金融量化投资范文

引言：寻求写作上的突破？我们特意为您精选了12篇金融量化投资范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

金融衍生品与量化投资之间的相关性是当前经济发展比较重要的研究议题，两者的有效配合在某种程度上能使投资者获得较为丰富的投资收益，并且将风险以及杠杆性将至最低。就当前现状而言，金融衍生品内容越来越多，而量化投资投资工具呈现多元化的趋势，这为投资者提供了较多的投资方式以及渠道，并使其在最小风险值内获取最大的经济收益。文章主要介绍了金融衍生品及量化投资，重点阐述了两者之间的关联性，最后论述了两者有效融合的前提下如何获得最大的经济效益值。

一、金融衍生品与量化投资概念阐述以及其发展

（一）金融衍生品

金融衍生品在我国经济中运用范围不断扩宽，它是基于经济发展而形成的，是社会发展的必然产物，并且对于全球经济有着深远的影响，比如加剧世界经济一体化、促使金融一体化的逐步形成，金融衍生品在我国经济发展中扮演非常重要的角色，带动了我国实体经济的发展。所谓金融衍生品，它是与金融相关，并由其引发的派生物，属于一种金融交易工具。近年来，随着市场经济发展速度不断提升，我国金融市场逐渐趋向完善，这也为金融衍生品的发展提供了良好的契机，使其发展日益壮大并成为金融市场的主力军，并且与信贷以及货币市场联系日益密切，最终促进了金融资产配置的逐渐完善，即风险管理的复杂链条。从目前情况分析，我国经济发展呈现出良好的前景，相对应的工业以及房地产发展相对较好，在此基础之上，依据高杠杆原理，金融产品自身的优势性彻底被展现出来，并为投资者带来相对较好的经济效益值。但是金融产品也存在一定的风险，可谓是一把“双刃剑”，虽然它可促进金融市场的发展，但如果运用不当将会引发极为严重的后果。上世纪90年代以来，就发生了多起由于金融产品运用不当而引发的经济损失，例如：2008年金融危机波及全球，引发金融危机的原因主要是CDS等金融产品，其在美国金融市场运作中出现风险管理不当的现象，也就是风险失控，继而引发了全球性的经济危机。

金融衍生品主要是基于与金融有关产品的通过不同方式衍生而来，主要包含四种基本形式，分别是远期、期货、期权、互换，其价格的变动规律主要是由基础标的物所决定的，随着它的变化而变化的，而金融衍生品的价值主要与基础工具的相关因素有关，比如利率、汇率、市场价格、指数、信用等级等等，从本质上分析，它属于虚拟的有价证券，在某种意义上而言是一种权利证书，给予投资者基础性的权利，且与实物资本有着很大的区别，能够使投资者获得投资收益。与一般金融产品相比，金融产品有了极大的改良与进步，产品结构更为复杂，其定价模式基本比较单一，主要是以复杂数学模型为主，将多种风险以及因子，如Beta、Delta、Rho、久期等，通过多种方式的映射、组合、分解复合等，继而形成金融衍生品，结构层次多样。金融产品虽然为投资者提供了发展契机，但是也存在极大的风险，这种风险的形成与交易与结算有着直接的关联，上述两种交易形式基本发生在将来，基于高杠杆的影响，市场风险难以有效控制，预测就更难以估计。

（二）量化投资

量化投资在我国金融市场发展中得到了进一步推广，相较于定性投资，量化投资科学性更强，并且具备相应的理论依据。在投资过程中，投资者可以利用数学、统计学，还可以借助数据挖掘等方法，以此构建投资策略，管理投资组合，继而实现风险管理，利用数据模型，借助系统交易信号，系统会自动完成相关交易。从本质上分析，量化投资属于工具，投资者可以通过经验累加，然后利用数学模型的功能性，继而实现信息化的表达。量化投资形式具有自身的优势特点，这也是传统投资形式不可比拟的，它主要将投资者经验累积以另外一种方式呈现，即数学模型，继而转化至计算机中，运用相对科学的计算方式，实现产品投资，随着金融市场的日益完善，数学模型也得以不断优化。无论是数量化的投资，还是依靠计算机程序的投资，对于技术的要求极为苛刻，在业界誉为“黑箱交易”，从某种角度分析，量化投资基本不依赖大脑，而是依据交易系统，继而实施具体的决策，上述交易系统是之前确定的，且形式非常复杂的，这样的系统往往具备较高的精准度。与此同时，交易系统开发需要一定的技术支持，即程序算法设计，部分开发者通常会采取相应措施，加密交易系统，以此保障知识产权不受侵害。外界投资者对此并不清楚，具体运行机制也存在极大的疑问。量化投资者基于交易系统的前提下，收集市场最新的数据变化，同时采集与之相关的信息，将其输送至交易模型里，然后通过科学的计算，数据的挖掘，加密信息的处理，最终敲定资产配置方案，确定交易的最佳时机。按照相关公式进行量化投资在某种程度上是一种相对理性的投资，其自身的优势集中体现在分析策略这一环节，突出明晰性以及一致性，与此同时，运用信息与公式，由此获得的结果基本相同，这在某种程度上对交易者非常有利，避免由于其客观性以及随意性而引发的交易失误。

针对量化投资而言，其涵盖多个方面：就现状而言，主要包括量化资产配置、量化投资交易、风险管理。以资产配置为例，必须要基于行业选择的前提下，以此实施有效配置，然后依据策略组合，在行业内开展相关工作，实行资产优化。量化资产投资，它在某种程度上奠定了总体投资方向，确定发展前景最好的行业、风格和产品。换言之，投资者需要根据市场行情变化规律，选择市场以及产品，然后给予最佳资金分配方案。相较于传统的投资形式，量化投资更具一定的优势，更具科学以及合理性，同时兼具高信度。投资者可以依据数据模型，对整个市场进行有效分析，继而给予相对准确的判断，以此进行理性投资决策。

二、两者之间的关联性分析

金融衍生品与量化投资的有效结合能够起到非常关键性的作用，投资者能够选择相对发展较好的金融产品进行量化投资，由此收获了相对丰富的投资收益，因而探讨两者之间的关联性以及有效融合具有划时代意义。近年来，我国金融市场发展形势良好，也因此带动了金融衍生品的迅速扩大，促进了国民经济的迅速增值。但是以我国现有金融衍生品现状来说，无论是从行业总量、规模，还是参与范围及层次方面来看，金融衍生品都还属于小众市场，仍需不断创新与改革。从目前情况分析，对于大部分的投资者而言，他们对于金融衍生品的了解还不够透彻，这也导致了民主对于金融衍生品的了解甚少，基本都停留在电视或是报纸上对于金融衍生品的看法，这于金融衍生品的长远发展是非常不利的。2008年的金融危机，很多实体企业采取了相应的对策，比如参与期货市场，实施套期保值，以此降低生产经营风险，也在某种程度上扩宽市场发展。

金融市场发展速度的加快，股指期货得以大面积扩散，指数期权也扩大了应用范围，这于我国金融市场发展而言是极为有利的因素，为量化投资提供良好的发展契机，迎来发展机遇。借助量化投资原理，运用相关实践方法，通过计算机程序实施投资交易，这将是之后金融衍生品投资的主流方向。

金融衍生品的诞生是社会发展的必然产物，其功能性集中体现在投资风险规避，它形成的主要动因与投资者关系密切，满足其转移风险的需求，同时实现其套期保值实际需求，这一过程又被称为风险对冲，这样可以使投资者运用相对较少的低成本，基于现货价格变动，达到规避风险的目的。从目前形势分析，量化投资在我国金融衍生品上得到了广泛应用，其对冲实践需要借助相关载体，也就是具备一定的期货市场方可实现，但是基于交易品种单一的现状，这使得量化投资产品在某种程度上具有一定的局限性。随着股指期权的诞生，个股期权的逐步实施，扩大了金融市场的投资发展，让更多的投资者增加了风险规避渠道，推动了量化投资范围的不断扩大。量化交易策略也在某种程度上发生了改变，更具创造性，带动实体经济发展。

金融衍生品的诞生以及投入使用促进了我国金融市场交易的逐步完善，这其中金融衍生品的一个非常重要的功能得到了极大的发挥，即价格发现。所谓价格发现功能，主要从参与者角度出发，他们通过获得信息，且基于价格预期，利用公开拍卖形式，或是借助电脑进行撮合交易，这在某种程度上可以获取市场真实需求，供求关系，并且极具竞争性以及预期性的体系。随着世界经济一体化趋势不断加强，世界金融市场不断扩大，与之相关的金融衍生品应用范围也随之不断扩大，金融交易所的相关交易实现跨越式的进步，通过这种形式形成的价格权威性更强。上述价格通过不同的传播工具不断扩散，如报纸、电视、网络等，范围波及全球，俨然成为市场价格的引领者，这为大众提供了良好的平台，让其透过相关经济信息了解经济动态，以便帮助投资者给予正确的决策，借以提升资源配置效率。量化投资相较于传统投资形式具有一定的优势，这主要体现在两个方面：分别是速度与规则，从某种角度分析，我们可以预期，量化交易应用范围，促使市场报价更为紧密，成交更为频繁，从而增强市场流动性。与此同时，基于量化交易策略而言，其中部分交易存在策略的相似性，这对于未来的金融市场影响颇大，集中体现在市场价格波动这一方面，具体表现为高波动性以及规律性，上述改变与量化投资有着非常直接的关联。

金融衍生品是社会发展的阶段性产物，量化投资是基于传统投资形式基础上的创新与变革，两者之间具有一定的关联性，就好比人和人之间的合作，通过量化投资，金融衍生品能够在某种程度上受益，彰显其风险规避功能，量化投资对于投资者而言是巨大的福音，使其更理性地进行投资，从而避免由于自身主观原因而造成的经济损失，与此同时，能够有效消除非预期损失。针对金融衍生品而言，其不断发展对量化投资而言也是非常有益的，为其提供应用平台，借助不同领域资源整合，从总体角度分析，优化金融市场，交易环境不断完善，并且对投资者影响极大，使其投资理念不断升华，投资水平在某种程度上也得到看提高，继而促使投资者通过结合金融衍生品与量化投资获取丰厚的投资收益。总的来说，金融衍生品与量化投资可谓是相辅相成的关系，彼此相互促进又相互影响，协调好两者的关系对金融市场发展益处多多。

三、结语

总体来说，金融衍生品在我国金融市场的广泛运用极大的促进了国民经济的发展，量化投资是一种相对理想的投资理念，将金融衍生品与量化投资有效融合能够获得良好的成效，这于金融市场经济发展而言也是极为有利的因素，为投资者提供了良好的应用平台，促使其获得比较丰富的投资收益。文章主要介绍了金融衍生品以及量化投资的发展，重点阐述了两者之间的相关性。

参考文献：

[1]李东昌.金融衍生品与量化投资相关性研究初探[J].山东工业技术，2015（06）.

[2]张梅.后金融危机时代金融衍生品的风险管理与控制[J].湖南商学院学报，2010（02）.

[3]寇宏，袁鹰，王庆芳.套期保值与金融衍生品风险管理研究[J].金融理论与实践，2010（05）.

[4]林世光.可拓学在金融衍生品市场风险中的量化分析[J].武汉理工大学学报，2010（11）.

篇2

一、引言

量化投资在国外的实践已经有了40多年的发展，我国的量化投资起步较晚，从2004年开始出现量化投资的产品，由于缺乏有效的对冲手段，直到2010年4月沪深300股指期货上市之后才能算是真正意义上开始涉足量化投资。[1]

2015年的中国股市跌宕起伏，杠杆配资引发了大幅上涨和断崖式下跌，股市出现罕见的千股涨停、千股跌停、千股停牌的奇观，众多机构投资者和散户蒙受了巨大的损失。但其中少数量化投资基金在大幅波动的市场中却表现相对稳定。量化投资基金和量化对冲策略的稳健，很快引起了全市场的关注，也成为近期银行、券商、信托等机构追捧的新的产品模式。

在此背景下，作者在本文中对于量化投资的概念、特点、策略、理论基础和发展做一个总结，希望为量化投资研究和实践做一些参考。

二、量化投资解读

（一）量化投资的定义

量化投资在学术界并没有严格统一的定义，现有的定义对于量化投资的定义的侧重点各有不同。本文对于量化投资的定义为：

量化投资是指将投资者的投资思想或理念转化为数学模型，或者利用模型对于真实世界的情况进行模拟进而判断市场行为或趋势，并交由计算机进行具体的投资决策和实施的过程。

（二）量化投资的特点

1.投资决策中能够客观理性，克服人类心理对投资决策的影响。传统投资的分析决策，大多数方面都由人工完成，而人并非能做到完全理性，在进行投资决策时，很难不受市场情绪的影响。[2]量化投资运用模型对历史和当时市场上的数据进行分析检测，模型一经检验合格投入正式运行后，投资决策将交由计算机处理，一般情况下拒绝人为的干预，这样在进行投资决策时受人的情绪化的影响将很小，投资过程可以做到理性客观。

2.能够通过海量信息的大数据处理，提高投资决策效率。我国股票市场上有近3000只股票，与上市公司相关的各种信息纷繁复杂，包括政策、国内外经济指标、公司公告、研究报告等，投资者靠自己手工的筛选根本就是力不从心。量化投资的出现为这个问题的解决带来了希望。量化投资运用计算机技术快速处理大量数据，对其进行辨别、分析、找出数据之间的关联并做出投资决策，大大减少了人工的工作量，提高了投资决策效率。

3.能够实现精准投资。传统的投资方法中认为投资是一门艺术，投资决策需要的是投资者的经验和技术，投资者的主观评价起到决定作用。而量化投资有所不同，尤其是在套利策略中，它能做到精准投资。例如在股指期货套利的过程中，现货与股指期货如果存在较大的差异时就能进行套利，量化投资策略和交易技术会抓住精确的捕捉机会，进行套利交易来获利。另外，在控制头寸规模方面，传统的投资方法只能凭感觉，并没有具体的测算和界定，而量化投资必须要设定严格精确的标准。[3]

4.能够快速反应和决策，把握市场稍纵即逝的机会。量化投资往往利用高速计算机进行程序化交易，与人脑相比它能够迅速发现市场存在的信息并进行相应的处理，具有反应快速、把握市场稍纵即逝的机会的特点。量化投资在速度上最出色的运用就是高频交易，与低频交易相对，高频交易是通过高速计算机，在极短的时间内对市场的变化做出迅速的反应并完成交易。[4]

5.能够有效地控制风险，获取较为稳定的收益。与传统投资方式不同的是，量化投资在获得较高超额收益的同时能够更好地控制风险，业绩也更为稳定。相关研究显示，1996年至2005年期间，量化投资基金与以所有传统主动型投资基金和偏重于风险控制的传统主动型投资基金的信息比率对比情况中，量化投资基金的信息比率都是最高，说明量化投资相对于传统投资，能够在获得更高的超额收益的同时，有效地控制风险。

三、量化投资的策略

一般的量化投资的策略指的是用来实现投资理念或模拟市场行为判断趋势从而获取收益的模型。量化投资需要权衡收益、风险、交易成本、具体的执行等各个方面，一般情况下这些方面会形成相对独立的模块。有时候量化投资策略模型也会将风险、成本等方面融合在模型中。

（一）国外量化投资策略的分类

国外习惯上将量化投资的策略分成两大类，一类是阿尔法导向的策略，另一类是贝塔导向的策略。阿尔法策略（alpha strategy）是通过量化择时和调整投资组合中不同资产的头寸大小来获取收益的策略;贝塔策略（beta strategy）是通过量化的手段复制指数或者稍微的超出指数收益的策略。[6]相比而言，量化指数的贝塔策略相对更容易，所以一般情况下所说的量化投资的策略指的是阿尔法策略（alpha strategy）。

阿尔法策略主要有两种类型，分别为理论驱动模型和数据驱动模型。

理论驱动模型是比较常见的类型，这些策略是运用已经存在的经济、金融学的理论，构建策略模型，进行投资决策。理论驱动模型根据输入的数据的不同可以进一步分类，主要有基于价格相关数据的策略和基于基本面数据的策略。

数据驱动模型广泛的被运用于股票、期货和外汇市场，因为采用的数学工具更为复杂，相对而言难于理解，目前使用的还不是很多。与理论驱动模型不同，数据驱动模型认为进行投资决策其实是不需要理论的支持，运用数据挖掘技术，可以从数据（例如交易所的价格数据）中识别出某种行为模式或市场趋势，进而进行预测或者解释未来的模式，从中获取收益。

（二）我国量化投资策略的分类

国内比较常见的量化投资策略主要有两种分类方式，一种是按投资标的所在市场分类区分的量化投资策略，分为现货市场和衍生品市场量化投资策略。现货市场包括股票市场、ETF市场和债券市场，衍生品市场包括商品期货市场、股指期货市场、国债期货市场、外汇市场和期权与其他衍生品市场，国内运用较多的是投资于商品期货和股指期货等期货市场。

另一种分类方式是分为两大类：判断趋势的单边投机策略和判断波动率的套利交易策略。[7]单边投机策略主要包括量化选股和量化择时，套利交易策略主要包括股指期货套利、商品期货套利、统计套利、期权套利、另类套利策略等，目前国内普遍采用的是这种分类方式。

四、量化投资理论的发展

（一）投资理论的发展

量化投资的理论基础最早可以追溯到上个世纪50年代，Markowitz（1952）[8]第一次把数理工具引入到金融研究领域，提出了均值――方差模型和风险报酬与有效前沿的相关概念，这是量化投资接受的最早的严肃的学术成果。Sharpe（1964）[9]、Litner（1965）[10]、Mossin（1966）[11]在马克维茨研究的基础上得出了资本资产定价模型（CAPM），这是如今度量证券风险的基本的量化模型。

20世纪60年代，Samuelson（1965）与Fama（1965）[12]提出了有效市场假说（Efficient Markets Hypothesis，EMH），这为后来在新闻量化交易等方面提供了思路和理论支持。20世纪70年代，金融衍生品不断涌现，对于衍生品的定价成为当时研究的重点。Black和Scholes（1973）[13]将数学方法引入金融定价，他们建立了期权定价模型（B-S模型），为量化投资中对衍生品的定价奠定了理论基础。在该理论之后，Ross（1976）[14]根据无套利原则提出了套利定价理论（APT），该理论是资本资产定价模型（CAPM）的完善和发展，为量化投资中的多因素定价（选股）模型提供了基础，这也是Alpha套利的思想基础。

20世纪80年代，期权定价理论倒向微分方程求解;“金融工程”概念得以产生，金融工程着力于研究量化投资和量化交易。同期，学者们从有效市场理论的最基本假设着手，放宽了假设条件，形成了金融学的另一个重要的分支――行为金融学。

20世纪90年代，金融学家更加注重对于金融风险的管理，产生了诸多的数量化模型，其中最为著名的风险管理数量模型是VaR（Value at Risk）模型，这是量化投资对于风险控制的重要理论基础。[15]

20世纪末，数理金融对于数学工具的引入更加的迅速，其中最为重大的突破无疑是非线性科学在数理金融上的运用，非线性科学的出现为金融科学量化手段和方法论的研究提供了强有力的研究工具[16]，尤其在混合多种阿尔法模型而建立混合模型时是非常有效的一种技术。

（二）量化投资的数学和计算基础

量化投资策略模型的建立需要运用大量的数学和计算机方面的技术，主要有随机过程、人工智能、分形理论、小波分析、支持向量机等。[17]随机过程可以用于金融时序数列的预测，在现实中经常用于预测股市大盘，在投资组合模型构建的过程中，可以优化投资组合;人工智能的很多技术，例如专家系统、机器学习、神经网络、遗传算法等，可以运用于量化投资;分形理论用于时间序列进行预测分析;小波分析主要用于波型的处理，从而预测未来的走势;数据挖掘技术可以运用于数据驱动模型，还可以运用于设置模型的细节;支持向量机可以分析数据，识别模式，用于分类和回归分析。

五、国内外量化投资实践的发展

（一）国外量化投资实践的发展

本文认为量化投资在国外的发展已经经历了四个发展阶段：

1.第一阶段从1949年至1968年：对冲阶段。该阶段是量化投资的萌芽阶段，该阶段具体的量化投资实践很少，主要是为量化投资提供的理论基础和技术准备，量化投资脱胎于传统投资，对抗市场波动，通过对冲稳定Alpha收益，但收益率低了。

2.第二阶段从1969年至1974年：杠杆阶段。在该阶段，量化投资从理论走入了实践。在投资思路上，因为原本的Alpha策略收益有限，通过放杠杆扩大第一阶段的稳定收益。实践方面，1969年，前美国麻省理工学院数学系教授爱德华・索普（Ed Thorp）开办了第一个量化对冲基金，进行可转债套利，他是最早的量化投资的者使用者。1971年，巴莱克国际投资公司（BGI）发行了世界上第一只被动量化基金，标志着量化投资的真正开始。

3.第三阶段从1975年至2000年：多策略阶段。在这一阶段，虽有一定的挫折，但总体上量化投资得到了平稳的发展。在投资思路上，由于上一阶段通过杠杆放大收益的副作用产生，放大以后的波动率又增大，从而转向继续追求策略的稳定收益，具体的手段是采用多策略稳定收益。实践方面，1977年，美国的富国银行指数化跟踪了纽约交易所的1500只股票，成立了一只指数化基金，开启了数量化投资的新纪元。[18]1998年，据统计共有21只量化投资基金管理着80亿美元规模的资产。[19]

4.第四阶段从2000年至今：量化投资阶段。这一阶段，量化投资得到了迅猛的发展，并且发展的速度越来越快。投资思路上，运用量化工具，策略模型化，注重风险管理。在实践方面，在2008年全球金融危机以前，全球对冲基金的规模由2000年的3350亿美元在短短的7年时间内上升至危机发生前的1.95万亿美元，受美国次贷危机的影响全球对冲基金规模有较大的回落，直到2008年之后，在全球经济复苏的大背景下对冲基金规模才开始反弹。

（二）我国量化投资的发展

本文认为，到目前为止，我国量化投资的发展的主要经历了三个阶段：

1.第一阶段从2004年至2010年：起步阶段。在这一阶段，由于我国没有足够的金融工具，量化投资在我国发展缓慢。2004年8月，光大保德信发行“光大保德信量化股票”，该基金借鉴了外方股东量化投资管理理念，这是我国最早的涉足量化投资的产品。2010年4月16日，准备多年的沪深300股指期货的在中金所的上市，为许多对冲基金的产品提供了对冲工具，从此改变了以前我证券市场只能单边进行做多的情况。

2.第二阶段从2011年至2013年：成长阶段。2011年，被认为是我国量化对冲基金元年，[21]而随着股指期货、融资融券、ETF和分级基金的丰富和发展，券商资管、信托、基金专户和有限合伙制的量化对冲产品的发行不断出现，这个阶段的量化投资真正意义上开始发展，促使该阶段发展的直接原因就是股指期货的出现。[20]

3.第三阶段从2014年至今：迅猛发展阶段。2014年被认为是“值得载入我国私募基金史册的一年”，基金业协会推行私募基金管理人和产品的登记备案制，推动了私募基金的全面阳光化，加速了私募基金产品的发行，其中包括量化对冲型私募产品。2014年称得上我国量化对冲产品增长最迅速的一年，以私募基金为代表的各类机构在量化对冲产品上的规模均有很大的发展，部分金融机构全年销售的量化对冲基金规模超过了百亿。

2015年，上证50ETF期权于2月9日正式推出，这对于对我国的量化投资有着极大的促进作用。4月16日，上证50与中证500两只股指期货新品种的上市给量化投资带来更多的策略的运用，金融衍生品的不断丰富和发展，为量化投资提供更多的丰富对冲手段，也提供了更多的套利机会。

六、总结

量化投资的技术、策略、硬件设施条件都在飞速的发展，与传统的投资方式相比，量化投资有着自身的特点和优势。尤其是量化对冲产品，以其长期稳健的收益特征，成为目前“资产荒”下对信托、理财产品和固定收益产品良好的替代产品。未来随着我国股指期货、融资融券、国债期货、期权等金融产品的不断创新，以及股指期货市场未来逐步恢复正常，量化投资发展前景不可限量。

参考文献

[1]徐莉莉.量化投资在中国的发展现状[R].渤海证券研究所：金融工程专题研究报告，2012.

[2]廖佳.揭开量化基金的神秘面纱[J].金融博览（财富），2014，（11）：66-68.

[3]王力弘.浅议量化投资发展趋势及其对中国的启示[J].中国投资，2013，（02）：202.

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

[5]蒋瑛现，杨结，吴天宇，等.海外机构数量化投资的发展[R].国泰君安证券研究所：数量化系列研究报告，2008.

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

[7]丁鹏.量化投资――策略与技术[M].北京：电子工业出版社，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]戴军，葛新元.数量化投资技术综述[R].国信数量化投资技术系列报告，2008.

[17]丁鹏.量化投资与对冲基金入门[M].北京：电子工业出版社，2014.

[18]郭喜才.量化投资的发展及其监管[J].江西社会科学，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]曾业.2014年中国量化对冲私募基金年度报告[R].华宝证券：对冲基金专题报告，2015.

篇3

一、 美国量化宽松货币政策的主要内容

（一）量化宽松的含义

量化宽松的货币政策最初是被日本和英国的中央银行所使用，其实施的背景是在常规的利率水平已经接近零时，为抵御经济进一步下滑而采取的一种非常规的货币政策。所谓的量化宽松政策，是指中央银行通过公开市场业务等手段向市场注入大量流动性。

（二） 美国三轮量化宽松政策的实施过程

2008年金融危机之后，传统的货币政策和财政政策对于扭转美国国内低迷的经济局势纷纷失效，于是美联储于2009年初开始推出非常规的货币政策，即QE1。2009年3月18日，美联储推出QE1。美联储发表申明，宣布在维持联邦基金利率在0―0.25%的基础上，在未来6个月内将直接购买2―10年长期国债3000亿美元、抵押贷款支持债券（MBS）12500亿美元以及机构债券1000亿美元，并且大幅度扩大现行的抵押贷款相关购买计划，并规定该政策的实施期限为持续至2010年3月。虽然QE1的推出在短期内对稳定美国的金融市场发挥了一定的作用，但是美国经济复苏的步伐仍然很缓慢。于是美联储于2010年11月3日又宣布启动总额为7000亿美元的QE2，国际社会纷纷指责美国这种以邻为壑，转嫁危机的行为。但面对国际社会的普遍反对，美国并未引起重视，为应对各种无法预料的危机，美联储于2012年9月又推出每月400亿美元规模的无限期QE3，这个规模于2012年12月又进一步提升至每月850亿美元。截至目前，美国总共推出了三轮量化宽松政策。

二、美国量化宽松货币政策的实施效果分析

从短期来看，首先，量化宽松政策拯救了美国的银行业，稳定了美国的金融市场，避免了美国大型金融机构的倒闭潮。QE1实施之前，美国倒闭的大型金融机构多达六家，然而在美国推出QE1之后，受金融危机影响的大型金融机构只有桑恩柏格房贷公司，其资产规模只有365亿美元，不及雷曼兄弟的二十分之一。其次，量化宽松政策的推出在一定程度上使美国的流动性得到了缓解。QE1推出后，美国的M2从2008年底的82672亿美元上升到2010年3月份的85795亿美元，其上升幅度高达4%，而且M2/GDP的值也稳步上升到8.6左右，从而使美国金融危机后流动性不足的局面得到了很大的改善。最后，短期内量化宽松政策还有利于提振市场信心，增强美国经济更快复苏的预期。量化宽松政策会直接作用于美国股市，推升股市，从而提高美国企业的盈利预期，刺激投资和降低失业率。据统计，在美国实施量化宽松政策之后，美国道琼斯指数开始触底反弹，从2009年3月的6626.94的最低点上升到2010年3月底的10927.07，其上涨幅度高达65%，从而大大增加了投资者的信心 。

三、美国量化宽松货币政策难以奏效的原因

综合来看，美国量化宽松政策的实施效果未能达到预期的原因主要有以下几方面：

1、美联储大规模的“货币创造”虽然在一定程度上改善了美国国内流动性不足的局面，但是这些货币并没有转化为经济复苏所需要的“信用创造”。美国的三轮量化宽松政策虽然使利率长期保持在历史低位，但却没有真正改善美国国内信贷紧缩的状况。在房地产市场上，在住房信贷需求疲软的同时，银行对于房地产抵押贷款依然很保守，惜贷氛围仍然很浓重；同时，企业和居民缺乏借贷的动力，企业产能过剩居民消费开支不足的状况依旧存在。

2、美国产业的空洞化严重制约了其出口能力，汇率调节机制难以发挥作用。美联储实施量化宽松政策的一个重要目的就是通过美元的战略性贬值来增加美国的出口，减少进口，从而推动美国的“再工业化”，刺激美国经济的复苏。但是由于历史的原因，美国的产业空洞化现象已十分严重，美国早已丧失世界第一制造业大国的地位。

3、美国居民、企业以及金融业的“去杠杆化”进程大大降低了货币乘数，使得资产配置再平衡机制难以正常地发挥作用。美国通过量化宽松政策使得美国的基础货币供应量大幅增加。在正常情况下，由于市场机制的调节作用，资金会在市场上自动流向风险小的地方，这样就不会存在流动性陷阱。

4、美国国内的经济环境恶化，使得国内投资者的信心下降，国内企业更倾向于海外投资，国内投资并未如预期一样增加。美联储实施量化宽松政策的一个重要目的就是重振投资者信心，恢复国内企业的生产，从而增加就业。但是金融危机爆发后，美国国内的实体企业更倾向于投资海外的新兴国家，从而来规避国内消费不足的困境。统计数据显示，金融危机爆发后，从总体上看，美国的国内投资总额是成下降趋势的，尤其是居住类投资，然而企业的海外投资却呈现出波动中上升的趋势。这就使得量化宽松政策用来刺激投资的效果大打折扣。

参考文献：

篇4

一、引言

2007年7月，以美国第五大投资银行贝尔斯顿被摩根大通收购为标志，美国爆发了次贷危机。2008年9月，以美国第四大投资银行雷曼兄弟的破产倒闭为标志，次贷危机升级成金融危机并迅速波及全球，形成国际金融危机。在金融危机冲击下，美国经济在2007年和2008年连续两年出现衰退，同时伴随着失业率的急剧上升。为应对金融危机，美国首先推出了一项规模达7800亿美元的经济救助计划，此举虽然拯救了濒临严重财务危机的花旗集团、高盛集团、美国国际集团等金融机构和通用汽车、福特汽车等实体企业，但未能抑制经济的衰退和失业率的上升。其后，美国联邦储备银行于2008年3月和2010年11月推出了两轮规模分别为12000亿美元、6000亿美元的量化宽松货币政策。

美国联邦储备银行出台量化宽松货币政策的目标，主要是希冀通过流动性的释放刺激国内消费与投资，并通过国内消费与投资的扩张拉动经济增长和降低失业水平。美国商务部的数据显示，2010年美国的实际GDP增长率为2.8％，这说明量化宽松货币政策实施以来，美国的经济已经显著复苏，但是，美国劳工部的数据却显示，2010年美国的失业率高达9.6％，这说明量化宽松货币政策在治理失业方面是无效的。

关于量化宽松货币政策的研究，王晓雷、刘昊虹(2010)的研究说明，量化宽松货币政策会导致美元贬值，抑制美国的进口、刺激美国的出口，从而改善美国的贸易收支，它能够部分解释量化宽松货币政策下美国经济增长的原因。潘成夫(2009)的研究认为，政府救助与量化宽松货币政策结合能够缓解美国的经济衰退。关于美国的金融生态问题，李石凯的研究认为，金融危机冲击下美国的金融生态显著恶化并引起了一系列后果。关于美国的失业问题，贺伯锋的研究认为，失业率的提升是金融危机冲击后美国经济失衡加剧的必然结果。

本文以金融生态为切入点，研究金融危机冲击下美国金融生态的恶化、金融生态恶化约束下的银行信贷、银行信贷收缩背景下的国内投资与就业的逻辑演进过程，以期说明在量化宽松货币政策的刺激下美国的失业率为什么仍然居高不下，即量化宽松货币政策的就业效应为什么会失灵。

二、金融危机冲击下美国金融生态的恶化

无论是资产规模还是资本实力，美国均是当代全球的领跑者，在长期的市场经济建设和实践中，美国也维持了良好的金融生态。具体表现在：虽然几乎所有的企业和个人都与银行发生极其复杂的金融联系，但由于高昂的违约成本却极少出现违约行为。所以，在美国，维持良好的金融生态并不仅仅是金融监管当局、金融机构的事情，也是所有公民的责任。在良好的金融生态中，美国的金融体系能够很好地运转，金融需求得到了充分的供给。但是，金融危机彻底打破了美国金融生态的平衡，由于资产价格缩水，大量的银行贷款抵押品价值下降，美国的借款人尤其是房贷客户纷纷倒账，不良贷款在银行体系内不断累积，导致大量问题银行的出现，相当多的银行甚至破产倒闭。

美国金融生态恶化的第一个证据是贷款违约率持续且剧烈上升。根据美国联邦储备银行的数据显示，次贷危机前，美国银行体系中的贷款违约率一直都运行在2％以下，即使2001－2002年的新经济泡沫破裂也没有改变银行贷款违约率低位运行的特征。次贷危机成为美国银行贷款违约率运行的拐点，2008年第1季度和第2季度，美国银行体系中的贷款违约率接连突破了3％和4％。金融危机又进一步加快了美国银行体系贷款的恶化速度，2009年第1季度超过5％，第2季度达到了7.9％，第3季度和第4季度都超过了9％，2010年第2季度出现峰值10.2％，2010年第3季度和第4季度虽然略有下降，但仍然维持在接近10％的高位水平。金融危机后美国银行体系贷款违约率的平均水平是金融危机前的五倍。另外一组同样来自FRB的不良贷款冲销率数据是对贷款违约率的补充。在正常情况下，银行没有太多的不良贷款，不良贷款冲销率自然很低，比如，2000－2007年的平均水平不足0.1％，而且绝大部分时期都在0.1％以下。但2008年之后，美国银行体系的不良贷款冲销率显著提升，2008年第1季度已经超过1％，2009年第2季度再超过2％，2010年第4季度仍然高达2.03％。不良贷款冲销率的持续上升，说明美国的银行在尽力消化不良贷款，即使在这一背景下，美国银行体系的贷款违约率仍然还是在快速上升，它更加充分地说明了美国金融生态恶化的严重程度。

第二个能说明美国金融生态严重恶化的证据是银行体系中的问题银行和破产银行的数量。在良好的金融生态下，美国银行体系中问题银行和破产银行数量不大，但金融危机爆发以来，随着金融生态的恶化，贷款违约率高企，不断恶化银行的资产负债表、损益表和现金流量表，众多银行成为问题银行甚至破产倒闭。

在金融生态正常的年份，美国也会有部分银行由于自身经营管理不善成为问题银行，这些银行可以通过成本控制和资产重组走出困境，大多并不一定会破产倒闭。表1显示，在2007年以前，虽然也存在一定数量的问题银行，但破产倒闭的银行数量并不太多。金融危机以来，美国的问题银行数量和破产银行数量都急剧增长。例如，2010年的问题银行有884家，比2000－2006年这7年间的问题银行总数还多；2010年的破产银行数量达到157家，是2000－2006年这7年破产银行总数的5倍。问题的严重性还在于，问题银行和破产银行的数量仍在继续增加，它意味着美国的金融生态并没有得到实质性的改善。由于美国的银行总数在持续减少，比较问题银行占比和破产银行占比更加能够说明美国目前的困境。2000年，美国的商业银行和储蓄银行总数为9904家，问题银行占比为0.95％，破产银行占比为0.07％；2010年，美国的商业银行和储蓄银行总数为7657家，问题银行占比上升到11.5％，是2000年的12倍，破产银行占比为2.1％，是2000年的30倍。

数据显示，量化宽松货币政策没有扭转金融危机造成的银行贷款违约率持续上升的态势，也没有扭转美国问题银行和破产银行不断增加的态势。由此可以得出的结论是，量化宽松货币政策对改善美国的金融生态无效。事实上，量化宽松货币政策是一项纯粹的货币政策，它也许能够解决通货紧缩问题，但却无法解决金融生态问题。在实施量化宽松货币政策两年之后，美国仍然没有走出通货紧缩的困境，说明在恶化的金融生态中，量化宽松货币政策对解决通货紧缩问题也是

无效的。

三、金融生态恶化约束下的银行信贷

在恶劣的金融生态中，美国的银行面临两方面的压力：其一，为避免成为问题银行、破产银行的经营压力，因而对于所有的银行而言，处置不良资产、优化资产结构就成为了银行的首要任务，其工作重心是处理资产存量而不是进行资产扩张。其二，面对持续上升的贷款违约率，一方面，为了防止新的不良贷款的形成，银行必定强化风险管理、提高信贷门槛，因此，金融生态恶化的必然结果是银行信贷规模的收缩，美国的情况正是如此；另一方面，单纯从银行的角度考虑，银行的信贷规模取决于银行的放贷能力和银行的放贷意愿两个因素。量化宽松货币政策下，商业银行获得了中央银行释放的大量流动性，提升了银行的放贷能力，但放贷意愿则由金融市场环境、贷款风险与收益等决定，它与量化宽松货币政策无关，金融生态的优劣与银行的放贷意愿强弱正相关。量化宽松货币政策虽然能够提高银行的放贷能力，但由于不能改善恶化的金融生态，因而不能提升放贷意愿。因此，量化宽松货币政策在总体上不能促使银行扩大信贷规模。

图1描述的是2000－2010年美国银行体系年末贷款余额的变化。2000－2007年的贷款余额年均增量为5837.11亿美元，年均增速为10.95％，考虑到这8年美国的经济增长和就业都没有出现太大的问题，我们有理由假设，这8年美国银行体系信贷的增长就是能够同时满足经济增长和充分就业的信贷供给。基于此，可以对2007年之后能够同时满足经济增长和充分就业要求的银行信贷规模作一个趋势外推预测。第一，按照年均增量进行外推，2008年、2009年和2010年3年的趋势值分别是84897亿美元、90734亿美元和96571亿美元；第二，按照年均增速外推，2008年、2009年和2010年3年的趋势值分别为87717亿美元、97372亿美元和107979亿美元。但是，由于金融危机造成金融生态恶化的影响，2008年美国的银行信贷不仅没有增长，还下降了7.84％；2010年，美国的银行信贷又比2009年收缩了5.58％，进一步扩大了与趋势值的距离。2008年、2009年和2010年3年美国银行体系信贷的实际值为72860亿美元、78060亿美元和73760亿美元，仅是按年均增量测算得到趋势值的85.82％、86.10％和86.38％，是按年均增速测算得到趋势值的83.06％、80.20％和68.31％。

也许有人会认为，美国银行体系信贷规模的收缩是由于美国银行体系资产规模的收缩所致，因为量化宽松货币政策并不能扩张银行体系的资产规模，而只能调整银行体系的资产结构，如果金融危机已经导致美国银行体系资产规模的大幅收缩，那么，银行信贷规模的收缩也就顺理成章。表2说明，金融危机确实对美国银行体系的资产规模产生了一定的冲击，但冲击力度并没有人们想像的那么严重。美国联邦储备银行的数据显示，美国银行产业的总资产在2008年仍然维持了以往的增长惯性，增速达到9.2％，2009年才开始出现一定的萎缩，增速为一5.8％，2010年的增速为-2.9％。表2中的分类数据说明，对就业拉动能力最强的商业和工业贷款现了急剧的下降，远远超过总资产的减幅，如果说总资产的下降也是商业和工业贷款下降的一个解释变量，那它最多也只能解释商业和工业贷款下降的三分之一。值得注意的是，即使总资产在收缩，证券资产却在快速增长，2009年和2010年的增速分别达到7.7％和6.4％，这说明，在金融生态恶化的背景下，银行选择将资产配置在证券资产而放弃信贷资产。

美国联邦储备银行推出量化宽松货币政策的目标，是试图通过收购长期债券向银行体系释放流动性，并希望银行体系将联邦储备银行释放的流动性配置到能够拉动经济增长和降低失业水平的信贷类金融资产。但实际运行的结果应该令量化宽松货币政策的设计者和实施者失望，量化宽松货币政策释放的流动性仍然被银行配置到证券资产。由于信贷类资产和其他类型资产都在减少，所以，证券类资产的份额不是在降低而是在提高，或者说，美国联邦储备银行通过量化宽松货币政策释放的流动性，被商业银行主要用于增持证券资产，实际上流动性又回到了中央银行。

四、银行信贷收缩背景下的国内投资与就业

彭建刚的研究显示，虽然美国的资本市场相当发达，但美国企业的融资仍然有超过三分之二的份额来源于银行贷款。在金融危机冲击下，美国资本市场的融资功能基本瘫痪，银行信贷在美国国内投资中的作用更加凸显。美国联邦储备银行试图通过量化宽松货币政策的实施拉动国内投资，这也正是考虑到银行信贷在国内投资中的巨大作用而使然。本文的第三部分已经说明，量化宽松货币政策下美国联邦储备银行释放的流动性并没有形成银行信贷，由此导致美国的国内投资也没有出现预期的扩张。图2显示，2000年美国的国内投资是17722亿美元，除2001年和2002年受到新经济泡沫破裂冲击有小幅下降外，之后4年都有增加，到2006年已经达到23272亿美元，2000－2006年6年间年均增量为925亿美元，年均增速达4.65％。我们有理由认为，如果没有金融危机的冲击，美国的国内投资会按照前期的惯性增长，这也是维持就业水平的必要条件。如果按照年均增量惯性增长，2007年、2008年、2009年和2010年美国的国内投资应该分别达到24197亿美元、25122亿美元、26047亿美元和26972亿美元，按照年均增速惯性增长，则应该分别达到24353亿美元、25484亿美元、26668亿美元和27907亿美元。但是，2007年、2008年、2009年和2010年的实际数据分别只有22952亿美元、20967亿美元、15892亿美元和18225亿美元，与金融危机前进行比较，分别只有2006年国内投资规模的98.63％、90.10％、68.29％和78.31％，也分别只是按年均增量测算的相应年份趋势值的94.85％、83.46％、61.01％、67.57％，更只有按年均增速测算的趋势值的94.23％、82.28％、59.59％和65.31％。美国国内投资不足是美国失业率高企的根本原因。

美国商务部经济分析局的国民账户统计数据也为美国经济的无就业增长主要来源于国内投资不足的结论提供了佐证。按照国内生产总值、居民消费、国内投资、净出口和政府开支构成的核算原则，美国商务部经济分析局对美国的国内生产总值进行了分解，2000－2010年的数据如表3所示。

根据表3，我们可以对金融危机前后美国国内生产总值及其构成要素的变化进行对比分析，以期说明金融危机后美国为什么会出现无就业增长。首先，金融危机对美国经济的冲击没有预期和想像的严重。从国内生产总值的数据看，2007年和2008年两年美国国内生产总值还是出现了增长，经济总量真正下降的仅是2009年，2009年的实际GDP增长率为－2.6％，而2010年的增速又恢复到了2.8％。第二，拉动美国经济增长的最大动力的居民消费没有受到金融危机的显

著冲击。由于居民消费具有显著的刚性，金融危机冲击下美国的居民消费并没有太多的萎缩，只有2009年出现1.02％的负增长，2010年的增速又达到3.49％，而且创造了美国居民消费的新纪录。居民消费也成为拉动2010年美国经济增长的主要动力，在该年2.8％的实际GDP增长中，有1.26个百分点来源于居民消费的扩张。第三，美国联邦政府和地方政府都显著地增加了政府开支，这对抑制经济衰退和维持就业水平起到了一定的作用。从绝对规模而言，从2000年到金融危机前的2007年，美国的政府开支年均增加747亿美元，但到2010年，美国的政府开支扩大到30003亿美元，2008－2010年3年的年均增量达到1576亿美元，是金融危机前的两倍；从政府开支占国内生产总值的份额来看，金融危机前一般都在19％以下，但2008年已经达到19.0％，2009年和2010年更是分别达到20.0％和20.6％。第四，无就业增长与净出口项目无关。自20世纪70年代中期出现贸易逆差以来，美国就从来没有摆脱过贸易逆差的困境，贸易逆差也就成为了美国经济运行的常态。由于每年都出现贸易逆差，所以，净出口在美国的国内生产总值构成中一直为负数。不过，长期的负数并没有影响它在某些时候对经济的增长也能做出贡献，而且贸易逆差对于美国经济能够在低通货膨胀、低资本成本下运行起到至关重要的作用。第五，萎缩的国内投资是美国经济无就业增长的主因。在2008年和2009年，国内投资的萎缩都严重地影响了美国的经济增长，按照美国商务部经济分析局的测算，2008年和2009年，国内投资对实际GDP增长的贡献分别是－1.53个百分点和－3.24个百分点。值得注意的是2010年的数据，由于国内投资有所恢复，该年实际GDP增速2.8个百分点中有1.84个百分点来源于国内投资。如果仅仅考察这一个数据，我们似乎不能将2010年美国的无就业增长归咎于国内投资。为什么美国的国内投资增长会与失业率上升同时出现呢?问题的答案在于经济增长和失业率统计方法的差异性。经济增长是按照年度环比核算，只考虑国内投资的增量，在前期已经大幅收缩、基数已经很小的情况下，国内投资的有限扩张能够拉动实际GDP的显著增长。但是，与失业率相关的国内投资却不是国内投资的增量而是国内投资的总规模。我们看到，即使2010年有所恢复，但美国的国内投资仍然停留在非常低的水平，所以它无法降低美国的失业率。

五、简要结论

金融危机恶化了金融生态，金融生态的恶化使得银行收缩信贷，银行信贷的收缩抑制了国内投资，国内投资的收缩导致美国的高失业率，在国内投资不振的背景下，即使实现经济增长，也仅是无就业的经济增长，这就是美国2010年出现无就业增长的基本逻辑。

美国实施量化宽松货币政策的目标是刺激经济增长和降低失业水平，但是，在恶化的金融生态下，美国联邦储备银行通过量化宽松货币政策释放的美元流动性只会滞留在银行体系内，不能形成满足国内投资需求的流动性供给，所以，美国的国内投资即使有量化宽松货币政策的强烈刺激也没有出现美国联邦储备银行预期的扩张，失业率也就自然不会降低。因此，在金融生态持续恶化的背景下，量化宽松货币政策虽然可能促进经济复苏，但不可能降低失业水平，量化宽松货币政策的就业效应无法实现。

篇5

：请通俗介绍一下什么是量化投资，它的发展情况如何？

叶乐天：中国量化投资研究院院长陈工孟曾做过这样的描述：第一批聪明人叫金融学家，他们发明了各种各样的金融衍生品赚得盆满钵满；第二批聪明人叫数学家，他们通过各种数据模型去发现了一些不合理的现象，同时发现了赚钱的机会，然而数学家不知道怎么把钱赚到手；第三批聪明人就是IT工程师、软件工程师，他们帮助第二批聪明人实现了赚钱的机会。而“量化投资”就是高端的金融人才、数学家和一流的IT工程师的复合。在美国有一种说法，最聪明的人，最高端的技术首先应用在两个领域，一个领域就是国防，第二个领域就是华尔街。

量化投资从20世纪70年代在美国兴起，经过40多年的发展，已经成为西方金融市场最为重要的投资方式之一。从20世纪90年代初期开始，量化投资的资产管理规模迅速增长，2000～2007年，美国的量化投资总规模增长了4倍多。2011年美国的量化投资和对冲基金的规模经过金融危机以后再创新高，达到了2万多亿美元的规模。

2009年被称为中国量化投资元年。随着2010年股指期货的推出，金融衍生品迅速登上中国资本市场的舞台，为量化投资的发展创造了有利的条件，而量化投资的发展为投资者提供了可选择的、非常有优势地位的投资方式。

：量化投资与价值投资有什么关系？

叶乐天：资本市场之大，每位强者都有自己的成功之道。相对于巴菲特过去20年平均20%的年回报率，有位中国人不太熟悉的高手更胜一筹，他就是华尔街的“模型先生”詹姆斯·西蒙斯。西蒙斯创办的大奖章基金从1989年到2006年的平均年收益率高达38.5%，净回报率超过巴菲特，即使在次贷危机爆发市场一片阴霾的2007年，他的基金回报都高达85%。

与股神巴菲特的“价值投资”不同，西蒙斯的投资成就依靠的是“量化投资”。这位24岁起就出任哈佛大学数学系教授的数学天才，依靠数学模型和计算机技术捕捉着市场机会。他认为，数学模型比主动投资能够更有效地降低风险。虽然中国人对西蒙斯这个名字还比较陌生，但量化投资产品在华尔街已经非常普遍。

：为什么说量化投资像西医？

叶乐天：随着计算机运算速度的提高，华尔街的量化投资已经发展到争取几毫秒的机会。同一个套利机会下，谁下单早，谁就能抓住机会。尽管大家争取的可能是万分之一的收益，但是通过每天大量的交易，日积月累，就能取得很高的回报。

与市场熟悉的定性投资相比，量化投资在研究方法上与其有着很大不同。定性投资主要通过公司基本面研究进行投资决策。需要基金经理到企业调研，看研究报告，与高管深入交流、了解大股东诉求，了解公司发展规划之类，有深度。量化投资则注重广度，比如市场上有2000只股票，量化投资会通过计算机比较2000只股票的数据，找出上涨个股共同的特征因子进行投资。与定性投资产品的基金经理经常出差不同，我主要的工作都在案头——搜集数据，处理数据、还有编程。

定性投资和定量投资的差异如同中医和西医的关系。定性投资更像中医，更多地依靠经验和感觉判断病在哪里；定量投资更像西医，依靠模型判断，模型对于基金经理的作用就像CT机对于医生的作用。

：如何选择量化投资产品尤其是指数基金？

叶乐天：目前，量化投资在中国公募基金市场的形态还比较简单，主要可以分为被动型的和主动型的。被动型的量化产品包括了大量的指数基金；主动型的量化产品则主要有3种模式，分别是“多因子型”、“事件型”和“宏观择时型”的。事件型和宏观择时型相对容易理解。多因子型，就是通过比较数据，筛选出个股走势变化的关联因子，然后，在未来个股走势出现类似因子时，触发交易，从中取得收益。

在公募产品中，以指数型产品为主，主动量化的产品数量稀少。公募基金受制于交易监管规则，比如在同一天的交易中，不能对同一标的做反向交易，在衍生品工具的使用上也非常有限，所以做主动量化的产品较少。同时，量化投资不像定性研究，对单个公司研究得很透，经得起很大的波动，追求的涨幅也大。量化投资通常追求很小的涨幅，但业绩比较稳定。而且，历史上指数基金的业绩表现还算稳定，主动量化基金产品的稳定性稍差，而业绩稳定对开放式基金更加重要。此外，市场深度不够也制约了量化产品在中国的发展。公募基金的规模通常比较大，如果做主动型的产品，更换持仓的冲击成本就比较大。

篇6

中图分类号：F832 文献标识码：A 文章编号：1672-3791（2012）09（c）-0252-02

2012年以来，以量化分析技术投资著称的量化基金表现得一枝独秀，逐渐从振荡市中脱颖而出。一季度，上证综指上涨2.88%，同期标准股票型基金平均业绩为0.31%，而按照Wind分类的13只量化基金，其平均业绩为2.92%，五行基金更是取得7.65%的正收益，在亚洲量化基金中排名第一，超越同期上证指数4.77个百分点。

美国私募基金复兴科技公司的第一支纯粹的量化投资基金—— 大奖章基金，从1988年3月成立至2008年的21年里，平均年度净收益高达36%，远远跑赢同期道指年均8.81%的涨幅，比索罗斯、巴菲特同期的业绩高出10%，原因：一是数学家基金经理；二是量化分析技术。

1 基本面分析量化分析是投资机构先后采用的2种投资技术

基本面分析，是分析员和基金经理通常采用研究财务报表，与公司高层会谈，与相关人员荷香业专家讨论等方式，对少数几家公司股票（约10到100只股票）进行非常深入的研究分析，来决定要投资哪些股票以及如何投资。在基本面分析分类中，会根据行业不同，有专员长期跟踪和深入研究其中一个行业，而这几名专员最后则会成投资这个行业的专家。在股票市场成立以来长期采用的较为传统的分析和投资方式就是基本面分析。基本面投资，通过企业内部财务报表的形式，来发现企业的潜在价值，以求企业得到稳定持续的高额收益，一旦买入，长期持有。

量化分析，借助数学、物理学、几何学、心理学甚至仿生学的知识，通过建立模型，进行估值、择时选股。量化分析员和量化基金经理，通常会同时研究全盘数千支股票，分析的方式也可以是基于公司基本面的，但是会强调量化财务指标。量化的指标（又称因子）也可以是其他更有特色的数据。从事量化分析投资的基金经理通常不去上市公司实地调研，而是将精力放在不断完善模型上，量化分析投资的模型是决定投资业绩的关键，投资模型始终处于绝密状态，不同市场设计不同的量化分析投资管理模型，在全球各种市场上进行短线交易。

2 量化分析技术获取超额投资收益之道

在变幻莫测的市场经济中，能否理性思考投资、不受情绪影响，将是成功的关键。而利用计算机的筛选得出的量化分析基金，不受投资中非理性因素影响，使投资更有计划行、纪律性、规律性，基金管理人要做到不贪婪、不恐惧、不放弃，不受情绪影响，以一颗平常心追求利益瘦小。

量化分析，有一套完整、科学的投资体系。严格的纪律性是量化投资明显区别于主动投资的重要特征。在量化分析基金的运作中，主观判断也会出现和量化分析模型相左的情兄，但会坚持量化分析投资的纪律，相信模型判断的长期稳定性，不会盲目去调整改变。与传统偏股型基金不同，量化分析基金采用独特的投资组合管理方式，渐进动态调整基金组合。这样不仅可以顺应瞬息万变的市场，还可以降低个股集中度，平稳投资业绩。因此，这种方式并不会产生传统意义的重仓股，也就大大降低了重仓个股的风险。

量化分析业绩，来自于量化分析模型批量选股的成功率大于失败率。量化分析的模型敏锐的“发觉”了开场环境的转变，自动调高了评估因子、预期因子及市场反转因子的权重，量化分析模型依此逻辑选择的股票大部分取得较好收益，提升了整体业绩。

3 量化分析技术创始人并非经济学家。

量化分析技术并非发端于华尔街，不少人最初并非经济学家，如巴契里耶和布莱克原先是数学家，夏普则从事医学，奥斯伯恩为天文学家，沃金与坎德尔是统计学家，而特雷诺则是数学家兼物理学家。1970年代美国债券市场和股票市场全面崩盘，当时提出用量化分析方法管理投资组合的人是作家彼得·伯恩斯坦。1952年3月发表“投资组合选择”论文、提出现代财务和投资理论最著名远见的马克维茨，以该理论勉强通过博士答辩，到1990年10月，这些人中才有三位获得诺贝尔经济学奖。

2012年，美国伦斯理工学院金融工程硕士李炬澎，依据5000年中国古老的《易经八卦数理》研发立体数量模型分析微观经济，用超高频率政治外交词汇、交易数据、股票期权数据、公司债务数据来做个股分析，用《五行相克相生原理》来分析自然、社会、政治、人文如何影响宏观经济。比如用计算机分析新闻报道中天地雷风水火山泽8中自然天文现象与宏观经济关联程度，使五行基金取得亚洲量化分析投资行业第一名的业绩。

4 量化分析技术应用的载体是计算机软硬件技术的发展

马克维茨的投资组合现代金融理论，提出了风险报酬和效率边界概念，并据此建立了模型，成为奠基之作。托宾随后提出了分离理论，但仍需要利用马克维茨的系统执行高难度的运算，1961年，与马克维茨共同获得1990年诺贝尔奖的夏普用IBM最好的商用电脑，解出含有100只证券的问题也需要33mim。夏普1963年1月提出了“投资组合的简化模型”（单一指数模型），简化模型只用30s。1964年夏普又开发出资本资产定价模型（CAPM），不仅可以作为预测风险和预期回报的工具，还可以衡量投资组合的绩效，以及衍生出在指数型基金、企业财务和企业投资、市场行为和资产评价等多领域的应用和理论创新。1976年，罗斯在CAPM的基础上，提出“套利定价理论”（APT），提供一个方法评估影响股价变化的多种经济因素。布莱克和斯克尔斯提出了“期权定价理论”。莫顿则发明了“跨期的资本资产定价模型”。

5 量化分析应用的关键是基本面分析无法快速精确处理丰富的金融产品和巨大交易量

1970年代以前，华尔街认为投资管理需要天赋、直觉以及独特的驾驭市场的能力，基本面分析师、基金经理可以独力打败市场，而无需依靠那些缺乏灵魂、怪异的数学符号和缥缈虚幻的模型。华尔街对学术界把投资管理的艺术，转化成通篇晦涩难懂的数学方程式一直持有敌意，1970年代初期，美国表现最佳的基金经理人从未听过贝塔值，并认为那些拥有数学和电脑背景的学者只是一群骗子。

量化分析投资不会出现在个人投资者为主的时代。个人投资者既缺乏闲暇的时间，也普遍无此能力。仅有现资理论的建立，及各类模型的完善与推陈出新，并不会直接催生出量化分析投资，它还需要其他几个重要前提条件，比如：机构投资者在市场中占据主导，随着社保基金和共同基金资产的大幅增加，成为市场上的主要机构投资者，专业机构管理大规模资产，需要新的运作方式和金融创新技术，专业的投资管理人有能力和精力专注地研究、运用这些量化分析技术。

1970年代后期的Wells Fargo银行，率先用量化分析技术管理投资组合，投资高股息股票，用较少的风险获得了较大的收益，不用这些模型，不用电脑运算这些公式，会陷于困境。1980年代以来，面对数不胜数的各类证券产品和期权类产品，以及庞大的成交量，许多复杂的证券定价，必须靠大容量高速运算的电脑来完成。到2007年美国股市近一半的机构基金都是由量化模型来管理的。从2000年初到2007年全球量化分析基金市场连续8年表现远远超过其他投资方式。

6 量化分析在应对经济危机和突发经济事件中开拓前进

1987年10月大股灾，当天股市和期货成交量高达令人吃惊的410亿美元，价值瞬间缩水6000亿美元。很多股票直接通过电脑而不是经由交易所交易。一些采用投资组合保险策略的公司，在电脑模式的驱使下，不问价格机械卖出股票。很多交易员清楚这些投资组合会有大单卖出，宁愿走在前面争相出逃，加剧了恐慌。针对整个投资组合而非单个证券，机械式的交易，电脑的自动操作，大量的空单在瞬间涌出，将市场彻底砸垮。

1997年至1998年亚洲金融危机股市暴跌，量化分析投资的算法交易也起到了同样的坏作用。著名的长期资本管理公司，遭遇俄罗斯国债违约这一小概率事件，也陷入破产之境，迫使美联储集华尔街诸多投资银行之力，加以救助。

2007年8月金融危机中，许多量化基金出现巨额损失。其原因主要是几家大型对冲基金大量卖出它们的量化分析基金股票，去弥补其在其他投资方式上的损失。由于很大相同仓位的股票在很短的时间内被廉价卖出，从而加剧了很多投资指标的损失，尤其是价值和动量指标的损失。

2011年即使欧债金融危机发生，量化分析基金也再次表现优异，超过其他投资方式，虽然能否就此再度复兴仍属未知，此一趋势已不可逆转。

7 量化分析技术今后几年全球应用的热点在中国的A股市场

中国金融、资本、股市投资者结构很不合理，A股市场的专业投资机构持有市值的15.6%，而发达市场这一比例大致为70%。更为不合理的是交易结构，A股市场个人投资者持有市值占比26%，但却完成了85%的交易。根据Wind分类，目前我国市场上共有13只量化基金，包含11只普通股票型基金，1只指数基金和1只偏股混合基金。

中国现有的人才和技术都难以支持完全的量化分析投资，在缺乏国际化人才和成熟模型的情况下，经营业绩自然也差强人意。

量化分析今后几年全球热点在中国的A股市场。现在主要发达国家的股市很大程度上由量化基金所控制。为了寻找更高收益的市场，很多大型量化基金也开始大量投资于发展中国家市场，中国的A股市场是今后几年全球量化分析投资热点，所以近年来很多北美和欧洲的高层量化分析基金经理和分析员纷纷到中国大陆、香港和新加坡推广量化投资技术。这是国际国内的金融市场和投资者，都要面对的机会和挑战。

篇7

2008年9月后，美国次贷危机迅速转变成20世纪“大萧条”以来最严重的国际金融危机，对全球经济和国际金融市场带来严重冲击，主要发达经济体的经济和金融体系更是首当其冲。一是经济陷入持续低迷增长期。2008―2012年，美国经济增速分别为-0.3%、-3.1%、2.4%、1.8%和2.2%，欧元区经济增速分别为0.4%、-4.4%、2.0%、1.4%和-0.6%，日本经济增速分别为-1.0%、-5.5%、4.7%、-0.6%和2.0%。二是金融体系的功能严重受损。危机初期，主要发达经济体金融体系基本丧失融资功能，金融机构的资产质量急剧恶化。尽管采取了很多措施，但仍大量持有不良资产或风险资产，目前这些金融机构的“去杠杆化”过程仍在继续，市场信心依然脆弱。三是失业问题突出。危机造成失业人数大幅上升，主要发达经济体失业率均攀升至本世纪以来的高位，美国失业率从2007年的4.6%急剧攀升至2010年的9.6%，2013年3月仍维持在7.6%的较高水平。2012年，欧元区、英国、日本的失业率分别为11.4%、8.0%和4.3%，失业率居高不下成为政府最棘手的问题。四是财政赤字飙升。发达国家的公共债务水平攀升至二战以来的最高水平，日本、美国和一些欧洲国家的公共债务与GDP之比已超过100%。这些国家的财政赤字巨大，不得不紧缩财政开支，反过来拖累经济复苏，刺激经济的财政政策空间严重不足。

传统货币政策主要以短期利率为目标，进而影响经济增长和通货膨胀管理。在危机严重冲击之时，主要发达经济体一方面创新融资工具向财务困难的金融机构提供流动性，救助可能引发系统性风险的特定机构；另一方面多次下调政策目标利率，其中美联储在2007年9月至2008年12月连续10次降低联邦基金目标利率，从5.25%降至接近于零（0―0.25%）的历史最低水平。欧央行再融资利率由4.25%降至0.75%；英格兰银行将回购利率由5%降至0.5%；日本央行将政策利率由0.5%降至0.05%。目前，主要发达经济体政策利率均处于接近于零的历史超低水平。

超低利率政策一定程度上有助于缓和危机，但没有有效解决消费和投资恢复增长、降低失业率的根本性问题。由于名义利率不能为负，政策利率降至零后就无法进一步下降。因此，在短期利率工具达到极限且财政困难的情况下，主要发达经济体不得不相继推出了量化宽松政策。而危机以来，主要发达经济体的通胀持续维持在较低水平，为量化宽松政策的实施提供了可能。

量化宽松政策的主要做法

所谓量化宽松政策，是采用数量型的货币政策，通过扩大中央银行资产负债规模，改变资产负债结构，大幅度增加货币供应，促进信用扩张。其突出的变化是在利率工具失效情况下，中央银行从利率调控重新转向货币数量调控。如2013年4月，日本央行明确宣布将货币政策操作目标从无担保隔夜拆借利率改为基础货币，将基础货币在两年之内翻倍。

主要发达经济体实行量化宽松政策的主要做法，一是央行通过公开市场操作大量购买国债，投放货币。实施量化宽松政策以来，美联储、日本央行和英国央行分别购入本国国债1.18万亿美元、46.8万亿日元和3750亿英镑。2011年3月开始，欧央行每月购买740亿欧元的债受困国的国债，2012年9月开始在一定条件下视需要在二级市场购买成员国国债。二是直接增持金融市场低信用等级的风险资产，注入流动性。如美联储直接购买政府支持型企业的债务和所担保的抵押贷款支持证券。日本央行直接购买商业票据、开放式指数基金（ETF）、房地产投资基金（REITS）等金融市场工具。三是直接给金融机构提供资金支持。如通过扩大合格抵押品清单、扩大央行操作对象清单、取消流动性供给限制、实施资产担保债券购买计划（CBPP）等方式给予金融机构流动性支持。四是调整央行资产负债表的期限结构。央行资产中的长期债务比例显著上升，直接压低了长期利率水平。

为了给实施量化宽松政策营造市场预期环境，主要发达经济体央行重新诠释了货币政策的直接目标。如美联储宣布其量化宽松政策持续实施直至失业率降至6.5%以下，日本央行则在通胀率长期为负的情况下，明确设定2%的通胀目标，并无限期购买资产直至实现通胀目标。

危机以来，美国、欧元区、英国、日本等主要发达经济体实施了多轮量化宽松政策，其中美国从2008年11月25日到2012年12月先后推出四轮、欧央行从2009年到2012年9月先后推出三轮、英国从2009年3月到2012年7月先后推出三轮、日本从2010年10月到2013年3月先后推出三轮量化宽松政策措施。采取上述量化宽松政策后，这些央行的资产负债规模显著扩大。2007年底到2013年一季度，美联储的资产负债表扩张2.5倍，英格兰银行扩张3倍，欧央行增长75%，日本央行增长47.7%。

量化宽松政策的传导渠道和作用机制

一是通过利率渠道压低企业融资成本。央行通过大量购买长期资产压低长期利率，降低借贷者的融资成本，减轻居民和企业的利息支付负担，促进信用扩张，刺激投资、消费需求，以实现增加就业、恢复经济增长的目标。

二是通过财富分配渠道刺激企业投资和家庭消费。低利率和量化宽松政策的货币环境刺激股票市场和房地产市场的价格回升，产生财富效应。消费需求和能力上升，进而带动企业投资的增加。至2012年底，美国的道琼斯工业指数、标普500指数和纳斯达克综合指数分别比2008年底上涨49.3%、57.9%和119.6%。全美住宅建筑商协会/富国银行住房市场指数自2008年11月以来上涨了3.9倍；日本的日经225指数比2008年底上涨17.3%；英国的金融时报100指数比2008年底上涨33.0%。危机初期社会财富急剧缩水的状况有明显改善，对扩大投资和消费可能发挥一定作用。

三是通过汇率贬值渠道促进出口。货币供给的膨胀引导本国货币贬值，进而扩大出口。如日本实行新一轮量化宽松政策以来，2013年3月末日元汇率较2012年10月末贬值15.3%，2008年6月末至2013年3月末，欧元兑美元汇率贬值23.1%，期望对出口产生刺激作用。

四是通过利息渠道缓解财政困难。低利率环境大大降低了因巨额财政赤字政府发行大量国债的利息负担和再融资成本，纾缓了这些国家所背负的巨额还本付息困难，以期为更多削减财政赤字和发挥财政政策的作用赢得时间。

应该看到，由于危机成因的复杂性，目前主要发达经济体的经济复苏进程曲折迟缓，量化宽松政策对实体经济在短期内有一定效果，但长期效果有待观察。

量化宽松政策对我国的影响

主要发达经济体的量化宽松政策一定程度上稳定了本国金融市场的信心，平滑了市场主体的去杠杆化和债务调整的痛苦过程，有助于提振实体经济活动。通过四轮量化宽松政策，美国经济已呈现温和增长态势，劳动力市场有所改善，房地产市场出现好转。欧央行的量化宽松政策对欧元区经济的刺激作用虽不明显，但很大程度上支撑了欧洲债券市场的信心与稳定，阻止了欧债危机的急剧恶化。

因此，短期来看，量化宽松政策对本国经济复苏有一定的促进作用，因而有利于稳定发展中国家的外部需求和经济增长环境。但这一政策深刻改变了国际经济和金融环境，对发展中国家具有很强的“溢出效应”，蕴含的风险隐患值得警惕。

一是加大跨境资本大进大出的波动风险。新兴市场较高的投资回报率对发达经济体的资金具有很强的吸引力。根据国际金融协会统计，2009―2011年，全球30个新兴市场国家资本净流入超过2.1万亿美元，年均增幅近40%，远超过去15年18%的平均水平。不仅加剧这些国家的输入性通胀和资产价格上涨压力，而且一旦发生新的经济金融变数，大量资金集中流回，可能使新兴市场的资产和货币错配风险暴露，甚至带来严重冲击。

二是加大全球性通胀的潜在风险。实行量化宽松政策国家的货币是国际主要储备货币，因而向本国金融体系注入大量货币相当于向全球金融体系注入了大量流动性，很大程度上强化了未来通胀预期。随着经济逐步复苏，过多的流动性可能加快流向大宗商品、能源、粮食、原材料等，一定条件下将引发全球性通胀压力的迅速上升。

三是加大国际金融市场的波动风险。持续的量化宽松政策导致全球资产配置的风险偏好上升，因量化宽松政策是权宜之计，随着经济复苏需要适时退出。退出时将导致利率上升，如果调控不当，可能对资产价格造成显著影响，给国际金融市场带来冲击。本国投资者和其他国家也包括新兴市场国家的投资者都会面临着较大的投资风险。

四是加大全球货币竞争性贬值的风险。量化宽松政策注入的大量货币引导主要货币贬值。为维持本国出口竞争力和经济增长，其他国家可能不得不采取竞争性贬值策略，市场已经注意一些国家的货币跟随主要货币较大幅度贬值的现象，引发对货币战的担忧。

总之，当前主要发达经济体正处在经济再平衡的进程中，需要进行深刻的结构性调整，这是一个长期艰难的过程。量化宽松政策无法从根本上解决主要发达经济体长期依赖金融和房地产以及负债消费的增长模式等深层次矛盾，还可能埋下新的风险隐患，对全球经济的可持续增长和金融市场的长期稳定造成新的不确定性。

妥善应对量化宽松政策的“溢出效应”

过去五年，我国沉着应对国际金融危机的严峻挑战，根据形势变化及时果断调整宏观调控的着力点和力度，出台进一步扩大内需、促进经济平稳较快增长的措施，宏观经济总体上保持增速平稳较快、物价相对稳定、就业持续增加、国际收支趋于平衡的良好态势。但同时也面临着不少风险和挑战。要密切关注和分析国内外形势变化，妥善应对，办好自己的事，实现我国经济平稳健康发展。

一是积极推动转变经济发展方式和结构调整。坚定不移地把扩大内需作为经济发展的长期战略方针，充分发挥消费的基础作用和投资的关键作用。更加注重发展的质量和效益，把力气更多地放在推动经济转型升级、扩大就业和增加居民收入上来。积极稳妥推动城镇化的健康发展，进一步发展壮大服务业，增强经济发展的内在活力和动力。

二是加强和改善宏观调控。继续实施稳健的货币政策，健全宏观审慎政策框架，发挥货币政策逆周期调节作用，合理调节流动性，保持货币信贷和社会融资规模平稳适度增长，优化信贷结构，促进金融资源的优化配置。

篇8

量化宽松的根源国际金融危机以来，为应对金融危机带来的经济衰退和严重的失业，按照传统的办法，各央行可以降低基准利率，调节货币供给量，影响消费和投资，扩大社会总需求，最终刺激经济，促使经济的增长和失业率的下降。这也就是常规的货币政策的传导机制。但当经济体陷入了流动性陷阱后，传统的货币政策的传导机制将受到阻碍，中央银行将难以通过传统货币政策来实现宏观调控目标。

流动性陷阱最早由凯恩斯提出，所谓流动性陷阱，是指当一定时期内利率水平降低到不能再低时，人们就会产生利率上升而债券价格下降的预期。货币需求弹性就会变得无限大，即无论增加多少货币都会被人们储存起来，而不会被用于消费和投资。由于政策利率是名义利率，其下限为零，中央银行无法将政策利率下调至低于零的水平。而当政策利率下调后所增加的货币供给量仍不足以改变货币需求时，政策利率就失去了对市场利率的影响作用，进而失去对投资和消费的调控功能，因此当一个经济体陷入流动性陷阱后，则以政策利率为主体的价格型的货币政策工具失效。

在2008年全球经济危机爆发前，很多国家的利率就长期维持在低水平。危机爆发后，各国央行的第一举动就是通过调低准备金率和再贴现率调低市场利率。英格兰银行、美联储等都将利率调至趋于零的水平，但是经济仍没有回暖的迹象。面对银行倒闭，企业破产，投资萎缩，消费减退的形势，各国的利率却早已降至不能再降的地步。可以说，此时，传统的货币政策工具已对振兴经济爱莫能助了。因此必须采用一种新的方式，通过数量型的货币政策来应对新的难题，即量化宽松。

量化宽松所谓量化宽松，是指中央银行在实行零利率或近似零利率政策后，通过购买中长期债券，增加基础货币供给，向市场注入大量流动性的干预方式。它的原理就是央行通过公开市场操作，向银行体系注入超额资金，让基准利率维持在零，从而为经济体系创造新的流动性，以鼓励消费和投资，最终促进经济增长和就业。正如弗里德曼所称，量化宽松实质就是“央行派出直升机从空中撒下钞票”。结合上述定义，量化宽松具有如下特点：①该措施实施的主体是中央银行，即货币当局。②实施的背景是利率为零或接近于零。③采取的方法是购买国债等中长期债券。④目的是增加基础货币供给，提升市场流动性。

（1）伯南克与量化宽松美国的货币政策的实施历来与美联储主席的个人风格有密切关系，伯南克用自己二十年的理论成果，重新审视当下经济危机，力排众议制定通货膨胀指标，处理资产泡沫，以激进的方式进行风险管理。他的主要理论观点是：强大的金融市场和信贷市场和实体经济之间可互相促进，实现经济繁荣。在理论的指导下，伯南克详细列出了美联储应对金融危机。

即量化宽松的步骤：①将联邦基金利率降到零。②在很长一段时间内始终把短期利率的控制在较低的水平，或者是承诺无限量地购买国债直至国债收益率下降为止。③同时使用宽松的货币政策和财政政策，例如在减税的同时提高货币发行量，这样就不会导致政府财政赤字的增加。

（2）对量化宽松货币政策的评价总体上，量化宽松货币政策的主要起到了以下几个积极作用：一是向陷入资金困难的银行提供充足的流动性，救助濒临破产的金融机构，防范系统性金融风险，维护金融稳定，并支持金融体系，鼓励银行放货。二是使利率、特别是长期利率保持在低位，有利于降低企业贷款成本，并促进消费，从而推动经济复苏；三是避免通货紧缩预期，甚至通过产生通货膨胀的预期，降低实际利率，从而避免经济进一步紧缩。四是购买金融机构和社会民众的有价证券，直接向市场注入大量流动性，有效化解市场流动性不足的问题。

篇9

二、师资

海龟交易法的成功，离不开投资大师丹尼斯的指导，而要在高职高专类院校开展量化交易教学，首先需要授课教师自身具备多年的交易经验和量化交易的实践基础。虽然高职高专院校近年来在规模和质量上都有了较大发展和提升，但在教师队伍中具有“双师型”素质的教师占比还是处于较低水平。大部分教师都缺乏企业工作经验和相关的实践技能。具体到投资理财专业，很多授课教师缺乏金融交易经验，更不用说量化交易的经验了，这样的师资背景很难对学生进行有效的指导。

三、学生素质

高职高专院校的生源主要有三个：技工学校、中等专业学校或职业高中、普通高中。大多数学生在走进大学校门之前从没接触过金融交易，也缺乏计算机编程和数据统计的基础，如果教师在教学中要求过高过快，学生很容易产生畏难和厌烦情绪。教师应当在学生己经掌握基本面分析和技术面分析技能之后，再融入量化交易的思想，否则学生将很难理解量化交易的本质。

四、实盘交易的资金来源

量化交易可以利用历史数据对个人想法以及对市场的理解进行验证，。但历史终归是历史，最能检验交易水平高低是实盘交易，只有在实盘交易中生存下来，交易技能才能真正得到提升。而对于大多数学生来说，实盘交易很难实现，因为他们缺乏实盘所需的交易本金。由学校提供相应的资金也不太现实。

五、政策建议

在此，提出近几年来在高职院校实践量化交易教学的一些做法，供各位同行参考：

1.学校可以与证券金融机构合作建设金融实训室，由他们分担一部份软硬件建设和教学任务。一方面，证券公司、期货公司等金融机构有与学校相关专业进行合作的意向，他们希望学校能向公司输出人才和技术。另一方面，学校也需要经常与用人单位沟通，了解市场的需求，有的放矢的调整专业和课程体系。因此，学校和金融机构可以采取“订单式”培养的模式，学校按用人单位的要求来组织日常教学，培养应用型人才。

2.教师应当不断的自我提高。首先，教师自己要熟悉量化交易。相对传统的证券投资课程教学，量化交易教学对授课教师的要求更高，不仅要求教师有扎实的金融投资、统计、数理建模等方面的理论知识，还需要教师拥有丰富的实盘交易经验和量化交易经验，这样才能给学生有效的指导。其次，教师应当充分考虑未来市场的走向，不断调整与更新模拟对象与内容，设计出更为合理的模拟教学过程。

篇10

刘钊：量化投资的主要特点是买入、卖出股票，不再是由人的主观判断做出决定，而是由量化模型决定。量化投资是一套科学的方法，有严格的分析、计算，什么好什么不好，不是我们自己说了算，是数据和模型说了算。即使是简单的低市盈率投资方法，只要能严格执行，就能取得超额收益。

记者：排除了人为主观情绪的影响，但由量化模型控制的量化投资基金的收益会如何呢？

刘钊：我们可以看看美国最成功的量化投资大师――詹姆斯・西蒙斯管理的大奖章基金，在1989年―2006年的17年间，大奖章基金平均年收益率达38.5%，而股神巴菲特过去20年的平均年回报率也不过20%。正是鉴于量化投资的巨大威力，摩根士丹利华鑫基金公司经过两年的精心准备，推出了国内真正意义上的量化投资基金――大摩华鑫多因子基金。

记者：量化投资的成败，关键在哪里？

刘钊：普通投资者买卖股票，主要是基于政策、基本面、市场、技术等各种信息和经验来做出交易决定，这些因素属于主观判断，而且往往容易受到情绪的影响。量化投资是将投资思路通过设定的指标、参数体现在量化模型上，通过计算机系统自动买卖股票，因此，量化投资的关键点就在于建立一个好的量化模型。

记者：量化投资和价值投资冲突吗？

刘钊：说到投资，大家首先想到的是巴菲特的价值投资，从长期的历史实践看，价值投资确实比较有效，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。得到的结果是，从2005年5月至2010年5月，沪深300指数的年化收益率为25.4%，同期量化建模的低市盈率策略基金的年化收益率达到29.46%，与沪深300指数相比，低市盈率策略基金的超额收益为4.06%。以此为基础，再以预期市盈率为基础建立一个模型，并模拟买入当年预期市盈率最低的100只股票，量化模型的年化收益率有36.51%。

记者：大摩华鑫的量化投资模型有何成功之处？

篇11

事实上，银行股的这波上涨，可以回溯到年初3月份4152点最低点，照此算来，银行板块指数年初至今也上涨了32%。即便如此，与市场上的军工、医药等板块相比，这个涨幅并不突出。随着银行股低估值被逐渐发现以及沪港通的影响，未来有可能还会继续上涨。

有鉴于此，《投资者报》特别找出了三季度末仍然重仓银行股的基金名单，希望通过对其的详细梳理，能够对投资人借道基金坐享银行股牛势行情有所助益。

《投资者报》统计发现，三季度末仍重仓银行股的基金一共有230只。其中，持有仓位比例最高的是国泰上证180金融ETF、华夏上证金融地产ETF、华宝兴业上证180成长，均持有7只银行股，仓位全在40%以上，持有仓位分别是46%、44%、42%。

从近6个月净值增长来看，宝盈策略增长、工银瑞信金融地产、招商大盘蓝筹、新华钻石品质企业、诺安中小盘精选、新华优选分红、华泰柏瑞上证中小盘E、南方策略优化、大摩量化配置、易方达上证中盘ETF等10只基金位列净值增长前十。值得一提的是，这10只基金近6个月的净值增长均超过了30%。

工银瑞信金融地产暂时领先

从今年以来净值增长情况来看，工银瑞信金融地产在上述230只重仓银行股的基金中暂时领先。其今年以来的净值增长为45%，近一个季度净值增长19.83%，均位居230只重仓银行股基金第一。

从持仓股票来看，工银瑞信金融地产持有3只银行股，分别是318万股浦发银行、500万股光大银行、250万股交通银行。

从这3只银行股的涨幅来看，其年初至今的涨幅分别为24.5%、23.2%、29.5%。均未能跑过银行类板块指数年初至今32%的涨幅，显然向上空间还很大。从10日涨跌情况来看，上述3只银行股的近10日涨幅分别为11.52%、8.9%、8.41%。据此测算，这三只个股近10日分别为工银瑞信金融地产的净值增长供献了320万元、113万元、83万元，合计516万元的浮盈。

从同类排名来看，工银瑞信金融地产今年以来在365只同类基金中净值涨幅排名第7。这对于成立一年多、又是新人基金经理管理的基金来说，这样的成绩还是相当可以的。

公开资料显示，工银瑞信金融地产为双基金经理制，基金经理鄢耀，6年证券从业经验，先后在德勤华永会计师事务所担任高级审计员，中国国际金融公司分析员，2010年加入工银瑞信担任研究部研究员；另一基金经理王君正，5年证券从业经验。曾任泰达宏利基金公司研究员，2011年加入工银瑞信任研究部研究员。尽管两位基金经理均拥有多年证券从业经验，研究经历丰富，不过，该基金仍然是他们管理的首只基金。

与工银瑞信金融地产持有三只银行股不同，在上述230只重仓银行股中同样表现优异的宝盈策略增长，则仅持有了一只银行股――中信银行。对比其近一年来的持仓可以发现，截至去年年末，宝盈策略增长的前十大重仓股中没有中信银行的身影，到了今年一季度末，宝盈策略增长的前十大重仓股中已持有5000万股的中信银行，上半年加仓至5800万股。

从盘面来看，中信银行在2014年2月7日这周筑底完毕，随后展开了一波强势上攻，由3.57元每股一路上攻到2月28日这周的最高5.58元，上涨了56%。据此算出，宝盈策略成长在中信银行这只股票的建仓成本价应在4.5元附近。值得一提的是，截至今年三季度末，宝盈策略成长在中信银行股票上的持仓重新回到了5000万股，从盘面上来看，这期间中信银行一直处于横盘状态，宝盈策略成长的减持，更大可能是前期部分获利盘的落袋为安。

相关量化、ETF基金可高度关注

哪怕知道银行股要走出牛市行情，但要在16只上市银行股中选中涨得最高、涨得最快的龙头并不容易，特别是对于消息滞后、缺少时间的工薪族，经常是“只赚指数不赚钱”。这时，直接投资指数型基金或量化基金也就成为了更加实用的投资选择。

《投资者报》统计得来的数据也对上述观点形成了较为有力的支撑。据《投资者报》测算，230只重仓银行股的基金中，持仓仓位前十的基金分别为国泰上证180金融ETF、华夏上证金融地产ETF、华宝兴业上证180成长、海富通上证周期ETF、信诚中证800金融、华宝兴业上证180价值、建信上证社会责任ETF、国投瑞银沪深300金融、汇添富中证金融地产E、嘉实中证金融地产ETF。

其中，除了嘉实中证金融地产ETF持有银行股的仓位占比为29.63%外，另外9只基金持有银行股的仓位占比均超过30%。显然，如此高的仓位占比，一旦银行股板块大幅齐涨，这些基金的受益程度也将明显超过其他同类基金。

篇12

量化投资是投资者借助计算机信息化建立数学模型，把最新市场数据和相关信息输入到模型中，通过公式计算出投资对象，做出最优投资决策。量化投资不依靠投资者的感觉直觉，不依赖个人判断，而是将其经验利用信息通过模型实现投资理念。同时，投资者期望达到收益和风险的合理配比，利用夏普比率等科学方法控制收益和风险。量化投资者不用每天重复的分析琐碎信息，只需要不断完善这个模型并不断创造新的可以盈利的模型。

二、量化投资策略

（一）量化投资策略分类

量化投资策略，主要包括量化择时策略、统计套利策略、算法交易策略、组合套利策略、高频交易策略等。

（1）量化择时策略是收益率最高的一种交易策略，通过对宏微观指标的量化分析判断未来经济走势并确定买入、卖出或持有，按照高抛低吸原则获得超额收益率。在量化择时策略中，趋势跟踪策略是投资者使用最多的策略。量化择时分析策略包括：趋势跟踪策略、噪音交易策略、理易策略。

（2）统计套利是风险套利的一种，通过对历史数据的统计分析，利用统计学理论，估计相关变量的概率分布，判断规律在未来一段时间内是否继续存在。统计套利策略包括协整策略和配对利差策略、均值回归策略以及多因素回归策略。

（3）算法交易又称为自动交易，主要是研究如何利用各种下单方法，降低冲击成本的交易策略，将一个大额交易通过算法拆分成数个小额交易，以此来减少对市场价格造成冲击，降低交易成本。算法交易策略包括交易量加权平均价格策略、时间加权平均价格策略、盯住盘口测量、执行落差策略、下单路径优选策略。

（4）组合套利策略主要针对期货市场上的跨期、跨市及跨品种套利的交易策略。组合套利策略包括均衡价格策略、套利区间策略、牛市跨期套利、熊市跨期套利等。

（5）高频交易是一种持仓时间短、交易量巨大、交易次数多、单笔收益率低的投资策略，人们从无法利用的极为短暂的市场变化中寻求获利的计算机化交易，依靠快速大量的计算机交易以获取高额稳定的收益。高频交易策略包括流动性回扣交易策略、猎物算法交易策略和自动做市商策略。

如下是量化投资中几种主要的投资交易策略：

（1）趋势跟踪策略。趋势跟踪策略追随大的走势，向上突破重要的压力线可能预示着更大一波的上涨趋势，向下突破重要的支撑线可能预示着更大一波的下跌趋势。趋势跟踪策略试图寻找大趋势的到来，在突破的时候进行相应的建仓或平仓的投资操作来获得超额收益。

趋势型指标进行择时的基本理念是顺势而为，跟踪市场运行趋势。在趋势策略中使用的技术指标是最多的，常用有：移动平均线（MA）、平滑异动移动平均线（MACD）、平均差（DMA）、趋指标（DMI）等。

（2）噪音交易策略。噪声交易是指交易者在缺乏正确信息的情况下进行密集交易的行为。有效市场中噪声只是一个均值为零的随机扰动项，但市场并不总是有效的，市场上有很多异常信息，往往有人能够提前获得这些异常信息，很可能对投资的判断提供重要的价值。噪声交易策略的运用主要是机构投资者通过计算得到市场的噪声交易指数，监测该指数的变化，根据其变化来设计量化交易策略。

（3）协整策略。在统计套利策略中，协整策略是应用最广泛的一种策略。协整套利的主要原理，是找出相关性最好的几组产品，再找出每一组的协整关系，当某一组投资产品的价差偏离到一定程度时建仓，买入被低估的资产、卖出被高估的资产，当价差均衡时获利了结平仓。协整策略包括协整检验、GARCH检验、TARCH检验以及EGARCH检验。

（4）多因素回归策略。多因素回归策略，也是一种被广泛使用的投资策略。这一策略利用影响投资收益的多种选择因素，并根据其与收益的相关性，建立多元回归模型，简化投资组合分析所要求的证券相关系数的输入，这类方法的代表是套利定价模型。

（二）量化投资策略组合

量化投资策略组合综合考虑交易商品、策略类别、策略数量、时间周期因素。量化投资策略组合相比较单一投资策略有以下优势：

（1）策略组合降低了对单一策略的依赖，当单一策略失去竞争力，使用策略组合的方式，可以利用不同产品价格变化、变化幅度、周期等多个方面把握投资机会，在一定程度上保证了稳定的收益率，盈利机会更多；

（2）策略组合可以分散单一策略的交易风险，降低风险，通过策略组合将投资风险分散化，尽可能规避市场风险、策略风险及系统风险等。

三、量化投资资产配置

资产配置是指资产类别选择，即投资组合中各类资产的适当配置及对这些混合资产进行实时管理。量化投资管理打破了传统投资组合的局限，它与量化分析结合，将投资组合作为一个整体，确定组合资产的配置目标和分配比例，深化了资产配置的内涵。

资产配置包括战略资产配置和战术资产配置两大类。战略资产配置是长期资产配置，针对较长时间的市场情况，控制长期投资风险以达到收益最大化。战术性资产配置是依据资产预期收益的短期变化，获取超额收益的机会。因此，战术资产配置是建立在长期战略资产配置过程中的短期分配策略，二者相辅相成。在长期投资活动的战略资产配置下，战术性资产配置利用其积极的灵活的投资机会，适当的配合战略资产配置，获取较高收益。

四、前景展望

在量化投资飞速发展的今天，它己经成为金融市场中不可忽视的一个领域，中国的金融市场在逐步发展及完善，中国的量化投资也会继续发展和前进，随着量化投资方面的加大投入，量化投资的进程加快，中国量化投资的前景无限。