金融投資量化方法精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的金融投資量化方法主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：金融投資量化方法范文

本刊記者專訪了建信責(zé)任ETF、建信社會責(zé)任聯(lián)接基金經(jīng)理葉樂天，為我們揭開量化投資的面紗。來自浙江，北大數(shù)學(xué)系出身的葉樂天，談起量化投資，如數(shù)家珍。在他看來，量化投資與基本面投資在方法論上有較大差別。后者類似中醫(yī)，通過實(shí)地調(diào)研考察，望聞問切，接觸病人，獲取信息，加以判斷；前者則把影響投資的各方面情況以及投資邏輯轉(zhuǎn)化為數(shù)據(jù)和模型，類似西醫(yī)，用醫(yī)療設(shè)備對病人進(jìn)行體檢和化驗(yàn)，更重視借助圖表和數(shù)據(jù)對病人的病情做出判斷，因此能做到不見病人而對其基本特征了如指掌。

：請通俗介紹一下什么是量化投資，它的發(fā)展情況如何？

葉樂天：中國量化投資研究院院長陳工孟曾做過這樣的描述：第一批聰明人叫金融學(xué)家，他們發(fā)明了各種各樣的金融衍生品賺得盆滿缽滿；第二批聰明人叫數(shù)學(xué)家，他們通過各種數(shù)據(jù)模型去發(fā)現(xiàn)了一些不合理的現(xiàn)象，同時發(fā)現(xiàn)了賺錢的機(jī)會，然而數(shù)學(xué)家不知道怎么把錢賺到手；第三批聰明人就是IT工程師、軟件工程師，他們幫助第二批聰明人實(shí)現(xiàn)了賺錢的機(jī)會。而“量化投資”就是高端的金融人才、數(shù)學(xué)家和一流的IT工程師的復(fù)合。在美國有一種說法，最聰明的人，最高端的技術(shù)首先應(yīng)用在兩個領(lǐng)域，一個領(lǐng)域就是國防，第二個領(lǐng)域就是華爾街。

量化投資從20世紀(jì)70年代在美國興起，經(jīng)過40多年的發(fā)展，已經(jīng)成為西方金融市場最為重要的投資方式之一。從20世紀(jì)90年代初期開始，量化投資的資產(chǎn)管理規(guī)模迅速增長，2000～2007年，美國的量化投資總規(guī)模增長了4倍多。2011年美國的量化投資和對沖基金的規(guī)模經(jīng)過金融危機(jī)以后再創(chuàng)新高，達(dá)到了2萬多億美元的規(guī)模。

2009年被稱為中國量化投資元年。隨著2010年股指期貨的推出，金融衍生品迅速登上中國資本市場的舞臺，為量化投資的發(fā)展創(chuàng)造了有利的條件，而量化投資的發(fā)展為投資者提供了可選擇的、非常有優(yōu)勢地位的投資方式。

：量化投資與價(jià)值投資有什么關(guān)系？

葉樂天：資本市場之大，每位強(qiáng)者都有自己的成功之道。相對于巴菲特過去20年平均20%的年回報(bào)率，有位中國人不太熟悉的高手更勝一籌，他就是華爾街的“模型先生”詹姆斯·西蒙斯。西蒙斯創(chuàng)辦的大獎?wù)禄饛?989年到2006年的平均年收益率高達(dá)38.5%，凈回報(bào)率超過巴菲特，即使在次貸危機(jī)爆發(fā)市場一片陰霾的2007年，他的基金回報(bào)都高達(dá)85%。

與股神巴菲特的“價(jià)值投資”不同，西蒙斯的投資成就依靠的是“量化投資”。這位24歲起就出任哈佛大學(xué)數(shù)學(xué)系教授的數(shù)學(xué)天才，依靠數(shù)學(xué)模型和計(jì)算機(jī)技術(shù)捕捉著市場機(jī)會。他認(rèn)為，數(shù)學(xué)模型比主動投資能夠更有效地降低風(fēng)險(xiǎn)。雖然中國人對西蒙斯這個名字還比較陌生，但量化投資產(chǎn)品在華爾街已經(jīng)非常普遍。

：為什么說量化投資像西醫(yī)？

葉樂天：隨著計(jì)算機(jī)運(yùn)算速度的提高，華爾街的量化投資已經(jīng)發(fā)展到爭取幾毫秒的機(jī)會。同一個套利機(jī)會下，誰下單早，誰就能抓住機(jī)會。盡管大家爭取的可能是萬分之一的收益，但是通過每天大量的交易，日積月累，就能取得很高的回報(bào)。

與市場熟悉的定性投資相比，量化投資在研究方法上與其有著很大不同。定性投資主要通過公司基本面研究進(jìn)行投資決策。需要基金經(jīng)理到企業(yè)調(diào)研，看研究報(bào)告，與高管深入交流、了解大股東訴求，了解公司發(fā)展規(guī)劃之類，有深度。量化投資則注重廣度，比如市場上有2000只股票，量化投資會通過計(jì)算機(jī)比較2000只股票的數(shù)據(jù)，找出上漲個股共同的特征因子進(jìn)行投資。與定性投資產(chǎn)品的基金經(jīng)理經(jīng)常出差不同，我主要的工作都在案頭——搜集數(shù)據(jù)，處理數(shù)據(jù)、還有編程。

定性投資和定量投資的差異如同中醫(yī)和西醫(yī)的關(guān)系。定性投資更像中醫(yī)，更多地依靠經(jīng)驗(yàn)和感覺判斷病在哪里；定量投資更像西醫(yī)，依靠模型判斷，模型對于基金經(jīng)理的作用就像CT機(jī)對于醫(yī)生的作用。

：如何選擇量化投資產(chǎn)品尤其是指數(shù)基金？

葉樂天：目前，量化投資在中國公募基金市場的形態(tài)還比較簡單，主要可以分為被動型的和主動型的。被動型的量化產(chǎn)品包括了大量的指數(shù)基金；主動型的量化產(chǎn)品則主要有3種模式，分別是“多因子型”、“事件型”和“宏觀擇時型”的。事件型和宏觀擇時型相對容易理解。多因子型，就是通過比較數(shù)據(jù)，篩選出個股走勢變化的關(guān)聯(lián)因子，然后，在未來個股走勢出現(xiàn)類似因子時，觸發(fā)交易，從中取得收益。

在公募產(chǎn)品中，以指數(shù)型產(chǎn)品為主，主動量化的產(chǎn)品數(shù)量稀少。公募基金受制于交易監(jiān)管規(guī)則，比如在同一天的交易中，不能對同一標(biāo)的做反向交易，在衍生品工具的使用上也非常有限，所以做主動量化的產(chǎn)品較少。同時，量化投資不像定性研究，對單個公司研究得很透，經(jīng)得起很大的波動，追求的漲幅也大。量化投資通常追求很小的漲幅，但業(yè)績比較穩(wěn)定。而且，歷史上指數(shù)基金的業(yè)績表現(xiàn)還算穩(wěn)定，主動量化基金產(chǎn)品的穩(wěn)定性稍差，而業(yè)績穩(wěn)定對開放式基金更加重要。此外，市場深度不夠也制約了量化產(chǎn)品在中國的發(fā)展。公募基金的規(guī)模通常比較大，如果做主動型的產(chǎn)品，更換持倉的沖擊成本就比較大。

不過，對于普通投資者而言，要投資量化基金時，并不是非要弄懂基金的運(yùn)作模型。選擇一只量化產(chǎn)品與選擇普通的基金產(chǎn)品，方法并沒有太大的差異。首先，投資者需要了解量化產(chǎn)品的過往業(yè)績，如果基金持續(xù)一段時間業(yè)績表現(xiàn)優(yōu)秀，說明這種模型相對來說是較為可靠的。其次，就是看基金經(jīng)理的投資理念和思路方法投資者是否認(rèn)可，因?yàn)榛鸾?jīng)理正是模型的制定者。最后應(yīng)當(dāng)考慮個人整體的資產(chǎn)配置，從長期的角度對基金產(chǎn)品進(jìn)行合理配置，不用過多地顧慮投資時機(jī)。

第2篇：金融投資量化方法范文

寒暄已畢，坐定后，銀華基金量化投資部總監(jiān)周毅用他慣常的平緩語速說道。

《投資者報(bào)》記者第一次采訪周毅在2010年3月，那時，銀華基金正推出國內(nèi)第一個杠桿指數(shù)基金，作為產(chǎn)品的設(shè)計(jì)者，基金經(jīng)理也由他擔(dān)任。

談及國內(nèi)基金產(chǎn)品創(chuàng)新，在華爾街做了11年量化投資并參與過房地美等資產(chǎn)抵押債券設(shè)計(jì)的周毅自謙道，只是將國外的產(chǎn)品移植到中國市場。

從北大計(jì)算機(jī)系到華爾街操盤手，1998年到2008年期間，周毅親身體驗(yàn)了互聯(lián)網(wǎng)泡沫的“過山車”以及次債的摧枯拉朽。

前一次危機(jī)“迫使”他轉(zhuǎn)身做了金融，后一次讓他下定決心離開華爾街回國。

傳統(tǒng)上人們認(rèn)為，有完善的投資、研究體系才是投資的內(nèi)涵，但周毅看來，這是投資的一小部分。

“與傳統(tǒng)的基于投研平臺的投資不同，量化投資更多依靠模型和程序，所以有時候在華爾街，量化投資交易員的地位比較高?！?/p>

這算是一個量化投資者的立場。

從北大到華爾街

周毅的求學(xué)之路可謂順利。高中畢業(yè)后，他被保送北大，選了當(dāng)時熱門的計(jì)算機(jī)專業(yè)，四年后，在留學(xué)熱潮中，又赴美國南卡羅來納大學(xué)繼續(xù)深造。

但求職之路并不平坦。

1998年畢業(yè)時，互聯(lián)網(wǎng)空前繁榮，華爾街互聯(lián)網(wǎng)人才緊俏。周毅和他的同學(xué)們趕上了好時代，不費(fèi)力就找到了一份薪水不菲、讓人眼紅的職業(yè)。

但此時，互聯(lián)網(wǎng)泡沫依稀傳出咝咝破裂之聲。2000年，泡沫終于破滅。

回憶至此，周毅說：“像坐過山車?！?/p>

互聯(lián)網(wǎng)繁榮帶來財(cái)富以及身處行業(yè)的成就感頃刻消失。巨大的落差襲來，周毅的很多同學(xué)被迫改行做了律師，而周毅把職業(yè)的方向盤打向了美國發(fā)達(dá)的金融業(yè)，主要做計(jì)算機(jī)量化投資。

投資生涯由此起航。

1999年，他進(jìn)入美國約翰?霍普金斯大學(xué)學(xué)習(xí)金融，與此同時，利用計(jì)算機(jī)強(qiáng)項(xiàng)，在普華永道金融服務(wù)部做一些量化模型。

在普華永道的八年里，他曾參與了包括導(dǎo)致次貸危機(jī)的房地美、房利美等資產(chǎn)抵押證券產(chǎn)品的設(shè)計(jì)。

普華永道的客戶涉及華爾街各大投行和機(jī)構(gòu)，內(nèi)容囊括股票、債券、期貨以及各種衍生品，這對周毅來說，是難得的學(xué)習(xí)機(jī)會。

“這不僅讓我的職業(yè)方向轉(zhuǎn)到金融，而且讓我全面接觸到各類金融產(chǎn)品。”

但他也意識到，必須有深度上的提高。2006年，周毅加入在金融衍生品方面領(lǐng)先的巴克萊銀行，并在該部門做量化投資，與在華爾街名聲鑿鑿的李祥林共事。

李祥林現(xiàn)任中金風(fēng)險(xiǎn)管理總監(jiān)，在加速華爾街資產(chǎn)證券市場化方面貢獻(xiàn)卓著。有人說，如果不是金融危機(jī)爆發(fā)，李很可能問鼎諾貝爾經(jīng)濟(jì)學(xué)獎，這間接說明巴克萊銀行對金融衍生品的重視。

研發(fā)、利用先進(jìn)的量化模型，發(fā)現(xiàn)定價(jià)有偏差的產(chǎn)品，用巴克萊銀行的低成本融資賺取差價(jià)，這就是周此時的主要工作。

次貸危機(jī)爆發(fā)后，金融衍生品遭受摧毀性打擊。

2008年，周毅以巴克萊亞太公司副董事身份轉(zhuǎn)戰(zhàn)香港，做相對簡單的股票及債權(quán)衍生品投資。此后，為照顧親人回到北京。

把海外思路帶回國

對一個長期與衍生品打交道的人來說，回國能做什么？

“當(dāng)時直觀感覺，自己能做的其實(shí)有限?！睂股不了解，在華爾街擅長的東西也用不上。國內(nèi)投資領(lǐng)域能與其沾邊的只有指數(shù)基金占主體的量化投資。

量化投資方法是相對于定性投資而言，后者主要靠人力，前者主要靠計(jì)算機(jī)以及數(shù)據(jù)模型。

2009年底，周毅加盟銀華基金，當(dāng)時銀華量化投資還是一片空白。

擺在他面前最迫切的問題是，該從哪里切入。

“既然不了解A股，我不大可能直接把美國或中國香港市場用的量化投資模型直接應(yīng)用到A股投資中，這從邏輯上講不通?！?/p>

指數(shù)基金被動化管理成了突破口。

根據(jù)華爾街的經(jīng)驗(yàn)，周毅深切地明白，指數(shù)基金的產(chǎn)品研發(fā)、創(chuàng)新、先發(fā)優(yōu)勢最重要。然而，當(dāng)時國內(nèi)跟蹤滬深300等優(yōu)質(zhì)標(biāo)的指數(shù)基金已經(jīng)很多，在跟蹤標(biāo)的上難以獲得先發(fā)優(yōu)勢，產(chǎn)品形式創(chuàng)新成為不二選擇。

“看到這種情況，我在想，在形式上要有別于國內(nèi)其他產(chǎn)品，做別人沒有的東西，才有取勝的可能性。”

結(jié)合國內(nèi)證券市場的條件及A 股的特征，周毅把目光放在了國外已經(jīng)流行的杠桿指數(shù)基金上。

雖然在周毅看來，這算不上什么創(chuàng)新，但在國內(nèi)首次吃螃蟹，總免不了一些曲折。先想到國外普遍采取與券商做互換的方式做杠桿，然而，由于潛在的信用風(fēng)險(xiǎn)被他否定。

“這條路堵死之后，我們選擇了當(dāng)時國內(nèi)已經(jīng)有的分級基金，這雖然不能做完美的杠桿指數(shù)基金，但是一定程度上可以實(shí)現(xiàn)我的想法?！?/p>

經(jīng)過幾個月的奔波，2010年3月，銀華深證100分級基金發(fā)行，在隨后的7月到10月，該基金讓市場見識了杠桿基金的魅力。其間，銀華深證100銳進(jìn)份額上漲了109%，而其跟蹤的指數(shù)深證100上漲了50%。

2010年4月，股指期貨推出后，引進(jìn)做空機(jī)制成為現(xiàn)實(shí)。

目前，用對沖策略做創(chuàng)新是周的一個著力點(diǎn)。記者了解到，銀華旗下已有三只專戶產(chǎn)品運(yùn)用了對沖策略。

“具體做法就是用股指期貨空頭做等量對沖，其實(shí)就是做減法，比如，把超越滬深300指數(shù)的收益，通過等量對沖變成絕對收益，盡量降低風(fēng)險(xiǎn)。”

第3篇：金融投資量化方法范文

大概沒有出現(xiàn)過這么密集的傷心消息了――2月21日，史上最年輕的諾貝爾經(jīng)濟(jì)學(xué)獎得主肯尼斯?阿羅（Kenneth Arrow）與世長辭；最有影響力的經(jīng)濟(jì)學(xué)家之一蒂莫西?富爾斯特（Timothy Fuerst）在同一天去世；3月6日，美國金融學(xué)會訃告，著名金融學(xué)家羅蒂芬?羅斯（Stephen A?Ross）在家因心臟病突發(fā)逝世，對接觸過現(xiàn)代金融學(xué)科的人而言，都知道套利定價(jià)理論（APT，Arbitrage Pricing Theory）的偉大之處。

就在人們紛紛對西方財(cái)經(jīng)圈大牛表示緬懷之時，傳來一個中國投資大佬境外因病醫(yī)治無效過世的消息，讓整個量化投資圈頗為震驚。

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

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

放眼華人量化投資圈，大概沒幾個人能有這樣豐富而資深的背景了。

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

我后來與朱天華總共有過三面之緣，每次都在講風(fēng)控。

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

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

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

不過，短短的幾次接觸，發(fā)現(xiàn)朱總?cè)杂袔c(diǎn)交易原則值得借鑒。

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

2.尋求趨勢相反機(jī)會。朱總偏重微觀，偏重統(tǒng)計(jì)意義上的回歸，在量化交易中盡量找一些與趨勢策略相反機(jī)會的策略，與趨勢模型做較好的組合補(bǔ)充。

3.永遠(yuǎn)敬畏風(fēng)險(xiǎn)。他信服凱恩斯所言的“市場保持不理性的時間可能比你保持不破產(chǎn)的時間更長”。至于具體方法，主要通過對海量數(shù)據(jù)風(fēng)控解決方式。他說起過去美國白銀市場，曾經(jīng)從5元漲到80元，后來跌到10元、2元、1元，非常無法想象。他也提到當(dāng)時高盛躲過次貸危機(jī)最強(qiáng)大的是其風(fēng)控，在他看來，風(fēng)控才是資產(chǎn)管理的靈魂。

4.人工智能是方向。2003年朱總在雷曼期間就接觸了深度學(xué)習(xí)專家，擁有下棋人工智能，只是沒feedback?，F(xiàn)在可以通過Led work等神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)策略復(fù)興、優(yōu)化，也可以通過非結(jié)構(gòu)化思維，進(jìn)行頭寸與風(fēng)險(xiǎn)分配，主要通過歷史數(shù)據(jù)，再用反饋測試。

總之，在朱總眼中，中國市場剛剛起步，阿爾法機(jī)會巨大。

想起《黑天鵝》一書的作者納西姆?塔勒布對他的理念形成重要沖擊的一刻――當(dāng)時，塔勒布在芝加哥商業(yè)交易所工作，這份工作讓他的喉嚨嘶啞。起初，他也沒在意，返回紐約后才去看醫(yī)生。醫(yī)生語氣凝重地告訴他，他得了喉癌。塔勒布聽罷心里一沉，外面正好細(xì)雨霏霏，他在淅淅瀝瀝的雨中走了一程又一程。他走進(jìn)醫(yī)學(xué)圖書館，發(fā)瘋似地查找醫(yī)學(xué)文獻(xiàn)了解自己的病情。衣服上流下的雨水在他腳下形成了一個小水洼，竟然一點(diǎn)兒也沒有察覺，因?yàn)楹戆┩ǔＪ悄切┏榱艘惠呑訜熐覠煱a很大的人，才有可能得的。塔勒布還很年輕，關(guān)鍵是他幾乎不吸煙。像他這樣的人患喉癌的概率小之又小，連十萬分之一都不到。他成了一只黑天鵝！后來，每每他投資的時候，這份深刻的與死亡很近的印象盤踞于他腦中，由此自然發(fā)展出了黑天鵝投資體系，對風(fēng)險(xiǎn)中的“肥尾”尤為重視。

第4篇：金融投資量化方法范文

【關(guān)鍵詞】 金融風(fēng)險(xiǎn)； 管理； VaR； 評估

一、關(guān)于VaR的介紹

風(fēng)險(xiǎn)價(jià)值模型（Value—at—Risk，VaR）是近年發(fā)展起來的用于測量和控制金融風(fēng)險(xiǎn)的量化模型。VaR技術(shù)越來越廣泛地用于投資組合風(fēng)險(xiǎn)計(jì)量、風(fēng)險(xiǎn)資本配置和績效評價(jià)。金融風(fēng)險(xiǎn)管理者當(dāng)然最關(guān)注VaR技術(shù)的精確度。

VaR從統(tǒng)計(jì)的意義上講，本身是個數(shù)字，是指面臨“正?！钡氖袌霾▌訒r“處于風(fēng)險(xiǎn)狀態(tài)的價(jià)值”。即在給定的置信水平（通常是1%或5%）和一定的持有期限內(nèi)（通常是一天或一周），預(yù)期的最大損失量（可以是絕對值，也可以是相對值）。期望損失（Expected Shortfall，ES）指位于超出VaR損失的條件期望。VaR技術(shù)在度量尾部風(fēng)險(xiǎn)時是無用的，誤差較大。

本文寫作目的有兩方面：一是評估計(jì)算VaR和ES中產(chǎn)生的潛在損失；二是通過VaR和ES的置信區(qū)間來量化誤差的嚴(yán)重性。

Jorion和Pritsker考慮過VaR風(fēng)險(xiǎn)值的估計(jì)。但構(gòu)造合適的VaR和ES的置信區(qū)間，關(guān)鍵問題在于解決投資收益條件方差的動態(tài)行為，本文將運(yùn)用著名的GARCH模型來量化這些動態(tài)行為。GARCH模型適用于波動性的分析和預(yù)測，已經(jīng)成為金融風(fēng)險(xiǎn)管理中的主力，在GARCH—VaR模型和ES預(yù)測中很少產(chǎn)生參數(shù)估計(jì)錯誤。

Pascual，Romo和Ruiz利用GARCH產(chǎn)生的時間序列獲得預(yù)測密度，提出了一個新的Bootstrap重采樣技術(shù)。本文發(fā)展了該重采樣技術(shù)，提出的重采樣技術(shù)相對來說更容易實(shí)現(xiàn)，并可擴(kuò)展到多元風(fēng)險(xiǎn)模型。

二、模型的構(gòu)建和風(fēng)險(xiǎn)措施

本文對一個給定的金融資產(chǎn)或投資組合建立每日損失（負(fù)回報(bào)）的動態(tài)模型：

Lt=σtεt， t=1，…，T （1）

其中，εt是獨(dú)立同分布的，均值為0，方差為1，分布函數(shù)為G。這里考慮G為標(biāo)準(zhǔn)的Student’s t分布，自由度為d?！靓舤～t（d）為模擬波動動態(tài)，使用對稱的GARCH（1，1）模型，σ■■=ω+αL■■+βσ■■，其中α+β

本文關(guān)注損失分布的尾部情形，為此考慮兩個主流的風(fēng)險(xiǎn)措施：VaR技術(shù)和期望損失ES。前者簡單說就是損失分布的條件分位數(shù)，后者是超過VaR的那部分損失的期望。

已知T時期信息情況下，VaR以覆蓋率p度量T+1時期，用VaR■■表示這個正值：

Pr（LT+1>VaR■■■F■）=p （2）

這里FT表示在時間T可用的信息；p通常是一個小數(shù)字，如p=0.01或p=0.05。

類似，已知T時期信息情況下，ES以覆蓋率p度量T+1時期，用ES■■表示這個正值：

ES■■=E（LT+1■LT+1>VaR■■，F(xiàn)T） （3）

給定模型（1），可以得到VaR■■和ES■■的簡化的表達(dá)式：

VaR■■=σT+1G■■σT+1c1，p （4）

其中，G■■表示G的（1—p）分位數(shù)、標(biāo)準(zhǔn)損失分布εt=Lt/σt，σT+1是T+1時期的條件波動。例如，若G是標(biāo)準(zhǔn)正態(tài)分布Φ，p=0.05，則G■■=Φ■■=1.645，從而有VaR■■=1.645σT+1。在一般情況下，當(dāng)ε～G，方程（4）表明，可以將VaR■■表示為σT+1和常數(shù)c1，p=G■■的乘積，其值取決于G和p。

類似地，給定模型（1）：

ES■■=σT+1E（ε■ε>G■■）

σT+1c2，p （5）

其中，ε是獨(dú)立同分布的隨機(jī)變量，均值為0，方差為1，分布函數(shù)為G。若ε～N（0，1），則對任意常數(shù)a，有E（ε■ε>a）=■，其中φ和Φ表示標(biāo)準(zhǔn)正態(tài)隨機(jī)變量的密度函數(shù)和分布函數(shù)。此時有ES■■=σT+1■和c2，p

■。若ε服從標(biāo)準(zhǔn)的Student’s t分布，自由度為d，則c2，p由不同公式給出。為描述這個公式，令td服從標(biāo)準(zhǔn)的Student’s t分布，自由度為d，Andreev和Kanto給出，對任何常數(shù)a，有E（td■td>a）=（1+■）■■，其中f和F表示td的概率密度和累積密度函數(shù)。于是有：

c2，pE（ε■ε>G■■）=1+（■G■■）2/d■■■

其中，G■■是ε分布的（1—p）分位數(shù)。特別地，G■■=■t■■，其中t■■是td分布的（1—p）分位數(shù)。

實(shí)際上，無法計(jì)算VaR■■和ES■■的真實(shí)值，因?yàn)樗鼈円蕾囉跀?shù)據(jù)生成的過程（也就是說，它們依賴于G和條件方差模型σ■■）。因此，需要估計(jì)它們，從而估計(jì)風(fēng)險(xiǎn)。本文的最終目標(biāo)就是要通過建立置信區(qū)間（或預(yù)測區(qū)間）來量化風(fēng)險(xiǎn)估計(jì)。

三、蒙特卡羅的結(jié)果

第5篇：金融投資量化方法范文

指數(shù)編制深挖大數(shù)據(jù)

與互聯(lián)網(wǎng)的深度融合，對基金業(yè)來說，是一次投研系統(tǒng)突破的機(jī)會。

中證指數(shù)公司、百度和廣發(fā)基金三方強(qiáng)強(qiáng)聯(lián)合，通過大數(shù)據(jù)挖掘和分析、結(jié)合可靠量化模型來開發(fā)指數(shù)化投資，共同打造新的互聯(lián)網(wǎng)金融產(chǎn)品。南方基金則選擇了一家網(wǎng)絡(luò)媒體新浪財(cái)經(jīng)進(jìn)行合作。這注定了兩家公司盡管在模式上相近，但是選取的策略因子和最終結(jié)果將不盡相同。

據(jù)百發(fā)指數(shù)相關(guān)研發(fā)人員透露，目前傳統(tǒng)的指數(shù)編制方法是利用市值規(guī)模、成交金額、財(cái)務(wù)及估值等指標(biāo)進(jìn)行編制，模擬組合的收益表現(xiàn)不佳；而新的指數(shù)編制方法，創(chuàng)新性地融合了百度金融大數(shù)據(jù)技術(shù)，結(jié)合相應(yīng)的量化分析模型，產(chǎn)生了數(shù)據(jù)層面的化學(xué)反應(yīng)，其歷史回溯模擬結(jié)果穩(wěn)健性好、業(yè)績表現(xiàn)優(yōu)異，未來可以基于指數(shù)進(jìn)行產(chǎn)品化、系列化的投資和運(yùn)營，“該指數(shù)的推出，將給投資者分析市場情緒、參與市場投資提供獨(dú)特的參照體系，這或?qū)⑾破鹬笖?shù)界的革命。”

“百度互聯(lián)網(wǎng)金融大數(shù)據(jù)與傳統(tǒng)金融數(shù)據(jù)的結(jié)合，在某種程度說確實(shí)起了化學(xué)反應(yīng)。我們把幾類數(shù)據(jù)做多維度分析，類似于在一個高維空間，利用超平面將價(jià)值股和非價(jià)值股進(jìn)行區(qū)分?！卑侔l(fā)100指數(shù)的參與開發(fā)者、廣發(fā)基金數(shù)量投資部的季峰告訴記者，通過對過去5年半的數(shù)據(jù)跟蹤，相關(guān)摸擬的業(yè)績數(shù)據(jù)和模型都是比較優(yōu)秀的。

與此同時，南方基金也宣步聯(lián)手新浪財(cái)經(jīng)即將推出南方-新浪財(cái)經(jīng)大數(shù)據(jù)策略指數(shù)。大數(shù)據(jù)首次被嵌入傳統(tǒng)金融投資策略中，大數(shù)據(jù)因子成為指數(shù)編制的核心。

南方基金與新浪財(cái)經(jīng)聯(lián)合推出的財(cái)經(jīng)大數(shù)據(jù)策略指數(shù)，是通過對新浪財(cái)經(jīng)頻道和新浪微博“財(cái)經(jīng)大數(shù)據(jù)”定性與定量分析，找出股票熱度預(yù)期、成長預(yù)期、估值提升預(yù)期與股價(jià)表現(xiàn)的同步關(guān)系，構(gòu)建策略因子，選出具有超額收益預(yù)期的股票，構(gòu)建、編制并策略指數(shù)。

此次南方基金與新浪財(cái)經(jīng)合作，主要用的技術(shù)是類似于對相關(guān)新聞、內(nèi)容的關(guān)鍵詞“抓取”技術(shù)，可能會對相關(guān)的公司，以及相關(guān)的關(guān)鍵詞進(jìn)行“利好”“利空”的區(qū)分，以期對投資進(jìn)行指導(dǎo)，而廣發(fā)基金的中證百度百發(fā)策略100指數(shù)則偏重于數(shù)據(jù)分析。

大數(shù)據(jù)指數(shù)即將產(chǎn)品化

據(jù)悉，百發(fā)100指數(shù)的想法來自于一次對話。2013年底，廣發(fā)基金副總經(jīng)理邱春楊與百度金融事業(yè)部總監(jiān)孟慶魁一次對話中談到，能否將百度海量金融大數(shù)據(jù)轉(zhuǎn)化為金融產(chǎn)品，之后雙方一拍即合。

此后，中證指數(shù)公司、百度和廣發(fā)基金三方投入大量人力物力進(jìn)行策略研發(fā)，經(jīng)過上千種的投資策略分析，和4個月時間的反復(fù)調(diào)試，才找到令人滿意的結(jié)果。百發(fā)100指數(shù)的順利，引發(fā)業(yè)內(nèi)關(guān)注，多位基金業(yè)內(nèi)人士表示，會關(guān)注其后續(xù)產(chǎn)品開發(fā)，并將在合適的契機(jī)下考慮推出類似產(chǎn)品。

在大數(shù)據(jù)指數(shù)產(chǎn)品化的過程中，廣發(fā)基金速度更快。廣發(fā)基金表示，百發(fā)100指數(shù)將互聯(lián)網(wǎng)基因與量化模型一起植入傳統(tǒng)基本面因子的指數(shù)選樣過程中，是一次指數(shù)編制方法的探索和嘗試。他們對“百發(fā)100”指數(shù)非常有信心，除已著手開發(fā)依托該標(biāo)的指數(shù)的指數(shù)基金外，未來廣發(fā)基金還將聯(lián)合百度及中證，推出絕對收益類產(chǎn)品、增強(qiáng)型指數(shù)產(chǎn)品、量化對沖產(chǎn)品等。

季峰介紹，“跟蹤百發(fā)100指數(shù)的公募基金產(chǎn)品預(yù)期最快9或10月份推出，由于報(bào)備產(chǎn)品是走普通通道，希望能比較快拿到募集批復(fù)?！倍浾吡私獾?，南方基金的計(jì)劃則是今年將產(chǎn)品上報(bào)證監(jiān)會，明年發(fā)行。

業(yè)內(nèi)人士認(rèn)為，待相關(guān)產(chǎn)品問世后，將成為資產(chǎn)管理行業(yè)的一個重大創(chuàng)新，因?yàn)槟壳笆袌錾线€沒有利用大數(shù)據(jù)成果指導(dǎo)投資行為的產(chǎn)品。此外，這也將是互聯(lián)網(wǎng)金融的一大創(chuàng)新。

大數(shù)據(jù)權(quán)益類基金領(lǐng)先出擊互聯(lián)網(wǎng)金融

有專業(yè)人士指出，大數(shù)據(jù)來自互聯(lián)網(wǎng)，指數(shù)算法互聯(lián)網(wǎng)化，未來指數(shù)基金的銷售也會在互聯(lián)網(wǎng)上進(jìn)行，基金業(yè)可能先于其他資產(chǎn)管理公司全面步入互聯(lián)網(wǎng)化。

目前，互聯(lián)網(wǎng)金融產(chǎn)品主要是各類平臺上面的各類“寶寶”們的貨幣基金產(chǎn)品以及淘寶店、第三方理財(cái)平臺銷售的各類公募基金產(chǎn)品，只是變換了一下銷售渠道，本質(zhì)上仍屬于傳統(tǒng)的基金產(chǎn)品。而大數(shù)據(jù)指數(shù)產(chǎn)品的將會是真正意義上的第一只權(quán)益類互聯(lián)網(wǎng)金融產(chǎn)品。

第6篇：金融投資量化方法范文

年10月加入華泰柏瑞公司，任專戶投資部投資經(jīng)理

截至5月9日，滬深300指數(shù)市盈率僅為11.06倍，低于全市場整體水平。A股的估值中樞明顯下移，中國股市的市盈率正逐步向成熟市場的低市盈率水平靠攏。在300指數(shù)現(xiàn)今的估值水平下，如何來判斷它的投資價(jià)值？為此記者采訪了華泰柏瑞基金專戶投資經(jīng)理?xiàng)罹昂?/p>

價(jià)值投資也要關(guān)注成長性

楊景涵說，簡單的結(jié)論就是此時的市盈率基本上是在底部了，但是這個底部與其他時候的底部不同。2008年的底部很快就建立起來了，沒有經(jīng)過太久的波折，2005年底部筑成的時間也不是很長，大約有半年的時間，這兩個時點(diǎn)之間是4年的大牛市。雖然眼下的底部時間比較長，但不影響對底部的基本判斷。

股市遲遲走不出底部的原因在于，投資者對市場的預(yù)期是，在經(jīng)濟(jì)模式轉(zhuǎn)型的時候，方方面面都需要時間去協(xié)調(diào)，固有的盈利模式要被打破，新模式的建立不是一朝一夕的功夫。這時的價(jià)值投資就是要看企業(yè)的成長性，話說起來仿佛是悖論，價(jià)值投資和成長性往往是相對立的，其實(shí)不然。價(jià)值投資時時刻刻都是在衡量企業(yè)的內(nèi)在價(jià)值，而決定企業(yè)內(nèi)在價(jià)值的，長遠(yuǎn)來看就是企業(yè)的成長性。

“回到滬深300的市盈率，成分股確實(shí)有好多目前正處于低估的狀態(tài)。雖然它們在未來的一段時間里不可能維持前5年的成長性，但是我們可以看到的是，有一部分企業(yè)在行業(yè)里的壟斷地位一時間無法被取代，依然有著優(yōu)秀的管理層，依然有著比同行業(yè)的其他公司更為優(yōu)質(zhì)的成長性，我們以此就會計(jì)算這家企業(yè)到底值多少錢，得出一個結(jié)論：目前的11倍左右的市盈率確實(shí)是被低估的。所以，市盈率不能簡單地一概而論?！?楊景涵介紹。

量化投資也有定性分析

近日成為財(cái)經(jīng)熱點(diǎn)的T+0華泰柏瑞滬深300ETF對以量化和對沖為特色的各類投資產(chǎn)品將帶來深刻的影響，尤其是在該產(chǎn)品5月28日起在上交所上市以后，T+0、期現(xiàn)套利、一二級市場套利等各類交易策略都可以開始實(shí)施了。

第7篇：金融投資量化方法范文

盡管量化投資已經(jīng)成為市場投資的發(fā)展趨勢，但是大多數(shù)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(shù)學(xué)模型，而賺錢的投資模型都是機(jī)構(gòu)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(jì)算機(jī)系統(tǒng)，設(shè)計(jì)各種交易手段，有著較為復(fù)雜的數(shù)學(xué)計(jì)算與技術(shù)要求，現(xiàn)在許多量化投資都是計(jì)算機(jī)自動執(zhí)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(tǒng)的典型構(gòu)造，打開了量化投資的“黑箱”。納蘭認(rèn)為阿爾法模型用來預(yù)測市場未來方向，風(fēng)險(xiǎn)控制模型用來限制風(fēng)險(xiǎn)暴露，交易成本模型用來分析為構(gòu)建組合產(chǎn)生的各種成本，投資組合構(gòu)建模型在追逐利潤、限制風(fēng)險(xiǎn)與相關(guān)成本之間做出平衡，然后給出最優(yōu)組合。最優(yōu)目標(biāo)組合與現(xiàn)有組合的差異就由執(zhí)行模型來完成。數(shù)據(jù)和研究部分則是量化投資的基礎(chǔ)：有了數(shù)據(jù)，就可以進(jìn)行研究，通過測試、檢驗(yàn)與仿真正確構(gòu)建各個模型。預(yù)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(fā)展，量化投資模型也在不斷改進(jìn)。簡單的策略可能就是證券或組合的套利行為，如期現(xiàn)套利組合、市場異象研究中的差價(jià)組合等。統(tǒng)計(jì)套利策略是經(jīng)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(nèi)容，基于高速的計(jì)算機(jī)系統(tǒng)實(shí)施高頻的程序交易已經(jīng)是量化投資的重要利器。丁鵬（2012）將量化投資的主要內(nèi)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(tǒng)計(jì)套利、期權(quán)套利、算法交易、ETF/LOF套利和高頻交易等。他認(rèn)為量化投資的優(yōu)勢在于：紀(jì)律性、系統(tǒng)性、及時性、準(zhǔn)確性和分散化。

二、量化投資“黑箱”中的構(gòu)造與證券投資學(xué)的差異

在傳統(tǒng)的證券投資學(xué)中，投資組合理論、資本資產(chǎn)定價(jià)模型、套利定價(jià)理論和期權(quán)定價(jià)理論是現(xiàn)代金融理論的四塊基石。前兩者主要依靠均值-方差組合優(yōu)化的思想，后兩者則主要依靠市場的無套利條件。傳統(tǒng)的投資方法主要是基本面分析和技術(shù)分析兩大類，而量化投資則是“利用計(jì)算機(jī)科技并采用一定的數(shù)學(xué)模型去實(shí)現(xiàn)投資理念、實(shí)現(xiàn)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(shù)分析，但它可以采用基本面分析，也可以采用技術(shù)分析，關(guān)鍵在于依靠模型來實(shí)現(xiàn)投資理念與投資策略。為了分析量化投資對證券投資學(xué)的啟示，本文從量化投資“黑箱”的各個構(gòu)成來探討量化投資與證券投資學(xué)中思路和觀點(diǎn)的差異。

（一）資產(chǎn)定價(jià)與收益的預(yù)測

根據(jù)組合優(yōu)化理論，投資者將持有無風(fēng)險(xiǎn)組合與市場風(fēng)險(xiǎn)資產(chǎn)組合，獲得無風(fēng)險(xiǎn)利率與市場風(fēng)險(xiǎn)溢價(jià)。資本資產(chǎn)定價(jià)模型則將此應(yīng)用到單一證券或組合，認(rèn)為證券的風(fēng)險(xiǎn)溢價(jià)等于無風(fēng)險(xiǎn)利率加上與風(fēng)險(xiǎn)貢獻(xiàn)比率一致的風(fēng)險(xiǎn)溢價(jià)，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(chǎn)定價(jià)理論給實(shí)務(wù)投資的一大貢獻(xiàn)。基于因素模型的套利定價(jià)理論則從共同風(fēng)險(xiǎn)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(jià)模型為這一類量化投資提供了統(tǒng)一的參考?？梢哉f，在因素定價(jià)方面，量化投資繼承了資產(chǎn)定價(jià)理論的基本思想。對于因素定價(jià)中因素的選擇，證券投資學(xué)認(rèn)為，對資產(chǎn)價(jià)格的影響，長期應(yīng)主要關(guān)注基本面因素，而短期應(yīng)主要關(guān)注市場的交易行為，即采用技術(shù)分析。在量化投資中，主要強(qiáng)調(diào)按照事先設(shè)定的規(guī)則進(jìn)行投資，這在一定程度上與技術(shù)分析類似。但是，在技術(shù)分析中，不同的人會有不同的結(jié)論，而量化投資則強(qiáng)調(diào)投資的規(guī)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(qiáng)調(diào)從統(tǒng)計(jì)和數(shù)學(xué)模型方面尋找資產(chǎn)的錯誤定價(jià)或者進(jìn)行收益的預(yù)測。

（二）無套利條件與交易成本

在證券投資學(xué)里，流動性是證券的生命力。組合投資理論、資本資產(chǎn)定價(jià)模型以及套利定價(jià)理論等都認(rèn)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(shí)現(xiàn)，如套利交易。根據(jù)套利定價(jià)理論，一旦市場出現(xiàn)無風(fēng)險(xiǎn)的套利機(jī)會，理性投資者會立即進(jìn)行套利交易，當(dāng)市場均衡時就不存在套利機(jī)會?，F(xiàn)實(shí)市場中往往存在套利限制。一是因?yàn)閯P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?yàn)槭袌隹偸谴嬖诮灰踪M(fèi)用等成本。但證券投資學(xué)中，對市場中套利限制與非流動性的關(guān)注較少，這是因?yàn)閭鹘y(tǒng)金融理論中簡化了市場結(jié)構(gòu)。市場微觀結(jié)構(gòu)理論研究在既定的交易規(guī)則下，金融資產(chǎn)交易的過程及其結(jié)果，旨在揭示金融資產(chǎn)交易價(jià)格形成的過程及其原因。在市場微觀結(jié)構(gòu)理論中，不同的市場微觀結(jié)構(gòu)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(jià)格沖擊，能實(shí)施量化投資策略的證券往往都應(yīng)有較好的流動性，因?yàn)榻灰讜r非流動性直接影響投資策略的實(shí)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(fèi)用，更主要的是要考慮市場交易沖擊的流動性成本。

（三）風(fēng)險(xiǎn)控制與市場情緒

在證券市場中，高收益與高風(fēng)險(xiǎn)相匹配。量化投資在追求高收益的同時，不可避免地承擔(dān)了一定的風(fēng)險(xiǎn)。在證券投資學(xué)中，系統(tǒng)性風(fēng)險(xiǎn)主要源于宏觀經(jīng)濟(jì)因素，非系統(tǒng)性因素則主要源于行業(yè)、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(jià)模型，不僅會考慮市場經(jīng)濟(jì)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(cè)重點(diǎn)，在多模型的量化投資系統(tǒng)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(fēng)險(xiǎn)外，量化投資還有自身不可忽視的風(fēng)險(xiǎn)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(quán)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(fēng)險(xiǎn)。另一方面，市場沖擊的流動性成本也是量化投資的風(fēng)險(xiǎn)控制因素，理所當(dāng)然地在圖1的風(fēng)險(xiǎn)控制模型中體現(xiàn)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(fēng)險(xiǎn)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(jì)算機(jī)來實(shí)現(xiàn)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(fēng)險(xiǎn)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(dān)適度的風(fēng)險(xiǎn)來獲得超額回報(bào)，因?yàn)楫吘箿p少風(fēng)險(xiǎn)也減少了超額回報(bào)。

（四）執(zhí)行高頻交易與算法交易

在對未來收益、風(fēng)險(xiǎn)和成本的綜合權(quán)衡下，實(shí)現(xiàn)投資策略成為量化投資的重要執(zhí)行步驟。為了達(dá)到投資目標(biāo)，量化投資不斷追求更快的速度來執(zhí)行投資策略，這就推動了采用高速計(jì)算機(jī)系統(tǒng)的程序化交易的誕生。在證券投資學(xué)里，技術(shù)分析認(rèn)為股價(jià)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(jì)算機(jī)信息科技的創(chuàng)新，量化投資策略之間的競爭越來越大，誰能運(yùn)作更快的量化模型，誰就能最先找到并利用市場錯誤定價(jià)的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計(jì)算機(jī)系統(tǒng)處理數(shù)據(jù)和進(jìn)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(diǎn)有：處理分筆交易數(shù)據(jù)、高資金周轉(zhuǎn)率、日內(nèi)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(jié)構(gòu)交易、事件交易和偏差套利。成功實(shí)施高頻交易同時需要兩種算法：產(chǎn)生高頻交易信號的算法和優(yōu)化交易執(zhí)行過程的算法。為了優(yōu)化交易執(zhí)行，目前“算法交易”比較流行。算法交易優(yōu)化買賣指令的執(zhí)行方式，決定在給定市場環(huán)境下如何處理交易指令：是主動的執(zhí)行還是被動的執(zhí)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(chǎn)配置和證券選擇問題。

三、對量化投資在證券投資教學(xué)中應(yīng)用的思考

從上述分析可以知道，量化投資的“黑箱”構(gòu)造與證券投資學(xué)之間存在一定的差異，因此，在證券投資的教學(xué)中應(yīng)當(dāng)考慮量化投資發(fā)展的要求。

（一）市場微觀結(jié)構(gòu)與流動性沖擊

在理性預(yù)期和市場有效假說下，市場價(jià)格會在相關(guān)信息披露后立即調(diào)整，在信息披露前后市場有著截然不同的表現(xiàn)。在證券投資學(xué)里，一般認(rèn)為價(jià)格的調(diào)整是及時準(zhǔn)確的，然而，現(xiàn)實(shí)的世界里，價(jià)格調(diào)整需要一個過程。在不同的頻率下，這種價(jià)格形成過程的作用是不同的。在長期的投資中，短期的價(jià)格調(diào)整是瞬間的，影響不大。然而，在高頻交易中，這種價(jià)格調(diào)整過程影響很大。市場微觀結(jié)構(gòu)就是研究這種價(jià)格形成過程。市場微觀結(jié)構(gòu)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(guān)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(jià)格短暫波動的原因。信息模型關(guān)注信息公布后信息反映到價(jià)格中的這一過程，認(rèn)為含有信息的訂單流是導(dǎo)致價(jià)格波動的原因。無論是關(guān)注委托訂單的存貨模型還是關(guān)注市場參與者信息類型的信息模型，這些市場微觀結(jié)構(gòu)的研究加強(qiáng)了流動性與資產(chǎn)價(jià)格之間的聯(lián)系，強(qiáng)調(diào)流動性在量化投資決策中的重要作用。一般的證券投資學(xué)中基本沒有市場微觀結(jié)構(gòu)的內(nèi)容，因而，為了加強(qiáng)證券投資學(xué)的實(shí)用性，應(yīng)關(guān)注市場微觀結(jié)構(gòu)的內(nèi)容與發(fā)展。

（二）業(yè)績評價(jià)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(fēng)險(xiǎn)與業(yè)績。在組合業(yè)績評價(jià)中，一方面要考慮風(fēng)險(xiǎn)的衡量，另一方面則要分析業(yè)績的來源。在證券投資學(xué)中，組合業(yè)績來自于市場表現(xiàn)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(jī)和管理者的能力依然重要，然而，量化投資的業(yè)績評價(jià)還應(yīng)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(quán)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(kuò)大收益，但在市場不好的時候會加速虧損，這些與傳統(tǒng)的業(yè)績評價(jià)就不太一樣。在一般的證券投資學(xué)里，業(yè)績評價(jià)主要考慮經(jīng)風(fēng)險(xiǎn)調(diào)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(xiàn)，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(fēng)險(xiǎn)

在量化投資中，非常注重計(jì)算機(jī)對數(shù)據(jù)和模型的分析，這突出了量化投資的規(guī)則性和固定性。然而，實(shí)際中，別看量化采用了各種數(shù)學(xué)、統(tǒng)計(jì)模型，但策略設(shè)計(jì)、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(shí)施。量化投資運(yùn)用模型對策略進(jìn)行了細(xì)致研究，并借助計(jì)算機(jī)實(shí)施策略，能夠消除很多認(rèn)為的隨意性。但是，量化策略畢竟體現(xiàn)投資者的交易理念，這一部分依賴于投資者的經(jīng)驗(yàn)，一部分依賴于投資者對市場的不斷觀察與更新。實(shí)際上，人始終處于交易之中，對于市場拐點(diǎn)以及趨勢反轉(zhuǎn)的判斷主要還是依賴投資者的經(jīng)驗(yàn)。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(shí)施依賴于人的設(shè)定，而人的設(shè)定不僅依賴于經(jīng)驗(yàn)，而且人還會犯錯。人之所以會犯錯，一方面是因?yàn)槿藗儗κ袌龅恼J(rèn)知是不完全的，另一方面則是人們使用了錯誤的模型。經(jīng)典的證券投資理論中，股票價(jià)格的變動被認(rèn)為是隨機(jī)的，小概率事件出現(xiàn)的機(jī)會比較小，但是經(jīng)驗(yàn)研究表明股票收益率具有肥尾現(xiàn)象，小概率事件發(fā)生的機(jī)會超出了人們原先的認(rèn)識，即市場還會出現(xiàn)“黑天鵝”。更為關(guān)鍵的是，量化投資更依賴數(shù)學(xué)和統(tǒng)計(jì)模型，這就使得量化投資存在較大的模型風(fēng)險(xiǎn)，即使用了錯誤的模型。為了防范模型風(fēng)險(xiǎn)，應(yīng)采用更為穩(wěn)健的模型，即模型的參數(shù)和函數(shù)應(yīng)該適應(yīng)多種市場環(huán)境。近年來，研究表明，證券收益及其與風(fēng)險(xiǎn)因素的關(guān)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(jī)過程和機(jī)器學(xué)習(xí)等數(shù)據(jù)挖掘技術(shù)進(jìn)行信息處理成為量化投資的重要技術(shù)支持。

（四）2013年諾貝爾經(jīng)濟(jì)學(xué)獎的啟示

第8篇：金融投資量化方法范文

359

2015-4-6

投資者報(bào)

近20年來，隨著金融信息化建設(shè)的不斷完善以及金融工程學(xué)和金融數(shù)學(xué)理論的不斷發(fā)展。量化交易逐漸從幕后走向臺前，逐漸被廣大投資者認(rèn)識、接受。據(jù)統(tǒng)計(jì)顯示，在美國的證券市場中有60%的指令是由程序發(fā)出的，占比十分可觀。

從國內(nèi)外歷史經(jīng)驗(yàn)上看，量化交易的持倉周期一般較短，頻繁地進(jìn)出操作，要求交易標(biāo)的必須具有良好的流動性，并且價(jià)格波動較大以便獲利。

期貨合約作為交易所上市的標(biāo)準(zhǔn)資產(chǎn)，往往具有極好的流動性，而且支持做空和T+0結(jié)算，交易手續(xù)費(fèi)低廉，是量化投資的理想對象。如國外的標(biāo)準(zhǔn)普爾500指數(shù)期貨、美國國債期貨、布倫特原油期貨，國內(nèi)的股指期貨、塑料、白糖、PTA期貨等，都是量化交易者青睞的交易標(biāo)的。

幾種典型的期貨量化交易策略

經(jīng)過20余年的發(fā)展，期貨量化交易的理論和實(shí)踐有了較大的發(fā)展，誕生了多種不同思路的量化交易策略。

1. 期貨期限套利策略

期限套利是最常見的期貨套利策略，賺取現(xiàn)貨和期貨的瞬間價(jià)差，以股指期貨為例，當(dāng)滬深300股指期貨價(jià)格顯著高于現(xiàn)貨時，可以做空股指期貨，同時買入滬深300一攬子股票，等待價(jià)差減小后將期貨和現(xiàn)貨頭寸平倉。同樣對于商品期貨，也可以有類似的期現(xiàn)套利操作。筆者在實(shí)際應(yīng)用這種策略操盤時發(fā)現(xiàn)，當(dāng)基差擴(kuò)大至30基點(diǎn)和負(fù)基差時，可明顯觀察到有大量套利盤平倉。

采用這種策略操作存在的問題是，雖然套利策略相比單邊投機(jī)策略風(fēng)險(xiǎn)較小，但若期貨和現(xiàn)貨價(jià)差繼續(xù)擴(kuò)大，則頭寸將面臨損失。另外，一手股指期貨對應(yīng)的是100萬元左右的現(xiàn)貨資產(chǎn)，加上股指期貨的保證金，一個套利頭寸的建倉成本在115萬元左右，僅適合資金量較大的投資者。

2. 跨品種統(tǒng)計(jì)套利策略

在期貨市場往往存在統(tǒng)計(jì)相關(guān)性較高的期貨品種，如大豆和豆油、豆粕，原油和塑料，菜籽油和菜粕等等。若當(dāng)前價(jià)差顯著大于或者小于歷史水平時，可以建立頭寸，等待二者的價(jià)差恢復(fù)到正常水平。與期限套利相同，統(tǒng)計(jì)套利也面臨著當(dāng)價(jià)差擴(kuò)大后頭寸面臨損失的風(fēng)險(xiǎn)。

3. 趨勢跟蹤類策略

與主觀交易經(jīng)常預(yù)測未來行情走勢不同，趨勢跟蹤類策略往往不預(yù)測也不預(yù)見，它們以價(jià)格為基礎(chǔ)，每當(dāng)價(jià)格有所變動發(fā)出趨勢信號時，就跟進(jìn)追漲殺跌。比較經(jīng)典的趨勢跟蹤型策略有均線交易系統(tǒng)、MACD交易系統(tǒng)、布林帶交易系統(tǒng)等。量化交易員往往使用不止一個指標(biāo)來識別趨勢，并利用多種過濾方法來過濾虛假信號，提高勝率。

4. 事件驅(qū)動型量化交易策略

隨著自然語言處理和數(shù)據(jù)挖掘技術(shù)的不斷增長，出現(xiàn)了基于輿情挖掘的交易策略，量化交易者的服務(wù)器會在互聯(lián)網(wǎng)搜索任何與該期貨合約有關(guān)的文本的信息，基于搜集到的信息判斷該合約在短期內(nèi)的價(jià)格走勢。

5. 高頻交易策略

隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，傳統(tǒng)基于K線交易系統(tǒng)的交易速度，已經(jīng)無法滿足量化交易者的需求。從而產(chǎn)生了以Tick數(shù)據(jù)為單位的高頻交易策略，現(xiàn)有的高頻交易策略包括自動做市，訂單流跟蹤，統(tǒng)計(jì)套利等。高頻交易成功的關(guān)鍵在于交易速度，為了追求極致，高頻交易者往往不惜花重金在期貨交易所周邊購置服務(wù)器，以圖達(dá)到最快的交易速度。

主觀交易VS程序化交易

關(guān)于主觀交易和量化交易孰優(yōu)孰劣的問題一直是投資界爭論的話題。從經(jīng)驗(yàn)上看，若交易方法得當(dāng)，輔以不錯的手氣，主觀交易往往能在短時間內(nèi)帶來巨大的收益，但是由于投資者在主觀交易中經(jīng)常違背交易紀(jì)律，不能做到堅(jiān)決的止盈和止損，“凈身出戶”的例子屢見不鮮。

與主觀交易不同，量化交易的交易紀(jì)律是由計(jì)算機(jī)程序保證的，若價(jià)格運(yùn)行到程序設(shè)定的止損點(diǎn)位時計(jì)算機(jī)會堅(jiān)決止損，不會出現(xiàn)主觀交易者常犯的“死扛等反彈”的情況，其收益曲線一般較主觀交易者更為穩(wěn)定。除了維護(hù)交易紀(jì)律，量化投資者對比主觀人工交易者還有以下幾點(diǎn)比較優(yōu)勢：

1. 體力與精力

受制于體力和腦力，主觀交易者無法時刻保持最旺盛的精力，進(jìn)而影響交易績效。而且當(dāng)前三大商品期貨交易所紛紛推出了夜盤交易，這更對主觀交易者的腦力和體力提出了嚴(yán)峻挑戰(zhàn)。

2. 交易速度與滑點(diǎn)

主觀交易者在投資決策前需要用肉眼收集相關(guān)信息，進(jìn)行思路整理，進(jìn)行必要的計(jì)算，最后打開軟件下單，即使是最富有經(jīng)驗(yàn)的交易員完成這一系列動作平均也需要5秒左右的時間，對于以日內(nèi)短期交易為主的期貨交易來說，5秒延遲的滑點(diǎn)成本巨大，嚴(yán)重影響交易績效。而由計(jì)算機(jī)執(zhí)行的量化交易從收集信息到執(zhí)行交易，僅僅需要毫秒級別的時間，滑點(diǎn)成本顯著小于主觀交易者。

3. 理性與感性

按照行為經(jīng)濟(jì)學(xué)的理論，投資者在投資活動中存在各種認(rèn)知偏差。如損失厭惡偏差，自確認(rèn)偏差、參照點(diǎn)偏差、過度自信偏差、后悔厭惡偏差等等，這些負(fù)面的認(rèn)知偏差往往令主觀交易者在金錢與身體上面臨雙層煎熬，而計(jì)算機(jī)執(zhí)行的量化交易顯然無需考慮此問題。

近日，微量網(wǎng)和國內(nèi)某媒體合作舉辦了“首屆全國期貨全明星人機(jī)大戰(zhàn)實(shí)盤爭霸賽”，通過對比主觀交易組和程序化交易組的成績我們發(fā)現(xiàn)了有趣的結(jié)果。大賽排名前十名的選手中主觀交易和程序化交易各一半，其中前3名全部都是主觀交易選手，但在11名到50名的選手中，程序化組的選手卻占到70%以上，而且即使排名靠前的主觀交易選手大都是身經(jīng)百戰(zhàn)，程序化交易選手的平均回撤率也顯著小于主觀交易選手，達(dá)到8%之多。

量化交易發(fā)展空間巨大

2005年之后，伴隨著量化投資的傳播，程序化交易開始出現(xiàn)在內(nèi)地市場。在開始階段，量化交易主要利用模型辨別交易信號，并以手工下單為主。

2010年股指期貨推出后，由于市場流動性好，交易信號明顯，成為程序化交易的主要標(biāo)的，但參與量化交易的仍然以機(jī)構(gòu)投資者居多。2011年至2012年，市場上涌現(xiàn)出文華財(cái)經(jīng)、交易開拓者、天語等交易軟件，他們大多使用簡單，上手容易，推動了程序化交易的普及，使采用程序化交易的投資者數(shù)量快速增加。2012 年開始，隨著期貨資管的開閘，私募基金開始大量利用程序化交易參與到期貨市場中，程序化交易技術(shù)和成交量均得到飛速發(fā)展。

第9篇：金融投資量化方法范文

與股神巴菲特的“價(jià)值投資”不同，西蒙斯的投資成就依靠的是“量化投資”。這位24歲起就出任哈佛大學(xué)數(shù)學(xué)系教授的數(shù)學(xué)天才，依靠數(shù)學(xué)模型和計(jì)算機(jī)技術(shù)捕捉著市場機(jī)會。他認(rèn)為，數(shù)學(xué)模型比主動投資能夠更有效地降低風(fēng)險(xiǎn)。

雖然中國人對西蒙斯這個名字還比較陌生，但“量化投資”產(chǎn)品在華爾街已經(jīng)非常普遍。受益于計(jì)算機(jī)技術(shù)的提升和市場歷史數(shù)據(jù)供應(yīng)的完善，進(jìn)入21世紀(jì)后，這一投資方式開始飛躍成長。2000年至2007年間，美國“量化投資”產(chǎn)品的總規(guī)模翻了4倍多，超越了同期美國共同基金總規(guī)模（定量+定性）的增長速度（翻了1.5倍）?！傲炕顿Y”在美國全部投資中的占比，從1970年為零發(fā)展到2009年30%以上。

什么是“量化投資”？

可以說“量化投資”是隨著計(jì)算機(jī)科技而發(fā)展起來的。簡單地說，“量化投資”就是將人的投資思想反應(yīng)在數(shù)量模型中，并利用電腦處理大量信息，從而進(jìn)行投資決策。建信上證社會責(zé)任ETF基金經(jīng)理葉樂天介紹，“量化投資”在美國的發(fā)展比較蓬勃。在華爾街的投資行為中，同一個套利機(jī)會下，誰下單早誰就就能抓住機(jī)會，這些都得益于計(jì)算機(jī)運(yùn)行速度越來越快。也往往就是這幾毫秒的領(lǐng)先，就可以掙到萬分之一的收益。萬分之一雖然不多，但是日積月累，就可能有很高的收益。

目前“量化投資”在中國還是一個新概念，處于起步和發(fā)展之間的階段，可以說是少數(shù)派的地位，普通老百姓不太熟悉，產(chǎn)品較少，也缺乏明星產(chǎn)品和明星基金經(jīng)理。

與市場熟悉的“定性投資”相比，“量化投資”主要是在研究方法上與其不同?！岸ㄐ酝顿Y”的公司基本面研究是靠到企業(yè)調(diào)研，看研究報(bào)告，與高管深入交流、了解大股東訴求，了解公司發(fā)展規(guī)劃之類，有很深的深度?！傲炕顿Y”則注重廣度，比如市場上有2000只股票，就把2000只全都抓起來，“量化投資”的數(shù)據(jù)越多反而越好。葉樂天以市場中一個很形象的比喻來形容上述兩種投資的異同：“定性投資”和“定量投資”的差異如同中醫(yī)和西醫(yī)的關(guān)系。“定性投資”更像中醫(yī)，更多地依靠經(jīng)驗(yàn)和感覺判斷病在哪里；“定量投資”更像是西醫(yī)，依靠模型判斷，模型對于定量投資基金經(jīng)理的作用就像CT機(jī)對于醫(yī)生的作用。在每一天的投資運(yùn)作之前，我會先用模型對整個市場進(jìn)行一次全面的檢查和掃描，然后根據(jù)檢查和掃描結(jié)果做出投資決策。

葉樂天笑稱，與定性投資基金經(jīng)理經(jīng)常出差不同，他主要的工作都在案頭。他主要是搜集數(shù)據(jù)，進(jìn)行數(shù)據(jù)處理，還有編程。雖然表面上看不如定性投資基金經(jīng)理忙碌，但其實(shí)工作量一點(diǎn)不少。

排除“人”的情感

一位“量化投資”基金經(jīng)理一開始是學(xué)習(xí)理論方面的知識，比如數(shù)學(xué)知識和統(tǒng)計(jì)學(xué)知識；然后對歷史數(shù)據(jù)進(jìn)行分析；參考市場中已有的成功模型，汲取巨人的智慧；接著是建模；然后測試，測試中有很多細(xì)節(jié)需要考慮，比如沖擊成本等；最后是搭建一個平臺，確保數(shù)據(jù)到達(dá)后，模型能夠響應(yīng)，進(jìn)行處理和輸出。每一步都非常復(fù)雜。

在這個過程里，不僅數(shù)學(xué)模型不具備自己的情感，基金經(jīng)理也要盡可能地剔除“人”的思維。這其中便是對紀(jì)律性的超高要求。雖然量化模型是由人設(shè)計(jì)的，具體的交易單由模型產(chǎn)生，但基金經(jīng)理在經(jīng)驗(yàn)總結(jié)以及模型設(shè)計(jì)時容易保持理性，在個股的交易時卻不免受制于人性的弱點(diǎn)。葉樂天說，正如西醫(yī)檢查一般，量化模型的最大的特點(diǎn)就是可以克服人性的弱點(diǎn)，他不會有恐慌，也不會有貪婪。所以只要模型和數(shù)據(jù)是正確的，基金經(jīng)理平時都不會去干預(yù)和控制模型的輸出。

2007年次貸危機(jī)的爆發(fā)，在一定程度上可以說就是人的情感對模型干預(yù)造成的失誤。華爾街為衍生品定價(jià)的模型并沒有錯，錯的是人在設(shè)定參數(shù)的時候?qū)Ξ?dāng)時的金融形勢過于樂觀，過分信任金融衍生品工具。

但盡量不干預(yù)也不是完全不干預(yù)，比如下面這兩種情況：一是程序發(fā)生錯誤，二是模型錯誤。模型錯誤主要指的是股票走勢與預(yù)測相差特別大，超過了統(tǒng)計(jì)意義上顯著的差別，這時就需要更新一下模型，但一般不會太頻繁。

另外一種發(fā)揮人的主觀能動性的情況就是對虛假數(shù)據(jù)的剔除。葉樂天介紹，“中國很多數(shù)據(jù)都經(jīng)過修飾，對我本人來說，我不喜歡根據(jù)宏觀數(shù)據(jù)擇時，更多地是相信多因子模型。我們現(xiàn)在有很大一部分工作是進(jìn)行數(shù)據(jù)清理，包括上市公司經(jīng)過修飾的財(cái)務(wù)數(shù)據(jù)。但是有一塊是沒有經(jīng)過修飾的，就是技術(shù)面的數(shù)據(jù)，比如成交量和成交價(jià)格，這是由市場PK決定的。同時由于中國市場有坐莊的人，所以我們在小股票的選擇上也會比較慎重。在數(shù)據(jù)清理方面與基本面有關(guān)，所以我們也會和研究員溝通。還包括異常值的去除，取中位數(shù)往往比平均數(shù)更靠譜。在統(tǒng)計(jì)學(xué)上有一個大數(shù)定律，在數(shù)據(jù)量很大的情況下，最終會回歸一個中性的環(huán)境?！?/p>

如何選擇“量化投資”產(chǎn)品？

依照目前中國市場的情況，“量化投資”主要分為一下幾類：一是套利型，比如股指期貨套利；二是被動型；三是追求超額收益的產(chǎn)品；四是做高頻交易，主要是私募和券商資本。不同的產(chǎn)品對收益率會有不同的要求：指數(shù)增強(qiáng)追求的是超額收益，與標(biāo)的指數(shù)之間的差盡量少，還能跑贏指數(shù)；對沖基金和套利ETF是在穩(wěn)定的前提下追求超額收益。

目前中國的量化產(chǎn)品絕大多數(shù)還是指數(shù)產(chǎn)品，尤其是公募這一塊，起碼有100來只，但主動量化的可能只有十幾只。量化產(chǎn)品的換倉、持倉的規(guī)模比較大，那么沖擊的成本就比較大。因?yàn)榱炕顿Y不像基本面研究對單個公司的研究很透，所以禁得起很大的波動，追求的漲幅也大。量化追求比較小的漲幅，但比較穩(wěn)定。另外，查閱“量化投資”基金的歷史業(yè)績可以發(fā)現(xiàn)，指數(shù)增強(qiáng)型基金的表現(xiàn)還算穩(wěn)定，主動量化型的穩(wěn)定性稍差。業(yè)績穩(wěn)定對開放式基金比較重要。目前市場上認(rèn)購較好的指數(shù)基金，就是因?yàn)闃I(yè)績穩(wěn)定。

在交易量上，不同的產(chǎn)品會不一樣。公募的交易肯定不活躍，因?yàn)榻灰琢勘容^大，沖擊的成本也大，另外同日不能反向交易。但私募量化基金主要是做高頻交易，深度更大，一天可能往返好幾次。

同時，中國的量化產(chǎn)品主要還是受制于投資人才的培養(yǎng)、衍生工具的發(fā)展和市場深度不夠。因?yàn)檠苌ぞ呷狈Γ趦?nèi)地市場買可轉(zhuǎn)債，就不能像在香港市場一樣去做空股票，做空相應(yīng)的債券，賺取波動率。市場深度不夠則主要表現(xiàn)可投資股票的數(shù)量上。

在目前的市場情況下，投資者在選擇“量化投資”產(chǎn)品的時候，首先看一下這只基金是屬于哪一類的，然后看基金經(jīng)理的投資理念和思路方法能否在當(dāng)時的市場上獲取收益，如果認(rèn)同的話就可以選擇了。也即是一看歷史業(yè)績，二看管理者的投資理念。

很多人擔(dān)心由于中國股市受政策影響較大，數(shù)學(xué)模型可能并不能及時對政策變動做出反應(yīng)。葉樂天說，“政策市對市場肯定會有影響，包括數(shù)據(jù)不透明，政策變化對股市的影響等。但股市會反映政策的，如果政策有效的話，政策會反映在股市中，為量化模型提供一些最新的數(shù)據(jù)，只要及時更新數(shù)據(jù)，還是可以處理得很好。”

另外，基金的規(guī)模對業(yè)績也會有影響。葉樂天認(rèn)為，指數(shù)增強(qiáng)產(chǎn)品三四十個億是比較好的規(guī)模。如果規(guī)模太小，有些持倉可能會買不足。

投資在選擇“量化投資”產(chǎn)品的時候，應(yīng)當(dāng)首先考慮資產(chǎn)配置。因?yàn)榛鹗且环N長期投資，不需要經(jīng)常擇時，更多地還是做好投資者個人的資產(chǎn)配置。

量化產(chǎn)品的優(yōu)勢

“量化投資”的投資方法本身在海外已經(jīng)得到了證明，但中國A股市場主要以散戶占多數(shù)，要把運(yùn)用模型進(jìn)行計(jì)算操作的量化投資這樣復(fù)雜的投資方法向他們解釋清楚并理解和接受確實(shí)不易。但從量化投資的特點(diǎn)上來看，由于量化投資需要不斷尋找機(jī)會，買入一大批股票，而不會在幾只股票上重倉押注，在投資結(jié)果上，其換手率和分散化程度都較高，這樣一來，相對于散戶投資者重倉幾只股票來講，風(fēng)險(xiǎn)性也就更小。同時，由于量化投資就是借助現(xiàn)代統(tǒng)計(jì)學(xué)、數(shù)學(xué)的方法，從海量歷史數(shù)據(jù)中尋找能夠帶來超額收益的多種“大概率”策略，并紀(jì)律嚴(yán)明地按照這些策略所構(gòu)建的數(shù)量化模型來指導(dǎo)投資、形成回報(bào)，因此具有很高的投資價(jià)值。