引論：我們為您整理了13篇量化投資的步驟范文，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

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2

量化不是“黑匣子”

《投資者報》：提及量化投資，國內投資者總認為很神秘。它與主動的定性投資差別到底有哪些？

李笑薇：量化模型的特點之一是抽象，但它稱不上是一個“黑匣子”，與傳統基金的投資區別也并非像投資者認為的那樣大。

傳統基金經理在做市場判斷時，腦子中會閃過好幾個模型，比如如何選定行業、個股，實質這都是一個個模型。嚴格說，他們腦子里的模型比量化模型中能看到的都要多，只是他們沒有把這些模型提煉出來而已。

投資者購買傳統主動股票基金，并不代表他們對基金經理的操作完全熟悉。基金經理在哪個時間段，配置了哪些行業、個股，投資人無法確切知道，只是能看到每個季度的報告和最終的投資結果。

相比之下，量化投資進出市場的每一個步驟，都非常清晰明了。在我的眼里，這個過程不是“黑匣子”，而是團隊里每一個人按流程逐步去完成的。

《投資者報》：量化投資的詳細工作流程是怎樣的？

李笑薇：量化投資對團隊合作要求更高。一般來說，有一部分人專門進行數據的清洗、整理、輸送等，這需要計算機信息技術較強的人才；模型的設計和研究，往往需要很強的金融及數學背景；基金的日常管理往往需要金融及工程方面的專才。因此，通常量化投資團隊的成員學歷都較高，但不是說學位很重要，而是需要一定的技術積累。

具體流程中，提取數據的人看數據，有人專做研究，有的做優化或者交易下單。每個人都有自己的側重點，在整個團隊中起不同的作用。一個人可能干多件事情，但想要全部完成是不可能的。

《投資者報》：量化投資能否穩定地戰勝市場？

李笑薇：在不同的市場階段，市場的有效性會不同，需要用特定的方法，尋找不同階段的不同機會。

市場上的各種方法，捕捉的內容都不一樣。比如巴菲特，他的風格更趨近于一級市場中VC、PE的思維；西蒙斯則是完全拋開基本面，從純技術的角度，將全球貨幣的走勢、衍生品等林林總總的東西作為投資標的。

從A股市場來說，當前的發展階段需要有獨特的投資方式，富國基金量化增強的定位也有市場需求存在，滿足了一部分配置指數基金的需求。從運作經驗看，量化增強后的收益會好于一般指數的收益，上半年超額收益有8%。總體來看，這個收益穩定在5%~10%間，是很多基金難以做到的。

超額收益從何而來

《投資者報》：我們也注意到，多家基金公司都構建了獨立的量化投資團隊和模型，富國基金量化投資模型的獨特之處在哪里？

李笑薇：量化投資最重要的是人的思想，量化只是一個方式和工具，真正在掙錢的，是人的投資思想。

從富國量化模型的特點來看，首先是自下而上精選個股，不做倉位選擇。由于這是一只指數產品，投資人買時就要買到這樣的倉位，我們一直是用95%的倉位操作。

其次，嚴格風險控制，精細成本管理。再次，系統化的投資流程，科學化的投資管理。量化投資從開始到結束，是一個龐大復雜的工程，團隊里面專門有人負責清洗、研究數據，做一系列的回撤，實現交易單。

最后還要尊重模型出來的結果。在操作過程中，主動干預非常少，人的干預更多在整個模型的設計上。

《投資者報》：你們今年近8%的超額收益是如何實現的？不同市場環境下，模型是否會有大的調整？

李笑薇：對我們來說，發現哪些因子在最近的市場更有效，并保持一定的前瞻性，是量化團隊的主要工作。

比如，大家都很熟悉的估值因子，在2006年到2009年都有比較優異的表現。但是到了2010年，估值因子的作用突然發生了變化，估值并不能起到明顯推動作用，我們也提前做了適當的調整。

責任心決定能否做好

《投資者報》：除了模型外，量化投資成功還取決于什么？

李笑薇：一般而言，量化投資策略是否成功取決于三大因素。一個因素是質量，重點取決于數據和研究。第一步是要保證數據的質量沒有問題。對于任何一個數據源，我們基本是用一家數據商，但會用兩家來互相檢驗，檢驗后的結果才進入到自己的數據庫里。

研究質量的好壞，其實是工作責任和態度的問題。量化雖然有門檻，但對理工科碩士以上的人來說門檻并不高，能否做好靠的是責任心。

第二是經驗和判斷。我們會做大量研究、看歷史業績，但歷史不代表未來。當你做了大量細致的研究，發現可能有五個因子影響，表現最好的是A，后面有BCDE，其他因子哪些權重更大？做決定要基于經驗和判斷。但歸根到底，判斷與決策要有很強的實踐來做支撐。

篇3

本文首先對風險投資項目風險產生的機理進行科學詮釋，其次，通過構建科學指標體系從而使投資者在項目選擇過程中避免由于信息不充分帶來損失。

從風險投資行為整個過程分析（如圖1），了解并解決兩個主要環節的信息不對稱問題對于保障投資者的利益至關重要。其中第一個關鍵環節主要是風險投資者與風險投資家（風險投資機構）的信息不對稱問題。第二個關鍵環節主要是風險投資家（風險投資機構）與風險企業（或者是備選項目）之間的信息不對稱問題。

如何解決第一層委托――關系，很多專家（南立新，2002；楊艷萍，2003；喬桂明，2004；應瑞瑤，2004；黃孝武，2002）借鑒國外風險投資公司的成功經驗，提出在我國建立合伙制有限責任公司的風險投資公司運行機制解決第一層次的委托――矛盾。這種公司治理模式已經得到一致認可并且在實踐中逐步推廣。

第二層委托――關系中，如何合理確定對象（或者項目）是保障風險投資資金得到預期回報的重要環節，是本文研究的重點內容。

本文依據風險投資的特點，結合德爾菲法、層次分析法以及主成分分析法，提出一種針對風險投資項目評價的主客觀權重法。運用這種方法對風險投資項目進行決策，不僅可以防范決策者主觀臆斷，而且注重吸收風險投資專家的經驗，對項目風險進行客觀地識別和量化，從而對諸多備選項目進行優劣排序。

二、本文中項目風險量化模型的基本假設

為了研究方便，消除歧義理解，本以下假設：

（一）假設風險投資家和風險企業家都是風險中性的

（二）假設各投資決策的使用效果是不可觀測的，但是可以進行估計

（三）風險量化模型必須遵從經濟計量模型中建模的基本原理，考慮模型的綜合性、通用性、簡潔性和可操作性等基本要求

（四）風險投資公司存在行業偏好情況外，各個備選方案競爭環境公平、透明

三、風險投資多項目抉擇模型――原理和方法

本文構建的模型：Ri=δi /Vi

其中：Ri為第i個風險投資項目風險收益系數；δi為第i個風險投資項目風險程度值；Vi為第i個風險投資項目收益值指標系數。

R值越小越好。相同風險程度的不同項目，收益系數越大，對應的R值越小，項目相對越好；相同收益系數的不同項目，風險越小，對應R值越小，項目越好。

（一）風險程度值δi的計算

為了很好的度量項目風險程度δi，運用層次分析法，把項目的風險影響因素分為四層處理。它們是：目標層；制約因素層；制約子因素層和備選方案層（或稱為措施層）（如圖2）。其中，項目風險評估指標體系中指標數值由專家一次性打分后，運用加權平均法確定。指標對應權重向量確定方法是由專家組成員運用Delphi法經過2到3輪形成一組一致性的判斷矩陣，然后運用方根法求出判斷矩陣特征向量作為指標對應權重向量。

風險程度值δi的計算方法，大體可以分為五個步驟。

步驟1：建立制約因素、子因素評判等級和相應的評語集

由圖2構建的層次分析模型，項目風險主要由{U1，U2，U3，U4，U5，U6，U7}等七個方面的制約因素確定。而U1（政策風險）取決于U11國家政治經濟環境和U12項目與政策法規的相容度兩個子因素。記為：

U1={U11，U12}

將每個制約子因素按照實際可能情況分為5個等級，每個等級代表不同的情況。各個因素等級按照影響評判對象的趨勢一致原則來排列，選擇使投資風險程度由低至高的順序排列。風險影響因素對應評語集：

V=（1，2，3，4，5）

如“企業營銷能力”這一因素等級按照“強、較強、中、稍低、低”排列。如果企業營銷能力等級對應“強”則對應的評語應該為1，如果企業營銷能力等級對應“較強”則對應的評語應該為2，如果企業營銷能力等級對應“中”則對應的評語應該為3，企業營銷能力等級對應“稍低”則對應的評語應該為4，企業營銷能力等級對應“低”則對應的評語應該為5。評語值越小，代表風險投資項目該領域的風險也較小，相反，則代表較大風險。

步驟2：確定制約因素、子因素指標值

確定制約因素指標值是指根據項目風險因素實際情況，由專家給定相應指標數值，然后對評判結果進行加權統計得到各因素對應指標值bij。

bij=bij1×1+bij2×2+bij3×3+bij4×4+bij5×5

bijk的值以參評專家中認為因素uij屬于uijk等級的人數除以參加評判的總人數所得到的商數（即進行歸一化處理）確定。bij值介于1～5之間。bij值越接近5，代表風險越大；bij值越接近1，代表風險越小。這種確定指標值的方法不僅可以考慮各個專家的專業判斷傾向，而且顧及到專家判斷的集中趨勢，參考價值更大。

步驟3：確定各個制約因素、子因素權重向量集

制約因素與制約子因素權重向量是用來衡量影響項目風險諸因素相互比較相對重要程度的。本模型首先必須構造項目因素兩兩比較的判斷矩陣，由專家團采用Delphi法經過2～3輪投票完成，采用9/9～9/1比例標度構造判斷矩陣更接近實際情況。即兩因素比較同等重要值為9/9；稍微重要9/7；明顯重要9/5；強烈重要9/3；極端重要為9/1（侯岳衡（1995）和何（1997）），其次求解判斷矩陣對應特征向量即為項目因素對應權重向量。

根據各個備選方案在制約子因素的條件下兩兩因素的比較重要程度，給出U11和其他制約子因素比較的判斷矩陣（記作A11）。

其中，a11ij是指第i方案和第j因素與制約子因素U11比較重要程度。若第j方案與第i方案比較，得到判斷值為a11ij＝1/a11ij，a11ij＝1（i＝1，2，……n；j＝1，2，3，……，n）。

依次類推，分別給出Uij和其他制約子因素比較的判斷矩陣Aij，i＝1，2，……，7。

方根法是近似計算各個判斷矩陣的最大特征值和特征向量最簡潔的方法。下面以A11的特征向量計算過程說明方根法使用原理。

（1）計算判斷矩陣每行所有元素的幾何平均值

從而得到ω11＝（ω111，ω112，ω113，……，ω11n），為所求特征向量的近似值，也就是考慮制約子因素U11時對應各個備選項目的排序向量。

目標層對于制約因素層判斷矩陣A的特征向量為λ：

λ=（λ1，λ2，λ3，λ4，λ5，λ6，λ7）

步驟4：確定各個制約因素相對項目方案指標向量值

U1對應各個項目方案的指標值為b1：

依次類推，計算出U2、U3、U4、U5、U6、U7的對應指標值。

步驟5：確定各個方案風險程度向量值δ

其中，δ中包含了n個備選風險投資方案對應的風險程度指標值。

（二）確定備選方案投資收益系數Vi

備選風險投資方案投資收益利用項目財務指標度量評價。首先計算各個投資項目未來報酬總現值TPVi和風險投資初始投資資本總量Ci。其次，利用現值指數法求出收益值指標系數Vi：

在計算TPVi指標時，貼現率的確定至關重要，不同階段進入風險投資項目肯定會要求一個不同的收益率。風險補償率的問題，方英（2003）和王立國（2003）等，進行了詳細的分析研究，圖3是不同時期貼現率的研究結論。

對于貼現率采用平均貼現率為計算TPVi值各個時期的貼現率參數標準。而項目投資成本Ci是比較容易得到的數據。然后利用Vi=TPVi/Ci計算出項目投資收益系數Vi。

（三）考慮風險和收益的最優投資項目的排序

根據項目風險與收益匹配的原則，用公式Ri=δi /Vi計算綜合投資風險與收益的項目得分值，對各個備選項目進行客觀、科學排序，從而確定備選項目的優先選取順序。

四、模型實證分析

在實際調查過程中發現，風險投資公司在項目選擇方向存在行業的偏好，所以本實證研究以江蘇省2003年度申報科技型中小企業技術創新基金的光電一體化行業為例對模型的可靠性進行論證。

研究對象由江蘇省2003年度光電一體化申報創新基金所有項目構成。其次，確定樣本。對98個申報項目進行編號（按照先后次序編號），按照隨機抽樣的原則，利用隨機數字表從總體集合中選取了10個項目組成樣本。包括編號為43、55、56、27、16、07、77、26、50、20的項目單位組成樣本集合。

利用介紹方法，確定項目收益指數Vi以及綜合的風險收益系數Ri=δi /Vi，從而對備選方案進行排序。項目風險收益指標由小到大的順序為R27，R50，R55，R16，R77，R26，R7，R20，R43，R56。（如表1項目風險收益值計算表）

五、結論

篇4

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“異常”,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。”為對沖第一個賭注的風險,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。

篇5

第一部分：模型建立階段。

2.1 影響收益率的因子初選

我們采用以下收益率因子。

以上表格反映了影響收益率的主要四大類因子，較好地包括了影響收益率的主要因素。雖然從宏觀層面上我們挑選出了一些影響收益率的主要因子，然而，在現實過程中，影響某個具體公司收益率的因素很可能只是其中某幾個。因此，我們應當試圖找出影響每個股票的收益率的個別關鍵因素，這里我們采用matlab技術以及線性回歸的方法，以融捷股份（002192）與暴風科技（300431）為例進行說明。筆者根據深圳證券交易所統計的數據通過EXCEL表格進行合并整理后得到融捷股份的收益率數據，將該數據導入matlab中，以市盈率為橫軸、收益率為縱軸，建立圖形關系。

根據統計學的知識可知，我們用決定系數R2來反應自變量解釋因變量力度的強弱，而決定系數與相關系數之間存在平方關系，即2=R2。因此，在matlab中我們通過計算一組數據之間的相關系數，反求出其決定系數，從而說明該特定自變量能從多大程度上解釋因變量。代碼運行的結果如下：

從上述運行結果可知，市盈率與股票收益率之間的R2只有0.0934，遠小于1，因此市盈率這一項指標在融捷股份里并不能對收益率的變動起到決定性作用。

類似地，我們對表1-1中所有的因子進行相同的操作方法，在此由于篇幅原因不再贅述，僅展示操作步驟與過程。

2.2 剔除冗余因子

在進行上述步驟的過程中，值得一提的是，各個因子之間可能本身就具有一定的相關性。比如，ROE指標與ROA指標本身就滿足一個等式：ROE=ROA*EM， 其中EM為權益乘數，計算公式為EM=1/（1-負債率）。如果因素之間的相關性甚小，我們可以忽略不計，但是當相關性大到一定程度時，便會對之后的多因素模型分析過程產生誤導，因此在這里我們需要補充的一步是利用matlab軟件，建立不同指標之間的關系方程，判斷是否存在多重共線性。

2.3 多因素模型體系的建立

在進行完影響收益率的因子選擇以及剔除完冗余因子之后，便是最為重要的建立綜合評分體系，將所有的因子共同反映到一個方程中，用來解釋股票收益率與因子之間的具體變化。

多因素模型的建立過程分為如下幾個步驟：

（1）. 標準化原始數據

（2）. 建立相關性矩陣

（3）. 計算相關性矩陣的特征值和特征向量

（4）. 得出總方程表達式

通過對上述運行結果的分析我們可以看出，月最大超額收益的影響最大，而累計收益的影響最小。這樣，我們便量化出了影響該股票收益率的方程式。

第二部分：交易標的股票的選取

2.4 選取收益率前20%的股票

通過第一部分的論述，我們最終可以得到影響不同公司股票收益率的方程式，可以用matlab或者數據庫技術進行保存，當需要更新參數或者進行預測決策時，調用相關函數即可。

在第二部分中，我們將選取的標的股票資產池的相關數據輸入到方程式中，即可得到未來一段時間的預期收益率。假設我們從每個板塊中選取出了20支股票，我們保留預期收益率排在前20%的股票，優中選優，盡量最大化我們的收益。

2.5 利用CAPM模型進行資產組合

20世紀誕生的資本資產定價模型（CAPM）為廣大投資者選擇資產組合提供了良好的理論基礎與依據。威廉夏普（William F. Sharpe，1934-）與馬克維茨（Harry M. Markowitz）等人所建立的組合管理理論核心即為以下等式：

E（Rn）=R

f+（E（Rm）-Rf）

其中，E（Rn）為股票的預期收益率，Rf為無風險利率，為單個股票與市場之間的相關性，E（Rm）為某一基準的收益率。通過該理論，我們可以建立多個資產的不同搭配情況。

在第三部分，我們會進一步討論運用各項績效評估指標，來權衡風險與收益。

第三部分：風險控制

2.6 對各項參數進行區間估計和假設檢驗。

前兩部分重點關注了組合的收益情況，力求在市場處于無效或弱有效的情況下，取得超越市場的收益率。然而，對風險的把握仍為非常重要的方面，自從2007-2009年間發生的金融災難以后，人們對于風險控制的意識又提高到一個新的水平。下面具體介紹如何利用統計學知識，對風險以及收益的取值范圍做出評估與估計。

假設由第一部分模擬出的收益率方程滿足如下等式：

Yi = -4.451 +2.057 * X1i + 2.008 * X2i

我們可以看到，在這個等式中出現了三個參數，分別是截距項-4.451、X1i的系數2.057以及X2i的系數2.008。然而，這畢竟是模擬出來的結果，或多或少會存在著一定的誤差，那么對這種誤差水平的度量就顯得尤為重要。特別是對于X1i與X2i的參數的估計，其改變直接決定了Yi的變化的方向以及程度。在這里，我們運用統計學上的假設檢驗與置信區間估計的方式，判斷我們有多大的信心，或者說有多大的概率，該參數可以滿足我們的要求，從而對我們的決策活動形成指導意義。見下圖：

如上圖所示，該圖為用統計軟件所得出的上式的相關統計學分析，可以看出上式的R2（R-squared）為0.934，并且調整后的R2（Adj R-squared）為0.890，說明該式的所有系數，作為一個整體，對Yi具有較好的解釋力度。其中ESS（Explained Sum of Squared）為模型模擬出的曲線與平均值的差的平方和，而SSR（Squared Sum of Residual）為真實點與估計點的差的平方和。Matlab圖示如下：

上圖是通過最小二乘法擬合出來的一條回歸曲線，其中藍色的點與實線之間的距離的平方和即為SSR，而實線與所有實際點的均值之間的距離的平方和即為ESS。R2=ESS/（ESS+SSR）。

由圖6-1還可以看到，2.057所處的95%置信區間范圍為0.984-3.130。其中，P值與t統計量用來判斷在95%的把握下，是否可以拒絕一項參數，即判斷該參數在一定概率條件下的真假情況。我們通常可以通過查對應的t分布表來找到對應的關鍵值，或者采用比較p值大小的方式進行判斷。比如說，要判斷圖6-1中Experience的參數2.008在95%的概率條件下的合理性，我們計算出其t統計量如圖上的2.664，而對應的置信區間范圍中包括了2.664這個值，因此我們可以得出如下結論：Experience的系數2.008在95%的置信水平下是無法拒絕的。這一結論同樣可以通過判斷p值的大小得出，p值為0.076，大于顯著性水平0.05（通過1-95%得到），因此有足夠的自信可以保證該系數的合理性。

通過上述方法，我們可以對之前模擬出的收益率方程的系數的合理性做出判斷與評估，使我們對其有一個更為深入的了解。

2.7 基于蒙特卡洛模擬的風險控制。

在風險管理領域，VaR方法一直在各大金融機構被視為進行風險度量的首選，因為其可以提供在一定的置信區間下所發生的最大損失的大小。然而，實踐證明，在市場出現劇烈波動的情況下（比如2007-2009的金融危機），資產之間的相關性會增強，以前可能相關性很弱的資產在市場不穩定時期出現了高度關聯的相關性。而普通的線性估算VaR的方法在金融危機期間，對于風險的度量不再準確與合理。因此，出現了后來的情景分析方法（scenario analysis ）以及這里要討論的蒙特卡洛模擬。

所謂蒙特卡洛模擬，是對一項資產的所有可能取值進行隨機數模擬，來計算產品的價格以及計算風險價值的大小。其應用領域十分廣泛，不僅可以用來模擬復雜金融產品的價格（例如，含權債券的定價、住房抵押貸款證券化產品的定價），在風險管理領域還可以用來度量風險的大小。在此，我們給出詳細的解釋，來說明怎樣進行基于蒙特卡洛模擬的風險的度量。

重復上述代碼四次，模擬出不同收益率的圖形，每次模擬都可以得到一條收益率的曲線，當我們從股票收益率的總體曲線中隨機抽出N個樣本的收益率曲線，對其進行算術平均，便可以得到最終模擬出的收益率曲線，通過正態分布或對數正態分布作圖，我們可以在豎直方向上做出一條輔助線，該輔助線對應的分位點即是VaR所處的位置，如此一來我們便可以得到VaR的結果。

第四部分：模型的改進與實時更新

2.8 模型評價

在這一部分，我們主要對上述建立的收益風險模型進行評價，包括引進一些至關重要的績效評估指標，例如夏普比率，特雷諾比率，簡森阿爾法，信息比率，索提諾指標等。

夏普比率來自于CAPM模型，其基本內涵是單位風險所對應的超額收益。在CAPM模型中，夏普比率即是資本市場線的斜率。因此，對于一個組合的風險收益的評估，我們可以通過計算其夏普比率，再與其他組合比較，選出夏普比率最大的那一個，即是我們滿意的組合（單位風險承擔了更多的超額收益）。

特雷諾比率與夏普比率類似，但其分母上所對應的是系統性風險，而不是總風險。這反應了一項組合其內在的超額收益，因為非系統性風險是可以通過組合規避掉的，而系統性風險則更多的由市場、行業以及經濟周期等不可控因素所決定。因此，特雷諾比率也被廣泛應用于組合績效的評估。

簡森阿爾法描述的是一項組合的市場收益與CAPM計算出的理論收益之間的差額。在CAPM圖形上描述出來便是資本市場線上的點與實際的點之間的距離。簡森阿爾法直接反應了一項組合的收益與其理論收益的偏差，因此投資者可以進行無風險的套利交易，低買高賣，賺取超額收益。值得一提的是，用簡森阿爾法來描述兩個組合的風險收益時，要求兩個組合的系統性風險處于同一水平，即CAPM模型中的相同。特雷諾比率將系統性風險單位化，因此可以直接進行比較，這是簡森阿爾法與特雷諾比率之間的區別。

信息比率也是實際工作中用到的比較多的領域，通常會和夏普比率搭配使用。信息比率的計算公式為：信息比率=超額收益/跟蹤誤差。

索提諾指標的計算公式為：索提諾指標=（組合收益-最小收益）/下半方差，其中下半方差只考慮風險的影響，因為價格上漲的風險可以不考慮，只考慮下跌的風險。

2.9 利用matlab動態更新參數

上述建立的多因素模型的參數一般會隨著市場條件的變化而發生變化，例如金融危機期間，金融產品之間的相關性增強，可能會使得參數的估計不再準確。因此，我們需要通過不斷的測算市場數據，來保證模型參數的合理性。在matlab中不斷更新改進參數的步驟是不能省略的。

2.10 回溯測試

在完成了模型的構建以后，我們通常會進行一段時間的回溯測試期，目的是為了對模型的合理性進行檢驗。即采用從市場上觀察得到的數據，與模型估計出的數據進行比較。這是回溯測試的主要思想。通常在一些交易平臺上我們可以進行回溯測試。Matlab平臺上也為我們提供了相關的回測計算的功能，目的是盡可能地還原市場的真實情況，以檢測策略的準確性。

2.11 模型評價

已上便是筆者構建的投資策略的基本框架與內容，按照上文指導的內容進行投資，可以在一定程度上獲取超額收益。量化的方法相比較傳統的基本面分析、技術分析，具有其自身的合理性。然而量化投資并不是時時刻刻百分百有效，但根據歷史經驗來看，量化投資的收益已經遠超其他投資方式。量化投資還具有更為高深的理論，例如結合了心理學、生物學與計算機科學的神經網絡、遺傳算法等，使用機器代替人腦進行投資決策，這樣可以減少人的主觀性，客觀的根據一些標準、指標嚴格執行投資策略。這里只是使用了量化投資領域中的冰山一角，即使用綜合模型評分方法來構建投資組合的預期收益。

然而，該模型仍有其自身的局限性。例如，模型本身采用的是線性回歸的基本思想，即最高次冪為1次冪。然而在現實過程中，很多金融產品的收益曲線并不是一條嚴格的直線，而更多的是具有二階導的曲線。舉例如下圖所示：

上圖是包含了期權時間價值在內的利潤圖，可以看到，在引進期權的時間價值以后，其圖形不再是直線，而是帶有弧度。因此，我們通常采用的方法是利用泰勒級數進行估計，引入二階導來進一步估計金融產品的價格。例如在債券中一階導采用久期進行計算，二階導采用凸性進行調整。

篇6

流動性陷阱最早由凱恩斯提出，所謂流動性陷阱，是指當一定時期內利率水平降低到不能再低時，人們就會產生利率上升而債券價格下降的預期。貨幣需求彈性就會變得無限大，即無論增加多少貨幣都會被人們儲存起來，而不會被用于消費和投資。由于政策利率是名義利率，其下限為零，中央銀行無法將政策利率下調至低于零的水平。而當政策利率下調后所增加的貨幣供給量仍不足以改變貨幣需求時，政策利率就失去了對市場利率的影響作用，進而失去對投資和消費的調控功能，因此當一個經濟體陷入流動性陷阱后，則以政策利率為主體的價格型的貨幣政策工具失效。

在2008年全球經濟危機爆發前，很多國家的利率就長期維持在低水平。危機爆發后，各國央行的第一舉動就是通過調低準備金率和再貼現率調低市場利率。英格蘭銀行、美聯儲等都將利率調至趨于零的水平，但是經濟仍沒有回暖的跡象。面對銀行倒閉，企業破產，投資萎縮，消費減退的形勢，各國的利率卻早已降至不能再降的地步。可以說，此時，傳統的貨幣政策工具已對振興經濟愛莫能助了。因此必須采用一種新的方式，通過數量型的貨幣政策來應對新的難題，即量化寬松。

量化寬松所謂量化寬松，是指中央銀行在實行零利率或近似零利率政策后，通過購買中長期債券，增加基礎貨幣供給，向市場注入大量流動性的干預方式。它的原理就是央行通過公開市場操作，向銀行體系注入超額資金，讓基準利率維持在零，從而為經濟體系創造新的流動性，以鼓勵消費和投資，最終促進經濟增長和就業。正如弗里德曼所稱，量化寬松實質就是“央行派出直升機從空中撒下鈔票”。結合上述定義，量化寬松具有如下特點：①該措施實施的主體是中央銀行，即貨幣當局。②實施的背景是利率為零或接近于零。③采取的方法是購買國債等中長期債券。④目的是增加基礎貨幣供給，提升市場流動性。

（1）伯南克與量化寬松美國的貨幣政策的實施歷來與美聯儲主席的個人風格有密切關系，伯南克用自己二十年的理論成果，重新審視當下經濟危機，力排眾議制定通貨膨脹指標，處理資產泡沫，以激進的方式進行風險管理。他的主要理論觀點是：強大的金融市場和信貸市場和實體經濟之間可互相促進，實現經濟繁榮。在理論的指導下，伯南克詳細列出了美聯儲應對金融危機。

即量化寬松的步驟：①將聯邦基金利率降到零。②在很長一段時間內始終把短期利率的控制在較低的水平，或者是承諾無限量地購買國債直至國債收益率下降為止。③同時使用寬松的貨幣政策和財政政策，例如在減稅的同時提高貨幣發行量，這樣就不會導致政府財政赤字的增加。

（2）對量化寬松貨幣政策的評價總體上，量化寬松貨幣政策的主要起到了以下幾個積極作用：一是向陷入資金困難的銀行提供充足的流動性，救助瀕臨破產的金融機構，防范系統性金融風險，維護金融穩定，并支持金融體系，鼓勵銀行放貨。二是使利率、特別是長期利率保持在低位，有利于降低企業貸款成本，并促進消費，從而推動經濟復蘇；三是避免通貨緊縮預期，甚至通過產生通貨膨脹的預期，降低實際利率，從而避免經濟進一步緊縮。四是購買金融機構和社會民眾的有價證券，直接向市場注入大量流動性，有效化解市場流動性不足的問題。

篇7

運動、旅游、購買健康的果蔬食品，這些也能和保險產生關系？

沒錯，現如今，這些行為也能和你的健康險保單“掛鉤”了。

根據中國平安集團旗下專業健康險公司平安健康險董事長兼CEO陸敏的介紹，今年5月份開始，平安健康險在業內首創的“健行天下（Vitality）”健康促進計劃已經在北京和上海兩地上市，后續將逐步拓展至全國，幫助更多國人改善健康。

此次“健行天下”健康促進計劃的推出，旨在倡導健康、科學、文明的生活方式，通過提供易懂、易用的技能和適宜工具，以提高全民健康科學素養。

據介紹，“健行天下”健康計劃建立了食品，運動和旅行等領域的科學激勵體系，與許多國際知名公司建立合作關系，包括阿迪達斯、沃爾瑪、樂購和攜程網等公司，為會員（也就是保單持有人）提供一流品質的健康獎勵。

根據平安健康險產品創業總監盛安久（Andrew Scott）的具體介紹，平安“健行天下”計劃通過對保單持有人健康行為和健康飲食的干預，鼓勵保單持有人持續改善健康并享受獎勵。通過該計劃簡單的3個步驟，保單持有人可以輕松和持續改善健康。

第一步，認知自身的健康狀況。“健行天下”計劃為客戶提供了在線評估和醫院專業體檢等多種靈活方式，幫助客戶了解健康。

第二步，改善自身的健康狀況。通過運動干預和飲食優選等持續改善健康，并獲取會員積分。客戶可通過計步器運動，或在一兆韋德專業健身機構來改善健康。另外，客戶還可在合作商戶選購果蔬并獲取會員積分。

第三步，享受健康獎勵。客戶為健康努力和付出越多，獲得的會員積分響應也會越多，所能享受到的健康獎勵就越大。根據會員累計積分的不同，“健行天下”會員分為5個等級，即藍牌，銅牌，銀牌，金牌和白金，各種不同的等級對應不同的商戶折扣比例，可以直接為保單持有人節省經濟成本。

可以說，通過保單持有人自身為健康進行的持續不斷的努力，被保險人的身體更健康了，保險理賠率也會相應降低，這對客戶和平安健康險公司而言可謂“雙贏”。

據悉，2010年8月，平安健康險與南非最大的健康保險公司Discovery簽署合作協議，引進戰略投資者。通過對南非Discovery公司業務系統和醫療風險管理工具等知識產權的引進，平安健康險已逐步建立專業醫療風險管理平臺和產品及服務創新基礎，同時憑借專業和人才優勢，利用現代技術，致力于探索健康保險與健康服務模式，幫助客戶有效管理健康風險，增進國人健康，保障個人和家庭生活以及企業員工的福利。

信泰“恒星”投連險：“量化投資”是王牌

信泰人壽則于近期開發了 “信泰恒星終身壽險（投資連結型）”產品。該投連險主要面向高收入人群，兼具投資理財與保險保障功能，最低認購門檻1000萬元。它以量化投資為主要投資手段，是國內首款高端量化投連險。

近年來，量化投資作為一種創新的投資管理模式，已經越來越受到投資界重視。量化投資的優勢在于使用現代的數理統計作為工具，投資注重紀律性、科學性和廣度，這就對投資團隊的專業性提出了更高的要求。

作為一家新興的全國性壽險公司，信泰人壽也一直在通過引進人才、完善體系、規范流程和制度、建立具有差異化的核心投研策略、強化風險管理等一系列舉措，打造自己的量化投資管理團隊。信泰人壽的資產管理團隊目前在首席投資官王連平博士（原國內某大型資產管理公司量化投資團隊負責人）的帶領下，量化投資和量化研究的范圍目前已涵蓋宏觀、中觀（行業、板塊）、微觀（公司）和市場四個層面，已不再直接采用海外成型的量化模型，而是結合中國資本市場實際特點，獨立研究開發出對應的量化投研體系，建立了一系列可操作性強、實戰效果優良、在業內具差異化領先的投資模型和指標。

據介紹，如果把傳統的“定性投資”比作中醫，那“量化投資”則可以看作是西醫。中醫是望、聞、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；西醫就不同了，先要病人去拍片子、化驗等，依托于精密的醫學儀器拿到精確的數據指標，最后據此得出結論，對癥下藥。兩種方法各有千秋，其中“定性投資”代表人物沃倫·巴菲特，其過去20年投資收益率平均每年20%；而“定量投資”代表人物詹姆斯·西蒙斯，過去20年投資收益率達到平均每年35%。

新華“祥瑞一生”：回歸保險本原

新華人壽保險日前推出其最新研發的核心保障型壽險產品“祥瑞一生終身保障計劃”。祥瑞一生終身保障計劃由保額分紅型終身壽險與提前給付重大疾病附加險組合而成，可提供身故、意外、健康、養老等多重保障，從根本上為客戶搭建涵蓋一生的風險防范體系。

新華保險總裁何志光向記者介紹說：“這是在新的行業監管導向和公司發展戰略下推出的一款戰略性產品，標志新華保險產品結構轉型的開始。”

該產品主附險結合的設計模式，不僅可提供多層次保障，而且令費用更經濟實惠，“低費高保”，可謂功能強，價值大。其具體功能與優勢體現如下：首先，該計劃為客戶提供終身生命保障，轉嫁未知風險，體現生命價值；其次，對重大疾病給予救治資金支持。重疾保障范圍達35種（類），并設有癌癥特別關愛金，對治療費用高昂的惡性腫瘤加強保障；第三，特別增設了“養老年金轉換”功能，客戶可選擇將保單適時轉換為養老年金，增加保單的可見利益，靈活實現養老規劃；第四，“祥瑞一生”采用新華保險經典的保額分紅方式，通過復利的長期積累，使保障額度不斷增長，體現出資金的時間價值。此外，該產品還能幫助客戶作為遺產規劃的一部分，有效傳承財富。

行業動態：

篇8

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。基于因素模型的套利定價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9

Alpha策略最初的理論基礎是套期保值，是由美國經濟學家H.working提出的，隨后股指期貨的面市，量化研究便激發了人們濃厚的興趣。傳統的資產管理者理念的哲學基礎大部分為追求收益風險平衡，然而平均市場收益與超額收益又很難達到絕對的均衡，因此將超額收益也即Alpha分離出來，建立起基于Alpha策略的量化投資，有助于指導投資實踐。

1 Alpha策略在量化投資中的應用意義

量化投資指的是以現代計算機技術為依托，通過建立科學的數學模型，在充分掌握投資環境的基礎上踐行投資策略，達到預期的投資效果。采用量化投資方式的優點包括其具有相當嚴格的紀律性、系統性，并且對投資分析更加準確與及時，同時還具有分散化的特點，這使得策略的實施過程更加的機動靈活。量化投資過程使用的具體策略通常有量化選股、量化擇時、統計套利、高頻交易等，每一種策略在應用過程各有千秋，而Alpha策略屬于量化選股的范疇。傳統的定性投資也是投資人基于一種投資理念或者投資策略來完成整個投資活動的，最終的目的是要獲得市場的占有率，并從中取得豐厚的利潤。從這個角度來衡量，量化投資與傳統投資的本質并無多大差別。唯一不同的是量化投資對信息處理方式上和傳統定性投資有著很大的差異性，它是基于現代信息技術、統計學和現代金融工程理論的基礎上完成對各類數據信息的高效處理，在對信息處理的速度、廣度上是傳統定性投資無法比擬的。在對投資風險的控制方面也具有很大的優勢，是國際投資界興起的新型投資理念和應用方法，也在日益成為機構投資者和個人投資者共同選用的有效投資方案。現階段量化投資的技術支撐和理論建設的基礎包括人工智能技術、數據挖掘、支持向量機、分形理論等，這些現代信息處理與數據統計方式為量化投資的可操作性提供了堅實的基礎。

Alpha策略在量化投資中的使用優點主要是對投資指數所具有的價值分析與評定。它不是依賴于對大盤的走向變化或者不同股票組合策略趨勢的分析，對投資價值的科學分析與合理評估更能吸引投資者的目光。Alpha策略重視對沖系統風險所獲得的絕對收益，在股票投資市場上是一種中性的投資方式，具體的程序有選擇資產、對資產的優化組合、建立具體組合方式、定期進行調整。為了促進該策略在投資市場中獲得良好的收益，就必須先要重視優秀的選股策略，其次是重視期貨對沖平均市場收益的時候所產生的風險控制問題。對沖系統風險時，若是能夠及時地對投資組合與相關的股指期貨的平均市場收益指進行精準地判定和預測，那么將會對整個投資行為產生積極的影響。

2 基于Alpha策略的量化投資具體策略和實踐方法

通常情況下，Alpha策略所獲得的實際收益并不是一成不變的，這與該策略本身的特定有關，具體表現在周期性與時變性上。

Alpha策略的時變性主要是指當時間產生變化時，超額收益也會隨之而改變。需要清除的是Alpha反映的就是上市公司超越市場的預期收益，因此屬于公司資產未來估值預期的范疇，所以上市公司自身所處的發展階段和發展環境不同，那么就會給Alpha帶來影響。由于時變性的特點，這就給策略的具體估計模型的設立帶來了更多不可確定的因素，為此，參照對Alpha滿足不同動態假設的理論基礎，建立起一個可以獲得不同種類估算的模型，同時假定在同一個時間范圍內，超額收益和市場平均收益都保持恒定不變，這就極大地簡化了計算的過程與步驟。也就是說在該段時間內，市場上股票投資組合基本面不會有太大的變化與波動，這就與實際的投資狀況基本達成一致。對于投資策略的調整則要根據上市公司重大事項發生情況而定，那么估算的時間單位周期可以采用每日或者每周估算，對每一個季度的歷史數據進行調整也可以作為一種調整方式，反映公司季度行情。對于具體證券而言，采用季度或者每周的調整頻率則不是最為理想的，還要針對公司情況與市場行情綜合調整。

Alpha的周期性特點在交替出現的正負號上最為突出，導致這一情況產生的原因主要是行業的周期性特征與套利效應共同造成的。具體而言，首先不同類型的證券分別屬于不同的行業所有，當行業處于景氣周期循環狀態下會影響Alpha的符號與大小，同時景氣程度的深與淺也會對此產生影響。其次一個股票組合產生非常大的超額收益情況下，市場中的其他機構投資者或者個人投資者就會不斷地參與到該組合的投資中來，最后會導致Alpha逐漸接近于零。因此在建立不同策略的組合方面，要針對每一個季度的具體情況和波動率，進行綜合性地評價與分析，并及時地做出必要的調整，以便最大限度地獲得市場收益。

量化投資中的Alpha策略并不是一種單一類型的策略，不同的策略都在尋求獲得超額收益的市場機會和可能性。現階段市場上采用的Alpha策略主要有多因子選股策略、動量策略或者反轉策略、波動性策略、行業輪動策略、行為偏差策略等，每一種策略在具體實施過程中都有其特征性，并且可以相互結合使用，發揮出綜合預測和評價的作用。

多因子選股策略是必要和常用的選股方式，最大的優勢是可以將不同種類和模塊的信息進行高效化綜合分析與評價后，確定一個選股最佳方案，從而對投資行為進行指導。該種選股策略的模型在建立方面比較容易，是量化投資中的常用方式。同時多因子模型對反映市場動向方面而言具有一定的穩定和可靠性，這是因為所選取的衡量因子中，總有一些可以把握住市場發展行情的特征，從而體現其本來就有的參考價值。所以在量化投資過程中，很多投資者都使用多因子模型對其投資行為進行評估，無論是機構投資者或者是個人投資者，都能夠從中受益。多因子選股策略模型的建立重點在于對因子的剔除和選擇上，并要合理判斷如何發揮每一個因子的作用，做出綜合性的評定。

動量策略的投資方式主要是根據價格動量、收益動量的預期與評定，對股票的投資進行相應的調整，尤其是針對本身具有價格動量的股票，或者分析師對股票的收益已經給予一定評級的股票，動量策略的應用效果會比較理想。在股票的持有期限內，某一只股票在或者股票投資的組合在上一段時間內的表現均佳，那么則可以判斷在下一段時間內也會具有同樣的理想表現，這就是動量效應的評價依據，從而對投資者的行為起到一定的影響作用。反轉策略和動量策略恰好相反，是指某一只股票或者股票投資組合在上一段時間內表現很不理想，然而在下一個時期反而會有突出的表現，這也給投資者帶來了一線希望，并對影響到下一步的投資策略的制定。

波動性策略也是Alpha策略的一種方式，主要是利用對市場中的各股運動和發展狀態的細致觀察與理智分析后，列出一些具有相當大的波動性的股票，同時這些股票的收益相關性也比較低，對此加以動態化的調整和規劃，從而逐漸獲得超額收益的過程。在一些多因子選股策略中也有機構投資者或者個人投資者將股票具有的波動性作為考察與評價因子之一，波動性策略經常和其他策略相結合來評價，這說明股票投資市場本身就具有一定的波動性，因此在投資過程中要慎重對待。

篇10

資金流是一種反映股票供求關系的指標，是指證券價格在約定的時間段中處于上升狀態時產生的成交額是推動指數上漲的力量，這部分成交額被定義為資金流入；證券價格在約定的時間段中下跌時的成交額是推動指數下跌的力量，這部分成交額被定義為資金流出；若證券價格在約定的時間段前后沒有發生變化，則這段時間中的成交額不計入資金流量。當天資金流入和資金流出的差額可以認為是該證券當天買賣兩種力量相抵之后，推動價格變化的凈作用量，被定義為當天資金凈流量。

有效市場假說的概念是說證券價格已經能夠完全反映所有可獲得的信息，即在有效的證券市場中，不論選擇何種證券，投資者只能獲得與證券風險相當的正常收益。然而完美的有效市場存在的可能性是很小的，同樣對于中國證券市場而言，市場并不十分有效，并且股價在短期內可能受到某些消息的影響，或者某些市場內在因素的改變從而產生劇烈波動帶來的差價投資機會，因而在市場中經常存在交易性機會，從而在量化投資選股方面也有很多種選股策略，根據資金流選股便是其中一種。

資金流策略是指根據資金流這一指標進行選股的一種量化投資策略。該模型使用資金流向主要通過衡量當前市場上的股指或股票的資金流入或者流出的狀態，從而進一步去衡量未來股票的漲跌情況：如果是資金流入的股票，則股價在未來一段時間可能會上漲；如果是資金流出的股票，則股價在未來一段時間可能會下跌。這樣就可以根據資金流向來構建相應的投資策略。

二、資金流策略具體操作及結果分析

（一）資金流策略指標含義及操作步驟

對于資金流向的判斷，根據買賣雙方的力量對比來衡量。資金流分為流入流出兩個方向，如果當前的成交價格在買方，則認為是賣方出賣股票的意愿較強，資金流出；如果當前的成交價格是在賣方，則認為是買方買股票的意愿較強，資金流入。對于資金流的測算，采取日數據計算，即當日價格上漲全部計算為流入，若當日價格下跌則計算為流出。本文采用的選股指標包括：1. 資金流信息含量IC（資金流中有效信息含量），將資金流向標準化，用當天的資金流凈額除以當天的股票成交量，即資金流凈額/交易額。2. 資金流強度MFP，資金流凈額/流通市值，即標準化資金流的強度。3. 資金流杠桿倍數MFL，流通市值/資金流凈額，即衡量資金流的撬動效應。

操作步驟：選股策略基于滬深300指數成分股，并將股票按照各指標進行排序，去除數據計算無效的股票；研究的時間從2014年10月1日到2016年8月31日，共6期；組合調整的日期為4月30日（一季報披露完成）、8月31日（二季報披露完成）、10月31日（三季報披露完成）；剔除在組合調整日前后長期停牌的股票；組合構建時為等權重；組合構建時股票的買入賣出價格為組合調整日收盤價，若調整日為非交易日，則向前順延；在持有期內，若某只成分股被調出滬深300指數，不對組合進行調整；將各成分股的季收益率與其相應指標進行合并，去除無效數據；將已合并好的滬深300成分股按照指標按照從高低的順序排列；分為6組：排名前10的成分股、排名前20的成分股、排名前50的成分股、排名在50～100的成分股、排名在100～200的成分股、排名在200以后的成分股；計算出各組平均季收益率，將各組平均的季收益率與同期滬深300指數的收益率作對比，考察跑贏概率。在2014年10月1日至2016年8月31日共進行了12期組合的調整，不計交易成本。

（二）資金流信息含量假說及檢驗

1. 資金流信息含量假說

信息無效――回歸擬合優度很差

信息泄露――回歸擬合優度很好，資金流系數為正

信息反應過度――回歸擬合優度很好，資金流系數為負

R■=MFPt，iβ1，j+MFLt，iβ2，j+R■β3，j+αi

其中，R■表示第t期股票i的超額收益率；R■表示第t+1期股票i的超額收益率；β表示各公示因子的回歸系數；MFPt，i表示第t期股票i的標準化資金流；MFLt，i表示資金流杠桿倍數。

2. 對資金流信息含量假說的檢驗

本文以浦發銀行（600000）為例，設第t期為2016年3月10日到20日，則第t+1期為2016年3月20日到30日，對于非交易日順延并剔除無效數據信息；首先計算出第t期的資金流強度MFP和資金流杠桿倍數MFL；然后計算出第t期和第t+1期浦發銀行的超額收益率；最后用Eviews進行多元回歸分析檢驗。檢驗結果如表1所示。

由表1可知，線性回歸系數為0.965963，擬合系數為0.933085，接近于1，說明擬合程度很好，第t期的股票超額收益率、資金流強度和資金流杠桿倍數這三個自變量對于第t+1期的股票超額收益率的解釋程度很高。

由表2可知，F值為6.97219，F>F0.01（5.64），即方程極其顯著，各自變量對因變量有很顯著的影響，方差值很小，比較穩定。

由表3可知，資金流信息含量IC的回歸系數為-1.05399，與t+1期超額收益率呈負相關，資金流強度MFP的回歸系數為257.5974，與t+1期超額收益率呈正相關，資金流杠桿倍數MFL為-4.6E-07，與t+1期超額收益率呈負相關。從而回歸方程為：

R■=257.5974MFPt，i-（4.6E-07）MFLt，i β2，j-2.05606+R■+αi

綜上所述，當期的超額收益率、資金流強度、資金流杠桿倍數這三個指標對于下一期的股票有著很好的預測效果。

3. 根據資金流信息含量IC選股策略結果

由表4可知，整體上看，資金流信息含量較低的組合表現較好，其中資金流信息含量排名200之后的成分股構成的組合表現較好，記為組合IC（200）。在2014年10月1 日至2016年8 月31 日間，不考慮交易成本，組合IC（200）年化收益率為8.97%，高于同期滬深300 指數的表現。在6期中，組合IC（200）有5期跑贏了滬深300 指數，跑贏概率為83.33%。

（三）資金流強度MFP

1. 根據資金流強度MFP選股策略結果

2. 根據資金流強度MFP選股策略結論

由表5可知，整體上看，資金流強度較低的組合表現較好，其中資金流強度排名200之后的成分股構成的組合表現較好，記為組合MFP（200）。在2014年10月1 日至2016年8 月31 日間，不考慮交易成本，組合MFP（200）年化收益率為10.62%，高于同期滬深300 指數的表現。在6期中，組合MFP（200）有5期跑贏了滬深300 指數，跑贏概率為83.33%。

（四）資金流杠桿倍數

1. 根據資金流強度MFL選股策略結果

2. 根據資金流強度MFL選股策略結論

由表6可知，整體上看，資金流杠桿倍數較低的組合表現較好，其中資金流強度排名100～200的成分股構成的組合表現較好，記為組合MFL（100，200）。在2014年10月1 日至2016年8 月31 日間，不考慮交易成本，組合MFL（100，200）年化收益率為-2.93%，高于同期滬深300 指數的表現。在6期中，組合MFL（100，200）有4期跑贏了滬深300 指數，跑贏概率為66.67%。

三、各策略比較分析

將根據不同指標所選股的結果放到一起進行比較，時間是從2014年10月1日到2016年8月31日，由進一步的比較分析可知，按照低資金流強度選股的策略表現最好，年化收益率達10.62%，在6期的分析中有5期的收益率超過大盤，跑贏概率為83.33%。

四、資金流策略的有效性分析

正因為中國的A股市場不是特別有效的市場，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、分散化的優點而不惑國內市場的各種投資機會。相比定性分析，現階段A股市場的特點更適合采用客觀、公正而理性的量化投資風格。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，留給量化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，盡管在國內發展歷程較短，從國內已有的采用了量化投資方法并且已經運作了一段時間的基金來看，量化基金可以被證明是適應中國市場的。

本文采用現代計量經濟學的方法研究了從2014年10月1 日到2016年8 月31 日間滬深300成分股的情況，探討了資金流信息含量的預測作用，研究了根據資金流三個指標進行選股所做策略組合的收益情況。主要涉及資金流信息含量IC、資金流強度MFP、資金流杠桿倍數MFL這三個指標，分別根據每個指標進行選股，觀察其組合走勢情況，得出的主要結論有：第一，資金流信息含量對下一期的股價走勢有一定的預測作用；第二，根據上述的三個指標進行選股所做策略，在一定程度上是可以獲得超過大盤的收益率。

作為量化投資的一個組成部分――策略指數基金已經發展起來，其中選股策略就包括本文所論述的資金流策略。不僅能夠做到有的放矢，而且可以滿足投資者不同風險收益偏好的投資需求。

參考文獻：

[1]（美）羅伯特?A?哈根.金融學――有效市場的反例[M].清華大學出版社，2002.

[2]（美）羅伯特?阿諾德，許仲翔，約翰?韋斯特.基本面指數投資策略[M].社會科學文獻出版社，2010.

[3]丁鵬.量化投資――策略與技術[M].電子工業出版社，2012.

[4]朱世武.基于SAS系統的金融計算[M].清華大學出版社，2004.

[5]曹立著.透視無形之手――中國證券市場資本流量運動解析[M].深圳出版發行集團海天出版社，2009.

[6]田存志，王聰.證券市場信息非對稱問題的理論與實證研究[M].中國社會科學出版社，2013.

[7]陳威杰，蔡志成.數量化投資指標之資金流策略指標研究[J].時代金融，2013（12）.

[8]石建輝，基于資金流的股指期貨投資策略[J].中國證券期貨，2014（01）.

篇11

對于任何一項投資，環境條件的優劣直接影響了投資效益的好壞。 投資環境是影響房地產投資行為的外部因素的總體,是理性的房地產投資活動賴以進行的前提。在一定的條件下,投資環境因素對房地產投資的成敗起著關鍵的作用。由于高投入、高風險、復雜性、開發周期長及影響因素多等方面的原因,所以科學的對投資環境進行分析并對投資的前景進行預測,是防止風險和確保高收益、高回報的必要前提與基礎。房地產投資環境評價工作在經濟生活中日益受到人們的重視，評價方法的研究也在逐步展開。目前，常見的房地產投資環境定量評價方法包括初級因素打分法、多因素系統評估法、綜合性定量方法、雷達圖分析法、關鍵因素評估法等。但這些評價方法對于主觀性指標處理得比較粗糙。變權綜合法由于所需數據少,評價準確性高；而且更能突出指標體系中個別指標的明顯變化，比常權綜合法更接近專家評估的思維模式，所以它在社會各行業得到廣泛應用。本論文建立了一個基于變權綜合評價方法的投資環境評價模型,并以河北省某地區為例,給出了一個實證分析。

二、變權綜合法

定義2.1稱為一個m維常權向量，如果對于任意,有,且滿足。

定義2.2 給定映射，稱向量,為m維局部變權向量，如果滿足:

(1)歸一性

(2)懲罰激勵性：對每個，存在，且，使得關于在內單調遞減，在內單調遞增。

定義2.3 給定映射,稱向量,為m維局部狀態變權向量，如果對于每個，存在，且，滿足條件：

(1)對于每個，對于常權向量,在上關于遞減，在上關于遞增。

(2)當時，;當時，。

定理2.1 設為一個m維局部狀態變權向量,為任一常權向量，則, 為一個m維局部變權向量。

給定指標集,各指標的常權分配為，某被評價對象各指標的評價值為：，取定局部狀態變權向量:,可得局部變權向量：,于是綜合評價值為：

三、基于變權綜合法的房地產投資環境評價模型

房地產投資環境評價指標體系是對投資環境進行綜合評價的依據和標準。它的設置應符合系統全面、簡明科學、穩定可比、靈活可操作的原則。因此，本文按隸屬關系、層次結構，將影響投資環境的因素加以系統分析和合理綜合，其構成要素一般分為政治、經濟、自然、基礎設施和社會因素四大方面。欲建立房地產投資環境測評模型，應遵循：構建評價指標體系評價指標定量化建立測評模型。根據以上分析，本文借助層次分析法確定了權重向量，基于變權綜合法建立一類測量房地產投資環境的定量化模型，具體步驟如下：

1.運用層次分析法，建立層次結構模型，確定權重系。如表1所示，

表1 河北省房地產投資環境指標體系

2. 下面我們通過對河北省某地區房地產投資環境進行評價。我們邀請了10位專家，分別對各指標進行按評分標準打分，得到二級指標狀態值。

比如我們首先取定:

得到房地產投資環境評價過程如表2:

表2

按照上述步驟，經過計算得出：雖然該地區社會政治環境和基礎設施環境都較好，但由于自然環境和經濟環境稍差，采用變權綜合法達到了懲罰的目的，而常權綜合卻未能達到此效果。

四、結束語

由于房地產投資環境復雜性，不確定的影響因素眾多，投資者對環境的選擇尤為慎重，投資環境的好壞直接影響到投資者的收益。對投資環境做一個公正合理的評價至關重要。本論文所采用的變權綜合評價法，運用定性和定量相結合，專家評價和科學計算互相補充的分析方法，比常權評價法更為準確，具有一定的適用價值。

參考文獻:

[1]姚炳學李洪興:局部變權公理體系[J].系統工程理論與實踐,2000,20(1):106～112

[2]羅萍，投資環境的變權綜合評價法[J].商場現代化, 2006年10月(中旬刊）:183～184

[3]王曉玲:素質教育評價中的變權綜合方法[J]．系統工程理論與實踐，2004.4(4):136～140

篇12

一、引言

1983年郭開仲教授提出了消錯學，消錯理論研究的對象是錯誤。研究的內容是錯誤的發生原因和機制，錯誤的傳遞，轉化的方法和規律，預測、避免、減少、消除錯誤的方法和規律。在理論上，既研究一般的錯誤概念和性質，又研究如何把一個一般的錯誤抽象為一個對象系統，從而研究系統錯誤的理論；研究如何建立定量化描述錯誤的一種方法等。在應用上，既要研究如何把理論方法應用于實際的應用理論、應用方法、應用技術，又要重點研究建立有關領域、判別、預測、避免、和消除錯誤的專家系統和專家系統的應用推廣等。消錯理論采用數學（高等數學、離散數學、模糊數學、微分方程，數理統計、系統科學、系統工程等）方法研究錯誤的定量化，采用邏輯（邏輯學、形式邏輯、數理邏輯、模糊邏輯，辯證邏輯、辯證數理邏輯等）的方法研究錯誤的關系，利用各學科的理論、方法和研究成果與錯誤理論相結合的方法研究各學科領域的錯誤，建立了一個獨具特色的消錯學理論體系[1]。

消錯學為定量化研究錯誤奠定了理論基礎。該理論在許多領域進應用研究、檢驗其科學性，這些領域涉及企業固定資產投資、復雜大系統沖突、證券投資、組織溝通、企業危機管理等。可以期待的是，研究者針對更多的具體問題應用消錯學理論，消避錯的方法在實際問題的研究過程中，會得到豐富。

二、消錯理論主要內容簡介[2-7]

1） 消除錯誤的步驟

消除錯誤的步驟是指消錯學時如何應用到實際消除錯誤當中去的步驟。

2） 消除錯誤的步驟

消除錯誤必須要從需解決的問題入手。 在已知問題的基礎上，把該問題抽象為一個對象系統。同時，在該研究問題所界定的論域上建立一組相應的科學的判別規則。 建立錯誤函數。 計算錯誤值，若錯誤值小于零，則該問題在所建立的判別規則下無錯誤，該問題結束。 若錯誤值大于零，就要尋找錯誤，且要尋根究底。即找出發生錯誤的根本原因。 變換系統或規則，找出消除錯誤的方案。 計算消除錯誤的效益及代價。 進行綜合評價，若滿意，則得到一組消除錯誤的方案，且實施，直到結束。若不滿意，則返回到第四步繼續進行，直到方案滿意為止。

（3） 消除錯誤的方法

從綜合變換可知，對于研究的系統 X ，出錯的要素有四個：

論域， 系統， 時間， 判別規則。

因此，我們不但可以單獨對這些要素進行變換，而且還可以同時對它們中的若干個進行變換，由此有：

1） 變換論域；2） 變換系統； 3） 變換時間； 4） 調整判別規則； 5） 同時變換論域與系統；6） 同時變換論域與時間；7） 變換論域與調整規則同時進行； 8） 同時變換系統與時間； 9） 變換系統與調整規則同時進行；10） 變換時間與調整規則同時進行； 11） 同時變換系統、論域和時間；12） 變換論域，系統和調整規則同時進行；13） 變換論域，時間和調整判別規則同時進行；14） 變換系統，時間和調整判別規則同時進行；15） 變換論域，系統，時間和調整判別規則同時進行；

對每一個要素的變換，一般又可以進行六種基本變換。

1） 擴縮（相似或等價）；2） 置換； 3） 分解；4） 單位變換；5） 增加； 6） 毀滅。

對于這些基本變換又具有三種組合方式：

1） 積， 2） 或，3） 逆。

我們稱這種消除錯誤的方法為“十五、六、三”法。

三、消錯學的研究方法和目標[8-13]

我們采用數學方法研究錯誤的定量化，采用邏輯的方法研究錯誤的關系，利用各學科的研究成果和消錯學理論相結合的辦法研究各學科領域的錯誤。即我們采用理論與實踐相結合，取各家之長為我所用，建立一個獨具特色的消錯學理論體系。

從1983年到現在， 消錯學理論的基本框架已基本建立， 并得到了國內外許多著名專家的高度評價。因此， 今后除繼續完善和深入研究理論框架外， 還要大力研究消錯理論在決策科學里的應用。 因為我們已在本科和專科班中開設“消錯學”的選修課； 在研究生中開設“消錯學”的理論課；所以在組織機構上， 我們希望能建立消錯理論研究室和有穩定的資金來源， 承擔《消錯學》的教學和消錯理論的研究工作。

2001年之前， 我們出版了《消錯學引論》，《判別企業固定資產投資決策錯誤的理論和方法》，《復雜大系統沖突與錯誤的理論方法及應用》，《錯誤集論》等消錯理論的四本專著， 在國內外發表有關論文100多篇。在此基礎上， 今后特別要完成消錯理論在決策領域的應用方法研究的有關課題。

長遠目標是： 建立《消錯學理論》的完整的理論體系， 為全社會減少或避免錯誤給人們帶來的損失或災難而奮斗。為此，我們要進行廣泛的調研和參加國內外有關學術會議，特別要加強國內外的聯合研究， 有計劃、有組織地開展研究工作。

消錯學研究的對象是錯誤。研究的內容是錯誤的發生原因和機制，錯誤的傳遞，轉化的方法和規律，預測、避免、減少、消除錯誤的方法和規律。在理論上，我們既研究一般的錯誤概念和性質，又研究如何把一個一般的錯誤抽象為一個對象系統，從而研究系統錯誤的理論；研究如何建立定量化描述錯誤的一種方法等。在應用上，我們既要研究如何把理論方法應用與實際的應用理論，應用方法，應用技術；而又要重點研究建立有關領域、判別、預測、避免、和消除錯誤的專家系統和專家系統的應用推廣等。

四、消錯學在管理科學中的應用理論[8-9]

1 判別錯誤

要判別錯誤，在一般情況下，我們需要把我們的研究對象抽象為一個相應的對象系統：

X=X（Wi，T（t1，t2），J，GY，MG，R），

即找出研究對象所涉及的所有問題構成的集。

2分析錯誤的發生原因和機制

在上面步驟完成之后，我們就找出了對象系統的錯誤發生在哪里，錯誤的程度如何？根據這些信息，我們需要進一步分析錯誤的原因和錯誤在對象系統中的各種作用，找出該對象系統的結構。

3 預測錯誤

用預測學中的各種技術，預測對象系統中的各要素在 t0 時刻的狀態，同時要預測規則在 t0 時刻的狀態，建立在 t0 時刻的錯誤函數，從而計算在 t0 時刻的錯誤值。

4研究錯誤的傳遞、轉化的方法和規律

利用錯誤系統、錯誤集、錯誤函數等理論去研究該對象系統的傳遞、轉化的方法和規律。

5 消除錯誤

要消除錯誤，先要找出消除錯誤的方法，即找出消除錯誤的各種方案后計算各方案消除錯誤的代價。再由系統的效益和代價來評價消除錯誤的方案，最后確定消除錯誤的最終方案，從而達到我們研究錯誤的最終目的，減少、避免、消除錯誤。

五、結語

本文對錯誤理論的研究背景、動機和國內外的研究現狀作了闡述，并系統地介紹了該理論的研究方法和研究工具，給出了消錯學理論的相關概念以及其算子。再者，探討了消錯理論對管理實踐、社會科學當中應用的具體步驟，以及其應用的前景。消錯理論及其在管理與決策中的應用正在愈來愈多地受到學術界和業界的關注，特別是在管理中的應用已經引起了國際許多學者的關注。鑒于這個理論的獨創性和創新性，因此，該理論具有巨大的研究空間，期待有更多的有識之士和感興趣的學者能加入這個研究中來。

參考文獻

[1] 郭開仲，張式強. 判別企業固定資產投資決策錯誤的理論和方法[M]. 華南理工大學出版社， 1995.

[2] 劉永清，郭開仲. 復雜大系統的沖突與錯誤的理論及應用[Z]. 廣州： 華南理工大學出版社， 2000.

[3] 劉紅兵. 模糊錯誤邏輯研究及其在防范證券投資風險中的應用[D]. 廣東工業大學， 2000.

篇13

在任何一家公司進行一筆大的投資前，都應該對新技術和新設備能夠節省的成本，以及對運營可能造成的影響有個清晰的認識。“工程學”的方法相對于“最佳狀況”法更能有效地評估潛在的投資。“工程學”的方法需要從“微觀”的角度或者因素層面上研究運營現狀（和工程師在建立工程勞動標準時所用的方法類似），還需要準確地找到新技術的引入會對哪些因素造成影響。而新技術對每種因素的影響程度會由主題專家通過“工作效率研究”技術或者實際估算得出。

簡而言之，評估新技術或者新設備的“工程學”方法能預測將來勞動標準所需要的成果，而這些成果則與新技術能夠帶來的勞力成本節約直接相關。這一方法即指構建一個成本預算體系以反映某一特定設備和運營的實際情況，減少因失誤帶來的經濟損失。

考慮運營影響

在著手對倉庫和分撥中心的新技術或新設備進行評估前，公司需要對當前從接收到發運的運營績效有個充分的認識。在掌握這些信息后，公司就能通過“工程學”的方法對采用新技術或新設備前后進行對比。

“工程學”方法的第一步是確定公司的運營改進目標都有哪些特定方面，并且搞清這些方面在引入新技術或者新設備后會發生哪些變化，這些變化有可能是變得更好也可能是變得更糟。有時候一些廠商會把推銷說辭也歸入運營改進目標的一方面，但大部分有專業技能和熟悉運營的管理者都會明確那些方面是確實需要改進的。

每一項大型投資對運營的某個單獨方面帶來的不僅僅只有積極影響。比如，引入托盤自動包裝機雖然能夠減少每個托盤的包裝時間，但又會增加包裝前的準備時間；遠程控制的物料搬運設備雖能通過減少一些步驟來加快揀選過程，但也會在操作員等待設備響應系統命令時產生延遲。

“工程學”方法第二步是要考慮新技術的引入如何對運營的其他方面造成影響，這些方面包括了上游和下游工序，有可能也包括設備維護和技術支持功能。仍然以前文所述的托盤自動包裝機為例，雖然包裝機比手工操作更有效率，但它在包裝前的準備階段存在瓶頸。如果研究表明這個瓶頸是由人員等待使用設備而產生的，則購買者需要估算應該購買多少臺設備才能防止延遲產生。

另一個需要考慮的重要因素是解決方案會對工廠的實體布局以及交通線路會造成什么樣的影響，這包括了以下幾個問題：設備的擺放位置是否會阻斷交通流？新設備與工作區中其他設備是怎樣交互運作的？是否需要調整/引入設備的前后期檢查或預防性檢修程序，以保證設備周圍的安全性。

此外，了解新方案的可靠程度以及需要什么樣的維護也很重要。當設備在停機和維護期間，為了使運營正常，在需要某些技能的同時，定義其它程序時也會帶來額外的成本增加，然而很多人往往忽視了這些需求。這些都是在銷售和商業案例評估中容易被購買者忽略的因素。

基準VS 未來

一旦購買者了解了新技術或者新設備的潛在影響后，他們需要為檢測任務的每一個步驟采集一個基準值（比如節省的勞力通常以時間來衡量）。每一個步驟還得細分，稱為元素。那些不受新技術影響的元素可以忽略，但這些元素可以使購買者找出在新技術和新設備引入前后運營上的差別。有很多種方法可以采集到每個元素的執行時間，比如碼表研究法、時間-動作研究法等。只要現有的工程勞動標準足夠準確，并且在18到24個月內更新過，公司就可以利用該標準來量化當前的環境。那些沒有適當的工程勞動標準的公司也可以采用這一方法，但預先需要收集更多數據。

對于公司來說，理解新技術是怎么影響工程標準的架構以及如何用適當的激勵機制來管理員工是非常重要的。如果公司不通過調整工程勞動標準或激勵機制來應對新技術的影響，則很有可能達不到期望中節省費用的目的，也不能獲得預期收益。

掌握了運營現狀的基準信息，購買者就可以預測到新技術會如何對每個元素造成影響。在理想狀況下，潛在的購買者通常會在工廠中引入新技術或者新設備，培訓員工如何使用這些新技術，并會研究這些技術會對周圍環境造成什么樣的影響。對新技術或設備進行測試不僅能發現無法預料的缺陷，還能為后續與供應商洽談提供事實依據。

由于許多技術和設備需要大量的資金投入，所以不可能在工廠中進行“測試運行”。在這種情況下，仿真模型則大有用處。但在使用仿真模型時，必須記錄下所有的假設，因為這些假設為那些從數據中得出的結論構造了框架。

在估算了受影響區域當前值和未來值之后，下一步需要計算偏差，然后將其用到勞動力模型和受影響的過程中，來計算新技術或新設備的成本和生產率。如果一家公司擁有帶仿真能力的勞動力管理系統，則可以通過未來狀態的模型來進行實際作業分配，并且能準確調整勞動力分配，比如每個地區的勞動力，每項作業的勞動力，每項作業所需的托盤，以及步行和騎行所占的百分比。對于沒有仿真能力的公司，則需要收集盡可能大的數據樣本以確保勞動力假設條件能夠反應長期的運營環境。

一旦購買者對新技術或者新設備的影響進行了量化，就會發現數據帶來的便利。因為花費了大量努力去計算出一個精確的節約費用，所以高管們都希望能立即將得出的數據用于投資回報率（ROI）的模型中并開始將節省的費用轉化成現金。但是在上述模型的量化過程中，以下幾個問題必須考慮：新技術的引入是否會在貨物流的運營中帶來新的瓶頸？新技術是否存在“過程限制”，即這些新技術是否會在提高總體平均水平的同時限制了倉庫的高績效。對于上述問題，采用更為傳統的方法來估算未來收益是一種明智的做法。

與供應商談判時，能夠準確預測從資本投資中節省費用的方法將是非常有用的工具。假如引入的新技術和新設備不能夠達到要求的ROI，購買者則會壓低價格，把新技術或新設備作為可行的選擇。如果價格沒有可以變動的空間，購買者就會要求供應商調整新設備以補償ROI的差額。