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篇量化投資主要方法范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

對年輕的A股市場來說,量化投資還是一個新概念。而在國外,定量投資已經走過了近40年的道路,其中的標桿人物正是著名的詹姆斯?西蒙斯(James Simons)。

量化投資的神秘故事

文藝復興科技公司(Renaissance Technologies)的詹姆斯?西蒙斯(James Simons)是華爾街最成功的對沖基金經理之一。他所管理的大獎章基金對沖基金,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%。其20年來年均35%的傲人業績大幅超過了巴菲特。

然而,頗具神秘色彩的西蒙斯對其投資方法刻意保密。迄今為止人們只知道,他的大獎章基金的賺錢方法是:針對不同市場設計數量化的投資管理模型,并在全球各種市場上進行短線交易。而為了讓這些“模型”始終處于絕密狀態,西蒙斯甚至不惜代價對那些離職創業的員工強硬地提訟。但實際上,數量化投資的背后并不是神秘而不可知的。數量化投資本身有一套規范而透明的做法,并采用科學、公正而理性的方法對市場進行研究并制定適應市場狀況的投資模型和投資策略,并不斷進行調整和優化。

其實,數量化投資不是黑盒子,也不是神秘主義,更不是一個戰無不勝的秘笈。數量化投資不是靠一個投資模型就能一勞永逸地去賺錢,而且也不是使用一個模型就能解決一切問題,更不是一個模型就能勝任任何市場狀況。數量化投資模型只是一種工具,數量化投資的成功與否在于使用這種數量化工具的投資者是否真正掌握了數量化投資。同時,數量化投資模型都必須經歷不斷的跟蹤檢驗、優化、實證等等過程。數量化投資是一個不斷改進的過程,數量化投資中最重要的就是投資者的投資思想,包括對投資的理解、理念、經驗,所以模型都是建立在這些投資思想上的。量化只是一種方式和工具,正是采用這種工具和方法來獲取經驗或者檢驗經驗。

有效規避傳統投資短板

人腦在思考問題的時候所能考慮到的因素總是有限的,那么決策的廣度肯定是不足的。從選股上來看也有這種問題,每個分析師所能跟蹤的股票數量也有限制,不可能看太多的股票,這是傳統投資的短板。當然,傳統的主動投資方法在決策深度上是有優勢的,因為可以把基本面研究做得很深入,從而彌補決策廣度的不足,這也是決定成敗的關鍵。信息多,信息快,這是當今資本市場的一大特點。市場中信息的傳遞速度非常快,而且眾多分析師對基本面數據進行不斷的挖掘,雖然對個股有深入的分析,但是仍然越來越難以彌補決策廣度的不足。

另外,或許有的投資者對市場的預測能力非常不錯,從理論上說可以獲得很好的超額收益(特別是很多事后看來確實預測準確的情況),但現實中收益常常被投資者主觀認知上的情緒化波動侵蝕掉。比如說,大多數投資者可能有自己的判斷,但是市場短期的表現可能與其判斷相左。這個時候,投資者可能會受市場表現的影響而很容易懷疑自己的判斷,此時大多數投資者寧愿相信羊群效應―追漲殺跌。

因此,傳統定性投資的短板大致在于我們思考的范圍總是有限的、較難以處理信息量多而快的問題、難以避免自身的投資情緒等等,這些都將最終影響到投資者的投資收益狀況。然而,科學、公正、客觀而理性的數量化投資策略卻可以規避這些傳統主動型投資策略的短板。

量化技術的五大優勢

數量化投資與傳統的定性投資方法相比,相同點是,二者都致力于建立戰勝市場、產生超額收益的投資組合;不同點是,傳統的定性投資方法側重對上市公司的調研、基金經理個人的經驗及其對市場的主觀判斷,而量化投資管理則更加強調數據的分析和應用,以先進的數學統計技術和模型替代人為主觀判斷。所以,與傳統的定性分析方法相比,數量化投資方法能更為理性、客觀地分析和篩選股票,避免投資的盲目性和偶然性,以及主觀認識的局限性,它能更有效地控制非系統性風險及一些人為因素導致的風險。定量投資管理將定性思想與定量規律進行量化應用,具有如下五大方面的優勢:

紀律性:嚴格執行數量化投資模型所給出的投資建議,而不是隨著投資者情緒的變化而隨意更改。紀律性的好處很多,可以克服人性的弱點,如貪婪、恐懼、僥幸心理;也可以克服認知偏差,行為金融理論在這方面有許多論述;紀律化的另外一個好處是可以跟蹤和修正。定量投資作為一種定性思想的理性應用,客觀地在組合中去體現這樣的組合思想。一個好的投資方法應該是一個“透明的盒子”,而不是“黑盒子”。每一個決策都是有理有據的,無論是股票的選擇,行業選擇,還是大類資產的配置等等,都是有數據支持、模型支持及實證檢驗的。

系統性:數量化投資的系統性特征主要包括多層次的量化模型、多角度的觀察及海量數據的觀察等等。多層次模型主要包括大類資產配置模型、行業選擇模型、精選個股模型等等。多角度觀察主要包括對宏觀周期、市場結構、估值、成長、盈利質量、分析師盈利預測、市場情緒等多個角度的分析。定量投資的系統性還有一方面就是數據多,即要對海量數據進行處理。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來說是有優勢的,他可以深刻分析這100家公司,這可以表現出定性基金經理深度研究的優勢。但在一個很大的資本市場,比如有成千上萬只股票的時候,強大的定量投資的信息處理能力能反映它的優勢,能捕捉更多的投資機會,拓展更大的投資機會。

及時性:及時快速地跟蹤市場變化,不斷發現能夠提供超額收益的新的統計模型,尋找新的交易機會。

篇（2）

：請通俗介紹一下什么是量化投資，它的發展情況如何？

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家，他們發明了各種各樣的金融衍生品賺得盆滿缽滿；第二批聰明人叫數學家，他們通過各種數據模型去發現了一些不合理的現象，同時發現了賺錢的機會，然而數學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現了賺錢的機會。而“量化投資”就是高端的金融人才、數學家和一流的IT工程師的復合。在美國有一種說法，最聰明的人，最高端的技術首先應用在兩個領域，一個領域就是國防，第二個領域就是華爾街。

量化投資從20世紀70年代在美國興起，經過40多年的發展，已經成為西方金融市場最為重要的投資方式之一。從20世紀90年代初期開始，量化投資的資產管理規模迅速增長，2000～2007年，美國的量化投資總規模增長了4倍多。2011年美國的量化投資和對沖基金的規模經過金融危機以后再創新高，達到了2萬多億美元的規模。

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，為量化投資的發展創造了有利的條件，而量化投資的發展為投資者提供了可選擇的、非常有優勢地位的投資方式。

：量化投資與價值投資有什么關系？

葉樂天：資本市場之大，每位強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。西蒙斯創辦的大獎章基金從1989年到2006年的平均年收益率高達38.5%，凈回報率超過巴菲特，即使在次貸危機爆發市場一片陰霾的2007年，他的基金回報都高達85%。

與股神巴菲特的“價值投資”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數學系教授的數學天才，依靠數學模型和計算機技術捕捉著市場機會。他認為，數學模型比主動投資能夠更有效地降低風險。雖然中國人對西蒙斯這個名字還比較陌生，但量化投資產品在華爾街已經非常普遍。

：為什么說量化投資像西醫？

葉樂天：隨著計算機運算速度的提高，華爾街的量化投資已經發展到爭取幾毫秒的機會。同一個套利機會下，誰下單早，誰就能抓住機會。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。

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行投資決策。需要基金經理到企業調研，看研究報告，與高管深入交流、了解大股東訴求，了解公司發展規劃之類，有深度。量化投資則注重廣度，比如市場上有2000只股票，量化投資會通過計算機比較2000只股票的數據，找出上漲個股共同的特征因子進行投資。與定性投資產品的基金經理經常出差不同，我主要的工作都在案頭——搜集數據，處理數據、還有編程。

定性投資和定量投資的差異如同中醫和西醫的關系。定性投資更像中醫，更多地依靠經驗和感覺判斷病在哪里；定量投資更像西醫，依靠模型判斷，模型對于基金經理的作用就像CT機對于醫生的作用。

：如何選擇量化投資產品尤其是指數基金？

葉樂天：目前，量化投資在中國公募基金市場的形態還比較簡單，主要可以分為被動型的和主動型的。被動型的量化產品包括了大量的指數基金；主動型的量化產品則主要有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，就是通過比較數據，篩選出個股走勢變化的關聯因子，然后，在未來個股走勢出現類似因子時，觸發交易，從中取得收益。

在公募產品中，以指數型產品為主，主動量化的產品數量稀少。公募基金受制于交易監管規則，比如在同一天的交易中，不能對同一標的做反向交易，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，但業績比較穩定。而且，歷史上指數基金的業績表現還算穩定，主動量化基金產品的穩定性稍差，而業績穩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品在中國的發展。公募基金的規模通常比較大，如果做主動型的產品，更換持倉的沖擊成本就比較大。

篇（3）

但說起對沖基金，很多人還是不可避免地聯想到“量化對沖”、“程序化交易”等相關詞匯。那么這些概念之間到底有怎樣的關聯呢？是不是對沖基金一定要采取對沖或量化投資呢？

并非所有對沖基金都采取對沖手段

顧名思義，對沖基金給人印象是運用對沖工具對沖風險的基金。但是，實際上并非所有對沖基金一定都采取對沖手段。對沖基金相對于傳統的公募基金而言，主要是在基金結構方面的區別。

一般來說，對沖基金具有以下特點：

第一，受更少的監管。國內的公募基金要求每季度披露季報，公布基金倉位和重倉股等核心信息，基金投資范圍也受到嚴格的控制。至今我國還沒有一只投資商品期貨的公募基金，去年底成立的嘉實絕對收益策略是國內目前唯一一只可投資滬深300股指期貨的市場中性策略的公募基金。而私募基金可以不公開任何與投資相關的信息，投資范圍也廣泛的多。

第二，更長的封閉期。國內的對沖基金通常在成立后的半年內處于封閉期，不能申購贖回，或者只許申購不準贖回。此后，走信托通道的產品每月開放申購和贖回，而走公募基金專戶或是公募基金子公司的產品每季度才開放一次申購和贖回。降低流動性是為了減少申購與贖回對基金運作的不良影響，有利于保護投資者的收益，有助于基金經理的投資運作。

第三，收取業績提成。公募基金的收費主要是前端認購費和固定管理費，而私募基金除了這兩部分外通常還收取20%的超額業績提成。有些業績出色且有溢價能力的對沖基金甚至收取30%的業績報酬。

第四，偏向于絕對收益的投資方式。我們都知道，公募基金的比較基準往往是滬深300等大盤指數，基金經理的考核通常是同類基金排名。這就是所謂相對收益型的業績導向。而對沖基金的業績基準通常是定期存款利率。由于基金管理人為了獲得更高的業績報酬，所以更在乎基金的絕對收益水平，而不是相對大盤指數的相對收益或是業績排名。這種績效方式就會引導基金管理人在投資方式上更偏向于絕對收益的方法，能采用對沖工具的可以進行風險敞口的對沖，不運用對沖工具的也會通過調節倉位來控制基金凈值的下行風險。

并非所有對沖基金都采用量化投資

量化投資強調的是在投資的過程中加入定量化的方法和手段。

傳統的股票型基金經理在投資的過程中更多的是依據自己對宏觀經濟、行業發展趨勢以及企業經營狀況的主觀判斷。雖然在做決策前基金經理也閱讀了大量數據，但這些數據轉換為投資決策是在人腦里完成的。這個決策過程涉及到很多定性的判斷，模糊的處理，是一個非量化的決策過程。

而所謂量化投資就是盡可能將決策過程模型化、可視化、透明化。在模型化的過程中，勢必會引入不少定量的方法，用到很多金融、經濟、數學以及統計等學科的工具和手段。

舉個簡單的例子，我們注意到股票市場的投資者對于經濟同步數據是比較敏感的。比如，制造業采購經理指數（PMI）如果在50%以上表明經濟處在擴張區間，越高反映經濟發展得越樂觀。此時，主觀投資者會在參考PMI當期數值、前期數值以及市場預期值后綜合來判斷是否該介入購買股票，而量化投資會設一個硬性的標準，比如PMI創出近3月新高即買入股票，或是PMI超過55%才買入股票等等規則，一旦事先設定的規則觸發就形成了交易信號。

篇（4）

一、引言

量化投資在國外的實踐已經有了40多年的發展，我國的量化投資起步較晚，從2004年開始出現量化投資的產品，由于缺乏有效的對沖手段，直到2010年4月滬深300股指期貨上市之后才能算是真正意義上開始涉足量化投資。[1]

2015年的中國股市跌宕起伏，杠桿配資引發了大幅上漲和斷崖式下跌，股市出現罕見的千股漲停、千股跌停、千股停牌的奇觀，眾多機構投資者和散戶蒙受了巨大的損失。但其中少數量化投資基金在大幅波動的市場中卻表現相對穩定。量化投資基金和量化對沖策略的穩健，很快引起了全市場的關注，也成為近期銀行、券商、信托等機構追捧的新的產品模式。

在此背景下，作者在本文中對于量化投資的概念、特點、策略、理論基礎和發展做一個總結，希望為量化投資研究和實踐做一些參考。

二、量化投資解讀

（一）量化投資的定義

量化投資在學術界并沒有嚴格統一的定義，現有的定義對于量化投資的定義的側重點各有不同。本文對于量化投資的定義為：

量化投資是指將投資者的投資思想或理念轉化為數學模型，或者利用模型對于真實世界的情況進行模擬進而判斷市場行為或趨勢，并交由計算機進行具體的投資決策和實施的過程。

（二）量化投資的特點

1.投資決策中能夠客觀理性，克服人類心理對投資決策的影響。傳統投資的分析決策，大多數方面都由人工完成，而人并非能做到完全理性，在進行投資決策時，很難不受市場情緒的影響。[2]量化投資運用模型對歷史和當時市場上的數據進行分析檢測，模型一經檢驗合格投入正式運行后，投資決策將交由計算機處理，一般情況下拒絕人為的干預，這樣在進行投資決策時受人的情緒化的影響將很小，投資過程可以做到理性客觀。

2.能夠通過海量信息的大數據處理，提高投資決策效率。我國股票市場上有近3000只股票，與上市公司相關的各種信息紛繁復雜，包括政策、國內外經濟指標、公司公告、研究報告等，投資者靠自己手工的篩選根本就是力不從心。量化投資的出現為這個問題的解決帶來了希望。量化投資運用計算機技術快速處理大量數據，對其進行辨別、分析、找出數據之間的關聯并做出投資決策，大大減少了人工的工作量，提高了投資決策效率。

3.能夠實現精準投資。傳統的投資方法中認為投資是一門藝術，投資決策需要的是投資者的經驗和技術，投資者的主觀評價起到決定作用。而量化投資有所不同，尤其是在套利策略中，它能做到精準投資。例如在股指期貨套利的過程中，現貨與股指期貨如果存在較大的差異時就能進行套利，量化投資策略和交易技術會抓住精確的捕捉機會，進行套利交易來獲利。另外，在控制頭寸規模方面，傳統的投資方法只能憑感覺，并沒有具體的測算和界定，而量化投資必須要設定嚴格精確的標準。[3]

4.能夠快速反應和決策，把握市場稍縱即逝的機會。量化投資往往利用高速計算機進行程序化交易，與人腦相比它能夠迅速發現市場存在的信息并進行相應的處理，具有反應快速、把握市場稍縱即逝的機會的特點。量化投資在速度上最出色的運用就是高頻交易，與低頻交易相對，高頻交易是通過高速計算機，在極短的時間內對市場的變化做出迅速的反應并完成交易。[4]

5.能夠有效地控制風險，獲取較為穩定的收益。與傳統投資方式不同的是，量化投資在獲得較高超額收益的同時能夠更好地控制風險，業績也更為穩定。相關研究顯示，1996年至2005年期間，量化投資基金與以所有傳統主動型投資基金和偏重于風險控制的傳統主動型投資基金的信息比率對比情況中，量化投資基金的信息比率都是最高，說明量化投資相對于傳統投資，能夠在獲得更高的超額收益的同時，有效地控制風險。

三、量化投資的策略

一般的量化投資的策略指的是用來實現投資理念或模擬市場行為判斷趨勢從而獲取收益的模型。量化投資需要權衡收益、風險、交易成本、具體的執行等各個方面，一般情況下這些方面會形成相對獨立的模塊。有時候量化投資策略模型也會將風險、成本等方面融合在模型中。

（一）國外量化投資策略的分類

國外習慣上將量化投資的策略分成兩大類，一類是阿爾法導向的策略，另一類是貝塔導向的策略。阿爾法策略（alpha strategy）是通過量化擇時和調整投資組合中不同資產的頭寸大小來獲取收益的策略;貝塔策略（beta strategy）是通過量化的手段復制指數或者稍微的超出指數收益的策略。[6]相比而言，量化指數的貝塔策略相對更容易，所以一般情況下所說的量化投資的策略指的是阿爾法策略（alpha strategy）。

阿爾法策略主要有兩種類型，分別為理論驅動模型和數據驅動模型。

理論驅動模型是比較常見的類型，這些策略是運用已經存在的經濟、金融學的理論，構建策略模型，進行投資決策。理論驅動模型根據輸入的數據的不同可以進一步分類，主要有基于價格相關數據的策略和基于基本面數據的策略。

數據驅動模型廣泛的被運用于股票、期貨和外匯市場，因為采用的數學工具更為復雜，相對而言難于理解，目前使用的還不是很多。與理論驅動模型不同，數據驅動模型認為進行投資決策其實是不需要理論的支持，運用數據挖掘技術，可以從數據（例如交易所的價格數據）中識別出某種行為模式或市場趨勢，進而進行預測或者解釋未來的模式，從中獲取收益。

（二）我國量化投資策略的分類

國內比較常見的量化投資策略主要有兩種分類方式，一種是按投資標的所在市場分類區分的量化投資策略，分為現貨市場和衍生品市場量化投資策略。現貨市場包括股票市場、ETF市場和債券市場，衍生品市場包括商品期貨市場、股指期貨市場、國債期貨市場、外匯市場和期權與其他衍生品市場，國內運用較多的是投資于商品期貨和股指期貨等期貨市場。

另一種分類方式是分為兩大類：判斷趨勢的單邊投機策略和判斷波動率的套利交易策略。[7]單邊投機策略主要包括量化選股和量化擇時，套利交易策略主要包括股指期貨套利、商品期貨套利、統計套利、期權套利、另類套利策略等，目前國內普遍采用的是這種分類方式。

四、量化投資理論的發展

（一）投資理論的發展

量化投資的理論基礎最早可以追溯到上個世紀50年代，Markowitz（1952）[8]第一次把數理工具引入到金融研究領域，提出了均值――方差模型和風險報酬與有效前沿的相關概念，這是量化投資接受的最早的嚴肅的學術成果。Sharpe（1964）[9]、Litner（1965）[10]、Mossin（1966）[11]在馬克維茨研究的基礎上得出了資本資產定價模型（CAPM），這是如今度量證券風險的基本的量化模型。

20世紀60年代，Samuelson（1965）與Fama（1965）[12]提出了有效市場假說（Efficient Markets Hypothesis，EMH），這為后來在新聞量化交易等方面提供了思路和理論支持。20世紀70年代，金融衍生品不斷涌現，對于衍生品的定價成為當時研究的重點。Black和Scholes（1973）[13]將數學方法引入金融定價，他們建立了期權定價模型（B-S模型），為量化投資中對衍生品的定價奠定了理論基礎。在該理論之后，Ross（1976）[14]根據無套利原則提出了套利定價理論（APT），該理論是資本資產定價模型（CAPM）的完善和發展，為量化投資中的多因素定價（選股）模型提供了基礎，這也是Alpha套利的思想基礎。

20世紀80年代，期權定價理論倒向微分方程求解;“金融工程”概念得以產生，金融工程著力于研究量化投資和量化交易。同期，學者們從有效市場理論的最基本假設著手，放寬了假設條件，形成了金融學的另一個重要的分支――行為金融學。

20世紀90年代，金融學家更加注重對于金融風險的管理，產生了諸多的數量化模型，其中最為著名的風險管理數量模型是VaR（Value at Risk）模型，這是量化投資對于風險控制的重要理論基礎。[15]

20世紀末，數理金融對于數學工具的引入更加的迅速，其中最為重大的突破無疑是非線性科學在數理金融上的運用，非線性科學的出現為金融科學量化手段和方法論的研究提供了強有力的研究工具[16]，尤其在混合多種阿爾法模型而建立混合模型時是非常有效的一種技術。

（二）量化投資的數學和計算基礎

量化投資策略模型的建立需要運用大量的數學和計算機方面的技術，主要有隨機過程、人工智能、分形理論、小波分析、支持向量機等。[17]隨機過程可以用于金融時序數列的預測，在現實中經常用于預測股市大盤，在投資組合模型構建的過程中，可以優化投資組合;人工智能的很多技術，例如專家系統、機器學習、神經網絡、遺傳算法等，可以運用于量化投資;分形理論用于時間序列進行預測分析;小波分析主要用于波型的處理，從而預測未來的走勢;數據挖掘技術可以運用于數據驅動模型，還可以運用于設置模型的細節;支持向量機可以分析數據，識別模式，用于分類和回歸分析。

五、國內外量化投資實踐的發展

（一）國外量化投資實踐的發展

本文認為量化投資在國外的發展已經經歷了四個發展階段：

1.第一階段從1949年至1968年：對沖階段。該階段是量化投資的萌芽階段，該階段具體的量化投資實踐很少，主要是為量化投資提供的理論基礎和技術準備，量化投資脫胎于傳統投資，對抗市場波動，通過對沖穩定Alpha收益，但收益率低了。

2.第二階段從1969年至1974年：杠桿階段。在該階段，量化投資從理論走入了實踐。在投資思路上，因為原本的Alpha策略收益有限，通過放杠桿擴大第一階段的穩定收益。實踐方面，1969年，前美國麻省理工學院數學系教授愛德華?索普（Ed Thorp）開辦了第一個量化對沖基金，進行可轉債套利，他是最早的量化投資的者使用者。1971年，巴萊克國際投資公司（BGI）發行了世界上第一只被動量化基金，標志著量化投資的真正開始。

3.第三階段從1975年至2000年：多策略階段。在這一階段，雖有一定的挫折，但總體上量化投資得到了平穩的發展。在投資思路上，由于上一階段通過杠桿放大收益的副作用產生，放大以后的波動率又增大，從而轉向繼續追求策略的穩定收益，具體的手段是采用多策略穩定收益。實踐方面，1977年，美國的富國銀行指數化跟蹤了紐約交易所的1500只股票，成立了一只指數化基金，開啟了數量化投資的新紀元。[18]1998年，據統計共有21只量化投資基金管理著80億美元規模的資產。[19]

4.第四階段從2000年至今：量化投資階段。這一階段，量化投資得到了迅猛的發展，并且發展的速度越來越快。投資思路上，運用量化工具，策略模型化，注重風險管理。在實踐方面，在2008年全球金融危機以前，全球對沖基金的規模由2000年的3350億美元在短短的7年時間內上升至危機發生前的1.95萬億美元，受美國次貸危機的影響全球對沖基金規模有較大的回落，直到2008年之后，在全球經濟復蘇的大背景下對沖基金規模才開始反彈。

（二）我國量化投資的發展

本文認為，到目前為止，我國量化投資的發展的主要經歷了三個階段：

1.第一階段從2004年至2010年：起步階段。在這一階段，由于我國沒有足夠的金融工具，量化投資在我國發展緩慢。2004年8月，光大保德信發行“光大保德信量化股票”，該基金借鑒了外方股東量化投資管理理念，這是我國最早的涉足量化投資的產品。2010年4月16日，準備多年的滬深300股指期貨的在中金所的上市，為許多對沖基金的產品提供了對沖工具，從此改變了以前我證券市場只能單邊進行做多的情況。

2.第二階段從2011年至2013年：成長階段。2011年，被認為是我國量化對沖基金元年，[21]而隨著股指期貨、融資融券、ETF和分級基金的豐富和發展，券商資管、信托、基金專戶和有限合伙制的量化對沖產品的發行不斷出現，這個階段的量化投資真正意義上開始發展，促使該階段發展的直接原因就是股指期貨的出現。[20]

3.第三階段從2014年至今：迅猛發展階段。2014年被認為是“值得載入我國私募基金史冊的一年”，基金業協會推行私募基金管理人和產品的登記備案制，推動了私募基金的全面陽光化，加速了私募基金產品的發行，其中包括量化對沖型私募產品。2014年稱得上我國量化對沖產品增長最迅速的一年，以私募基金為代表的各類機構在量化對沖產品上的規模均有很大的發展，部分金融機構全年銷售的量化對沖基金規模超過了百億。

2015年，上證50ETF期權于2月9日正式推出，這對于對我國的量化投資有著極大的促進作用。4月16日，上證50與中證500兩只股指期貨新品種的上市給量化投資帶來更多的策略的運用，金融衍生品的不斷豐富和發展，為量化投資提供更多的豐富對沖手段，也提供了更多的套利機會。

六、總結

量化投資的技術、策略、硬件設施條件都在飛速的發展，與傳統的投資方式相比，量化投資有著自身的特點和優勢。尤其是量化對沖產品，以其長期穩健的收益特征，成為目前“資產荒”下對信托、理財產品和固定收益產品良好的替代產品。未來隨著我國股指期貨、融資融券、國債期貨、期權等金融產品的不斷創新，以及股指期貨市場未來逐步恢復正常，量化投資發展前景不可限量。

參考文獻

[1]徐莉莉.量化投資在中國的發展現狀[R].渤海證券研究所：金融工程專題研究報告，2012.

[2]廖佳.揭開量化基金的神秘面紗[J].金融博覽（財富），2014，（11）：66-68.

[3]王力弘.淺議量化投資發展趨勢及其對中國的啟示[J].中國投資，2013，（02）：202.

[4]Durbin，M. All About High-Frequency Trading： The Easy Way To Get Started[M]. McGraw-Hill Press，2010.

[5]蔣瑛現，楊結，吳天宇，等.海外機構數量化投資的發展[R].國泰君安證券研究所：數量化系列研究報告，2008.

[6]Rishi K. Narang. Inside the Black Box： The Simple Truth about Quantitative Trading[M]. Wiley Press，2012.

[7]丁鵬.量化投資――策略與技術[M].北京：電子工業出版社，2014.

[8]Markowitz，H.M.. Portfolio Selection[J].Journal of Finance，1952，2：77-91.

[9]Sharpe，W.F. Capital asset prices： A theory of market equilibrium under conditions of risk[J]. Journal of Finance，1964，19（3）：425-442.

[10]Lintner. The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets[J].Review of Economics and Statistics，1965，47（1）：13-37.

[11]Mossin.Equilibrium in a Capital Asset Market[J]. Econometrica，1966，Vol.34（4）：768-783.

[12]Fama，Jensen，and Roll. Investor sentiment and Stock Returns[J]. Journal of Political Economy，1969，（12）34-36.

[13]Black Fischer，and Myron Scholes，1973.The Pricing of Options and Corporate Liabilities[J].Journal of Political Economy，1973，81（3）：637-654.

[14]Ross.The arbitrage theory of capital asset pricing[J].Journal of Economic Theory，1976，13（3）：341-360.

[15]Jorion，Philippe.Value at Risk：The New Benchmark for Managing Financial Risk （3rd ed.）[M]. McGraw-Hill Press，2006.

[16]戴軍，葛新元.數量化投資技術綜述[R].國信數量化投資技術系列報告，2008.

[17]丁鵬.量化投資與對沖基金入門[M].北京：電子工業出版社，2014.

[18]郭喜才.量化投資的發展及其監管[J].江西社會科學，2014，（03）：58-62.

[19]Ludwig B.，Chincarini. The Crisis of Crowding： Quant Copycats，Ugly Models，and the New Crash Normal[M]. Wiley Press，2013.

[20]曾業.2014年中國量化對沖私募基金年度報告[R].華寶證券：對沖基金專題報告，2015.

篇（5）

這是近幾年才形成的一個低調的金融圈子，尤其是今年來，這個圈子似乎風生水起。算法、編程、想法、策略、模型成了這個圈子中的常用語，他們分布在券商、公私募基金、期貨等金融行業，他們在創新中摸索前進，優秀的團隊也不少見。

謹慎的寬客人

量化投資圈的人喜歡自己被稱為“寬客人”或“礦工”。所謂“寬客”即金融工程師，他們靠編程序去設計模型，用數學的方法分析金融市場，找出影響價格漲跌的相關因素，規避其中的風險，獲得收益。

徐明（化名）是上海艾革瑞投資團隊的創始人之一，有著大多數編程人員的內秀和儒雅，自信的微笑又暗示著自己不是普通的“碼農”。清華大學數學系學士，香港科技大學工業工程與物流管理系博士，精通數學建模、金融工程、組合優化和人工智能算法，這些標簽和不少量化“寬客人”類似，他們具備這個行業的先天優勢。

徐明在中山大學管理學院管理科學系任教期間，對金融工程產生了濃厚的興趣，西蒙斯的經歷和成功給了他極大的鼓舞，逐漸走上專業量化交易這條路。

十月，天氣漸冷。《中國證券期貨》記者聯系上徐明時，他正帶著自己的團隊參加海通期貨2013年的“笑傲江湖”實盤賽，目前成績位列投資家組第三名，這不是第一次參加海通期貨的實盤賽，去年以總收益89%、總收益額189萬，獲得程序化組亞軍。

“艾革瑞”，源自“Algorithm”（算法）的譯音，創始人的量化定位可見一斑。團隊主要成員在2012年開始全職投身于程序化交易，多具有證券期貨投資、金融工程研究和IT項目開發經驗。艾革瑞團隊主要做股指期貨日內交易，交易頻率比較低，平均一天做1個來回的交易，持有時間一般都要超過1個小時。

量化交易和人工交易有一個很大的不同，就是模型的建立。“程序化交易更像一門科學，需要投資者具有較高的模型開發和系統開發能力，以及對于交易規律的深刻認識。”徐明認為，人工交易更像一門藝術，需要對經濟周期和行業發展有獨到的眼光。

對于模型，“寬客人”都視為自己最核心的秘密武器，往返于華爾街和上海的徐明和其他諱莫至深的受訪者不同，對模型提出了自己的看法，“模型是用數學方法找規律，而數學方法找規律很容易過度優化。”

對于投資行業的深刻認識更為重要。徐明表示，“國內金融市場和華爾街還是有本質的不同，對于中國市場期貨交易的認識和理解，比運用各種數學模型更為重要。很多系統在數學上是最優的，但是在實踐中并不是最優的，而且還可能是有極大風險的（即過度優化）。”

策略是量化“寬客人”的另一個交易核心。“如果交易經常不盈利，就不能僅僅認為是利潤回吐了，要考慮策略是否失效。”金華強調。

策略是否失效是所有程序化交易者面對的一個非常難的問題。“失效”本身就很難定義。日內趨勢的策略勝率一般都不到50%，所以總是有賠有賺的。賠錢的連在一起，就連續回撤了，這其實只是虧損連在了一起而已。不同的時間，市場的規律也會呈現不一樣的特征，所以也很難判斷暫時表現不好的策略是否就永久不好了。

所以，最重要的不是判斷策略是否已經失效，而是在策略表現不好的時候可以找到原因和解決辦法。

在2013年第二季度，艾格瑞團隊就經歷了一個較大級別的回撤，后來發現系統的很多虧損來自于“過度預測”。直觀的理解就是市場還沒有開始趨勢的時候，系統就進行了未來趨勢方向的預測。這一能力在過去的一年都不錯，可以獲取超額收益；但是可能是因為市場氛圍變了，現在不僅不管用，還會帶來連續的虧損。

后來艾格瑞團隊對策略進行了調整：其一，相關性小的多周期、多系統非常必要。其二，用一套系統的方法去辨別哪些是市場里穩定的規律，哪些是不穩定的規律。其三，在風險控制上更為嚴格和保守，在謹慎保護本金的基礎上，實現盈利。

調整策略后，解決了“過度預測”的問題，然后系統就又恢復了正常。從運行兩個多月來看，表現比較穩定。

摸著石頭過河的機構

機構投資者對量化投資的關注也越來越多，光大證券“816”事件揭開了冰山一角。8月16日，光大證券量化套利資金超過了200億，烏龍事件一度引發國內A股和股指劇烈地震。據中國量化投資學會理事長、量化投資經理丁鵬透露，“目前國內量化投資資金的體量已經達到1000億元。” 這些資金或主要來自券商和險資自營的量化套利資金，以及公私募的量化基金。

業內人士指出，國內某另一家券商在量化上投入的套利策略資金超過了300億，遠超出光大的投入資金，目前，不少券商也在用巨額資金更新IT設備，加上公私募資金，在量化上的投入遠超過1000億。

據悉，光大和海通等券商經營量化套利這項業務上，年度收益約10%-12%，甚至達到10%-15%或更高。如果按200億元的管理資金來看，帶給券商的直接收益就達到20億-30億元。這一盈利數字可能近年來熊市中某些券商一年的營業收入。

由于A股市場實施T+1交易，券商量化交易部門在A股從事高頻交易的資金較少，據業內人士推算，大約有20億左右。如果A股市場實施了T+0操作，估計更多券商大資金投入。

公募基金排名的壓力，參與股指期貨對沖倉位比例不超過20%限制，都成了公募基金量化投資無形的鐐銬，短期內難有多大規模。

“公募基金做量化很費勁。”王萌（化名）坦誠表示。

王萌，上海交通大學計算機碩士，資深軟件工程師，具有多年軟件開發和管理經驗，以及金融市場投資經驗。已經在資本投資市場10年了，目前是上海某公募基金的總監。

“由于參與公募基金的排名，不可能完全做到量化管理，大多都有主動管理的因素在面。”王萌坦言，這和采訪國內某期貨公司量化部經理時的話，頗有幾分相似，“目前國內公募基金的業績也沒有聽說那個做的業績挺好，更多的是一種宣傳噱頭。”

而私募則相對輕松的多。私募資金私募基金在量化基金設計上，主要側重于量化多空策略的經營，目前國內有數十款產品在做，雖然規模算不上太大，但收益穩定保持在9%-15%還是容易做到。

張強（化名）在華爾街做量化投資多年，回國后成立了自己的私募公司，量化操作股指期貨。15個月來，資金收益保持在25%，這個業績在行業里可能算不上多高，但是出奇的穩定，這正是量化投資追求的最高境界，關鍵是穩定收益。遠比上半年盈利50%，下半年虧60%好的多。更難得的是，15個月來回撤僅僅1.5%。這和公募基金帶著“鐐銬”跳舞形成了鮮明的對比。

無法阻擋狼來了

目前國內的量化投資剛剛起步，發展還受諸多因素困擾。

政策性因素擾動、歷史數據不足、數據準確性差、T+1的限制，金融衍生工具不夠豐富，風控的完善、系統軟硬件的限制等，這些都是量化投資在國內市場的瓶頸。

政策性因素擾動也很明顯，證監會對光大證券“816”的巨額罰款，對光大證券在券商中量化的領先地位頗有打擊，同行不得不放慢了量化的步伐。

對于數據的不充足以及準確性差，也深受其害，財報質量和國外壓根就不在一個檔次，查閱數據也只能追溯到最近6、7年，這對用數學的方法統計數據建模型造成了直接的影響。

而某期貨公司的董事總經理則直言，目前國內期貨市場還是T+1，還沒有開通夜盤交易，而國內期貨市場又受國外盤影響巨大，國內盤受其影響隔夜暴漲暴跌再正常不過，而依靠數據、模型的量化交易只能是無可奈何，這也是國內商品期貨量化操作業績不理想的原因之一。

金融衍生工具不夠豐富，也是國內量化投資的一大影響。目前國內量化投資僅能運用在商品期貨、股指期貨和國債期貨上，還限制頗多。比如股指期貨，國內每天掛單不能超過500手；國債期貨開通不久，成交量有限；期貨市場雖然套利客觀，但容納資金量有限。

據業內傳聞，光大證券的量化部門前期運行投入資金是1500萬元，如果再加上維護費用，數目不容小覷。

這在券商同行中絕不是孤例。盡管如此，因經驗不足，還是在風控上鬧出了震驚中外的（816）烏龍事件，對量化的影響可見一斑。

光大烏龍事件暴露出機構投資人在追求創新時忽略了風控的完善。“光大雖被證監會罰款5個億，但券商用自營資金做量化的賺錢能力也被大眾所知，未來會有大量的錢涌入。”一位機構人士認為。

丁鵬認為，“不能因為光大事件，就將先進技術和理念拒之門外，絕對收益是未來趨勢。”

國內金融市場，盡管在量化上還存在著不少的問題，但這引人注目的量化投資前景依然引起了國外大鱷的注意，我們無法阻擋：狼來啦！上述某期貨公司人士透露，“韓國成熟的量化投資團隊，已經進入國內市場開始剪羊毛，據說比國內的量化機構能量要大的多。”還有更恐怖的團隊，國外量化操作鼻祖巴克萊已經在國內完成了前期量化測試，不久也會攜帶巨額資金和先進的理念來分一杯羹。

篇（6）

據了解，這也是泰達宏利旗下首只量化基金產品。今年以來，跌宕起伏的行情持續考驗基金投資管理能力。然而量化基金表現卻一枝獨秀。銀河數據統計顯示，2012年一季度，上證綜指上漲2.88%，同期標準股票型基金平均業績為0.31%，而量化基金的平均業績為2.92%。

逆向投資正當時

“其實對于逆向投資策略，投資者并不陌生，巴菲特名言‘在別人恐懼時貪婪，在別人貪婪時恐懼’就是逆向投資思維的一種表述。”泰達宏利逆向策略基金擬任基金經理焦云告訴時代周報記者，逆向投資策略就是對抗人性從眾的心理弱點，避開機構扎堆的熱門股、題材股，尋找被市場忽略或股價被嚴重低估的成長類股票。

在焦云看來，逆向投資強調的不隨波逐流，不是簡單的和市場趨勢作對，也不是簡單的掘金冷門股，而是在研判大勢的基礎上，對上市公司本身的投資價值進行分析，以適當價格介入股價被嚴重低估的股票，獲取估值回歸帶來的投資收益。

焦云指出，在市場整體震蕩，短期內板塊頻繁輪動的情況下，每一種投資思維都能在市場中占有一席之地。逆向投資策略瞄準被市場忽視、低估、看空的“非主流”股票，極有可能挖掘出一些蘊含著巨大投資潛力的個股，捕捉一些結構性的投資機會。

據焦云介紹，逆向投資在海外已有30多年的發展歷史，經過行為經濟學先驅丹尼爾?卡納曼和“逆向投資之父”戴維?德雷曼的努力，逆向投資理論從一種交易策略上升為一種主要的投資策略，據彭博社數據統計，現在全球已有100多只逆向投資基金，規模超過百億歐元。

1月份，華安基金也申報一只逆向策略股票型基金，目前正在證監會報批程序中。分析認為，受歐債危機、全球經濟增長放緩、國內經濟結構轉型等因素影響，A股在未來較長時期內都將維持寬幅震蕩的局面，但其中不乏個股結構性投資機會，這一市場格局為逆向投資策略提供了好機會。

量化基金擴容潮起

除了泰達宏利，今年以來已有多家基金公司已經開始在量化產品方面布局。比如工銀瑞信3月剛剛發行了旗下第一只量化基金―工銀量化策略股票基金；富國基金開始大力打造旗下圍繞量化投資的子品牌。

所謂量化投資，是指通過建立數學模型并應用量化分析方法進行選股和操作管理。量化投資在海外已有逾30年歷史，但在國內市場，自2004年光大保德信發行光大保德信量化核心基金才正式起步，至2009年底，量化基金方才相繼跟進成立，并迅速發展壯大。據好買基金研究中心數據統計，截至目前，已有16只量化基金成立。

“主要是現在公募基金產品發行越來越多，同質化現象較嚴重，相較而言，獨辟蹊徑的量化產品顯得吸引力更大。此外，今年年初以來量化基金的不錯業績也支撐了這波擴容。”好買基金研究員劉天天告訴時代周報記者。銀河數據統計顯示，2012年一季度，上證綜指上漲2.88%，同期標準股票型基金平均業績為0.31%，而量化基金的平均業績為2.92%。

“在量化投資領域，出現了很多杰出的投資者，如詹姆斯?西蒙斯。” 有著8年海外量化投資經驗的工銀基本面量化基金經理游凜峰表示，“他們依靠數學模型和神秘的公式掃描市場，捕捉機會。”據了解，詹姆斯?西蒙斯管理的大獎章基金1989-2007年均收益率高達35%，而“股神”巴菲特在同期的平均年回報大約為20%。

篇（7）

從1971年巴克萊投資管理公司發行全球第一只定量投資產品至今，量化投資已走過30年歷程。

憑借著良好的業績表現，這一投資方法已占據全球投資30%的江山，成為主流的投資方法之一。其中著名的大基金自成立起至2006年的17年間，年化收益率達到38.5%。

然而，近兩年來，量化基金在全球的業績并不理想。次貸危機之后，量化基金一直舉步維艱。

國內量化基金的興起，正是在次貸危機之后。

截至目前，國內已成立的采用量化策略的基金有12只，其中9只自2009年以來成立。它們整體面臨業績不盡如人意的尷尬，據《投資者報》數據，它們的年復合增長率為11.78%，遠低于平衡類、價值類、成長類基金。

量化基金成敗，最關鍵是量化模型的有效性和投資紀律的執行情況。然而，國內已有的量化基金兩方面均無太大優勢。

一方面，模型相對較原始，量化投資策略要么機械地借鑒國外已經公開的模式，要么基于基金公司自有的多因子模型；另一方面，與海外量化基金一樣，具體的模型并不會公開，這樣投資紀律便無處考察。

從現有的幾只量化基金過往業績看，長期業績較優異的是上投摩根阿爾法，自成立以來，年復合增長率達到35%，算得上是量化基金的龍頭。

量化模型無亮點

投資模型是量化基金最核心的競爭力。

定量基金經理基于對市場的理解，提煉出能夠產生長期穩定超額收益的投資思想，并用歷史數據驗證其正確性，再由系統根據提煉出的投資思想，在全市場挑選符合標準的股票，并通過對收益、風險的優化，建構最優股票組合。

“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，設計好的投資模型。”接受《投資者報》記者采訪時，上海一位從事量化投資的基金經理說道。

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。

BL模型利用概率統計方法，將投資者對大類資產的觀點與市場均衡回報相結合，產生新的預期回報。即由投資者對某些大類資產提出傾向性意見，模型根據投資者的傾向性意見，輸出對該大類資產的配置建議。

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還僅是基金公司體現其“專業性”的一個由頭，有待探討。

國內量化基金模型還具有同質化特點，表現在對個股估值等方法的應用上，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等。

另外，模型是量化產品背后“不能說的秘密”，雖然基金契約中對要采用的量化模型做了模糊介紹，作為靠“執行紀律”取勝的產品，實際運作是否執行到位，也無處查證。

量化基金業績平淡

量化基金的優點首先在于，通過具體的經濟模型對經濟復蘇行業評估并進行行業權重配置，將基金經理的投資理念與分析有效結合。

其次，覆蓋全市場，避免因基金經理個人偏見或經理不足造成選擇范圍局限。

再次，通過基金經理精細化投資運作，較好把握細微的結構性投資機會。

或許是因為模型簡單雷同，以及沒有較好體現A股的特征，比如說波動性、“政策市”等，現有的量化基金整體業績優勢并不明顯。

根據《投資者報》數據，可比較的6只“人腦+電腦”量化產品的年復合增長率為11.78%，低于“人腦”管理的趨勢類、回報類、價值類、平衡類（年復合增長率均超過18%）。

今年以來，所有量化基金中，超越指數的僅有采用量化投資的富國滬深300增強指數型基金，截至4月1日，回報率為6.94%。

而在估值修復行情中，以對估值有量化指標要求的華商動態阿爾法、國泰金鼎價值精選、嘉實量化阿爾法大幅跑輸業績大盤，取得負收益，凈值分別下跌7.2%、6.7%和4%。

上投摩根阿爾法領銜

從已成立的采用量化策略投資的基金中，年復合增長率大幅超過平均值的僅有上投摩根阿爾法，為35%。但這與該基金是較早采用量化策略的基金之一，成立于2005年10月，經歷過2006、2007年的大牛市行情有一定關系。

截至去年底，該基金資產規模44億元，自成立以來的回報率為425%。該基金受到機構投資者的青睞，持股2.9億份，占基金總份額的21%。

篇（8）

中圖分類號：F832.51 文獻標識碼：A doi:10.3969/j.issn.1672-3309（x）.2011.11.38 文章編號：1672-3309（2011）11-84-02

近年來，隨著我國資本市場的不斷發展，數量化投資在國內越來越受到關注。國內機構投資者逐漸增加量化分析在投資中的應用。在基本面投資的基礎上應用數量化策略,成為投資領域發展的新趨勢。國內的基金公司在這股潮流下也紛紛推出自己的量化基金產品。

依據資訊商wind的顯示，截至2011年9月底市場上一共有14只不同類型的量化基金。

一、國內量化基金的發展

據統計，國外定量投資在全部投資產品中的份額中占30%以上，主動投資產品中大約有20-30%使用量化技術。與國外市場相比，國內基金無論數量還是規模都要小很多。國內大部分量化基金都是在2008年金融危機之后才陸續推出。目前市場上有65家基金公司，正式推出量化基金的也只有13家。

自開始兩只量化基金成立后，2006-2008年期間市場上沒有任何新的量化基金成立，之后又呈現出一個快速增長的態勢。為什么國內量化基金的發展會有如此特點？分析一下其中原因，筆者認為有如下幾點：

（一）國內資本市場的發展為量化投資準備了必要條件。2005年以來，證券市場發生了一系列變化：股權分置改革完成、IPO擴容，賣方量化研究能力提高、股指期貨及融資融券的推出等。如何在眾多的上市公司中迅速、有效地選擇投資目標，降低調研和投資成本，成為機構投資者面對的新問題。而通過用量化手段，分析、歸納出相對客觀的選股模式，發掘內在的驅動因素，正是量化選股的優勢所在。正是在這樣的環境下，機構投資者開始重視起量化投資來。作為證券市場上的賣方，券商紛紛在自己的金工團隊基礎上成立數量化研究團隊，推出了大量量化策略報告和量化投資方面的服務（如程序化交易服務）。一些陽光私募基金也開始成立。公募基金作為市場的領頭羊，自然在量化投資方面不甘落后，招兵買馬為發行量化基金做準備。

（二）國外量化基金的優異表現吸引了眾人的目光，特別是2008年金融危機期間，量化基金的優異表現吸引了更多的人關注。當時大部分基金都虧損嚴重，但部分采用量化策略的基金卻獲得了非常好的收益。詹姆斯?西蒙斯管理的大獎章基金的年均凈回報率高達35%，成為量化基金中令人眼紅的明星。國內基金公司正是抓住投資者對量化基金的興趣，適時推出各自的量化基金產品。

（三）人才隊伍的積累，為國內量化基金的推出提供了可能。量化基金是一個舶來品，熟悉量化基金管理的人才在國內相當缺乏。光大保德信和上投摩根之所以能較早推出其量化基金，關鍵在于其外方股東的支持，其產品采用的是其外方股東提供的量化投資方法。而當時國內的本土基金則缺乏這方面的人才，自然沒有實力推出量化基金產品。但金融危機給了國內基金行業機會，危機之后很多國外的投資人才回到國內，他們也帶來的國外的一些先進的量化投資知識和經驗。目前市場上量化基金經理絕大多數均是有海外背景的。

二、國內量化基金的量化技術

通過基金的招募說明書，我們可以將市場上目前量化基金采用的數量化模型和模型主要使用的選股指標羅列出來。

我們無法了解各基金量化模型的詳細內容，但從表2可以看出，目前國內基金采用的模型多是側重于選股的。其中多因子模型應用最多，通過多因子模型篩選出被低估的股票，進行價值投資是大部分基金所采用的量化方法。這一情況也與海外情況類似。

三、國內量化基金收益及績效

本文選取了成立以來、最近1年（20100930-20110930）、今年以來這3個時間段來從收益和績效兩個方面對市場上量化基金進行對比。通過比較，我們可以看到富國滬深300、光大保德信核心和中海量化策略這三支基金表現相對較好。但從總體上來說，國內量化基金表現還不是很突出，各只業績差距也很大。

四、影響國內量化基金發展的因素

國內量化基金的發展畢竟要取決于證券市場的大環境，隨著股改的結束、股指期貨的推出，市場環境相比之前更有利于量化投資的發展，但仍然有很多的約束，如衍生產品的缺乏，對基金公司、保險公司投資的約束，這些都制約了機構投資者在量化投資方面施展拳腳的空間。當然，我相信隨著中國資本市場的發展，這些情況在未來會逐步改善。

數量化模型的應用需要結合實際的市場環境，國內量化投資水平的提高，不能依靠引進模型，最關鍵的還是要結合本土的實際情況，開發適合國內市場的模型。量化技術的本土化發展是未來量化基金發展的關鍵，只有設計出符合國內市場環境并能取得不錯業績的量化模型，投資者才能真正認同量化基金。

另外，基金的考核機制也是影響量化基金發展的一個重要因素。量化基金因其特殊性，其績效考核與普通基金會有不同。設定一個合理的基金考核制度，給其一個寬松的投資環境，只有這樣量化基金才能更加健康的發展。

參考文獻：

[1] 數量化投資的解讀及其本土化―量化基金專題研究之一[R].聯合證券，2009-11-17.

篇（9）

摘 要：“金融改革”的提出，金融市場的逐步開放，將促進金融創新的步伐，給投資者帶來越來越多的投資渠道，同時也將加速中國金融市場與國際金融市場的融合。通過分別建立兩個單指標擇時策略模型，運用MATLAB模式搜索算法在設定時段內搜索最優參數，并分別對兩個單指標策略進行交易仿真回驗。實證結果顯示，趨勢型指標可以抓住大的波段行情，獲得超額收益，具有較好的擇時效果。實證顯示組合指標策略的效益明顯高于單指標策略。因此，采用組合指標策略進行個股量化擇時交易較單指標策略能獲得更優的投資收益。

關鍵詞 ：量化擇時；趨勢指標；組合指標策略；參數優化

中圖分類號：F8 文獻標識碼：A doi：10．3969／j．issn．1665－2272．2015．12．008

1 緒論

1．1 背景意義

“金融改革”的提出將為中國的量化投資帶來發展前景。金融市場的逐步開放將會促進金融創新的步伐，給投資者帶來越來越多的投資渠道，同時也將加速中國金融市場與國際金融市場的融合。很多國外成熟的投資工具和投資方法將逐步進入中國市場，以期貨市場為代表的衍生品市場將迎來飛速增長，以量化投資為代表的投資方法也將得到投資者更大的關注。

在投資業，各種渠道提供的海量信息以及高頻金融交易數據都在深刻地影響這個行業的發展以及金融市場的有效性。金融創新給期待量化投資的投資者提供了豐富的投資工具。自20世紀50年代以來，金融市場出于規避監管，轉嫁風險和防范風險等需要，推出了很多創新性的金融產品，提供了越來越豐富的投資工具。金融衍生品在金融市場中占的比例越來越重要。

中國量化投資的前景廣闊。黨的十八屆三中全會提出了“健全多層次資本市場體系”的指示精神，為十二五期間的資本市場發展指明了方向。隨著金融投資工具的增加，量化投資將顯示出其更大的作用，幫助投資者在更好的風險管控中尋求最佳收益回報。

作為量化投資中的量化擇時，是指利用某種方法來判斷大勢的走勢情況以及時采取相應措施，它是收益率最高的一種交易方式。就股票投資者而言，擇股和擇時都是至關重要的，正確擇股是盈利的前提，而正確擇時則是盈利的最終實現。因此，從微觀角度入手，建立有效的個股量化擇時交易策略值得研究。

1．2 文獻綜述

關于量化投資的研究，國內外更多的研究主要以策略構建和實證為主。易海波、楊向陽、羅業華、曾敏通過將量化指標按照股票屬性進行分類排序，以自下而上的選股方式，構建出價值、成長、質量三個基本模型，并在此基礎上衍生得到四個疊加模型和GARP模型。利用八個選股模型以不同的參數進行選股，構建出十個量化選股組合，歷史回測結果顯示這些組合風格各異，適合不同風險偏好的投資者。張登明通過對技術指標的分析，構建了完整的及時指標組合投資策略框架。他從量化的角度，通過樣本統計給出了適合中國股市的優化指標組合及參數設置，對提高投資決策有積極意義。路來政通過研究量化基金的績效及管理能力來研究量化投資策略的應用效果，采用T－M模型、H－M模型和C－L模型對其中9只量化基金的管理能力進行了研究，以評價量化基金使用量化投資策略的擇股效果和擇時效果，結果表明量化基金采用量化策略進行投資是有意義的。

股票擇時屬于量化投資的一個分域。劉瀾飚、李貢敏研究了市場擇時理論在中國的適用性，表明中國上市公司不僅存股票市場的市場擇時行為，而且存在債務擇時行為，即股票市場高漲時，上市公司傾向于債務融資。林正龍基于效用無差別定價原理，運用實物期權定價理論，研究項目投資收益不可完全復制的不確定性投資機會定價與擇時問題，得出不同于指數效用，對具有常值相對風險回避系數效用函數的投資者而言，不確定性投資機會的定價與擇時與投資者當前財富數量有關。卓琳玲、胡志強通過對樣本公司的研究，發現樣本公司股票行為、債券發行和內部融資均呈下降趨勢，其中股票不是特別明顯，當市值杠桿比率上升時期，股票發行出現顯著地下降趨勢，此時市場時機選擇比較明顯，說明我國股市存在明顯的市場時機選擇行為。劉陽、劉強通過研究我國從上世紀90年代初-2010年1月的上證綜指和深證成指，分析異常收益率對整個期間收益的影響及擇時的可能，發現極少數具有超常收益的交易日對股票市場的長期收益具有顯著的影響，認為理性的投資者應該放棄擇時而選擇長期投資。王俊杰在擇時模型方面分析了行業指數存在的持續性和行業輪動特征，并以時間序列模型為基礎，構建動量模型、MS－GARCH行業擇時模型等量化擇時策略，回測結果MS－GARCH擇時模型戰勝行業動量模型和指數，表現較好。

溫婧茹對移動平均線理論進行改進，構造了最適參數，參考設計了觸線交易策略和過濾器交易策略，構建了家電板板塊靜態與動態相結合的股票池，實證得出，不同股票對應的最適參數不同，用個性化的參數進行決策能獲得更好的收益；應用收益率確定最適參數以擇股，結合觸線交易策略以擇時，能夠跑贏大盤，取得超額收益。曹力自適應均線更適合于組合類的標的，如指數或者封閉式基金，因為這些標的的走勢經過了平均的平滑，沒有突然的大起大落，更容易用均線來跟蹤趨勢的變化。而對于個股，波動形態和指數類表的不同，所以需要使用不同的參數，在大多數個股上能夠獲得超額收益，特別對強周期性行業的股票自適應均線有很強的擇時能力。但是自適應均線也不是萬能的，對于某些個股，因為波動形態的復雜，用自適應均線也無法獲得超額收益。曹力、徐彪從實證效果來看，利用可交易組合的均線模式識別找出的買入機會成功率較高，能抓住一些市場主要的反彈機會，因此累積收益非常出色。可交易組合的均線模式識別方法是擇時交易，特別是熊市中擇時的有效方法。

1．3 研究框架

傳統的趨勢指標擇時策略往往是單指標的，并且策略參數通常是約定俗成的。單指標策略局限性和偶然性大，不能有效及時獲取收益和及時止損；約定俗成的常用參數值在面對各種波動幅度不同、周期性不同、價格彈性等不同的個股時也有失客觀性和靈動性。

所以，在探究一種改進針對個股的傳統趨勢指標量化擇時的策略。首先建立基于各傳統趨勢指標的單指標擇時策略，通過參數優化確定各單指標策略的最適參數；并在單指標的基礎上，創新性地通過指標的組合，構建一個綜合性且參數最優的組合指標擇時策略，以增強策略的穩定性和魯棒性，獲得更優的投資收益。

1．4 術語說明

（1）累計收益率：

（2）年化收益率：年化收益率是把當前收益率（日收益率、周收益率、月收益率）換算成年收益率來計算的，是一種理論收益率，并不是真正的已取得的收益率。

（3）夏普比率：夏普比率是一個可以同時對收益與風險加以綜合考慮的經典指標，它反映了單位風險基金凈值增長率超過無風險收益的程度。如果夏普比率為正值，說明在衡量期內基金的平均凈值增長率超過了無風險利率。夏普比率越大說明基金單位風險所獲得的風險回報越高。因此，夏普比率是可以同時對收益與風險加以綜合考慮的經典指標之一。

夏普比率=

（5）最大回撤率：在選定周期內任一歷史時點往后推，產品凈值走到最低點時的收益率回撤幅度的最大值。最大回撤率用來描述買入產品后可能出現的最糟糕的情況，是一個重要的風險指標。

2 理論概述

2．1 量化投資理論

量化投資是運用現代統計學和數學的方法，從大量的歷史數據中尋找并獲得超額收益的一種投資策略，投資者通過計算機程序，建立可以重復使用并反復優化的投資策略，嚴格按照這些策略所構建的數量化模型進行投資并形成回報。

量化投資的內容主要包括量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、算法交易、ETF／LOF套利、高頻交易等。量化投資在國外已有30多年的發展歷史，但在國內還是近年出現的新鮮事物。相比其他投資策略，量化投資在國外的運用已取得了更佳的業績。

與海外成熟市場相比，中國A股市場的發展歷史較短，投資理念還不夠成熟，相應的留給主動型投資發掘市場的潛力和空間也更大。國內很多實證文獻討論國內A股市場也尚未達到半強勢有效市場，因此量化投資理論引入國內證券市場是非常有意義的，它以正確的投資理念為根本，通過各種因素的分析，以全市場的廣度、多維度的深度視角掃描投資機會，在中國市場的應用將更顯其優勢。

2．2 擇時理論

量化擇時是量化投資的一種，它利用數量化的方法，通過對各種宏觀微觀指標的量化分析，試圖通過回溯歷史數據，找到影響大盤走勢的關鍵信息，并且對未來走勢進行預測。如果判斷是上漲則買入持有；如果判斷是下跌則賣出清倉；如果判斷是震蕩則進行高拋低吸，這樣就可以獲得遠遠超越簡單買入持有策略的收益率。所以擇時交易是收益率最高的交易方式之一。

股票的量化擇時是預測市場以后的走勢，并由此來判斷調整投資組合的風險水平，從而獲取更大的收益，具體表現是現金流進出證券市場和在證券間比例變換的時機選擇。

2．3 趨勢追蹤理論

趨勢擇時的基本思想來自于技術分析，技術分析認為趨勢存在延續性，因此只要找到趨勢方向，跟隨操作即可。

技術指標是技術分析中使用最多的一種方法，通過考慮市場行為的多個方面建立一個數學模型，并給出完整的數學計算公式，從而得到一個體現證券市場的某個方面內在實質的數字，即所謂的技術指標值。指標值的具體數值和相互間關系直接反映證券市場所處的狀態，為操作行為提供指導作用。目前證券市場上的技術指標可分為“趨勢型指標”、“反趨勢型指標”、“能量指標”、“大盤指標”、“壓力支撐指標”等類別。

移動平均線（MA）是一種常用的趨勢型指標，由Joseph E．Granville于20世紀中期提出來。它是當今運用最普遍的技術指標之一，幫助交易者確認現有趨勢、判斷將出現的趨勢、發現過度延伸而即將發轉的趨勢。后來又逐漸衍生出其他類型的均線，如平滑異同移動平均線（MACD）、三重指數平滑平均線（TRIX）等。 這些均線理論常用兩根線的交叉作為交易信號，并以此作為買賣時點的判斷。

均線理論提供了一種簡單有效的使價格序列平滑并且使趨勢更易于辨認的方法。

因此綜合以上理論的優點，在此基礎上改進傳統趨勢指標的量化擇時策略，并創新性地開發更優的組合指標量化擇時策略，以達到及時獲取收益和及時止損的目的。

3 擇時策略模型建立

3．1 MA單指標策略模型的建立

MA移動平均是指連續若干交易日收盤價的算術平均，用來顯示股價的歷史波動情況，進而反映股價指數未來的發展趨勢。

其中

利用MA指標進行量化擇時，在短期移動均線與長期移動均線的交叉處進行買入或賣出擇時交易。以下分別建立買入和賣出法則的模型。

在短期移動均線下穿長期移動均線的黃金交叉處買入，故建立如下數學模型：

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，表示滿足買進，mabuy=0表示不滿足買進。

在短期移動均線上穿長期移動均線的死亡交叉處賣出，故建立以下數學模型：

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，表示滿足賣出，mabuy=0表示不滿足賣出。

3．2 MACD單指標策略模型的建立

MACD即指數平滑異同移動平均線，是根據均線的構造原理，通過分析短期指數移動平均線與長期指數移動平均線之間的聚合與分離狀況，對買進、賣出時機做出判斷的趨勢型技術指標。

MACD的計算如下：

（1）計算短期（ms）指數移動平均線EMA1和長期（ml）指數移動平均線EMA2。

（2）計算離差值DIF＝EMA1－EMA2。

（3）計算DIF的M日指數移動平均線，即DEA。

（4）計算MACD＝2（DIF－DEA）。

利用MA指標進行量化擇時，在DIF與DEA的交叉處進行買入或賣出，分別建立買入和賣出法則的模型。

當DIF、DEA均為正值，DIF向上突破DEA時，為買入信號，建立如下數學模型：

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

其中，macdbuy=1表示滿足買進，macdbuy=0表示不滿足買進。

當DIF、DEA均為負值，DIF向下跌破DEA時，為賣出信號，建立如下數學模型：

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

其中macdsell=1，macdsell=0表示滿足賣出，表示不滿足賣出。

3．3 MA－MACD組合指標策略模型的建立

組合模型構建兩個新的信號變量：買入信號個數閾值“buy”（1≤buy≤2，整數）和賣出信號個數閾值“sell”（1≤sell≤2，整數）。

買入信號個數閾值“buy”表示：當MA策略中的“mabuy＝1”的買入信號個數與MACD策略指標中的“macdbuy＝1”的買入信號個數之和至少達到閾值“buy”（1≤buy≤2)數量個時才進行買入交易。

即“buy”閾值取不同值時，買入信號組合滿足買入條件的情況如下：

buy=1時，滿足買入情況：mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12時，滿足買入情況：mabuy=1&macdbuy=1（10）

賣出信號個數閾值“sell”表示：當MA策略中的“mabsell＝1”的賣出信號個數與MACD策略指標中的“macdsell＝1”的賣出信號個數之和至少達到閾值“sell”數量個時才進行賣出交易。

即“buy”閾值取不同值時，買入信號組合滿足賣出條件的情況如下：

sell=1時，滿足賣出情況：masell=1||macdsell=1||mabsell=1&macdsell=12時，滿足買入情況：masell=1&macdsell=1（11）

3．4 模型最優參數的選擇

就個股而言，不同的計算參數，將導致不同的擇時效果。面對各種波動幅度不同、周期性不同、價格彈性等不同的股票，如果盲目套用經典參數可能會有失客觀性和靈動性。因此， 在進行量化擇時策略構建時，需要針對個股進行策略的參數優化，檢驗指標不同參數的測試效果，并最終選擇一個最優的參數組合。

夏普比率是一個可以同時對收益與風險加以綜合考慮的經典指標，它反映了單位風險基金凈值增長率超過無風險收益的程度。如果夏普比率為正值，說明在衡量期內基金的平均凈值增長率超過了無風險利率。夏普比率越大說明基金單位風險所獲得的風險回報越高。因此，夏普比率是可以同時對收益與風險加以綜合考慮的經典指標之一。

4 個股實證分析

4．1 數據選擇

為驗證上述模型的有效性，個股實證以深圳證券交易所的華誼兄弟300027為交易標的，選取來源于國泰安2011．1．1－2014．6．30的基本面數據庫，包括個股開盤價、收盤價等。

4．2 MA單指標擇時策略仿真回驗

首先對該股策略進行參數優化：本策略中對于參數，在測試期間內，以2天為間隔，測試范圍從2天到20天；以5天為間隔，測試范圍從20天到120天；搜索精度為1；測試回驗30天，截止日期設為2013－12－31。通過回驗得到參數優化結果（見表1）。

如表1所示，最優組合（s，l）＝（2，20），當以2日為短期均線，20日為長期均線，在參數優化測試期間進行交叉擇時時效果較好，在回驗測試期間內夏普比率達2．4234。

確定最優后，運用國泰安量化交易平臺QIA進行策略交易仿真回驗。設定合約保證金為1，合約乘數為1，市場參與度為0．5，買方手續費為0．05‰，賣方手續費為0．05‰，交易賬戶為股票賬戶并設定初始資金為1 000 000元，以一年期國債利率為無風險利率，并以滬深300為業績比較基準，以數據庫所給時間2011年1月1日-2014年6月30日為策略回驗時間區間進行回驗。最終結果（見圖1、表2）。

回驗結果顯示，此單指標策略在2011年1月1日-2014年6月30日間的累計收益率達42．26％，年化收益率達11．10％，高出同期的滬深300指數比較基準，并且勝率達60．80％。由此我們可以得出結論，采用MA單指標策略進行個股量化擇時交易也能獲得較優的投資回報。

4．3 MACD單指標擇時策略仿真回驗

對該股策略進行參數優化：該策略需要優化確定的參數主要包括短期指數移動平均線的計算天數ms、長期指數移動平均線的計算天數ml，以及DEA的計算天數M。本策略的參數優化依然以最大化夏普比率為最優化目標函數，并使用Matlab的模式搜索算法在設定的回驗時段內搜索最優參數組合（ms，ml，M）。

對于參數ms，在測試期間內，以2天為間隔，測試范圍從2天到20天；參數ml以5天為間隔，測試范圍從20天到120天；參數M以5天為間隔，測試范圍從5天到60天；搜索精度為1；測試回驗30天，截止日期設為2013－12－31。通過回驗得到參數優化結果如下：

如表3所示，最優組合（ms，ml，M）＝（2，25，10），當以2日為短期指數移動平均線計算天數，25日為長期指數移動平均線計算天數，10日為DEA計算天數，進行交叉擇時時效果較好，在回驗測試期間夏普比率達3．0682。

組合指標擇時策略仿真回驗。由于組合指標策略是建立在單指標策略基礎上的，所以該策略中的參數（s，l）、（ms，ml，M）即為模型一和模型二參數優化后確定的值，而參數（buy，sell）的組合情況有（2，2）、（2，1）、（1，2）和（1，1）四種，閾值組合選取哪個使得策略最優則需要進一步的參數優化。

對于參數buy，初始值設為2，測試最小值為1，最大值為2，步長設為1；參數sell，初始值設為2，測試最小值為1，最大值為2，步長設為1；搜索精度設為1；測試回驗90天，截止日期設為2013－12－31。通過回驗得到參數優化結果（見表4）。

如表4所示，最優組合（buy， sell）＝（1，1），即當買入信號個數至少有一個時就進行買入交易，賣出信號個數至少有一個時就進行賣出交易，以此進行組合指標擇時效果最好，在參數優化回驗測試期間夏普比率達2．490 3。

5 結論

從價格沿趨勢移動和歷史會重演的角度出發，運用傳統趨勢指標MA和MACD，分別建立MA、MACD的單指標擇時策略模型并通過模式搜索算法分別求出兩個策略的最優參數，從實證結果看趨勢型指標可以抓住大的波段行情，獲得超額收益，具有較好的擇時效果。在此基礎上再創新性的運用通過設置買入和賣出信號個數閾值的方法構建二者的最優組合指標模型，增強了擇時的穩定性和魯棒性，在有效降低風險的同時提高了收益率。

綜上所述，基于以上的不足之處，以后將沿著組合指標擇時的思路繼續深入研究以對目前的研究進行改進。未來的工作主要是：對于用于組合的單指標要進行更為全面的擴展，引進其他經典趨勢型指標DMA平均線差指標、TRIX三重指數平滑移動平均指標等，同時把指標類型拓展至其他類型，如反趨勢型指標ACCER幅度漲速指標等，量價指標APBP人氣意愿指標等，大盤指標OBOS超買超賣指標等，壓力支撐指標ENE軌道線指標等。通過增加組合趨勢型數量和組合指標類型，以使組合指標策略更全面、更切合實際市場。

參考文獻

1 丁鵬．量化投資——策略與技術［M］．北京：電子工業出版社，2012

2 方浩文．量化投資發展趨勢及其對中國的啟示［J］．宏觀管理，2012（5）

3 郭建．論證券投資技術分析中歷史會重演的根本原因［J］．商業時代，2007（28）

4 李向科．證券投資技術分析［M］．北京：中國人民大學出版社，2012．

5 張登明．技術指標投資策略的優化及其在量化交易中的應用［D］．武漢：華中科技大學，2010

6 方智．基于多技術指標模型的滬深300指數走勢預測［D］．南昌：江西財經大學，2012

7 路來政．量化投資策略的應用效果研究［D］．廣州：暨南大學，2012

8 劉瀾飚，李貢敏．市場擇時理論的中國適用性［J］．財經研究，2005（11）

9 林正龍．項目投資定價與擇時理論研究［D］．長沙：湖南大學，2006

10 胡志強，卓琳玲．IPO市場時機選擇與資本結構關系研究［J］．金融研究，2008（10）

篇（10）

“在今年股票市場結構化行情中，量化股票策略通過多因子模型選股，能夠抓住市場尾部機會，在市場風格和熱點板塊的迅速切換中保持較高倉位運作。而南方基金量化團隊著力打造的主動量化投資，更是通過多模型捉到了廣泛的錯誤定價機會，大概率的戰勝市場指數，獲取更為穩健的長期收益。這是今年以來，南方基金旗下量化產品取得出色業績的最主要原因。”南方基金總裁助理、權益投資中總監如是說。

致力于捕捉

“非有效性”的主動量化投資

什么是主動量化投資？

“主動量化投資泛指利用海量數據和依靠計算機的系統支持，挖掘歷史規律性，并采用嚴格的風控來獲取穩健收益。”史博告訴《投資者報》記者，南方基金主動量化投資的核心是捕捉市場的“非有效性”，市場中有很多非理性投資者把股票價格抬高或壓低，所以股價會根據市場情緒的波動圍繞預期價格變化，主動量化投資通過上市公司基本面、一致預期、市場波動與情緒等各個維度綜合描述定價的偏差機會，廣泛精選個股獲取超額收益。

值得一提的是，盡管南方基金旗下量化股票策略基金會為了最大程度獲取絕對收益而維持較高的倉位，但單只股票的持倉占比卻并不高，幾乎都在1%以下。以南方量化成長為例，三季度持倉占比最高的為科隆精化，但仍不到1%，為0.97%，前十重倉股持倉占比合計為7.12%。

“南方基金量化團隊基于基本面的量化選股策略是透明的和符合邏輯的。其優點是擁有靈活的市場應變能力、廣泛選股的能力，可以管理較大規模，并能有效降低組合波動，保證業績的可持續性。”史博告訴《投資者報》記者，南方基金旗下量化產品根據組合的不同契約規定等采用不同的數量化策略進行投資，通常單一產品實際投資股票數目有幾百只。每只股票的持倉比例一般都比較低，單只股票的波動對凈值影響較小，整體表現較為穩健。

對此，業內人士指出，對投資者而言，在無法準確預知未來市況時，長期持有老牌公募的量化股票基金是一個較為明智的投資選擇。因為即使是在投資周期中趕上熊市遭遇Alpha和Beta雙殺，但只要長期持有基金，在熊市周期過后，震蕩市和牛市都可以為投資者賺取一定的絕對收益，在Alpha的復利作用下依然可以獲取可觀的收益。

以南方策略優化為例，該只量化基金成立于2010年，目前獲晨星、銀河三年5星評級；最近一年回報率在同類481只可比基金中排名第5 ；最近兩年、三年回報率也都在同類400多只可比基金中排名前15。據Wind數據顯示，截至11月29日，自成立之日起復權單位凈值增長率為68.89%。即使以去年股市異常波動前最高點5100多點來計算，在大盤仍虧損37%多的背景下，該基金的虧損幅度已縮小到10%左右，明顯優于大盤。

“團隊+系統”煉就金牛量化投資團隊

你也許會認為量化投資看上去簡單，但實際上并不容易。一個好的量化產品，必須能夠結合市場環境的變化等因素，動態調整各個風格之間的比例，進而使得模型適應不同市場。據了解，為了達到上述目的，南方量化團隊打造了強大的量化多策略模型，包括從因子模型、事件驅動、價格特征、交易量特征、量價互動、主題輪動、行業輪動、突發事件方面的因素去結合公司基本面、當前市場環境等信息，從而精選股票，不僅如此，該基金還在今年引入了輿情因子，利用大數據捕捉市場情緒。

“總的來說，量化投資是一項復雜的系統工程，其成功依賴于團隊成員之間的緊密合作。因其業務鏈條的嚴密性和邏輯的環環相扣，許多繁瑣的細節實際上都是成功的關鍵。作為一種復雜的高智能投資方法，目前只有機構投資者才有競爭能力使用此方法。”史博告訴《投資者報》記者。經過多年不懈的努力，目前，南方量化團隊已經建立了包含清洗整理過的上市公司財務數據庫、因子庫、回測平臺、樣本外跟蹤分析平臺在內的南方基金量化投資系統。

篇（11）

北京時間2013年8月16日11點05分31秒到05分56秒的短短26秒里，中國石化和工商銀行兩大權重龍頭先后漲停。之后多只權重股迅速跟進大幅拉升；根據事后調查結果，造成這一事件的光大烏龍交易以70億的成交量，卻造成了日均交易量在2000億以上的A股市場的大盤指數瞬時上漲超過5%的漲幅，這讓貌似遙遠的量化交易突然出現在國內投資者的面前，很多普通投資者這才發現自己同量化交易戰斗已經很久了。如何獲得一個擁有高速精準的數據、高性能程式交易以及高度的開放性和前瞻性等特點的專業的交易平臺，這正是本文嘗試解決的問題。

一、如何選擇國內現有平臺

目前的量化交易平臺可以從開發語言、技術架構、系統架構、策略方向、交易方式等幾個方面，分為中低端和高端量化交易平臺。

（一）中低端量化交易平臺

中低端平臺只支持復雜度不高的腳本語言實現策略邏輯，多數的實現只能在圖表上加載技術指標進行自動化交易、程序化交易等量化交易方式。它一般采用的技術架構是投資者使用平臺商提供的客戶端軟件，采用互聯網接入方式連接平臺商或者金融經紀公司提供的行情和基礎數據服務器，投資者在本地運行的策略觸發后，通過經紀公司的普通交易席位進行交易。國內應用的中低端量化交易平臺主要有文華贏智程序化交易、交易開拓者、金字塔決策交易系統等。

（二）高端量化交易平臺

高端量化平臺除了支持復雜腳本語言實現策略邏輯外，均支持直接使用C++、JAVA等開發語言實現復雜的策略邏輯，采用多進程、多線程方式進行自動化交易、程序化交易、算法交易。行情和交易的延時都要求盡可能最低。它適合機構投資者進行趨勢、套利、對沖、高頻等對行情和交易要求高、邏輯復雜度高的策略。國內主流的高端量化交易平臺主要有龍軟DTS、國泰安量化投資平臺、天軟量化平臺等。

總的來說，中低端平臺適合投資者進行趨勢、反趨勢等對行情和交易邏輯要求不高的策略，高端交易平臺適合機構投資者進行趨勢、套利、對沖、高頻等對行情和交易要求高、邏輯復雜度高的策略。同時不同的平臺費用也不同，投資者必須根據自己的交易要求和費用承擔能力來選擇最適合自己的量化交易平臺。

二、自己打造量化交易系統。

由于MATLAB、R語言這些新一代面向對象、功能強大的語言的出現，獲取免費證券和期貨的數據并不難，同時出于交易保密的要求，再加上使用功能強大的現有平臺費用很高，越來越多的個人和中小機構選擇自己或委托別人開發自己的量化交易系統。

（一）語言選擇

很多大的機構都有自己軟件團隊開發量化交易平臺，大多選擇C語言、C++、JAVA等開發語言，有的甚至使用機器語言，但MATLAB、R語言逐漸成為主流的開發語言。

1.MATLAB簡介：MATLAB的是美國MathWorks公司出品的商業數學軟件，用于算法開發、數據分析以及數值計算，主要包括MATLAB和Simulink兩大部分。其優勢在于：用戶可以利用MATLAB進行：（1）交易策略實現和回測、投資組合優化和分析。（2）資產分配、金融時序分析、期權價格和敏感度分析、現金流分析。（3）風險管理、預測和模擬、利率曲線擬合和期限結構建模。（4）Monte Carlo模擬、基于GARCH的波動性分析等

2.R語言：R語言是一個高效率的實驗平臺：通過R語言可以很高效的實現前沿paper的模型方法，同時R語言又提供與C，C++等傳統語言工具的量化結合，作為免費開源的數據處理語言，至少幾百名世界知名統計學家在算法上的支持，至少幾百名世界頂尖的Fortran，C，C++數學庫編程高手在代碼上的支持，大數據計算平臺的運算支撐，開放金融數據資源的免費接入，前沿期刊與代碼工具的協同

（二）量化投資重要支撐：IT系統

一個高水準的量化交易系統，必須實現以下的4種功能：

1.歷史數據統計后驗。歷史數據統計一般以收盤價或者日均價作為買入賣出的交易價格。然后根據設定的交易價格計算出在某一段時間內的收益率、超額收益、夏普率等結果。歷史數據統計后驗的優勢是效率高、簡單方便。缺點是不夠精確，尤其不能考慮資金量對市場的影響。這個階段的IT要求：簡單的原語/多市場的數據/各種盈虧報表分析。

2.歷史高頻交易數據后驗。歷史高頻交易數據后驗的核心在于根據歷史高交易頻數據進行模擬撮合，撮合算法主要是判斷在某個時段的成交量的成交比例。這個步驟的IT要求：快速撮合能力