量化投资步骤范文

引言：寻求写作上的突破？我们特意为您精选了4篇量化投资步骤范文，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

北京时间2013年8月16日11点05分31秒到05分56秒的短短26秒里，中国石化和工商银行两大权重龙头先后涨停。之后多只权重股迅速跟进大幅拉升；根据事后调查结果，造成这一事件的光大乌龙交易以70亿的成交量，却造成了日均交易量在2000亿以上的A股市场的大盘指数瞬时上涨超过5%的涨幅，这让貌似遥远的量化交易突然出现在国内投资者的面前，很多普通投资者这才发现自己同量化交易战斗已经很久了。如何获得一个拥有高速精准的数据、高性能程式交易以及高度的开放性和前瞻性等特点的专业的交易平台，这正是本文尝试解决的问题。

一、如何选择国内现有平台

目前的量化交易平台可以从开发语言、技术架构、系统架构、策略方向、交易方式等几个方面，分为中低端和高端量化交易平台。

（一）中低端量化交易平台

中低端平台只支持复杂度不高的脚本语言实现策略逻辑，多数的实现只能在图表上加载技术指标进行自动化交易、程序化交易等量化交易方式。它一般采用的技术架构是投资者使用平台商提供的客户端软件，采用互联网接入方式连接平台商或者金融经纪公司提供的行情和基础数据服务器，投资者在本地运行的策略触发后，通过经纪公司的普通交易席位进行交易。国内应用的中低端量化交易平台主要有文华赢智程序化交易、交易开拓者、金字塔决策交易系统等。

（二）高端量化交易平台

高端量化平台除了支持复杂脚本语言实现策略逻辑外，均支持直接使用C++、JAVA等开发语言实现复杂的策略逻辑，采用多进程、多线程方式进行自动化交易、程序化交易、算法交易。行情和交易的延时都要求尽可能最低。它适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、逻辑复杂度高的策略。国内主流的高端量化交易平台主要有龙软DTS、国泰安量化投资平台、天软量化平台等。

总的来说，中低端平台适合投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略，高端交易平台适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、逻辑复杂度高的策略。同时不同的平台费用也不同，投资者必须根据自己的交易要求和费用承担能力来选择最适合自己的量化交易平台。

二、自己打造量化交易系统。

由于MATLAB、R语言这些新一代面向对象、功能强大的语言的出现，获取免费证券和期货的数据并不难，同时出于交易保密的要求，再加上使用功能强大的现有平台费用很高，越来越多的个人和中小机构选择自己或委托别人开发自己的量化交易系统。

（一）语言选择

很多大的机构都有自己软件团队开发量化交易平台，大多选择C语言、C++、JAVA等开发语言，有的甚至使用机器语言，但MATLAB、R语言逐渐成为主流的开发语言。

1.MATLAB简介：MATLAB的是美国MathWorks公司出品的商业数学软件，用于算法开发、数据分析以及数值计算，主要包括MATLAB和Simulink两大部分。其优势在于：用户可以利用MATLAB进行：（1）交易策略实现和回测、投资组合优化和分析。（2）资产分配、金融时序分析、期权价格和敏感度分析、现金流分析。（3）风险管理、预测和模拟、利率曲线拟合和期限结构建模。（4）Monte Carlo模拟、基于GARCH的波动性分析等

2.R语言：R语言是一个高效率的实验平台：通过R语言可以很高效的实现前沿paper的模型方法，同时R语言又提供与C，C++等传统语言工具的量化结合，作为免费开源的数据处理语言，至少几百名世界知名统计学家在算法上的支持，至少几百名世界顶尖的Fortran，C，C++数学库编程高手在代码上的支持，大数据计算平台的运算支撑，开放金融数据资源的免费接入，前沿期刊与代码工具的协同

（二）量化投资重要支撑：IT系统

一个高水准的量化交易系统，必须实现以下的4种功能：

1.历史数据统计后验。历史数据统计一般以收盘价或者日均价作为买入卖出的交易价格。然后根据设定的交易价格计算出在某一段时间内的收益率、超额收益、夏普率等结果。历史数据统计后验的优势是效率高、简单方便。缺点是不够精确，尤其不能考虑资金量对市场的影响。这个阶段的IT要求：简单的原语/多市场的数据/各种盈亏报表分析。

2.历史高频交易数据后验。历史高频交易数据后验的核心在于根据历史高交易频数据进行模拟撮合，撮合算法主要是判断在某个时段的成交量的成交比例。这个步骤的IT要求：快速撮合能力

篇2

一、引言

企业投资方案决策是否正确直接关系到生产经营的成败。现有投资方案决策通常是采用比较各备选方案净现值、期望收益额、期望收益率、收益标准差和收益标准差率等单一量化指标来选择最优投资方案。运用单一的量化指标进行决策虽然方便但没有综合考虑影响企业投资决策的各种量化、非量化因素，尤其是当运用不同量化指标对备选方案选择得出的结论相悖时企业将陷入无法决策的困境。本文针对这种情况，综合考虑影响投资决策的量化和非量化因素，运用层次分析法结合案例分析进行最优投资方案选择。

二、层次分析法运用于投资方案决策的原理

层次分析法（Analytia1 Hierarchy Process，简称AHP）是美国匹兹堡大学教授A. L. Saaty于20世纪70年代提出的一种系统分析方法。AHP方法能够综合分析量化因素和非量化因素进行决策，因此在经济管理类研究中有着广泛的运用。层次分析法的基本原理：根据问题的性质和需要达到的总目标，将解决方案分解为目标层、中间层、方案层等，并按照因素间的相互关联影响以及隶属关系，将各因素按不同层次聚集组合，形成一个多层次的分析结构模型。层次分析法运用于投资方案决策可分为四个步骤。

（一）目标层的确定

层次分析法运用于投资方案决策首先要确定投资方案决策的目标。投资方案的决策目标就是选择最优投资方案。投资方案决策是否正确，直接关系到企业的生存和发展，因此必须对企业内外各种定性和定量的信息进行全面分析，才能做出正确的决策。最优投资方案的选择并不仅仅取决于某一单项指标的优劣，比如净现值的高低。净现值的高低只是企业衡量投资方案的一个方面，最优投资方案应该是最符合企业整体发展战略，能够发挥企业自身优势的方案。

（二）中间层要素的确定

决策目标确定为最优投资方案后，最优投资方案的实现将分解成各层次的中间层要素。中间层要素可以是量化的也可以是非量化的。层次分析法在投资方案决策中运用的关键就在于要将决策目标分解为合适的中间层要素，即：投资方案优劣的判断标准。判断投资方案的标准必须符合企业实际，一般情况下期望年收益高、投资风险小、净现值高的投资方案是优秀的投资方案，但对于特定企业而言，国家政策支持力度、投资周期的长短、技术优势是否明显，在选择投资方案时也许更加重要。因此建立层次结构模型应列出决策目标的影响因素，通过考虑各影响因素之间的重要性建立关系矩阵来确定各因素的权重关系。

（三）确定多个备选方案完成层次结构模型

将企业多个备选投资方案和层次结构模型的决策目标、中间层要素进行连接，通过计算权重、单个矩阵、整体矩阵的一致性判断来确定层次结构模型的合理性，最终根据计算结果选择最优投资方案。

（四）进行层次单排序及总排序，并进行一致性检验

计算出各判断矩阵的最大特征根及特征向量，并通过归一化处理，同时要检验判断矩阵的一致性，如果不能通过一致性检验则需对判断矩阵重新计算；计算同一层次对最高层次（总目标）相对重要性的排序权值，此过程从最高层依次到最低层进行，同时对判断矩阵进行一致性检验，如果不能通过一致性检验则需要重新开始。

三、层次分析法在投资方案决策案例中的应用

笔者通过案例来探讨层次分析法在投资决策中的具体应用。假设A企业要进行投资决策，现有三种方案可供选择。三种备选方案投资收益基本情况见表1。

三种备选方案的投资周期不同，C1方案为5年，C2方案为4年，C3方案为6年（假设均为一次投入，分年收益）。A企业的再投资年收益率为10%。从A企业现有的科学技术来看，C1方案有一定的技术优势，其他两个方案均为新的领域，但C3方案是环保产业，国家政策比较支持。

从A企业案例可以看出三种备选方案的决策信息中既有量化信息也有非量化信息。传统的投资方案决策方法通常运用净现值、投资年收益、收益标准差等单一的量化指标判断最优投资方案。这些传统决策方法在决策时考虑的因素比较单一，而且在本例中，传统决策方法出现了多项指标优势交叉而无法进行判断的现象。因此笔者选用层次分析法进行投资方案的决策，以综合考虑投资方案中的量化因素和非量化因素。

（一）建立层次结构模型

根据A企业案例资料，综合现有数据选择六个中间层要素，画出A企业投资方案的层次模型结构图，如图1所示。

（二）构造判断对比矩阵A—B

A企业管理当局选定10位专家组成专家系统，运用德尔菲法对六个中间层要素的重要性进行比较，使用九级指标法将中间层要素两两比较后进行打分，得出决策目标层A对中间层要素B的判断对比矩阵，即：A—B对比矩阵，见表2。

其他对比矩阵的权向量计算过程同对比矩阵A—B的权向量计算过程限于篇幅不再详述。

（五）一致性检验及备选方案的选择

计算各对比矩阵的最大特征根，利用随机一致性指标进行检验，计算出CR的值（表9）。从表9可以看出，各中间层要素的一致性比率CR均小于0.1，即各判断矩阵的一致性检验均通过。

计算层次总排序，进行一致性检验得出CR=

0.0774

从表10可以看出备选方案C3的方案总权重最大，A企业应选择备选方案C3作为最优投资方案。

四、结论

通过A企业的案例分析，笔者认为层次分析法能够较好地结合量化指标和非量化指标综合考虑影响企业投资方案决策的各方面因素，使企业投资方案决策更具科学性。运用层次分析法对企业投资方案决策过程中的各影响因素进行权重分配，可避免在影响因素过多的情况下决策者顾此失彼，将主观意识过多地带入企业的经营决策。当各种决策方案出现多项指标优势交叉时，层次分析法更能做出科学的判断。

【参考文献】

篇3

这个MFCA国际标准框架，只包括一般术语、目标、原则、基本要素和实施步骤，并不包含改善物质或能源效率的详细的计算步骤或相关信息。该标准涉及的成本仅包括内部成本,并不包括外部成本。以下就MFCA的基本要素与实施步骤进行解释。

(一)MFCA的基本要素

MFCA的基本要素包括物量中心、物料平衡、成本计算与物质流转模型。

（1)物量中心。它是生产过程中选定的一个或多个环节，以对生产过程的输人输出物料以实物单位和货币单位进行量化。在MFCA方法里,物量中心充当数据收集的功能。首先,对物量中心的物质流转与能源使用进行实物量化;其二,对物量中心物质成本、能源成本、系统成本和废弃物管理成本进行货币量化。

(2) 物料平衡。S卩“输出数=输人数+期初数-期末数”平衡公式。以仅包括原材料为例，50kg的原材料进人物量中心，物量中心期初有150kg,在期末还有100kg的原材料,那么,输出数=50+150-100=100。

(3) 成本计算。承上例，加人能源成本、系统成本与废弃物管理成本。如图1所示：

别有原材料500元、能源50元、系统成本800元和废弃物处理成本80元，输出物质有产品（正产品）70kg和物质损失（负产品)30kg,材料成本、能源成本和系统成本按材料比重在正产品与负产品之间进行分摊,而废弃物管理成本全部归在负产品——物质损失成本里。

4)物质流模型。在MFCA里,通过视觉模型来显示

物料在不同物量中心的储存、使用或移动。如图2所示

图2描述了一个流转系统，提供了一个清晰的流转图。产品既包括产成品也包括半成品。可见,MFCA对流程内的各种物质从投入到产出进行全程跟踪，立足于企业资源输出的合格产品和废弃物的流向与流量，将资源成本按照一定的标准(这里是重量）在两者之间进行分配，可以准确地确定物质流的有效利用成本与损失成本。按传统的产品计算方法，计算费用的对象仅为正产品一项,而在MFCA中对于制造过程中排放的废弃物也作为一种产品（负产品）以计算单价的方式来进行评价。从而，传统的生产管理信息中看不到的损耗或浪费的产品成本就可视化了。

(二）MFCA的实施步骤

成功的MFCA要求许多实施步骤。分析的详略程度及复杂性视情况而定，比如组织大小、产品的特点、所选择的物量中心的数量等。

以下用一个p^CA(Plan-Do-Check-Action)循环勾勒MFCA实施步骤。此外，MFCA的PDCA循环也可内含并应用于不同阶段的环境管理系统。

以货币单位量化物质流为例，其量化的对象有:材料成本、能源成本、系统成本和废弃物管理成本。材料成本量化有不同的方式选择，比如，历史成本、标准成本和重置成本等，一旦确定以哪种方式，就要一贯使用。以上是标准的简介，更加详细的计算方法在早前的应用指南及案例分析里体现得更全面。

由以上标准解释可以总结得出：(1)将输人物质成本按输出流向分别核算正产品与负产品，明确物质损失成本;（2)形成物质损失的“逐步结转”，可明确各物量中心的有效利用成本与损失成本;（3)除材料、燃料等直接成本按输出正产品、负产品比例划分外，人工、折旧等间接成本也按此方式划分,体现了完全成本分类核算思想,这因于投入与产出的因果关系的原理。

MFCA量化企业资源损失成本,使资源损失结构淸晰化，可挖掘企业改善的潜力⑴。因为MFCA是从数量和价值两方面使流程中各物量中心的材料损失与其他成本“可视化”，而传统成本核算将废弃物损失包含于完工产品中，处于隐形状态。正因此如此，MFCA可揭示资源损失的环节及金额;揭示生产工艺全流程的成本流，包括流向及流量。因而可帮助企业判断资源损失的重点环节，提出优先或重点改造项目，另外，在制造企业中，MFCA还是材料选择替代、工艺流程优化、产品结构设计及废弃物再生循环等系统决策与控制的重要参考信息。

二 MFCA应用范围

ISO/TC207/WG8的召集人K.Kokubu(日本）负责MFCA的标准化问题。2010年他在日本《质量管理》杂志发表了“物质流成本会计的重要意义”，并认为由MFCA方法提供的信息可以有效地应用于企业经营的各种场合。以往的环境管理手段大多局限于在环境污染发生后再采取无害化以及回收利用等“末端治理”手段，而MFCA则能够促进以生产过程本身的革新为目的的“过程内在型”的环境对策。对企业来说，能够同时达到减轻环境负荷和降低成本的双重目标，因而有效性更为明显。MFCA可从设备投资、原材料采购、变更产品设计和生产计划、进行现场活动的改进等四个方面进行应用。

(1) 在设备投资方面的应用

设备投资在企业决策中占据非常大的比重。当决定引进新设备时,一般都要最大限度地追求生产效率的提高。然而，一旦设备投资项目实施后，就以该设备设定了管理标准，因而往往忽视了设备本身的效率性能。

与以往的环境管理方法不同，由于MFCA能够准确地掌握某工序中废弃物的经济价值大小，因而可以从制造设备本身的效率性能来解决问题。因设备原因造成的废弃物的发生，通过MFCA对该废弃物进行成本评价，使设备的经济评价成为可能。即，以减少废弃物而进行设备更新为前提，采用MFCA方法从废弃物的成本观点出发对设备本身的效率性能进行分析，由此引进还是不引进设备这两种替代方案就可以进行比较。这是MFCA提供的信息在设备投资上最为有效的一个应用。

(2) 在原材料采购方面的应用

废弃物产生的原因在于设备方面的情景不少，由于所购原材料的形状和性质的情况也很多。在生产现场发生的废弃物多数是购入材料在加工时被挖或被削的瑕疵造成的。如能减少这类情况，废弃物也就能够减少不少，可更进一步地达到资源保护的目的。有关原材料购入形状等问题,需要与供应商进行交涉。假如供应商认为材料的形状和性质的变更对他们有利的话，也许就会考虑改变；而如果供应商也引入MFCA方法，就要计算需要花费多少成本来实现这一改进。可见,运用MFCA方法向供应链的这种延伸，使原材料的变更问题可得到更为有效的解决。

(3) 在产品设计和生产计划上的应用

产品设计不当也会成为产生废弃物的根源。在这种情况下，重要的是要将MFCA方法获得的信息反馈给产品的设计开发人员，寻找改进的可能性。另外，生产线上程序的更换也可能成为工序中产生废弃物的原因之一。比如:在同一生产线上对产品种类进行变更时，对机械设备进行清洗和试运转等作业,会产生一定的废弃物。从环境管理角度看，最好避免生产线的交替作业，但从生产管理的角度看，则希望尽可能地减少不必要的库存。在这种情况下，运用MFCA方法，将废弃物形成造成的成本增加与库存的增多造成的成本增加进行比较,然后可进行取舍。

(4) 在现场改进活动中的应用

在企业生产现场,一般都以提高生产效率和降低成本为目标。引进MFCA方法后,能够以经济单位来评价现场的改进活动,并对各活动的有效性做出评价，进行统一规范的指导。MFCA具有超越现有管理思想的趋势。通常在生产现场，损耗的设定都在管理者能够正常管理的范围之内，主要以次品等为中心，但是，随着制造规格书设定的投人材料与输出之间出现的差额，因为在现场无法管理,所以有时就不作为管理对象，而MFCA可将这种损耗显示出来,扩大了损耗的范围。

可见，MFCA可有效应用于企业生产的各个阶段。企业在决定引进时,通常从一件产品的一条生产线、向整个工厂整个企业，进而向整个供应链扩展和延伸的手段，应用范围越广泛，延伸后获得的效果就更明显。

三.MFCA未来应用前景：用于生产管理循环

由以上分析可以看出，在MFCA方法里，物质损失是研究重点，物质损失的减少在降低成本上体现了明显的效果。MFCA对物质损失的发生原因和处理方式如图4所示：

可见,物质损失的改进大体上可分为两大课题。一是通过现场改进就可以实现物质损失的减少,一般不需要投资，二是需要变更制造方法或者需要新的设备投资才能解决物质损失减少的问题。MFCA使因制造方法或生产设备引起的物质损失大小和成本削减的可能性实现了可视化。

篇4

这些人,因其使用高等数学手段决定亿万计资金的投向,而在30年前赢得“火箭科学家”名声。在外人看来,他们有些像中世纪的炼金术师:给他们数据,他们还给你美元!

华尔街的数学传说

实际上,在华尔街上管理资金规模最大的量化技术,并非那么不可捉摸:众多公司使用“因子加总模型”辅助他们选择股票。

这种方法大多基于Fama-French的开创性论文,其基本思想很简单:依据各项基本面指标对于历史上超额回报的贡献程度,来决定这些基本面指标在选出“超级股票”上的“有效性”,并据此赋予这些指标不同的权重;按照上市公司指标在全部篮子股票中的排序,再使用上述步骤中获得的权重对其进行加权加总计算。如果该公司的加权之和排名靠前,则表明该公司的基本面指标符合能够带来超额回报的历史模式,从而有望在未来展现强势。

数学模式大同小异,公司之间的竞争主要集中在两个方面:第一,各公司均投入巨资,研制自己的特有指标;第二,研制更加有效、稳定的加总方式。

传统的基本面分析往往要求基金公司雇佣大量分析师,成本高昂。由于每个分析师能够跟踪的公司数目有限,基金经理不得不在较小的股票篮子中进行选择,有可能错失最好的投资机会,投资组合的分散程度也受到限制。同时,依赖基本面分析进行投资管理要求基金经理进行大量的主观判断,人性弱点(贪婪与恐惧)对投资业绩往往产生较大影响,投资业绩波动较大。使用这种方法建构的投资组合往往无法定量化控制每只个股给投资组合带来的风险。从基金公司的角度而言,这种方法对基金经理个人的依赖较大,一旦出现人员变化,基金业绩也往往随之波动。

量化选股方式将投资决策建立在对历史模式的详尽研究之上,克服了上述缺点。其在美国投资界的应用近20年来大幅提升,管理资产额的上升速度为传统方式的4倍。

回归价值投资

然而,过去数年,定量化基金遭遇了重大打击。2007年,最大的定量化机构对冲基金、高盛名下的Global Alpha遭遇了重大损失,几乎清盘。2008年,众多量化基金再遭滑铁卢。笔者在北美也曾主持研制一个包含上百个指标的量化选股系统,但在实践中,却最终放弃。

实战经历指出该类系统的一个致命弱点是,在实战中,哪一类因子何时发挥作用,是不可预测的。有些时候是价值因子占优,有时候是增长因子占优,而何时其影响力出现变化,难以事先预测。其结果就是分析师与基金经理疲于奔命地试图追赶因子影响力变化的脚步,并据此不断矫正模型。如此,基金经理不得不在使用量化系统的同时,使用个人化的随机判断对量化系统进行纠正――这弱化了它本该享有的优势并导致投资业绩大幅波动。

仔细反思,最主要的问题在于,各预测因子被无机地组织在一起,各个因子之间的互相影响却没有被考虑。也就是说,华尔街模型“从数学到数学”,缺乏对投资哲学的深入理解。

量化技术所具有的优势应该被利用,但数学手段应该被视为手段,而不是主导。一个有希望的发展方向,是将量化技术与价值投资哲学相结合,实现“从哲学到数学”式的投资理念。为此,需要在投资哲学上,梳理价值投资理念的本质。

价值投资在国内市场有众多拥护者,也不乏怀疑者。实际上,国内普通投资者对价值投资的理解有值得深化之处。笔者以为,价值投资的本质有二:

第一,价值投资告诉投资者,市场会犯错。以“5毛钱买进1元钱价值”作为号召,价值投资拒绝接受“有效市场理论”。但事实上,在大多数时候市场是有效的。大多数股票的价格正确反映了所有的信息、知识与预期,当时的价格就是上市公司的内在价值。要获得超额回报,必须去寻找市场可能呈现的“异常”,或者说在何处投资者的平均预期可能落空。价值投资就是寻找“未来”与“预期”之间的歧异。量化系统的设计目标是,要有能力淘汰那95%的普通(有效)情况,而把注意力引导剩余的5%――在那里,“未来”与“预期”有最大的机会出现歧异。

第二,价值投资的另一面,是说任何人都会犯错。当我们集中注意力去寻找“超级股票”的时候,是在下一个极大的赌注。这个赌注是高风险的。所以,请记住索罗斯的告诫:“投资者重要的不是做对还是做错,而是在做对的时候赚多少,做错的时候亏多少。”为对冲第一个赌注的风险,需要寻找最大的安全边际――当我们犯错的时,安全边际将保护我们不致尸骨无存。

安全边际是指,市场涨跌的轮回已经测试过所有情景。该公司在完整的牛熊市周期中,由千千万万投资者的真金实银所测试出来的估值空间。因此,安全边际的定义并非相对市场平均水平更低的PE值这么简单。每家公司都不同于别的公司,将不同公司的估值水平相比较,更多时候带来误导而不是洞察力。应该将公司目前估值水平与该公司调整后的历史范围相比较,并决定“安全边际”存在与否。

在实践中,要寻找在未来可能提供业绩惊喜、而仍在其估值范围下限附近交易的公司。依据此思想,数量化技术可以对所有上市公司的投资机会予以量化评估,进而实现“从哲学到数学”的投资思路。

对中国股市独特性的夸大导致某些论者以为,在中国股市,唯有投机可以赢得超额利润。这其实是伪命题。事实上,正是由于中国股市效率较低且风险奇高,一个系统化评估市场错配与风险衡量的系统,可以发挥最大效率。一切都取决于对市场运行规律的深入把握与技术优势的结合。在实践中,我们开发的量化价值投资体系取得了稳定超越指数的优良业绩。这有力地证明,中国股市的特殊性并没有遮盖其作为投资市场的普遍性。