時間：2023-06-22 09:24:16
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇量化投資與分析范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
（一）傳統證券風險量化指標的理論源頭
傳統的證券風險分析當中必然會同一個與之如影隨形的概念聯系在一起，那就是收益，同時，在西方傳統的經濟學當中風險和報酬存在著這么一個函數關系，甚至在一些傳統的經濟學課本上作者為了簡化兩者之間的關系，將兩者簡單的歸結為一個完美的線性關系，即風險與收益之間是一對一的數學關系，并且存在著這樣一個邏輯：風險越大，報酬或者收益也就越大，反之亦然。即使是稍微尊重事實一些的經濟學教材也運用了高等數學當中線性回歸的方法將兩者的關系從非線性回歸為一對一的線性關系。除了學界對于風險的分析是從報酬或者收益出發的以外，在國外或者國內的民間也有類似的對于兩者關系的表達，例如我國有句老百姓口中經常說到的“富貴險中求”就是對兩者的關系的簡單認識。因此，傳統證券風險分析的源頭明顯是來源于對于報酬的分析。
（二）傳統證券風險量化指標的數學方法的應用
傳統的證券風險理論認為證券的總風險=可分散的風險+不可分散的風險，其中可分散的風險主要指的是個別證券自身存在的風險，而不可分散的風險則是指市場風險，下面筆者介紹一下傳統證券風險量化的兩個重要的指標――標準差與貝塔值。
第一，標準差。傳統證券風險理論認為個別證券的風險可以從單個證券的報酬率為起點進行分析。財務投資專家從高等數學當中引入了一個衡量證券報酬率的波動性量化分析的指標――標準差來進行對單項證券風險的判斷，進而判斷出相同期望報酬率和不同期望報酬率時對于不同投資的選擇。測算的步驟如下：第一步，確定各種市場需求下各類需求發生的概率；第二步，計算出期望報酬率，其實質上是對于各類市場需求下的報酬率的加權平均數。第三步：根據標準差的數學公式計算出標準差，σ=[Σ（ri-?）2×Pi]1/2其中ri是第i只證券的報酬率，?是期望報酬率，Pi是第i只證券的報酬發生的概率。結論是在期望報酬率相同的時候，標準差越大證明該證券波動越大，風險也就越大，反之亦然。在期望報酬率不同時引入了另外一個概念即離差，由于基本原理也是根據標準差衍生而得，在此不再贅述。[1]
第二，代表市場風險的貝塔值。我們在第一點中提到的標準差主要衡量的是單項證券的風險，而貝塔值的引入主要是考慮到了證券組合的風險構成當中不可分散的風險即市場風險。而貝塔值的測算公式從數學的角度來說實際上是利用了標準差的升級版公式即協方差，協方差主要是衡量了兩組數據之間的相關程度，以此來判斷證券組合的報酬率與市場報酬率之間的數理聯系，進而判斷出不可分散的風險。理論上貝塔值的計算是βi=（σi /σm）ρim，其中βi第i個證券組合的市場風險程度，σi，σm分別第i個證券組合的標準差與市場證券組合的標準差，ρim代表第i個證券組合的報酬與市場組合報酬的相關系數。實際當中β系數可以通過將股票報酬對市場報酬做回歸得到，擬合得到的回歸線的斜率就是證券的β系數，即β=Ri /Rm。[2]
二、價值投資理念下風險與報酬的關系
價值投資理念是華爾街之父本杰明格雷厄姆所創立，在其傳世之作《證券分析》當中明確提出了有關投資與投機概念，其中論及投資界老生常談的收益與風險的問題時結論與傳統證券風險分析有著本質的不同，格雷厄姆明確指出收益與風險之間不存在著數學關系，并且認為證券的價格與收益并非取決于對于其風險的精確數學的計算，而是取決于該證券的受歡迎程度，而這種受歡迎程度本身包含了投資者對于風險的認識，但很大程度上還受到如公眾對公司和證券的熟悉程度，證券發行與購買的容易程度等。[3]并進一步指出，無論是理論上還是實際當中，對投資風險進行精確的計算都是不可能成功的，現實當中并沒有所謂的期望報酬率的概率經驗表，即使存在也是基于對于歷史數據的分析得到了，而歷史數據之于未來決策的有用性或相關性的大小還有待考證，其研究范圍不同于保險公司對于保單的精確測算，例如人壽保險能夠明確的了解年齡與死亡率之間的關系是明確的。而證券的風險與報酬之間的關系則沒有如此的確定。[4]
三、價值投資理念下傳統證券風險量化分析的反思
以上筆者對于傳統的證券風險理論與量化方法以及價值投資理念下關于風險與收益的關系進行了論述。筆者認為，價值投資理念下有關論述對于我們重新審視證券投資中風險因素的衡量有著非常重要的意義。
首先，筆者認為，標準差的計算過程本身就存在著無法避免的瑕疵，這一個公式至少有兩個基本假設，第一，計算的人必須能夠客觀的預測出各種市場情況發生的需求概率，并且準確的在各種概率下發生的報酬率；第二，假定歷史數據對于未來的投資決策具有確定的相關性。但是在現實生活中根本是無法預測的，這種算法實質上是硬將自然科學當中的數學模型強加到社會問題的研究當中，不可否認的是，目前來說大量的社會問題是無法通過數學來量化的，因為證券的風險當中不僅僅只有報酬因素的影響，還有各種在不同市場條件下的因素決定的，而這些因素又相互的的影響和動態的變化。因此，標準差的方法受到了質疑，后續的離差率、β值的計算自然也就沒有了根基。
其次，β值的測算除了上述由于標準差的非客觀性導致的不確定性的缺陷以外，筆者也針對實操當中第二種公式進行分析，β的第二種公式是β=Ri /Rm，從公式上來看，存在著明顯的邏輯上的可疑性，單個股票的收益率假如大于市場整體的收益率，則該只股票的風險就比市場風險大？這個觀點在《證券分析》當中就已經被很好地反駁了，在此，筆者只需要舉一個例子就足夠反駁這一個觀點，伯克希爾哈撒韋上市公司每股截至2017年6月5日是249660美元，每股收益率如果從上市之初可以用天文數字來形容，并且這家公司經歷了無數次大大小小的金融危機，依然以遠遠超過市場平均的業績笑傲群雄，難道說他的風險要遠遠大于市場？這家公司是以價值投資的理念進行風險評估和投資的。因此，筆者認為中國的證券行業乃至我們有關的證券專家和學者們有必要從價值投資的理念來重新審視目前證券風險量化的指標在實際當中的效用。
盡管量化投資已經成為市場投資的發展趨勢，但是大多數投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數學模型，而賺錢的投資模型都是機構的秘密武器，不會輕易披露。另一方面是由于量化投資采用計算機系統，設計各種交易手段，有著較為復雜的數學計算與技術要求，現在許多量化投資都是計算機自動執行的程序交易。另外，量化交易者，俗稱寬客（quants）的交易和故事多多少少增加了量化投資的神秘感。所以，人們一般把量化投資稱為“黑箱”。納蘭（Narang，R.，2012）描述了量化交易系統的典型構造，打開了量化投資的“黑箱”。納蘭認為阿爾法模型用來預測市場未來方向，風險控制模型用來限制風險暴露，交易成本模型用來分析為構建組合產生的各種成本，投資組合構建模型在追逐利潤、限制風險與相關成本之間做出平衡，然后給出最優組合。最優目標組合與現有組合的差異就由執行模型來完成。數據和研究部分則是量化投資的基礎：有了數據，就可以進行研究，通過測試、檢驗與仿真正確構建各個模型。預測市場并制定策略是量化投資的核心，即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發展，量化投資模型也在不斷改進。簡單的策略可能就是證券或組合的套利行為，如期現套利組合、市場異象研究中的差價組合等。統計套利策略是經典的量化投資策略，如匹配交易或攜帶交易。近年來，高頻交易成為量化投資的重要內容，基于高速的計算機系統實施高頻的程序交易已經是量化投資的重要利器。丁鵬（2012）將量化投資的主要內容分為以下幾個方面：量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、算法交易、ETF/LOF套利和高頻交易等。他認為量化投資的優勢在于：紀律性、系統性、及時性、準確性和分散化。
二、量化投資“黑箱”中的構造與證券投資學的差異
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。
（四）2013年諾貝爾經濟學獎的啟示
關鍵詞：量化投資；數量模型；定量投資
一、量化投資的涵義
從實踐的角度上看。量化投資即是利用模型來投資。任何一個完整的關于投資的想法，我們都可以開發成投資模型，然后通過一定的測試過程來檢驗這個模型是否有效。如果最終有效，它就是一個可以用作量化投資的投資模型。量化投資為我們提供了檢驗和選股的數學工具。也可以幫助我們規避人為的情緒化和低效率。
其次，量化投資的各種工具包括系統的投資決策手段和數學模型。從中國量化策略基金的實踐來看。金融數量化的程度還處于初步階段，量化投資的流程還比較簡單。中國量化策略基金的量化投資途徑多采用從一級股票庫初選、并從二級股票庫精選。最后對行業進行動態的配置的三步法。以中海量化策略基金的量化投資風格為例，第一步是根據公司盈利能力。選擇代表性較強的公司盈利能力指標。如過去三年平均每股收益、資產回報率以及毛利率，以所有A股上市公司為樣本。篩選得到一級股票庫。第二步是通過相關指標體系，如估值指標和一致預期指標體系。并借助熵值法確定指標權重后。對一級股票庫中的股票進行打分和排名，進一步篩選得到二級股票庫。其中，一致預期指標值選取各大券商的估值結論，得出市場對上市公司的平均預期值，以此作為市場對公司未來現金流的權威預期。第三步。采用B-L行業量化模型對股票組合進行動態行業配置，對每一個行業形成最佳的權重股組合，提高投資的夏普比率。
最后，量化投資與現在已經很普遍的指數型基金不同。是一種主動投資。這是因為量化投資和指數化投資的理論基礎完全不同。指數化等被動投資的理論基礎認為市場是完全有效的，這一理論的依據是基金的歷史業績除去基金的管理費用。要弱于大市。因此。對投資者來說，更合理的手段是試圖復制市場，以獲得和市場相同的長期收益。同時規避所有的非系統性風險。而量化投資的理論基礎認為市場是無效的，或者是弱有效的，這一理論的依據在于總有優秀的基金經理可以發現市場的阿爾法收益。支持量化投資的基金經理認為可以通過對經濟環境、行業基本面以及公司的分析，主動構建能夠超過市場平均收益率的超額收益組合。因此。量化投資屬于主動投資的一種策略。綜上所述，量化投資并不是一種被動投資，數量化模型的選擇、指標的運用就是量化投資中的主動部分。好的量化投資是主動的人為判斷和被動的模型篩選的結合。
二、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弼!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：
一是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。
三、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。
四、置化投資在中國
2011年7月1日，本刊正式引入《今日投資66》專欄，介紹今日投資66的選股邏輯、方法以及挑選出的股票。今日投資66（簡稱I66）是利用量化投資方法挑選出的一個66只股票的組合。其實早在2005年中今日投資就推出了I66，過去幾年累計收益率達到16倍，遠超同期市場不到3倍的漲幅。為什么直到今日我們才大張旗鼓地推出I66呢？原因其實很簡單，因為市場環境。量化投資近幾年在中國快速發展，其投資理念也越來越多地獲得認同。
股票市場上形形的各種分析方法總結起來可以歸類為三大流派：數量分析、基本面分析和技術分析。關于這三大流派孰優孰劣的爭論已經持續了近百年，三方各執一詞，百年爭論下來也沒有爭出個結果來。當今世界也是這三種流派大概各占三分之一的格局。而A股市場顯然尚未跟上，量化投資遠遠沒有達到三分之一的市場占有率。
第一部分：什么是量化投資
量化投資在海外的發展已有30多年的歷史，其投資業績穩定，市場規模和份額不斷擴大、得到了越來越多投資者認可。事實上，互聯網的發展，使得新概念在世界范圍的傳播速度非常快，作為一個概念，量化投資并不算新，國內投資者早有耳聞。但是，真正的量化基金在國內還比較罕見。那么，何為量化投資？
康曉陽：量化就是符合投資常識的投資邏輯和策略
接下來會發生什么？
深圳市天馬資產管理有限公司是國內最早開發量化投資模型的資產管理公司，致力于量化投資工作接近十年。作為國內量化投資的“開山鼻祖”，深圳天馬的董事長康曉陽先生如下介紹量化投資：
大家看到這個圖，魚跳起來了，風在刮，接下來會是什么？日本發生的9級大地震！2011年3月7日我看到一個報道，有50條鯨魚在擱淺沙灘，就在發生地震那個縣東部的海岸，有的死了，專家解釋這些鯨魚集體迷路了。作為一個地震專家或者學者，其實他們的經驗沒有告訴他這50條鯨魚擱淺沙灘跟地震有什么關系。到底有沒有關系呢？我們知道5•12四川大地震之前發生了同樣的事情，很多癩蛤蟆過馬路，這跟地震有什么關系？
投資做股票有兩類，講很多種策略，無外乎就是買你自己喜歡的和買市場喜歡的，買自己喜歡和買市場喜歡的背后邏輯就是找影響股價的要素。
量化是什么？做投資，最終的分析停留在數據上，既然是數據，就可以標準化、固化。從你自己的角度買自己喜歡的東西，其實也可以量化，每個人都有對美的標準，但并不是符合這個指標，你就一定喜歡。如果有一個海選，把符合你喜歡特征的人放在你面前你去選，就可以量化。
鯨魚擱淺在沙灘上，根據歷史數據統計就會發現這個事情跟接下來要發生的事情有什么關聯。把人的行為邏輯影響股價所有的要素進行綜合分析，預測下一個市場喜歡的東西或者喜歡的策略是什么，簡單一句話，量化就是符合投資常識的投資邏輯和策略。就股票來講，投資標的的數據和因素量化，再用一些模型統計的方法把選出來的標的進行優化，最后成為投資組合，這就是量化的基本邏輯。用數理的方法把你的投資邏輯或者市場的投資邏輯固化，只要有投資邏輯的思想或者策略，都可以量化。
就股票而言，有很多種方法，有價值型股票，分析方法無非是那幾種，只是大家的標準不一樣，量化的東西可以設一個相對寬松的東西，初選之后再優化，比如成長型股票，肯定關心盈利、收益。選出來10個、20個、50個甚至100、200個股票，然后配比重，怎么優化組合，根據你的風險和預期收益率反推回來怎么優化，最后得出一個比重，哪只股票應該投多少。有些是成本交易，比如套利，什么情況下出現一定條件的時候提示你。
要真正做到量化，首先要有一個基本的理論模型。你要覺得什么樣的股票表現好，什么樣的股票你愿意投資，這就是量化的基本邏輯。但是，有了這個邏輯之后還不夠，還要有復合型人才，因為量化投資不光要懂得投資股票，還要懂得數理分析。打個比方，雖然我很懂股票，但我不懂數理分析，很多計算機模型也不懂，更不懂編程序，要真正做到量化投資，就必須有復合型團隊。為什么這么多年華爾街學金融工程、數理、物理的人大受歡迎？因為他們可以用統計工具。前段時間我在英國的一所大學和一些專門做模型分析的教授交流，我發現他們想的東西更加復雜，基本上把市場上任何的東西都想要量化。
我理解，就是去跟蹤你的投資邏輯，它只是幫你實現你想法的一種工具。另外還要有高質量的數據，因為，你通常看到的東西和市場本身存在的東西可能并不一樣。如果把鯨魚放到海灘上，這作為數據化，統計過去2000年有多少次鯨魚擱淺在海灘發生，假如有真實的數據，就可以研究出跟地震的相關性。要懂數理統計工具，建立模型就是紀律，不能改變，改變就不是模型。有人說看到今天不行，換一下，那就不是模型了。我們看過一個電影，造出來的機器人最后自己都控制不了，那就是模型。如果造出來的機器人自己能控制，那不是模型。人為什么能掙得到錢，為什么還要量化？傳統是靠個人經驗的，而且你看到、聽到的東西都是有限的。量化有什么好處？它可以把你知道的東西在整個森林中搜索。計算機是不知疲倦的，晚上你在打鼾，計算機還可以工作。你的模型是你建的，你很理性的情況下建的模型，市場情緒變了，它不會變，那時候你不可能去改模型，所以它不會受情緒的影響。
華泰聯合：實現投資理念與策略的過程
國內研究機構中涉足量化投資較早并多次獲得新財富最佳分析師評選金融工程第一名的華泰聯合證券金融工程團隊如是說：
數量化投資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。與傳統定性的投資方法不同，數量化投資不是靠個人感覺來管理資產，而是將適當的投資思想、投資經驗、甚至包括直覺反映在量化模型中，利用電腦幫助人腦處理大量信息、幫助人腦總結歸納市場的規律、建立可以重復使用并反復優化的投資策略（經驗），并指導我們的投資決策過程。
本質上來講，數量化投資也是一種主動型投資策略，其理論基礎在于市場是非有效或弱有效的，基金經理可以通過對個股、行業及市場的驅動因素進行分析研究，建立最優的投資組合，試圖戰勝市場從而獲取超額收益。然而一些定性的投資者卻并不太認可定量投資，他們認為，定性研究可以將把股票基本面研究做得很深入，從而在決策深度上具有優勢。然而，在當今市場上，信息量越來越大且傳播速度極快，單個分析師所能跟蹤的股票數量開始顯得越發有限，也因此錯過了許多優秀的投資機會，可謂是擁有深度的同時錯失了廣度。量化投資正好彌補了這一缺失，通過使用強大的計算機技術，它能夠實時對全市場進行掃描，并依仗其紀律性、系統性、及時性、準確性以及分散化的特點最大概率的捕獲戰勝市場的投資標的。
事實上，在海外市場，我們看到越來越多的定量與定性完美結合的成功案例。通過向量化模型中加入分析師對未來主觀判斷的觀點（定性的觀點），再結合來自于歷史規律檢驗的觀點（定量的觀點），定量與定性的優勢便能得到充分的發揮和融合。我們相信，這也將是未來量化產品發展的主流方向和趨勢。
結論
量化研究作為一種研究方法，其本質是使用統計學、數學和計算機工具改進研究效率，使得我們能夠在更短的時間、更大的視角領域下，依靠清晰的研究邏輯，獲取更為有效和操作性以及復制性更強的研究成果。量化研究的本質是一類發現市場規律的方法體系，其基本功能是認識市場和解釋市場，并以做到預測市場為目的。
量化投資簡單來講，它以模型為主體，使用大量數據，并且在很大程度上用電腦這樣的投資方式；其以科學性和系統性著稱，并將在嚴格的紀律化模型制約下，緊密跟蹤策略，使運作風險最小化，并力爭取得較高收益。
第二部分：量化投資在蓬勃發展
量化投資在世界的發展史
美國市場有200多年，從證券市場開始，也有快400――500年了，但是量化的發展是上世紀50――60年代的事。首先有一些理論模型，沒有理論模型支撐很難做到量化的東西。
數理化投資于上世紀50~70年論上發芽
Harry Markowitz在上世紀50年表一系列關于投資組合“均值―方差”優化的論文，這使得投資者可以定量化風險，并把風險和預期回報放在一個理論框架下統一考慮；
WilliamSharpe在1964年發表CAPM模型，此模型顯示個股的預期回報和個股的風險及市場的預期回報成正比；
Steven Ross在1976年發表APT模型，此模型顯示個股的預期回報可以表示成一系列非特定因素預期回報的加權平均，此模型為量化投資者指出了很實用的研究框架；
Black-Scholes在1972年發表關于股票權證的定價模型；
Fama和French在1993年發表三因素模型，此模型顯示個股的預期回報由三個因素（市場，個股的市值，個股的市凈率）決定；
此后很多研究者做了非常多的實證研究，并發現了一些對個股將來回報有預測作用的因素：比如市盈率，市凈率，資產回報率，盈利一致預期，中長期價格動能，短期價格反轉等。
數理化投資從上世紀70年代末開始實際運用
Barclays Global Investors(BGI)于1978年創立了全球第一只數量化投資策略基金，到被BlackRocks收購之前BGI以14000億美元的規模，高居全球資產管理規模之首。
SSgA(道富環球投資管理公司)和 GSAM(高盛國際資產管理公司)為首的一大批以數量化投資為核心競爭力的公司已經成為機構資產管理公司中的“巨無霸”。
“詹姆斯•西蒙斯創辦的文藝復興科技公司花費15年的時間，研發基于數學統計理論的計算機模型，借助該模型，西蒙斯所管理的大獎章基金，從1989 年到2009 年間，平均年回報率高達35％，較同期標普500 指數年均回報率高20 多個百分點，比“金融大鱷”索羅斯和“股神”巴菲特的操盤表現都高出10 余個百分點。
在國外。其他采用量化投資的公司沒有獲得驚人的表現，并非是量化方法不好，而是他們還沒有構建出更好的模型以及正確的策略。作為量化投資的大行家和受益者，西蒙斯承認有效市場的套利機會極少而且會趨同小時，然而，仍然有無數轉瞬即逝的很小的機會存在，在證券市場，那些很小的交易，都會對這個龐大的市場產生影響，而每天都會有成千上萬這樣的交易發生。這個市場看似雜亂無章，卻存在著內在規律，而量化操作自從誕生以來，無疑成為捕捉這些規律的一把利器，為海外投資者屢建奇功。
CQA（教育產品內容與數據測試）數據統計：在2002年-2004年三年間，量化產品的平均年收益率為5.6%，比非量化產品的平均年收益率高出1%。從信息比率來看，量化產品為0.37，非量化產品為0.06。此外，量化基金的運作費率相對更低，例如傳統產品費率為0.6%，主動量化產品費率在0.45%-5%之間。
理柏(LIPPER)數據顯示，2005年到2008年之間，87只大盤量化基金業績表現好于非量化基金，增強型量化基金在2005年和2006年更是大幅跑贏非量化基金。但2007年和2008年除市場中性基金外，所有基金業績下滑很快，其中雙向策略和大盤量化基金表現差于非量化基金，而增強型和市場中性量化基金表現則優于非量化基金。
量化投資在中國的發展現狀
研究力量不斷壯大
目前大部分券商研究所都配有金融工程研究小組，成員超過5個的不在少數。根據2010年11月份的《新財富》最佳分析師榜單，國信證券金融工程小組人數有12人，為目前人員配備最多的量化投資研究團隊。其他入選金融工程前五名的研究小組中，申銀萬國8人，華泰聯合、安信證券各5人，中信證券4人。
數量化方面的研究報告數量也是逐年增加。據不完全統計，2008-2010年相關報告數量分別有52、142、794篇，今年上半年就達到了633篇，逐年遞增趨勢非常明顯。不過，和2010年研究報告10萬多份的總量相比，數量化研究的廣度和深度還有很大提升空間。
量化產品初露鋒芒
天馬旗下的產品中，現有兩個信托產品采用量化投資策略，分別是新華―天馬成長，和平安―Lighthorse穩健增長。
此外，上投摩根、嘉實、中海基金、長盛基金、光大保德、富國基金、南方基金等都有量化產品推出，但是量化基金的比例還是非常小。即便在2009年，全年新發基金超過100只的情況下，新發的量化基金也僅有4只，數量在2009年的新發基金市場中僅占3％。與指數基金、普通股票基金相比，量化基金可謂是基金市場上的稀缺資源。
2011年，在國內緊縮政策與國外動蕩局勢的影響下，A股市場呈現結構性震蕩上揚的格局。隨著市場輪動的提速及內在容量的擴大，精選個股的難度日益加大。在此背景下，定性投資容易受到投資者情緒影響，而定量投資則能夠通過計算機的篩選，幫助投資者克服非理性因素，在充分控制風險的前提下應對市場萬變。以“人腦＋電腦”為主要構建的量化基金逐漸顯現投資優勢，今年量化基金異軍突起，整體表現不俗。截至4 月6 日， 9 只具有完整業績的主動型量化基金平均收益率為0.64%，超越同期股票型基金和混合型基金-1.39%、-3.08%的凈值增長率。其中，“元老”光大保德信量化核心基金收益率達5.19%。此外，南方策略、中海量化策略、長盛量化紅利、長信量化先鋒、上投摩根阿爾法、華泰柏瑞量化先行基金也均取得正收益，分別達到4.12%、3.28%、2.60%、2.13%、0.77%和0.16%；僅嘉實量化阿爾法和華商動態阿爾法收益為負，分別為-4.48%、-7.94%。此外，從以往披露的公開信息可以發現，國內量化基金多側重價值因子，也契合今年低估值大盤藍籌股領漲的市場格局。
第三部分：解讀量化投資
在西蒙斯崛起之前，判斷型投資完全占據著主流地位，因為當前全球投資界的三大泰斗當中，無論是價值投資的巴菲特、趨勢投資的羅杰斯，還是靠哲學思維的索羅斯，都是判斷型投資的代表。但隨著西蒙斯的聲名鵲起，量化投資開始受到投資大眾的重視并呈現出蓬勃的發展態勢。但需要指出的是，世界上沒有萬能的投資方法，任何一種投資方法都有其優缺點，量化投資當然也不例外。定量投資成功的關鍵是定量投資這個模型的設計好壞，設計的好壞主要由模型設計者對市場的了解、模型構建的了解和模型實踐經驗來決定的。
量化投資的決策體系
量化基金的成功運作必然依托一個完整而有效的量化體系用來支撐，該體系是數據獲取、數據處理、資產配置、組合管理到全程風險控制等諸多環節的有機結合。
我們借鑒海外量化基金運作架構的諸多優點，并結合華泰聯合金融工程資深研究員的看法，旨在提供一個適合中國市場特點的量化基金運作架構體系。該體系綜合考慮了定性及定量兩大主要選股思路，在風險可控下，充分發揮量化投資的優勢。
此架構包含以下幾個主要層次：
1. 數據提供：量化體系的底層一般是數據接入端口，數據來源于外部數據提供商。
2. 數據預處理：由于中國A 股市場歷史較短，數據質量一般，特別是早期的數據較為不規范。因此，在輸入模型前必須對數據進行全面的清洗，從而增強數據的有效性和連續性。
3. 資產配置：資產配置是量化基金的核心。不同的投資者具有不同的投資理念，即不同的資產收益率看法。因此，通過構建差異化的因子配置模型來實現差異化的投資理念則充分展現了量化投資的優勢和精髓。舉例而言，我們可以開發針對不同市場狀況（如牛市、熊市、震蕩市和轉折市）以及不同投資風格（如保守、激進和中庸）的量化模塊。這些模塊就類似于兒童手中的玩具積木，一旦投資決策委員會確定了戰略和戰術配置比例，接下來要做的就是簡單的選積木和搭積木的過程。模塊化投資嚴格的遵循了投資思路，從而將量化投資的紀律性、系統性、及時性和準確性展露無遺。
4. 投資決策：宏觀經濟政策對中國A 股市場的表現影響較大，也就是我們常說的“政策市”。針對這一現狀，綜合考慮定性和定量的宏觀判斷對于我們選擇合適的基金倉位及資產組合將十分必要。一方面，結合宏觀及行業分析師對于未來宏觀經濟的預判以及個別性事件的分析，另一方面，考察既定的一系列量化擇時指標和宏觀經濟指標的最新動向，從而能較為全面的提出投資建議。
5. 組合管理：在對于宏觀趨勢、戰略和戰術資產配置的全面考量之后，留給基金管理人的工作將是如何實現在交易成本，投資風險以及組合收益三者之間的最大平衡。
經典量化投資模型綜述與評價
目前，由于計算的復雜程度和對速度的要求，量化投資的交易過程通常是由電腦自動來完成的，可在某些方面電腦依然不可能替代人腦。投資若要取得成功，就需要頂尖的大腦來羅織數據、發現規律、編制最快最好的電腦程序；此外，量化投資所使用的模型在用了一段時間之后就會慢慢失效，因為越來越多的“山寨版”會出現，因而需要不斷發現新的模型以走在這場軍備競賽的前列，而此時需要的就是配備精良、高速運作的人腦。由此可見，模型在量化投資的整個體系中居于核心地位。近幾十年來，西方理論界與實務界均誕生了不少量化投資模型，大力推動了量化投資的發展，這其中又大致可分為三大類：傳統的基于經濟學意義的模型（structural model）、現代的基于數學、統計學意義以及計算機原理的模型（statistical model）、程序化交易模型。以下就這三者分別予以介紹。
(一)傳統的基于經濟學意義的模型
這種模型雖然用到了一些數學與統計學的工具， 但其核心思想與前提假設仍然是圍繞經濟學或金融學原理而展開的。例如，B-S 模型與二叉樹模型提供了金融產品定價的新思路，因而也衍生出了所謂的以選擇權為基礎之投資組合保險策略（option-basedportfolio insurance，OBPI），如歐式保護性賣權（protective put）策略、復制性賣權（synthetic put）策略和一些持倉策略―――買入持有（buy-andhold）策略、停損（stop-loss） 策略、固定比例投資組合保險(constant proportion portfolio insurance，CPPI) 策略、時間不變性組合保障（timeinvariant portfolio protection，TIPP）策略、固定組合（constant mix）策略與GARP（Growth at a Reasonable Price）策略等。
(二)現代的基于數學、統計學意義以及計算機原理的模型
與上述模型相比，這種模型“量化”的傾向愈加明顯―――淡化甚至忽略經濟學或金融學背景，基本上只是依賴先進的數學、統計學工具與IT 技術構建模型，進而確定投資策略。模型中應用的具體方法主要包括參數法、回歸分析、時間序列分析、極值理論、馬爾科夫鏈、歷史模擬法、蒙特卡羅模擬法等等。
(三)程序化交易模型
隨著金融市場的日益復雜化， 越來越多的復雜交易策略被設計出來，這些交易策略很難通過傳統的手工方式執行，于是程序化交易應運而生。程序化交易是指按照預先編制的指令通過計算機程序來完成交易的方式，可以分為決策產生和決策執行兩個層面：前者是指以各種實時/歷史數據為輸入通過事先設計好的算法計算得出交易決策的過程，而后者是指利用計算機算法來優化交易訂單執行的過程； 也可以從交易頻率的角度，分為高頻交易和非高頻交易。程序化交易使得復雜的量化交易策略得以實施，優化交易指令的執行，解放人力使之把精力更多地集中到投資策略的研究上， 最重要的是能克服人性的種種弱點與障礙從而保證絕對的“客觀性”與“紀律性”。然而，這種交易方式也引起了諸多爭議，如對速度的過高要求會造成市場的不公平、巨大的交易量可能會增加市場的波動性、容易產生鏈式反應、為了盈利可能會制造人為的價格而降低市場的有效性等等。
量化投資的主要策略
增強型指數基金：策略的主要目的還是跟蹤指數，希望用量化模型找出能緊跟指數但同時又能小幅超越的組合。
非指數型量化基金：能利用絕大多數好的投資機會，而不需去管組合是否能緊跟指數。
多―空對沖基金：買入模型認為能表現好的股票， 賣空模型認為會表現差的股票。有時可能凈多倉， 有時可能凈空倉。此策略在對沖基金中很流行。在A股市場中能賣空的股票不多，所以一般只能用期指去對沖。
市場中性的多―空對沖基金：買入模型認為能表現好的股票， 賣空模型認為會表現差的股票。在任何時候凈倉位為0，同時在各行業上，大小盤風格上的凈倉位都為0。此策略在對沖基金中也比較流行。此策略的波動率非常小，在國外一般會加入杠桿。
130/30基金：一般共同基金采用，即買入130%的多倉， 賣空30%的空倉。
程序化高頻交易：利用期指或股價的日內波動進行高頻買賣。有些策略是找價格模式，有些是利用交易所規則上的漏洞。
可轉移Alpha：主要用在增強型指數基金上，具體是用期貨來跟蹤指數，一部分多出來的錢投資于風險比較小的能取得絕對正收益的策略上。
市場擇時/行業輪動/風格輪動：用數量化模型預測市場/行業/風格的拐點
量化投資和傳統投資的比較
天馬資產首席數量分析師朱繁林博士表示，量化投資區別于定性投資的鮮明特征就是模型，對于量化投資中模型與人的關系，大家也比較關心。可以打個比方來說明這種關系，我們先看一看醫生治病,中醫與西醫的診療方法不同，中醫是望、穩、問、切，最后判斷出的結果，很大程度上基于中醫的經驗，定性程度上大一些；西醫就不同了，先要病人去拍片子、化驗等，這些都要依托于醫學儀器，最后得出結論，對癥下藥。
醫生治療病人的疾病，投資者治療市場的疾病，市場的疾病是什么？就是錯誤定價和估值，沒病或病得比較輕，市場是有效或弱有效的；病得越嚴重，市場越無效。
投資者用資金投資于低估的證券，直到把它的價格抬升到合理的價格水平上。但是，定性投資和定量投資的具體做法有些差異，這些差異如同中醫和西醫的差異，定性投資更像中醫，更多地依靠經驗和感覺判斷病在哪里；定量投資更像是西醫，依靠模型判斷，模型對于定量投資基金經理的作用就像CT機對于醫生的作用。在每一天的投資運作之前，會先用模型對整個市場進行一次全面的檢查和掃描，然后根據檢查和掃描結果做出投資決策。
傳統的定性投資強調的是基金經理的個人經驗和主觀判斷，相對來說強調基金經理的單兵作戰能力。而量化投資主要是用來源于市場和基本面的模型指導投資。
量化投資可以最大限度地捕捉到市場上的機會。而傳統的定性投資受到研究員，基金經理覆蓋范圍的限制。
量化投資借助模型進行投資，比較客觀和理性，更不會受市場和情緒影響。
量化投資的可復制性更好。傳統的定性投資易受到基金經理，資深研究員人動的影響。
其實，定量投資和傳統的定性投資本質上是相同的，二者都是基于市場非有效或是弱有效的理論基礎，而投資經理可以通過對個股估值，成長等基本面的分析研究，建立戰勝市場，產生超額收益的組合。不同的是，定性投資管理較依賴對上市公司的調研，以及基金經理個人的經驗及主觀的判斷，而定量投資管理則是“定性思想的量化應用”,更加強調數據。
國內量化基金投資風險分析
（一）量化模型質量產生的投資風險
投資模型本身的質量，是量化基金最核心的競爭力。專業人士以為，對于中國這樣的新興市場，量化投資的關鍵是能否根據市場特點，設計出好的投資模型。然而，已有的量化基金中，大多簡單地利用國外已公開的模型，或是用基金公司自有的一些簡單模型，在考察市場的有效性上普遍比較欠缺。如中海量化策略和南方策略優化在行業權重配置中均采用的Black-Litterman（BL）模型。這種模型現是華爾街主流模型，亦是高盛公司資產管理部門在資產配置上的主要工具。然而，在國內市場信息搜集等方面局限性較大的情況下，該系統到底是否有效，是否僅是基金公司體現其“專業性”的一個由頭，還有待觀察。
（二）基金經理執行紀律打折扣所產生的道德風險
好買基金研究中心的一份報告指出，大部分量化基金在擇時、行業配置和資金管理等方面并沒有采用量化模型，更多的是基金經理的主觀判斷。觀察這些量化基金的契約和季度報告可以發現，基金要么不進行擇時，要么根據主觀經驗進行擇時，這在很大程度上無法體現出模型選股產生的效果。
（三）數量化模型滯后產生的風險
量化基金效果如何，無法脫離資本市場環境的成熟度。量化模型的運用有重要的前提條件，是必須在一個相對成熟穩定的市場中運行，這種市場環境下基于歷史數據設計的模型才可能延續其有效性。國內股市曾經大起大落，市場結構和運行規律都發生過質變。在這種情況下量化模型有可能跟不上市場本身的改變，嚴格的量化投資也難以適應變化。這或許是這種舶來品水土不服的一大原因。可以說，早期的A股市場并不適合量化投資理念，而隨著市場逐漸成熟，量化投資的優勢才開始逐漸顯現。近兩年量化投資基金數量成倍增加，也是對這一趨勢的反映。
【關鍵詞】金融衍生品 量化投資 相關性 探究
金融衍生品與量化投資之間的相關性是當前經濟發展比較重要的研究議題，兩者的有效配合在某種程度上能使投資者獲得較為豐富的投資收益，并且將風險以及杠桿性將至最低。就當前現狀而言，金融衍生品內容越來越多，而量化投資投資工具呈現多元化的趨勢，這為投資者提供了較多的投資方式以及渠道，并使其在最小風險值內獲取最大的經濟收益。文章主要介紹了金融衍生品及量化投資，重點闡述了兩者之間的關聯性，最后論述了兩者有效融合的前提下如何獲得最大的經濟效益值。
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）.
[5]薛智勝.金融創新風險的防范與監管探析――以金融衍生品為例[J].云南大學學報（法學版），2012（01）.
大摩華鑫基金公司首只量化基金――大摩多因子策略基金自5月17日成立以來，截至9月16日，上證綜指跌幅達到12.98%，大摩多因子基金凈值僅下跌0.3%，在今年同期（4月至6月）成立的偏股型基金中排名第2位，經受住了市場的考驗，也更加堅定了大摩量化投資團隊“將量化進行到底”的決心。那么，量化是不是等同于模型，量化投資到底有何過人之處呢？帶著這樣的疑問，記者走訪了大摩多因子策略基金經理張靖，讓他為投資者解密量化投資的“黑匣子”。
量化模型是工具，投資理念是靈魂
“如果把投資比作吃飯的話，那么‘吃什么’由投資理念來決定，再根據所吃的食物決定使用的吃飯工具，即量化模型。” 張靖認為，在量化投資領域，投資理念才是量化投資的靈魂，決定了投資的邏輯。只有將最根本的邏輯融入適當的量化方法中才能將量化投資的“魔力”發揮出來，創造最大的投資收益。
談到模型在量化投資中的作用，張靖有其獨到的見解，“量化模型的采用必須與投資理念密切結合，并不是越復雜的模型越好，有時簡單易操作的模型反而更加有效。正如吃西餐要用刀叉，吃中餐要用筷子一樣，與投資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
張靖對量化投資最通俗的解釋就是“用量化的方法做有把握的事兒”。換句話說，就是通過對大量樣本數據和市場環境的量化分析，通過平衡投資的風險和收益，建立量化模型，捕捉大概率事件，有把握地獲取市場上普遍的、稍高于平均水平的超額收益。
另外，張靖提到，量化模型并不是固定不變的，需要逐步提升，不斷改進，在變化中總結經驗和規律，使得量化模型能夠適應市場和投資者投資習慣的變化。以大摩多因子基金模型中現有的動量因子為例，從總體來看，隨著市場逐漸回歸理性，其效應應該是逐漸遞減的。所以隨著該因子效應的遞減，未來可能會將其從模型中剔除掉。相應地，另外一些新的因子可能會加入模型中。
大摩多因子：量化選股，量化擇時，量化交易
提到張靖管理的大摩多因子基金，不得不說該基金將量化投資的特點和優越性展現得淋漓盡致。大摩多因子基金是一只純量化基金，不但量化選股，也量化擇時，并且能夠客觀地選擇交易策略，降低情緒影響，可以說是量化選股、量化擇時以及量化交易三位一體的有效結合。
揭開定量投資神秘面紗
與定性投資不同，定量投資更多關注“數字”背后的意義，依靠計算機的幫助，分析數據中的統計特征，以尋找股票運行模式，進而挖掘出內在價值。
李延剛總結了定量投資的三大優勢：首先是理性。定量投資是對于基于基本面定性投資方法和工具的數量化統計性總結，它在吸收了針對某種投資風格和理念的成功經驗的基礎上，以先進的數學統計技術替代人為的主觀判斷，并能夠客觀理性地堅持，以避免投資的盲目性和偶然性。“完全的數量化分析過程將極大地減少投資者情緒的影響，避免在市場極度狂熱或悲觀的情況下做出非理性的投資決策，因而在牛熊市的轉換中具有很強的自我調節性。”
其次，全市場覆蓋。定量投資可以利用數量化模型對壘市場的投資標的進行快速高效的掃捕篩選，把握市場每一個可能的投資機會，而定性投資受人力精力的限制，顯然無法顧及如此廣的覆蓋面。
此外，數量化投資更注重組合控制和風險管理。數量化的個股選擇和組合構造過程。實質上就是在嚴格的約束條件下進行投資組合的過程，先從預先設定的績效目標的角度來定義投資組合，然后通過設置各種指標參數來篩選股票，對組合實現優化，以保證在有效控制風險水平的條件下實現期望收益。“換言之，數量化投資模型能夠很好地體現組合收益與基準風險的匹配和一致，”李延剛解釋。
定量投資是否適應中國市場
“談到定量投資，不得不提量化投資領域中的傳奇人物――詹姆斯?西蒙斯。”李延剛并不掩飾其對這位投資大師的崇敬，“他不僅是世界級的數學家，也是最偉大的對沖基金經理之一。他創辦的文藝復興科技公司花費15年時間，研發基于量化數學模型的計算機模型，借助該模型，兩蒙斯所管理的大獎章基金，從1989年到2006年的平均年收益率達到了38.5％，甚至超過股神巴非特。”
值得一提的是，李延剛也來自數量化投資的發源地――北美，他有著6年海外一線投資管理的實際工作經驗，深刻領會并掌握了量化投資理念與方法，具備數量化投資領域的成功經驗。2007年，李延剛回國后加盟中海基余，著手增強中海基金金融工程團隊的寅力。在借鑒國外成熟的投資理念與經驗的基礎上，結合A股實際，他用了近兩年時間對數量化模型進行反復修改與調試。目前，中海基金的金融工程部已經形成從擇時、配置到選股等方面的一系列研究成果，并在今年順勢推出中海量化策略基金。
詹姆斯?西蒙斯的神話在中國證券市場能否再次實現?“當其他人都擺西瓜攤的時候，我們擺了一個蘋果攤。”李延剛用一個形象的比喻來形容定量投資存國內市場的發展機遇。他認為，目前國內證券市場定性投資者太多，競爭激烈，而數量化投資者則太少，機會相對更多，競爭也很小。李延剛表示，大量實征研究證明，中國證券市場為一個弱有效市場，市場上被錯誤定價的股票相對較多，留給定量投資發掘市場非有效性的空間也就越大。基于這種考慮，定量投資方法在中國的發展極具發展空間。
“今年推出量化基金并非一時的心血來潮，一方面中海基金金融工程部已經逐漸成熟，而另一方面也是出于市場時機的考慮。”李延剛強調。
他認為，在經歷2008年的巨幅下跌后，市場底部已經基本確立，目前小盤股估值相對較貴，短期內市場可能會以調整為主，但未來市場走勢仍然存在諸多不確定。在此背景下，如何把握結構性機會將是未來投資關鍵之所在，利用數量模型進行分析和投資的量化基金具備更好的適應性。中海量化策略基金將把握市場調整時機，采用數量化模型選人具有估值優勢和成長優勢的大中盤股票作為基石，輔之以部分優質的小盤股票。
“量體裁衣”完善全程量化流程
據了解，中海量化策略基金的全程量化流程分三個步驟，即選股策略自下而上，施行一級股票庫初選、二級股票庫精選以及投資組合行業權重配置的全程數量化。
“就像裁縫做衣服一樣，量化基金在投資中也要通過‘量體裁衣’來完善全程量化流程。通過全程量化與基金經理的思想相配合，才能做出優質的量化基金。”李延剛表示。
首先，選取代表性最強的反映公司盈利能力的指標，對于所有的A股上市公司進行篩選從而得到一級股票庫。“主要通過對所有A股股票過去三年平均EPS(每股收益)、ROE(凈資產收益率)、毛利率三項指標進行篩選，它們能分別較好的反映上市公司的獲利能力，從而得到一級股票庫。”李延剛說。
其次，通過盈利性指標、估值指標、一致預期指標，熵值法確定指標權重后，對一級庫股票進行打分排名，從而篩選出二級股票庫。其中，一致預期指標則是通過各券商分析師的調查后，得出上市公司盈利預期數據平均值，以此權威性地反映市場對公司未來盈利的預期水平。“中海量化基金引入一致預期作為選股指標，可以全面、權威的反應市場對上市公司未來盈利的預期水平，為投資決策提供更為真實和前瞻性的依據。與此同時，還可以根據預期的變化及時動態調節，更加適應股市的震蕩波動。”李延剛強調。
關鍵詞：量化分析；風險態度相關性；相關系數；理性投資
一、要解決的問題
（1）問題一：根據所給數據量化分析處理公眾投資者的個人狀況、信息獲取方式、媒體信任程度、風險態度。（2）問題二：在量化分析處理公眾投資者的個人狀況、信息獲取方式、媒體信任程度、風險態度的基礎上，建立合適的數學模型分析它們之間的相關性；
二、模型的假設
（1）建模時在所有的問題答卷中剔除那些相關性不大的問題，只從中選取具有代表性的問題，以減少建模復雜度。（2）建模過程中的各變量是相互獨立的且數據有很強代表性。（3）證券市場是有效的，且價格的變動具有慣性。
三、模型的建立與求解
（一）對問題一的求解
（1）模型的準備。通過對數據的分析，我們從所有47個問題中選出20個具有代表性的問題，將提煉出的問題分成4大類：個人基本信息狀況、信息獲取方式、媒體信任程度、風險態度。
（2）模型的求解與量化分析。通過對第一大類個人基本信息狀況中所選取的5個問題進行量化分析得到個人基本信息狀況的量化分析，在所有調查的616名對象中，女性共有236人，女性投資者占總投資人數將近四成。我國投資者的年齡主要集中在30歲以下，占調查總數的36.4%，其次是30～50歲，占比為31.2%，二者之和占到調查總數的近70%。60歲以上投資者僅占8.4%。盡管中高學歷投資者居多，但分析表明，教育程度與投資者收益沒有明顯關系。其次在廣大投資者當中97%的投資者屬于中產階級，62%的投資者目的在于改善生活，83.5%的投資者對上市公司只是部分了解，這也顯示出了中國投資者投資證券的意愿不強，市場的積極性未完全調動，但同時也說明了我國證券市場還有很大部分未開發，證券市場前景廣闊。
通過對第二大類信息獲取方式中所選取的5個問題進行量化分析可知65%投資者投資知識來源于時間和雜志，65.5%的投資者做投資時是經過理性分析的，這反映出我國大多數投資者是屬于風險厭惡者或者傾向于風險厭惡，在進行投資時還是比較理性的。其次有77.6%的投資者認為以往的投資經驗對現在或未來的投資是有用的。73%的投資者會關注財經新聞的報道，85%的投資者主要從網絡，電視，報紙雜志等媒體中獲得投資信息。
通過對第三大類媒體信任程度中所選取的5個問題進行量化分析得到的媒體信任程度量化分析表如表1所示。
從表1可以看出53%的投資者最初進入股市的原因是認為有利可圖，自己決定進入。對于媒體反復推薦的股票，68%投資者不會購買，對媒體的信任程度還是比較低的。其次有76.6%的投資者覺得媒體上推薦的股票是有一定道理的，但有40.4%投資者之所以相信媒體上推薦的股票是因為自身能力的不足，只好相信媒體推薦。同時，在聽取各類人士意見時，35%的投資者相信身邊熟悉炒股的朋友。總之，我國投資者對于媒體的信任程度還是偏低的，這同時意味著我國的證券業還有著巨大的發展空間。
通過對第四大類風險態度中所選取的5個問題進行量化分析得到的風險態度量化分析表如表2所示。
根據表2分析顯示，投資者的操作模式相對穩定，3個月內換手1次或更短的投資者占比最多，總體來看，投資者的持股時間相對較短，長期投資者占投資者比例較小。從趨勢上看，在2008年以來的下跌行情中，投資者更傾向于頻繁換手，3個月內換手1次或更短的投資者逐漸增加至62.4%，持股半年內的比例明顯下降至28.6%。至于持股一年以上的雖有所增加，但平均占比不高，這部分長期投資者的增加不能排除是因套牢產生的被動長期投資。股票下跌時，只有不到20%的股民會選擇低價再買入，再一次反映出我國股民大多數屬于風險厭惡者。同時，面對股價下跌，但持有目標是五年時，62%的投資者會維持不動，但面對股價下跌，但持有目標是三十年，只有42%的投資者會繼續維持不動。總之，投資者個人承擔風險的態度還是比較理性的。
（二）對問題二的求解
（1）模型的準備。證券市場市場參與者眾多，市場機制更為復雜，信息不對稱現象更為明顯。對于風險態度的衡量，在影響證券銷售量的因素中，有價格，上市公司市場信譽，投資者的風險態度等。本題中著重量化被調查者的風險態度。為了確定投資者分別隸屬于風險厭惡，風險中性，風險偏好哪種類型，我們在分析數據的過程中，給每個問題每個選項賦分的原則如下：1）選A、B、C、D的基礎得分分別為1、2、3、4。2）將投資者的態度分為（0～30）風險厭惡型，（31～60）風險中立型，和（61～90）風險喜好型。
相關系數用來反映兩者之間的相關性，考慮相關系數r時，我們遵循以下準則：1）當r>0時，表示兩變量正相關，r
通過數據分析，我國投資者的總體風險態度是介于風險厭惡和風險中立的，由此可以看出投資者較為希望通過風險投資增加其個人收入。但是由于客觀、主觀因素，投資者中，持觀望態度者較多。
（2）模型的建立與求解。根據題目提供的數據以及前面的賦值，算出所有被調查者的風險態度值，并選出問卷中的第二問跟風險態度進行相關性分析，則有：
結果為a=[1 1 1 2 1 1 4 3 2 1 1 1 1 3 2 2 4 3…1]
對應的風險態度值為b=[44 44 46 45 41 42 47 41 54 46 38 49 51 53 53 50 44 44…47]
根據以上分析可知總體個人狀況與風險態度的相關性小，由此得出我國近段時間進行投資的民眾數量較大，覆蓋到不同民眾的方方面面。信息獲取方式與風險態度之間聯系大、得知在我國的投資領域，投資者的信息獲取途徑和多少對其投資的方向性還是有較大的影響。媒體信任程度與風險態度之間的相關性適中，可知部分投資者對待媒體信息的態度還是比較冷靜。
參考文獻：
[1] 楊桂元，黃己立.數學建模[M].合肥：中國科學技術大學出版社，2008.
[2] 李柏年，胡守信.基于MATLAB的數學實驗[M].北京：科學出版社，2004.
[3] 魏捷.關于調查問卷中定性數據處理方法的探討[D].中南財經政法大學 2008.
計算機給投資帶來的改變
1997年5月11日，國際象棋世界冠軍卡斯帕羅夫與1BM公司的國際象棋電腦“深藍”的六局對抗賽降下帷幕。在前五局以2.5對2.5打平的情況下，卡斯帕羅夫在第六盤決勝局中僅走了19步就向“深藍”拱手稱臣。整場比賽進行了不到一個小時，卡斯帕羅夫賽后說，在最后一局時，“我已經無力再戰。”于此同時，利用計算機和數學模型來進行數量化投資的基金正邁入高速增長期。
量化基金即以數量化投資來進行管理的基金。數量化投資區別于基本面投資，他不是通過“信息和個人判斷”來管理資產，而是遵循固定規則，由計算機模型產生投資決策。量化投資并不是基本面分析的對立者，90％的模型是基于基本面因素，同時考慮技術因素。由此可見，它也不是技術分析，而是基于對市場深入理解形成的合乎邏輯的投資方法。
數量化技術發源于20世紀70年代，以1971年富國銀行發行跟蹤紐約證券交易所1500只股票的指數基金為標志，此后隨著計算機處理能力的提高，越來越多的物理學家和數學家離開學校被華爾街雇傭，基金經理們開始依靠電腦來篩選股票。
1979年巴克萊全球投資(Barclays Global Investor)成立了第一支主動數量(Quantitative & Active)投資基金標志著量化投資由草根實踐走到了公募基金歷史舞臺聚光燈下。此后，Vanguard，Federated，Janus，American Century,Alliance Bernstein，Evergreen以及Schwab都開始在運作數量化基金，他們也都開始加入Barclays Global Investors和LSVAsset Management的陣營，后兩者是數量化基金管理中最大的兩家公司。另外，NumericInvestors和AQR CapitalManagement是增長最快的數量化基金公司。
根據Bloomberg的數據，截至2008年底，1184只數量化基金管理的總資產高達1848億美元，相比1988年21只數量化基金管理的80億美元資產來說，平均增長速度高達20％，而同期非數量化基金的年增長速度僅為8％。
2000年之后是數量化基金發展的黃金時期，無論是個數還是管理規模都有了跨越式的發展。1998年數量化基金僅136只，至2002年增長一倍多，達316只，2008年底更是達到1848只，1988年至1998年年平均增長率為46％，2000年至2008年年平均增長幅度達54％。從規模上來看，1988年至1998年年平均增長率為32％，2000年至2008年年平均增長幅度達49％。
其中的原因有二：一是，2000年之后計算機技術飛速發展，為數量化的應用提供了良好的平臺；更為主要的是主動管理型基金很難戰勝大盤，于是投資指數基金以及采用數量化方法篩選股票逐漸流行起來。而且數量化基金的表現也非常不錯。2002年至2007年5年間，相比美國市場主動型管理基金每年5.93％的超額收益，那些覆蓋所有資產的數量化基金每年的超額收益可以達到6.95％。另外，有研究表明，2004年至2007年，投資美國大盤股的數量化基金產品的表現平均超越非大盤主動型基金103個基點。
模型――量化基金的心臟
數量化基金的興起，建立在數量化投資技術的發展之上。在20世紀80年代，大量復雜模型得以發展，這包括：混沌理論(chaos theory)、分形(fraetals)、多維分形(multi-fractals)、適應過程(adaptive programming)、學習理論(leaming theory)、復雜性理論(complexity theory)、復雜非線性隨機理論(complex nonlinear stochasticmodels)、數據挖掘(data mining)和智能技術(artificial intelligence)。然后，回歸分析(regression analysis)和動量模型(momentum modeling)仍然是被調查者使用最廣泛的數量化投資方式。
數量化基金最明顯的優勢之一就是計算機處理數據的能力遠遠勝過人腦，這使電腦在海量股票選擇中占有絕對優勢。例如在嘉信證券的股票評級系統跟蹤的股票超過3000只，并且每只股票都綜合了基本面、估值、動理和風險因素進行打分，并按分數高低給A至F不同的評級。其次。量化基金是以定量投資為主，用紀律性較強的精細化定量模型，代替了基金經理或分析師在定性層面的主觀判斷，使投資業績較少受到個人“熟悉度偏好”的影響。最后，數量化基金收取的費率及管理費用比傳統的主動型基金低很多，因為他們需要的研究人員更少，成本更低。據Lipper調查，數量化基金的平均費用是1.32％，相比而言，主動型基金的管理費用平均達到1.46％。
數量化投資理念成就了一大批數量化基金經理，詹姆斯?西蒙斯無疑是其中的佼佼者。他所管理的大獎章基金對沖基金(Medallion)，從1989年到2006年的17年間，平均年收益率達到了38.5％，而股神巴菲特過去20年的平均年回報率為20％。從1988年成立到1999年12月大獎章基金總共獲得2478.6％的凈回報率，超過第二名索羅斯的量子基金一倍，而同期的標準普爾指數僅有9.6％。即使在次貸危機全面爆發的2007年，該基金的回報率仍高達85％。
然而量化基金并非所有市場都能有效戰勝非量化基金。Lipper把基金分為四類型，每一類型量化投資與傳統投資比較，2005年量化投資基金戰勝傳統基金，而2006年在增強指數型基金中，量化投資落后于傳統型基金，到2007年情況則發生較大轉彎，除市場中立基金外，其余量化投資基金全部跑輸傳統型基金。在考慮了風險、跟蹤誤差后，數量化投資具有更小的跟蹤誤差和更高的回報。研究表明數量投資基金業績具有很強的輪動特點。大部分數量投資基金具有很強的價值投資偏好(value bias)，因此，他們在價值型市場下表現良好，而1998-1999年是成長型市場，數量化投資基金大部分跑輸傳統型基金。2001-2005年是價值型市場，數量化投資基金普遍表現優異。
用數學創造財富
國內基金業雖然歷史較短，但發展迅速。美國等成熟基金市場的現狀，也很可能會是我們未來的發展方向。指數基金、量化基金以及免傭基金等品種，在未來有望陸續發展壯大，受到越來越多投資者的認可。
目前，國內基金市場上有4只量化基金，光大保德信量化核心、上投摩根阿爾法、嘉實量化阿爾法、中海量化策略，其中后兩只均是今年才成立，前兩只分別成立于2004年8月和2005年10月。
光大保德信量化核心一方面通過光大保德信的多因素數量模型對股票的預期收益率進行估算，個股預期收益率的高低決定投資組合是否持有股票；另一方面，投資團隊從風險控制角度，重點關注數據以來的信息，通過行業分析和個股分析形成對量化的補充；最后由投資組合優化器根據預先設計的風險構建組合。
上投摩根阿爾法基金的描述則是同步以“成長”與“價值”雙重量化指標進行股票選擇，然后研究團隊將對個股進行基本面審核，結合跟蹤誤差的緊密監控，以求不論指數高低，市場多空皆創造主動管理回報。投研團隊最終決定進入組合的股票，量化分析是輔助和基礎。
嘉實量化基金“定量投資”為主，輔以“定性投資”。通過行業選擇模型，捕捉具有投資吸引力的行業，然后再在所選行業中運用Alpha多因素模型篩選個股。定性的輔助作用表現在利用基本面研究成果，對模型自動選股的結果進行復核，剔除掉滿足某些特殊條件的股票。
中海量化策略以量化模型作為資產配置與構建投資組合的基礎。根據量化指標實行從一級股票庫初選、二級股票庫精選，再根據相關模型計算行業配置權重。結合行業配置權重，組合中每只股票的配置比例。
