量化投资主要方法范文

导语：如何才能写好一篇量化投资主要方法，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

刚开始的时候，西蒙斯的投资方法和许多人类似：通过对宏观基本面的分析来判断外汇和商品的价格走势，然后进行相应的买卖。但是投资开始还没过两年，西蒙斯就决定完全离开校园，全职进行投资活动。1978年，他离开石溪大学，成了专业投资人。他成立了一个叫林姆若伊的基金，专门从事各种投资，其中主要是外汇交易，但是也包括投资各种小公司的现在统称创投基金的投资活动。10年间，林姆若伊基金的投资回报是25倍，相当于每年增长38%左右，这和后来西蒙斯管理的大奖章基金的回报差不多。那时候西蒙斯还是花很多时间来关注宏观经济事件，比如美联储什么时候加息啦、加息之后美国债券的长期利率和短期利率都分别会有什么变化啦之类的东西。他当年的投资方法是判断型的，直到10年以后的1988年，大奖章基金鸣锣开张，西蒙斯的投资方法才完全转型，从判断型转到量化型。

这里我们要岔开话题，说说投资方法都有哪些类型。其实分起来也很容易，按照投资决策的方式，可以分成判断型和量化型两类。判断型投资者根据各种信息以及个人过去的经验来确定买卖什么、买卖多少、什么价位执行、交易如何退场（止损、止盈）等，这里面最有代表性的人物正是西蒙斯在纽约的邻居索罗斯。股神巴菲特也应该算是判断型的投资者。

投资行业一般把量化型的投资称做“黑箱”。简单来说，量化投资者不依靠大脑的判断，而是靠数学公式来投资。比如：量化投资者把最新的市场及其他相关信息输入到他的秘密公式里，公式得出的结果说买中石化，量化投资者就出去买中石化。过了一段时间，一天或者个把月，也可能是几秒之后，量化投资者又把最新的信息输入他的秘密公式，公式的结果说卖中石化，量化投资者就卖了。量化投资者和判断型投资者的最主要的区别在于，不用判断，而是完全依照公式。公式的好处是它的一致性：同样的信息输入同样的公式，得出的结果是一样的，跟输入的人是谁没有关系。西蒙斯正是量化型投资者的代表。量化型的投资方法还很年轻，它的发展壮大也不过是最近30年的事情。

投资方法还可以根据投资决策所凭借的信息类别来分，分成基本面型和技术型两类。基本面型的投资方法按照宏观经济或者公司盈利的各类指标来进行投资决策，而技术型的投资方法则一般是按照过去的价格走势来判断的。也有许多投资方法既不靠基本面，也不靠过去的价格走势，为了定义的严谨，我们把任何使用非宏观经济指标和公司营运指标来分析投资的方法都归入技术型投资之中。

据2007年的统计，全球70%的钱都是凭借基本面型的投资方法来操作的，30年之前，这个比率应该超过90%。技术型、量化型的投资虽说可以溯源到20世纪初，但是它们的发展和壮大是近30多年的事情，尤其是使用数学工具和电脑的量化投资方法。在金融危机的影响之下，很多投资行业受到影响，但是量化投资（包括指数投资）仍然是基金管理里面增长最快的一个部类。

综合上面两组分类方法，投资方法可以细分为基本面判断法、基本面量化法、技术判断法和技术量化法。索罗斯和巴菲特都应该属于基本面判断法，从目前了解的信息来判断西蒙斯属于技术量化法。技术判断法的追随者很多，它有另外一个名字：技术分析法，或者图线法。人们对技术分析这个行当的态度其实也类似于对金庸小说的态度：有人说好得不得了，有人则不屑一顾，认为这和占星术没什么不同。其实这类投资方法和西蒙斯的大奖章基金有很多相似之处，西蒙斯的林姆若伊基金在1978~1988年之间的投资方法很大程度上都可以归于技术判断方法，后来的大奖章基金也可以说继续走技术型投资的道路。

篇2

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。受益于计算机技术的提升和市场历史数据供应的完善，进入21世纪后，这一投资方式开始飞跃成长。2000年至2007年间，美国“量化投资”产品的总规模翻了4倍多，超越了同期美国共同基金总规模（定量+定性）的增长速度（翻了1.5倍）。“量化投资”在美国全部投资中的占比，从1970年为零发展到2009年30%以上。

什么是“量化投资”？

可以说“量化投资”是随着计算机科技而发展起来的。简单地说，“量化投资”就是将人的投资思想反应在数量模型中，并利用电脑处理大量信息，从而进行投资决策。建信上证社会责任ETF基金经理叶乐天介绍，“量化投资”在美国的发展比较蓬勃。在华尔街的投资行为中，同一个套利机会下，谁下单早谁就就能抓住机会，这些都得益于计算机运行速度越来越快。也往往就是这几毫秒的领先，就可以挣到万分之一的收益。万分之一虽然不多，但是日积月累，就可能有很高的收益。

目前“量化投资”在中国还是一个新概念，处于起步和发展之间的阶段，可以说是少数派的地位，普通老百姓不太熟悉，产品较少，也缺乏明星产品和明星基金经理。

与市场熟悉的“定性投资”相比，“量化投资”主要是在研究方法上与其不同。“定性投资”的公司基本面研究是靠到企业调研，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，有很深的深度。“量化投资”则注重广度，比如市场上有2000只股票，就把2000只全都抓起来，“量化投资”的数据越多反而越好。叶乐天以市场中一个很形象的比喻来形容上述两种投资的异同：“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”更像是西医，依靠模型判断，模型对于定量投资基金经理的作用就像CT机对于医生的作用。在每一天的投资运作之前，我会先用模型对整个市场进行一次全面的检查和扫描，然后根据检查和扫描结果做出投资决策。

叶乐天笑称，与定性投资基金经理经常出差不同，他主要的工作都在案头。他主要是搜集数据，进行数据处理，还有编程。虽然表面上看不如定性投资基金经理忙碌，但其实工作量一点不少。

排除“人”的情感

一位“量化投资”基金经理一开始是学习理论方面的知识，比如数学知识和统计学知识；然后对历史数据进行分析；参考市场中已有的成功模型，汲取巨人的智慧；接着是建模；然后测试，测试中有很多细节需要考虑，比如冲击成本等；最后是搭建一个平台，确保数据到达后，模型能够响应，进行处理和输出。每一步都非常复杂。

在这个过程里，不仅数学模型不具备自己的情感，基金经理也要尽可能地剔除“人”的思维。这其中便是对纪律性的超高要求。虽然量化模型是由人设计的，具体的交易单由模型产生，但基金经理在经验总结以及模型设计时容易保持理性，在个股的交易时却不免受制于人性的弱点。叶乐天说，正如西医检查一般，量化模型的最大的特点就是可以克服人性的弱点，他不会有恐慌，也不会有贪婪。所以只要模型和数据是正确的，基金经理平时都不会去干预和控制模型的输出。

2007年次贷危机的爆发，在一定程度上可以说就是人的情感对模型干预造成的失误。华尔街为衍生品定价的模型并没有错，错的是人在设定参数的时候对当时的金融形势过于乐观，过分信任金融衍生品工具。

但尽量不干预也不是完全不干预，比如下面这两种情况：一是程序发生错误，二是模型错误。模型错误主要指的是股票走势与预测相差特别大，超过了统计意义上显著的差别，这时就需要更新一下模型，但一般不会太频繁。

另外一种发挥人的主观能动性的情况就是对虚假数据的剔除。叶乐天介绍，“中国很多数据都经过修饰，对我本人来说，我不喜欢根据宏观数据择时，更多地是相信多因子模型。我们现在有很大一部分工作是进行数据清理，包括上市公司经过修饰的财务数据。但是有一块是没有经过修饰的，就是技术面的数据，比如成交量和成交价格，这是由市场PK决定的。同时由于中国市场有坐庄的人，所以我们在小股票的选择上也会比较慎重。在数据清理方面与基本面有关，所以我们也会和研究员沟通。还包括异常值的去除，取中位数往往比平均数更靠谱。在统计学上有一个大数定律，在数据量很大的情况下，最终会回归一个中性的环境。”

如何选择“量化投资”产品？

依照目前中国市场的情况，“量化投资”主要分为一下几类：一是套利型，比如股指期货套利；二是被动型；三是追求超额收益的产品；四是做高频交易，主要是私募和券商资本。不同的产品对收益率会有不同的要求：指数增强追求的是超额收益，与标的指数之间的差尽量少，还能跑赢指数；对冲基金和套利ETF是在稳定的前提下追求超额收益。

目前中国的量化产品绝大多数还是指数产品，尤其是公募这一块，起码有100来只，但主动量化的可能只有十几只。量化产品的换仓、持仓的规模比较大，那么冲击的成本就比较大。因为量化投资不像基本面研究对单个公司的研究很透，所以禁得起很大的波动，追求的涨幅也大。量化追求比较小的涨幅，但比较稳定。另外，查阅“量化投资”基金的历史业绩可以发现，指数增强型基金的表现还算稳定，主动量化型的稳定性稍差。业绩稳定对开放式基金比较重要。目前市场上认购较好的指数基金，就是因为业绩稳定。

在交易量上，不同的产品会不一样。公募的交易肯定不活跃，因为交易量比较大，冲击的成本也大，另外同日不能反向交易。但私募量化基金主要是做高频交易，深度更大，一天可能往返好几次。

同时，中国的量化产品主要还是受制于投资人才的培养、衍生工具的发展和市场深度不够。因为衍生工具缺乏，在内地市场买可转债，就不能像在香港市场一样去做空股票，做空相应的债券，赚取波动率。市场深度不够则主要表现可投资股票的数量上。

在目前的市场情况下，投资者在选择“量化投资”产品的时候，首先看一下这只基金是属于哪一类的，然后看基金经理的投资理念和思路方法能否在当时的市场上获取收益，如果认同的话就可以选择了。也即是一看历史业绩，二看管理者的投资理念。

很多人担心由于中国股市受政策影响较大，数学模型可能并不能及时对政策变动做出反应。叶乐天说，“政策市对市场肯定会有影响，包括数据不透明，政策变化对股市的影响等。但股市会反映政策的，如果政策有效的话，政策会反映在股市中，为量化模型提供一些最新的数据，只要及时更新数据，还是可以处理得很好。”

另外，基金的规模对业绩也会有影响。叶乐天认为，指数增强产品三四十个亿是比较好的规模。如果规模太小，有些持仓可能会买不足。

投资在选择“量化投资”产品的时候，应当首先考虑资产配置。因为基金是一种长期投资，不需要经常择时，更多地还是做好投资者个人的资产配置。

量化产品的优势

“量化投资”的投资方法本身在海外已经得到了证明，但中国A股市场主要以散户占多数，要把运用模型进行计算操作的量化投资这样复杂的投资方法向他们解释清楚并理解和接受确实不易。但从量化投资的特点上来看，由于量化投资需要不断寻找机会，买入一大批股票，而不会在几只股票上重仓押注，在投资结果上，其换手率和分散化程度都较高，这样一来，相对于散户投资者重仓几只股票来讲，风险性也就更小。同时，由于量化投资就是借助现代统计学、数学的方法，从海量历史数据中寻找能够带来超额收益的多种“大概率”策略，并纪律严明地按照这些策略所构建的数量化模型来指导投资、形成回报，因此具有很高的投资价值。

篇3

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4

1、各类投资工具及其风险的概要分析

风险越大，回报越大。早在马克思的资本论中便已经从另一个侧面对这一现象做出了很好地诠释。作为投资的一个伴生要素，如何对风险进行有效地控制将直接关乎在投资行为中，获取预期收益的概率和能力。投资风险的根源在于未来可能发生的不利事件，投资行为是谋求未来一段时间的现金流收益，所以投资的预期收益就牵涉到对未来的预测，这一预测是建立在对可能影响未来收益回报的各类驱动因素的分析。然而这些驱动因素通常都会有不确定性，正是这种不确定性导致了风险的发生。所以风险是由风险驱动因素的不确定性产生。而不同的投资工具其不确定性也各不相同。

将个人投资行为分类，常见的类别包括：金融类投资、房产类投资、实业类投资、民间借贷、期货投资这样五种主要类别。以目前的形势来看，房产类投资和金融类投资相对属于低风险投资，实业类投资属于一般风险类投资，期货类投资和民间借贷均属于高风险投资。

金融类投资、房产类投资和期货类投资可以看成是一组投资方式，因为受我国市场政策影响，这三类产业具有联合调控的特点，三个产业中的一个或两个呈上升趋势时，另外两个或一个产业必然会呈下降趋势，这是受我国政府的宏观调控所影响。其中金融类投资主要包括银行存款、债券、股票、基金等，这些投资种类进一步划分可以分成保本投资和非保本投资，存款、债券和部分基金属于此类，此类投资具有收益低，风险小的特点，在搭配个人投资组合时这一类投资可以作为一个抵消风险的投资项纳入考虑。而股票投资和另一部分基金投资则是属于非保本类投资，投资收益随着其风险的等级升高而随之上升。这部分投资除了要看被投资主体的经营情况，历史业绩走势等，还需要充分关注房产市场、期货市场的情况，目前我国是房产市场热，期货市场热，那么股票市场势必低迷。如果这两个市场境况转冷，那么也就预示着金融市场的繁荣，此时加大持有量并制定适当的风险策略无非是一个很好地选择，这一类风险的规避策略应当以量化分析为导向，下文会详细阐述。

对于地产市场来说，热度近年来一直居高不下，最近受政策影响有些转冷，但是分析政策不难看出，我国的政策决定地产市场一直是一个货币的蓄水池，如果蓄水池不再蓄水，那么人民币则会大量升值，如果中国政府为了货币找到另一个蓄水池，那么人民币势必走向世界。如果这两种情况出现，房产市场会有所冷却，但考虑到房产市场的钢需属性，一个位置比较好的房产投资依然是比较稳妥的低风险投资选择。这一类风险的规避策略应当着重于位置的选择上，如果能够提前知道周边政府未来的规划，那么对于风险分析来说将更加准确有效。

另外两种实业类投资和民间借贷，这两种有一个共性，相较地产市场以位置为导向来说，这两种投资是以人为导向，即被投资主体均是人。这两种投资除了要应用到正确的风险量化方法以外，还需要有详细的合同约定以及对被投资人的全面分析。合同约定中包括收益分配、责任、义务等均要做详细的约束，如果是对熟人投资那么更要注意在合同中确定好双方的责任与义务，避免今后权责不明的情况出现。对被投资人的全面分析要关注于此人的风评、业务水平、以及偿债能力。一个连生活都成困难的被投资人在生意不顺时卷款走人这种现象屡屡发生。

对于某些资金充裕的投资人来说，还有一种实业类投资是参股某公司成为股东，这类投资通常牵涉资金量大，行为复杂且个性多于共性，所以本文中不再多做论述。

2、风险的量化分析方法

为了能够有效地规避风险，通常需要经历五个步骤，即风险识别，风险定性分析，风险定量分析，制定风险控制策略，实施风险控制策略。而其中的风险量化分析是非常重要的一个环节。无论哪种投资，投资人都需要明确两个要点，即获得利润的概率如何以及失败时的损失是否能够承受。这两个指标均是风险定量分析要解决的问题。

风险定量分析顾名思义，将投资风险从一个大致的认识变为具体的金钱数字。例如说我投资了某个基金A万元，如果不出意外的话年底我能拿到m万的红利，如果有意外的话我可能会损失n万元。这种认识无助于投资人进行投资决策以及展开风险控制，如果变为年底我有x%的可能获利m万元，y%的可能保本，z%的可能损失n万元，那么投资人就可以通过（A+m）*x%+A*y%+（A-n）*z%这个公式简单计算其综合收益，并与投入进行比对，来决定投资是否可行，以及发生风险的概率及损失程度。再进一步的情况可以将此投资方案和其他投资方案进行对比，来搭配最优化的投资组合。

定量分析方法在投资行业中非常常见，种类也有很多，本文给出两种方法，即综合仿真分析法和基数计算法。其中第一种方法适用可以找到一定规律，即被投资主体已经经历了一段时间的运营，或属于一个长期稳定的行业。第二种方法适用于新兴行业或在某稳定行业中新开展的运营活动。

所谓综合仿真分析法是一种统计学的方法，而且顾名思义，要进行仿真分析。如前文所说，每一种投资都有其风险驱动因素。综合仿真分析法的关键就在于如果想对风险进行量化，那么首先要对这些风险驱动因素进行量化，而量化的手段就是采用统计学的方法，来确定其变化趋势，从而分析因为这些驱动因素变化而导致的风险区间。通常在开展这一方法时多用到数学模型或者统计工具。以某一个零售业的实业投资为例，经过分析认为，这个零售业其风险因素主要有进货市场价格的不稳定、进货量的不确定、购买者数量的不稳定，以及商品库存造成的损耗。也就是说这一零售业共有四个风险因素。经过对相同地区同类市场的调查，以月为单位收集样本点，即针对于一年中各个月份收集四个数据点，放入工具中开展分析，定位每一个驱动因素的变化规律，例如输入Beta分布，正态分布，均匀分布等。再将每一种因素的最悲观和最乐观的估计对盈利能力的影响进行预计，例如最好的购买这数量可以为店内造成m的收益，最不好的情况则造成n的收益（n可以为负），将以上元素放入风险工具/统计工具中，例如水晶球，Matlab等。从而获得一个置信度以及对应的盈利、亏损范围，从而实现上文中所述的分析。

基数计算法和仿真法有些相似，而且都是为了获得盈利亏损范围以及其对应发生的概率。但基数计算法更加粗糙一些，其过程是要首先确定一个利益回报的基准，例如说某只基金年化收益5%。那么这个5%则被视为一个基准，在这个基准的基础上分析可能影响到基金收益的因素，确定这些因素会对利益回报带来的影响的可能，进而获得各个盈利点的置信区间。

3、如何制定有效的风险规避策略

当有了一个很好的分析之后，下一步就是要制定风险规避策略。按照大类来分，可以将风险规避策略区分为事前控制以及事后补救。通常来讲事前控制属于降低风险，事后补救属于降低损失。

对于事前控制来说，其关键点衍生于上文所述的量化风险分析，在量化风险分析过程中，可以开展一个名为“敏感度分析”的工作，即将每个风险因素对收益的影响的能力进行量化。例如说当客流量下降20%时，除了销售量的下降，还会因为存货损耗而造成更大的利润损失，其损失可能达到35%。那么这时就可以给客流量这个风险因素定义敏感度为35%/20%即1.75。通过对所有风险因素进行敏感度分析并排序，筛选出排序靠前的要素建立风险指标追踪表进行重点追踪，重点监控，当指标异常时及时做出应对措施，例如发起讨论会议、增加追踪强度、变更投资比例甚至撤资。

还有一类风险控制手段是通过对资金量的控制，达到降低风险的目的，例如分段投资、固定投资、相对盈利等，这些方法通过控制资金的流入流出量，将风险造成的后果限制在一定范围之内，从而达到降低风险的目的。

当风险发生时，要学会事后补救。事后补救并不一定是指投资期完结后的补救，也可以指风险发生后的补救。主要的方法包括风险回避、损失控制、风险转移和风险保留。

其中补救阶段的风险回避一般情况下是我们常说的止损，即撤资以避免更大的损失发生，这种方式是投资主体有意识地放弃风险行为，完全避免特定的损失风险。简单的风险回避是一种最消极的风险处理办法，因为投资者在放弃风险行为的同时，往往也放弃了潜在的目标收益。如果不是极端恶劣或发生了某些特殊情况例如有新的投资方案明显优于此方案，那么通常不会考虑采用这种方式来补救风险。

损失控制和风险转移则是主动接受风险并采取相应措施来减少风险带来的损失，通过各种手段将风险限制在可接受的范围内。这种方式是风险最常见的处理方式，既然无法消除风险并且还希望获得收益，那么就需要对风险进行有效的控制或转移。

风险保留则是被动接受无法消除的风险，通过先期计划采取手段弥补风险损失。常见的方法有风险储备金。谈到储备金就又要提到上文所述的量化风险分析。由于量化风险分析可以获取各个盈利范围以及对应的置信区间，那么通过将最可能盈利点（如80%可能的概率）和目标盈利点（50%可能的概率）进行相减，其差价即为应当保留的预备金。提前预留出预备金，当风险保留行为发生时利用预备金补入投资项目中，避免由于风险发生、资金缺口造成的更大的恶果。

篇5

寒暄已毕，坐定后，银华基金量化投资部总监周毅用他惯常的平缓语速说道。

《投资者报》记者第一次采访周毅在2010年3月，那时，银华基金正推出国内第一个杠杆指数基金，作为产品的设计者，基金经理也由他担任。

谈及国内基金产品创新，在华尔街做了11年量化投资并参与过房地美等资产抵押债券设计的周毅自谦道，只是将国外的产品移植到中国市场。

从北大计算机系到华尔街操盘手，1998年到2008年期间，周毅亲身体验了互联网泡沫的“过山车”以及次债的摧枯拉朽。

前一次危机“迫使”他转身做了金融，后一次让他下定决心离开华尔街回国。

传统上人们认为，有完善的投资、研究体系才是投资的内涵，但周毅看来，这是投资的一小部分。

“与传统的基于投研平台的投资不同，量化投资更多依靠模型和程序，所以有时候在华尔街，量化投资交易员的地位比较高。”

这算是一个量化投资者的立场。

从北大到华尔街

周毅的求学之路可谓顺利。高中毕业后，他被保送北大，选了当时热门的计算机专业，四年后，在留学热潮中，又赴美国南卡罗来纳大学继续深造。

但求职之路并不平坦。

1998年毕业时，互联网空前繁荣，华尔街互联网人才紧俏。周毅和他的同学们赶上了好时代，不费力就找到了一份薪水不菲、让人眼红的职业。

但此时，互联网泡沫依稀传出咝咝破裂之声。2000年，泡沫终于破灭。

回忆至此，周毅说：“像坐过山车。”

互联网繁荣带来财富以及身处行业的成就感顷刻消失。巨大的落差袭来，周毅的很多同学被迫改行做了律师，而周毅把职业的方向盘打向了美国发达的金融业，主要做计算机量化投资。

投资生涯由此起航。

1999年，他进入美国约翰・霍普金斯大学学习金融，与此同时，利用计算机强项，在普华永道金融服务部做一些量化模型。

在普华永道的八年里，他曾参与了包括导致次贷危机的房地美、房利美等资产抵押证券产品的设计。

普华永道的客户涉及华尔街各大投行和机构，内容囊括股票、债券、期货以及各种衍生品，这对周毅来说，是难得的学习机会。

“这不仅让我的职业方向转到金融，而且让我全面接触到各类金融产品。”

但他也意识到，必须有深度上的提高。2006年，周毅加入在金融衍生品方面领先的巴克莱银行，并在该部门做量化投资，与在华尔街名声凿凿的李祥林共事。

李祥林现任中金风险管理总监，在加速华尔街资产证券市场化方面贡献卓著。有人说，如果不是金融危机爆发，李很可能问鼎诺贝尔经济学奖，这间接说明巴克莱银行对金融衍生品的重视。

研发、利用先进的量化模型，发现定价有偏差的产品，用巴克莱银行的低成本融资赚取差价，这就是周此时的主要工作。

次贷危机爆发后，金融衍生品遭受摧毁性打击。

2008年，周毅以巴克莱亚太公司副董事身份转战香港，做相对简单的股票及债权衍生品投资。此后，为照顾亲人回到北京。

把海外思路带回国

对一个长期与衍生品打交道的人来说，回国能做什么？

“当时直观感觉，自己能做的其实有限。”对A股不了解，在华尔街擅长的东西也用不上。国内投资领域能与其沾边的只有指数基金占主体的量化投资。

量化投资方法是相对于定性投资而言，后者主要靠人力，前者主要靠计算机以及数据模型。

2009年底，周毅加盟银华基金，当时银华量化投资还是一片空白。

摆在他面前最迫切的问题是，该从哪里切入。

“既然不了解A股，我不大可能直接把美国或中国香港市场用的量化投资模型直接应用到A股投资中，这从逻辑上讲不通。”

指数基金被动化管理成了突破口。

根据华尔街的经验，周毅深切地明白，指数基金的产品研发、创新、先发优势最重要。然而，当时国内跟踪沪深300等优质标的指数基金已经很多，在跟踪标的上难以获得先发优势，产品形式创新成为不二选择。

“看到这种情况，我在想，在形式上要有别于国内其他产品，做别人没有的东西，才有取胜的可能性。”

结合国内证券市场的条件及A 股的特征，周毅把目光放在了国外已经流行的杠杆指数基金上。

虽然在周毅看来，这算不上什么创新，但在国内首次吃螃蟹，总免不了一些曲折。先想到国外普遍采取与券商做互换的方式做杠杆，然而，由于潜在的信用风险被他否定。

“这条路堵死之后，我们选择了当时国内已经有的分级基金，这虽然不能做完美的杠杆指数基金，但是一定程度上可以实现我的想法。”

经过几个月的奔波，2010年3月，银华深证100分级基金发行，在随后的7月到10月，该基金让市场见识了杠杆基金的魅力。其间，银华深证100锐进份额上涨了109%，而其跟踪的指数深证100上涨了50%。

2010年4月，股指期货推出后，引进做空机制成为现实。

目前，用对冲策略做创新是周的一个着力点。记者了解到，银华旗下已有三只专户产品运用了对冲策略。

“具体做法就是用股指期货空头做等量对冲，其实就是做减法，比如，把超越沪深300指数的收益，通过等量对冲变成绝对收益，尽量降低风险。”

篇6

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7

分级基金：杠杆效应是柄双刃剑

2007年7月17日国内首只创新型封闭式分级基金面世，目前市场上共有7只分级基金，包括3只封闭式、3只指数及2010年3月发行的1只主动开放式，其中3只封闭式基金的近期收益见附表。纵观这7只基金，既有封闭式基金也有开放式基金，设计方式类似，都有满足相对保守投资者设计的低风险份额和相对激进投资者设计的高风险份额。另外，又有一条主线将它们区分开来，即收益分配方式。从国内分级产品的特色来看，其核心主要是针对基金份额进行收益风险的重新设计，将基金份额分成具有明显风险收益属性的不同级别，从而满足不同投资者的需求，单从设计层面上讲具有一箭双雕之功用。目前分级基金正如火如荼，某种程度上也说明适应了市场的投资需求。

某种程度上，杠杆效应可能是吸引投资者关注分级基金的一大因素。简单来讲，杠杆效应相当于高风险份额向低风险份额借入资金，将两份额资产混合起来投资，以期获得超额收益，同时允诺低风险份额某一基准收益率。需要警惕的是，高风险份额在放大了投资收益的同时也提高了风险。最后的结果是高风险份额可能获得超额收益，也可能损失翻倍。简单来说，高风险份额向低风险份额借入资金的成本为2％，如果基金的收益率为5％，高风险份额相当于获得了额外的3％的收益，相反如果基金的收益率为-1％，高风险份额除了要承受基金的损失还需要支付2％的融资成本。

在关注分级基金特色的同时，也应关注基金的投资目标和策略等。分级基金首先是基金，其次才是其创新性。分级基金的杠杆效应是在基金收益的基础上面做设计，少了基金本身获取收益的能力，分级基金的杠杆效应也如空中楼阁，有时会起到相反的效果。

量化基金：挑战传统的基本面分析

量化基金，简单理解就是依据数量化的技术进行资产管理，有别于传统的基本面分析，主要运用数学理论和复杂的统计手段构建投资策略。自1971年富国银行发行跟踪纽约证券交易所1500只股票的指基以来，数量化技术便逐渐被人们认识，量化基金应运而生。海外量化基金的优异表现曾经一度引起了许多人的关注，这种设计思路也逐步被引入国内基金产品设计中。

量化基金有别于普通基金的运作模式，普通基金依靠基金经理做决策该买卖哪些股票，在什么时候交易，量化基金最明显的优势在于计算机模型的处理效率远高于人脑，在海量股票选择中占有绝对优势。量化基金的研究成本比主动管理型基金要低得多，成千上万只股票如果单靠分析师去研究并挑选，研究成本会很高。而量化基金主要依靠计算机模型来做决策，相对而言，研究成本会降低。多数量化基金的模型会按照基准指数的投资组合去挑选具体的行业和股票。这个流程会降低主动管理型基金经理凭主观推断和情绪化去选择某一行业或者某只股票的风险，这也是其优势之一。

由于量化基金的这些优势以及业绩上的优异表现，此类产品在国外一度被很多投资者所津津乐道。据一份研究资料表明，1981～2000年，使用量化技术的增强型指数基金普遍战胜了业绩基准。然而近年来海外量化基金失效及黑箱子现象使所有人开始重新审视量化基金的有效性和未来(失效主要是指2007年8月以来量化基金的业绩相比非量化基金普遍表现不佳；黑箱子是对某些量化基金操作方式的一种形象地描述，量化基金的模型和投资方法并不是公开的，基金经理就好像在一个黑箱子里面进行操作一样)。模型结构的相似性将直接影响模型的有效性及流动性。模型最主要的功能是通过有效识别因素寻找被低估的股票。发展之初，可能证券间的相关性不是很强，模型对识别错误定价的证券是有效的，但随着市场的发展，相关程度也不断增加，有效性可能会减弱。从模型的具体操作来看，量化模型主要是根据历史数据来构建，它吸收新信息的能力比较缓慢和迟钝。一旦外部环境发生变化或发生某些重大事件，如基本面上的变化等，其有效性可能就会受影响。

指数型QDII：另辟蹊径的QDII

国内首只指数型QDII――国泰纳斯达克100指数基金的发行，标志着QDII基金产品设计另辟蹊径，将逐渐朝着多样化格局发展。未来QDII市场可能形成主动和被动投资型产品共存的局面。某种程度上说，指数型QDII的出现是国内基金公司在首次出海投资探索经验的一个调整。从投资策略上说，主动和被动投资很难说孰优孰劣。然而现阶段，在海外投资环境相对复杂，海外投资经验和人才缺乏，指数型QDII的优势可能更甚于主动投资型QDII，并可能成为QDII发展的主流趋势。

篇8

保险资产管理的历史演变

保险业的转型发展蕴含了保险从非金融到金融的属性转变。保险业转型与金融市场的发展、监管环境的变革带来了保险资产管理的大发展。

国内保险业务从1980年开始恢复,当时保险资金运用的主要渠道是由人民银行批给贷款额度。90年代初期,保险办“三产”成为当时特定时代背景下保险资金运用的显着特点。1995年《保险法》颁布,保险资金运用有了明确的法律规定,严格限定在银行存款、购买国债、金融债和国务院批准的其他形式的投资。2003年,经国务院同意,保监会做出重大战略部署,在保险业组建了首批保险资产管理公司,通过资产管理公司集中化、专业化管理,逐步形成了承保业务与资产管理业务双轮驱动的格局,将行业从单纯的保险业务发展领入了资产负债协调发展的新历史阶段。此后保险资金投资范围不断扩大,保险资金运用相关的工具、渠道、机构、队伍、制度、风险防范及投资收益都获得了重大突破。

保险资产管理的不断发展,为保险资产管理服务实体经济、优化资产组合、提升投资收益、适应保险业转型发展的需要起到了十分积极的作用。随着监管政策的放开,保险资产管理还将出现重大的转型,从单纯的账户管理转向账户管理与产品管理并举,从单纯的管理内部资金转向管理内部资金与第三方资金并举,从被[:请记住我站域名/]动的负债驱动转向资产负债管理,从行业内竞争转向金融业跨界竞争,多元化、国际化将成为保险资产配置的新趋势。

保险资产管理的理论依据

现代资产组合理论是包括保险公司在内的各类机构投资者投资配置的重要理论依据。保险资产管理采用的专业技术及可以作为资产配置的大类资产类别与其他资产管理并无本质差别,这是保险资产管理的普遍性。保险资产管理的特殊性源于保险负债的特殊性。保险资金负债的性质、成本既不同于银行,也不同于信托、基金或证券。负债的特殊性决定了保险监管政策的差异性和资产配置的独特性。为更加有效地、全面地管理风险、覆盖成本,保险公司开发了资产负债管理模型(ALM),协调投资策略和产品设计、定价之间的关系,这是保险公司投资的另一重要理论依据。

与其它机构投资者相比,保险投资关注资金的安全性和流动性,投资风格更加稳健。一方面,保险业绝大部分资金都来自于保费计提的准备金,是带有给付与赔偿义务的有成本资金。对于大部分保险产品而言,投资风险基本由保险公司承担。另一方面,保险公司还面临着监管政策的硬约束,包括资产配置的比例限制、公允价值计价的会计准则、以风险为基础的偿付能力监管体系等,这与其它机构投资者面临的情况有很大不同。这些约束条件的设定,体现了保险公司强化投资风险管控背后的监管意图。

保险资金配置的国际比较

以美国为例,美国是全球最大的保险市场,寿险产品占据全部保险业可投资资产的约70%,并按账户划分为独立账户和一般账户。一般寿险产品(约为寿险资产总规模的70%)除保险保障要求外,部分产品(比如有最低投资回报承诺的产品)还需要满足最低收益目标,对投资标的安全性要求较高。这部分资金划归到一般账户,资产配置比例由保险公司决定,同时接受监管机构的投资比例限制。

美国保险公司对一般账户大都采取比较保守投资策略,80%以上的资产配置固定收益产品,其中超过70%的资金配置债券,10%左右配置抵押贷款。2008年金融危机后,权益资产配置比例控制在3%以内(2011年为2.3%),即便在股票市场牛市的2007年,股票配置的峰值也仅有4.7%。

全球第二大保险市场的日本的情况与美国类似。日本寿险业将绝大部分资产配置在固定收益产品,其中65%以上的资产配置债券,贷款投资占比15%左右,权益投资的比重已经下降到6%。

会计准则及偿付能力对保险资产管理的影响

如前所述,保险资产管理必须充分考虑会计准则及偿付能力监管规则的影响,这是其区别于一般资产管理的重要特征。

首先是会计准则的影响。一般资产管理(例如基金投资、企业年金投资)主要关注于资产组合的市值增长,市值增减变动直接反映为当期业绩,因此会计核算相对简单。而保险资产管理需要从保险公司整体目标出发,基于资产负债匹配的要求,统筹考虑资产的价值和收益,这就与金融工具会计准则产生了密切联系。

具体而言,在会计准则的框架下,保险资产管理必须考虑三大问题。一是分类。现行准则对金融工具采用“四分类”方法,一旦选定不能轻易更改。因此,必须充分考虑不同分类下资产价值、收益的计量方式、与负债的匹配度,以及对后续交易的限制,合理确定投资目的和会计分类。二是估值。公允价值计量是现行准则的一个重要计量属性,但其内在的顺周期效应也受到各方质疑。

此外,在非有效市场中资产如何估值,也是非常复杂的技术问题。三是减值。近年来金融资产减值对保险公司业绩的影响很大。尽管各公司减值标准不同,结果缺乏可比性,但都应该加强对减值的监测和主动管理,努力降低对公司业绩的影响。

其次是偿付能力监管的影响。通常情况下,资产管理主要关注于资产本身的收益,不会受到资产委托方的其他限制或约束。而保险资产管理则会受到来自保险公司的诸多约束,偿付能力监管就是其中非常重要的一项。

在我国现行偿付能力编报体系中,投资资产会从两个方面对偿付能力产生影响:一是高风险、低流动性资产(特别是另类投资)的认可率较低,会降低偿付能力;二是金融资产按公允价值计量,会造成偿付能力的剧烈波动。因此,在开展保险资产管理时,必须将偿付能力作为投资决策的重要依据。对于偿付能力偏紧的公司,要审慎考虑另类投资,并主动加强价格风险、利率风险敞口管理,控制偿付能力波动。在最新的欧盟偿付能力Ⅱ体系中,投资资产形成的市场风险、信用风险已经超过保险风险,成为寿险公司监管资本的主要驱动因素。一旦欧盟偿付能力Ⅱ实施,保险投资理念、风险收益观将会发生重大变化,资产组合

可能面临重大调整。同时,有效的风险管理将会为保险公司创造更大的价值。 保险资产的风险管理

资产管理工作本质上是一项风险管理工作。第一,识别风险。第二,对风险进行合理定价。第三,在合理的定价基础上赚取风险回报。做好资产管理工作,需要看清几个基本问题。有哪些风险?定价有没有反映风险?实现收益背后蕴含了多少风险?哪些风险是我们意料之外的(尾部风险)?

具体工作中,识别风险点,进而对风险大小进行评估,对所识别的风险点开展风险监测,出现风险后及时、正确的风险应对措施和风险报告是保险资产管理的主要流程。保险资产管理主要面临着投资性风险(市场风险、信用风险、流动性风险等)和非投资性风险(操作风险、合规风险等)。

此外,保险资产管理要定期对投资组合的收益情况进行评价,即绩效评估。绩效评估工作需要注意两个方面,一是组合收益率的计算方法,二是比较基准的选择。除了要知道投资业绩的好坏,还需要进行利源分析。这就需要开展绩效归因分析。风险调整后收益的引入有助于进一步掌握投资经理获得的收益是承担了过多的风险还是在相对较低的风险下。资产管理承担了保险行业的大部分利润贡献,行业所面临的风险也由负债端转向了资产端,对投资收益背后所承担风险的考量就非常重要。此外,一定要考虑对权益类的敞口控制问题,权益类的表现好坏会直接影响到保险资产管理的收益。

从价值投资到数量化投资的发展

纵观西方证券投资思想的发展史,在不同的时代背景和市场环境下形成了价值投资理念、技术型投资理念、被动投资理念以及现代数量化投资理念等多种投资理念。其中价值投资理念和现代数量化投资理念都属于主动投资理念,理论较为系统,目前机构投资者大多使用这两种投资理念管理资产。

本杰明·格雷厄姆最早提出了价值投资的思想。之后,菲利普·费雪、约翰·威廉姆斯以及沃伦·巴菲特等价值投资的追随者又从价值评估的范围和方法等方面对格雷厄姆的思想做了进一步的补充和完善。当前,伴随着金融创新的不断发展,价值投资者还活跃在高收益债券、衍生品等多个新兴投资领域中。从实际操作中看,价值投资过程可能面临一些问题:如价格无法恢复的风险、价值回归速度缓慢时投资者容易受到短期业绩压力、信息爆炸使发现投资机会的难度增加以及在大牛市中资金利用率较低等。

通常意义上说,数量化投资可以理解为利用数学模型和计算机技术来设计并实现投资策略的过程。近年来,数量化投资进入了一个蓬勃发展的时期。据路透社报道,2012年对冲基金每获得10美元新投资,就有超过9美元投向了数量化对冲基金。而国内的量化公募基金也已经从2008年的6只增加到了2013年6月的46只。在数量化投资的过程中,投资策略是核心所在,目前的量化投资策略主要可以分为三类:一是择时类策略,如情绪指数择时等;二是择股类策略,如多因子择股等;三是对冲套利类策略,如股票多空对冲、统计套利策略等。从历史来看,

数量化投资能够取得较高的收益,但同时也存在着模型风险。

作为两种在不同时代背景下形成的投资理念,价值投资和数量化投资并没有明显的优劣之分。但是数量化投资在数据处理能力、投资策略多样化以及投资决策理性化、流程化等方面更具优势,并且能取得相对稳定的投资业绩。目前,国内保险资金绝大部分通过价值投资方法进行管理。为更好适应未来投资环境的转变,保险资产管理未来需要实现几个转变。随着未来股指期货、融资融券以及期权等衍生工具的放开,保险资金数量化投资的运用前景会越来越广泛,真正实现投资策略的多元化发展。

中国资本市场有效性与行为金融理论的影响

理性人假设是传统金融学理论的基础。理性个体假定解决了传统金融学理论中个体的认知问题,而期望效用理论则解决了传统金融学中的个体决策问题。在上述基础上,产生了现代资产组合理论和资本资产定价模型。随着认知心理学等相关领域研究的不断发展,认知偏差的存在对于理性人假设提出了挑战。Tversky和Kahneman(1979)提出的着名的前景理论对传统的期望效用理论进行了完善,为现实中许多投资者行为提供了更加合理的解释。在此基础上,行为金融学家纷纷开始发展基于行为金融的资产定价模型和资产组合理论。

篇9

基于计算机公式和机器交易的量化投资，在华尔街由来已久甚至已经“统治华尔街”。由于国内金融市场起步较晚，自2002年第一只公募量化基金成立，量化基金始终处于徘徊、缓慢发展态势。 2015年，量化产品终于集中爆发，到2016年，A股市场动荡，量化基金大放异彩，占领了多个公募基金收益排行榜冠军位置，各基金公司纷纷加紧产品布局。

然而，2017年市场行情突然逆转，中小市值股票超跌乐兀模型建立于“回测数据”的量化基金发展再次陷入困境。据iFinD不完全统计显示，截至6月末，53只主动型量化基金有半数以上业绩告负。

其中，2016年最为热门的量化基金产品长信量化先锋A，今年年初至6月30日，以-12.32%亏损幅度垫底。值得关注的是，经过一轮宣传推介和持续营销，长信量化先锋在2016年成为市场上第一只规模突破百亿的量化基金，这也意味着量化投资业绩稍显起色，即在高位套牢为数不少的投资人。

同期，曾在2016年表现突出的创金合信量化多因子股票A、大摩多因子策略年内分别亏损-9.78%、-13.37%。

截至一季度末，东方启明量化先锋混合、东兴量化多策略混合、华润大元医疗保健量化混合等基金规模已低于5000万元的清盘线。

多位受访业内人士表示，对于量化基金的发展，基金业再度陷入“是否适合国内市场”、“回测数据的可靠性”、“人和机器如何结合”等深度困境。

从“风光无限”到“狂跌”

2015年以来，A股市场持续震荡与低迷，加之“资产荒”的资产配置难题，量化投资成为公募基金必争之地，特别是一些中小型公司，迫于同质化竞争压力，奋力打造“量化”特色。

以长信基金公司为例。“公司一直很重视量化产品的开发。”长信基金一位负责人介绍，长信基金从2010年起开始发行量化产品，到2017年一季度，旗下4只量化类权益类基金规模合计达到137.53亿元，占全部权益类总规模的近50%，较2015年同期20.28亿元规模大幅增长。

同长信基金一样，富国基金、南方基金等也都曾表态重点建设“量化基金”产品线。

2016年，量化基金表现尤为突出，成立于2016年前的68只量化基金，有28只2016年取得了正收益，在40只下跌的基金中，跌幅超过5%的有19只，占比不足四分之一。与此同时，天相投顾的统计数据显示，2016年股票型基金全年平均下跌13.38%，混合型基金平均下跌8.61%。

根据上海一家大型基金公司管理层人士透露，长信基金量化团队组建于2008年，约有10余人团队，尽管这一配置在业内并不算太高，但是借助长信量化先锋短期业绩优秀，长信基金专门针对量化展开一系列的宣传攻势。

《财经国家周刊》记者统计数据，2016年，每个季度末长信量化先锋规模分别为31.16亿元、46.16亿元和74.47亿元，当年末，其规模已达到109.44亿元，一度因为申购火爆不得不“限购”和分红来降低基金规模。

“该基金成立以来多数时间内偏重于投资中小盘成长风格个股。不少季度内基金持有大盘、价值风格个股占比几乎为0，成长风格占绝对优势。”中银国际证券有限责任公司孙昭杨表示。

因此，2016年四季度以来，市场风格转而寻求那些基本面扎实、业绩稳定的公司， 长信量化先锋在2016年11月突破高点后，便一路下滑直至垫底。这也意味着长信量化先锋背后接近最高点申购，被套牢在高位。 进入2017年之后，多家此前一直致力于量化投资研究的第三方机构，开始纷纷转向FOF等研究领域，与新一个交易年量化基金业绩萎靡大有关系。

而这并非市场个案，根据记者统计，从今年年初至6月30日跌幅垫底的光大保德信量化股票（-9.02%）、大摩量化多策略股票（-7.68%），其披露的持仓风格都是偏爱“中小创”。

同时，截至今年一季度，与长信量化先锋规模缩水至69.47亿元的遭遇一样，多个基金公司旗下量化产品还将面临“清盘”，例如上述成立于2016年10月27日的东兴量化多策略混合，2016年末规模为1.61亿元，成立不到一年时间，其规模已至清盘线下。

另外，据《财经国家周刊》记者了解，进入2017年之后，多家此前一直致力于量化投资研究的第三方机构，开始纷纷转向FOF等研究领域，与新一个交易年量化基金业绩萎靡大有关系。

“量化式”亏损反思

“目前A股市场，最为流行的量化股基的投资策略就是基于历史回测确定对股价影响较大的因子，但今年以来，价值股、大盘蓝筹股涨声一片，小盘股业绩不佳，于是大面积出现‘量化式’亏损。”富国基金一位量化投资负责人坦言，富国基金也是一家侧重量化投资的基金公司。

除了能够高效寻找上千只股票价格上涨或下跌的概率，量化投资最核心的卖点，莫过于使投资不再受基金经理的主观情绪影响，用量化模型抵御投资者内心的贪婪和恐惧。

如今，市场的突然反转，传统 alpha 策略当中最有效的市值及成长因子都遭受了不同程度的回撤。经过此次洗礼，量化基金却必须面对如何“主观灵活配置”的难题。

纵观长信量化先锋A持仓，自去年四季度以来基本上还是延续偏爱中小盘成长风格个股的投资风格。根据其年报，截至2016年年末，该基金股票仓位为84.05%，在其持有的154只个股中，中小板股和创业板股合计85只，占基金净值的比例达到50.06%。

到今年一季度，长信量化先锋A前十大重仓持股包括深桑达A、建研集团、雪莱特等，也均是以中小创股票为主。

如果放在更长的维度，从2010年11月成立至今年6月30日，长信量化先锋A的收益率为138.94%，超过同期沪深300指数近73%。同样的，从2011年至今，申万量化、长盛量化红利混合也分别达到138.95%、113.56%。

“量化交易通过回测，假设未来能够重演，更适用于长期投资，而大多数投资者的需求是在一定期限内获得回报，更考验配置能力与效率。”富国基金上述人士表示。

部分基金公司负责人透露，目前公司已着手试点，量化团队与其他团队的融合，量化与人工的优势结合始终是重点课题。

“一方面，公募基金风控和投资要求对量化交易的方法、品种、工具都产生了限制，套利、做空等策略都无法灵活运用，使得量化策略偏向于做多;其次，量化投资在牛市、市场风格转换时期表现不及主动投资，而是更多的被机构投资者所青睐，这又与国内小散为主的市场不适应。”摩根大通私人银行部门一位负责人分析。

篇10

关键词：陶瓷制品；价值评估；实物期权；合理定价

早在几千年前，中国的陶瓷领域就开始产生并发展，无论是材料，工艺，还是艺术的表现形式，都呈现欣欣向荣多元化的态势。但对于陶瓷制品的定价问题，传统方法却存在着很多问题。本文着重运用实物期权理论对介绍陶瓷制品在企业中的产品价值进行评估。

一、陶瓷制品的发展历史和发展现状

1.陶瓷制品历史悠久

中国是一个有着灿烂文化历史的国度，陶瓷的出现是人类社会走向文明的一个重要标志。中国古代在陶瓷上的成就向世界上很多国家地区传播影响，推动了世界陶瓷的进步。陶瓷制品作为中国传统制瓷工艺的结晶，具有很高的价值。悠久的历史底蕴，独特的制陶风格满足人们审美体验的同时又不失实用性。

2.陶瓷制品的价值构成

根据陶瓷制品的特殊内容和形式，其价值可以概括为以下七类：历史价值、艺术价值、科学价值、情感价值、经济价值、使用价值、生态价值。

对于陶瓷制品的综合价值评估，并不能简单地将其七类价值加和得来，不同的价值权重比例不同。其中，历史价值，艺术价值，科学价值占主要地位。情感价值偏向主观，界限模糊，所占权重较小。情感价值也是相对较高的。经济价值和使用价值是对陶瓷实用性，发展前景的高度概括，也是陶瓷价值构成的主要部分之一。而生态价值则是考虑陶瓷的可回收性，可持续发展性，及环境污染程度的综合考虑。

由此可见，对陶瓷制品的来说，七大价值是相辅相成，相互依存。

二、对于陶瓷制品的传统估值方法

1.市场法

市场法是指通过比较评估对象与类似产品的异同，并将产品的市场价格进行相应调整，从而确定其价值的评估方法。市场法以近期交易价格为基础来判断资产评估价值。

市场法的优点在于其最简单，最有效，能客观反映目前的市场状况。而缺点也很明显，要想在评估市场上找到完全合适的参照物是困难的，对于陶瓷价值的比较具有主观性和情感性，价值界限是模糊的。

2.收益法

收益法是指通过估测被评估资产未来预期收益并利用恰当的折现率进行折现，累加求和得出被评估资产的现值的评估方法。

收益法的优点在于原理简单，易于理解，充分考虑到收益因素的重要作用。缺点有二，一是预期收益受未来不可控因素较大。二是陶瓷在不同的时期风险不同，因此使用同一个折现率进行折现是不符合实际的。

3.传统方法与实物期权法的对比

在如今复杂的市场环境中，陶瓷制品企业对于陶瓷生产的投入是不可逆的，而陶瓷产品的回报又是不可预测的，因此，陶瓷企业面临的市场不确定性因素很强。经过综合对比市场法和收益法，他们都不能解决陶瓷行业极强的不确定问题，具体表现为以下两个方面：①不能量化灵活性陶瓷制品的价值。②不能量化陶瓷制品的延迟性价值。

而实物期权考虑到了陶瓷市场的复杂性，多变性和不确定性因素对陶瓷价值的影响，将陶瓷市场中可能出现的机会和不确定性作为期权进行了量化分析，提高了对陶瓷估值的准确性，对其研究具有重大的理论和实际意义。具体体现在以下三点：①把握投资和发展机会。实物期权理论使用波动率来定量分析潜在价值的变动。从企业发展的角度，考虑到外部市场的变化因素，准确选择投资机会，降低投资风险。②体现决策柔性。对市场信息采取灵活的决策，及时做出判断，采取扩张或收缩的手段，延迟或放弃的方案。这种期权的思维体现了投资者的决策柔性。③评估结果更具科学性。通过建立数学模型、选择估值参数、定量确定不可控因素的期权思维方式，将难以控制的变化转变为可求解的量，消除了投资者的主观因素和市场环境的不确定性，使得定价评估结果更科学，更具有说服力。

三、利用实物期权对陶瓷工艺进行估值

1.实物期权的含义

实物期权的概念最初是由Stewart Myers（1977）提出的，一个投资方案产生的现金流所创造的利润，来自于目前所拥有资产的使用，再加上对未来投资机会的选择。企业可以取得一个在未来以一定的价格取得或出售实物资产或投资计划的权利，所以实物资产的投资可以应用类似评估一般期权的方式进行评估。又因为其标的物为实物资产，故将此期权称为实物期权。

2.金融期权和陶瓷制品实物期权的对比

3.实物期权定价模型：B-S定价模型

（1）股票债券B-S期权定价模型

1973年Fischer Black和Myron Scholes在一系列假设前提下，根据无风险套利原则，利用微积分方程，推导出了计算不支付红利股票的欧式看涨期权价值的B-S期权定价模型，得到连续时间条件下的B-S期权定价模型：

（2）将期权定价模型应用于陶瓷制品定价

也许B-S期权定价模型更多地在债券，股票等有价证券中适用，但是在陶瓷制品实物期权领域，由于陶瓷可以在完全市场上流通，具有实物期权特性，所以同样可以使用B-S实物期权对其进行价值评估。

首先对模型里的参数含义进行新的定义。如表所示：

下面对模型变量含义的进行探讨：

S表示在项目投资期限内陶瓷产品为企业带来收益的现值之和，这需要根据企业运行状况，市场环境变化进行预测，然后按照折现率进行折现，得到陶瓷投资时点的现值。

X表示生产项目的初始投入成本，包括原材料，生产车间，雇佣工人等。

T表示使用的有效期限。

表示价值的波动率，由于市场上存在着不确定因素，及人们主观情感的变化，陶瓷制品的价值变化的不确定因素越大，这个参数的值也就越大。

（3）使用建议

在使用实物期权对陶瓷制品定价时，应注意看涨期权模型与陶瓷实物期权模型中相同变量含义的变化，正确地使用变量，注意由于企业经营管理柔性及灵活性带来的项目进行期内现金流的波动，以及项目的初始投入成本和有效期限的确定，正确地使用B-S定价模型才能最大程度上避免不确定性因素对制品定价的影响。

四、结论

对于陶瓷制品定价，传统定价方法存在着不能量化灵活性陶瓷制品的价值及延迟性价值的缺陷，而使用实物期权定价对陶瓷制品进行价值评估，不仅能避免不确定性因素的影响，使得陶瓷企业把握投资和发展机会，而且能使得评估结果更具科学性。在使用B-S实物期权定价模型时，正确认识实物期权在陶瓷制品定价应用的模型变量含义，及其有关模型变量数值的准确使用，确保模型使用的正确性，充分发挥决策柔性的优越性，帮助陶瓷企业的生产者克服更高水平的不确定性，使得陶瓷制品定价理论进一步优化。

参考文献：

[1]张玲倩.浅析资产评估方法的选择[J].科技研究，2014，（2）：631-631.