量化价值投资精选(五篇)

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5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%。