量化投资与分析范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的13篇量化投资与分析范例，将为您的写作提供有力的支持和灵感！

篇1

中图分类号：F832 文献标识码：A 文章编号：1672-3791（2012）09（c）-0252-02

2012年以来，以量化分析技术投资著称的量化基金表现得一枝独秀，逐渐从振荡市中脱颖而出。一季度，上证综指上涨2.88%，同期标准股票型基金平均业绩为0.31%，而按照Wind分类的13只量化基金，其平均业绩为2.92%，五行基金更是取得7.65%的正收益，在亚洲量化基金中排名第一，超越同期上证指数4.77个百分点。

美国私募基金复兴科技公司的第一支纯粹的量化投资基金—— 大奖章基金，从1988年3月成立至2008年的21年里，平均年度净收益高达36%，远远跑赢同期道指年均8.81%的涨幅，比索罗斯、巴菲特同期的业绩高出10%，原因：一是数学家基金经理；二是量化分析技术。

1 基本面分析量化分析是投资机构先后采用的2种投资技术

基本面分析，是分析员和基金经理通常采用研究财务报表，与公司高层会谈，与相关人员荷香业专家讨论等方式，对少数几家公司股票（约10到100只股票）进行非常深入的研究分析，来决定要投资哪些股票以及如何投资。在基本面分析分类中，会根据行业不同，有专员长期跟踪和深入研究其中一个行业，而这几名专员最后则会成投资这个行业的专家。在股票市场成立以来长期采用的较为传统的分析和投资方式就是基本面分析。基本面投资，通过企业内部财务报表的形式，来发现企业的潜在价值，以求企业得到稳定持续的高额收益，一旦买入，长期持有。

量化分析，借助数学、物理学、几何学、心理学甚至仿生学的知识，通过建立模型，进行估值、择时选股。量化分析员和量化基金经理，通常会同时研究全盘数千支股票，分析的方式也可以是基于公司基本面的，但是会强调量化财务指标。量化的指标（又称因子）也可以是其他更有特色的数据。从事量化分析投资的基金经理通常不去上市公司实地调研，而是将精力放在不断完善模型上，量化分析投资的模型是决定投资业绩的关键，投资模型始终处于绝密状态，不同市场设计不同的量化分析投资管理模型，在全球各种市场上进行短线交易。

2 量化分析技术获取超额投资收益之道

在变幻莫测的市场经济中，能否理性思考投资、不受情绪影响，将是成功的关键。而利用计算机的筛选得出的量化分析基金，不受投资中非理性因素影响，使投资更有计划行、纪律性、规律性，基金管理人要做到不贪婪、不恐惧、不放弃，不受情绪影响，以一颗平常心追求利益瘦小。

量化分析，有一套完整、科学的投资体系。严格的纪律性是量化投资明显区别于主动投资的重要特征。在量化分析基金的运作中，主观判断也会出现和量化分析模型相左的情兄，但会坚持量化分析投资的纪律，相信模型判断的长期稳定性，不会盲目去调整改变。与传统偏股型基金不同，量化分析基金采用独特的投资组合管理方式，渐进动态调整基金组合。这样不仅可以顺应瞬息万变的市场，还可以降低个股集中度，平稳投资业绩。因此，这种方式并不会产生传统意义的重仓股，也就大大降低了重仓个股的风险。

量化分析业绩，来自于量化分析模型批量选股的成功率大于失败率。量化分析的模型敏锐的“发觉”了开场环境的转变，自动调高了评估因子、预期因子及市场反转因子的权重，量化分析模型依此逻辑选择的股票大部分取得较好收益，提升了整体业绩。

3 量化分析技术创始人并非经济学家。

量化分析技术并非发端于华尔街，不少人最初并非经济学家，如巴契里耶和布莱克原先是数学家，夏普则从事医学，奥斯伯恩为天文学家，沃金与坎德尔是统计学家，而特雷诺则是数学家兼物理学家。1970年代美国债券市场和股票市场全面崩盘，当时提出用量化分析方法管理投资组合的人是作家彼得·伯恩斯坦。1952年3月发表“投资组合选择”论文、提出现代财务和投资理论最著名远见的马克维茨，以该理论勉强通过博士答辩，到1990年10月，这些人中才有三位获得诺贝尔经济学奖。

2012年，美国伦斯理工学院金融工程硕士李炬澎，依据5000年中国古老的《易经八卦数理》研发立体数量模型分析微观经济，用超高频率政治外交词汇、交易数据、股票期权数据、公司债务数据来做个股分析，用《五行相克相生原理》来分析自然、社会、政治、人文如何影响宏观经济。比如用计算机分析新闻报道中天地雷风水火山泽8中自然天文现象与宏观经济关联程度，使五行基金取得亚洲量化分析投资行业第一名的业绩。

4 量化分析技术应用的载体是计算机软硬件技术的发展

马克维茨的投资组合现代金融理论，提出了风险报酬和效率边界概念，并据此建立了模型，成为奠基之作。托宾随后提出了分离理论，但仍需要利用马克维茨的系统执行高难度的运算，1961年，与马克维茨共同获得1990年诺贝尔奖的夏普用IBM最好的商用电脑，解出含有100只证券的问题也需要33mim。夏普1963年1月提出了“投资组合的简化模型”（单一指数模型），简化模型只用30s。1964年夏普又开发出资本资产定价模型（CAPM），不仅可以作为预测风险和预期回报的工具，还可以衡量投资组合的绩效，以及衍生出在指数型基金、企业财务和企业投资、市场行为和资产评价等多领域的应用和理论创新。1976年，罗斯在CAPM的基础上，提出“套利定价理论”（APT），提供一个方法评估影响股价变化的多种经济因素。布莱克和斯克尔斯提出了“期权定价理论”。莫顿则发明了“跨期的资本资产定价模型”。

5 量化分析应用的关键是基本面分析无法快速精确处理丰富的金融产品和巨大交易量

1970年代以前，华尔街认为投资管理需要天赋、直觉以及独特的驾驭市场的能力，基本面分析师、基金经理可以独力打败市场，而无需依靠那些缺乏灵魂、怪异的数学符号和缥缈虚幻的模型。华尔街对学术界把投资管理的艺术，转化成通篇晦涩难懂的数学方程式一直持有敌意，1970年代初期，美国表现最佳的基金经理人从未听过贝塔值，并认为那些拥有数学和电脑背景的学者只是一群骗子。

量化分析投资不会出现在个人投资者为主的时代。个人投资者既缺乏闲暇的时间，也普遍无此能力。仅有现资理论的建立，及各类模型的完善与推陈出新，并不会直接催生出量化分析投资，它还需要其他几个重要前提条件，比如：机构投资者在市场中占据主导，随着社保基金和共同基金资产的大幅增加，成为市场上的主要机构投资者，专业机构管理大规模资产，需要新的运作方式和金融创新技术，专业的投资管理人有能力和精力专注地研究、运用这些量化分析技术。

1970年代后期的Wells Fargo银行，率先用量化分析技术管理投资组合，投资高股息股票，用较少的风险获得了较大的收益，不用这些模型，不用电脑运算这些公式，会陷于困境。1980年代以来，面对数不胜数的各类证券产品和期权类产品，以及庞大的成交量，许多复杂的证券定价，必须靠大容量高速运算的电脑来完成。到2007年美国股市近一半的机构基金都是由量化模型来管理的。从2000年初到2007年全球量化分析基金市场连续8年表现远远超过其他投资方式。

6 量化分析在应对经济危机和突发经济事件中开拓前进

1987年10月大股灾，当天股市和期货成交量高达令人吃惊的410亿美元，价值瞬间缩水6000亿美元。很多股票直接通过电脑而不是经由交易所交易。一些采用投资组合保险策略的公司，在电脑模式的驱使下，不问价格机械卖出股票。很多交易员清楚这些投资组合会有大单卖出，宁愿走在前面争相出逃，加剧了恐慌。针对整个投资组合而非单个证券，机械式的交易，电脑的自动操作，大量的空单在瞬间涌出，将市场彻底砸垮。

1997年至1998年亚洲金融危机股市暴跌，量化分析投资的算法交易也起到了同样的坏作用。著名的长期资本管理公司，遭遇俄罗斯国债违约这一小概率事件，也陷入破产之境，迫使美联储集华尔街诸多投资银行之力，加以救助。

2007年8月金融危机中，许多量化基金出现巨额损失。其原因主要是几家大型对冲基金大量卖出它们的量化分析基金股票，去弥补其在其他投资方式上的损失。由于很大相同仓位的股票在很短的时间内被廉价卖出，从而加剧了很多投资指标的损失，尤其是价值和动量指标的损失。

2011年即使欧债金融危机发生，量化分析基金也再次表现优异，超过其他投资方式，虽然能否就此再度复兴仍属未知，此一趋势已不可逆转。

7 量化分析技术今后几年全球应用的热点在中国的A股市场

中国金融、资本、股市投资者结构很不合理，A股市场的专业投资机构持有市值的15.6%，而发达市场这一比例大致为70%。更为不合理的是交易结构，A股市场个人投资者持有市值占比26%，但却完成了85%的交易。根据Wind分类，目前我国市场上共有13只量化基金，包含11只普通股票型基金，1只指数基金和1只偏股混合基金。

中国现有的人才和技术都难以支持完全的量化分析投资，在缺乏国际化人才和成熟模型的情况下，经营业绩自然也差强人意。

量化分析今后几年全球热点在中国的A股市场。现在主要发达国家的股市很大程度上由量化基金所控制。为了寻找更高收益的市场，很多大型量化基金也开始大量投资于发展中国家市场，中国的A股市场是今后几年全球量化分析投资热点，所以近年来很多北美和欧洲的高层量化分析基金经理和分析员纷纷到中国大陆、香港和新加坡推广量化投资技术。这是国际国内的金融市场和投资者，都要面对的机会和挑战。

篇2

二、量化投资“黑箱”中的构造与证券投资学的差异

在传统的证券投资学中,投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想,后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类,而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”。从概念看,量化投资既不是基本面分析,也不是技术分析,但它可以采用基本面分析,也可以采用技术分析,关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示,本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。

(一)资产定价与收益的预测

根据组合优化理论,投资者将持有无风险组合与市场风险资产组合,获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合,认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价,超过的部分就是超额收益,即投资组合管理所追求的阿尔法值。追求显着正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中,法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说,在因素定价方面,量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择,证券投资学认为,对资产价格的影响,长期应主要关注基本面因素,而短期应主要关注市场的交易行为,即采用技术分析。在量化投资中,主要强调按照事先设定的规则进行投资,这在一定程度上与技术分析类似。但是,在技术分析中,不同的人会有不同的结论,而量化投资则强调投资的规则化和固定化,不会因人的差异而有较大的不同。另外,量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。

(二)无套利条件与交易成本

在证券投资学里,流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券,投资者可以自由买卖证券。这主要是为了保证各种交易都能实现,如套利交易。根据套利定价理论,一旦市场出现无风险的套利机会,理性投资者会立即进行套利交易,当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中,对市场中套利限制与非流动性的关注较少,这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下,金融资产交易的过程及其结果,旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中,不同的市场微观结构对市场流动性的冲击是不同的。因而,从量化投资的角度看,为了降低交易带来的价格冲击,能实施量化投资策略的证券往往都应有较好的流动性,因为交易时非流动性直接影响投资策略的实施。从这个意义上讲,量化投资时的交易成本不仅包括交易费用,更主要的是要考虑市场交易冲击的流动性成本。

(三)风险控制与市场情绪

在证券市场中,高收益与高风险相匹配。量化投资在追求高收益的同时,不可避免地承担了一定的风险。在证券投资学中,系统性风险主要源于宏观经济因素,非系统性因素则主要源于行业、公司因素,并且不考虑市场交易行为的影响。在量化投资中,较多地使用因素定价模型,不仅会考虑市场经济因素,而且会考虑交易行为等因素,只是不同的模型有不同的侧重点,在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外,量化投资还有自身不可忽视的风险源。一方面,量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,隐藏着巨大的风险。另一方面,市场冲击的流动性成本也是量化投资的风险控制因素,理所当然地在图1的风险控制模型中体现出来。另外,在一般的投资过程中,市场情绪或多或少会成为风险控制的一个对象。然而,在量化投资中,更多的交易都是通过计算机来实现的,如程序交易等,这样以来,投资者情绪等因素对投资决策的影响相对较小。所以,在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪,主要是通过承担适度的风险来获得超额回报,因为毕竟减少风险也减少了超额回报。

(四)执行高频交易与算法交易

在对未来收益、风险和成本的综合权衡下,实现投资策略成为量化投资的重要执行步骤。为了达到投资目标,量化投资不断追求更快的速度来执行投资策略,这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里,技术分析认为股价趋势有长期、中期和短期趋势,其中,长期和中期趋势有参考作用,短期趋势的意义不大。然而,随着计算机信息科技的创新,量化投资策略之间的竞争越来越大,谁能运作更快的量化模型,谁就能最先找到并利用市场错误定价的瞬间,从而赚取高额利润。于是,就诞生了高频交易:利用计算机系统处理数据和进行量化分析,快速做出交易决策,并且隔夜持仓。高频交易的基本特点有:处理分笔交易数据、高资金周转率、日内开平仓和算法交易。高频交易有4类流行的策略:自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法:产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行,目前“算法交易”比较流行。算法交易

优化买卖指令的执行方式,决定在给定市场环境下如何处理交易指令:是主动的执行还是被动的执行,是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。 三、对量化投资在证券投资教学中应用的思考

从上述分析可以知道,量化投资的“黑箱”构造与证券投资学之间存在一定的差异,因此,在证券投资的教学中应当考虑量化投资发展的要求。

(一)市场微观结构与流动性冲击

在理性预期和市场有效假说下,市场价格会在相关信息披露后立即调整,在信息披露前后市场有着截然不同的表现。在证券投资学里,一般认为价格的调整是及时准确的,然而,现实的世界里,价格调整需要一个过程。在不同的频率下,这种价格形成过程的作用是不同的。在长期的投资中,短期的价格调整是瞬间的,影响不大。然而,在高频交易中,这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型:存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响,解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程,认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型,这些市场微观结构的研究加强了流动性与资产价格之间的联系,强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容,因而,为了加强证券投资学的实用性,应关注市场微观结构的内容与发展。

(二)业绩评价与高杠杆

对于证券组合而言,不仅要分析其超额收益和成本,还要考虑其风险与业绩。在组合业绩评价中,一方面要考虑风险的衡量,另一方面则要分析业绩的来源。在证券投资学中,组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言,市场时机和管理者的能力依然重要,然而,量化投资的业绩评价还应考虑另一个因素:高杠杆。量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,在市场好的时候扩大收益,但在市场不好的时候会加速亏损,这些与传统的业绩评价就不太一样。在一般的证券投资学里,业绩评价主要考虑经风险调整的收益,很少考虑其杠杆的作用,这不仅忽略了杠杆的贡献,而且有可能夸大了投资者的技能水平。

(三)人为因素与模型风险

篇3

一、量化投资的涵义

从实践的角度上看。量化投资即是利用模型来投资。任何一个完整的关于投资的想法，我们都可以开发成投资模型，然后通过一定的测试过程来检验这个模型是否有效。如果最终有效，它就是一个可以用作量化投资的投资模型。量化投资为我们提供了检验和选股的数学工具。也可以帮助我们规避人为的情绪化和低效率。

其次，量化投资的各种工具包括系统的投资决策手段和数学模型。从中国量化策略基金的实践来看。金融数量化的程度还处于初步阶段，量化投资的流程还比较简单。中国量化策略基金的量化投资途径多采用从一级股票库初选、并从二级股票库精选。最后对行业进行动态的配置的三步法。以中海量化策略基金的量化投资风格为例，第一步是根据公司盈利能力。选择代表性较强的公司盈利能力指标。如过去三年平均每股收益、资产回报率以及毛利率，以所有A股上市公司为样本。筛选得到一级股票库。第二步是通过相关指标体系，如估值指标和一致预期指标体系。并借助熵值法确定指标权重后。对一级股票库中的股票进行打分和排名，进一步筛选得到二级股票库。其中，一致预期指标值选取各大券商的估值结论，得出市场对上市公司的平均预期值，以此作为市场对公司未来现金流的权威预期。第三步。采用B-L行业量化模型对股票组合进行动态行业配置，对每一个行业形成最佳的权重股组合，提高投资的夏普比率。

最后，量化投资与现在已经很普遍的指数型基金不同。是一种主动投资。这是因为量化投资和指数化投资的理论基础完全不同。指数化等被动投资的理论基础认为市场是完全有效的，这一理论的依据是基金的历史业绩除去基金的管理费用。要弱于大市。因此。对投资者来说，更合理的手段是试图复制市场，以获得和市场相同的长期收益。同时规避所有的非系统性风险。而量化投资的理论基础认为市场是无效的，或者是弱有效的，这一理论的依据在于总有优秀的基金经理可以发现市场的阿尔法收益。支持量化投资的基金经理认为可以通过对经济环境、行业基本面以及公司的分析，主动构建能够超过市场平均收益率的超额收益组合。因此。量化投资属于主动投资的一种策略。综上所述，量化投资并不是一种被动投资，数量化模型的选择、指标的运用就是量化投资中的主动部分。好的量化投资是主动的人为判断和被动的模型筛选的结合。

二、量化投资的优点

量化投资作为一种有效的主动投资工具，是对定性投资方式的继承和发展。实践中的定性投资是指，以深入的宏观经济和市场基本面分析为核心，辅以对上市公司的实地调研、与上市公司管理层经营理念的交流，发表各类研究报告作为交流手段和决策依据。因此。定性投资基金的组合决策过程是由基金经理在综合各方面的市场信息后，依赖个人主观判断、直觉以及市场经验来优选个股，构建投资组合。以获取市场的超额收益。与定性投资相同，量化投资的基础也是对市场基本面的深度研究和详尽分析，其本质是一种定性投资思想的弼!性应用。但是，与定性投资中投资人仅依靠几个指标做出结论相比，量化投资中投资人更关注大量数据所体现出来的特征，特别是挖掘数据中的统计特征，以寻找经济和个股的运行路径，进而找出阿尔法盈利空间。与定性投资相比。量化投资具有以下优势：

一是量化投资可以让理性得到充分发挥。量化投资以数学统计和建模技术代替个人主观判断和直觉，能够保持客观、理性以及一致性。克服市场心理的影响。将投资决策过程数量化能够极大地减少投资者情绪对投资决策的影响。避免在市场悲观或非理性繁荣的情况下做出不理智的投资决策。因而避免了不当的市场择时倾向。

二是量化投资可以实现全市场范围内的择股和高效率处理。量化投资可以利用一定数量化模型对全市场范围内的投资对象进行筛选。把握市场中每个可能的投资机会。而定性投资受人力、精力和专业水平的限制，其选股的覆盖面和正确性远远无法和量化投资相比。

三是量化投资更注重组合风险管理。量化投资的三步选择过程，本身就是在严格的风险控制约束条件下选择投资组合的过程，能够保证在实现期望收益的同时有效地控制风险水平。另外。由于量化投资方式比定性投资方式更少的依赖投资者的个人主观判断，就避免了由于人为误判和偏见产生的交易风险。

当然。无论是定性投资还是量化投资，只要得当的应用都可以获取阿尔法超额收益，二者之间并不矛盾，相反可以互相补充。量化投资的理性投资风格恰可作为传统投资方式的补充。

三、量化投资的局限性

量化投资是一种非常高效的工具，其本身的有效性依赖于投资思想是否合理有效。因此换言之，只要投资思想是正确的，量化投资本身并不存在缺陷。但是在对量化投资的应用中，确实存在过度依赖的风险。量化投资本身是一种对基本面的分析，与定性分析相比，量化分析是一种高效、无偏的方式，但是应用的范围较为狭窄。例如，某项技术在特定行业、特定市场中的发展前景就难以用量化的方式加以表达。通常量化投资的选股范围涵盖整个市场，因此获得的行业和个股配置中很可能包含投资者不熟悉的上市公司。这时盲目的依赖量化投资的结论，依赖历史的回归结论以及一定指标的筛选，就有可能忽略不能量化的基本面。产生巨大的投资失误。因此，基金经理在投资的时候一定要注意不能单纯依赖量化投资，一定要结合对国内市场基本面的了解。

篇4

量化基金发行提速

今年上半年,嘉实量化阿尔法、中海量化策略两只量化基金的推出,打破了国内量化基金多年的沉寂。而近期,更是有3只量化基金同时登台亮相,且各具特色。截至目前,国内基金市场上已经发行7只量化基金,包括光大保德信量化核心、上投摩根阿尔法、嘉实量化阿尔法、中海量化策略、长盛量化红利策略股票型基金、富国沪深300增强基金及华商动态阿尔法基金。前两只分别成立于2004年8月和2005年10月,而后5只均是今年才成立。量化基金时隔四年后的再次大量推出,引起了市场的密切关注。种种迹象表明,以定性投资为主的国内基金业正在掀起一场量化投资浪潮。

光大保德信量化核心,一方面通过光大保德信的多因素数量模型对股票的预期收益率进行估算,个股预期收益率的高低决定投资组合是否持有股票;另一方面,投资团队从风险控制角度,重点关注数据以来的信息,通过行业分析和个股分析形成对量化的补充;最后由投资组合优化器根据预先设计的风险构建组合。

上投摩根阿尔法基金,同步以“成长”与“价值”双重量化指标进行股票选择,然后研究团队对个股进行基本面审核,结合跟踪误差的紧密监控,以求不论指数高低,市场多空,皆创造主动管理回报。投研团队最终决定进入组合的股票,量化分析是辅助和基础。

嘉实量化基金,以“定量投资”为主,辅以“定性投资”。通过行业选择模型,捕捉具有投资吸引力的行业,然后再在所选行业中运用阿尔法多因素模型筛选个股。定性的辅助作用表现在利用基本面研究成果,对模型自动选股的结果进行复核,剔除掉满足某些特殊条件的股票。

中海量化策略,以量化模型作为资产配置与构建投资组合的基础。根据量化指标实行从一级股票库初选,从二级股票库精选,再根据相关模型计算行业配置权重。结合行业配置权重,组合每只股票的配置比例。

长盛量化红利策略股票型基金,是作为国内首只运用“量化投资”策略投资于红利股票的基金,该产品将给投资者带来不同于传统基金的新体验。该只基金的另一个显著特点是“瞄准红利”。所谓红利,强调的是具有较高安全边际、较低下行风险的价值型投资,在目前市场总体估值处于历史平均水平时,价值型风格更能获得投资者的青睐。

富国沪深300增强基金,以沪深300指数为追踪标的,并对指数基金进行增强,并且是国内第一只采用量化方法进行主动增强的沪深300指数基金。量化增强的方法主要包括:利用多因子阿尔法模型选择股票;通过风险估测模型有效控制风险预算,并通过交易成本模型控制成本、保护业绩。相比定性的方法,定量投资手段在对成份股较多的指数进行增强方面以及控制跟踪误差方面具有很强的优越性。

当前适逢宏观经济、证券市场复苏向上之际,汇集A股市场300只规模大、流动性好、最具代表性股票的沪深300指数,有望迎来较好表现。而以沪深300为跟踪标的,并利用定量投资模型进行主动增强的富国沪深300增强基金,亦面临良好的投资环境与投资时点。

华商动态阿尔法基金,将以高阿尔法值的股票为主要投资目标,采用量化投资的方法,努力在有效控制风险的同时提高基金组合收益。华商动态阿尔法基金的投资将主要采用阿尔法策略和量化策略。阿尔法策略是依靠精选行业和个股,来获取超过大盘表现的超额收益。量化策略是指采用数量化分析方法来对股票进行分析和筛选,基于数量模型来配置行业权重。它具有投资范围更广、纪律性更强、投资思想可验证等优势,更能够限制投资过程中主观随意性可能带来的损失,帮助基金经理进行客观决策。

定量投资适合A股市场

正因为A股市场不是特别有效的市场,数量化投资策略正好可以发挥其纪律性、系统性、及时性、准确性、分散化的各种优点,从而捕获国内市场的各种投资机会。相比定性投资,现阶段A股市场的特点更适合采用客观、公正而理性的定量投资风格。

股票市场复杂度和有效性的增加已对传统定性投资基金经理的单兵作战能力提出了挑战。相对于海外成熟市场,A股市场的发展历史较短,有效性偏弱,市场上被错误定价的股票相对较多,那么,留给定量投资策略去发掘市场的无效性、寻找超额收益的潜力和空间也就更大。事实上,尽管量化基金在国内的发展历程较短,但是从国内已有的两只采用了定量投资方法并且已经运作了一段时间的基金来看,量化基金被证明是适应中国市场的。

量化基金产品包括但不限于数量化共同基金产品、指数基金产品、指数增强型基金产品、行业指数基金产品、风格类指数基金产品、策略指数基金产品、ETF产品、收益分级型产品等等。从数量化投资提供的工具和方法来看,能够给投资者提供的基金产品可以说是百花齐放,还应该做到有的放矢,满足投资者不同风险收益偏好的投资需求。

量化投资需过三道坎

我国A股市场的量化基金仍然才开始起步,各方面都有待进一步的完善。不仅机构需要有完善数量化投资策略各方面的耐心,也需要投资者给数量化基金以耐心。采用数量化策略的共同基金要在中国市场获得成功,仍有很长的路要走,需要不断的修正数量模型以适应中国市场的特征。

对于量化基金的产品设计,虽然量化基金一般都是采用多因素模型对股票进行分析和筛选,但不同的量化基金产品的侧重点是不一样的,也就是说,包括投资思路、观察角度、分析方法等在内都是不同的。在个股筛选和分析的角度、行业分析的角度、大类资产配置的角度等方面,均有不同的思路,因此,不同的量化基金产品可以体现出各自不同的投资理念和各自的投资特色。

具体来说,基金要想真正推行量化投资,主要应该跨越如下“三道门槛”。

首先,目前国内对做空的限制以及投资产品的稀缺,导致很多成熟的数量化投资手段不能在国内得以应用。一些对冲策略可能需要期货类的投资产品,而有些统计套利策略可能需要市场上要有做空的手段,目前这些条件在A股市场上尚不具备,因此,在一定程度上制约了量化投资的施展空间。

其二,中国目前对于基金的考核体系比较短期化,部分量化基金经理有可能迫于短期排名的压力,也去追涨杀跌,不去执行相当于投资纪律的量化策略,这就恰恰偏离了量化基金设计的初衷。量化投资策略成功与否需要从长期来看,不能因为短期内跑不过市场就认为量化基金管理得不好,对于量化基金的评价时间不能太短。

此外,量化投资对人的要求很高。量化投资需要考虑的一个重要因素是预测相对于市场的超额收益,即阿尔法收益,找到阿尔法预测模型。在阿尔法预测上,要保证不断有新的阿尔法策略产生。一个新的阿尔法策略出来后,过一段时间就被市场充分理解,可能阿尔法收益就会逐渐消失,这就需要不断产生新的阿尔法收益模型。

量化基金本土化前景

A股市场的发展历史较短,有效性偏弱,市场上被错误定价的股票相对较多,那么,留给定量投资策略去发掘市场的无效性、寻找超额收益的潜力和空间也就更大。相比定性投资,现阶段A股市场的特点更适合定量投资客观、公正而理性的投资风格。股票市场复杂度和有效性的增加已对传统定性投资基金经理的单兵作战能力提出了挑战。正因为市场的弱有效性,数量化投资才更有发挥的价值。这也是量化基金可以在中国本土化获得成功的有利条件。

数量化投资可以为投资者带来更多、更丰富、更有特色的基金产品,丰富机构的产品线。只有建立完善的产品线,才能满足不同投资者的需求,才能在不同的市场状况下获得发展,才能有强大的基金公司。机构可以从数量化投资所带来的无限量基金产品线上获得丰厚的利益。

篇5

中图分类号：F832.51 文献标识码：A doi:10.3969/j.issn.1672-3309（x）.2011.11.38 文章编号：1672-3309（2011）11-84-02

近年来，随着我国资本市场的不断发展，数量化投资在国内越来越受到关注。国内机构投资者逐渐增加量化分析在投资中的应用。在基本面投资的基础上应用数量化策略,成为投资领域发展的新趋势。国内的基金公司在这股潮流下也纷纷推出自己的量化基金产品。

依据资讯商wind的显示，截至2011年9月底市场上一共有14只不同类型的量化基金。

一、国内量化基金的发展

据统计，国外定量投资在全部投资产品中的份额中占30%以上，主动投资产品中大约有20-30%使用量化技术。与国外市场相比，国内基金无论数量还是规模都要小很多。国内大部分量化基金都是在2008年金融危机之后才陆续推出。目前市场上有65家基金公司，正式推出量化基金的也只有13家。

自开始两只量化基金成立后，2006-2008年期间市场上没有任何新的量化基金成立，之后又呈现出一个快速增长的态势。为什么国内量化基金的发展会有如此特点？分析一下其中原因，笔者认为有如下几点：

（一）国内资本市场的发展为量化投资准备了必要条件。2005年以来，证券市场发生了一系列变化：股权分置改革完成、IPO扩容，卖方量化研究能力提高、股指期货及融资融券的推出等。如何在众多的上市公司中迅速、有效地选择投资目标，降低调研和投资成本，成为机构投资者面对的新问题。而通过用量化手段，分析、归纳出相对客观的选股模式，发掘内在的驱动因素，正是量化选股的优势所在。正是在这样的环境下，机构投资者开始重视起量化投资来。作为证券市场上的卖方，券商纷纷在自己的金工团队基础上成立数量化研究团队，推出了大量量化策略报告和量化投资方面的服务（如程序化交易服务）。一些阳光私募基金也开始成立。公募基金作为市场的领头羊，自然在量化投资方面不甘落后，招兵买马为发行量化基金做准备。

（二）国外量化基金的优异表现吸引了众人的目光，特别是2008年金融危机期间，量化基金的优异表现吸引了更多的人关注。当时大部分基金都亏损严重，但部分采用量化策略的基金却获得了非常好的收益。詹姆斯・西蒙斯管理的大奖章基金的年均净回报率高达35%，成为量化基金中令人眼红的明星。国内基金公司正是抓住投资者对量化基金的兴趣，适时推出各自的量化基金产品。

（三）人才队伍的积累，为国内量化基金的推出提供了可能。量化基金是一个舶来品，熟悉量化基金管理的人才在国内相当缺乏。光大保德信和上投摩根之所以能较早推出其量化基金，关键在于其外方股东的支持，其产品采用的是其外方股东提供的量化投资方法。而当时国内的本土基金则缺乏这方面的人才，自然没有实力推出量化基金产品。但金融危机给了国内基金行业机会，危机之后很多国外的投资人才回到国内，他们也带来的国外的一些先进的量化投资知识和经验。目前市场上量化基金经理绝大多数均是有海外背景的。

二、国内量化基金的量化技术

通过基金的招募说明书，我们可以将市场上目前量化基金采用的数量化模型和模型主要使用的选股指标罗列出来。

我们无法了解各基金量化模型的详细内容，但从表2可以看出，目前国内基金采用的模型多是侧重于选股的。其中多因子模型应用最多，通过多因子模型筛选出被低估的股票，进行价值投资是大部分基金所采用的量化方法。这一情况也与海外情况类似。

三、国内量化基金收益及绩效

本文选取了成立以来、最近1年（20100930-20110930）、今年以来这3个时间段来从收益和绩效两个方面对市场上量化基金进行对比。通过比较，我们可以看到富国沪深300、光大保德信核心和中海量化策略这三支基金表现相对较好。但从总体上来说，国内量化基金表现还不是很突出，各只业绩差距也很大。

四、影响国内量化基金发展的因素

国内量化基金的发展毕竟要取决于证券市场的大环境，随着股改的结束、股指期货的推出，市场环境相比之前更有利于量化投资的发展，但仍然有很多的约束，如衍生产品的缺乏，对基金公司、保险公司投资的约束，这些都制约了机构投资者在量化投资方面施展拳脚的空间。当然，我相信随着中国资本市场的发展，这些情况在未来会逐步改善。

数量化模型的应用需要结合实际的市场环境，国内量化投资水平的提高，不能依靠引进模型，最关键的还是要结合本土的实际情况，开发适合国内市场的模型。量化技术的本土化发展是未来量化基金发展的关键，只有设计出符合国内市场环境并能取得不错业绩的量化模型，投资者才能真正认同量化基金。

另外，基金的考核机制也是影响量化基金发展的一个重要因素。量化基金因其特殊性，其绩效考核与普通基金会有不同。设定一个合理的基金考核制度，给其一个宽松的投资环境，只有这样量化基金才能更加健康的发展。

参考文献：

[1] 数量化投资的解读及其本土化―量化基金专题研究之一[R].联合证券，2009-11-17.

篇6

量化模型是工具，投资理念是灵魂

“如果把投资比作吃饭的话，那么‘吃什么’由投资理念来决定，再根据所吃的食物决定使用的吃饭工具，即量化模型。” 张靖认为，在量化投资领域，投资理念才是量化投资的灵魂，决定了投资的逻辑。只有将最根本的逻辑融入适当的量化方法中才能将量化投资的“魔力”发挥出来，创造最大的投资收益。

谈到模型在量化投资中的作用，张靖有其独到的见解，“量化模型的采用必须与投资理念密切结合，并不是越复杂的模型越好，有时简单易操作的模型反而更加有效。正如吃西餐要用刀叉，吃中餐要用筷子一样，与投资理念相匹配的模型才是最好的模型。”

用量化的方法做有把握的事

张靖对量化投资最通俗的解释就是“用量化的方法做有把握的事儿”。换句话说，就是通过对大量样本数据和市场环境的量化分析，通过平衡投资的风险和收益，建立量化模型，捕捉大概率事件，有把握地获取市场上普遍的、稍高于平均水平的超额收益。

另外，张靖提到，量化模型并不是固定不变的，需要逐步提升，不断改进，在变化中总结经验和规律，使得量化模型能够适应市场和投资者投资习惯的变化。以大摩多因子基金模型中现有的动量因子为例，从总体来看，随着市场逐渐回归理性，其效应应该是逐渐递减的。所以随着该因子效应的递减，未来可能会将其从模型中剔除掉。相应地，另外一些新的因子可能会加入模型中。

大摩多因子：量化选股，量化择时，量化交易

篇7

量化投资基金对国内基金投资者来说是一个相对陌生的概念。它是指基金管理人在分析历史数据的基础上总结股市运行的规律,开发出数量化投资模型,并且以模型输出的结果作为投资决策的主要依据。与此相对的是定性决策,即由基金经理或管理团队决定资产配置、行业配置、个股选择,根据个人经验和判断来建立最终的投资组合。

量化投资在发达市场中十分流行,而在国内这一新的投资方式则只是刚刚起步。最早一只量化概念主动型基金光大量化核心成立于2004年,而此后的4年间再无量化基金成立。2009年是量化投资重新起步,陆续发行了嘉实量化、中海量化、南方策略优选等四只量化基金。

量化投资有优势吗?

与定性决策相比,量化投资最大的好处就是避免了基金经理主观决策的随意性,降低了对基金经理个人能力和经验的依赖;同时能够根据严格的组合配置原则,建立符合投资目标的优化投资组合。

从国外成熟市场的情况来看,优秀的量化基金表现非常突出。例如数量化投资的创始人之一詹姆斯.西蒙斯管理的大奖章基金,自1988年成立后年均回报率达到38.5%,成为20年内最赚钱的基金经理。这一收益率水平远超过巴菲特20%的平均年收益率。

但在国内市场上,量化基金数量寥寥可数,而早期的量化基金相比定性投资基金并未显出优势。那么与依赖优秀基金经理的主动型基金相比,依赖模型的量化投资是否真的能产生优势呢?这取决于三个关键因素。

一是市场环境是否成熟。数量化模型的运用有重要的前提条件,最主要的是必须在一个相对成熟稳定的市场中运行,这种市场环境下基于历史数据设计的模型才可能延续其有效性。而国内股市历史上曾经大起大落,市场结构和运行规律都发生过质变。在这种情况下量化模型有可能跟不上市场本身的改变,严格的量化投资也难以显现适应变化的灵活性。因此早期市场并不适合量化投资理念;而随着市场逐渐成熟,量化投资的优势才开始逐渐显现。2009年后量化投资基金数量大增,也是对这一趋势的反映。

二是量化基金的运作模式。从国内市场的实际情况来看,纯粹依赖模型的量化管理模式仍然并不适合,严格数量化的投资策略难以取得成功。这是因为量化模型难以涵盖所有重要的市场因子,例如中国股市上十分重要的政策变化就无法纳入量化模型分析。因此在量化模型的基础上,在投资策略中适当加以主动修正是必不可少的。但如何把握主动和量化之间的平衡,又成为量化基金的一个难题。国内最早引入的量化基金,在纯量化管理还是混合主动管理的选择上就付出了不少学习成本。

三是投资模型本身的质量,这也是量化基金最核心的竞争力。投资模型是量化基金最核心的投资密诀。模型是否有效,是否真实反映市场运行的核心规律,决定了量化基金投资运作的长期效果。因此在成熟市场上,独特的投资模型往往是量化基金的核心竞争力所在。同时模型本身是否稳健也是量化基金持续投资的基础。如果不结合中国市场的实际引入成熟市场上的投资模型,往往并不成功。

量化投资的时机

基于以上几点原因,量化投资在国内仍处于起步阶段。但随着股市逐渐走向常态化增长,主动型基金数量不断增多,定性管理愈加难以获得超额收益,量化投资的空间正在逐渐显现。

从投资上看,量化模型的优缺点都十分明显,简单概括就是选股/配置强,选时弱。量化模型的主要优势体现在对大量个股的海选,以及确定科学的配置比例上。但在判断市场趋势何时发生转换的选时决策上,多数量化模型可以说无能为力。因此,量化投资的主导思想是获取alpha收益,而规避beta风险并非量化投资的强项。

因此,量化基金能否在投资中取得优势,就取决于它能否扬长避短。从投资目标上看,量化基金的目标不是与主动型基金争夺冠军,而是成为一名稳定战胜多数主动型基金的选手。运作良好的量化基金,应该能够超越多数主动决策的基金经理,获取稳定的超额收益。

TIPS:

创新主动量化投资――南方策略优选

南方策略优选是最新一只量化投资基金。该基金在产品设计上充分考虑了中国市场的现状和发展趋势,提出了创新的主动量化投资模式。这种以定量模型为核心,但在决策流程和模型构建中有机结合定性分析的模式有可能成为量化投资的主导模式。

南方策略优选的主动量化投资模式主要体现在三个层次:在资产配置层面上定性定量并重,在行业配置层面上的定量为主定性为辅,以及在个股选择层面的量化筛选。

针对量化投资的三大关键因素,南方策略优选都做出了针对性的改进和创新。从而有可能在逐渐成熟的中国股市上,探索量化投资模式的运作空间。

从该投资模型模拟运行的结果来看,南方策略优选的表现相当突出。模拟组合在超过60%的月度内获得了正的超额收益,正向超额收益显著高于负向超额收益。其投资模型的三年以来的各阶段累计收益在主动型基金中基本可以排名前10%。

篇8

数量化投资（以下简称量化投资）作为一种新兴的投资方法出现于20世纪50年代，千禧年后蓬勃发展，截至2008年，该类投资基金占美国证券市场份额的30%。

近年来，量化投资在中国渐渐引起重视，光大保德信基金、上投摩根基金、嘉实基金、中海基金、长盛基金、华商基金和富国基金等，先后推出了自己的量化基金产品。不少基金公司国内外广揽数量化投资人才，一股“量化基金”的热潮悄然掀起。

正如定性投资的偶像巴菲特一样，量化投资领域的传奇人物为詹姆斯 西蒙斯。据统计，詹姆斯 西蒙斯管理的大奖章基金从1989到2006年的平均年收益率高达38.5%，净回报率超过股神巴菲特（他以连续32年保持战胜市场的纪录，过去20年平均年回报达到20%），即使在2007年次债危机爆发当年，该基金回报都高达85%，西蒙斯也因此被誉为“最赚钱基金经理”，“最聪明亿万富翁”。与巴菲特的“价值投资”不同，西蒙斯依靠数学模型和计算机管理着自己旗下的巨额基金，他称自己为“模型先生”。西蒙斯几乎从不雇用华尔街的分析师，他的文艺复兴科技公司里坐满了数学和自然科学的博士。用数学模型捕捉市场机会，由计算机做出交易决策，是这位超级投资者成功的秘诀。（上海金融学院国际金融研究院 鹿长余）

截至2009年6 月30 日，中国定量投资规模总量大约187 亿元，在全部基金管理规模中占比仅0.6%。可以说量化投资在中国目前还是一块需要开垦的处女地，可以预期的是，量化投资在中国发展前景广阔。

什么是量化投资呢？“通过信息和个人判断（using information and judgment）来管理资产为基本面投资或者传统投资，如果遵循固定规则，由计算机模型产生投资决策则可被视为数量化投资。” ――Fabozzi《Challenges In Quantitative Equity Management》

与传统投资相比，量化投资的优越性主要来自两个方面：其一，现资组合理论强调通过多元化投资组合消除非系统性风险，以实现降低风险的作用。但实际上由于人的视野和精力都相对有限，基金经理或研究员不可能进行大范围的股票甄选和高频率的验证测算，形成的投资策略得不到宽度、广度上的肯定，难免形成一孔之见。靠人力甄选得到的投资组合很难达到最优化配置，无法确保在风险管理和利润追求上的投资目标。而量化投资的视角更广，借助计算机高效、准确地处理海量信息，更广泛地寻找和验证投资机会，消除投资组合配置的局限性。其二，行为金融学认为，投资者是不理性的。任何一个投资个体的判断与决策过程都会不同程度地受到认知、情绪、意志等各种心理因素的影响。基金经理和投资研究员在一段时间跟踪某只股票之后，由于时刻关心股价的表现和基本面的变动，可能出现不同程度的情感依赖，“和股票谈起恋爱”。即使出现了下跌趋势，也可能因为过度自信、抵制心理等不理性的分析出发点而导致投资、荐股时的行为偏差。而量化投资依靠计算机配置投资组合，克服了人性弱点，使投资决策更科学、更理性。

简单的说，量化投资是快速高效、客观理性、个股与组合并重、收益与风险并重的投资方法。

量化投资的一般步骤如下：

数据化模型构建组合

1、 数据化：主要任务是把众多纷繁复杂的数据整理分类归纳成有用的数据；

2、 建立模型：给定一个策略，选择合适的模型预测收益与风险，选择最好的策略建立模型；

3、 构建组合：根据预测结果按照规则选择对象构建组合；

最后我们来看下专业金融人士对量化投资的一些看法。

嘉实基金公司的王永宏博士介绍，定量投资和传统的定性投资本质上是相同的，二者都是基于市场是非有效或弱有效的理论基础，投资经理可以通过对个股估值、成长等基本面的分析研究，建立战胜市场、产生超额收益的组合。不同的是，定性投资管理较依赖对上市公司的调研，以及基金经理个人的经验和主观判断，而定量投资管理则是“定性思想的理性应用”。定量投资的核心投资思想包括宏观周期、估值、成长、盈利质量、市场情绪变化等等。

俗话说，“条条大路通罗马”。巴菲特与西蒙斯的投资理念与成功，说明投资没有一定之规。

以巴菲特为代表的一类投资家认为，“现实世界是极为复杂的，经验与思考才是财富制胜之道”。因此，其成功的关键，不是顶级的科技，而是对市场的理解、洞悉和不随波逐流的勇气，即以“人”的因素造就财富的增值。

西蒙斯代表的一类投资家则被看作是推论公式、信任模型的数学家。他们利用搜集分析大量的数据，利用电脑来筛选投资机会，并判断买卖时机，将投资思想通过具体指标、参数的设计体现在模型中，并据此对市场进行不带任何主观情绪的跟踪分析，借助于计算机强大的数据处理能力来选择投资，以保证在控制风险的前提下实现收益最大化。

目前量化投资观念也在中国兴起，量化产品正开始萌芽。新发行的嘉实量化阿尔法基金就是量化投资产品，其试图将投资专家的锐利洞悉和数学家的严格客观进行整合，在基本面分析的基础上，提炼出产生长期超额收益的投资思想，借助计算机系统强大的信息处理能力构建定量模型及投资组合，并根据市场变化趋势及时动态调整，加上基金经理严格遵守纪律性投资法则，使该基金在融合定性投资思想精髓的同时，能够规避基金经理个人情绪对组合的影响，有效克服人性弱点，力争取得长期、持续、稳定的超额收益。

富国基金另类投资部总经理，前巴克莱（BGI）大中华主动股票投资总监李笑薇认为量化投资的核心仍是“人脑”。尽管量化投资在海外发展已有30 余年。由于种种原因，目前这一投资方式在中国尚处起步阶段，对于量化投资也存在诸如“量化就是模型决定一切”、“量化是完全由计算机选股”等较片面的认识。李笑薇表示，量化投资的核心是模型设计，“模型决定一切”的说法只能说是部分正确。当一个模型已经设计建设好之后，模型所产生的交易单的确需要严格执行，只有在特殊情况下才能对其进行修改。

但量化投资的核心是模型的设计和建设。而人脑无疑是这一过程中的关键。人对市场的理解，对模型构建的了解，对模型在市场中应用的经验，是搭建一个完美“黑匣子”的最关键。“只有模型设计和建设得好，投资业绩的把握才会增加。”李笑薇表示。

篇9

1997年5月11日，国际象棋世界冠军卡斯帕罗夫与1BM公司的国际象棋电脑“深蓝”的六局对抗赛降下帷幕。在前五局以2.5对2.5打平的情况下，卡斯帕罗夫在第六盘决胜局中仅走了19步就向“深蓝”拱手称臣。整场比赛进行了不到一个小时，卡斯帕罗夫赛后说，在最后一局时，“我已经无力再战。”于此同时，利用计算机和数学模型来进行数量化投资的基金正迈入高速增长期。

量化基金即以数量化投资来进行管理的基金。数量化投资区别于基本面投资，他不是通过“信息和个人判断”来管理资产，而是遵循固定规则，由计算机模型产生投资决策。量化投资并不是基本面分析的对立者，90％的模型是基于基本面因素，同时考虑技术因素。由此可见，它也不是技术分析，而是基于对市场深入理解形成的合乎逻辑的投资方法。

数量化技术发源于20世纪70年代，以1971年富国银行发行跟踪纽约证券交易所1500只股票的指数基金为标志，此后随着计算机处理能力的提高，越来越多的物理学家和数学家离开学校被华尔街雇佣，基金经理们开始依靠电脑来筛选股票。

1979年巴克莱全球投资(Barclays Global Investor)成立了第一支主动数量(Quantitative & Active)投资基金标志着量化投资由草根实践走到了公募基金历史舞台聚光灯下。此后，Vanguard，Federated，Janus，American Century,Alliance Bernstein，Evergreen以及Schwab都开始在运作数量化基金，他们也都开始加入Barclays Global Investors和LSVAsset Management的阵营，后两者是数量化基金管理中最大的两家公司。另外，NumericInvestors和AQR CapitalManagement是增长最快的数量化基金公司。

根据Bloomberg的数据，截至2008年底，1184只数量化基金管理的总资产高达1848亿美元，相比1988年21只数量化基金管理的80亿美元资产来说，平均增长速度高达20％，而同期非数量化基金的年增长速度仅为8％。

2000年之后是数量化基金发展的黄金时期，无论是个数还是管理规模都有了跨越式的发展。1998年数量化基金仅136只，至2002年增长一倍多，达316只，2008年底更是达到1848只，1988年至1998年年平均增长率为46％，2000年至2008年年平均增长幅度达54％。从规模上来看，1988年至1998年年平均增长率为32％，2000年至2008年年平均增长幅度达49％。

其中的原因有二：一是，2000年之后计算机技术飞速发展，为数量化的应用提供了良好的平台；更为主要的是主动管理型基金很难战胜大盘，于是投资指数基金以及采用数量化方法筛选股票逐渐流行起来。而且数量化基金的表现也非常不错。2002年至2007年5年间，相比美国市场主动型管理基金每年5.93％的超额收益，那些覆盖所有资产的数量化基金每年的超额收益可以达到6.95％。另外，有研究表明，2004年至2007年，投资美国大盘股的数量化基金产品的表现平均超越非大盘主动型基金103个基点。

模型――量化基金的心脏

数量化基金的兴起，建立在数量化投资技术的发展之上。在20世纪80年代，大量复杂模型得以发展，这包括：混沌理论(chaos theory)、分形(fraetals)、多维分形(multi-fractals)、适应过程(adaptive programming)、学习理论(leaming theory)、复杂性理论(complexity theory)、复杂非线性随机理论(complex nonlinear stochasticmodels)、数据挖掘(data mining)和智能技术(artificial intelligence)。然后，回归分析(regression analysis)和动量模型(momentum modeling)仍然是被调查者使用最广泛的数量化投资方式。

数量化基金最明显的优势之一就是计算机处理数据的能力远远胜过人脑，这使电脑在海量股票选择中占有绝对优势。例如在嘉信证券的股票评级系统跟踪的股票超过3000只，并且每只股票都综合了基本面、估值、动理和风险因素进行打分，并按分数高低给A至F不同的评级。其次。量化基金是以定量投资为主，用纪律性较强的精细化定量模型，代替了基金经理或分析师在定性层面的主观判断，使投资业绩较少受到个人“熟悉度偏好”的影响。最后，数量化基金收取的费率及管理费用比传统的主动型基金低很多，因为他们需要的研究人员更少，成本更低。据Lipper调查，数量化基金的平均费用是1.32％，相比而言，主动型基金的管理费用平均达到1.46％。

数量化投资理念成就了一大批数量化基金经理，詹姆斯・西蒙斯无疑是其中的佼佼者。他所管理的大奖章基金对冲基金(Medallion)，从1989年到2006年的17年间，平均年收益率达到了38.5％，而股神巴菲特过去20年的平均年回报率为20％。从1988年成立到1999年12月大奖章基金总共获得2478.6％的净回报率，超过第二名索罗斯的量子基金一倍，而同期的标准普尔指数仅有9.6％。即使在次贷危机全面爆发的2007年，该基金的回报率仍高达85％。

然而量化基金并非所有市场都能有效战胜非量化基金。Lipper把基金分为四类型，每一类型量化投资与传统投资比较，2005年量化投资基金战胜传统基金，而2006年在增强指数型基金中，量化投资落后于传统型基金，到2007年情况则发生较大转弯，除市场中立基金外，其余量化投资基金全部跑输传统型基金。在考虑了风险、跟踪误差后，数量化投资具有更小的跟踪误差和更高的回报。研究表明数量投资基金业绩具有很强的轮动特点。大部分数量投资基金具有很强的价值投资偏好(value bias)，因此，他们在价值型市场下表现良好，而1998-1999年是成长型市场，数量化投资基金大部分跑输传统型基金。2001-2005年是价值型市场，数量化投资基金普遍表现优异。

用数学创造财富

国内基金业虽然历史较短，但发展迅速。美国等成熟基金市场的现状，也很可能会是我们未来的发展方向。指数基金、量化基金以及免佣基金等品种，在未来有望陆续发展壮大，受到越来越多投资者的认可。

目前，国内基金市场上有4只量化基金，光大保德信量化核心、上投摩根阿尔法、嘉实量化阿尔法、中海量化策略，其中后两只均是今年才成立，前两只分别成立于2004年8月和2005年10月。

光大保德信量化核心一方面通过光大保德信的多因素数量模型对股票的预期收益率进行估算，个股预期收益率的高低决定投资组合是否持有股票；另一方面，投资团队从风险控制角度，重点关注数据以来的信息，通过行业分析和个股分析形成对量化的补充；最后由投资组合优化器根据预先设计的风险构建组合。

上投摩根阿尔法基金的描述则是同步以“成长”与“价值”双重量化指标进行股票选择，然后研究团队将对个股进行基本面审核，结合跟踪误差的紧密监控，以求不论指数高低，市场多空皆创造主动管理回报。投研团队最终决定进入组合的股票，量化分析是辅助和基础。

嘉实量化基金“定量投资”为主，辅以“定性投资”。通过行业选择模型，捕捉具有投资吸引力的行业，然后再在所选行业中运用Alpha多因素模型筛选个股。定性的辅助作用表现在利用基本面研究成果，对模型自动选股的结果进行复核，剔除掉满足某些特殊条件的股票。

篇10

据悉，青骓投资管理有限公司（后称“青骓投资”）继2012年4月通过华宝信托，发行了信托获批股指期货交易业务资格以来国内第一只阳光私募发行的股票量化全对冲产品之后，再次成立国内首只引入国债期货作为对冲工具的债券对冲管理型产品“青骓1号债券对冲专项资产管理计划”。该产品系青骓投资联手国泰君安期货及某基金公司子公司推出的一款专项资产管理计划，资金已募集完毕并到位，于2013年8月14日正式宣告成立。

值得关注的是，该产品涉及到三方平台，由多个管理人联合操作。基金公司子公司作为资产管理人，青骓投资公司作为投顾主要负责产品的投资策略，国泰君安期货资管部门作为基金专户资产受托人完成国债期货端的交易。

分析人士指出，基金方作为特殊法人单位在期货公司开立资管账户，并引入外部投资顾问参与、主导产品的设计和投资运作，这一合作模式在期货资管领域尚属首例，有望开创机构投资者合作参与期货资管业务的热潮。对于特殊法人单位参与期货资管业务的模式也是全新的尝试。

引入量化对冲策略

篇11

人的思维在任何时候都只能考虑有限个变量，对传统主动型投资人而言，决策广度的有限性，体现在跟踪股票数量上的限制，以及决策时思考变量上的限制。当然，传统的主动投资方法在决策深度上是有优势的，所以做更加深入的基本面研究，以弥补决策广度的不足，是决定成败的关键。

随着市场信息传递速度的加快，众多分析师对基本面数据的不断挖掘，更加深入的分析，似乎越来越难以弥补决策广度的不足。如果将传统主动型投资比喻为―个“拣西瓜”比赛的话，现在剩下的西瓜越来越小了，那么这时“拣西瓜”的工具与方法就显得非常重要了。

即使投资人有超越市场的预测能力，但现实中收益常常被投资人主观认知上的情绪化波动侵蚀掉了。同时，传统投资的管理者本身情绪难免受到周围环境的影响，常常会做出一些偏离自己判断的交易行为，这样的随机交易常常会侵蚀掉部分应该获得的收益。

数量化投资弥补主观判断的缺陷

与传统基金的基金经理相比，量化基金经理们更愿意将他们的见解与目前速度惊人的计算机技术、统计技术等结合起来作为研究工具，在模型中可以将自己的研究和视野拓展到只要有数据支持的任何地方。比如，量化基金经理们可以把所有股票纳入自己的海选范围内，从多维度的变量空间中找到自己的获利机会，并可以检验这样的获利机会在历史上的成败概率。这样的变量可以包括宏观变量、基本面变量、财务数据以及有关投资者心理的市场行为变量。当然，量化投资跟踪调查的范围可以很广，但是在最终决策上要受到众多限制的，以保证在控制风险水平的前提下，实现收益率的最大化。

篇12

摘 要：“金融改革”的提出，金融市场的逐步开放，将促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。通过分别建立两个单指标择时策略模型，运用MATLAB模式搜索算法在设定时段内搜索最优参数，并分别对两个单指标策略进行交易仿真回验。实证结果显示，趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。实证显示组合指标策略的效益明显高于单指标策略。因此，采用组合指标策略进行个股量化择时交易较单指标策略能获得更优的投资收益。

关键词 ：量化择时；趋势指标；组合指标策略；参数优化

中图分类号：F8 文献标识码：A doi：10．3969／j．issn．1665－2272．2015．12．008

1 绪论

1．1 背景意义

“金融改革”的提出将为中国的量化投资带来发展前景。金融市场的逐步开放将会促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。很多国外成熟的投资工具和投资方法将逐步进入中国市场，以期货市场为代表的衍生品市场将迎来飞速增长，以量化投资为代表的投资方法也将得到投资者更大的关注。

在投资业，各种渠道提供的海量信息以及高频金融交易数据都在深刻地影响这个行业的发展以及金融市场的有效性。金融创新给期待量化投资的投资者提供了丰富的投资工具。自20世纪50年代以来，金融市场出于规避监管，转嫁风险和防范风险等需要，推出了很多创新性的金融产品，提供了越来越丰富的投资工具。金融衍生品在金融市场中占的比例越来越重要。

中国量化投资的前景广阔。党的十八届三中全会提出了“健全多层次资本市场体系”的指示精神，为十二五期间的资本市场发展指明了方向。随着金融投资工具的增加，量化投资将显示出其更大的作用，帮助投资者在更好的风险管控中寻求最佳收益回报。

作为量化投资中的量化择时，是指利用某种方法来判断大势的走势情况以及时采取相应措施，它是收益率最高的一种交易方式。就股票投资者而言，择股和择时都是至关重要的，正确择股是盈利的前提，而正确择时则是盈利的最终实现。因此，从微观角度入手，建立有效的个股量化择时交易策略值得研究。

1．2 文献综述

关于量化投资的研究，国内外更多的研究主要以策略构建和实证为主。易海波、杨向阳、罗业华、曾敏通过将量化指标按照股票属性进行分类排序，以自下而上的选股方式，构建出价值、成长、质量三个基本模型，并在此基础上衍生得到四个叠加模型和GARP模型。利用八个选股模型以不同的参数进行选股，构建出十个量化选股组合，历史回测结果显示这些组合风格各异，适合不同风险偏好的投资者。张登明通过对技术指标的分析，构建了完整的及时指标组合投资策略框架。他从量化的角度，通过样本统计给出了适合中国股市的优化指标组合及参数设置，对提高投资决策有积极意义。路来政通过研究量化基金的绩效及管理能力来研究量化投资策略的应用效果，采用T－M模型、H－M模型和C－L模型对其中9只量化基金的管理能力进行了研究，以评价量化基金使用量化投资策略的择股效果和择时效果，结果表明量化基金采用量化策略进行投资是有意义的。

股票择时属于量化投资的一个分域。刘澜飚、李贡敏研究了市场择时理论在中国的适用性，表明中国上市公司不仅存股票市场的市场择时行为，而且存在债务择时行为，即股票市场高涨时，上市公司倾向于债务融资。林正龙基于效用无差别定价原理，运用实物期权定价理论，研究项目投资收益不可完全复制的不确定性投资机会定价与择时问题，得出不同于指数效用，对具有常值相对风险回避系数效用函数的投资者而言，不确定性投资机会的定价与择时与投资者当前财富数量有关。卓琳玲、胡志强通过对样本公司的研究，发现样本公司股票行为、债券发行和内部融资均呈下降趋势，其中股票不是特别明显，当市值杠杆比率上升时期，股票发行出现显著地下降趋势，此时市场时机选择比较明显，说明我国股市存在明显的市场时机选择行为。刘阳、刘强通过研究我国从上世纪90年代初-2010年1月的上证综指和深证成指，分析异常收益率对整个期间收益的影响及择时的可能，发现极少数具有超常收益的交易日对股票市场的长期收益具有显著的影响，认为理性的投资者应该放弃择时而选择长期投资。王俊杰在择时模型方面分析了行业指数存在的持续性和行业轮动特征，并以时间序列模型为基础，构建动量模型、MS－GARCH行业择时模型等量化择时策略，回测结果MS－GARCH择时模型战胜行业动量模型和指数，表现较好。

温婧茹对移动平均线理论进行改进，构造了最适参数，参考设计了触线交易策略和过滤器交易策略，构建了家电板板块静态与动态相结合的股票池，实证得出，不同股票对应的最适参数不同，用个性化的参数进行决策能获得更好的收益；应用收益率确定最适参数以择股，结合触线交易策略以择时，能够跑赢大盘，取得超额收益。曹力自适应均线更适合于组合类的标的，如指数或者封闭式基金，因为这些标的的走势经过了平均的平滑，没有突然的大起大落，更容易用均线来跟踪趋势的变化。而对于个股，波动形态和指数类表的不同，所以需要使用不同的参数，在大多数个股上能够获得超额收益，特别对强周期性行业的股票自适应均线有很强的择时能力。但是自适应均线也不是万能的，对于某些个股，因为波动形态的复杂，用自适应均线也无法获得超额收益。曹力、徐彪从实证效果来看，利用可交易组合的均线模式识别找出的买入机会成功率较高，能抓住一些市场主要的反弹机会，因此累积收益非常出色。可交易组合的均线模式识别方法是择时交易，特别是熊市中择时的有效方法。

1．3 研究框架

传统的趋势指标择时策略往往是单指标的，并且策略参数通常是约定俗成的。单指标策略局限性和偶然性大，不能有效及时获取收益和及时止损；约定俗成的常用参数值在面对各种波动幅度不同、周期性不同、价格弹性等不同的个股时也有失客观性和灵动性。

所以，在探究一种改进针对个股的传统趋势指标量化择时的策略。首先建立基于各传统趋势指标的单指标择时策略，通过参数优化确定各单指标策略的最适参数；并在单指标的基础上，创新性地通过指标的组合，构建一个综合性且参数最优的组合指标择时策略，以增强策略的稳定性和鲁棒性，获得更优的投资收益。

1．4 术语说明

（1）累计收益率：

（2）年化收益率：年化收益率是把当前收益率（日收益率、周收益率、月收益率）换算成年收益率来计算的，是一种理论收益率，并不是真正的已取得的收益率。

（3）夏普比率：夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。

夏普比率=

（5）最大回撤率：在选定周期内任一历史时点往后推，产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤率用来描述买入产品后可能出现的最糟糕的情况，是一个重要的风险指标。

2 理论概述

2．1 量化投资理论

量化投资是运用现代统计学和数学的方法，从大量的历史数据中寻找并获得超额收益的一种投资策略，投资者通过计算机程序，建立可以重复使用并反复优化的投资策略，严格按照这些策略所构建的数量化模型进行投资并形成回报。

量化投资的内容主要包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、ETF／LOF套利、高频交易等。量化投资在国外已有30多年的发展历史，但在国内还是近年出现的新鲜事物。相比其他投资策略，量化投资在国外的运用已取得了更佳的业绩。

与海外成熟市场相比，中国A股市场的发展历史较短，投资理念还不够成熟，相应的留给主动型投资发掘市场的潜力和空间也更大。国内很多实证文献讨论国内A股市场也尚未达到半强势有效市场，因此量化投资理论引入国内证券市场是非常有意义的，它以正确的投资理念为根本，通过各种因素的分析，以全市场的广度、多维度的深度视角扫描投资机会，在中国市场的应用将更显其优势。

2．2 择时理论

量化择时是量化投资的一种，它利用数量化的方法，通过对各种宏观微观指标的量化分析，试图通过回溯历史数据，找到影响大盘走势的关键信息，并且对未来走势进行预测。如果判断是上涨则买入持有；如果判断是下跌则卖出清仓；如果判断是震荡则进行高抛低吸，这样就可以获得远远超越简单买入持有策略的收益率。所以择时交易是收益率最高的交易方式之一。

股票的量化择时是预测市场以后的走势，并由此来判断调整投资组合的风险水平，从而获取更大的收益，具体表现是现金流进出证券市场和在证券间比例变换的时机选择。

2．3 趋势追踪理论

趋势择时的基本思想来自于技术分析，技术分析认为趋势存在延续性，因此只要找到趋势方向，跟随操作即可。

技术指标是技术分析中使用最多的一种方法，通过考虑市场行为的多个方面建立一个数学模型，并给出完整的数学计算公式，从而得到一个体现证券市场的某个方面内在实质的数字，即所谓的技术指标值。指标值的具体数值和相互间关系直接反映证券市场所处的状态，为操作行为提供指导作用。目前证券市场上的技术指标可分为“趋势型指标”、“反趋势型指标”、“能量指标”、“大盘指标”、“压力支撑指标”等类别。

移动平均线（MA）是一种常用的趋势型指标，由Joseph E．Granville于20世纪中期提出来。它是当今运用最普遍的技术指标之一，帮助交易者确认现有趋势、判断将出现的趋势、发现过度延伸而即将发转的趋势。后来又逐渐衍生出其他类型的均线，如平滑异同移动平均线（MACD）、三重指数平滑平均线（TRIX）等。 这些均线理论常用两根线的交叉作为交易信号，并以此作为买卖时点的判断。

均线理论提供了一种简单有效的使价格序列平滑并且使趋势更易于辨认的方法。

因此综合以上理论的优点，在此基础上改进传统趋势指标的量化择时策略，并创新性地开发更优的组合指标量化择时策略，以达到及时获取收益和及时止损的目的。

3 择时策略模型建立

3．1 MA单指标策略模型的建立

MA移动平均是指连续若干交易日收盘价的算术平均，用来显示股价的历史波动情况，进而反映股价指数未来的发展趋势。

其中

利用MA指标进行量化择时，在短期移动均线与长期移动均线的交叉处进行买入或卖出择时交易。以下分别建立买入和卖出法则的模型。

在短期移动均线下穿长期移动均线的黄金交叉处买入，故建立如下数学模型：

mabuy=1，MA（s）t＞MA（s）t-1&MA(s)t＞MA(l)t&MA(s）t-1＜MA（l）t-10,其他（6）

其中mabuy=1，表示满足买进，mabuy=0表示不满足买进。

在短期移动均线上穿长期移动均线的死亡交叉处卖出，故建立以下数学模型：

mabuy=1，MA（l）t＜MA（l）t-1&MA(s)t＜MA(l)t&MA(l）t＞MA（l）t-10,其他

其中mabuy=1，表示满足卖出，mabuy=0表示不满足卖出。

3．2 MACD单指标策略模型的建立

MACD即指数平滑异同移动平均线，是根据均线的构造原理，通过分析短期指数移动平均线与长期指数移动平均线之间的聚合与分离状况，对买进、卖出时机做出判断的趋势型技术指标。

MACD的计算如下：

（1）计算短期（ms）指数移动平均线EMA1和长期（ml）指数移动平均线EMA2。

（2）计算离差值DIF＝EMA1－EMA2。

（3）计算DIF的M日指数移动平均线，即DEA。

（4）计算MACD＝2（DIF－DEA）。

利用MA指标进行量化择时，在DIF与DEA的交叉处进行买入或卖出，分别建立买入和卖出法则的模型。

当DIF、DEA均为正值，DIF向上突破DEA时，为买入信号，建立如下数学模型：

macdbuy=1，DIFt＞DIFt-1&DIF＞DEAt&DIFt-1＜DEAt-1&DIF＞00,其他 （8）

其中，macdbuy=1表示满足买进，macdbuy=0表示不满足买进。

当DIF、DEA均为负值，DIF向下跌破DEA时，为卖出信号，建立如下数学模型：

macdsell=1，DIFt＜DIFt-1&DIFt＜DEAt&DIFt-1＞DEAt-1&DIF＜00,其他（9）

其中macdsell=1，macdsell=0表示满足卖出，表示不满足卖出。

3．3 MA－MACD组合指标策略模型的建立

组合模型构建两个新的信号变量：买入信号个数阈值“buy”（1≤buy≤2，整数）和卖出信号个数阈值“sell”（1≤sell≤2，整数）。

买入信号个数阈值“buy”表示：当MA策略中的“mabuy＝1”的买入信号个数与MACD策略指标中的“macdbuy＝1”的买入信号个数之和至少达到阈值“buy”（1≤buy≤2)数量个时才进行买入交易。

即“buy”阈值取不同值时，买入信号组合满足买入条件的情况如下：

buy=1时，满足买入情况：mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12时，满足买入情况：mabuy=1&macdbuy=1（10）

卖出信号个数阈值“sell”表示：当MA策略中的“mabsell＝1”的卖出信号个数与MACD策略指标中的“macdsell＝1”的卖出信号个数之和至少达到阈值“sell”数量个时才进行卖出交易。

即“buy”阈值取不同值时，买入信号组合满足卖出条件的情况如下：

sell=1时，满足卖出情况：masell=1||macdsell=1||mabsell=1&macdsell=12时，满足买入情况：masell=1&macdsell=1（11）

3．4 模型最优参数的选择

就个股而言，不同的计算参数，将导致不同的择时效果。面对各种波动幅度不同、周期性不同、价格弹性等不同的股票，如果盲目套用经典参数可能会有失客观性和灵动性。因此， 在进行量化择时策略构建时，需要针对个股进行策略的参数优化，检验指标不同参数的测试效果，并最终选择一个最优的参数组合。

夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。

4 个股实证分析

4．1 数据选择

为验证上述模型的有效性，个股实证以深圳证券交易所的华谊兄弟300027为交易标的，选取来源于国泰安2011．1．1－2014．6．30的基本面数据库，包括个股开盘价、收盘价等。

4．2 MA单指标择时策略仿真回验

首先对该股策略进行参数优化：本策略中对于参数，在测试期间内，以2天为间隔，测试范围从2天到20天；以5天为间隔，测试范围从20天到120天；搜索精度为1；测试回验30天，截止日期设为2013－12－31。通过回验得到参数优化结果（见表1）。

如表1所示，最优组合（s，l）＝（2，20），当以2日为短期均线，20日为长期均线，在参数优化测试期间进行交叉择时时效果较好，在回验测试期间内夏普比率达2．4234。

确定最优后，运用国泰安量化交易平台QIA进行策略交易仿真回验。设定合约保证金为1，合约乘数为1，市场参与度为0．5，买方手续费为0．05‰，卖方手续费为0．05‰，交易账户为股票账户并设定初始资金为1 000 000元，以一年期国债利率为无风险利率，并以沪深300为业绩比较基准，以数据库所给时间2011年1月1日-2014年6月30日为策略回验时间区间进行回验。最终结果（见图1、表2）。

回验结果显示，此单指标策略在2011年1月1日-2014年6月30日间的累计收益率达42．26％，年化收益率达11．10％，高出同期的沪深300指数比较基准，并且胜率达60．80％。由此我们可以得出结论，采用MA单指标策略进行个股量化择时交易也能获得较优的投资回报。

4．3 MACD单指标择时策略仿真回验

对该股策略进行参数优化：该策略需要优化确定的参数主要包括短期指数移动平均线的计算天数ms、长期指数移动平均线的计算天数ml，以及DEA的计算天数M。本策略的参数优化依然以最大化夏普比率为最优化目标函数，并使用Matlab的模式搜索算法在设定的回验时段内搜索最优参数组合（ms，ml，M）。

对于参数ms，在测试期间内，以2天为间隔，测试范围从2天到20天；参数ml以5天为间隔，测试范围从20天到120天；参数M以5天为间隔，测试范围从5天到60天；搜索精度为1；测试回验30天，截止日期设为2013－12－31。通过回验得到参数优化结果如下：

如表3所示，最优组合（ms，ml，M）＝（2，25，10），当以2日为短期指数移动平均线计算天数，25日为长期指数移动平均线计算天数，10日为DEA计算天数，进行交叉择时时效果较好，在回验测试期间夏普比率达3．0682。

组合指标择时策略仿真回验。由于组合指标策略是建立在单指标策略基础上的，所以该策略中的参数（s，l）、（ms，ml，M）即为模型一和模型二参数优化后确定的值，而参数（buy，sell）的组合情况有（2，2）、（2，1）、（1，2）和（1，1）四种，阈值组合选取哪个使得策略最优则需要进一步的参数优化。

对于参数buy，初始值设为2，测试最小值为1，最大值为2，步长设为1；参数sell，初始值设为2，测试最小值为1，最大值为2，步长设为1；搜索精度设为1；测试回验90天，截止日期设为2013－12－31。通过回验得到参数优化结果（见表4）。

如表4所示，最优组合（buy， sell）＝（1，1），即当买入信号个数至少有一个时就进行买入交易，卖出信号个数至少有一个时就进行卖出交易，以此进行组合指标择时效果最好，在参数优化回验测试期间夏普比率达2．490 3。

5 结论

从价格沿趋势移动和历史会重演的角度出发，运用传统趋势指标MA和MACD，分别建立MA、MACD的单指标择时策略模型并通过模式搜索算法分别求出两个策略的最优参数，从实证结果看趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。在此基础上再创新性的运用通过设置买入和卖出信号个数阈值的方法构建二者的最优组合指标模型，增强了择时的稳定性和鲁棒性，在有效降低风险的同时提高了收益率。

综上所述，基于以上的不足之处，以后将沿着组合指标择时的思路继续深入研究以对目前的研究进行改进。未来的工作主要是：对于用于组合的单指标要进行更为全面的扩展，引进其他经典趋势型指标DMA平均线差指标、TRIX三重指数平滑移动平均指标等，同时把指标类型拓展至其他类型，如反趋势型指标ACCER幅度涨速指标等，量价指标APBP人气意愿指标等，大盘指标OBOS超买超卖指标等，压力支撑指标ENE轨道线指标等。通过增加组合趋势型数量和组合指标类型，以使组合指标策略更全面、更切合实际市场。

参考文献

1 丁鹏．量化投资——策略与技术［M］．北京：电子工业出版社，2012

2 方浩文．量化投资发展趋势及其对中国的启示［J］．宏观管理，2012（5）

3 郭建．论证券投资技术分析中历史会重演的根本原因［J］．商业时代，2007（28）

4 李向科．证券投资技术分析［M］．北京：中国人民大学出版社，2012．

5 张登明．技术指标投资策略的优化及其在量化交易中的应用［D］．武汉：华中科技大学，2010

6 方智．基于多技术指标模型的沪深300指数走势预测［D］．南昌：江西财经大学，2012

7 路来政．量化投资策略的应用效果研究［D］．广州：暨南大学，2012

8 刘澜飚，李贡敏．市场择时理论的中国适用性［J］．财经研究，2005（11）

9 林正龙．项目投资定价与择时理论研究［D］．长沙：湖南大学，2006

10 胡志强，卓琳玲．IPO市场时机选择与资本结构关系研究［J］．金融研究，2008（10）

篇13

从今年的业绩来看，WIND数据显示，截止10月14日，2011年前成立的10只量化基金，平均累计单位净值增长率为-15.39%,普通股票型基金平均累计单位净值增长率为-16.93%，同期上证指数下跌13.82%。

量化基金整体跑赢普通股票型基金，但10只量化基金业绩分化较大，富国沪深300指数增强和中海量化今年以来的回报为-8.1%和-7.85%跑赢绝大部分基金，而后三名上投摩根阿尔法、嘉实量化阿尔法和华商动态阿尔法收益分别仅为-18.19%、-23.22%和-24.48%，量化模型的有效性受到持续考验。

模型和策略是关键

量化基金通过对投资模型和其中影响因子的设置来剔除所持仓中波动较大、业绩不稳定的个股，起到控制风险并抗跌的作用。不过今年量化基金的表现是“冰火两重天”，多只基金并没有体现出抗跌的特点。

易方达量化研究员曹传琪认为，量化投资的核心是数量模型，模型中各因子设置的有效性决定了量化投资的成败，不过近期量化基金业绩出现较大分化不单是模型设立的原因。量化基金波动较大还与基金经理个人风格有较大关系，如果模型设定好，重仓买入而宏观经济发生转变，模型短期内失效，收益自然不够理想。其二，基金经理个人对股市判断以及投资风格也决定模型最后的效果。而国内基金评价机制，更是让量化基金偏向主动型。

同类基金表现最好的中海量化策略，注重对市场情绪变化的量化研究。该基金在一季度实现了净值增长率2.17%，二、三季度下跌幅度控制在5%和8%。基金经理李延刚在业绩报告中表示，中海量化充分利用择时匹配的决策，在关键时点依据模型提示信号，适度加仓建仓，保证基金业绩稳定。

中海量化基金研究员介绍，对于择时的把控，可利用市场情绪指标构建泡沫度模型，例如搜集媒体对于是市场的情绪的词汇以及频次、政策对股市影响等建立因子。并在个股选择以及行业配置时加入了一致预期指标，6月份该基金在大盘2620点时果断配置了医药板块，抗跌性和收益较为可观。

富国沪深300量化基金上半年净值增长3.79%，跑赢指数，位列指数基金第二名。富国量化投资部总经理李笑薇曾透露，其基金仓位基本保持在95%，其中投资沪深300成分股的比例不低于80%，并全部纳入了富国量化模型，量化分析控制微小成本和跟踪误差。在投资管理上，坚持采取量化策略进行指数增强和风险管理，量化增强策略获得了较好的表现。

追求长期高于基准业绩回报的嘉实量化，今年的表现差强人意。对此，嘉实量化阿尔法基金经理陶羽对本刊记者说：“年初，我们对宏观经济判断比较乐观，通货膨胀预期是前高后低，在4%左右，而货币政策应该是前紧后稳，这导致我们对大盘蓝筹股误判，并在一季度满仓进入。其次，去年是典型的阿尔法行情，成长股表现较为突出，基于比较乐观判断，对仓位的选择未能成为决策的重点，而将个股精选择放在比较重的位置上。”

筛出成长股并非易事

目前已发行的多只量化股票型基金追求成长股和高收益，且淡化实地调研，尤其对上市公司商业模式和管理团队上的把握要比普通主动型股票基金差许多。在捕捉“黑马股”和高成长股上，优势并不明显。

国投瑞银量化研究员殷瑞飞认为，量化模型中发现黑马股和高成长股是通过概率打赢，较主动型股票基金要差一些，可通过分析基本面、财务数据设定因子筛选股票来实现。

陶羽认可定量研究筛选成长股是一件相对困难的事情，对于成长股，量化基金可以利用券商对个股基本面分析报告和参考对分析师过往荐股能力的评估，以及个股已经实现的业绩、ROE、毛利率等数据建立模型，在一定程度解决缺少实际调研的弊端。

公开数据表明，嘉实量化重仓股配比仓位一般不超过2%，从而达到对中小盘的覆盖，来提升选中高成长股的概率。陶羽表示，经济转型基调确立，今后中小盘股延续成长性是大概率事件，国内量化基金根据市场的变化不断优化模型，提高选股的能力，业绩增长还是可期的。

为机构投资者提供金融工程分析软件的深圳天软科技总裁刘二谋认为，如果做纯量化阿尔法基金，从开始设定的模型就是追求成长股，其风险自然比较高，尤其短期波动一定会较大，甚至高于普通股票型基金，如果投资纯量化的阿尔法基金，还是要从长期投资出发，成长股跌得快涨的也快，要充分认识风险。

国内量化基金路还很长

海外量化基金发端于20世纪70年代，截止2010年，量化投资模式占到美国投资市场三成以上，其中指数类投资几乎全部使用量化策略，主动投资也有20%到30%使用量化策略。