時間：2023-08-20 14:47:26
序論：在您撰寫量化投資與分析時，參考他人的優(yōu)秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導(dǎo)您走向新的創(chuàng)作高度。
實行建設(shè)工程招投標(biāo)制度是我國社會主義市場經(jīng)濟發(fā)展的一種競爭形式，也是市場經(jīng)濟發(fā)展的必然要求，而資格預(yù)審工作正是為開展招投標(biāo)工作把好重要的第一關(guān)。資格預(yù)審程序就是為了在招標(biāo)投標(biāo)過程中使資格條件不適合承擔(dān)或者履行合同的投標(biāo)人退出招標(biāo)過程。這道程序體現(xiàn)了擇優(yōu)原則，達到了社會資源的優(yōu)化配置作用，進而促進社會生產(chǎn)力的發(fā)展。
我國現(xiàn)行的招投標(biāo)資格預(yù)審主要是種定性的考察、篩選做出投標(biāo)人優(yōu)劣的判斷。如何根據(jù)對投標(biāo)人提供的資格預(yù)審文件，從定性研究轉(zhuǎn)化為一種定量的分析，對招標(biāo)人和投標(biāo)人都是有好處的。它既可以避免以往對投標(biāo)人的資格預(yù)審不合理，又可以使招投標(biāo)資格預(yù)審更具科學(xué)合理性和公正性。如果要用科學(xué)合理的定量分析投標(biāo)人優(yōu)劣的情況，就必須設(shè)計與之相配套的科學(xué)的評價方法。
基于上述考慮，本文所闡述的量化評價法就是為招標(biāo)人進行招投標(biāo)資格預(yù)審所設(shè)計的，尤其是對于一般性技術(shù)要求不高、結(jié)構(gòu)不復(fù)雜的建設(shè)工程項目，采用量化評價法進行招投標(biāo)資格預(yù)審就比傳統(tǒng)的定性評價顯得更加科學(xué)、簡單、快捷。
二、量化評價法
沒有量化的資格預(yù)審方法是不能稱其為標(biāo)準(zhǔn)的。筆者結(jié)合我國大多數(shù)招標(biāo)人在工程項目招標(biāo)的成功經(jīng)驗，提出采用量化評價法確定通過資格預(yù)審的投標(biāo)人的評價方法。量化評價法的招投標(biāo)資格預(yù)審方法適用于技術(shù)難度不高、工藝較簡單的工程項目招投標(biāo)的資格預(yù)審。招標(biāo)人根據(jù)工程自身實際需要，對投標(biāo)人的各項信息根據(jù)預(yù)先設(shè)量化好的分值，得出投標(biāo)人資格預(yù)審文件分值的排序。
量化評價法的評分項目共四項，總分100分，四項得分相加即為投標(biāo)人資格預(yù)審的總得分，若投標(biāo)人總分相同，則同時入圍參與投標(biāo)過程的竟標(biāo)過程。對于各投標(biāo)單位的參與資格預(yù)審的評分細(xì)則現(xiàn)以評分表形式列出，如表1所示。
采用量化評價法由招標(biāo)人預(yù)先制定供投標(biāo)人使用的資格預(yù)審文件，并在資格預(yù)審書中告知，對投標(biāo)人某些相關(guān)信息進行量化的評分，并最終根據(jù)資格預(yù)審的得分排名擇優(yōu)合格的投標(biāo)人。
運用量化評價法科學(xué)的引導(dǎo)投標(biāo)企業(yè)健康的發(fā)展，對于招標(biāo)人也可以在經(jīng)過長期積累后形成自己的投標(biāo)企業(yè)資格預(yù)審合格庫。對于那些被招標(biāo)人認(rèn)可的投標(biāo)企業(yè)和項目經(jīng)理免于進行重復(fù)審查。投標(biāo)人參與投標(biāo)過程中，若投標(biāo)人已進入招標(biāo)人的資格預(yù)審合格庫中，則可直接參與投標(biāo)過程。若投標(biāo)人有違反或其他不良行為，則招標(biāo)人可立即將其從資格中直接刪除。
此外，運用量化評價法對投標(biāo)人參與資格預(yù)審時的假借資質(zhì)、人員、資料弄虛作假等行為，招標(biāo)人可通過下述方式處理：
第一，要求投標(biāo)人提供參與招標(biāo)階段的保函，同時遞交資格預(yù)審保證金，以便對投標(biāo)人在招標(biāo)階段的不良行為做出經(jīng)濟處罰。而通過遞交資格預(yù)審保證金，也可以削弱亂借資質(zhì)的行為，招標(biāo)人只需對資格預(yù)審保證金的匯款方限定為投標(biāo)人即可。
第二，對于項目負(fù)責(zé)人所從事企業(yè)的認(rèn)定可通過多方面適當(dāng)?shù)耐緩絹慝@得。實際中有些項目負(fù)責(zé)人同時從事于不同的企業(yè)也是事實存在的，因此，招標(biāo)人可要求投標(biāo)人提供擬參與該項目的項目負(fù)責(zé)人及項目機構(gòu)人員的社會保險資料，利用我國勞動法規(guī)定的“用人單位必須與勞動者簽訂勞動用工合同”，“必須為企業(yè)員工繳納各類規(guī)定社會保險”等條款，為規(guī)范“借資”、“掛殼”等投機行為提供有力的辨別方式。
第三，完善對于投標(biāo)人遞交資格預(yù)審資料中關(guān)于企業(yè)或者項目負(fù)責(zé)人從事過以往工程的業(yè)績材料及相關(guān)資質(zhì)證書的核查。建設(shè)行政主管部門應(yīng)做好備案的工作，確保招標(biāo)人進行項目招標(biāo)時可以順利判斷投標(biāo)人對本工程所提供資料的真實性、準(zhǔn)確性，杜絕一個項目機構(gòu)同時服務(wù)于若干不同招標(biāo)人。對于證件造假弄虛作假，行政主管部門應(yīng)建立電子信息IC卡制度，并錄入數(shù)據(jù)庫黑名單。
三、量化評價法應(yīng)用于實際的案例分析
某項目招標(biāo)公告簡要信息如下：
1.招標(biāo)人單位名稱公開招標(biāo)的XX工程（項目名稱）已經(jīng)由該市發(fā)展和改革委員會批準(zhǔn)建設(shè)。工程所需資金來源現(xiàn)已落實?，F(xiàn)邀請合格的投標(biāo)人參加本工程的資格預(yù)審。
2.工程概況：
(1)工程規(guī)模：XXX城市快速路工程，本道路規(guī)劃為城市A級道路，道路總長約2000米，規(guī)劃路寬50米，該工程主要包括道路、橋梁及道路以下綜合管線等工程。工程總投資約4000萬元。
(2)計劃開、竣工時間：XXXX年X月至XXXX年X月。
3.本招標(biāo)工程不分標(biāo)段，每位申請人可申請參與該工程的資格預(yù)審。
4.申請人應(yīng)當(dāng)具備的主要資格條件
(1)申請人資質(zhì)類別和等級：主項市政公用工程施工總承包貳級及貳級以上資質(zhì)。
(2)擬選派項目經(jīng)理的資質(zhì)等級：市政公用工程貳級以上資質(zhì)。
(3)企業(yè)業(yè)績：有過同類道路工程施工業(yè)績。
(4)項目經(jīng)理業(yè)績：有過同類道路工程施工業(yè)績。
配合本工程招標(biāo)公告的資格預(yù)審文件要求投標(biāo)人提供該企業(yè)上一年度財務(wù)報表、該企業(yè)準(zhǔn)備投入本項目管理人員的名單附職稱證明，并要求投標(biāo)人提供本企業(yè)獲IS09000證書或提供本企業(yè)獲地市級工商管理局重合同守信譽證書或本企業(yè)在銀行獲得的資信等級證書（以上證書非必須提供）。招標(biāo)人在資格預(yù)審文件中規(guī)定了對投標(biāo)人采用資格預(yù)審量化評價法擇優(yōu)選擇排名前60%的投標(biāo)人為合格投標(biāo)人。投標(biāo)人的各項信息得分以表1為評分標(biāo)準(zhǔn)。
最終參與本工程有9名投標(biāo)人參與本工程的資格預(yù)審，經(jīng)匯總將9名投標(biāo)人情況表如表2所示。
根據(jù)資格預(yù)審文件預(yù)先告知的本工程量化評價的評分標(biāo)準(zhǔn)，得出的9名投標(biāo)人得分及排名情況如表3所示。
（一）傳統(tǒng)證券風(fēng)險量化指標(biāo)的理論源頭
傳統(tǒng)的證券風(fēng)險分析當(dāng)中必然會同一個與之如影隨形的概念聯(lián)系在一起，那就是收益，同時，在西方傳統(tǒng)的經(jīng)濟學(xué)當(dāng)中風(fēng)險和報酬存在著這么一個函數(shù)關(guān)系，甚至在一些傳統(tǒng)的經(jīng)濟學(xué)課本上作者為了簡化兩者之間的關(guān)系，將兩者簡單的歸結(jié)為一個完美的線性關(guān)系，即風(fēng)險與收益之間是一對一的數(shù)學(xué)關(guān)系，并且存在著這樣一個邏輯：風(fēng)險越大，報酬或者收益也就越大，反之亦然。即使是稍微尊重事實一些的經(jīng)濟學(xué)教材也運用了高等數(shù)學(xué)當(dāng)中線性回歸的方法將兩者的關(guān)系從非線性回歸為一對一的線性關(guān)系。除了學(xué)界對于風(fēng)險的分析是從報酬或者收益出發(fā)的以外，在國外或者國內(nèi)的民間也有類似的對于兩者關(guān)系的表達，例如我國有句老百姓口中經(jīng)常說到的“富貴險中求”就是對兩者的關(guān)系的簡單認(rèn)識。因此，傳統(tǒng)證券風(fēng)險分析的源頭明顯是來源于對于報酬的分析。
（二）傳統(tǒng)證券風(fēng)險量化指標(biāo)的數(shù)學(xué)方法的應(yīng)用
傳統(tǒng)的證券風(fēng)險理論認(rèn)為證券的總風(fēng)險=可分散的風(fēng)險+不可分散的風(fēng)險，其中可分散的風(fēng)險主要指的是個別證券自身存在的風(fēng)險，而不可分散的風(fēng)險則是指市場風(fēng)險，下面筆者介紹一下傳統(tǒng)證券風(fēng)險量化的兩個重要的指標(biāo)――標(biāo)準(zhǔn)差與貝塔值。
第一，標(biāo)準(zhǔn)差。傳統(tǒng)證券風(fēng)險理論認(rèn)為個別證券的風(fēng)險可以從單個證券的報酬率為起點進行分析。財務(wù)投資專家從高等數(shù)學(xué)當(dāng)中引入了一個衡量證券報酬率的波動性量化分析的指標(biāo)――標(biāo)準(zhǔn)差來進行對單項證券風(fēng)險的判斷，進而判斷出相同期望報酬率和不同期望報酬率時對于不同投資的選擇。測算的步驟如下：第一步，確定各種市場需求下各類需求發(fā)生的概率；第二步，計算出期望報酬率，其實質(zhì)上是對于各類市場需求下的報酬率的加權(quán)平均數(shù)。第三步：根據(jù)標(biāo)準(zhǔn)差的數(shù)學(xué)公式計算出標(biāo)準(zhǔn)差，σ=[Σ（ri-?）2×Pi]1/2其中ri是第i只證券的報酬率，?是期望報酬率，Pi是第i只證券的報酬發(fā)生的概率。結(jié)論是在期望報酬率相同的時候，標(biāo)準(zhǔn)差越大證明該證券波動越大，風(fēng)險也就越大，反之亦然。在期望報酬率不同時引入了另外一個概念即離差，由于基本原理也是根據(jù)標(biāo)準(zhǔn)差衍生而得，在此不再贅述。[1]
第二，代表市場風(fēng)險的貝塔值。我們在第一點中提到的標(biāo)準(zhǔn)差主要衡量的是單項證券的風(fēng)險，而貝塔值的引入主要是考慮到了證券組合的風(fēng)險構(gòu)成當(dāng)中不可分散的風(fēng)險即市場風(fēng)險。而貝塔值的測算公式從數(shù)學(xué)的角度來說實際上是利用了標(biāo)準(zhǔn)差的升級版公式即協(xié)方差，協(xié)方差主要是衡量了兩組數(shù)據(jù)之間的相關(guān)程度，以此來判斷證券組合的報酬率與市場報酬率之間的數(shù)理聯(lián)系，進而判斷出不可分散的風(fēng)險。理論上貝塔值的計算是βi=（σi /σm）ρim，其中βi第i個證券組合的市場風(fēng)險程度，σi，σm分別第i個證券組合的標(biāo)準(zhǔn)差與市場證券組合的標(biāo)準(zhǔn)差，ρim代表第i個證券組合的報酬與市場組合報酬的相關(guān)系數(shù)。實際當(dāng)中β系數(shù)可以通過將股票報酬對市場報酬做回歸得到，擬合得到的回歸線的斜率就是證券的β系數(shù)，即β=Ri /Rm。[2]
二、價值投資理念下風(fēng)險與報酬的關(guān)系
價值投資理念是華爾街之父本杰明格雷厄姆所創(chuàng)立，在其傳世之作《證券分析》當(dāng)中明確提出了有關(guān)投資與投機概念，其中論及投資界老生常談的收益與風(fēng)險的問題時結(jié)論與傳統(tǒng)證券風(fēng)險分析有著本質(zhì)的不同，格雷厄姆明確指出收益與風(fēng)險之間不存在著數(shù)學(xué)關(guān)系，并且認(rèn)為證券的價格與收益并非取決于對于其風(fēng)險的精確數(shù)學(xué)的計算，而是取決于該證券的受歡迎程度，而這種受歡迎程度本身包含了投資者對于風(fēng)險的認(rèn)識，但很大程度上還受到如公眾對公司和證券的熟悉程度，證券發(fā)行與購買的容易程度等。[3]并進一步指出，無論是理論上還是實際當(dāng)中，對投資風(fēng)險進行精確的計算都是不可能成功的，現(xiàn)實當(dāng)中并沒有所謂的期望報酬率的概率經(jīng)驗表，即使存在也是基于對于歷史數(shù)據(jù)的分析得到了，而歷史數(shù)據(jù)之于未來決策的有用性或相關(guān)性的大小還有待考證，其研究范圍不同于保險公司對于保單的精確測算，例如人壽保險能夠明確的了解年齡與死亡率之間的關(guān)系是明確的。而證券的風(fēng)險與報酬之間的關(guān)系則沒有如此的確定。[4]
三、價值投資理念下傳統(tǒng)證券風(fēng)險量化分析的反思
以上筆者對于傳統(tǒng)的證券風(fēng)險理論與量化方法以及價值投資理念下關(guān)于風(fēng)險與收益的關(guān)系進行了論述。筆者認(rèn)為，價值投資理念下有關(guān)論述對于我們重新審視證券投資中風(fēng)險因素的衡量有著非常重要的意義。
首先，筆者認(rèn)為，標(biāo)準(zhǔn)差的計算過程本身就存在著無法避免的瑕疵，這一個公式至少有兩個基本假設(shè)，第一，計算的人必須能夠客觀的預(yù)測出各種市場情況發(fā)生的需求概率，并且準(zhǔn)確的在各種概率下發(fā)生的報酬率；第二，假定歷史數(shù)據(jù)對于未來的投資決策具有確定的相關(guān)性。但是在現(xiàn)實生活中根本是無法預(yù)測的，這種算法實質(zhì)上是硬將自然科學(xué)當(dāng)中的數(shù)學(xué)模型強加到社會問題的研究當(dāng)中，不可否認(rèn)的是，目前來說大量的社會問題是無法通過數(shù)學(xué)來量化的，因為證券的風(fēng)險當(dāng)中不僅僅只有報酬因素的影響，還有各種在不同市場條件下的因素決定的，而這些因素又相互的的影響和動態(tài)的變化。因此，標(biāo)準(zhǔn)差的方法受到了質(zhì)疑，后續(xù)的離差率、β值的計算自然也就沒有了根基。
其次，β值的測算除了上述由于標(biāo)準(zhǔn)差的非客觀性導(dǎo)致的不確定性的缺陷以外，筆者也針對實操當(dāng)中第二種公式進行分析，β的第二種公式是β=Ri /Rm，從公式上來看，存在著明顯的邏輯上的可疑性，單個股票的收益率假如大于市場整體的收益率，則該只股票的風(fēng)險就比市場風(fēng)險大？這個觀點在《證券分析》當(dāng)中就已經(jīng)被很好地反駁了，在此，筆者只需要舉一個例子就足夠反駁這一個觀點，伯克希爾哈撒韋上市公司每股截至2017年6月5日是249660美元，每股收益率如果從上市之初可以用天文數(shù)字來形容，并且這家公司經(jīng)歷了無數(shù)次大大小小的金融危機，依然以遠(yuǎn)遠(yuǎn)超過市場平均的業(yè)績笑傲群雄，難道說他的風(fēng)險要遠(yuǎn)遠(yuǎn)大于市場？這家公司是以價值投資的理念進行風(fēng)險評估和投資的。因此，筆者認(rèn)為中國的證券行業(yè)乃至我們有關(guān)的證券專家和學(xué)者們有必要從價值投資的理念來重新審視目前證券風(fēng)險量化的指標(biāo)在實際當(dāng)中的效用。
關(guān)鍵詞：分析 短線
中圖分類號：F832 文獻標(biāo)識碼：A 文章編號：1672-3791（2012）09（c）-0252-02
2012年以來，以量化分析技術(shù)投資著稱的量化基金表現(xiàn)得一枝獨秀，逐漸從振蕩市中脫穎而出。一季度，上證綜指上漲2.88%，同期標(biāo)準(zhǔn)股票型基金平均業(yè)績?yōu)?.31%，而按照Wind分類的13只量化基金，其平均業(yè)績?yōu)?.92%，五行基金更是取得7.65%的正收益，在亞洲量化基金中排名第一，超越同期上證指數(shù)4.77個百分點。
美國私募基金復(fù)興科技公司的第一支純粹的量化投資基金—— 大獎?wù)禄穑瑥?988年3月成立至2008年的21年里，平均年度凈收益高達36%，遠(yuǎn)遠(yuǎn)跑贏同期道指年均8.81%的漲幅，比索羅斯、巴菲特同期的業(yè)績高出10%，原因：一是數(shù)學(xué)家基金經(jīng)理；二是量化分析技術(shù)。
1 基本面分析量化分析是投資機構(gòu)先后采用的2種投資技術(shù)
基本面分析，是分析員和基金經(jīng)理通常采用研究財務(wù)報表，與公司高層會談，與相關(guān)人員荷香業(yè)專家討論等方式，對少數(shù)幾家公司股票（約10到100只股票）進行非常深入的研究分析，來決定要投資哪些股票以及如何投資。在基本面分析分類中，會根據(jù)行業(yè)不同，有專員長期跟蹤和深入研究其中一個行業(yè)，而這幾名專員最后則會成投資這個行業(yè)的專家。在股票市場成立以來長期采用的較為傳統(tǒng)的分析和投資方式就是基本面分析?；久嫱顿Y，通過企業(yè)內(nèi)部財務(wù)報表的形式，來發(fā)現(xiàn)企業(yè)的潛在價值，以求企業(yè)得到穩(wěn)定持續(xù)的高額收益，一旦買入，長期持有。
量化分析，借助數(shù)學(xué)、物理學(xué)、幾何學(xué)、心理學(xué)甚至仿生學(xué)的知識，通過建立模型，進行估值、擇時選股。量化分析員和量化基金經(jīng)理，通常會同時研究全盤數(shù)千支股票，分析的方式也可以是基于公司基本面的，但是會強調(diào)量化財務(wù)指標(biāo)。量化的指標(biāo)（又稱因子）也可以是其他更有特色的數(shù)據(jù)。從事量化分析投資的基金經(jīng)理通常不去上市公司實地調(diào)研，而是將精力放在不斷完善模型上，量化分析投資的模型是決定投資業(yè)績的關(guān)鍵，投資模型始終處于絕密狀態(tài)，不同市場設(shè)計不同的量化分析投資管理模型，在全球各種市場上進行短線交易。
2 量化分析技術(shù)獲取超額投資收益之道
在變幻莫測的市場經(jīng)濟中，能否理性思考投資、不受情緒影響，將是成功的關(guān)鍵。而利用計算機的篩選得出的量化分析基金，不受投資中非理性因素影響，使投資更有計劃行、紀(jì)律性、規(guī)律性，基金管理人要做到不貪婪、不恐懼、不放棄，不受情緒影響，以一顆平常心追求利益瘦小。
量化分析，有一套完整、科學(xué)的投資體系。嚴(yán)格的紀(jì)律性是量化投資明顯區(qū)別于主動投資的重要特征。在量化分析基金的運作中，主觀判斷也會出現(xiàn)和量化分析模型相左的情兄，但會堅持量化分析投資的紀(jì)律，相信模型判斷的長期穩(wěn)定性，不會盲目去調(diào)整改變。與傳統(tǒng)偏股型基金不同，量化分析基金采用獨特的投資組合管理方式，漸進動態(tài)調(diào)整基金組合。這樣不僅可以順應(yīng)瞬息萬變的市場，還可以降低個股集中度，平穩(wěn)投資業(yè)績。因此，這種方式并不會產(chǎn)生傳統(tǒng)意義的重倉股，也就大大降低了重倉個股的風(fēng)險。
量化分析業(yè)績，來自于量化分析模型批量選股的成功率大于失敗率。量化分析的模型敏銳的“發(fā)覺”了開場環(huán)境的轉(zhuǎn)變，自動調(diào)高了評估因子、預(yù)期因子及市場反轉(zhuǎn)因子的權(quán)重，量化分析模型依此邏輯選擇的股票大部分取得較好收益，提升了整體業(yè)績。
3 量化分析技術(shù)創(chuàng)始人并非經(jīng)濟學(xué)家。
量化分析技術(shù)并非發(fā)端于華爾街，不少人最初并非經(jīng)濟學(xué)家，如巴契里耶和布萊克原先是數(shù)學(xué)家，夏普則從事醫(yī)學(xué)，奧斯伯恩為天文學(xué)家，沃金與坎德爾是統(tǒng)計學(xué)家，而特雷諾則是數(shù)學(xué)家兼物理學(xué)家。1970年代美國債券市場和股票市場全面崩盤，當(dāng)時提出用量化分析方法管理投資組合的人是作家彼得·伯恩斯坦。1952年3月發(fā)表“投資組合選擇”論文、提出現(xiàn)代財務(wù)和投資理論最著名遠(yuǎn)見的馬克維茨，以該理論勉強通過博士答辯，到1990年10月，這些人中才有三位獲得諾貝爾經(jīng)濟學(xué)獎。
2012年，美國倫斯理工學(xué)院金融工程碩士李炬澎，依據(jù)5000年中國古老的《易經(jīng)八卦數(shù)理》研發(fā)立體數(shù)量模型分析微觀經(jīng)濟，用超高頻率政治外交詞匯、交易數(shù)據(jù)、股票期權(quán)數(shù)據(jù)、公司債務(wù)數(shù)據(jù)來做個股分析，用《五行相克相生原理》來分析自然、社會、政治、人文如何影響宏觀經(jīng)濟。比如用計算機分析新聞報道中天地雷風(fēng)水火山澤8中自然天文現(xiàn)象與宏觀經(jīng)濟關(guān)聯(lián)程度，使五行基金取得亞洲量化分析投資行業(yè)第一名的業(yè)績。
4 量化分析技術(shù)應(yīng)用的載體是計算機軟硬件技術(shù)的發(fā)展
馬克維茨的投資組合現(xiàn)代金融理論，提出了風(fēng)險報酬和效率邊界概念，并據(jù)此建立了模型，成為奠基之作。托賓隨后提出了分離理論，但仍需要利用馬克維茨的系統(tǒng)執(zhí)行高難度的運算，1961年，與馬克維茨共同獲得1990年諾貝爾獎的夏普用IBM最好的商用電腦，解出含有100只證券的問題也需要33mim。夏普1963年1月提出了“投資組合的簡化模型”（單一指數(shù)模型），簡化模型只用30s。1964年夏普又開發(fā)出資本資產(chǎn)定價模型（CAPM），不僅可以作為預(yù)測風(fēng)險和預(yù)期回報的工具，還可以衡量投資組合的績效，以及衍生出在指數(shù)型基金、企業(yè)財務(wù)和企業(yè)投資、市場行為和資產(chǎn)評價等多領(lǐng)域的應(yīng)用和理論創(chuàng)新。1976年，羅斯在CAPM的基礎(chǔ)上，提出“套利定價理論”（APT），提供一個方法評估影響股價變化的多種經(jīng)濟因素。布萊克和斯克爾斯提出了“期權(quán)定價理論”。莫頓則發(fā)明了“跨期的資本資產(chǎn)定價模型”。
5 量化分析應(yīng)用的關(guān)鍵是基本面分析無法快速精確處理豐富的金融產(chǎn)品和巨大交易量
1970年代以前，華爾街認(rèn)為投資管理需要天賦、直覺以及獨特的駕馭市場的能力，基本面分析師、基金經(jīng)理可以獨力打敗市場，而無需依靠那些缺乏靈魂、怪異的數(shù)學(xué)符號和縹緲虛幻的模型。華爾街對學(xué)術(shù)界把投資管理的藝術(shù)，轉(zhuǎn)化成通篇晦澀難懂的數(shù)學(xué)方程式一直持有敵意，1970年代初期，美國表現(xiàn)最佳的基金經(jīng)理人從未聽過貝塔值，并認(rèn)為那些擁有數(shù)學(xué)和電腦背景的學(xué)者只是一群騙子。
量化分析投資不會出現(xiàn)在個人投資者為主的時代。個人投資者既缺乏閑暇的時間，也普遍無此能力。僅有現(xiàn)資理論的建立，及各類模型的完善與推陳出新，并不會直接催生出量化分析投資，它還需要其他幾個重要前提條件，比如：機構(gòu)投資者在市場中占據(jù)主導(dǎo)，隨著社?；鸷凸餐鹳Y產(chǎn)的大幅增加，成為市場上的主要機構(gòu)投資者，專業(yè)機構(gòu)管理大規(guī)模資產(chǎn)，需要新的運作方式和金融創(chuàng)新技術(shù)，專業(yè)的投資管理人有能力和精力專注地研究、運用這些量化分析技術(shù)。
1970年代后期的Wells Fargo銀行，率先用量化分析技術(shù)管理投資組合，投資高股息股票，用較少的風(fēng)險獲得了較大的收益，不用這些模型，不用電腦運算這些公式，會陷于困境。1980年代以來，面對數(shù)不勝數(shù)的各類證券產(chǎn)品和期權(quán)類產(chǎn)品，以及龐大的成交量，許多復(fù)雜的證券定價，必須靠大容量高速運算的電腦來完成。到2007年美國股市近一半的機構(gòu)基金都是由量化模型來管理的。從2000年初到2007年全球量化分析基金市場連續(xù)8年表現(xiàn)遠(yuǎn)遠(yuǎn)超過其他投資方式。
6 量化分析在應(yīng)對經(jīng)濟危機和突發(fā)經(jīng)濟事件中開拓前進
1987年10月大股災(zāi)，當(dāng)天股市和期貨成交量高達令人吃驚的410億美元，價值瞬間縮水6000億美元。很多股票直接通過電腦而不是經(jīng)由交易所交易。一些采用投資組合保險策略的公司，在電腦模式的驅(qū)使下，不問價格機械賣出股票。很多交易員清楚這些投資組合會有大單賣出，寧愿走在前面爭相出逃，加劇了恐慌。針對整個投資組合而非單個證券，機械式的交易，電腦的自動操作，大量的空單在瞬間涌出，將市場徹底砸垮。
1997年至1998年亞洲金融危機股市暴跌，量化分析投資的算法交易也起到了同樣的壞作用。著名的長期資本管理公司，遭遇俄羅斯國債違約這一小概率事件，也陷入破產(chǎn)之境，迫使美聯(lián)儲集華爾街諸多投資銀行之力，加以救助。
2007年8月金融危機中，許多量化基金出現(xiàn)巨額損失。其原因主要是幾家大型對沖基金大量賣出它們的量化分析基金股票，去彌補其在其他投資方式上的損失。由于很大相同倉位的股票在很短的時間內(nèi)被廉價賣出，從而加劇了很多投資指標(biāo)的損失，尤其是價值和動量指標(biāo)的損失。
2011年即使歐債金融危機發(fā)生，量化分析基金也再次表現(xiàn)優(yōu)異，超過其他投資方式，雖然能否就此再度復(fù)興仍屬未知，此一趨勢已不可逆轉(zhuǎn)。
7 量化分析技術(shù)今后幾年全球應(yīng)用的熱點在中國的A股市場
中國金融、資本、股市投資者結(jié)構(gòu)很不合理，A股市場的專業(yè)投資機構(gòu)持有市值的15.6%，而發(fā)達市場這一比例大致為70%。更為不合理的是交易結(jié)構(gòu)，A股市場個人投資者持有市值占比26%，但卻完成了85%的交易。根據(jù)Wind分類，目前我國市場上共有13只量化基金，包含11只普通股票型基金，1只指數(shù)基金和1只偏股混合基金。
中國現(xiàn)有的人才和技術(shù)都難以支持完全的量化分析投資，在缺乏國際化人才和成熟模型的情況下，經(jīng)營業(yè)績自然也差強人意。
量化分析今后幾年全球熱點在中國的A股市場?，F(xiàn)在主要發(fā)達國家的股市很大程度上由量化基金所控制。為了尋找更高收益的市場，很多大型量化基金也開始大量投資于發(fā)展中國家市場，中國的A股市場是今后幾年全球量化分析投資熱點，所以近年來很多北美和歐洲的高層量化分析基金經(jīng)理和分析員紛紛到中國大陸、香港和新加坡推廣量化投資技術(shù)。這是國際國內(nèi)的金融市場和投資者，都要面對的機會和挑戰(zhàn)。
量化分析基金2002年才在中國剛剛起步，到2009年和2010年，才真正進入快速發(fā)展期，2010年末量化基金的總規(guī)模達到了779億元。雖然規(guī)模有顯著提升，但是與國外市場量化分析基金占共同基金總資產(chǎn)16%相比，國內(nèi)量化分析基金還有非常大的發(fā)展空間。
關(guān)鍵詞：量化投資；傳統(tǒng)投資；模式數(shù)學(xué)模型；自變量參數(shù)
1量化投資簡介
1.1基本概念
量化投資是一種借助于計算機高效計算程序進行復(fù)雜運算，以金融產(chǎn)品未來收益與風(fēng)險為研究對象的新型投資方式。量化投資的基礎(chǔ)是以股票價格、日成交額等大數(shù)據(jù)庫數(shù)據(jù)為參考樣本數(shù)據(jù)并建立數(shù)學(xué)模型，運用仿真分析及迭代方法不斷修正數(shù)學(xué)模型，直到數(shù)學(xué)模型可以用來預(yù)測指導(dǎo)投資交易。任何一個投資的方案或者設(shè)想，都可以為它設(shè)計一個數(shù)學(xué)模型，然后借助大數(shù)據(jù)庫的現(xiàn)有數(shù)據(jù)進行迭代法測試分析，以此來判別數(shù)學(xué)模型的有效性。傳統(tǒng)投資方式基本上是對傳統(tǒng)的技術(shù)分析和公司的經(jīng)營狀態(tài)基本分析，存在一定的局限性；相比之下量化投資分析是基于對大數(shù)據(jù)市場數(shù)據(jù)的，數(shù)據(jù)樣本空間容量足夠大，而且可以快速進行運算并排除投資者個人心理因素的主觀影響，科學(xué)性和時效性更強。此外，量化投資是一種主動性的投資方式，在進行數(shù)學(xué)模型選擇、自變量選取、數(shù)學(xué)模型的驗算迭代都是投資行為的主動部分。
1.2交易內(nèi)容及方法
量化投資交易的內(nèi)容主要是量化策略以及交易策略，在制定交易策略時必須立足于投資市場、投資產(chǎn)品以及分配在內(nèi)等。具體交易平臺則是靠以計算機計算程序為基礎(chǔ)的線上交易平臺系統(tǒng)。進行量化投資交易時通常會遇到各種較為復(fù)雜的情況，但是基本前提都是要依據(jù)現(xiàn)有的既定的大量數(shù)據(jù)庫數(shù)據(jù)，靈活采用各種方法來判斷投資對象是否值得投資?？傮w來說，量化投資有估值法、資金法和趨勢法三種。
2量化投資現(xiàn)狀
從理論上來說，每個量化投資者的決策行為可以被同化為理性預(yù)期、風(fēng)險規(guī)避、嚴(yán)格效用基本一致的理想化模型。然而現(xiàn)實情況中每個人的心理活動、出發(fā)點、知識水平等都存在差異，進行量化投資時人們作出的決策也存在差異。人的非理性行為與理性行為都是客觀存在的，而且非理性行為對理性行為也存在著一定的影響，因此投資人在進行投資決策時并不能完全理性地進行選擇。綜上所述，非理性人的客觀存在使投資人在進行投資決策時不能完全忽視個人的心理因素。既然個人的心理因素?zé)o法排除，那么在建立決策分析數(shù)學(xué)模型時，就應(yīng)該把個人的心理因素考慮在內(nèi)。當(dāng)前我國國內(nèi)量化投資有以下幾個特點：(1)個人投資者占總投資者的比例很高。上文已經(jīng)提到投資者個人的非理性客觀存在且不可避免，那么眾多量化投資者的非理性因素間接影響我國量化投資市場。(2)我國的量化投資市場雖然發(fā)展迅速但仍不成熟。與美國及歐洲發(fā)達國家相比，我國量化投資市場只能是一個新興的市場，直接表現(xiàn)在各方面的信息不完整且難以搜集，一些基礎(chǔ)數(shù)據(jù)我們只能自己想方設(shè)法地去開發(fā)獲取。(3)量化投資行業(yè)的企業(yè)構(gòu)成比較復(fù)雜。目前我國量化投資行業(yè)的企業(yè)種類比較多，跨越眾多不同的領(lǐng)域。加上我國量化投資市場還處于新生期，市場不穩(wěn)定信息變化較快，因此量化投資行業(yè)的可用層面指標(biāo)數(shù)目非常少且指標(biāo)數(shù)值經(jīng)常變化。當(dāng)前我國量化投資者正是依據(jù)當(dāng)前行業(yè)的特點，從不同的層面和角度驗證分析，建立泡沫型數(shù)學(xué)分析模型，才能獲得巨大的利潤。(4)量化投資策略研究落后。通過把我國量化投資策略與美國及西方發(fā)達國家的量化投資策略進行對比，發(fā)現(xiàn)我國現(xiàn)有的量化投資策略嚴(yán)重落后。國外的量化策略研究是在大量的事件、數(shù)據(jù)積累分析的基礎(chǔ)上，腳踏實地潛心研究總結(jié)出來的。現(xiàn)階段我國量化策略研究多是借用國外的策略，結(jié)合國內(nèi)的量化投資行業(yè)的實際現(xiàn)狀進行修正得來的。當(dāng)前我們還缺少指導(dǎo)量化投資行業(yè)的專家、指導(dǎo)著作，為此我國國內(nèi)的一些高等院校開始著手量化投資策略的研究并取得了初步的成效。
3量化投資優(yōu)勢
量化投資是在定性投資基礎(chǔ)上進行繼承和延伸的一種主動投資工具。定性投資的核心是對宏觀經(jīng)濟和市場基本面進行深入的分析，再加上實地調(diào)研上市公司以及與上市公司的管理層進行經(jīng)驗交流，最終把調(diào)研結(jié)果整理成專題報告，把報告作為決策依據(jù)。不難看出定性投資帶有很大的個人主觀判斷性，它完全依賴于投資經(jīng)理個人經(jīng)驗以及對市場的認(rèn)知。量化投資在調(diào)研層面與定性投資相同，區(qū)別在于量化投資更加注重數(shù)據(jù)庫大數(shù)據(jù)，運用各種方法發(fā)現(xiàn)運用大數(shù)據(jù)所體現(xiàn)出來的有用信息，尋找更優(yōu)化的投資方式以獲得大額收益，完全避免了投資經(jīng)理個人的主觀臆斷和心理因素，更加科學(xué)合理。綜上所述，與定性投資相比，量化投資具有以下優(yōu)勢。
3.1投資方式更加理性
量化投資是采用統(tǒng)計數(shù)學(xué)與計算機建模分析技術(shù)，以行業(yè)大數(shù)據(jù)庫為參考，取代了個人主觀判斷和心理因素的科學(xué)客觀投資方法。很明顯，行業(yè)大數(shù)據(jù)的樣本容量已遠(yuǎn)遠(yuǎn)高于有限的對上市公司調(diào)研所形成的樣本容量；在進行投資決策時，把決策過程科學(xué)化數(shù)量化可以最大程度的減少投資者決策時個人情感等心理因素對決策結(jié)果的影響，從而避免了錯誤的選擇方向。
3.2覆蓋范圍大效率高
得益于因特網(wǎng)的廣泛實施應(yīng)用，與各行各業(yè)的運行數(shù)據(jù)都可以錄入大數(shù)據(jù)系統(tǒng)形成體量巨大的數(shù)據(jù)庫；得益于計算機行業(yè)云時代到來對計算分析速度的革命性變革，在極短的時間內(nèi)就可以得到多種量化投資的投資方法。定性投資方式進行決策時，由于決策人的精力和專業(yè)水平都存在一定的局限性，自然其考慮投資的范圍要遠(yuǎn)遠(yuǎn)低于電腦決策，二者根本沒有可比性。綜上所述，雖然與定性投資相比，量化投資具有明顯的優(yōu)勢，但是二者的目的是相同的，都以獲得最大收益為目的，多少情況量化投資與定型投資可以互相補充，搭配使用會起到意想不到的效果。
4量化投資的劣勢
上文已經(jīng)提到量化投資的決策過程依賴于大數(shù)據(jù)庫以及計算機分析系統(tǒng)的科學(xué)決策，因此只要投資思想正確量化投資就不會出現(xiàn)錯誤。然而即使是投資思想及決策過程都沒有問題，也不意味著量化投資完美無缺。量化投資本質(zhì)上是對某一特定基準(zhǔn)面的分析，事實上基準(zhǔn)面有時范圍過小，縱然決策過程合理化、無偏差，量化投資也存在一定的局限性。量化投資的另一特點是進行考察決策時覆蓋的市場面非常廣泛，在當(dāng)前國民經(jīng)濟快速發(fā)展的時代，人們對市場的認(rèn)知難免出現(xiàn)盲區(qū)或者對某一個局部了解不充分的現(xiàn)象，此種情況下量化投資的正確性就很難保證。
4.1形成交易的一致性
基于量化投資的低風(fēng)險特性，人們更多地依賴于采用大數(shù)據(jù)云分析平臺進行決策，如此大家對某一行業(yè)的市場認(rèn)知以及投資決策水平就處在同一認(rèn)知層次上，當(dāng)遇到極端的市場行情時，人們作出的交易決策往往一致，即容易達成交易的一致性。例如期貨行業(yè)以及股票行業(yè)，在市場行情動蕩的特殊時期，人們往往選擇在同一時機拋出股票或者期貨，這種大規(guī)模的一次性拋盤則會造成在預(yù)期拋售價格基礎(chǔ)上的劇烈波動，導(dǎo)致投資者的實際收益在一定程度上低于預(yù)期收益。此種情形下又會引起新一輪投資恐慌，不利于市場的穩(wěn)定發(fā)展。
4.2指標(biāo)鈍化和失效
任何一個行業(yè)的某一個市場承載投資者的容量都是有限的，從戰(zhàn)略投資的角度來看，當(dāng)某一個市場的產(chǎn)業(yè)鏈較為成熟、技術(shù)門檻較低時，投資者進入該市場就會容易很多，當(dāng)市場的承載量大大低于投資者進入數(shù)量時，既定的投資策略則會失效。例如某一企業(yè)的某只股票第一年能獲得50%的收益，第二年則降為20%的收益，第三年可能是5%，第四年就沒有收益了。諸如趨利反轉(zhuǎn)策略、套利策略現(xiàn)在已經(jīng)非常大眾化且投資者已經(jīng)達成共識，一擁而上集中式進行投資就會導(dǎo)致投資評價指標(biāo)鈍化甚至失效。
盡管量化投資已經(jīng)成為市場投資的發(fā)展趨勢,但是大多數(shù)投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數(shù)學(xué)模型,而賺錢的投資模型都是機構(gòu)的秘密武器,不會輕易披露。另一方面是由于量化投資采用計算機系統(tǒng),設(shè)計各種交易手段,有著較為復(fù)雜的數(shù)學(xué)計算與技術(shù)要求,現(xiàn)在許多量化投資都是計算機自動執(zhí)行的程序交易。另外,量化交易者,俗稱寬客(quants)的交易和故事多多少少增加了量化投資的神秘感。所以,人們一般把量化投資稱為“黑箱”。納蘭(Narang,R.,2012)描述了量化交易系統(tǒng)的典型構(gòu)造,打開了量化投資的“黑箱”。納蘭認(rèn)為阿爾法模型用來預(yù)測市場未來方向,風(fēng)險控制模型用來限制風(fēng)險暴露,交易成本模型用來分析為構(gòu)建組合產(chǎn)生的各種成本,投資組合構(gòu)建模型在追逐利潤、限制風(fēng)險與相關(guān)成本之間做出平衡,然后給出最優(yōu)組合。最優(yōu)目標(biāo)組合與現(xiàn)有組合的差異就由執(zhí)行模型來完成。數(shù)據(jù)和研究部分則是量化投資的基礎(chǔ):有了數(shù)據(jù),就可以進行研究,通過測試、檢驗與仿真正確構(gòu)建各個模型。預(yù)測市場并制定策略是量化投資的核心,即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發(fā)展,量化投資模型也在不斷改進。簡單的策略可能就是證券或組合的套利行為,如期現(xiàn)套利組合、市場異象研究中的差價組合等。統(tǒng)計套利策略是經(jīng)典的量化投資策略,如匹配交易或攜帶交易。近年來,高頻交易成為量化投資的重要內(nèi)容,基于高速的計算機系統(tǒng)實施高頻的程序交易已經(jīng)是量化投資的重要利器。丁鵬(2012)將量化投資的主要內(nèi)容分為以下幾個方面:量化選股、量化擇時、股指期貨套利、商品期貨套利、統(tǒng)計套利、期權(quán)套利、算法交易、ETF/LOF套利和高頻交易等。他認(rèn)為量化投資的優(yōu)勢在于:紀(jì)律性、系統(tǒng)性、及時性、準(zhǔn)確性和分散化。
二、量化投資“黑箱”中的構(gòu)造與證券投資學(xué)的差異
在傳統(tǒng)的證券投資學(xué)中,投資組合理論、資本資產(chǎn)定價模型、套利定價理論和期權(quán)定價理論是現(xiàn)代金融理論的四塊基石。前兩者主要依靠均值-方差組合優(yōu)化的思想,后兩者則主要依靠市場的無套利條件。傳統(tǒng)的投資方法主要是基本面分析和技術(shù)分析兩大類,而量化投資則是“利用計算機科技并采用一定的數(shù)學(xué)模型去實現(xiàn)投資理念、實現(xiàn)投資策略的過程”。從概念看,量化投資既不是基本面分析,也不是技術(shù)分析,但它可以采用基本面分析,也可以采用技術(shù)分析,關(guān)鍵在于依靠模型來實現(xiàn)投資理念與投資策略。為了分析量化投資對證券投資學(xué)的啟示,本文從量化投資“黑箱”的各個構(gòu)成來探討量化投資與證券投資學(xué)中思路和觀點的差異。
(一)資產(chǎn)定價與收益的預(yù)測
根據(jù)組合優(yōu)化理論,投資者將持有無風(fēng)險組合與市場風(fēng)險資產(chǎn)組合,獲得無風(fēng)險利率與市場風(fēng)險溢價。資本資產(chǎn)定價模型則將此應(yīng)用到單一證券或組合,認(rèn)為證券的風(fēng)險溢價等于無風(fēng)險利率加上與風(fēng)險貢獻比率一致的風(fēng)險溢價,超過的部分就是超額收益,即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產(chǎn)定價理論給實務(wù)投資的一大貢獻?；谝蛩啬Ｐ偷奶桌▋r理論則從共同風(fēng)險因素的角度提供了追求阿爾法的新思路。其中,法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統(tǒng)一的參考。可以說,在因素定價方面,量化投資繼承了資產(chǎn)定價理論的基本思想。對于因素定價中因素的選擇,證券投資學(xué)認(rèn)為,對資產(chǎn)價格的影響,長期應(yīng)主要關(guān)注基本面因素,而短期應(yīng)主要關(guān)注市場的交易行為,即采用技術(shù)分析。在量化投資中,主要強調(diào)按照事先設(shè)定的規(guī)則進行投資,這在一定程度上與技術(shù)分析類似。但是,在技術(shù)分析中,不同的人會有不同的結(jié)論,而量化投資則強調(diào)投資的規(guī)則化和固定化,不會因人的差異而有較大的不同。另外,量化交易更強調(diào)從統(tǒng)計和數(shù)學(xué)模型方面尋找資產(chǎn)的錯誤定價或者進行收益的預(yù)測。
(二)無套利條件與交易成本
在證券投資學(xué)里,流動性是證券的生命力。組合投資理論、資本資產(chǎn)定價模型以及套利定價理論等都認(rèn)為市場中存在大量可交易的證券,投資者可以自由買賣證券。這主要是為了保證各種交易都能實現(xiàn),如套利交易。根據(jù)套利定價理論,一旦市場出現(xiàn)無風(fēng)險的套利機會,理性投資者會立即進行套利交易,當(dāng)市場均衡時就不存在套利機會。現(xiàn)實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學(xué)中,對市場中套利限制與非流動性的關(guān)注較少,這是因為傳統(tǒng)金融理論中簡化了市場結(jié)構(gòu)。市場微觀結(jié)構(gòu)理論研究在既定的交易規(guī)則下,金融資產(chǎn)交易的過程及其結(jié)果,旨在揭示金融資產(chǎn)交易價格形成的過程及其原因。在市場微觀結(jié)構(gòu)理論中,不同的市場微觀結(jié)構(gòu)對市場流動性的沖擊是不同的。因而,從量化投資的角度看,為了降低交易帶來的價格沖擊,能實施量化投資策略的證券往往都應(yīng)有較好的流動性,因為交易時非流動性直接影響投資策略的實施。從這個意義上講,量化投資時的交易成本不僅包括交易費用,更主要的是要考慮市場交易沖擊的流動性成本。
(三)風(fēng)險控制與市場情緒
在證券市場中,高收益與高風(fēng)險相匹配。量化投資在追求高收益的同時,不可避免地承擔(dān)了一定的風(fēng)險。在證券投資學(xué)中,系統(tǒng)性風(fēng)險主要源于宏觀經(jīng)濟因素,非系統(tǒng)性因素則主要源于行業(yè)、公司因素,并且不考慮市場交易行為的影響。在量化投資中,較多地使用因素定價模型,不僅會考慮市場經(jīng)濟因素,而且會考慮交易行為等因素,只是不同的模型有不同的側(cè)重點,在多模型的量化投資系統(tǒng)中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風(fēng)險外,量化投資還有自身不可忽視的風(fēng)險源。一方面,量化交易中,部分交易是采用保證交易的期貨、期權(quán)等衍生品交易,這種杠桿交易具有放大作用,隱藏著巨大的風(fēng)險。另一方面,市場沖擊的流動性成本也是量化投資的風(fēng)險控制因素,理所當(dāng)然地在圖1的風(fēng)險控制模型中體現(xiàn)出來。另外,在一般的投資過程中,市場情緒或多或少會成為風(fēng)險控制的一個對象。然而,在量化投資中,更多的交易都是通過計算機來實現(xiàn)的,如程序交易等,這樣以來,投資者情緒等因素對投資決策的影響相對較小。所以,在量化投資的風(fēng)險控制模型中較少地考慮市場情緒以及投資者自身的情緒,主要是通過承擔(dān)適度的風(fēng)險來獲得超額回報,因為畢竟減少風(fēng)險也減少了超額回報。
(四)執(zhí)行高頻交易與算法交易
在對未來收益、風(fēng)險和成本的綜合權(quán)衡下,實現(xiàn)投資策略成為量化投資的重要執(zhí)行步驟。為了達到投資目標(biāo),量化投資不斷追求更快的速度來執(zhí)行投資策略,這就推動了采用高速計算機系統(tǒng)的程序化交易的誕生。在證券投資學(xué)里,技術(shù)分析認(rèn)為股價趨勢有長期、中期和短期趨勢,其中,長期和中期趨勢有參考作用,短期趨勢的意義不大。然而,隨著計算機信息科技的創(chuàng)新,量化投資策略之間的競爭越來越大,誰能運作更快的量化模型,誰就能最先找到并利用市場錯誤定價的瞬間,從而賺取高額利潤。于是,就誕生了高頻交易:利用計算機系統(tǒng)處理數(shù)據(jù)和進行量化分析,快速做出交易決策,并且隔夜持倉。高頻交易的基本特點有:處理分筆交易數(shù)據(jù)、高資金周轉(zhuǎn)率、日內(nèi)開平倉和算法交易。高頻交易有4類流行的策略:自動提供流動性、市場微觀結(jié)構(gòu)交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法:產(chǎn)生高頻交易信號的算法和優(yōu)化交易執(zhí)行過程的算法。為了優(yōu)化交易執(zhí)行,目前“算法交易”比較流行。算法交易
優(yōu)化買賣指令的執(zhí)行方式,決定在給定市場環(huán)境下如何處理交易指令:是主動的執(zhí)行還是被動的執(zhí)行,是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產(chǎn)配置和證券選擇問題。 三、對量化投資在證券投資教學(xué)中應(yīng)用的思考
從上述分析可以知道,量化投資的“黑箱”構(gòu)造與證券投資學(xué)之間存在一定的差異,因此,在證券投資的教學(xué)中應(yīng)當(dāng)考慮量化投資發(fā)展的要求。
(一)市場微觀結(jié)構(gòu)與流動性沖擊
在理性預(yù)期和市場有效假說下,市場價格會在相關(guān)信息披露后立即調(diào)整,在信息披露前后市場有著截然不同的表現(xiàn)。在證券投資學(xué)里,一般認(rèn)為價格的調(diào)整是及時準(zhǔn)確的,然而,現(xiàn)實的世界里,價格調(diào)整需要一個過程。在不同的頻率下,這種價格形成過程的作用是不同的。在長期的投資中,短期的價格調(diào)整是瞬間的,影響不大。然而,在高頻交易中,這種價格調(diào)整過程影響很大。市場微觀結(jié)構(gòu)就是研究這種價格形成過程。市場微觀結(jié)構(gòu)理論中有兩種基本的模型:存貨模型和信息模型。存貨模型關(guān)注商委托單簿不平衡對訂單流的影響,解釋沒有消息公布時價格短暫波動的原因。信息模型關(guān)注信息公布后信息反映到價格中的這一過程,認(rèn)為含有信息的訂單流是導(dǎo)致價格波動的原因。無論是關(guān)注委托訂單的存貨模型還是關(guān)注市場參與者信息類型的信息模型,這些市場微觀結(jié)構(gòu)的研究加強了流動性與資產(chǎn)價格之間的聯(lián)系,強調(diào)流動性在量化投資決策中的重要作用。一般的證券投資學(xué)中基本沒有市場微觀結(jié)構(gòu)的內(nèi)容,因而,為了加強證券投資學(xué)的實用性,應(yīng)關(guān)注市場微觀結(jié)構(gòu)的內(nèi)容與發(fā)展。
(二)業(yè)績評價與高杠桿
對于證券組合而言,不僅要分析其超額收益和成本,還要考慮其風(fēng)險與業(yè)績。在組合業(yè)績評價中,一方面要考慮風(fēng)險的衡量,另一方面則要分析業(yè)績的來源。在證券投資學(xué)中,組合業(yè)績來自于市場表現(xiàn)以及管理者的配置與選股能力。對于量化投資而言,市場時機和管理者的能力依然重要,然而,量化投資的業(yè)績評價還應(yīng)考慮另一個因素:高杠桿。量化交易中,部分交易是采用保證交易的期貨、期權(quán)等衍生品交易,這種杠桿交易具有放大作用,在市場好的時候擴大收益,但在市場不好的時候會加速虧損,這些與傳統(tǒng)的業(yè)績評價就不太一樣。在一般的證券投資學(xué)里,業(yè)績評價主要考慮經(jīng)風(fēng)險調(diào)整的收益,很少考慮其杠桿的作用,這不僅忽略了杠桿的貢獻,而且有可能夸大了投資者的技能水平。
(三)人為因素與模型風(fēng)險
在量化投資中,非常注重計算機對數(shù)據(jù)和模型的分析,這突出了量化投資的規(guī)則性和固定性。然而,實際中,別看量化采用了各種數(shù)學(xué)、統(tǒng)計模型,但策略設(shè)計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細(xì)致研究,并借助計算機實施策略,能夠消除很多認(rèn)為的隨意性。但是,量化策略畢竟體現(xiàn)投資者的交易理念,這一部分依賴于投資者的經(jīng)驗,一部分依賴于投資者對市場的不斷觀察與更新。實際上,人始終處于交易之中,對于市場拐點以及趨勢反轉(zhuǎn)的判斷主要還是依賴投資者的經(jīng)驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性:決策實施依賴于人的設(shè)定,而人的設(shè)定不僅依賴于經(jīng)驗,而且人還會犯錯。人之所以會犯錯,一方面是因為人們對市場的認(rèn)知是不完全的,另一方面則是人們使用了錯誤的模型。經(jīng)典的證券投資理論中,股票價格的變動被認(rèn)為是隨機的,小概率事件出現(xiàn)的機會比較小,但是經(jīng)驗研究表明股票收益率具有肥尾現(xiàn)象,小概率事件發(fā)生的機會超出了人們原先的認(rèn)識,即市場還會出現(xiàn)“黑天鵝”。更為關(guān)鍵的是,量化投資更依賴數(shù)學(xué)和統(tǒng)計模型,這就使得量化投資存在較大的模型風(fēng)險,即使用了錯誤的模型。為了防范模型風(fēng)險,應(yīng)采用更為穩(wěn)健的模型,即模型的參數(shù)和函數(shù)應(yīng)該適應(yīng)多種市場環(huán)境。近年來,研究表明,證券收益及其與風(fēng)險因素的關(guān)系存在較大的非線性,同時,市場中存在一定的“噪聲”,采用隱馬爾科夫鏈等隨機過程和機器學(xué)習(xí)等數(shù)據(jù)挖掘技術(shù)進行信息處理成為量化投資的重要技術(shù)支持。
盡管量化投資已經(jīng)成為市場投資的發(fā)展趨勢，但是大多數(shù)投資者并不是很熟悉量化投資。一方面是由于量化投資一定程度上依賴數(shù)學(xué)模型，而賺錢的投資模型都是機構(gòu)的秘密武器，不會輕易披露。另一方面是由于量化投資采用計算機系統(tǒng)，設(shè)計各種交易手段，有著較為復(fù)雜的數(shù)學(xué)計算與技術(shù)要求，現(xiàn)在許多量化投資都是計算機自動執(zhí)行的程序交易。另外，量化交易者，俗稱寬客（quants）的交易和故事多多少少增加了量化投資的神秘感。所以，人們一般把量化投資稱為“黑箱”。納蘭（Narang，R.，2012）描述了量化交易系統(tǒng)的典型構(gòu)造，打開了量化投資的“黑箱”。納蘭認(rèn)為阿爾法模型用來預(yù)測市場未來方向，風(fēng)險控制模型用來限制風(fēng)險暴露，交易成本模型用來分析為構(gòu)建組合產(chǎn)生的各種成本，投資組合構(gòu)建模型在追逐利潤、限制風(fēng)險與相關(guān)成本之間做出平衡，然后給出最優(yōu)組合。最優(yōu)目標(biāo)組合與現(xiàn)有組合的差異就由執(zhí)行模型來完成。數(shù)據(jù)和研究部分則是量化投資的基礎(chǔ)：有了數(shù)據(jù)，就可以進行研究，通過測試、檢驗與仿真正確構(gòu)建各個模型。預(yù)測市場并制定策略是量化投資的核心，即阿爾法模型在量化投資中處于核心地位。隨著量化投資的不斷發(fā)展，量化投資模型也在不斷改進。簡單的策略可能就是證券或組合的套利行為，如期現(xiàn)套利組合、市場異象研究中的差價組合等。統(tǒng)計套利策略是經(jīng)典的量化投資策略，如匹配交易或攜帶交易。近年來，高頻交易成為量化投資的重要內(nèi)容，基于高速的計算機系統(tǒng)實施高頻的程序交易已經(jīng)是量化投資的重要利器。丁鵬（2012）將量化投資的主要內(nèi)容分為以下幾個方面：量化選股、量化擇時、股指期貨套利、商品期貨套利、統(tǒng)計套利、期權(quán)套利、算法交易、ETF/LOF套利和高頻交易等。他認(rèn)為量化投資的優(yōu)勢在于：紀(jì)律性、系統(tǒng)性、及時性、準(zhǔn)確性和分散化。
二、量化投資“黑箱”中的構(gòu)造與證券投資學(xué)的差異
在傳統(tǒng)的證券投資學(xué)中，投資組合理論、資本資產(chǎn)定價模型、套利定價理論和期權(quán)定價理論是現(xiàn)代金融理論的四塊基石。前兩者主要依靠均值-方差組合優(yōu)化的思想，后兩者則主要依靠市場的無套利條件。傳統(tǒng)的投資方法主要是基本面分析和技術(shù)分析兩大類，而量化投資則是“利用計算機科技并采用一定的數(shù)學(xué)模型去實現(xiàn)投資理念、實現(xiàn)投資策略的過程”。從概念看，量化投資既不是基本面分析，也不是技術(shù)分析，但它可以采用基本面分析，也可以采用技術(shù)分析，關(guān)鍵在于依靠模型來實現(xiàn)投資理念與投資策略。為了分析量化投資對證券投資學(xué)的啟示，本文從量化投資“黑箱”的各個構(gòu)成來探討量化投資與證券投資學(xué)中思路和觀點的差異。
（一）資產(chǎn)定價與收益的預(yù)測
根據(jù)組合優(yōu)化理論，投資者將持有無風(fēng)險組合與市場風(fēng)險資產(chǎn)組合，獲得無風(fēng)險利率與市場風(fēng)險溢價。資本資產(chǎn)定價模型則將此應(yīng)用到單一證券或組合，認(rèn)為證券的風(fēng)險溢價等于無風(fēng)險利率加上與風(fēng)險貢獻比率一致的風(fēng)險溢價，超過的部分就是超額收益，即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產(chǎn)定價理論給實務(wù)投資的一大貢獻?；谝蛩啬Ｐ偷奶桌▋r理論則從共同風(fēng)險因素的角度提供了追求阿爾法的新思路。其中，法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統(tǒng)一的參考。可以說，在因素定價方面，量化投資繼承了資產(chǎn)定價理論的基本思想。對于因素定價中因素的選擇，證券投資學(xué)認(rèn)為，對資產(chǎn)價格的影響，長期應(yīng)主要關(guān)注基本面因素，而短期應(yīng)主要關(guān)注市場的交易行為，即采用技術(shù)分析。在量化投資中，主要強調(diào)按照事先設(shè)定的規(guī)則進行投資，這在一定程度上與技術(shù)分析類似。但是，在技術(shù)分析中，不同的人會有不同的結(jié)論，而量化投資則強調(diào)投資的規(guī)則化和固定化，不會因人的差異而有較大的不同。另外，量化交易更強調(diào)從統(tǒng)計和數(shù)學(xué)模型方面尋找資產(chǎn)的錯誤定價或者進行收益的預(yù)測。
（二）無套利條件與交易成本
在證券投資學(xué)里，流動性是證券的生命力。組合投資理論、資本資產(chǎn)定價模型以及套利定價理論等都認(rèn)為市場中存在大量可交易的證券，投資者可以自由買賣證券。這主要是為了保證各種交易都能實現(xiàn)，如套利交易。根據(jù)套利定價理論，一旦市場出現(xiàn)無風(fēng)險的套利機會，理性投資者會立即進行套利交易，當(dāng)市場均衡時就不存在套利機會?，F(xiàn)實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學(xué)中，對市場中套利限制與非流動性的關(guān)注較少，這是因為傳統(tǒng)金融理論中簡化了市場結(jié)構(gòu)。市場微觀結(jié)構(gòu)理論研究在既定的交易規(guī)則下，金融資產(chǎn)交易的過程及其結(jié)果，旨在揭示金融資產(chǎn)交易價格形成的過程及其原因。在市場微觀結(jié)構(gòu)理論中，不同的市場微觀結(jié)構(gòu)對市場流動性的沖擊是不同的。因而，從量化投資的角度看，為了降低交易帶來的價格沖擊，能實施量化投資策略的證券往往都應(yīng)有較好的流動性，因為交易時非流動性直接影響投資策略的實施。從這個意義上講，量化投資時的交易成本不僅包括交易費用，更主要的是要考慮市場交易沖擊的流動性成本。
（三）風(fēng)險控制與市場情緒
在證券市場中，高收益與高風(fēng)險相匹配。量化投資在追求高收益的同時，不可避免地承擔(dān)了一定的風(fēng)險。在證券投資學(xué)中，系統(tǒng)性風(fēng)險主要源于宏觀經(jīng)濟因素，非系統(tǒng)性因素則主要源于行業(yè)、公司因素，并且不考慮市場交易行為的影響。在量化投資中，較多地使用因素定價模型，不僅會考慮市場經(jīng)濟因素，而且會考慮交易行為等因素，只是不同的模型有不同的側(cè)重點，在多模型的量化投資系統(tǒng)中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風(fēng)險外，量化投資還有自身不可忽視的風(fēng)險源。一方面，量化交易中，部分交易是采用保證交易的期貨、期權(quán)等衍生品交易，這種杠桿交易具有放大作用，隱藏著巨大的風(fēng)險。另一方面，市場沖擊的流動性成本也是量化投資的風(fēng)險控制因素，理所當(dāng)然地在圖1的風(fēng)險控制模型中體現(xiàn)出來。另外，在一般的投資過程中，市場情緒或多或少會成為風(fēng)險控制的一個對象。然而，在量化投資中，更多的交易都是通過計算機來實現(xiàn)的，如程序交易等，這樣以來，投資者情緒等因素對投資決策的影響相對較小。所以，在量化投資的風(fēng)險控制模型中較少地考慮市場情緒以及投資者自身的情緒，主要是通過承擔(dān)適度的風(fēng)險來獲得超額回報，因為畢竟減少風(fēng)險也減少了超額回報。
（四）執(zhí)行高頻交易與算法交易
在對未來收益、風(fēng)險和成本的綜合權(quán)衡下，實現(xiàn)投資策略成為量化投資的重要執(zhí)行步驟。為了達到投資目標(biāo)，量化投資不斷追求更快的速度來執(zhí)行投資策略，這就推動了采用高速計算機系統(tǒng)的程序化交易的誕生。在證券投資學(xué)里，技術(shù)分析認(rèn)為股價趨勢有長期、中期和短期趨勢，其中，長期和中期趨勢有參考作用，短期趨勢的意義不大。然而，隨著計算機信息科技的創(chuàng)新，量化投資策略之間的競爭越來越大，誰能運作更快的量化模型，誰就能最先找到并利用市場錯誤定價的瞬間，從而賺取高額利潤。于是，就誕生了高頻交易：利用計算機系統(tǒng)處理數(shù)據(jù)和進行量化分析，快速做出交易決策，并且隔夜持倉。高頻交易的基本特點有：處理分筆交易數(shù)據(jù)、高資金周轉(zhuǎn)率、日內(nèi)開平倉和算法交易。高頻交易有4類流行的策略：自動提供流動性、市場微觀結(jié)構(gòu)交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法：產(chǎn)生高頻交易信號的算法和優(yōu)化交易執(zhí)行過程的算法。為了優(yōu)化交易執(zhí)行，目前“算法交易”比較流行。算法交易優(yōu)化買賣指令的執(zhí)行方式，決定在給定市場環(huán)境下如何處理交易指令：是主動的執(zhí)行還是被動的執(zhí)行，是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產(chǎn)配置和證券選擇問題。
三、對量化投資在證券投資教學(xué)中應(yīng)用的思考
從上述分析可以知道，量化投資的“黑箱”構(gòu)造與證券投資學(xué)之間存在一定的差異，因此，在證券投資的教學(xué)中應(yīng)當(dāng)考慮量化投資發(fā)展的要求。
（一）市場微觀結(jié)構(gòu)與流動性沖擊
在理性預(yù)期和市場有效假說下，市場價格會在相關(guān)信息披露后立即調(diào)整，在信息披露前后市場有著截然不同的表現(xiàn)。在證券投資學(xué)里，一般認(rèn)為價格的調(diào)整是及時準(zhǔn)確的，然而，現(xiàn)實的世界里，價格調(diào)整需要一個過程。在不同的頻率下，這種價格形成過程的作用是不同的。在長期的投資中，短期的價格調(diào)整是瞬間的，影響不大。然而，在高頻交易中，這種價格調(diào)整過程影響很大。市場微觀結(jié)構(gòu)就是研究這種價格形成過程。市場微觀結(jié)構(gòu)理論中有兩種基本的模型：存貨模型和信息模型。存貨模型關(guān)注商委托單簿不平衡對訂單流的影響，解釋沒有消息公布時價格短暫波動的原因。信息模型關(guān)注信息公布后信息反映到價格中的這一過程，認(rèn)為含有信息的訂單流是導(dǎo)致價格波動的原因。無論是關(guān)注委托訂單的存貨模型還是關(guān)注市場參與者信息類型的信息模型，這些市場微觀結(jié)構(gòu)的研究加強了流動性與資產(chǎn)價格之間的聯(lián)系，強調(diào)流動性在量化投資決策中的重要作用。一般的證券投資學(xué)中基本沒有市場微觀結(jié)構(gòu)的內(nèi)容，因而，為了加強證券投資學(xué)的實用性，應(yīng)關(guān)注市場微觀結(jié)構(gòu)的內(nèi)容與發(fā)展。
（二）業(yè)績評價與高杠桿
對于證券組合而言，不僅要分析其超額收益和成本，還要考慮其風(fēng)險與業(yè)績。在組合業(yè)績評價中，一方面要考慮風(fēng)險的衡量，另一方面則要分析業(yè)績的來源。在證券投資學(xué)中，組合業(yè)績來自于市場表現(xiàn)以及管理者的配置與選股能力。對于量化投資而言，市場時機和管理者的能力依然重要，然而，量化投資的業(yè)績評價還應(yīng)考慮另一個因素：高杠桿。量化交易中，部分交易是采用保證交易的期貨、期權(quán)等衍生品交易，這種杠桿交易具有放大作用，在市場好的時候擴大收益，但在市場不好的時候會加速虧損，這些與傳統(tǒng)的業(yè)績評價就不太一樣。在一般的證券投資學(xué)里，業(yè)績評價主要考慮經(jīng)風(fēng)險調(diào)整的收益，很少考慮其杠桿的作用，這不僅忽略了杠桿的貢獻，而且有可能夸大了投資者的技能水平。
（三）人為因素與模型風(fēng)險
在量化投資中，非常注重計算機對數(shù)據(jù)和模型的分析，這突出了量化投資的規(guī)則性和固定性。然而，實際中，別看量化采用了各種數(shù)學(xué)、統(tǒng)計模型，但策略設(shè)計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細(xì)致研究，并借助計算機實施策略，能夠消除很多認(rèn)為的隨意性。但是，量化策略畢竟體現(xiàn)投資者的交易理念，這一部分依賴于投資者的經(jīng)驗，一部分依賴于投資者對市場的不斷觀察與更新。實際上，人始終處于交易之中，對于市場拐點以及趨勢反轉(zhuǎn)的判斷主要還是依賴投資者的經(jīng)驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性：決策實施依賴于人的設(shè)定，而人的設(shè)定不僅依賴于經(jīng)驗，而且人還會犯錯。人之所以會犯錯，一方面是因為人們對市場的認(rèn)知是不完全的，另一方面則是人們使用了錯誤的模型。經(jīng)典的證券投資理論中，股票價格的變動被認(rèn)為是隨機的，小概率事件出現(xiàn)的機會比較小，但是經(jīng)驗研究表明股票收益率具有肥尾現(xiàn)象，小概率事件發(fā)生的機會超出了人們原先的認(rèn)識，即市場還會出現(xiàn)“黑天鵝”。更為關(guān)鍵的是，量化投資更依賴數(shù)學(xué)和統(tǒng)計模型，這就使得量化投資存在較大的模型風(fēng)險，即使用了錯誤的模型。為了防范模型風(fēng)險，應(yīng)采用更為穩(wěn)健的模型，即模型的參數(shù)和函數(shù)應(yīng)該適應(yīng)多種市場環(huán)境。近年來，研究表明，證券收益及其與風(fēng)險因素的關(guān)系存在較大的非線性，同時，市場中存在一定的“噪聲”，采用隱馬爾科夫鏈等隨機過程和機器學(xué)習(xí)等數(shù)據(jù)挖掘技術(shù)進行信息處理成為量化投資的重要技術(shù)支持。
（四）2013年諾貝爾經(jīng)濟學(xué)獎的啟示
量化投資重在風(fēng)控
近幾年，國內(nèi)基金公司都在積極推出量化投資產(chǎn)品。但市場人士認(rèn)為，目前國內(nèi)的常見“量化”基金，實質(zhì)上大多是“量化選股”基金，從量化的風(fēng)險控制到量化的交易，整個決策流程依然靠傳統(tǒng)的方法。
國內(nèi)著名投行宏觀策略研究員的工作積累，華爾街量化投資的歷練，使華商大盤量化擬任基金經(jīng)理費鵬對量化投資的A股應(yīng)用有著自己的心得。他認(rèn)為，量化投資最大的優(yōu)勢在風(fēng)險控制上。與傳統(tǒng)的價值投資“越跌越買”的理念不同，他認(rèn)為量化投資應(yīng)該是主動對市場風(fēng)險進行判斷，通過技術(shù)分析、量化模型分析等判定風(fēng)險，在確定風(fēng)險之后，及時對倉位進行控制，及時止損。
費鵬認(rèn)為，目前市場上的量化產(chǎn)品將研究的重點放在擇股和行業(yè)配置上，缺乏有效及時的風(fēng)險響應(yīng)體系，而從國外的經(jīng)驗看，量化的一大特點就是對風(fēng)險的預(yù)判。因此，華商基金量化投資團隊在吸收國內(nèi)外先進經(jīng)驗的同時，在模型設(shè)計之初，便將核心定為風(fēng)險控制。
在設(shè)計中，華商基金量化投資團隊借助了包括從統(tǒng)計信息學(xué)角度出發(fā)的信息熵值（Entropy）的變化、從分形理論出發(fā)的市場模式（P atter n）的變化、從金融物理學(xué)角度出發(fā)的金融泡沫統(tǒng)計指標(biāo)的變化、從市場微觀結(jié)構(gòu)出發(fā)的分析師一致預(yù)期分歧的變化和趨勢等，構(gòu)建風(fēng)險模型，對中短期系統(tǒng)風(fēng)險進行定量分析，依靠基金經(jīng)理和研究員對宏觀經(jīng)濟發(fā)展?fàn)顩r、人口與社會的結(jié)構(gòu)性特征、經(jīng)濟產(chǎn)業(yè)周期等因素的分析，對長期風(fēng)險進行定性分析。
量化投資堅持追求絕對收益
提及量化投資，人們就會想到西蒙斯用公式打敗市場的經(jīng)典案例。但這一投資工具在被引入國內(nèi)投資市場之后，并沒有展現(xiàn)其神奇的威力。根據(jù)wi n d數(shù)據(jù)分類顯示，目前市場上有19只量化基金，2 012年可統(tǒng)計的15只量化基金平均收益率僅為2 . 5 5%（同期滬指上漲3 .17%），國內(nèi)發(fā)行的量化基金的表現(xiàn)不盡如人意。
在費鵬看來，國內(nèi)的量化基金僅僅是“量化選股”，追求相對收益。他認(rèn)為，量化投資的核心應(yīng)該是風(fēng)控，堅持追求的則應(yīng)該是絕對收益。
相比而言，目前國內(nèi)公募量化基金多采用多因子模型，而多因子模型的設(shè)計原理是把價值投資理論通過數(shù)字模型加以表達。在實際測算中，華商基金量化團隊每日漲幅居前的股票中，會有所謂投資價值較少的“垃圾股”，很難通過價值投資理論解釋。
對此，華商量化投資團隊在設(shè)計選股模型時，更多的是通過捕捉市場的異常波動，尋找股價波動的非基本面的因素。通過對數(shù)據(jù)挖掘，建立初選股票池，然后按照行業(yè)分類，結(jié)合基本面研究，通過行業(yè)研究員調(diào)研，尋找相互印證支持依據(jù)，在分析手段上更多了對隱性信息的補充。
