量化价值投资精选(十四篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的14篇量化价值投资，期待它们能激发您的灵感。

篇1

（一）传统证券风险量化指标的理论源头

传统的证券风险分析当中必然会同一个与之如影随形的概念联系在一起，那就是收益，同时，在西方传统的经济学当中风险和报酬存在着这么一个函数关系，甚至在一些传统的经济学课本上作者为了简化两者之间的关系，将两者简单的归结为一个完美的线性关系，即风险与收益之间是一对一的数学关系，并且存在着这样一个逻辑：风险越大，报酬或者收益也就越大，反之亦然。即使是稍微尊重事实一些的经济学教材也运用了高等数学当中线性回归的方法将两者的关系从非线性回归为一对一的线性关系。除了学界对于风险的分析是从报酬或者收益出发的以外，在国外或者国内的民间也有类似的对于两者关系的表达，例如我国有句老百姓口中经常说到的“富贵险中求”就是对两者的关系的简单认识。因此，传统证券风险分析的源头明显是来源于对于报酬的分析。

（二）传统证券风险量化指标的数学方法的应用

传统的证券风险理论认为证券的总风险=可分散的风险+不可分散的风险，其中可分散的风险主要指的是个别证券自身存在的风险，而不可分散的风险则是指市场风险，下面笔者介绍一下传统证券风险量化的两个重要的指标――标准差与贝塔值。

第一，标准差。传统证券风险理论认为个别证券的风险可以从单个证券的报酬率为起点进行分析。财务投资专家从高等数学当中引入了一个衡量证券报酬率的波动性量化分析的指标――标准差来进行对单项证券风险的判断，进而判断出相同期望报酬率和不同期望报酬率时对于不同投资的选择。测算的步骤如下：第一步，确定各种市场需求下各类需求发生的概率；第二步，计算出期望报酬率，其实质上是对于各类市场需求下的报酬率的加权平均数。第三步：根据标准差的数学公式计算出标准差，σ=[Σ（ri-?）2×Pi]1/2其中ri是第i只证券的报酬率，?是期望报酬率，Pi是第i只证券的报酬发生的概率。结论是在期望报酬率相同的时候，标准差越大证明该证券波动越大，风险也就越大，反之亦然。在期望报酬率不同时引入了另外一个概念即离差，由于基本原理也是根据标准差衍生而得，在此不再赘述。[1]

第二，代表市场风险的贝塔值。我们在第一点中提到的标准差主要衡量的是单项证券的风险，而贝塔值的引入主要是考虑到了证券组合的风险构成当中不可分散的风险即市场风险。而贝塔值的测算公式从数学的角度来说实际上是利用了标准差的升级版公式即协方差，协方差主要是衡量了两组数据之间的相关程度，以此来判断证券组合的报酬率与市场报酬率之间的数理联系，进而判断出不可分散的风险。理论上贝塔值的计算是βi=（σi /σm）ρim，其中βi第i个证券组合的市场风险程度，σi，σm分别第i个证券组合的标准差与市场证券组合的标准差，ρim代表第i个证券组合的报酬与市场组合报酬的相关系数。实际当中β系数可以通过将股票报酬对市场报酬做回归得到，拟合得到的回归线的斜率就是证券的β系数，即β=Ri /Rm。[2]

二、价值投资理念下风险与报酬的关系

价值投资理念是华尔街之父本杰明格雷厄姆所创立，在其传世之作《证券分析》当中明确提出了有关投资与投机概念，其中论及投资界老生常谈的收益与风险的问题时结论与传统证券风险分析有着本质的不同，格雷厄姆明确指出收益与风险之间不存在着数学关系，并且认为证券的价格与收益并非取决于对于其风险的精确数学的计算，而是取决于该证券的受欢迎程度，而这种受欢迎程度本身包含了投资者对于风险的认识，但很大程度上还受到如公众对公司和证券的熟悉程度，证券发行与购买的容易程度等。[3]并进一步指出，无论是理论上还是实际当中，对投资风险进行精确的计算都是不可能成功的，现实当中并没有所谓的期望报酬率的概率经验表，即使存在也是基于对于历史数据的分析得到了，而历史数据之于未来决策的有用性或相关性的大小还有待考证，其研究范围不同于保险公司对于保单的精确测算，例如人寿保险能够明确的了解年龄与死亡率之间的关系是明确的。而证券的风险与报酬之间的关系则没有如此的确定。[4]

三、价值投资理念下传统证券风险量化分析的反思

以上笔者对于传统的证券风险理论与量化方法以及价值投资理念下关于风险与收益的关系进行了论述。笔者认为，价值投资理念下有关论述对于我们重新审视证券投资中风险因素的衡量有着非常重要的意义。

首先，笔者认为，标准差的计算过程本身就存在着无法避免的瑕疵，这一个公式至少有两个基本假设，第一，计算的人必须能够客观的预测出各种市场情况发生的需求概率，并且准确的在各种概率下发生的报酬率；第二，假定历史数据对于未来的投资决策具有确定的相关性。但是在现实生活中根本是无法预测的，这种算法实质上是硬将自然科学当中的数学模型强加到社会问题的研究当中，不可否认的是，目前来说大量的社会问题是无法通过数学来量化的，因为证券的风险当中不仅仅只有报酬因素的影响，还有各种在不同市场条件下的因素决定的，而这些因素又相互的的影响和动态的变化。因此，标准差的方法受到了质疑，后续的离差率、β值的计算自然也就没有了根基。

其次，β值的测算除了上述由于标准差的非客观性导致的不确定性的缺陷以外，笔者也针对实操当中第二种公式进行分析，β的第二种公式是β=Ri /Rm，从公式上来看，存在着明显的逻辑上的可疑性，单个股票的收益率假如大于市场整体的收益率，则该只股票的风险就比市场风险大？这个观点在《证券分析》当中就已经被很好地反驳了，在此，笔者只需要举一个例子就足够反驳这一个观点，伯克希尔哈撒韦上市公司每股截至2017年6月5日是249660美元，每股收益率如果从上市之初可以用天文数字来形容，并且这家公司经历了无数次大大小小的金融危机，依然以远远超过市场平均的业绩笑傲群雄，难道说他的风险要远远大于市场？这家公司是以价值投资的理念进行风险评估和投资的。因此，笔者认为中国的证券行业乃至我们有关的证券专家和学者们有必要从价值投资的理念来重新审视目前证券风险量化的指标在实际当中的效用。

篇2

[关键词] 项目投资 风险评价指标 风险值

项目投资带来丰厚回报预期同时伴随的是无法避免的风险，如何对项目投资中的风险进行科学评估是保证投资成功的首要条件。本文针对我国经济环境的现状制定一套项目投资风险评价指标，并对所有指标进行标准化的风险量纲统一，进而为科学的风险评估提供技术支持。

一、项目投资风险评价指标的风险值

为保证项目投资中各个不同的风险评价指标可进行综合评估，首先要统一各个指标间的量纲确定表示风险大小的风险值。风险值是每个评价指标实际风险程度的数值表现，取值在-1与1之间，风险值越高表示该项评价指标的风险越高。

二、项目投资风险评价指标体系

本文选取为市场风险、技术风险、金融风险、环境风险及管理风险五个指标作为项目投资风险评价指标体系的一级指标。对于每个一级指标又可细分为若干二级指标，下面给出具体二级指标及其表示风险大小的风险值的确立方法。

1.市场风险。市场是连接生产和消费的桥梁和纽带，在项目能否获得成功的问题上，市场拥有较大的发言权。

(1)项目能否如期完工：提前完工（风险值=-1）；按时完工（风险值=0）；延期完工（风险值=1）。

(2)项目产品竞争力：强（风险值=-1）；较强（风险值=-0.5）；标准（风险值=0）；较弱（风险值=0.5）；弱（风险值=1）。

(3)消费者需求：需求多（风险值=-1）；需求较多（风险值=0）；需求较少（风险值=1）。

(4)竞争对手实力及项目经营战略：无竞争对手、战略清晰（风险值=-1）；竞争对手较弱、战略清晰（风险值=-0.5）；竞争对手相当战略清晰（风险值=0）；竞争对手较强战略不清（风险值=1）。

2.技术风险。随着知识经济时代的到来，技术越来越显现出它的重要性。谁掌握并利用最先进的技术，谁就在市场竞争中占有优势，掌握先机。

(1)知识产权：有知识产权（风险值=-1）；无知识产权（风险值=1）。

(2)技术先进性：国际领先（风险值=-1）；国内领先（风险值=-0.5）；行业水平（风险值=0.5）；低于行业水平（风险值=1）。

(3)替代技术：无替代技术（风险值=-1）；有较少替代技术（风险值=0）；有较多替代技术（风险值=1）。

3.金融风险。项目能够顺利进行离不开资本链条的正常运转，金融环境对项目的影响同样起着举足轻重的作用。

(1)项目的净现值：其风险评级及风险值确立需要引入参照体系，假设需要投资项目的净现值为 ，并引入一个参照净现值 。其风险值由如下分段函数确立：

(2)现金流：充足（风险值=-1）；适当（风险值=0）；不足（风险值=1）。

(3)金融动荡对项目影响：无影响（风险值=-1）；较小影响（风险值=-0.5）；影响适中（风险值=0）；有影响（风险值=0.5）；有较大影响（风险值=1）。

4.环境风险。任何事物都是处于环境当中，环境的好坏也会影响到项目的成败。经济形势、政策及突发事件等社会环境因素往往可以决定项目的成败。

(1)自然风险对项目的影响程度：无影响（风险值=-1）；较小影响（风险值=-0.5）；影响适中（风险值=0）；有影响（风险值=0.5）；有较大影响（风险值=1）。

(2)政策风险对项目影响程度：无关（风险值=-1）；小部分相关（风险值=-0.5）；相关（风险值=0.5）；高度相关（风险值=1）。

(3)法律风险：相关法律健全（风险值=-1）；相关法律比较健全（风险值=0）；相关法律不健全（风险值=1）。

(4)投资方与项目发起方综合实力对比：投资方强（风险值=-1）；投资方较强（风险值=-0.5）；双方实力相当（风险值=0）；发起方较强（风险值=0.5）；发起方强（风险值=1）。

5.管理风险。项目是否具有优秀的管理团队、独特的企业文化以及良好的管理机制对项目能否进行长期盈利都起到了关键的作用。具体还可以对管理风险进行细分如下二级指标。

(1)项目主管：具有丰富经验（风险值=-1）；有一定的经验（风险值=0）；无经验（风险值=1）。

(2)管理机制：管理系统团队完善（风险值=-1）；管理系统团队不完善（风险值=0）； 管理不系统团队不完善（风险值=1）。

(3)风险意识：有风险控制体系（风险值=-1）；有风险意识但不系统（风险值=0）；无风险意识无风险体系（风险值=1）。

三、项目投资风险评估

在统一量纲的项目投资风险评价指标系统下，很容易对选定的项目进行风险评估。首先要利用层次分析法对一级指标和二级指标的各个指标进行赋权，不同时期不同项目各个指标的权重应有所区别。确定各个指标的权重后，将权重与风险值相乘并与同级合并相加构成上级指标的风险值。

最后，加权合并一级风险指标的风险值得出项目总风险值，如果项目总风险值大于0，则表示此项目投资具有较高的风险，若项目总体风险值在-0.5左右，则表示此项目投资风险适中，若项目总体风险值接近-1左右，则表示此项目投资风险较低。

参考文献：

[1]汪克夷 董连胜:项目投资决策风险的分析与评价[J]. 中国软科学，2003年1月

篇3

简单地说，就是利用基于数据模型的量化投资策略运作的基金。基金公司宣传此类产品时，习惯于用“电脑+人脑”进行解释。

从1971年巴克莱投资管理公司发行全球第一只定量投资产品至今，量化投资已走过30年历程。

凭借着良好的业绩表现，这一投资方法已占据全球投资30%的江山，成为主流的投资方法之一。其中著名的大基金自成立起至2006年的17年间，年化收益率达到38.5%。

然而，近两年来，量化基金在全球的业绩并不理想。次贷危机之后，量化基金一直举步维艰。

国内量化基金的兴起，正是在次贷危机之后。

截至目前，国内已成立的采用量化策略的基金有12只，其中9只自2009年以来成立。它们整体面临业绩不尽如人意的尴尬，据《投资者报》数据，它们的年复合增长率为11.78%，远低于平衡类、价值类、成长类基金。

量化基金成败，最关键是量化模型的有效性和投资纪律的执行情况。然而，国内已有的量化基金两方面均无太大优势。

一方面，模型相对较原始，量化投资策略要么机械地借鉴国外已经公开的模式，要么基于基金公司自有的多因子模型；另一方面，与海外量化基金一样，具体的模型并不会公开，这样投资纪律便无处考察。

从现有的几只量化基金过往业绩看，长期业绩较优异的是上投摩根阿尔法，自成立以来，年复合增长率达到35%，算得上是量化基金的龙头。

量化模型无亮点

投资模型是量化基金最核心的竞争力。

定量基金经理基于对市场的理解，提炼出能够产生长期稳定超额收益的投资思想，并用历史数据验证其正确性，再由系统根据提炼出的投资思想，在全市场挑选符合标准的股票，并通过对收益、风险的优化，建构最优股票组合。

“对于中国这样的新兴市场，量化投资的关键是能否根据市场特点，设计好的投资模型。”接受《投资者报》记者采访时，上海一位从事量化投资的基金经理说道。

然而，已有的量化基金中，大多简单地利用国外已公开的模型，或是用基金公司自有的一些简单模型，在考察市场的有效性上普遍比较欠缺。

如中海量化策略和南方策略优化在行业权重配置中均采用的Black-Litterman（BL）模型。

这种模型现是华尔街主流模型，亦是高盛公司资产管理部门在资产配置上的主要工具。

BL模型利用概率统计方法，将投资者对大类资产的观点与市场均衡回报相结合，产生新的预期回报。即由投资者对某些大类资产提出倾向性意见，模型根据投资者的倾向性意见，输出对该大类资产的配置建议。

然而，在国内市场信息搜集等方面局限性较大的情况下，该系统到底是否有效还仅是基金公司体现其“专业性”的一个由头，有待探讨。

国内量化基金模型还具有同质化特点，表现在对个股估值等方法的应用上，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，模型是量化产品背后“不能说的秘密”，虽然基金契约中对要采用的量化模型做了模糊介绍，作为靠“执行纪律”取胜的产品，实际运作是否执行到位，也无处查证。

量化基金业绩平淡

量化基金的优点首先在于，通过具体的经济模型对经济复苏行业评估并进行行业权重配置，将基金经理的投资理念与分析有效结合。

其次，覆盖全市场，避免因基金经理个人偏见或经理不足造成选择范围局限。

再次，通过基金经理精细化投资运作，较好把握细微的结构性投资机会。

或许是因为模型简单雷同，以及没有较好体现A股的特征，比如说波动性、“政策市”等，现有的量化基金整体业绩优势并不明显。

根据《投资者报》数据，可比较的6只“人脑+电脑”量化产品的年复合增长率为11.78%，低于“人脑”管理的趋势类、回报类、价值类、平衡类（年复合增长率均超过18%）。

今年以来，所有量化基金中，超越指数的仅有采用量化投资的富国沪深300增强指数型基金，截至4月1日，回报率为6.94%。

而在估值修复行情中，以对估值有量化指标要求的华商动态阿尔法、国泰金鼎价值精选、嘉实量化阿尔法大幅跑输业绩大盘，取得负收益，净值分别下跌7.2%、6.7%和4%。

上投摩根阿尔法领衔

从已成立的采用量化策略投资的基金中，年复合增长率大幅超过平均值的仅有上投摩根阿尔法，为35%。但这与该基金是较早采用量化策略的基金之一，成立于2005年10月，经历过2006、2007年的大牛市行情有一定关系。

截至去年底，该基金资产规模44亿元，自成立以来的回报率为425%。该基金受到机构投资者的青睐，持股2.9亿份，占基金总份额的21%。

近两年的市场表明，价值投资和成长投资在不同的市场环境中都存在各自的发展周期，并呈现出一定的适应性。而上投摩根阿尔法量化模型适应了这一市场特点。

篇4

刘海影是一位转战国内阳光私募的海外对冲基金经理，他在寻求价值投资理解的基础上建立了自己的数量化投资逻辑，并以此为利器展开了国内阳光私募之旅。

刘海影曾担任加拿大某对冲基金公司基金经理和首席投资官，2011年回国与广晟集团合作创立广东广晟财富投资管理中心并担任投资总监。

广东广晟财富投资管理中心也是国内首家拥有国企背景的阳光私募公司，大股东深圳市广晟投资发展有限公司是广晟投资集团旗下全资子公司和资产运作平台。

对冲基金经理转战A股

刘海影是在2001年前往加拿大开始自己的海外投资经历，当时他正在攻读北京大学金融学博士学位，而在此之前，刘海影作为A股第一批操盘手已经在资本市场颇有斩获。

对于归国从事阳光私募管理，刘海影表示，一是希望追求事业的进一步提升，二是希望把国外学习多年的投资经验应用到国内股市。

刘海影说，他在加拿大管理的对冲基金有两个品种，一个是宏观对冲性质的多资产平衡基金，一个是传统的多空对冲基金，两种基金都大量运用了数量化模型。而数量化投资在国内还处于起步阶段，他期待通过这种系统科学的投资理念引导投资者比较成熟和理性的投资思考方式。

量化投资寻找市场犯错机会

“价值投资就是用5毛钱的价格买入1块钱的价值”。刘海影崇尚价值投资，这里假设市场犯错，给投资者一个便宜买进的机会。

但事实上市场犯错的机会是很少的，根据刘海影的分析和判断，美国可能是5%，8000多家上市公司，可能有500家公司存在定价不太正确，其他的都难言错误；而中国市场的机会更多一些，可能有10%甚至15%，2000多家上市公司可能有200多家定价不完全正确。

在刘海影看来，寻找市场犯错的机会也就是寻找价值，并不是一件容易的事情。他希望通过一套科学的量化系统去发现这些机会，因此，3年之前，在国外量化模型的基础上，他开发了首套国内上市公司价值评估量化体系。

刘海影说，这套价值评估量化体系的一个核心环节就是寻找业绩惊奇，即，在未来一段时间，上市公司基本面能表现出跟大家预期不同的状况。通过定量化模型对每家公司建立一个数据库，分别计算88个分析指标，每家公司都形成一份长达11页的详尽的分析报告，再给出1-9级的价值评级。

除了业绩惊奇，安全边际也是这个量化模型重要的一部分，刘海影寻找的投资标的需同时满足这两个条件，这样2000家公司里面大概有200多家公司会符合标准。最后再做进一步的基本面分析和调研，最终会有50家公司进入投资组合。

战略风险评级确定投资仓位

对资产组合的风险管理，刘海影非常重视对宏观经济的研究和整体市场的估值高低。刘海影说，中国股市的系统性风险是很大的，经济各个方面的变化导致市场下跌时，个股会普跌，因此他觉得对股市的战略风险进行研判和系统化评估是很重要。

而对宏观经济的研究也是建立在量化分析的基础上，重要的变量包括利率、生产物价指数，固定投资增速、美国贸易逆差、重工业与轻工业指数之差等，计算和分析历史上这些指标对于股市的运行方向以及作用度大小。

整体估值水平的高低也是判断风险的重要指标，主要是通过这两个指标来分析战略风险确定仓位。刘海影举例说，“2008年，当时估值水平高，宏观经济环境也不利，在我们的战略风险评级里面处于第九级，最差的评级，因此仓位应该小一点，谨慎一点。之后随着宏观经济刺激政策的出台，宏观经济环境由不利变成中立，再变成有利，同时估值也在下降，风险评级也相应的从9级变为3级、2级和1级，提示市场存在较大的机会”。

股市上扬的机会在四季度或明年一季度

“根据我们的战略风险量化评级体系，目前市场的估值水平合理偏低估，宏观经济处于经济是在下滑的过程中间”。刘海影对未来一段时间的市场行情表示谨慎，中短期内看不见大行情到来的迹象，股市的上扬的机会可能会在四季度或者明年一季度之后。

刘海影说，今年的经济增速能维持在9%以上，因为 GDP基数高，但从微观经济层面来讲，企业的效益是下滑的，中小企业的处境比较艰难，未来这种情况可能难以迅速好转，明年经济状况比今年困难。

按照他们量化的计算，目前整个经济环境类似2004年的下半年。从目前来看，经济从被动加库存逐步演变到主动减库存的阶段，行业竞争进入白热化，现金流会紧张，企业的利润率会下滑，对市场形成利空。

对于通胀，刘海影表示周期性因素较大，主要原因是固定投资增速太大，历史上，在投资建设期，通胀的压力都会很大，新项目上马，下游行业的景气传递到下游和中间环节，互相推进，提价空间比较大，通胀就会上去。

一旦投资建设期走向产能释放期，新项目投产，变成产能后竞争就会很激烈，需求没有增加，供在增加，供过于求，通胀压力就会下来。

重仓房地产不看好银行

尽管对未来的行情表示谨慎，在刘海影看来，由于估值在下降，短期内不排除机构性机会的出现，一些错杀的公司值得买入。

在其量化资产组合中，地产股是目前仓位相对较重的板块，他们的分析指出，伴随着中国的高经济增长，房地产价格的上升和投资额的上升是有坚实的经济学基础的。政府的调控改变不了其内在的动力，并不认同中国的房地产价格一定要会下滑，只是增长的速度会下滑。

而在调控之下，往往会出现上市房企的的市场份额扩大，一些区域性城房地产上市公司的机会更大。

“市场数据支撑我们的看法，今年来房地产股票指数是上升的，到6月30日，大盘跌了2%―3%，小盘股跌的更多，房地产指数上涨了5%多”刘海影表示，所以做投资一定要看到市场喧嚣下的一些事实，不能完全由市场情绪来主导。

篇5

第一个投资优势是量化投资能够做到理性决策。与传统主动投资不同，量化投资是通过量化模型进行交易，剔除了主观因素，按已经编制好的程序进行，不会因为情绪而产生投资冲动，我觉得这是量化投资最大的一个优势。一般而言，量化投资有着模型研究——模型测试——实盘操作这样的流程，首先有一个投资策略，讨论确定其逻辑合理性，随后将其固化为量化投资模型，综合历史回测业绩和风险考量指标进行评测，试运行3至6个月进行虚拟交易，如果试运行结果和历史回测及其他预期结果一致，该模型将得到正式确认，最终将此模型上线交易运行。一旦交付运行，将充分遵照模型的指令进行投资，降低情绪影响，克服人性贪婪恐惧的弱点，做到有计划、有原则、有纪律地进行投资。一般而言，通过这样的流程制定的量化投资策略能够理性决策，获取市场非理性的收益，大概率战胜市场。

在这个过程中，量化投资不仅排除了人为的主观因素，并且可以做到更精确，以精确的值达到一个最优结果，这是量化投资的第二个优势。比如说什么叫成长性好的个股，是每年业绩增长20%，还是更多？什么样的标准才是他选股的标准？一般投资者判断某个行业或个股好坏，往往凭借主观经验与判断，量化投资则有一套完整的逻辑和规则，可以进行有效的评价和识别。比如有观点认为医药行业成长快，量化投资或许会考虑用某个指标去度量成长性，比如ROE增速，如果这个指标超出一定阀值，就可确认该行业确实成长快。从这个意义上来说，量化投资采用量化工具将主动投资逻辑规范化，能够带来规范化的收益。

量化投资的第三个优势是对海量信息的处理。现在沪深两市已经有2000多只个股，和10多年前相比，一个最大的区别是信息爆炸。现在人脑是永远不可能记住这么多信息的，并且对海量数据之间的关联不可能做出迅速判别，而电脑可以做到。

从摩根士丹利华鑫基金数量化投资运行的量化模型来看，量化模型获取的超额收益是非常显著的。除已经实际运行的多因子模型和即将运用在大摩量化配置基金上的行业配置模型外，还有五六个量化模型在模拟运行，包括价值量化模型、成长量化模型、技术量化模型以及事件驱动模型等。截至三季度末，模拟运行的模型均取得明显的超额收益。实际运作中的大摩多因子基金，根据Wind数据统计，截至10月26日，今年以来基金收益率为2.84%，与该基金的小盘风格比较类似的中证500指数则下跌3.17%。

篇6

摘 要 自2010年4月股指期货推出后，数量化投资逐渐成为我国资本市场的一个热点。对此，本文以投资者熟知的MACD指标为基础，运用遗传算法和模拟退火算法，建立了一个数量化投资模型。该模型的仿真投资收益明显超出大盘，而风险明显低于大盘。本文基于MACD指标建立数量化投资模型的方法简单、有效，可操作性强，可方便地推广至其他技术指标，在数量化投资领域中可能具有广泛的发展前景。

关键词 数量化投资 MACD 遗传算法 模拟退火算法

一、研究背景

与传统投资基于各方面信息和个人判断进行操作不同，数量化投资将适当的金融理论、投资经验等反映在数量模型中，然后利用程序软件代替大脑对海量信息进行科学处理，总结归纳市场规律，最终建立可以重复使用的、不依靠个人主观判断的投资策略。

由于数量化投资的操作策略往往经过了严格的验证，具有较强的系统性和规范性，主观随意性较少，风险可测可控，因此随着计算机数据处理能力的迅速提高，数量化投资获得了快速发展，数量化基金的规模亦迅速扩大。据统计，自2003年以来，数量化基金规模的年均增长速度高达15%，而传统型基金规模的增长速度则低于5%。

很显然，科学的数量模型是数量化投资成败的关键。当前，主流的数量模型均考虑了多方面的因素，既包括各种基本面因素，又包括各种技术因素，涉及较为高深的经济学、金融学、技术分析等知识，模型都比较复杂，理解难度较高，甚至令人望而生畏。对此，本文以人们熟知的技术指标为基础，通过引入遗传算法和模拟退火算法对参数进行优化，建立了一种较为简单、有效的数量模型构建方法，希望能为推动我国刚刚起步的数量化投资发展有所帮助。

二、模型框架

由于MACD指标以经平滑后的股票价格为基础，而股票价格包含了绝大部分的基本信息和技术信息，因此本文以MACD指标为基础研究建立相应的数量化投资模型。

（一）MACD公式

MACD是投资者最熟悉的技术指标之一，主要包括EMA、DIF和DEA三个指标，涉及一个已知变量（收盘价P）和三个未知参数（ 和 ），公式较为简单。

（二）决策准则

虽然MACD指标的运用方式有很多种，既存在对指标值的应用（如比较DIF和DEA的大小），又存在对形态的应用（如底背离、顶背离等）。对此，本文制定的决策准则相当简单，即：

时，做多

时，做空

三、模型参数优化

（一）参数的科学取值是决定MACD指标投资决策价值的一个关键因素

在一般的技术分析参考书和交易软件中， 和 通常取12、26和9。然而，该取值并不是最优的。

例如，以2005年1月5日至2010年12月31的沪深300指数为例，根据（公式1）和（公式2），做多业务在 和 取值12、26和9时，可获得的投资收益为230.55%（收益①）；而在 和 取40、195、130时，可获得的投资收益为651.98%（收益②）。

因此，参数取值是否合理决定了使用MACD指标进行投资决策时投资收益的高低，决定了MACD指标的投资决策价值。

（二）人工智能算法在技术指标参数优化领域中的突出优势

运用MACD指标建立数量化投资模型的关键在于对公式中的三个参数进行优化。然而，虽然参数取值与投资收益间存在确定的函数关系，但该关系并不能用一个表达式予以直接阐述，因此传统的解析方法在此并不适用。而其他传统方法如随机法和穷举法的优化效率不高。在此情况下，可运用人工智能算法有效解决此类优化难题。

遗传算法（Genetic Algorithms）和模拟退火算法（Simulated Annealing Algorithms）是人工智能的重要分支，两者均从一定的初始值开始，按照明确的规则搜索最优解，并不要求目标函数存在明确的表达式，且具有高效、鲁棒性强等特点。由于技术指标参数与投资收益间的关系相当复杂，不存在明确的函数关系式，因此遗传算法和模拟退火算法在技术指标参数优化领域中具有很高的应用价值。

此外，遗传算法和模拟退火算法的基本原理和运算过程虽然较为复杂，但其运用却相当简单，MATLAB等数据处理软件均提供了现成的工具箱供用户方便地使用，且即使不掌握参数优化的原理和运算过程，也不会对数量模型的研究产生重大影响，因此运用遗传算法和模拟退火算法对技术指标参数进行优化的可操作性强。

（三）遗传算法和模拟退火算法应用举例

1.MATLAB指令

假设投资收益R和参数 、 间的关系为R=gain( 、 )，则MATLAB的遗传算法指令和模拟退火算法指令分别为：

[x,fval] = ga(@gain,nvars, [],[],[],[],lb,ub,[],options)；

[x,fval] = simulannealbnd(@gain,x0,lb,ub,options)。

其中：

x和fval是程序返回值，分别为参数 、 的最优化取值及其所对应的投资收益；

gain是目标函数，可根据（公式1）、（公式2）和（公式3）编写；

nvars是待优化的参数个数；

x0是参数 、 的初始值；

lb是参数的下界；

ub是参数的上界；

options是MATLAB指令的设置选项。

篇7

数量化投资理念成就了一大批数量化基金经理,詹姆斯•西蒙斯无疑是其中的佼佼者。他所管理的大奖章基金对冲基金,从1989年到2006年的17年间,平均年收益率达到了38.5%,而股神巴菲特过去20年的平均年回报率为20%。

国内的公募量化基金在沉寂4年之后重现江湖:2月份,嘉实量化阿尔法发行,于4月成立;5月份中海量化发行,于6月份成立。私募基金也不甘落后,中国第一只量化阳光私募产品――“山东信托•红色量化一号”证券投资集合资金信托计划6月1日正式成立。

据悉,国内一些公司正在积极申报量化产品不久将还会有量化基金发行。

作为“舶来品”的量化基金,其前世今生如何?

国外量化基金发展迅速

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

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

1979年巴克菜全球投资成立了第一支主动数量投资基金标志着量化投资由草根实践走到了公募基金历史舞台聚光灯下。

根据Bloomberg的数据,截至2008年底,1184只数量化基金管理的总资产高达1848亿美元,相比1998年21只数量化基金管理的80亿美元资产来说,平均增长速度高达20%,而同期非数量化基金的年增长速度仅为8%。

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

其中的原因有二:一是,2000年之后计算机技术飞速发展,为数量化的应用提供了良好的平台。更为主要的是主动管理型基金很难战胜大盘,于是投资指数基金以及采用数量化方法筛选股票逐渐流行起来。而且数量化基金的表现也非常不错。2002年至2007年5年间,相比美国市场主动型管理基金每年5.93%的超额收益,那些覆盖所有资产的数量化基金每年的超额收益可以达到6.95%。二是,有研究表明,2004年至2007年,投资美国大盘股的数量化基金产品的表现平均超越非大盘主动型基金103个基点。

量化基金的心脏

数量化基金的兴起,建立在数量化投资技术的发展之上。

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

针对不同市场设计数量化的投资管理模型,以电脑运算为主导,并在全球各种市场上进行短线交易,正是西蒙斯的成功秘诀。

然而量化基金并非在所有市场都能有效战胜非量化基金。Lipper把基金分为4类型,将每一类型的量化投资与传统投资进行比较,2005年量化投资基金全面战胜传统基金,而2006年在增强指数型基金中,量化投资落后于传统型基金,到2007年则情况发生较大转弯,除市场中立基金外,其余量化投资基金全部跑输传统型基金。在考虑了风险、跟踪误差后,数量化投资具有更小的跟踪误差和更高的回报。研究表明数量投资基金业绩具有很强的轮动特点。大部分数量投资基金具有很强的价值投资偏好,因此,他们在价值型市场下表现良好,而1998-1999年是成长型市场,数量化投资基金大部分跑输传统型基金。2001-2005年是价值型市场,数量化投资基金普遍表现优异。

国内量化基金端倪

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

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

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

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

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

篇8

4月28日，《投资者报》从国投瑞银基金公司了解到，该公司旗下第5单可投资股指期货的一对多专户产品的发行受到热捧。发行首日，来自中信建投证券的百万级客户踊跃参与认购，使得首募金额接近2亿元。为了控制这只产品的适当规模，便于未来的管理效率，国投瑞银决定“一日售馨”，提前结束募集。

此种迹象现于近期沪指再度失守3000点，股票型新基金发行一个月时间规模也不过十几亿元的背景中，不免令人深思。

《投资者报》本周基金专题对一季报展开全样本解析，而走进“基金经理面对面”专栏的嘉宾，如农银汇理基金总经理许红波将对个中数据深度解读，此外还有兴全可转债杨云、光大保德信信用添益陆欣、华夏亚债中国指基董元星，以及“宽客”大摩华鑫金融工程部副总监刘钊。

不刻意打造“明星基金经理”

《投资者报》：许红波能否将农银汇理一季报的精华观点做个介绍？同时，作为一家基金公司的总经理，让人才流动尤其是投研人才流动减少，是各家基金公司不可避免的一个问题。对此你怎么考虑？

许红波：今年以来市场出现了明显的风格转换，大盘价值股相对小盘成长股表现抢眼，去年风光无限的小盘股回落幅度较大。这背后的主要原因在于，宏观经济复苏的现象最终反映到股票市场，大部分周期价值股过去两年相对落后的涨幅，具备估值修复的动能和需求。而另一方面，小盘股在长时间推高过程中积累了较大的估值压力，因此遭到市场的暂时抛弃。

从我们旗下基金一季报的主要观点可看到，一季度市场风格的最大特征，便是低估值“大象”起舞，而高估值“消费”跳水。我们基本按此转换的大方向进行投资调整，如农银大盘蓝筹一季度主要增加了低估值且业绩相对确定的行业配置，其中低估值蓝筹股是主要增持的个股对象，降低了科技、医药股配置。

农银汇理当然也会遇到“人才流动”的问题，从公司角度来说，我们能做的是尽量用好的制度去保持人员稳定。比如在基金经理的考核上，会更注重长期业绩。有的基金经理出现一段时间的业绩波动，管理层会客观分析原因而非简单换人。

我们的投研团队有三大特点：招揽“勤奋好学”的人、倡导“沟通无边界”的文化和用“晋升机制”培养后备梯队。从没有刻意去打造“明星基金经理”。

我们的投研团队中有十年以上的“老兵”，也有新晋行业的年轻人，但在他们身上都体现出勤奋好学的特点。我们主要以三大层次的量化考核指标来评定研究员业绩。第一层为基础研究，即各行业研究员的模拟股票组合与行业指数的对比，以超额收益率排名，第二层为策略研究员行业配置，第三层为由部门总经理亲自操作的研究部全市场模拟组合。

量化投资在中国会更有效

《投资者报》：在金融投资领域，有一群绝顶聪明的人，业内称之为“宽客”（Quant 金融工程师），他们曾是象牙塔内的读书天才，拥有物理学家和数学家的光环，又以数据与模型寻找市场机会并大赚其钱。其杰出代表就是詹姆斯・西蒙斯，他管理的大奖章基金平均年收益率达38.5%。“基金经理面对面”专栏一直很关注金融创新，也持续对量化投资展开了讨论，作为一位中国“宽客”，刘钊觉得量化投资能给投资者带来何种启迪？

刘钊：量化投资的核心是拥有一套完整科学的投资体系，并严格执行。在投资市场，凭感觉很容易出问题。量化投资是一套科学方法，有严格的分析、计算，什么好什么不好，不是自己说了算，是数据和模型说了算。参数什么时候该调，什么时候不能动，也都是有规则的。所以说，量化投资有一套完整的、科学的体系。

说到投资，大家首先想到的是巴菲特的价值投资，其实量化投资也可以建立价值投资类的模型。举例来说，衡量价值投资的最重要指标是低市盈率，如果以市盈率为标准来建模，以2005年5月为时间点，按市盈率对所有上市公司排序，再按市值比例模拟买入市盈率最低的100只股票，第二年5月，重新计算市盈率最低的100只股票，并调整组合，如此重复，每年调整一次仓位。

结果是，从2005年5月至2010年5月，沪深300指数年化收益率为25.4%，同期量化建模的低市盈率策略基金达29.46%。

《投资者报》：量化投资在成熟市场受重视，但在新兴的中国会否水土不服？

刘钊：量化投资之所以会有超额收益，与市场不成熟、非理性因素较多有关，也与市场中量化方法使用的多少有关，目前中国市场量化投资的应用还较少，应该会更有效。

债券投资回报还看通胀水平

《投资者报》：董元星能否与各位债基经理一道对债市投资把脉？

董元星：我们这只新产品主要投资于国债，因而引起了投资者的广泛关注。通胀上升导致今年一个季度中国债券市场收益率的上行。在利率风险的压力下，很多投资者关心投资债市是否有机会？随着市场逐渐适应央行的节奏，政策边际效果逐渐减弱，债市进入了相对平稳运行阶段。如果通胀水平在下半年得到充分遏制的话，今年的债券市场应该很可能提供一个较为不错的回报。

陆欣：从宏观经济各项指标看，未来经济出现大起大落的可能性不大，更可能是呈现平稳增长态势。虽然3月 CPI同比涨幅达5.38%，再创近两年新高，不过这基本符合市场预期。结合翘尾和新涨价因素，可以预见二季度物价压力会逐步降低，6月份可能会再度高企，但下半年物价将呈现逐步回落态势。就货币政策而言，央行今年最多还有一次加息。在此宏观背景下，股市难见趋势性机会，债市尤其是信用债与股票相比，投资收益相对稳定，风险相对较低。

篇9

关键词：托宾Q理论 美联储 货币宽松政策

中图分类号：F820

文献标识码：A

文章编号：1004-4914（2016）09-180-02

国际货币基金组织的研究报告对货币政策通过房地产行业进行传输的渠道进行了总结。一国利率的变化将直接或间接影响国内的需求，直接的方式是：通过成本的改变以及信贷获得的难易程度影响住宅建设和家庭支出；间接的方式是：通过改变房屋价格来实现。房屋价格的变化反过来会影响整体需求，方式是改变住房投资的激励机制（托宾的Q理论效应）和改变家庭使用抵押物价值的能力来减少其获得消费的资金量。货币的传导中有关大国货币政策影响小国经济表现的文献中，利用冲击反应函数及变数分解等，探讨美国货币政策对美国本身的贸易收支和总体经济的实质效果。实证结果显示，美国货币政策短期会造成美国贸易赤字，而在长期贸易会呈现盈余的情形。

一、托宾Q理论的概述

托宾的Q理论和投资支出之间有着一种关联。Q理论是一种投资模型，一般用于财政，假定投资任何资产是一个函数Q比率：资产的市值与其重置成本的比。

MVt：市场价值；MCt边际成本或重置成本。

因资产多样化外加层层包装的架构下，一般投资大众对于该项凭证所产生的风险根本搞不清楚。当时的美国由于低利率政策，加上大量的外资不断的流入，创造出宽松的信贷条件，而政府又鼓励负债融资性消费，导致投资银行为了赚取高利房贷，不断对其信评较差的客户进行贷放，但当这些信评较差的客户还不出钱时，银行只好拍卖这些因次级房贷所形成抵押债权重新包装后所形成的商品，也就是所谓的不动产投资信托凭证。

二、基于托宾Q理论的美联储货币宽松政策

金融危机过后，美国联邦储备系统（Federal Reserve System，简称美联储），对外以刺激经济复苏和支持劳工市场为由，通过多次量化宽松政策，逐步增加每月对美元抵押贷款支持证券的购买量。经济学家提出，货币政策通过对普通股价格的影响而影响投资支出。詹姆斯・托宾发展了一种有关股票价格和投资支出相互关联的理论，通常称作托宾的Q理论。托宾把Q定义为企业的市场价值除以资本的重置成本。如果Q很高，那么企业的市场价值要高于资本的重置成本，新厂房和设备的资本要低于企业的市场价值。这种情况下，公司可发行股票，而且能在股票上得到一个比正在购买的设施和设备要高一些的价格。由于厂商可以发行较少股票而买到较多新的投资品，投资支出便会增加。

货币政策如何会影响股票价值呢？很简单，当货币供给增加时，社会公众发现他们持有的货币比所需要的多，于是就会通过支出来花掉这些货币。去处之一就是股票市场，社会公众会增加对股票的需求从而提高股票的价格。把这一点和上述事实――股票价格（Ps）愈高，则Q愈高，从而投资支出I也愈高――相结合，得出下面的货币政策传递机制：

当Q>1时，股价高，公司价值高于重置成本，相对企业市值而言，新的厂房和设备比较便宜，企业愿意通过购买资产来扩大投资。

当Q

在传统货币政策受阻时，美国Fed采取直接向民间商银购入中长期资产，并设定目标来直接影响中长期利率（及实质利率），通过通膨预期、财富管道、信用与汇率管道等，来传递货币政策效果。当量化宽松（QE）政策实施后使得市场上产生了预期的通货膨胀率，当预期的通货膨胀率产生时，市场上同时预期了中长期利率将会下降，导致市场上资金流出美国，当资金流出时造成市场上利率降低。因利率降低反而造成市场上需求增加，同时使得当期的股票价格和不动产价格上升。由于实质利率下降，当资产价格上扬时也造成家庭财富、资产净值以及银行担保品价值增加。最终造成消费、投资以及银行放款增加。而预期长期利率降低同时使得国内资金流出，造成美国汇率贬值，促进出口增加，且当长期利率降低时也造成民间投资增加。进一步激励美国国内经济活动而改善失业率。

采用美国房贷违约率、房价成长率、失业率、实质国内生产毛额及联邦基准利率为变量，利用模型中的因果关系检定、冲击反应分析及预测误差变异数分解法，进行研究美国货币政策对总体经济变量和房屋市场的传递效果。结果发现在紧缩性货币政策下会造成房贷违约率的增加以及房价的下跌。而全局变量中可知，失业率、国内生产毛额对房屋市场也有一定程度的影响。从冲击反应分析中可以发现房价与房贷违约率呈负向关系。托宾Q理论贯穿资本市场的价格机制与套利投资机制之中，把企业与资本市场紧密地联系起来。托宾Q理论的含义是丰富的：企业的市场价值发现和价值确定不仅是企业投资决策的依据，而且还是企业优化资本配置和优化产权或所有权结构配置的依据。股票价格的高低成为了左右企业进行套利投资的关键因素，也就Q定了企业能否利用资本市场达到资本升值，迅速扩大规模的目的。同时，资本市场在企业资本配置与产权或所有权动态转换中也必然将达到均衡――资本市场在托宾Q值等于1时达到无套利均衡，企业股票价格反映了资本的真实价值，企业在重置资本与并购企业之间的选择没有差异。托宾Q值也必将围绕资本市场的均衡点上下波动。

三、结论

综上，量化宽松政策的最直接的目的，是增加货币供给，刺激支出；但是，中央银行同时还有目的地选择它用新创造的货币购买的证券的类型，影响这些证券的价格，改变经济中的信贷条款。托宾Q理论更新了传统的投资理念，企业之间并购和出售的套利行为是一种全新的投资思维，企业产权或所有权也在动态转换中达到最优配置。

参考文献：

[1] 向松祚.从三大经典货币理论看量化宽松政策[J].金融博览，2016（4）

[2] 胡晓，蒋华丰.宽松货币政策对我国要素收入分配的影响――基于经济非瓦尔拉斯特征的理论分析与实证检验[J].西部论坛，2016（2）

[3] 姚婷.2008-2014年美联储量化宽松货币政策的理论价值和政策意义：文献述评[J].金融理论与教学，2015（2）

[4] 李宗怡.试析美联储量化宽松货币政策的理论基础及矛盾――现代货币数量论视角的批判[J].河北经贸大学学报，2013（6）

[5] 刘瑞.日本长期通货紧缩与量化宽松货币政策――理论争论、政策实践及最新进展[J].日本学刊，2013（4）

[6] Forrest Capie，Terence C.Mills，Geoffrey Wood.Gold as a hedge against the dollar[J].Journal of International Financial Markets，Institutions & Money.2013（4）

[7] 马冀勋.托宾的Q投资理论与资本市场均衡机制.中央财经大学学报，2008（10）

篇10

先从国际上来看。美国作为世界上黄金储备量最大和经济产值最大的国家，有着对黄金很强的控制力。从历史总结的数据来看，黄金总是和美元有着相反的走势。美元走弱，黄金就走强。如果美元走强，黄金价格就回落。但是事实上美元购买力走弱并不代表它在国际市场走弱。

为了应对金融危机导致的经济衰退，美国先后两次实施了量化宽松的货币政策并维持低水平的基准利率。其基本的运作模式是，美国央行通过购买信用可靠的中长期债券来向市场投放资金，以增加市场流动性。量化宽松政策的实施

定程度上挽救了濒临崩溃的美国经济，使金融市场的逐渐稳定，并且增加了美国就业量，其结果必将带来通胀，美元的走低引起黄金市场的购买热潮。然而美元大量的增发却带来了美元相对不高的贬值，这说明市场对美元的需求超过了美元的增发速度，美元其实是走高而非走低的。

分析师认为，市场对黄金的热情很大程度来自金融危机导致的产业投资调整和通货膨胀，如今全球最大黄金ETF―SPDR的持仓量还在持续下降，美国黄金期货市场的资金也是呈现流出状态，如果经济复苏，这种状态势必在未来产生倒流的现象。郎咸平认为美国最初是通过投资银行买入黄金，通过消息渠道拉抬黄金价格，从而引起国际市场对美元的需求，保证了美元的强势地位，接着是重金属的外流给美国提供了资金。分析师从宏观经济理论方面分析认为，当美国制造业市场恢复，新一轮经济周期到来的时候，美国经济的强势增强国际对美元的需求，会使黄金本身蕴含的价值降低，世界其它国家的黄金需求减少，这时候美国就可以用实际的较少成本将黄金购回。美国也很可能采取这样的操作，不过目前市场还没有体现出这样的特征。

在第二次量化宽松即将结束之际，美联储接下来的货币政策将引导市场走向。通过美国就业形势、货币政策以及通胀形势的分析，美国第二轮量化宽松政策不会提前结束，但实行第三轮的可能性不大，并且美国年内通过提高联邦基准利率的方式去抑制通货膨胀的可能性不大，而只会以借贷的增加促进国内生产，拉强国内经济，自然增加重金属储备。

黄金是一种非常稳定的货币储藏手段。而白银的出产量稳定，同时在工业上的实用价值很高。从历史数据来看，白银似乎具有黄金的杠杆作用，无论升跌都比黄金有更大的幅度。

从国内来看，如今市场对白银的需求大增，很大程度是出自它的储藏价值，国内的滞涨更是白银价值上涨的最重要原因。近期世界黄金协会公布的数据显示，近几年黄金需求新增的部分大多数来自于中国，包括白银，铂金等其他贵金属。

篇11

国内著名投行宏观策略的研究员的积累，华尔街量化投资历练，再加上国内私募基金投资的经验，费鹏对量化投资的A股应用有着自己的心得。他认为，量化投资最大的优势在风险控制上，在此基础上运用数据挖掘技术初选股票，再进行基本面的深入研究，使量化和价值研究相互印证，达到“中西医结合”。

他分析目前市场上的量化产品将研究的重点放在择股和行业配置上，实质上大多是“量化选股”基金，缺乏有效及时的风险响应体系，而从国外的经验看量化的一大特点就是对风险的预判。费鹏介绍，华商基金量化投资团队在设计该基金投资模型时就将风险量化模型作为重中之重。在设计中他们借助了包括统计信息学角度出发的信息熵值（Entropy）的变化、分形理论出发的市场模式（Pattern）的变化、金融物理学角度出发的金融泡沫统计指标的变化、市场微观结构出发的分析师一致预期分歧的变化和趋势等构建风险模型，对中短期系统风险进行定量分析。依靠基金经理和研究员对宏观经济发展状况、人口与社会的结构性特征、经济产业周期等因素的分析对长期风险进行定性分析。

在产品结构设计上，华商大盘量化基金独具特色，其一，仓位比较灵活，股票投资比例可为0—95%，也就是说当市场趋势性下跌时，可以空仓应对；其二，产品结构多样性，虽然目前公募基金已开展了股指期货，但基本上作为流动性管理的手段，而该基金将把股指期货作为一个有效的风控或者对冲工具应用到投资中；其三，在投资标的上，华商大盘量化主要选择流动性好的沪深300成分股，以保证在极端情况下可以及时调仓；其四，经过测算，在目前A股市场中利于量化操作规模在10亿左右，因此一旦华商大盘量化基金募集额达到10亿时便会停止。

而据记者了解，华商大盘量化基金在择股方面也有别于一些量化类基金。相较而言，目前国内公募量化基金多采用多因子模型，而多因子模型的设计原理是把价值投资理论通过数字模型加以表达。而在实际测算中，华商基金量化团队每日涨幅居前的股票中会有所谓投资价值较少的“垃圾股”，很难通过价值投资理论解释。对此华商大盘量化基金在设计选股模型时更多的是通过捕捉市场的异常波动，寻找股价波动的非基本面的因素。通过对数据挖掘，建立初选股票池，然后按照行业分类，结合基本面研究，通过行业研究员调研，寻找相互印证支持依据，最终进行择时投资。

从目前市场趋势看，越来越多的基金公司倾向于推出量化策略。相对于海外成熟市场，A股市场不是特别有效的市场，量化投资策略可以发挥其纪律性、系统性、及时性、准确性、分散化的有点而捕获国内市场的各种投资机会。同时A股市场的深度和广度都与前几年不可同日而语，市场上有两千多家上市公司，基金经理加研究员再加卖方，能把握和持续跟踪的公司也不过几百家。量化投资多层次，多角度，海量数据观察，可以捕捉更多的投资机会，拓展更大的投资空间。

巧理压岁钱

ETF联接基金生财有道

新春又至，在成人感叹春节成“春劫”时，孩子们的压岁钱水涨船高，越来越多的小朋友在春节长假后晋升为“小财神”。这笔贺岁红包若巧妙打理，则有望成为个人的梦想基金。在理财人士看来，作为儿童成长的见证，让压岁钱生钱也需要寻觅具有成长基因的理财产品。

目前在募的嘉实中证500ETF联接基金将90%以上基金财产投资于中证500ETF，紧密跟踪标的指数的市场表现，追求跟踪偏离度和跟踪误差最小化，可谓集普通开放式指数基金的申赎方便和ETF跟踪指数效率更高的优势于一身。本质上也是跟踪中证500的指数基金。该指数囊括沪深两市500家中小企业，是股市高成长的风向标，从长期走势看，显示出高成长特征。据WIND数据统计，在2006年到2012年的6年间，中证500累计收益率表现居于主要指数之首，累计涨幅超过280%。另外对于基金投资而言，成本优势就是收益优势。嘉实中证500ETF联接基金投资门槛低，管理费+托管费仅为0.6%，且投资于ETF的基金资产部分不再另行收取管理费和托管费，其运作成本低于一般开放式指数基金和股票型基金，所节省的成本使基金持有人有更多资金参与投资。

篇12

（辽宁对外经贸学院，辽宁 大连 116052）

摘要：随着沪港通的正式实施，中国股市交易量不断创历史新高.同时在世界石油价格持续降低的情况下，投资策略显得十分重要.本文重点分析策略指数投资在股市投资中的运用.

关键词 ：投资组合；股市；策略指数投资

中图分类号：F830.59文献标识码：A文章编号：1673-260X（2015）05-0068-03

1 策略指数投资介绍

2014年末随着股市行情的走强，指数化产品迅速摆脱前几年净赎回的颓势，呈现爆发式快速增长.伴随着规模的迅速扩张，结构上也出现了一些变化.其中策略指数产品尤其引人关注.广发中证百发100指数基金在开放募集后2天即超过20亿元，显示市场对特定方式策略指数投资的热情追捧.策略指数投资，在国外又称为Smart Beta，即“聪明”的Beta，是相对于“传统”的Beta策略而存在的一种投资理念.传统认知上的Beta是指一种全市场投资组合的系统性风险，在CAPM中以全市场所有股票的市值加权方式计算（market capitalization weighted）.比如标普500指数、日经指数、以及在国内最具代表性的沪深300指数.通过简单的推演，就可以论证市值加权并非是最优的方法.市场对股票的定价并非完全有效，那么市值加权的方式倾向于给高估的股票以更高的权重，而低估的股票以更低的权重，显然这种方式并非是最优的.在这一点上，Hsu（2006）已经给出严格的论证.事实上，市值加权更加注重的是投资机会的市场容量（capacity），因此该类指数更多地被用作投资的业绩基准.那么，如果将投资组合更换成一种非市值加权的方式，其得到的beta就是smart beta，相关的投资策略就称为策略指数投资.这种smart beta指数中的股票权重往往是通过特定的量化算法获得，看起来投资效果会比传统的市值加权beta更加实用，相关的投资策略也往往会选择市值加权指数作为投资业绩的基准.

常见的Smart Beta策略包括价值策略、低波动策略、分散化策略、动量策略等.其中价值策略是以一些股票的价值指标为加权方式，目标是选择一些基本面满足特定属性的股票构成组合.比如基于财务基本面评分的基本面加权，或基于分红率的红利加权等.低波动策略的目标是构建一个最低或较低波动率的投资组合，通常包括最小方差目标加权、波动率倒数加权等方法.分散化策略的目的是提高组合中股票的分散度，应用最广的是等权重策略.动量策略在国外也是一种常见的策略，因为国外市场上验证发现动量因子非常有效，因此会选择以动量因子来作为股票选择和加权的方式，见表1.

据统计，美国近三年新发行的Smart Beta策略投资产品规模约在600亿美元，大致与市值加权的指数产品规模相当，策略也主要以红利、等权重、基本面、低波动为主.而国内近年来策略指数投资产品发展也非常迅速.中证指数公司针对主要的Smart Beta策略进行了验证，证明Smart Beta策略确实能大概率上击败以市值加权的沪深300指数.其中表现最好的是低波动相关策略，包括300最小方差、300低贝塔、300低波动.

2 资产配置下的策略指数投资

根据经典的CAPM模型我们知道，股票资产的收益率取决于其承担的市场风险大小Beta，而无法被解释的部分则为Alpha.但随后的诸多研究发现，各种股票之间的Alpha具有异常的高相关性特征，或许存在市场因子以外的其他因素在影响股票资产的收益率.随后发展的Fama-French三因素模型提出在市场因子以外，价值因子和规模因子也是非常显著的.后来又将动量因子补充进来，从而形成四因素模型.

自此，风格因子投资的概念逐渐被学术界与投资界所广泛接受.事实上，自从1970年代以来，国外就开始萌生基于这种理念的主动投资管理.投资业界在三因素模型基础上开发了非常有效的线性因子投资模型，如Barra公司将国家地域因子、宏观因子、概念风险因子等逐步纳入到其风险评估模型中.随后，学术界又逐步发现了更多有效的风险和策略因子，如低波动率、低流动性、基本面因子等.人们也逐渐发现，原来投资界以往的诸多策略产品实际上并非是提供了有效的Alpha，而只不过是将各种风格因子的beta巧妙包装成投资能力的Alpha来推销给投资者.

在这样的视角上，资产配置投资就自然而然地成为投资方法的主流.我们对资产的看法不再是其表面上所呈现出来的风险与收益特征，而是其特定或持续暴露的风险因子敞口，比如价值因子敞口、规模因子敞口等.如果投资者能够设定自己的风险预算，明确其将在各种风险因子上的敞口，就可以从市场上选择合适的股票、策略指数产品，经过合理的搭配而形成组合.这样的投资组合在风险上是可控的，从而将投资引入了一个新的配置时代.

因此，基于特定量化策略的Smart Beta策略指数投资开始风靡.这些指数投资产品不仅能够提供超越传统Beta的收益表现，更重要的是它们满足了投资者的资产配置需求.这些产品的透明性好、费用低廉，并且突出地暴露到某一个特定的风险因子上.比如在红利策略中，通常会选择那些分红率最高的股票进入组合，并给予高分红股票更高的权重，这样就使得组合在价值因子上产生了显著的风险敞口.在等权策略中，全部入选组合的股票无论市值大小都给予相同权重，从而导致小盘股获得比市值加权指数更高的权重，导致组合在规模因子上产生显著的风险敞口.波动率倒数加权策略则会给予波动率较低的股票更高的权重，从而整体上降低组合的波动性风险，因此也在波动率因子上产生显著的敞口.投资者在把握这些策略指数产品的风险特征后，就能够方便地构建自己的组合配置，反过来也促进了策略指数投资的快速兴起.

然而，Smart Beta策略指数产品也并非完全的“聪明”.在某一段时间内，也许特定的策略指数能战胜市值加权组合，使得它看起来非常“聪明”，但在另一段时间内该策略指数可能会落后市值加权组合，使得它看起来也不是那么“聪明”.这是因为策略指数产品通常会有严重的风险因子敞口，因此其业绩也随着风险因子的表现而起伏不定.可能有一些因子长期来看存在明显的超额收益，导致这些策略看起来非常具有吸引力.

针对几个主要的风险因子，测算了2006-2014年间的表现.表3中我们发现小盘因子是中国A股市场上长期表现最好的，但其波动率也比较大.价值因子、反转因子、基本面因子的长期表现也非常好.然而，表4测算了这些因子表现的相关性，发现各种因子之间的相关性非常低.并且单一因子的信息比率都无法达到2以上，这就表明单纯使用一个因子，即使是表现最好的小盘因子也依然无法达到满意的投资效果.

因此，风格偏向非常明显的策略指数投资产品也即往往会随着市场风格的切换而发生特别明显的波动.但是，如果投资者能够设定自己的风险预算约束，就能够合理地选择多个策略指数投资产品来构造自己的组合基金.组合基金利用不同产品风险敞口的低相关性来降低组合的波动风险.

3 组合基金投资

组合基金是能充分利用策略指数投资产品的优势，同时又充分控制和分散风险的一种很好的方法.目前国内兴起的量化投资基金很多策略就是试图去搭配不同的风险因子，希望在控制一定的风险暴露基础上，追求更高的收益.然而我们发现，这些策略大多数仍然是存在明显的风险暴露.

我们选择2014年表现最好的三只公募基金：华泰柏瑞量化指数、大摩多因子、长信量化先锋.可以发现，虽然这三只基金在2014年、2013年表现较好，但在2011年、2012年里普遍较弱.其主要原因是这些基金普遍在小盘因子上有很强的暴露，2013-2014年里小盘因子表现很强，但2011-2012年里价值因子表现更好.表6拆解了三只基金的全部持仓的自由流通市值分布，不难看出大摩多因子与长信量化先锋在小盘股上偏向非常明显，而华泰柏瑞量化指数向小盘的偏离较小.

我们选择其中业绩记录较长的大摩多因子、长信量化先锋，另外搭配两只偏向价值的策略指数基金：华宝兴业上证180价值ETF、银河沪深300价值.以等权重在四个产品之间搭配，构造一个混合的组合基金投资产品（FOF）.

经过计算，不难看出两个偏向价值的基金产品在2011和2012年明显好于两只偏向小盘的量化产品，但在2013年和2014年里表现弱于量化产品.经过等权构造后，FOF组合在2011-2014年间均能取得正的超额收益，更重要的是其信息比率提升到了2.20，远远高于四只产品各自的信息比率，这说明经过搭配后，资产组合的收益风险表现得到了明显的提升.

4 结论

策略指数投资的Smart Beta正逐渐成为市场上非常重要的一类产品，因其风格特征显著，在特定的市场环境下提供“聪明”的Beta收益而逐渐受到投资者的热捧.然而，单一投资策略指数产品并不能提供稳健的收益，可以考虑在资产配置的目标下合理搭配策略指数投资产品，获取更加稳健的收益.

参考文献：

〔1〕郑鸣,李思哲.我国基金风格投资的积极风险补偿研究[J].厦门大学学报(哲学社会科学版)，2010(02).

〔2〕蔡伟宏.我国股票市场行业指数超额联动的实证分析[J].南方经济，2006(02).

篇13

从上世纪五十年代起，随着股票、债券、期权、期货以及衍生品市场的蓬勃发展，以有价证券为标的物的现资学作为金融学的重要分支在以流动性为主要目的的金融市场中产生了越来越重要的作用。同时一方面能够为投资者转移风险，一方面又能够凭借市场的波动获取客观的超额回报，如何专业化进行投资以及构造低风险高利润的资产组合作为一个重要的课题受到了包括企业政府和个人投资者在内的普遍重视。

从广义上讲，现资学有两个重要的理论分支，其一是以格雷厄姆在其聪明的投资者一书中提出的以价值评估为核心的价值投资，其代表的投资策略使用者是著名的投资大师巴菲特。而另外一个重要的分支就是量化投资学，其基础理论是借助数学建模的理论基础，广泛使用概率测度，统计原理和计算机技术对投资标的物进行模型建立，设定投资策略并由程序来进行择时，估值和选股。其理论基础是上世纪五十年代由马克维茨提出的投资组合模型理论。

二、量化投资的理论基础

事实上，量化投资理论是严格基于经典投资理论的两个假设而建立的，这两个假设分别是市场有效假设和无套利机会原则。市场有效假设认为，在现代有效金融市场中，市场是不可能被打败的，也就是，不存在超额回报，回报与风险必然成正比。市场中天然蕴含着一个风险与收益交换的机制，其中投资者提出需求而市场提供供给，在一个有效地市场中，风险回报机制也意味着超额回报由承担超额风险而来。

与市场有效假设紧密相关的是无套利机会原则，也就是金融市场是不可预测的，无风险套利机会并不存在。主流的金融理论主张市场是不可预测的，因为一旦市场能够被预测，那么它就不再有效，获取超额回报可以不再承担多余的风险。而投资者会蜂拥而至，最终抹平无风险套利机会，市场将重新恢复有效。

事实上量化投资在的基本核心在于其从理论上完成了关证券价值和交易流程的完整概念梳理，并且通过数理模型的方式用计算机程序模拟了出来。最关键的是，量化交易理论认为投资在市场中关于收益与风险的机制是动态的，它并没有排除掉资产回报是有可能超额并且可以预估的这种可能性。在以市场有效假设和无套利机会原则为基础的理论上，量化投资对市场风险和收益模型提出了自己的看法。

三、量化投资的发展现状

从量化投资的角度，为了更好地测度和衡量金融市场风险回报架构，研究者提出了一个量化模型概念，也就是beta回报和alpha回报，其中beta回报用于测度市场风险敞口，而alpha回报用于测度超出市场回报的那部分收益。所有的证券和投资组合收益都可以被看做由市场部分的beta回报和非市场部分的alpha回报组成，市场部分的beta回报是源于投资者所承担的投资风险敞口的基于市场基准风险的收益，与量化模型无关。而alpha回报则是那些超过平均市场回报的超出收益，这取决于量化投资的主动投资水平。

篇14

政策跟经济总是分不开的，政策会对经济造成直接或间接的影响，早先美联储官员提出了一个可能退出当前宽松货币政策的大体方案，对于这个政策的预告，全球的市场或大或小都作出了回应。

美国公布量化宽松退市时间表，市场即以下跌来回应，然而笔者从中也发现一些正面的信号。谈到退市，笔者一直都持有极大的怀疑，退市谈何容易？一旦美国退出了高速印钞的行列，市场新钱供应不像2012年那么充足，证券市场会怎样？

美联储为了配合退市消息，预测2014年失业率回落至6.5%～6.8%，这比市场预期乐观得多。美国曾经在2009年10月录得10%的失业率，之后一直徘徊在8.5%～9.2%，就业不足仍然是美国的重要问题。近年很多企业，特别是大型连锁店和服务业的许多员工都是以兼职、时薪形式聘用，这些人不管是收入还是福利都达不到基本生活标准，也不会计算在失业人口中。即使近期美国公布失业率大幅回落至7.6%左右，整体经济仍未有太大改善。量化宽松真的如期退市，对规模较小的投资市场，如亚洲的印尼、泰国、菲律宾及非洲等地将会造成极大波动，届时热钱和一些投资机构都会好好把握这个机会，在混乱中获得巨大利润。

受量化宽松退市影响相对较小的市场，可以考虑中国、印度，其次是新加坡、中国香港。中、印都可以依靠内需来维持经济增长。印度的出口生意只占GDP的16%，是亚洲最低的国家，一直以来印度经济起跌都以内在因素为主。中国香港和新加坡是亚洲较成熟的经济体，都以金融、旅游及内需为主，当地投资者也较为成熟和专业。

以印度尼西亚为例，从数据上看它的经济状况不错，很有投资价值，也侧重依靠内需来维持经济增长。该国在2013年一季度的GDP更录得6.02%的骄人增长，但该国央行在6月中突然宣布加息25个点，对投资市场造成了或多或少的负面影响。再加上印尼市场相对亚洲其他市场属于规模相对较小的市场，热钱要借任何消息来炒作也较为容易，对这个市场应格外小心。

市场充满量化宽松退市的消息，不但对投资市场造成影响，以出口为主的国家同时也受拖累。今年以来表现差强人意的韩国，5月份公布的PPI下跌2.6%，也是连续8个月下跌。当中以农业产品跌幅最大，达到9.7%，反映了当地工业生产将进一步放缓。

换个角度来看，量化宽松退市也有积极的影响。当全球各国企业开始相信退市消息时，便会明白钞票不再是源源不断供应，会把自己的企业认真经营好，这有助于企业加强内在竞争能力，长远来看对经济发展也有着极大的帮助。始终依靠不断印钞来维持经济，是极不健康的方法。随着企业素质逐步加强，市场下行风险自然减少。

量化宽松退市对于债市产生利好，股票的投资价值会出现下调。但不必过分担心，企业素质提升有助盈利创造，股市回落后价格更为便宜，会再次把资金引入股市。过去的25年，亚洲股票市场估值一直处于较低水平，只有亚洲金融风暴（1997年）、SARS病毒（2003年）和金融海啸（2008年）才较目前估值更低。