，對日后的投資是有一定幫助的”。盡管如此，他的量化投資之路卻沒有中斷過，這期間他一直在用自己的資金做量化交易，逐漸形成一套完整的模型，就是現在“優勢”系列，后面在產品模塊中將做詳細介紹。

之后，隨著中國金融行業的發展，期貨、期指、融資融券等衍生品工具的一步步放開，魏明嵐的量化之路逐漸走上正軌。2012年5月，他成立了上海量哲投資管理有限公司，骨干人員主要是來自高校的金融工程或數學系教授，除了深厚的學術背景，都具備豐富的投資經驗。

魏明嵐說，“我們的核心競爭力就是行之有效的策略和完善的模型，這來源于團隊深厚的數學以及金融工程功底，以及豐富的投資經驗。只要輔以合適的平臺，實現我們的策略，一定可以獲得讓投資人滿意的回報?！?/p>

多層次的產品組合

傳統的觀念中量化交易會有效地分散、降低風險，但其收益率也是相對較低的。魏明嵐認為這是市場對量化的誤解，他認為“好的量化應當是風險和收益的組合，既可以是低風險低收益的，也可以是高風險高收益的，應滿足不同的投資需求和偏好”。

量哲的產品組合很好地體現了他的觀點。從量哲的產品介紹表格可以看出，量哲的產品層次清晰，組合很豐富，既有高收益的，也有相對低收益，但風險也相對較低的產品。這樣一來就可以滿足不同客戶的需求，有些客戶如高凈值人群或機構投資者更看重長期的回報，就可以選擇優勢或優渥系列，而一些對資金流動性要求較高或一些不愿承擔太高風險的公司專戶就可以選擇優安或優利系列。

談到產品的發行和運營情況，魏明嵐說，“經過這幾年的培育，國內投資者改變了以往只看收益的做法，越來越多的開始關注風險狀況。總的來說，國內的客戶不太愿意承擔過高的風險，即使有獲得高收益的可能。出發點是在保值的基礎上再想辦法增值，所以優渥、優安比較受歡迎，一只優渥產品已于4月正式啟動，5月啟動了一只優安產品。而優勢系列主要是自己和朋友的資金一直在做，收益不錯?！?/p>

為了實現不同系列產品的投資目標，量哲團隊制定了不同的量化模型，“為實現較高收益，優勢系列保留了相對較大的對沖敞口，而優安及優利的基本沒有敞口，除非是特殊情況下會留一點點”，同時在模型設計時，預留了能容納較大的資金規模，也就是說其產品的資金容量是足夠大的。

總體而言，量哲的投資策略主要是基于α套利，通過模型進行因子分析，選出具有潛在超額收益的股票，通常股票池的量都比較大，能夠很好地分散風險，同時通過對沖交易規避系統性風險。魏明嵐透露，“今年10～11月份，高頻交易模型將投入使用，成為公司投資組合中的一個策略群，到時整體的風險系數將會進一步降低?！?/p>

面臨的發展問題

和所有量化基金一樣，魏明嵐也面臨著這樣那樣的問題。盡管已經過了最艱難的時期，但仍然有各種各樣的問題亟待解決。

首先是觀念問題，券商是量化基金發行和交易過程中的重要環節，很多的券商還在沿用固有思維，對于量化基金的理解比較淺，有時甚至抱懷疑態度。這使得基金在發行和交易之前要花大量的時間和精力去做調研工作，降低了工作效率。

篇12

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。現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。

篇13

隨著市場信息傳遞速度的加快，眾多分析師對基本面數據的不斷挖掘，更加深入的分析，似乎越來越難以彌補決策廣度的不足。如果將傳統主動型投資比喻為―個“揀西瓜”比賽的話，現在剩下的西瓜越來越小了，那么這時“揀西瓜”的工具與方法就顯得非常重要了。

即使投資人有超越市場的預測能力，但現實中收益常常被投資人主觀認知上的情緒化波動侵蝕掉了。同時，傳統投資的管理者本身情緒難免受到周圍環境的影響，常常會做出一些偏離自己判斷的交易行為，這樣的隨機交易常常會侵蝕掉部分應該獲得的收益。

數量化投資彌補主觀判斷的缺陷

與傳統基金的基金經理相比，量化基金經理們更愿意將他們的見解與目前速度驚人的計算機技術、統計技術等結合起來作為研究工具，在模型中可以將自己的研究和視野拓展到只要有數據支持的任何地方。比如，量化基金經理們可以把所有股票納入自己的海選范圍內，從多維度的變量空間中找到自己的獲利機會，并可以檢驗這樣的獲利機會在歷史上的成敗概率。這樣的變量可以包括宏觀變量、基本面變量、財務數據以及有關投資者心理的市場行為變量。當然，量化投資跟蹤調查的范圍可以很廣，但是在最終決策上要受到眾多限制的，以保證在控制風險水平的前提下，實現收益率的最大化。