緒論：寫作既是個人情感的抒發，也是對學術真理的探索，歡迎閱讀由發表云整理的11篇量化投資與分析范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

1量化投資簡介

1.1基本概念

量化投資是一種借助于計算機高效計算程序進行復雜運算，以金融產品未來收益與風險為研究對象的新型投資方式。量化投資的基礎是以股票價格、日成交額等大數據庫數據為參考樣本數據并建立數學模型，運用仿真分析及迭代方法不斷修正數學模型，直到數學模型可以用來預測指導投資交易。任何一個投資的方案或者設想，都可以為它設計一個數學模型，然后借助大數據庫的現有數據進行迭代法測試分析，以此來判別數學模型的有效性。傳統投資方式基本上是對傳統的技術分析和公司的經營狀態基本分析，存在一定的局限性；相比之下量化投資分析是基于對大數據市場數據的，數據樣本空間容量足夠大，而且可以快速進行運算并排除投資者個人心理因素的主觀影響，科學性和時效性更強。此外，量化投資是一種主動性的投資方式，在進行數學模型選擇、自變量選取、數學模型的驗算迭代都是投資行為的主動部分。

1.2交易內容及方法

量化投資交易的內容主要是量化策略以及交易策略，在制定交易策略時必須立足于投資市場、投資產品以及分配在內等。具體交易平臺則是靠以計算機計算程序為基礎的線上交易平臺系統。進行量化投資交易時通常會遇到各種較為復雜的情況，但是基本前提都是要依據現有的既定的大量數據庫數據，靈活采用各種方法來判斷投資對象是否值得投資。總體來說，量化投資有估值法、資金法和趨勢法三種。

2量化投資現狀

從理論上來說，每個量化投資者的決策行為可以被同化為理性預期、風險規避、嚴格效用基本一致的理想化模型。然而現實情況中每個人的心理活動、出發點、知識水平等都存在差異，進行量化投資時人們作出的決策也存在差異。人的非理性行為與理性行為都是客觀存在的，而且非理性行為對理性行為也存在著一定的影響，因此投資人在進行投資決策時并不能完全理性地進行選擇。綜上所述，非理性人的客觀存在使投資人在進行投資決策時不能完全忽視個人的心理因素。既然個人的心理因素無法排除，那么在建立決策分析數學模型時，就應該把個人的心理因素考慮在內。當前我國國內量化投資有以下幾個特點：(1)個人投資者占總投資者的比例很高。上文已經提到投資者個人的非理性客觀存在且不可避免，那么眾多量化投資者的非理性因素間接影響我國量化投資市場。(2)我國的量化投資市場雖然發展迅速但仍不成熟。與美國及歐洲發達國家相比，我國量化投資市場只能是一個新興的市場，直接表現在各方面的信息不完整且難以搜集，一些基礎數據我們只能自己想方設法地去開發獲取。(3)量化投資行業的企業構成比較復雜。目前我國量化投資行業的企業種類比較多，跨越眾多不同的領域。加上我國量化投資市場還處于新生期，市場不穩定信息變化較快，因此量化投資行業的可用層面指標數目非常少且指標數值經常變化。當前我國量化投資者正是依據當前行業的特點，從不同的層面和角度驗證分析，建立泡沫型數學分析模型，才能獲得巨大的利潤。(4)量化投資策略研究落后。通過把我國量化投資策略與美國及西方發達國家的量化投資策略進行對比，發現我國現有的量化投資策略嚴重落后。國外的量化策略研究是在大量的事件、數據積累分析的基礎上，腳踏實地潛心研究總結出來的。現階段我國量化策略研究多是借用國外的策略，結合國內的量化投資行業的實際現狀進行修正得來的。當前我們還缺少指導量化投資行業的專家、指導著作，為此我國國內的一些高等院校開始著手量化投資策略的研究并取得了初步的成效。

3量化投資優勢

量化投資是在定性投資基礎上進行繼承和延伸的一種主動投資工具。定性投資的核心是對宏觀經濟和市場基本面進行深入的分析，再加上實地調研上市公司以及與上市公司的管理層進行經驗交流，最終把調研結果整理成專題報告，把報告作為決策依據。不難看出定性投資帶有很大的個人主觀判斷性，它完全依賴于投資經理個人經驗以及對市場的認知。量化投資在調研層面與定性投資相同，區別在于量化投資更加注重數據庫大數據，運用各種方法發現運用大數據所體現出來的有用信息，尋找更優化的投資方式以獲得大額收益，完全避免了投資經理個人的主觀臆斷和心理因素，更加科學合理。綜上所述，與定性投資相比，量化投資具有以下優勢。

3.1投資方式更加理性

量化投資是采用統計數學與計算機建模分析技術，以行業大數據庫為參考，取代了個人主觀判斷和心理因素的科學客觀投資方法。很明顯，行業大數據的樣本容量已遠遠高于有限的對上市公司調研所形成的樣本容量；在進行投資決策時，把決策過程科學化數量化可以最大程度的減少投資者決策時個人情感等心理因素對決策結果的影響，從而避免了錯誤的選擇方向。

3.2覆蓋范圍大效率高

得益于因特網的廣泛實施應用，與各行各業的運行數據都可以錄入大數據系統形成體量巨大的數據庫；得益于計算機行業云時代到來對計算分析速度的革命性變革，在極短的時間內就可以得到多種量化投資的投資方法。定性投資方式進行決策時，由于決策人的精力和專業水平都存在一定的局限性，自然其考慮投資的范圍要遠遠低于電腦決策，二者根本沒有可比性。綜上所述，雖然與定性投資相比，量化投資具有明顯的優勢，但是二者的目的是相同的，都以獲得最大收益為目的，多少情況量化投資與定型投資可以互相補充，搭配使用會起到意想不到的效果。

4量化投資的劣勢

上文已經提到量化投資的決策過程依賴于大數據庫以及計算機分析系統的科學決策，因此只要投資思想正確量化投資就不會出現錯誤。然而即使是投資思想及決策過程都沒有問題，也不意味著量化投資完美無缺。量化投資本質上是對某一特定基準面的分析，事實上基準面有時范圍過小，縱然決策過程合理化、無偏差，量化投資也存在一定的局限性。量化投資的另一特點是進行考察決策時覆蓋的市場面非常廣泛，在當前國民經濟快速發展的時代，人們對市場的認知難免出現盲區或者對某一個局部了解不充分的現象，此種情況下量化投資的正確性就很難保證。

4.1形成交易的一致性

基于量化投資的低風險特性，人們更多地依賴于采用大數據云分析平臺進行決策，如此大家對某一行業的市場認知以及投資決策水平就處在同一認知層次上，當遇到極端的市場行情時，人們作出的交易決策往往一致，即容易達成交易的一致性。例如期貨行業以及股票行業，在市場行情動蕩的特殊時期，人們往往選擇在同一時機拋出股票或者期貨，這種大規模的一次性拋盤則會造成在預期拋售價格基礎上的劇烈波動，導致投資者的實際收益在一定程度上低于預期收益。此種情形下又會引起新一輪投資恐慌，不利于市場的穩定發展。

4.2指標鈍化和失效

篇（2）

一、量化投資及量化投資體系的定義

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

二、我國量化投資體系的發展

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

三、量化投資的優點

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

（一）量化投資可以讓理性得到充分發揮

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

（二）是量化投資可以實現全市場范圍內的擇股和高效率處理

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

（三）是量化投資更注重組合風險管理

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

四、量化投資的局限性

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

五、量化投資對中國的啟示

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

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

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

參考文獻：

篇（3）

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。

篇（4）

國內的公募量化基金在沉寂4年之后重現江湖:2月份,嘉實量化阿爾法發行,于4月成立;5月份中海量化發行,于6月份成立。私募基金也不甘落后,中國第一只量化陽光私募產品――“山東信托•紅色量化一號”證券投資集合資金信托計劃6月1日正式成立。

據悉,國內一些公司正在積極申報量化產品不久將還會有量化基金發行。

作為“舶來品”的量化基金,其前世今生如何?

國外量化基金發展迅速

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,它不是通過“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年巴克菜全球投資成立了第一支主動數量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。

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1998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%。二是,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。

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。

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、動量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%。

針對不同市場設計數量化的投資管理模型,以電腦運算為主導,并在全球各種市場上進行短線交易,正是西蒙斯的成功秘訣。

然而量化基金并非在所有市場都能有效戰勝非量化基金。Lipper把基金分為4類型,將每一類型的量化投資與傳統投資進行比較,2005年量化投資基金全面戰勝傳統基金,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年則情況發生較大轉彎,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,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。

國內量化基金端倪

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。

篇（5）

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。

量化選股、量化擇時、量化交易

篇（6）

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

篇（7）

1前言

隨著我國股市體制改革，股票市場迅猛發展，股票投資新增賬戶和新股擴張飛速，截止到2015年7月，股票賬戶數已經突破2億，兩市A股約有多2700多只股票，并推行多種利好政策逐步為股票投資者鋪平了道路。在牛短熊長的中國股票市場，眾多依賴傳統方法進行投資的投資者往往會損失慘重，此時利用量化投資策略以尋求較為穩定超額收益的投資方法愈來愈受到投資者青睞，其中尤其是超額收益Alpha量化投資策略廣為受到關注。

2量化投資與超額收益Alpha投資策略

量化投資就是通過收集整理現有已發生的大量數據，并利用數學、統計學、信息技術建立數學模型對收集到的數據進行分析研究，從而構建最優投資組合以獲得超額收益。簡而言之，它是一個將傳統投資理念、風險、收益等進行量化并付諸實現的過程。在國內量化投資起步較晚，但隨著國內金融市場的不斷對外開放并與國際接軌，在國際上較為盛行的金融研究技術也逐步在國內鋪展開來，但目前投資策略的系統化研究仍是我國量化投資長遠發展的薄弱之處。因此，更加系統的投資策略研究和實踐成為當下迫切的需求。系統投資策略及組合能推動量化投資的快速發展，對中國金融生態系統的良性循環起到積極的作用。

所謂超額收益Alpha指的就是實際收益率中高于對應的預期收益率的超額收益部分，嚴格地來講，超額收益Alpha是用來衡量一個在風險調整下由投資所產生的“主動收益”。超額收益Alpha量化投資策略主要來源于CAPM模型，在CAPM模型中，投資組合的收益率等于無風險利率加上風險溢價，只有承擔更多的風險才能獲得更高的收益。資產的收益主要取決于β值，β值越高，期望收益相對越高，β值越低，期望收益相對越低。

在CAPM模型的基礎上，超額收益Alpha常被用來衡量基金的業績，具體公式如下：α=HPR-Rf-βi[E（Rm）-Rf]。

其中HPR為持有期實際收益率，在眾多的投資實踐操作中已經得到證明，當選擇股票投資組合適當時，股票基金能夠獲得高于市場平均水準的超額回報。隨著資產市場的發展與成熟，超額收益的理念被廣泛接受，從而促使愈來愈多的投資者采取投資組合主動管理的方式來獲取超額收益，與之相關的策略稱之為超額收益Alpha策略。

3雙因子模型量化投資策略

不同的具有投資價值的因子（包括盈利性、估值、現金流、成長性、資產配置、價格動量和危險信號等類別）組合便構成了不同的因子模型，如單因子模型、雙因子模型以及多因子模型等，其中單因子模型具有不可靠性且多因子模型建模較為復雜，雙因子模型則以較高的可靠性且操作較為簡便而受到重視。雙因子模型典型的有盈利性和估值、成長性和估值、估值和價格動量、現金流和估值、估值和估值、盈利性和盈利性、盈利性和價格動量、估值和資產配置以及估值和危險信號等，其中盈利性和估值、成長性和估值、估值和價格動量和現金流和估值四種雙因子模型效果最強。

3.1盈利性和估值

盈利性和估值是兩個具有較強投資價值的因子，且兩者在一定程度上相互孤立，盈利性用來衡量基本面，決定了公司資源的質量，而估值則是與市場因素（價格）相結合的基本因子，確定了投資者為這些資源必須付出的價格，這兩個因子不論以什么順序組合都是有效的。盈利性因子具有較好的普適性，能產生顯著收益，具有良好的一致性和低波動性。

在眾多的能反映盈利性和估值的因子中，可以選取進行自由組合從而構建雙因子模型。其中由現金流價格比和現金投入資本回報率、企業價值倍數與投入資本回報率、市凈率和經濟利潤、凈資產收益率和市凈率、投入資本回報率和市銷率、現金投入資本回報率和市銷率、現金投入資本回報率和價格資本、自由現金流加股息和凈資產收益率以及市凈率和經營性現金流比股東權益等組合最為常用。

3.2成長性和估值

所謂成長性是指公司收入或現金流產生能力的增加。分析成長性的目的在于觀察企業在一定時期內的經營能力發展狀況。成長性比率是衡量公司發展速度的重要指標，也是比率分析法中經常使用的重要比率。在成長性因子與估值因子結合時，估值因子則是確保投資者不會為公司的增長付出過高的價格，從而得到合理價格增長策略。

3.3估值與價格動量

投資者情緒對股價走勢產生重要影響，而價格動量在一定程度上反映了投資者情緒。動量就是一種專門研究股價波動的技術分析指標，它以分析股價波動的速度為目的，研究股價在波動過程中加減速與慣性作用以及股價動靜相互轉換的現象。動量指數的理論基礎是價格和供需量的關系，如果股票的價格動量為正，說明需求超過了供給，投資者情緒會變得更加積極。如果股價的價格動量為負，則表明供給超過了需求，投資者悲觀態度會占據上風，轉向看跌，估值倍數則有可能降低。因此價格動量因子常用于衡量投資者情緒和作出投資時機決策的重要工具。估值因子能反應股票的價格高低，但不能解釋股票價格高低的根本原因。當估值因子與價格動量因子相結合時，能更好解釋股票價格變化，彌補了估值因子不足之處。

3.4現金流和估值

在投資策略研究中的現金流指的是經營活動中的現金流，融資投資等活動產生的現金流不包括在內。現金流能反映公司盈利的真實性。當然單獨使用現金流因子的投資策略有時候會失效，但與估值因子結合，能避免分析失效現象的發生。現金流因子能遴選出產生大量盈余現金的公司，而估值因子則確保投資者不會現金生成能力支付過高的價格。

4結后語

篇（8）

說到量化交易，雖不陌生，但仍懵懂。到底什么是量化交易呢？

量化交易區別于定性投資（過去的投資方法）的鮮明特征，就是充分利用各種各樣的數理模型。它是借助現代統計學和數學的方法，利用計算機技術，從龐大的歷史數據中海選能帶來超額收益的多種“大概率”事件，然后制定策略，并用數量模型驗證及固化這些規律和策略，繼而再嚴格執行這些已固化的策略來指導投資，以求獲得可持續的、穩定且高于平均的超額回報。

對于量化交易中模型與人到底是什么關系？比如中醫與西醫的診療方法，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；而西醫就不同了，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。

以此形容的話，可以說定性投資像中醫，更多地憑主觀臆斷和個人經驗判斷病在哪里；量化交易像西醫，依靠數量模型判斷，而這些模型對于使用量化交易的投資者的作用就像CT機對于醫生的作用。在每一天的投資運作之前，一般都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。

量化交易靠概率取勝

和傳統投資方式相比，量化交易的視角更廣，它借助計算機高效、準確地處理海量信息，更廣泛地尋找和驗證投資機會，消除投資組合配置的局限性，并依靠計算機配置投資組合，克服人性弱點，使投資決策更科學、更理性。

具體來說，這個新興的投資方法，與我們那些傳統的看指標判斷、聽消息判斷、簡單看財務報表判斷等定性投資方法相比較，主要有以下幾大優勢：

量化交易有著嚴格的紀律性。比如，如果有人問你，某年某月某一天，你為什么購買某支股票的話，你就可以打開量化交易系統，系統會顯示出當時被選擇的這只股票與其他股票在成長面上、估值上、資金上、買賣時機上的綜合評價情況，而且這個評價會非常全面，比普通投資者拍腦袋或者簡單看某一個指標買賣更具有說服力。

它系統性較完備，具體表現為“三多”，包括多層次、多角度、多數據。因為人腦處理信息的能力是有限的，當一個資本市場只有100只股票，這對定性投資基金經理有優勢，他可以深刻分析這100家公司。但當有成千上萬只股票時，量化交易就可以充分發揮它強大的信息處理優勢，捕捉更多、拓展更大的投資機會。

另外，定性投資大部分時間在琢磨哪一個企業是偉大的企業，那個股票是可以翻倍的股票，而量化交易大部分精力花在分析哪里是估值洼地，哪一個品種被低估了，買入低估的，賣出高估的。

量化交易靠概率取勝。這表現為兩個方面，首先量化投資不斷地從歷史中挖掘，有望在未來重復的歷史規律，并且加以利用。其次它在股票實際操作過程中，運用概率分析，提高買賣成功的概率和倉位控制。

量化投資者也有噩夢

事實上，量化交易的方法在海外已有30多年的發展歷史，素以投資業績穩定，抗風險能力強著稱，目前已經成為海外基金管理投資市場的重要方法。

而與海外成熟市場相比，量化交易以基本面分析為驅動，以全市場、多維度的視角廣度掃描投資機會，在中國市場的應用將更顯其優勢。

不過，在談及這么多利好之后，還是要“潑一次冷水”。不要以為不停閃爍的超級電腦自動進行著高速交易，熒幕上滾動著通過高速網絡提前獲取的最新市場消息，加上通過杠桿放大的頭寸，賬戶的盈利不斷上跳，這一切的一切就預示著“可以躺著賺錢的時代”來臨了，現實并沒有這么美好。

相對來說，量化交易目前還處在初級發展階段，比如基本面投資者只需簡單的基于預測特定事件，比如超過或差于預期的財報做交易即可。而量化交易者則需要搞清楚具體消息對股價的平均影響程度，這就不是一件容易的事了，因為你的研究對象時刻還在變化著。

不僅如此，研究出一套只基于公司財報的交易系統不難，比如基于超出預期的營收或股息來買入。但是供給面的情況、消費者層面的情緒納入交易模型中，也比較麻煩。

同時，股票、基本面、新聞消息之間的關系也是不停變化著的。記得2009年美股到達低點的時候，很多“低質”公司的回報大大高于“優質”公司的回報。很多3塊錢的“垃圾股”可以在很短時間內漲到10塊錢，而高價的優質公司的股票想要翻一倍都要花上很久很久。對于基本面投資者來說，這是掘金的好時候，但對于量化投資者來說卻是噩夢，因為大多數模型此時都會顯示做多“優質股”做空“垃圾股”，后果則可想而知。

篇（9）

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。

篇（10）

他分析目前市場上的量化產品將研究的重點放在擇股和行業配置上，實質上大多是“量化選股”基金，缺乏有效及時的風險響應體系，而從國外的經驗看量化的一大特點就是對風險的預判。費鵬介紹，華商基金量化投資團隊在設計該基金投資模型時就將風險量化模型作為重中之重。在設計中他們借助了包括統計信息學角度出發的信息熵值（Entropy）的變化、分形理論出發的市場模式（Pattern）的變化、金融物理學角度出發的金融泡沫統計指標的變化、市場微觀結構出發的分析師一致預期分歧的變化和趨勢等構建風險模型，對中短期系統風險進行定量分析。依靠基金經理和研究員對宏觀經濟發展狀況、人口與社會的結構性特征、經濟產業周期等因素的分析對長期風險進行定性分析。

在產品結構設計上，華商大盤量化基金獨具特色，其一，倉位比較靈活，股票投資比例可為0—95%，也就是說當市場趨勢性下跌時，可以空倉應對；其二，產品結構多樣性，雖然目前公募基金已開展了股指期貨，但基本上作為流動性管理的手段，而該基金將把股指期貨作為一個有效的風控或者對沖工具應用到投資中；其三，在投資標的上，華商大盤量化主要選擇流動性好的滬深300成分股，以保證在極端情況下可以及時調倉；其四，經過測算，在目前A股市場中利于量化操作規模在10億左右，因此一旦華商大盤量化基金募集額達到10億時便會停止。

而據記者了解，華商大盤量化基金在擇股方面也有別于一些量化類基金。相較而言，目前國內公募量化基金多采用多因子模型，而多因子模型的設計原理是把價值投資理論通過數字模型加以表達。而在實際測算中，華商基金量化團隊每日漲幅居前的股票中會有所謂投資價值較少的“垃圾股”，很難通過價值投資理論解釋。對此華商大盤量化基金在設計選股模型時更多的是通過捕捉市場的異常波動，尋找股價波動的非基本面的因素。通過對數據挖掘，建立初選股票池，然后按照行業分類，結合基本面研究，通過行業研究員調研，尋找相互印證支持依據，最終進行擇時投資。

從目前市場趨勢看，越來越多的基金公司傾向于推出量化策略。相對于海外成熟市場，A股市場不是特別有效的市場，量化投資策略可以發揮其紀律性、系統性、及時性、準確性、分散化的有點而捕獲國內市場的各種投資機會。同時A股市場的深度和廣度都與前幾年不可同日而語，市場上有兩千多家上市公司，基金經理加研究員再加賣方，能把握和持續跟蹤的公司也不過幾百家。量化投資多層次，多角度，海量數據觀察，可以捕捉更多的投資機會，拓展更大的投資空間。

巧理壓歲錢

ETF聯接基金生財有道

新春又至，在成人感嘆春節成“春劫”時，孩子們的壓歲錢水漲船高，越來越多的小朋友在春節長假后晉升為“小財神”。這筆賀歲紅包若巧妙打理，則有望成為個人的夢想基金。在理財人士看來，作為兒童成長的見證，讓壓歲錢生錢也需要尋覓具有成長基因的理財產品。

篇（11）

截至5月21日，上證指數今年以來累計下跌0.42%，創業板指累計下跌8.02%，滬深300指數表現較好，年內上漲2.83%。滬深300指數的標的股多為藍籌股，順應了今年的藍籌行情，推升了指數的上漲，見圖1。

在A股市場整體表現不佳的背景下，大部分采取主動管理的權益類公募基金逆市盈利，凈值增長率實現正收益并跑贏市場主要指數。今年以來，股票基金平均凈值增長率為2.02%，混合型基金平均凈值增長率為1.10%。統計結果顯示，2017年，量化主題基金凈值表現較前期下滑明顯，該類基金今年以來的平均凈值損失幅度達2.72%，遠低于股票基金和混合基金的平均水平。雖然大部分量化主題基金平均表現回落，但部分基金管理公司旗下的量化基金的表現較為穩定，例如華泰柏瑞基金管理公司旗下的7只量化基金，其平均凈值增長率達4.51%，大幅跑贏同類平均水平。

發行速度加快

2004年，國內首只采用量化對沖策略的基金成立，至2011年市場存量超過10只，下頁圖2描述了該類基金歷年量化主題基金市場存量及發行數量。自2015年起，這類基金的數量明顯增多，截至2017年5月23日，年內已有15只量化基金成立，超過2016年全年發行水平。較早成立的產品多采用量化選股，量化模型和策略較為單一。而近年來量化技術和投資策略不斷豐富，由早期嘗試階段逐漸走向成熟和創新。因此，在進行統計分析時，筆者著重關注今年以來的表現，選擇已進入常規運作周期，具備可查、完整信息披露的產品進行業績統計和研究。

多數量化基金的股票選擇行為是基于投資模型而定，堅持數量化的投資策略，這種完全基于模型的數量化投資方法既能客觀、理性地分析和篩選股票，也能保證不受外部分析師的影響，減少了投資者情緒對基金投資運作的影響，從而保持投資策略的一致性與有效性。利用機械化的數量化模型進行投資更具有紀律性，但使得基金選股擇時的能力下滑。在今年的政策驅動行情中，多數量化主題基金依舊重倉中小盤股票，使得該類基金凈值表現不佳。

凈值遭遇滑鐵盧

根據濟安金信基金評價中心的統計，截至2017年5月21日，市場上共有71只主動權益類的量化主題基金，過去1個月、過去3個月、過去6個月的平均凈值損失幅度分別為-3.35%、-3.41%、-2.96%，遠低于其他主動權益類基金的平均水平。具體來看，具有今年以來持續運作記錄的共有56只，今年以來的平均凈值損失幅度為2.72%，17只凈值上漲，39只凈值下跌，凈值下跌幅度超10%的高達6只。2016年整體表現較為優異的量化主題基金在2017年為何會遭遇滑鐵盧呢？

據筆者統計，2017年，業績下滑的量化主題基金普遍重倉了高估值、小市值的成長股，可見量化基金未能及時適應行情轉變。這源于量化主題基金大多采用使用數量化模型計算來M行投資，量化基金模型結構上的相似性將直接影響模型的有效性及流動性問題。

從模型的具體操作來看，量化模型主要根據歷史數據構建，其吸收新信息的能力比較緩慢，一旦外部環境出現變化或發生某些重大事件，例如設立雄安新區等，其有效性很可能受到影響。

少數基金表現突出