量化投資

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇量化投資范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

量化投資范文第1篇

量化投資可以理解成在投資時需要用到數學、統計學、信息技術等知識；投資者會搜集大量的數據，然后借助計算機系統強大的信息處理能力，同時采用先進的數學模型替代人為的主觀判斷，在控制風險的前提下實現最大化的收益。

量化投資的優勢有很多，比如投資的策略都是根據大規模的數據得出的，而且在執行時不會受投資者情緒的影響，能夠有效克服認知的偏差；可以快速的跟蹤市場變化，不斷發現能夠提供超額收益的新統計模型，尋找新的交易機會。

量化投資的優勢還有分散性，在有效控制風險的前提下，量化投資可以起到分散化投資的工具，比如量化投資可以從歷史數據中挖掘出一定的規律并且加以利用，這些規律可以較大概率獲取投資收益。

（來源：文章屋網 ）

量化投資范文第2篇

在如今每位公民都想通過金融產品投資的方式來增加個人資產的時代，量化基金的高收益率逐漸被投資者所知。西蒙斯，一位世界級的數學家以年凈賺15億美元成為全球收入最高的對沖基金經理，名氣可謂超過金融巨鱷索羅斯。大獎章年化以35%超越股神巴菲特年化20%的收益神話。而在2016年5月《機構投資者》旗下出版物《阿爾法》公布的“2016年全球收入最高的對沖基金經理”排行榜中前十位有八位為量化基金經理，前25位有一半屬于量化分析。由此可見海外對沖基金的焦點正從宏觀對沖基金轉向量化對沖基金。

而在國內，量化基金正處于起步階段，國內對于量化投資策略的研究較少。筆者以量化投資平臺上自主開發的策略代碼為例，通過對代碼的編寫優化及檢驗回測，使讀者了解到量化投資的可操作性和高回報性。

1 量化投資策略概述

量化投資是計算機通過開發者編寫的程序來進行分析以及交易整個的品種選擇、交易時機、交易方向以及倉位管理都是通過計算機完成。它避免了投資者個人的情緒影響，完全自動化操作，和如今的工業2.0類似。一個穩定的量化投資策略往往可以勝任一位投資者的多種操作策略，尤其在風險管理上量化投資更勝一籌。

國內的主流量化交易平臺有文華贏智、TB、金字塔決策交易系統和國泰安量化投資平臺等。國內的量化交易平臺繁多，而與海外動輒數百上千億美元的量化基金相比，國內目前量化產品規模總體不大，而嚴格遵循量化投資理念的基金更少。并且A股市場發展時間較短，與發達國家比起來市場效率低太多，所以A股有很大的市場空間和盈利機會。本文以程序化實現簡單、性價比高等特點的文華贏智為程序化交易平臺為例，為防止成果泄露，以上證指數為模型進行探究。

首先，筆者先闡述如何建立一個量化投資策略。

（1）交易思路的確立。不僅僅是量化投資，就算是普通的投資者也需要一套自己的交易體系。賺不到錢，賠錢，一直觀望，總之，所有交易中的不幸都可以歸咎于沒有一套自己的交易系統或者自己的交易系統有問題。

（2）將思路編寫成投資策略。這一項是量化投資的關鍵，如何將自己的投資思路轉變為?C器代碼，首先是由你所在的交易平臺所搭建的語言決定的，例如文華贏智就是使用的比較簡單的麥語言。其次需要對使用的技術指標進行組合搭建，編寫出可運行的代碼。

（3）在計算機上進行回測，選取最優目標組合和參數。技術指標的參數設置往往決定了整個交易系統的成敗，一點點小的誤差往往會導致千差萬別的結果。筆者格外強調資金管理是投資體系中非常重要的部分，卻是大多數投資者忽略的環節，這需要讀者進行不斷學習研究。

（4）進行實盤操作，在操作中不斷完善投資策略，評價該交易代碼。評價程序化交易模型性能優劣的指標體系包含很多測試項目，但主要評價指標有年化收益率、最大資產回撤、收益風險比、夏普比率、勝率與盈虧比等。在下文中筆者將對這些評價指標進行分析。

2 量化投資策略代碼分析：以文華贏智交易平臺為例

在文華贏智中，進入趨勢模型跟蹤編寫平臺，利用麥語言中已存在的函數進行編寫，現筆者將自行編寫的其中的一個策略代碼貼出：

MA1：=MA（C，N1）；//多頭均線

RSV：=（CLOSE-LLV（LOW，N））/（HHV（HIGH，N）-LLV（LOW，N））×100；//收盤價與N周期最低值做差，N周期最高值與N周期最低值做差，兩差之間做比值定義為RSV

K：=EMA（RSV，2×M1-1）；//RSV的指數移動平均

D：=EMA（K，2×M2-1）；//K值的指數移動平均

C>MA1 AND CROSS（K，D）；//MA1均線上方，KD金叉，買入

CROSS（D，K）；//KD死叉賣出平倉

參數設置：[N1=10，N=44，M1=M2=27]

筆者需要對參數的設置進行重點提醒。測試參數的不同會對測試結果產生非常大的影響，對于參數的精確設置影響到交易模型的可行與否。

這其中，筆者進行的是順勢交易的代碼編寫。順勢交易，是順著當前的趨勢進行交易。如果當前趨勢上升就買入開倉，當前趨勢下跌就賣出開倉。為了防止惡意做空，本策略只進行多頭行情的研究，空頭行情并沒有疊加進來，所以收益率要比雙向行情要低。

下面對此策略代碼進行回溯。對交易模型的測試結果是否滿意主要與品種、時間、手續費費率有關。不同的品種相同的策略有不同的結果，測試的品種越多，越能檢驗出策略模型的適用性。在時間上，如果所采用的歷史數據越少、時間跨度越短，測試的市場狀況就越狹窄，策略的可靠性就越差，反之亦然。手續費費率的影響就不用多提，但是有關滑點的問題也是策略需要多加研究的方面。

交易人員最關注的是策略到底能否盈利，能賺多少。交易的盈虧額能完全反映這一點。在如下的季度統計圖和年度統計圖中可以看出從2009年8月到2014年11月各有盈虧，比較溫和，總體的波動幅度并不大。而從2014年11月開始，出現了一直盈利并且幅度較大的狀況，尤其是2016年年初的季度，最高的盈利額達到了110354元，這比2014年前總的盈利還要多。而從2016年第一季度后出現了虧損，但是幅度并不大，而后又出現了盈利的情況。該策略在該時間段是盈利的，符合模型最基本的要求，季度統計圖和年統計圖如圖1所示。

交易者在一個策略中擁有的資產總和也是其關注的重點。假如交易者所用的權益小于某一理想的數值，他可能會停止該策略的繼續進行，這也是我們常說的回撤問題。在如下的權益曲線圖中，交易者的權益幾乎是一直遞增，并且在2014年年末后斜率變大，由此我們可以得出使用該策略幾乎不存在回撤問題，對于交易者的心態有著積極的作用。權益曲線圖如圖2所示。

每次交易的盈虧額也是交易者關注的問題，如果虧損數量過大，再加上杠桿的作用，可能就會出現爆倉的問題。首先說明，此回溯并沒有加進杠桿因素，國內保證金按保守20%計算，也就是5倍杠桿，雖然不太大，可是影響還是有的。在如下的盈虧分布圖中，可以看出最大的一筆虧損出現在第500次左右交易時，虧損額為27523，而最大的盈利額也是出現在附近，盈利為32916，看來這附近的波動很大，應該有政策因素在內的影響。該策略總體來說單次盈虧額波動并不大，比較穩健。盈虧分布圖如圖3所示。

只有圖表并不能準確地反映出策略的完全可行性，下面將此策略的測算報告給予公布。

我們從測算報告中可以很容易得出此策略一共測試了2772天，無杠桿收益率為六年50%，而且只是多頭策略。而自2017年2月17日結算時起，滬深300、上證50股指期貨非套期保值交易保證金調整為20%，所以5倍杠桿的話就為250%。如果只看重策略的收益率卻忽略了回撤風險是極其冒險的激進策略。如果策略的收益風險比相同，但是結果還是要取決于資金管理決策。

筆者在此將夏普比率進行說明。評價策略的優劣應從收益值和風險一起考慮。調險后的收益率就是一個同時考慮進了收益和風險的指標，能夠排除風險對評價的不利影響。1966年，夏普提出了著名的夏普比率：S=（R-r）/σ（R為平均回?舐剩?r為無風險投資的回報率，σ為回報率的標準方差）。此公式表示為盡量用最合適的方法用小風險換得大回報。如果為正值就說明投資收益比銀行存款利息高。比率越大說明所獲的風險回報越高。該策略的夏普比率為22.83，可見是一個理想的策略模型。

3 結 論

量化投資范文第3篇

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”[3]。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[4]。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。[5]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。

二、對量化投資在證券投資教學中應用的思考

從上述分析可以知道，量化投資的“黑箱”構造與證券投資學之間存在一定的差異，因此，在證券投資的教學中應當考慮量化投資發展的要求。

（一）市場微觀結構與流動性沖擊

在理性預期和市場有效假說下，市場價格會在相關信息披露后立即調整，在信息披露前后市場有著截然不同的表現。在證券投資學里，一般認為價格的調整是及時準確的，然而，現實的世界里，價格調整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調整是瞬間的，影響不大。然而，在高頻交易中，這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程，認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型，這些市場微觀結構的研究加強了流動性與資產價格之間的聯系，強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容，因而，為了加強證券投資學的實用性，應關注市場微觀結構的內容與發展。

（二）業績評價與高杠桿

對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風險與業績。在組合業績評價中，一方面要考慮風險的衡量，另一方面則要分析業績的來源。在證券投資學中，組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業績評價還應考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統的業績評價就不太一樣。在一般的證券投資學里，業績評價主要考慮經風險調整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻，而且有可能夸大了投資者的技能水平。

（三）人為因素與模型風險

在量化投資中，非常注重計算機對數據和模型的分析，這突出了量化投資的規則性和固定性。然而，實際中，別看量化采用了各種數學、統計模型，但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究，并借助計算機實施策略，能夠消除很多認為的隨意性。但是，量化策略畢竟體現投資者的交易理念，這一部分依賴于投資者的經驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實施依賴于人的設定，而人的設定不僅依賴于經驗，而且人還會犯錯。人之所以會犯錯，一方面是因為人們對市場的認知是不完全的，另一方面則是人們使用了錯誤的模型。經典的證券投資理論中，股票價格的變動被認為是隨機的，小概率事件出現的機會比較小，但是經驗研究表明股票收益率具有肥尾現象，小概率事件發生的機會超出了人們原先的認識，即市場還會出現“黑天鵝”。更為關鍵的是，量化投資更依賴數學和統計模型，這就使得量化投資存在較大的模型風險，即使用了錯誤的模型。為了防范模型風險，應采用更為穩健的模型，即模型的參數和函數應該適應多種市場環境。近年來，研究表明，證券收益及其與風險因素的關系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。

（四）2013年諾貝爾經濟學獎的啟示

量化投資范文第4篇

一、行業輪動策略

在國外，板塊輪動一直作為一種投資策略被廣泛應用于投資實踐。板塊輪動的最基本的特征是，在經濟周期的不同階段，可以系統的預測到不同的經濟板塊（或行業）跑贏（或差于）市場。而且，運用板塊輪動策略的投資者們相信這種相對的績效，即在經濟周期的不同階段從一個板塊轉向另一個板塊所帶來的收益。

國外不少的研究文章發現，板塊的表現并不一致，或者說提前（滯后）于經濟周期階段。Hou（2007）發現了板塊的提前/滯后效應，原因是新信息經濟的到來。Hong，Torous和Valkanov（2007），還有Eleswarapu和Tiwari（1996）的研究認為，和經濟活動有著密切聯系的板塊，如零售，金屬材料，服務業和石油板塊，引領著市場長達兩個月之久。Menzly和Ozbas（2004）證明，行業績效的時機和該行業在生產消費供應鏈中的位置有著密切的聯系，存在于上游和下游行業間的某種穩定的滯后關系。文章結論表明，基礎材料板塊是經濟復蘇階段第一個啟動的板塊，隨后是制造業。Stovall（1996）發現，處于消費末端的消費者相關的行業，如耐用消費品行業，是從衰退到復蘇階段的過程中最后啟動的行業。Sassetti和Tani（2003）關于板塊基金收益的研究表明，在經濟周期中期，板塊轉換是個成功的策略。然而，他們同樣發現，長期的投資者優于市場指數。相對而言，Tiwari和Vijh（2005）就質疑投資者將資金運用于板塊間輪動的能力。他們研究是基于一個板塊基金數據，從1972年到1999年的數據，結果顯示，板塊輪動的投資者缺乏選擇板塊與時點的能力，并且在修正風險與交易費用的情況下，投資者并不能獲得超額收益。

當前，國內的文獻研究多是從行為金融學的角度對研究投資者行為推動的板塊輪動現象進行研究的。何誠穎（2001）認為我國的股票市場的板塊輪動現象具有明顯的投機性，并可分為個股投機、板塊投機和大盤投機三類，然后文章運用現代資本市場理論和行為金融學理論對板塊現象分析，引用Shiller（1989）一文中的兩類投資者（噪音交易者和知情下注交易者）的假設對板塊現象進行了研究分析，并認為板塊現象是一種市場投機，而且其形成與中??股市投資者行為特征密切相關。陳夢根、曹鳳岐（2005）一文從市場中不同證券之間的價格關系出發研究股票價格間的沖擊傳導機制，認為在中國這樣的轉軌經濟新興市場中，投資者受政策預期主導，決策與行為趨同，一定程度上強化了股價沖擊傳導的動態作用機制，整個市場顯著的表現為板塊聯動、股價齊漲齊跌現象。文章實證研究表明，在上海證券市場中，不同的行業板塊在股價沖擊傳導機制中的重要性不同，也即存在著板塊輪動的特征，但是證券市場股價波動的市場性顯著地超過了不同行業板塊的獨立性，不同行業間的組合投資策略的績效并非最佳。還有少量的文獻研究認為存在著其他一些因素如資金流動，莊家炒作等也可以對板塊輪動現象做出一定的解釋。

可以看出我國股市板塊輪動現象的研究，主要集中于板塊現象的描述和測量，以及對板塊輪動現象進行解釋，且目前這些解釋還多是停留在定性理解層面，缺乏系統定量的研究。另一方面將板塊輪動現象作為投資策略應用于投資實踐的研究則相對較少。盡管板塊可以多種形式進行分類，然而以行業屬性劃分板塊是最為基礎的，也是投資決策應用最廣泛的板塊概念。

二、動量策略

動量效應也稱慣性效應，是指在過去一段時間收益率高的股票，在未來一段時間的收益率仍然會高于過去收益率較低的股票，即股票的表現情況有延續原來運動方向的趨勢。反轉效應也稱反向效應，是指在過去一段時間內收益率高的股票，會在以后的一段時間會表現較差；表現差的股票在以后的一段時間，其收益率會出現逆轉趨勢。

國外對于動量效應和反轉效應的研究始于1985年，DeBondt和Thaler基于1926年至1982年美國證券市場上的股票交易數據，采用相等權重在贏家組合（也稱為贏者組合，是指在一段時間內收益率高的股票）和輸家組合（也稱為輸者組合，是指在一段時間內收益率較低的股票）上的方法，結果證實贏者組合的收益顯著小于輸者組合。然后，金融經濟學者開始對動量效應和反轉效應做出進一步探索，分別在不同的市場驗證其存在與否。Chan（1988）研究發現股票在前期表現的好或者表現不好，這種表現在后期不能一直持續下去的，這與市場風險隨時間的變化有密切聯系。隨著動量效應和反轉效應的研究日益增多，其研究方法也趨于成熟。Jegadeesh和Titaman（1993）基于美國證券市場的股票交易數據對動量效應的存在性驗證時所設計的動量策略被后來的研究者廣為采用，這種經典方法也稱為傳統的動量策略。后來大量金融經濟學家采用Jegadeesh和Titaman設計的策略，針對所研究市場的實際情況，對動量效應和反轉效應進行存在性驗證。Chang（1995）研究發現日本證券市場的股票價格具有短期的反轉效應。Kaul和Conazd（1998）在研究美國證券交易所和紐約證券交易所1926年至1989年間的股票的動量效應和反轉效應時，構造8種不同的投資時間期限，發現大約50%的投資策略組合具有顯著性超額收益，在具有顯著性收益的策略組合里面，動量策略和反轉策略所占的比 例基本相等。Rouwenhorst（1998）在研究歐洲地區的證券市場時，選取了十二個國家的股票市場上的股票作為研究對象，發現股票收益在長期上沒有明顯的持續現象，而在中短期，股票市場的收益有持續現象；另外，在公司資產規模上做了對比，資產規模大或小的公司都具有動量效應，但是規模較小的公司的股票價格的動量效應在統計上表現更為顯著。Schiereck（1999）在針對德國股票市場的日交易數據實證分析動量效應和反轉效應，結果顯示德國股票價格的動量效應表現在中期，反轉效應則表現在短期和長期。Ahme和Nusrct（1999）在基于7個國家的股票市場股價的動量效應和反轉效應，發現了股票價格在長期的表現均出現反轉效應。Hamed和Ting（2000）以馬來西亞的證券市場為研究對象，對股票的動量效應和反轉效應做實證研究，研究得出馬來西亞證券市場和日本的證券市場的反轉效應的時間基本一致，表現在短期。

在國內，吳沖鋒和朱戰宇（2005）研究我國滬深股票市場股票價格行為時，考慮我國市場的賣空限制，在運用重疊抽樣方法，在形成期考慮收益率和交易量對股票進行排序，建立動量策略模型，考察動量策略的盈利情況，研究發現我國A股市場不存在動量效應。郝靜軒（2006）通過滯后期、加權收益計算等改進的動量策略，考察改進后的交易策略對贏家組合的影響，實證結果顯示，在考慮交易成本的情況下，改進的動量策略對贏家組合的收益有明顯的提升。東凱（2010）研究動量策略的改進方法中，通過設定月度市盈率作為閡值來調整投資組合的方法顯示，改進的動量投資策略的收益表現好于大盤的表現。張榮武，何麗娟和聶慧麗（2013）就我國股市的實際情況，運用HS模型的基礎上，將我國股市中的投資者分為套利慣性投資者、動量交易投資者以及消息觀察者，從三者的對技術和基本面的不同的關注視角出發，分別研究他們的投資決策對A股價格的不同影響。經驗證，套利慣性投資者的一系列行為決策會加劇股市的反轉效應，套利慣性投資者和動量交易者的決策行為均可以引發股市的動量效應。王俊杰（2013）對動量交易策略的擇時上做了實證研究，研究發現動量策略交易時，在形成期之后，不直接購買，而是經過一定的滯后期再進入持有期，效果優于市場平均收益和傳統動量策略方法。

綜合國內外學者對動量效應和反轉效應的研究，可以看出無論成熟發達的美證券市場，還是處于發展中的中國證券市場，大部分學者的研究支持證券市上存在動量效應和反轉效應。就我國A股市場而言，對于動量效應和反轉效的存在期的長短上程度上，由于采用的股票樣本和研究時間區間不一樣，國內者的研究結果存在差異的。

三、基本面策略

在傳統資本市場理論中，價值投資并沒顯著的地位，當時的主流思想為有效市場假說，即市場能夠完全準確的反映資產的價值，即投資者無法通過基本面分析、技術分析等手段得到超額收益。但隨著二十世紀八十年代起，越來越多的研究發現，有效市場并不真正存在，投資收益并不能完全由風險來解釋；市場中股票的價格存在偏離內在價值的情況，通過研究價格的偏差波動，能夠實現正的超額收益，從而駁斥了經典EMH假設。基于市場非有效性，BenjaminGraham提出了價值投資的理念，其在《證券分析》中將其定義為：“基于詳盡的分析，對本金的安全和滿意回報有保證的操作”，通俗而言就是通過基本面的分析，同時考量一定的安全邊際的選擇投資策略。

在價值投資理念逐漸普及并被接受之后，國外學者針對價值投資的有效性進行了一系列檢驗。Fama和French于1992年，針對1963年至1990年在NYSE，AMEX，NASDQ上市的股票，將其分別按B/M與E/P指標進行研究。其研究顯示：隨著B/M及E/P分組標記的組別增加，其月收益率有明顯的遞增現象，同時，這一現象無法用公司的beta值來解釋，這也就說明價值型的股票確實能夠較成長型股票帶來超額收益。Lakonishok，Shleifer和Vishny（1994）根據1963年至1990年在NYSE與AMEX上市的股票，針對高B/M的公司?^低B/M公司平均收益更高的現象進行了進一步研究。他們發現不僅在根據B/M排名形成公司組合的投資策略存在明顯的超額收益，同時在根據C/P、銷售增長率和E/P排名形成公司組合的投資策略也存在明顯的超額收益。Fama和French于1998年，針對包括美國、EAFE國家成熟市場以及16個新興市場國家的股票市場再次進行了實證研究。他們根據B/M，C/P，E/P和D/P區分價值股和成長股，從而形成投資組合。在13個成熟市場以及16個新興市場中，均發現價值組合相較于成長股組合有明顯的超額收益。

國內學者也對利用估值指標進行的投資策略進行了檢驗。王孝德與彭燕（2002）針對中國股票市場進行了實證研究，結果發現與國外成熟市場類似，價值投資策略在中國也能得到較高的超額收益。盧大印、林成棟、楊朝軍（2006）根據股價、B/M、S/P以及E/P作為指標確定投資組合，發現價值型的投資組合確實有高于成長型股投資組合的收益率。林樹、夏和平、張程（2011）基于B/M、C/P、E/P及GS，針對我國A股市場構造了投資組合，研究表明以單變量構成的組合中，大多價值型投資組合的收益率兩年明顯高于成長型投資組合；而以雙變量構成的投資組合較單變量的顯著性更高。即在中國股票市場，基于估值指標的投資策略仍然使用。

通過國內外眾多學者的研究以及實證檢驗發現，價值投資在國內外的資本市場均能夠產生正的投資收益，即根據公司的估值指標、財務指標均能有效的預測將來的公司收益，形成正投資回報的投資策略。

量化投資范文第5篇

【關鍵詞】量化投資；量化投資體系；證券市場

一、量化投資及量化投資體系的定義

什么是量化投資？簡單來講，量化投資就是利用計算機科技并結合一定的數學模型去實現投資理念與投資策略的過程。與傳統的投資方法不同的是：傳統的方法主要有基本面分析法和技術分析法這兩種，而量化投資主要依靠數據和模型來尋找投資標的和投資策略。量化投資系統則是由人設定出某種規則，在計算機當中根據規則構建這種模型，而后由計算機自己去根據市場的情況進行一些投資機會的判斷。從他們投資方式的區別當中可以看出，量化投資更依賴于數據，傳統投資則更依賴于人的主觀判斷。從這點上來說，量化投資可以有效的規避一些人為的錯誤判斷。

二、我國量化投資體系的發展

在美國，量化投資方法的發展己經有將近年的歷史，量化方法從允嫉較衷謖嫉矯攔市場30%上以上的比重。而在中國，量化投資只是剛剛起步而己。但是已經有很多基金公司允即罅Υ蛟熳約旱牧炕投資團隊，期望在傳統的基本面研究之外源匆黃新的投資天地。國內證券市場上成立比較早的量化投資基金主要包括：嘉實基金――嘉實量化阿爾法股票、上投摩根基金管理有限公司――上投摩根阿爾法、光大保德信基金――光大量化、富國基金管理有限公司――富國滬深增強、國泰君安資產管理公司――君享量化。近年來，一些公募基金、私募基金也都不斷加快了布局量化投資基金的方法。這些量化投資基金，主要研究了基于基本面的多因子選股模型，這些投資組合因子主要包括：公司財務基本面數據，市場行情數據，行業數據等，并在實證中不斷完善量化投資指標因子的選取。研究行業以及個股的價格趨勢，運用道氏理論、K線理論、波浪理論、切線理論、形態理論等一些常用的技術分析方法建立不同風格的投資模型和投資組合。

三、量化投資的優點

量化投資作為一種有效的主動投資工具，是對定性投資方式的繼承和發展。實踐中的定性投資是指，以深入的宏觀經濟和市場基本面分析為核心，輔以對上市公司的實地調研、與上市公司管理層經營理念的交流，發表各類研究報告作為交流手段和決策依據。因此，定性投資基金的組合決策過程是由基金經理在綜合各方面的市場信息后，依賴個人主觀判斷、直覺以及市場經驗來優選個股，構建投資組合，以獲取市場的超額收益。與定性投資相同，量化投資的基礎也是對市場基本面的深度研究和詳盡分析，其本質是一種定性投資思想的理性應用。但是，與定性投資中投資人僅依靠幾個指標做出結論相比，量化投資中投資人更關注大量數據所體現出來的特征，特別是挖掘數據中的統計特征，以尋找經濟和個股的運行路徑，進而找出阿爾法盈利空間。與定性投資相比，量化投資具有以下優勢：

（一）量化投資可以讓理性得到充分發揮

量化投資以數學統計和建模技術代替個人主觀判斷和直覺，能夠保持客觀、理性以及一致性，克服市場心理的影響。將投資決策過程數量化能夠極大地減少投資者情緒對投資決策的影響，避免在市場悲觀或非理性繁榮的情況下做出不理智的投資決策，因而避免了不當的市場擇時傾向。

（二）是量化投資可以實現全市場范圍內的擇股和高效率處理

量化投資可以利用一定數量化模型對全市場范圍內的投資對象進行篩選，把握市場中每個可能的投資機會。而定性投資受人力、精力和專業水平的限制，其選股的覆蓋面和正確性遠遠無法和量化投資相比。

（三）是量化投資更注重組合風險管理

量化投資的三步選擇過程，本身就是在嚴格的風險控制約束條件下選擇投資組合的過程，能夠保證在實現期望收益的同時有效地控制風險水平。另外，由于量化投資方式比定性投資方式更少的依賴投資者的個人主觀判斷，就避免了由于人為誤判和偏見產生的交易風險。當然，無論是定性投資還是量化投資，只要得當的應用都可以獲取阿爾法超額收益，二者之間并不矛盾，相反可以互相補充。量化投資的理性投資風格恰可作為傳統投資方式的補充。

四、量化投資的局限性

量化投資是一種非常高效的工具，其本身的有效性依賴于投資思想是否合理有效，因此換言之，只要投資思想是正確的，量化投資本身并不存在缺陷。但是在對量化投資的應用中，確實存在過度依賴的風險。量化投資本身是一種對基本面的分析，與定性分析相比，量化分析是一種高效、無偏的方式，但是應用的范圍較為狹窄。例如，某項技術在特定行業、特定市場中的發展前景就難以用量化的方式加以表達。通常量化投資的選股范圍涵蓋整個市場，因此獲得的行業和個股配置中很可能包含投資者不熟悉的上市公司。這時盲目的依賴量化投資的結論，依賴歷史的回歸結論以及一定指標的篩選，就有可能忽略不能量化的基本面，產生巨大的投資失誤。因此，基金經理在投資的時候一定要注意不能單純依賴量化投資，一定要結合對國內市場基本面的了解。

五、量化投資對中國的啟示

通過研究國外市場的發展和中國市場的特點，對中國市場上的監管創新，制定相關的法律法規也勢在必行。由于市場結構的差異，國內量化投資情況與國外有很大不同。技術型量化投資的應用主要是集中在期貨市場，并且有較高的推崇程度；金融型量化投資的應用主要集中在股票市場，由于需要應用的時間數據周期相對較長，實際中應用并不普遍。目前，中國金融市場正處于迅速發展的階段，很多新的金融工具在不斷被引進，用量化投資方式來捕捉這種機會，也是非常合理的。與國外相比，目前國內股票市場僅屬于非有效或弱有效市場，非理性投資行為依然普遍存在，將行為金融理論引入國內證券市場是非常有意義的。國內有很多實證文獻討論國內A股市場未達到半強勢有效市場。

目前對中國市場特點的一般共識包括：首先，中國市場是一個個人投資者比例非常高的市場，這意味著市場情緒可能對中國市場的影響特別大。其次，中國作為一個新興市場，各方面的信息搜集有很大難度，有些在國外成熟市場唾手可得的數據，在中國市場可能需要自主開發。這盡管加大了工作量，但也往往意味著某些指標關注的人群少，存在很大機會。其三，中國上市公司的主營比較繁雜，而且變化較快，這意味著行業層面的指標可能效率較低。而中國的量化投資實際上就是從不同的層面驗證這幾點，并從中贏利。例如，考慮到國內A股市場個人投資者較多的情況，我們可以通過分析市場情緒因素的來源和特征指標，構建市場泡沫度模型，并以此判斷市場泡沫度，作為資產配置和市場擇時的重要依據。

在中國金融市場的不斷發展階段，融資融券和股指期貨的推出結束了中國金融市場不能做空的歷史，量化投資策略面臨著重大機遇。運用量化投資的機理和方法，將成為中國市場未來投資策略的一個重要發展趨勢。量化投資在給投資者進行規避風險和套利的同時，也會帶來一定的風險，對證券具有助漲助跌的作用。由于國內股票市場還不夠成熟，量化投資在中國的適用性很大程度上取決于投資小組的決策能力和創造力。以經濟政策對中國量化投資的影響為例。中國的股市有“政策市”之稱，中國股市的變化極大的依賴于政府經濟政策的調節，但是經濟政策本身是無法量化的。基金建倉應早于經濟政策的施行，而基于對經濟政策的預期，但預期的影響比經濟政策的影響更難以量化。例如，在現階段勞動力成本不斷上升、國際局勢動蕩、國際大宗商品價格上升的情況下，央行何時采取什么力度的加息手段，對市場有何種程度的影響，這一沖擊是既重要又無法量化的。為解決這個在中國利率非市場化特點下出現的問題，需要基金投資小組采取創造性的方式，將對中國經濟多年的定性經驗和定量的指標體系結合起來，方能提高投資業績。

參考文獻：

[1]方軍雄.我國證券投資基金投資策略及績效的實證研究[J].經濟科學，2002.04