量化投资策略分析精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的量化投资策略分析主题范文，仅供参考，欢迎阅读并收藏。

第1篇：量化投资策略分析范文

关键词：投资策略 概念体系 分析框架 分形市场

一、引言

证券市场存在分形现象已得到了国内外学者的广泛认可。实务中已开始利用分形现象定性的指导实际投资，并获得了可观的收益。基于分形理论对投资策略进行量化研究更是具有非同寻常的理论意义。一方面，统计套利、算法交易、资产配置等传统量化模型由于忽略了投资者行为、证券价格的长记忆性、证券收益率的“尖峰肥尾”等分形特征而存在刻画不精确、忽视风险等局限。利用分形理论量化研究投资策略可对证券市场中分形现象量身度造，可充分克服传统量化投资模型的不足，从而更好地指导实际投资；另一方面，基于分形现象进行量化投资的理论研究至今仍是空白。因此，在证券市场呈分形现象的背景下，运用分形理论来构建量化投资策略可弥补此理论空白，具有较大的理论与现实意义。然而，利用证券市场的分形现象来量化研究投资策略的前提和基础是理解分形市场中投资策略的相关概念及其分析框架。目前，国内外尚无文献对其系统探讨。鉴于分形市场中投资策略的相关概念及其分析框架的重要性以及研究现状，本文将对其进行系统探讨，以期为构建分形市场中投资策略的量化模型奠定基础。

二、分形市场中投资策略概念体系

（ 一 ）分形市场的界定 1970年，Fama创造性的将有效市场假设（Efficient Market Hypothesis ，EMH）归纳为公理。EMH为传统资本市场理论（CMT）奠定了基石、提供了分析框架。在EMH下，证劵的价格代表了证劵的真实价值，证劵价格的变动必将遵循随机漫步（Random Walk）；从而，寻求价格偏离内在价值的证劵，以及寻找证劵价格的起伏周期和预测模式必将徒劳无功。然而实证表明，证劵市场的运行方式与EMH所描述的情况相差甚远，而是呈现分形特征。Peters（1994）集众人之智、采众家之长，在EMH和协同市场假设（Coherent Market Hypothesis，CMH）的基础上，提出了著名的分形市场假说（Fractal Market Hypothesis，FMH）。 FMH的基本内容：市场由众多投资者组成，不同投资者的投资期限不同；市场信息对不同投资期限的投资者产生不同影响。短期投资者主要注重历史信息，基本遵循技术分析；较长期投资者更加偏重基础信息；市场稳定性主要取决于市场流动性；价格反映了短期技术分析与长期基本分析的结合；如果某项资产与经济周期循环无关，那么将不具有长期趋势。FMH是EMH的有力扩展，FMH强调信息接受程度和投资期限对投资者行为的影响。在FMH下，投资者仅是有限理性的。信息积累和信息滞后对投资者的影响将造成证劵价格的有偏随机游走，表现出长记忆、混沌序等分形特征。投资者的投资期限上的差异将保证市场的流动性和稳定性。在FMH下证劵市场不仅仅是经济和商业形势的映射，更是投资者情绪的晴雨表。樊智、张世英（2002）基于对EMH与FMH两者联系与区别的详尽讨论下，给出了分形市场的一般性描述；分形市场是指具有正反馈机制和非线性结构特性的资本市场，其价格序列波动的表现形式为具有一定维数（Hurst指数 ）的分数布朗运动（Fractional Brownian Motion， FBM）。该描述切中了分形市场的反馈机制及结构特性，但稍显片面，同时过于复杂。因此，本文对分形市场作如下简单明了的定义。所谓分形市场是指以FMH作为市场运行机制的市场。

（ 二 ）分形市场中投资概念的理解 研讨投资策略的前提和基础是理解投资。不同学者关于投资的定义说法各异。投资是指投入资金赚取更多资金；是指投入当前资金或者其他资源以期获取未来收益的行为。尽管说法各异，但对其本质特征的描述却是殊途同归。投资的本质特征就是放弃或牺牲某种现在有价值的东西，期望从未来收益中获得补偿；即期望资产增值，即追寻 是投资活动的核心。基于前文对分形市场的界定，本文对投资进行结构性分解时，主要是针对分形市场中有价证劵的投资。投资是一项经济活动，因此，对投资活动的主体——投资者进行分析是至关重要的。在分形市场中，基于短期与较长期投资者对信息敏感度的差异，不同类别投资者对投资策略的偏好将存在差异。较长期投资者相对于短期投资者对基础信息具有更加敏感，因此，对价值投资更具有倾向性；而短期投资者相对于较长期投资者更注重历史信息，因此，对基于技术分析的投资策略更具有倾向性。同时，由于同一投资者也难保持其投资期限时间一致，因此，同一投资者也难保持其投资策略偏好的恒常性。在分形市场中，千差万别的投资者驱动着证券市场的流动，支撑着证券市场的稳定；形形的投资者形成行影无踪、变化无常的市场动力，驱使着证券市场呈现分形特征。金融工具作为投资活动的客体，是投资者在证券市场中的选择集。金融工具作为资金融通的载体，风险收益组合多样。投资者对金融工具的选择的实质就是对风险收益组合的选择，这依赖于投资者的投资目的、风险偏好等因素。因此，金融工具制约着投资者执行投资策略的可行性。因此，金融工具特征的确定是理解投资的又一关键因素。投资过程，作为投资活动的核心，连接着投资者与金融工具。投资过程主要由两部分工作组成。一部分工作是证券与市场分析；第二部分工作是对最优的资产投资组合进行构建。在投资过程中，投资者对证劵与市场分析的根本目的是寻找出内在价值偏离价格的证劵；基于证劵价格起伏周期预测模式的市场时机选择是构建最优资产组合、优化资产配置的核心。投资过程的本质是通过选择或协调各种金融工具，从而选择与投资者的投资目的相适应的风险收益组合；是投资活动顺利开展的关键保障。因此，投资过程的优劣直接关系到投资活动的成败。

（ 三 ）分形市场中投资策略的厘定 基于对分形市场的界定以及分形市场中投资概念的厘定，便可对分形市场中投资策略展开详细探讨。所谓投资策略就是指投资者根据自身需求和风险承担能力对投资资产进行安排、配置。确定投资者收益需求和风险厌恶特征是构建其投资策略的前提。随后，投资者设计可实现其目标的投资策略。投资者将根据自身对资产的内在价值、预期收益、风险等因素的推断结果进行投资资产选择、配置。因此，投资者对资产内在价值、预期收益、风险等因素的推断结果是构建投资策略的基础，投资者根据推断结果设计使自身效用最大化的投资策略。在EMH下，由于市场具有竞争性以及投资者具有同质预期，风险收益完全匹配。追求高收益，必然要承担高风险；不接受高风险，便只能接受低收益。在分形市场中，形形的投资者对资产内在价值、预期收益、风险等因素的推断方法千差万别；因此，基于推断结果所设计的投资策略便具有差异。投资策略的差异表现为投资者历史投资行为的差异，最终造成证券收益与风险的分形特征。证券市场存在分形特征，因此，证券收益、风险的时变特征具有复杂性、非线性。从而，分形市场中风险收益不完全匹配；在实际投资中，存在套利机会。因此，优异的投资策略可充分利用风险与收益非完全匹配的特征；从而，可以在减少一定程度的风险的同时并增加一定程度的收益。基于此，分形市场中投资策略的一个直观描述就是指投资者根据自身需求和风险承担能力设计协调和选择风险收益组合以实现自身效用最大化的方案。

三、分形市场中投资策略分析框架

（ 一 ）分形市场中的推断方法 由前文讨论可知，确定投资者收益需求和风险厌恶特征是构建其投资策略的前提，而投资者对资产内在价值、预期收益、风险等因素的推断结果是构建投资策略的基础。因此，准确的推断结果是投资策略有效的先决条件；而推断结果的准确性依赖于投资者所采用的推断方法。在分形市场中，推断方法的设计是设计投资策略的必要步骤。传统资产组合理论、资本资产定价方法等量化投资模型，其推断方法常常基于线性范式，难以追踪分形市场中的分形信号。现有基于人工智能、小波分析、支持向量机等理论的量化投资模型，其推断方法对分形市场中的分形特征也不是量身度造。为克服证券价格、收益、波动中的分形特征对推断方法的干扰，在分形市场中，所设计的推断方法不仅要可充分克服分形噪音的干扰，而且还要能更好的追踪分形信号。因此，在分形市场中，设计投资策略的先决条件便是设计资产内在价值、预期收益、风险等因素的推断方法。

（ 二 ）分形市场中投资策略的分解 理论上，在分形市场中寻求价格偏离内在价值的证劵、寻找证劵价格的起伏周期和预测模式并非无稽之谈。与此相反，由于分形通常具有精细结构，而证劵价格又往往表现出分形走势；因此，波动的证劵价格蕴藏着许多低买高卖的机会；从而，优质的市场时机选择策略可以让投资者获得盈千累万的资本利得。证劵的内在价值是指证券未来收益的风险调整贴现值。由此可见，证劵的内在价值受证劵未来收益水平和风险调整贴现率的影响。而未来收益水平和风险调整贴现率具有不确定性；因此，证券内在价值也具有波动性。同时，由于激发证券价格和证劵内在价值波动的因素不完全相同；从而，证券价格和证券内在价值的波动往往具有不一致性。因此，根据证券价格和证券内在价值的变动特征，选择内在价值被低估的证劵并非是天方夜谭。基于上述分析，在分形市场中，选择价格偏离价值的证劵和选择基于证券价格预测模式的市场时机均具有可行性；且无论是证劵选择还是市场时机选择都影响着风险收益组合。因此，证劵选择策略和市场时机选择策略是影响投资策略的两个因素。另一方面，基于早期研究可知，投资的业绩可以通过证劵选择能力和市场择时能力这两个角度解释。而投资业绩的好坏是投资策略优劣的外在表现，因此，在分形市场中，可将投资策略分解为证劵选择策略和市场择时策略。其中，证劵选择策略，就是指识别价格偏离内在价值的证劵的策略；市场择时策略就是指掌控证劵价格起伏周期的策略。

（ 三 ）分形市场中投资策略的分析框架 基于前文对分形市场中投资策略的厘定及分解可知，投资策略的设计可通过证劵选择策略设计和市场择时策略设计实现，构建有效投资策略的关键是分析证劵选择策略和市场择时策略。（1）分形市场中证劵选择策略分析。根据前文的厘定，证劵选择策略，是指识别价格偏离内在价值的证劵的策略。识别价格偏离价值的证券的前提和基础是确定证券的内在价值。证劵的内在价值是指证券未来收益的风险调整贴现值。其中，未来收益是指包括资本利得、红利在内的全部现金回报，风险调整贴现率等于无风险收益率与风险溢金（Risk Premium）之和；风险溢金是指针对投资某项资产时的额外风险所需的额外回报率。在理论上和实务中，未来收益常常基于历史数据、经济形势等因素给出判断；风险溢金的确定取决于投资者对超额风险和额外回报二者间关系的看待，依赖于投资者的风险厌恶程度。投资者常常希望承担低风险并享受高收益，从而常常利用风险资产组合构建或协调风险收益组合。有效前沿或称最小方差边界、有效投资组合、有效边界、最优资产组合等，其上的风险收益组合是约定风险范围内预期收益最高的投资组合，是投资者首选的风险收益组合。因此，优异的证劵选择策略必将在有效前沿上选择风险资产。从而，设计证劵选择策略关键在于设计有效前沿的构建策略。传统有效前沿构建基于Markowitz的资产组合理论和市场完美性假设，在期望收益、方差、风险资产间协方差已知的情况下，便可根据均值——方差准则构建有效前沿。在EMH的假设下，市场具有完美性；然而，实际的市场并不完美，交易成本、资本利得税等因素影响着风险资产组合的构建，从而影响着有效前沿的构建。Jarrow et al.（2007）研究表明，即使很小比例的交易成本也可能严重扭曲无交易成本下的最优资产组合。与此同时，在FMH的理论下和金融市场的现实背景下，较长期投资者和短期投资者对期望收益、方差、风险资产间协方差预期非同质。因此，分形市场中的有效前沿是代表最佳风险收益组合的变动曲线。综上所述，基于投资者投资期限构建动态有效前沿的策略是设计证劵选择策略的关键。（2）分形市场中市场择时策略分析。根据前文的界定，市场择时策略是指掌控证劵价格起伏周期的策略。证劵价格起伏周期的掌控基于对证劵价格趋势的把握。因此，对证劵价格趋势的分析是设计择时策略的重中之重。所谓证劵价格趋势，是指证劵价格朝某方向运行的过程。实操中，常常以某种移动平均线（Moving Average，MV）朝某方向运行的过程作为价格趋势，但确认价格趋势并非易事；同时，以移动平均线作为证券价格趋势会具有一定的滞后性。投资者掌控证券价格趋势的根本目的是希望低买高卖，并顺势而为。因此，设计低买、高卖策略便可掌控证券价格趋势，实现优质市场时机选择。而低买、高卖策略的设计，关键在于捕捉证券价格的低位、高位。所谓证券价格低位或高位，是指在既定的投资时间区间内，相对最低或最高的证券价格。其中，投资时间区间由投资者的投资起点和投资期限确定。在分形市场与真实证券市场中，由于投资者投资起点和投资期限的差异，因此，不同投资者的投资时间区间不尽相同。从而，证券价格的低位与高位只是相对的，紧紧依赖于投资者的投资时间区间。同时，由于信息对不同投资者影响不同，致使不同投资者投资行为不同。短期投资者因受信息扩散缓慢以及对信息反应迟钝的影响，表现出惯，造成证券价格的惯性效应；较长期投资者受此影响不大。投资者对信息反应行为的差异，致使较长的投资时间区间内证券价格分形波动。从而，较短投资时间区间内的证券价格低位、高位混杂在较长投资时间区间内的低位与高位之间；这是是短期投资者惯的结果，也是短期投资者市场择机根本的根本依据。设计低买、高卖策略便可实现优质市场时机选择，因此，设计低买、高卖策略就是设计市场择时策略。对于短期投资者，市场择机的根本依据就是把握惯引致的惯性效应。低买策略和高卖策略并非两种不同的策略，本质上高卖策略和低买策略并无区别，会在证券价格高位卖出证券便会在证券价格低位买入证券。这是因为，当投资者卖出证券时，相当于用股票在买现金。如果投资者能在证券价格高位卖出证券，那么，以证券作为现金价格必然是在价格低位买入了现金。因此，要想在证券价格低位买入证券，只需要在现金价格高位卖出现金。综上，设计市场择时策略关键在于设计高卖策略，在投资者的投资时间区间内捕捉证券价格的高位，掌控短期投资者的惯。（3）有效前沿与惯。证券选择和市场择时二者相互影响，因此，作为两者核心依据的有效前沿与惯也将相互影响。短期投资者严重的惯，将导致证券价格过度的惯性效应，营造出市场情绪潮流。此时，非完全理性的较长期投资者也难以完全摆脱市场情绪的影响。在情绪潮流中，部分较长期投资者将重新衡量预期收益、风险等因素；并根据其重新衡量的结果，做出推理，改变其投资行为。如：舍弃既定投资期限、改变投资风格等。最终，与短期投资者一起致使市场偏离既定的有效前沿。另一方面，基于投资者投资期限构建的有效前沿可反映短期投资者的惯。在分形市场中，市场偏离既定有效前沿伊始，由于较长期投资者更加偏重基础信息，短期投资者更加关注历史信息；因此，此时的市场动力主要源于短期投资者的投资行为。此时，短期投资者的投资行为是对历史信息的反应，表现为惯。综上所述，严重的惯将导致市场偏离既定的有效前沿，基于投资者投资期限构建的既定有效前沿可反映惯。有效前沿与惯分别作为证券选择和市场择时的核心依据，两者相互联系、相互影响。

（ 四 ）分形市场中投资策略设计的展望 由前文可知，投资策略的设计可通过证劵选择策略设计和市场择时策略设计实现。基于市场择时的资产配置对投资业绩具有绝大部分的贡献，且证券选择本身也依赖于时间因素，因此，本文仅对市场择时策略设计给出一些展望。设计市场择时策略关键在于基于证券价格的惯性效应设计高卖策略。高卖策略即在投资者的投资时间区间内捕捉证券价格的高位。由于证券价格具有分形特征，而分形通常具有自相似性，通常可由一些迭代过程得到。从而，证券价格走势是自相似吸引子或几个自相似吸引子的迭加。基于吸引子定理和拼贴定理，证券价格的这种分形走势可用少量几个压缩映射和生成元产生一个新的分形走势来无限逼近。由于这个新的分形走势由其生成元和迭代函数系唯一确定，因此，其未来走势确定。在证券价格未来走势不会较大偏离此前分形走势的假设下，便可利用这个构建的分形走势寻找证券价格未来走势中的相对高位，进而根据投资者的投资期限做出投资决策。可见，寻找证券价格走势的逼近分形走势是设计高卖策略的方法之一。另一方面，证券价格的分形走势具有标度不变性特征。标度不变性是指在不同时间或空间尺度下证券价格的分布函数间具有幂律关系。由于较短时间间隔观察到的证劵价格相对于较长时间间隔上观察到的证券价格具有更多的数据，因此，也包含着更多的有效信息和信息噪音。利用高频数据和低频数据间的标度不变性特征，可获得较之低频数据更多的有效信息，可免受较之高频数据更少的噪音干扰。从而，更有利于投资者进行投资决策。分形分布（Fractal Distribution）可真实描述证券市场收益序列的“尖峰肥尾”现象，是对真实证券市场收益序列的统计描述，可充分反应证券市场中的标度不变性特征。基于分形分布的市场择时策略可克服基于正态分布的市场择时策略低估风险、过早卖出等不足。从而，利用分形分布可以更加精准的计算出证券价格未来走势的概率，进而可根据概率的大小进行市场择时。然而，分形分布的参数估计具有较大困难，因此，设计分形分布的参数估计方法是设计高卖策略的又一方法。总之，利用证券价格的分形走势设计投资策略关键在于充分利用分形的种种特征，充分利用分形时间序列中的有效信息和尽可能去除分形时间序列中的信息噪音。

四、结论

本文通过对分形市场中投资概念的理解，在投资者协调和选择风险收益组合可行性分析的基础上，将投资策略厘定为投资者根据自身需求和风险承担能力设计协调和选择风险收益组合以实现自身效用最大化的方案。在此基础上，对设计分形市场中投资策略的先决条件——资产预期收益、风险等因素的推断方法进行了分析。在把投资策略分解为证券选择策略和市场择时策略的基础上，提出了分形市场中投资策略的分析框架。在分形市场中，设计基于投资者投资期限的有效前沿和基于投资者投资时间区间的高卖低买策略是构建投资策略的关键路径。而设计高卖低买策略关键在于投资者在投资期限内有效捕捉证券价格的高低位，掌控短期投资者的惯。本文对分形市场中投资策略分析框架的建立，将为进一步构建贴近证券市场分形现象的量化投资策略提供理论基础。

*本文系教育部高等学校博士点专项科研基金项目“分形市场环境下开放式基金业绩持续性之关键因素挖掘研究”（项目编号：20120172120050）；教育部人文社会科学研究青年基金项目“明星效应下基金家族价值偏爱及家族造星策略有效性研究”（项目编号：13YJC790150）；中央高校基本科研业务费专项资金“分形条件下基金投资风格漂移与股票市场波动效应量化研究”（项目编号： 2013ZB0016）及国家社会科学青年基金“开放式基金投资风格漂移及风格资产轮换策略有效性研究”（项目编号：12CJY006）的阶段性成果

参考文献：

[1]丁鹏：《量化投资——策略与技术（修订版），电子工业出版社2012年版。

[2]许林：《基于分形市场理论的基金投资风格漂移及其风险测度研究》，《华南理工大学博士学位论文集》（2011年）。

[3]苑莹、庄新田、金秀：《多重分形理论在资本市场中应用研究综述》，《管理学报》2010年第9期。

[4]黄怡蓉：《中国股市的分形结构：理论与实证》，中山大学出版社2006年版。

[5]樊智、张世英：《金融市场的效率与分形市场理论》，《系统工程理论与实践》2002年第3期。

[6]马慧明：《英汉证劵投资词典》，商务印书馆2007年版。

[7]B B Mandelbrot，Richard L Hudson著，张新等译：《市场的（错误）行为：风险、破产与收益的分形观点》，中国人民大学出版社2009年版。

[8]Kenneth Falconer著，曾文曲译：《分形几何的数学基础及其应用（第二版）》，人民邮电大学出版社2007年版。

[9][美]加里·加斯蒂尼，马克·克里茨曼著，谌季强等译：《金融风险管理词典》，华夏出版社2007年版。

[10][美]加里·加斯蒂尼，马克·克里茨曼著，谌季强等译：《金融风险管理词典》，华夏出版社2007年版。

[11][美]R A贾罗，V马斯科西莫维，W T津巴编，吴文峰、仲黎明、冯芸译：《金融经济学手册》，上海人民出版社2007年版。

[12][美]维克多·斯波朗迪著，俞济群、真如译：《专业投机原理》，机械工业出版社2008年版。

[13]蒋晓全、丁秀英：《我国证券投资基金资产配置效率研究》，《金融研究》2007年第2期。

[14]王征：《资产配置对基金收益率的贡献度分析——来自中国市场的经验数据》，《经济科学》2005年第4期。

[15]苑莹、庄新田：《基于多重分形的金融市场复杂特性分析及应用：以中国股票市场为研究对象》，中国经济出版社2012年版。

[16]Kyoung Eun Lee ， Jae Woo Lee. Scaling and Multiscaling Properties in the Korean Stock Market.Journal of the Korean Physical Society，2007.

[17]Yudong Wang，Li Liu，Rongbao Gu.Analysis of efficiency for Shenzhen stock market based on multifractal detrended fluctuation analysis.International Review of Financial Analysis，2009.

[18]A Ganchuk， V Derbentsev， V Soloviev. Multifractal Properties of the Ukraine Stock Market.Workingpaper， 2006.

[19]Justine Gregory Williams， Bill M Williams.Trading Chaos-Maximize Profits with Proven Technical Techniques （2nd Edition）.New Jersey：John Wiley&Sons， Inc.2004.

[20]Daniel O Cajueiro，Benjamin M Tabak.Multifractality and herding behavior in the Japanese stock market.Chaos，Solitons&Fractals，2009.

[21]Jozef Barunik，Tomaso Aste，T.Di Matteo，Ruipeng Liu.Understanding the source of multifractality in financial markets. Physica A，2012.

[22]Edgar E Peters.Fractal Market Analysis：Applying Chaos Theory to Investment and Economics.New York：John Wiley&Sons， Inc. 1994.

[23]Zvi Bodie， Alex Kane， Alan J Marcus. Investments（8th Edition）.New York： McGraw-Hill，2009.

[24]Andrew Pole. Statistical Arbitrage： Algorithmic Trading Insights and Techniques.New York： John Wiley&Sons，Inc.2007.

[25]Luciano Zunino， Alejandra Figliola，Benjamin M. Tabak et al. Multifractal structure in Latin-American market indices.Chaos， Solitons and Fractals，2009.

[26]Man-Ying Bai， Hai-Bo Zhu.Power law and multiscaling properties of the Chinese stock market. Physica A，2010.

[27]Roger G Ibbotson， Paul D Kaplan. Does Asset Allocation Policy Explain 40， 90 or 100 Percent of Performance.Financial Analyst Journal，2000.

[28]Gary P Brinson， Brian D Singer， Gilbert L Beebower. Determinants of Portfolio Performance II： An update. Financial Analyst Journal，1991.

[29]William Forbes. Behavioural Finance. New York： John Wiley&Sons，Inc.2009.

[30]Jerome Chave，Simon Levin.Scale and Scaling in Ecological and Economic Systems.Environmentaland Resourmics，2003.

[31]Robert A Meyers. Complex systems in Finance and Econometrics. New York： Springer，2009.

第2篇：量化投资策略分析范文

【关键词】量化投资 特点 策略 发展

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.

[21]严高剑.对冲基金与对冲策略起源、原理与A股市场实证分析[J].商业时代，2013，（12）：81-83.

第3篇：量化投资策略分析范文

关键词:行为金融；投资策略；主板市场；选股标准

JEL分类号:G1　中图分类号:F832　文献标识码:A　文章编号:1006-1428(2011)10-0107-05

一、行为金融理论概述及A股市场投资行为

传统现代金融理论起源于20世纪50年代。在Arrow-Debreu一般均衡理论和Von Neumann＆Mor-genstem建立的预期效用函数理论分析范式下，1952年Markwitz提出了资产组合理论，1958年Modigiani＆Miller提出了资本结构理论，上世纪八十年代Sharpe、Lintner等人在资产组合理论基础上发展了资本资产定价模型，Ross在1976年提出了套利定价理论，Black＆Scholes于1972年发明了期权定价模型.上述理论统一于Fama等在1970年代建立的有效市场假说，它们共同构筑起了近乎完美的现代金融理论大厦，被广泛地应用于金融理论与实务中，定量指导人们的金融投资行为。

然而，上述金融理论模型在现实统计检验中出现了很多异常现象。主要表现为以下两个方面:首先，传统金融理论一般假设投资者是理性的，但是大量的心理学研究表明，人们的实际投资决策行为会出现系统性的偏差，如过度自信、后悔规避、心理账户、锚定效应等，从而导致投资者行为的非理性；其次，传统金融学理论一般认为市场是有效的，价格反映一切，但由于上述投资者行为偏差及一些制度因素，价格经常并不能反映真实信息，市场常常是非有效的。人们开始日益注重投资者行为在金融理论中的特殊作用，从投资者心理和行为关系出发研究金融投资活动，由此开创了行为金融学的研究。

Burrel&Bauman教授在1951年发表的《投资研究实验方法的可能性》中首次明确提出将心理学和金融学研究结合起来，用实验方法来验证投资理论，并认为将行为方法和定量投资模型相结合具有重要意义。1979年，斯坦福大学的Tversky和普林斯顿大学的Kahneman教授提出了著名的前景理论(ProspectTheory)，该理论是行为金融理论的核心内容和代表学说.为行为金融理论的发展奠定了理论基础，Kah-neman本人也因此荣获2002年度诺贝尔经济学奖。1985年，Bondt＆Thaler发表的《股票市场过度反应了吗?》一文引发了对行为金融理论的关注，开启了行为金融理论研究的新阶段，此后，Shleifer对“噪声交易者”和“套利限制”的研究、Odean对“处置效应”的研究、Shiller对股价异常和股市羊群效应的研究等进一步丰富了其内涵，行为金融理论的影响日渐扩大。

传统金融理论把金融投资过程看作一个动态均衡过程，有效市场假说是传统金融理论的核心。Shleiferf2000)总结有效市场假说建立在三个逐渐弱化的假设上:第一，假设投资者是理性的，可以理性评估资产价值；第二，即使有些投资者不是理性的，由于他们交易的随机性，可以抵消彼此对资产价格的影响；第三，即使投资者的非理并非随机而是具有相关性，市场可以利用“套利”消除其对资产价格的影响。行为金融学以前景理论为基础，针对上述三个假设分别质疑，形成了相对应的三个层次研究:有限理性的投资者个体行为；投资者的群体行为；有限套利的非有效市场。

沪、深证券交易所相继在1990年和1991年成立，标志着我国证券市场开始形成。作为一个新兴资本市场，我国股市存在着严重的非理性投资行为:1、证券投资主要以投机行为为主，股票价格严重偏离股票的基础价值。具体表现为:波动性较大，市盈率过高，换手率过高。2、投资理念不成熟。具体表现为:第一，暴富心理波段操作频繁过度；第二，羊群行为十分明显。3、强烈的政策依赖性。我国股市一直以“政策市”饱受诟病，政治、经济政策及证券市场政策、法规常常直接干预市场，对市场造成巨大影响。4、机构投资者对股市操纵现象时有发生，中小投资者存在“跟庄”情结。这些非理都制约了证券市场自身功能的发挥，阻碍了证券市场的健康发展。因此，借鉴行为金融理论，研究适合我国投资者的投资策略显得十分必要。

二、A股市场量化投资策略盈利性研究

根据行为金融理论，由于投资者存在各种认知偏差，容易产生过度反应或反应不足，从而导致非理性的投资行为，而且这种非理会长期存在，证券市场上将出现系统性偏差，资产也会错误定价，可以藉此制定有效的投资策略获取稳定的投资回报，即行为金融投资策略。可将行为金融投资策略分为两大类:一类是积极型的投资策略，即寻求由于投资者系统性的行为和认知偏差所引起的证券定价偏差，在大多数投资者认识到这些偏差之前投资这些证券，并随着大多数投资者意识到这些偏差并投资它们时卖出这些证券。例如:反向投资策略、动量交易策略、小盘股投资策略和ST投资策略等；另一类是保守型的投资策略，即为了尽量规避人们的系统和认知偏差而制定的投资策略，如价值投资策略、资金平均策略和时间分散化策略等。

行为金融投资策略中最典型的是反向投资策略和动量投资策略，两者可能在不同的时间段分别获得正的收益。其盈利性研究方法可分为两类:l、利用股票收益率实证分析，代表性方法是Jegadeesh＆Titmanf1993)提出的，他们考察了1962-1989年间美国股市数据，将样本股票按照过去一段时间(即形成期)收益率排序等分为10个组合，排名最差的一组为输家组合，排名最好的一组为赢家组合，然后考察未来一段时间(即持有期1内买入赢家组合和卖出输家组合的超额收益率(与该时期的市场收益率相比较)，重复此过程，对上述超额收益率t检验，发现在3-12月的较短时间，存在显著的股票收益动量效应。2、基金投资行为实证分析，Gfinbl~t、Titman＆Wermer(fl995)设计了一个基金投资行为衡量指标ITM计算基金重仓股数据，研究了美国155只共同基金10年内的投资策略以及相应的绩效，结果显示76.8％的基金采取“动量”投资策略。

我们参考Jegadeesh＆Titman(1993)方法，结合Lakonishok＆Shleifer(1996)、Chan、Jegadeesh&Lakonishokfl996)和Lee＆Swaminathan(2000)的思想，考虑到投资者对指标使用的习惯性，利用A股数据按股票收益率、换手率(代表交易量)、PE(市盈率)三大最

主流指标在形成期选择大值(赢家)组合和小值(输家)组合，考察其在持有期的超额收益率，分析各种投资策略的盈利性.以期寻找适用于我国A股市场的量化投资策略。具体方法如下:

(1)我国证券市场目前有主板市场、中小板市场、创业板市场三类，考虑到主板市场成立时间较长，投资行为相对较为成熟，对主板市场的研究基本就可以对我国证券市场投资行为全貌有较清晰认识:

(2)选定一个时间长度作为股票业绩评价期.称为股票投资组合的形成期，计算各样本股票在形成期的平均超额收益率:

(3)根据上述收益率对样本股票进行升序和降序排列，其中收益率数值最大的数只股票组成赢家组合，最小的数只股票组成输家组合，选择换手率、PE等指标时作类似处理:

(4)再选一个时间长度作为持有期，计算组合在持有期的平均超额收益率:

(5)移动一个检验周期，连续重复上述步骤.得到一系列持有期超额收益率，取平均值为对应投资策略的超额收益率，并对该结果做t检验:

(6)结合超额收益率和t检验结果，比较不同的投资策略，得到适用的量化投资策略。这K个期间的平均超额收益率；然后再在时刻T+2重复这一过程，一直持续下去，得到平均超额收益率时间序列，求平均值，在股票超额收益率为正态分布假设下进行t检验。

对上述方法说明如下:

(1)由于目前我国A股市场除少量的融券业务外.并不存在完善的股票卖空机制，所以我们不构造卖空股票的组合，尽管也计算赢家和输家组合的收益率之差并进行统计分析，但目的是比较动量投资策略和反向投资策略的相对优劣:

(2)与经典Jegadeesh&Titman(1993)方法不同，我们参考朱战宇等(2003)的方法，以周为检验周期单位，这是因为我国股市交易相比国外频繁得多，月度检验期过长，会遗漏很多相关信息:

(3)根据目标市场的大小，选择投资10、5、3等不同只股票计算平均收益率。

投资者行为是动态变化的过程，太过久远的交易数据对研究新市场环境下的交易策略显然没有多大意义，所以本研究选取样本期间为2009年10月1日至2010年11月30日，研究数据来自天软(nysoft)金融分析软件。考虑到只有14个月数据，我们取形成期和持有期分别为一、二、四、八和十三周。收盘价数据采用比例复权，基准为“最后一个交易日”，保留小数点后两位有效数字，如股票在某个周五没有开市，就依次用本周四、三、二、一的可比收盘价代替。我们用Matlab(R2010b)编程处理数据，超额收益率是指个股收益率减去同期相应的市场收益率，考虑到广大投资者一般将上证综合指数作为判断大盘走势的标准，我们以其为基准计算超额收益率。

主板市场取我国A股市场中所有在2009年10月1日前上市的公司，剔除掉其中的中小企业板、创业板和ST公司，共1156家上市公司，截取2009年9月30日至2010年11月30日的周交易数据，选择投资10只股票，结果如下:

1、以收益率为选股标准。

我们发现，共有5个“买涨”策略的平均超额收益在5％水平下显著，形成期均为1周，且均为正，随着持有期的增加而减少，(1-1)策略超额收益率最大，超过1％:15个“买跌”策略的平均超额收益在5％水平下显著为正，形成期主要集中在8和13周，持有期为2和4周的收益率较大；10个“买涨一卖跌”策略的平均超额收益率在5％水平下显著，且持有期为1和2周时，为正值，持有期为8和13周时，收益率为负值。这说明，选择购买前期较短时期(1周，最多2周)收益率高的股票，或购买前期较长时期(8周或13周)收益率低的股票，持有期较短(1或2周)能取得明显的超额收益。

2、以换手率为选股标准。

共有4个“买高换手率”策略的平均超额收益在5％水平下显著，持有期均为13周，均为正且较小；23个“买低换手率”策略的平均超额收益在5％水平下显著为正，且均在1％以上；19个“买高一卖低”策略的平均超额收益率在5％水平下显著，且为负。这说明，选择购买前期换手率低的股票可获得明显的较高超额收益率。

3、以市盈率为选股标准。

共有19个“买高市盈率”策略的平均超额收益在5％水平下显著，均为正且较小；18个“买低市盈率”策略的平均超额收益在5％水平下显著为正，且形成期越短，收益率越大，1和2周的平均超额收益率基本上在1％以上，和持有期无关；9个“买高一卖低”策略的平均超额收益率在5％水平下显著，有正有负。这说明.选择购买过去短期(1或2周)动态市盈率低的股票。可取得明显的较高超额收益。

三、总结与展望

在对行为金融理论发展介绍的基础上，我们对我国A股主板市场发展现状和投资行为作了简要分析.总结各种行为投资策略后，揭示出对于不断完善但非理时有发生的我国证券市场，借鉴行为金融理论进行投资操作具有重要的现实意义。我们接着参考Jegadeesh＆Titman(1993)等的方法，利用主板市场数据按股票收益率、换手率、市盈率等指标在形成期选择赢家组合和输家组合，考察其在持有期的超额收益率，实证研究发现对于主板市场来说，换手率、动态市盈率都是较好的选股指标，收益率的有效性相对较弱，我们可以购买前期换手率低的股票、短期动态市盈率低的股票来提高股票投资的盈利性。

第4篇：量化投资策略分析范文

曾经，“对冲”在中国资本市场还是比较敏感的词汇。2010年，股指期货蹒跚而至，融资融券和转融通也相继出台。股市投资思维从单向做多扩展为双向的做多和做空。

10月23日，保监会连续公布关于《保险资金参与股指期货交易规定》和《保险资金参与金融衍生产品交易暂行办法》的通知，从公布的通知可以看出对保险资金投资范围的进一步放开，市场分析人士对此的理解为希望通过扩大原有的投资范围、完善监管机制以及组建投资团队，为保险资金入市提供更好的资本对冲工具。

对此，国泰君安证券研究所金融工程小组分析师蒋瑛琨认为，我国资本市场已进入对冲时代，金融工程与衍生品研究在中国市场的重要性已经凸现。

投资理念的革新

对冲基金在海外已经走过了逾60年的历程，见证了海外资本市场的变革和金融衍生品市场的成长与繁荣。从2010年以来，中国资本市场也进入对冲时代。对冲时代下会对市场带来哪些变化？对投资格局有什么创新？我们该如何面对？

根据现资理论的资本资产定价模型，一个投资组合的收益由两部分组成，一部分是市场提供的相对收益，或β收益；另一部分是投资管理人提供的超越市场的超额收益，或α收益，也是绝对收益。一个投资组合的风险也包含两部分风险，即市场风险或系统性风险，以及投资组合的特定风险。特定风险不能完全去掉，只能分散，而系统风险可以通过相应的期货等工具进行对冲。市场风险对冲后的投资组合回报就是市场中性的绝对收益，也就是所谓对冲基金追求的回报。过去，投资者只关心投资收益，却没有意识到其中隐藏的风险；只关心某个策略当下能赚多少钱，却并不知道这个策略未来在市场风格变化后是否还能继续赚钱。在对冲时代，投资更应看重风险调整后的收益，即投资的性价比。货比三家，在同等风险下，不同策略能带来怎样的回报？投资者会看重长期稳定和持续的α。

在单向做多的投资思维中，我们的投资一直靠天吃饭，也更关心指数点位。在双向投资时代，投资可以不必靠天吃饭，投资者更关心纯粹的市场中性的绝对收益。

另一方面，对冲带来了收益中α与β的分离，同时使投资策略也衍生出可转移α等创新策略。如同包子或比萨饼一样，相对收益的“皮”和绝对收益的“馅”可以分开，也可以构成不同的组合。例如，债券组合的β可以融入来自于股票或商品市场中产生的α，以增强债券组合的收益，这样，不同资产市场中的绝对收益α能力可互相转移及组合。

对冲时代将促使量化投资理念和方法得到更广泛的认同和发展。对冲虽然并不一定意味着狭义的量化投资模式，但量化投资中对风险的量化观念以及对衍生工具的应用都会融入对冲投资策略中。基于数量模型的量化投资也具有在多证券和多资产市场中发现差价的天然优势。

工具化时代来临

过去两年的A股经历了一跌再跌的熊市，有人将之归咎于股指期货做空的推手。其实，恰恰相反，股指期货的引入使A股现货市场的波动性降低，期现套利投资者也逐步成为市场稳定的有效力量。

伴随对冲时代的来临，市场需要更多β型场内工具和金融衍生品工具。场内指数型基金和交易型开放式指数基金（ETF）等成为配置和交易的工具。可以发现，股指期货的推出促使ETF规模显著增长，也大大促进了交易活跃性。除了传统的β，还有另类β工具，如策略指数和杠杆指数基金。时下活跃的场内分级基金和场外结构化产品正填补了杠杆工具稀缺的空白。

工具型产品更加标准化、风险透明化，在信息不对称的股票市场中，相对于个股选择，是更适合大多数个人投资者的投资工具。

当然，在股市震荡中，在对冲时代来临之际，我们目前还缺少足够的衍生品工具，还面临不同瓶颈，我们必须正视并寻求解决之道，这也是对冲时代中国资本市场发展的必经之路。

对冲基金新型策略崛起

市场持续低迷，对冲基金却迎来了各种机遇，新型投资策略产品加速崛起，但在不同市场环境中，不同策略的业绩差别较大。

“对冲基金是最近这两年才开始慢慢出现的，这之前私募证券基金都是做传统的A股多头，最近两年才出现使用新的投资策略的产品。”融智评级高级研究员包桂芝表示，今年以来，新基金法的修订明确了私募基金/对冲基金的法律地位；信托公司证券账号放开、期货公司获批资管资格等都是对冲基金发展中的有利因素。

她说，“最近两年低迷的市场行情为对冲基金创造了探索新策略的机会，大家都特别关注对冲基金各种新型策略。今年，一些国外的大型对冲基金公司也开始进入中国，因为他们看好对冲基金在中国的发展前景。”

光大证券另类投资部总经理葛新元近日也对外表示，中国对冲基金的发展是整个市场发展的必然趋势，各种金融工具估计在今后三五年内将加速出现。

据私募排排网统计，截至2012年9月底，具有业绩记录的对冲基金表现差强人意。

数据显示，近1个月所有策略产品的平均收益率均低于同期沪深300的表现；近3个月只有管理期货、相对价值策略和债券基金获取绝对收益，收益率分别为18.23%、1.17%和0.29%；近6个月收益率管理期货和宏观策略这两个策略占绝对优势，收益率在10%左右，同期沪深300收益率为-6.59%；近1年收益率两极分化较严重，宏观策略的平均收益率为47.89%，股票策略的平均收益率为-7.06%，同期沪深300指数的收益率为-11.16%。

“不同策略在不同市场环境中的收益能力会不同。”包桂芝表示，把时间拉长点看，就能看出一些策略的优势，比如管理期货，与股票市场的相关性很低，相对价值策略的收益一般比较稳定，在市场好的时候可能没有指数涨得多，但市场不好的时候跌得比市场少，或者能够获取正收益。

受限于各种瓶颈，目前国内对冲基金规模还不大。

投资品种、投资工具的缺乏是对冲基金发展所面临的主要问题。包桂芝介绍，与海外成熟市场相比，目前国内可投资的品种较少，除了传统A股做多，可投资的金融衍生品只有一个沪深300股指期货，做空机制虽然开始放开，但可做空的股票数量有限，并且在实际操作中难度也较大。

其次是人才缺乏。包桂芝认为，中国的对冲基金刚刚开始发展，尤其是新型策略的产品，比如量化、对冲、期货、宏观策略等，都需要这些方面的专业人才。即便是国外成熟的策略，在中国市场也有一个适应本土化的过程。

第5篇：量化投资策略分析范文

2011年7月1日，本刊正式引入《今日投资66》专栏，介绍今日投资66的选股逻辑、方法以及挑选出的股票。今日投资66（简称I66）是利用量化投资方法挑选出的一个66只股票的组合。其实早在2005年中今日投资就推出了I66，过去几年累计收益率达到16倍，远超同期市场不到3倍的涨幅。为什么直到今日我们才大张旗鼓地推出I66呢？原因其实很简单，因为市场环境。量化投资近几年在中国快速发展，其投资理念也越来越多地获得认同。

股票市场上形形的各种分析方法总结起来可以归类为三大流派：数量分析、基本面分析和技术分析。关于这三大流派孰优孰劣的争论已经持续了近百年，三方各执一词，百年争论下来也没有争出个结果来。当今世界也是这三种流派大概各占三分之一的格局。而A股市场显然尚未跟上，量化投资远远没有达到三分之一的市场占有率。

第一部分：什么是量化投资

量化投资在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内还比较罕见。那么，何为量化投资？

康晓阳：量化就是符合投资常识的投资逻辑和策略

接下来会发生什么？

深圳市天马资产管理有限公司是国内最早开发量化投资模型的资产管理公司，致力于量化投资工作接近十年。作为国内量化投资的“开山鼻祖”，深圳天马的董事长康晓阳先生如下介绍量化投资：

大家看到这个图，鱼跳起来了，风在刮，接下来会是什么？日本发生的9级大地震！2011年3月7日我看到一个报道，有50条鲸鱼在搁浅沙滩，就在发生地震那个县东部的海岸，有的死了，专家解释这些鲸鱼集体迷路了。作为一个地震专家或者学者，其实他们的经验没有告诉他这50条鲸鱼搁浅沙滩跟地震有什么关系。到底有没有关系呢？我们知道5•12四川大地震之前发生了同样的事情，很多癞蛤蟆过马路，这跟地震有什么关系？

投资做股票有两类，讲很多种策略，无外乎就是买你自己喜欢的和买市场喜欢的，买自己喜欢和买市场喜欢的背后逻辑就是找影响股价的要素。

量化是什么？做投资，最终的分析停留在数据上，既然是数据，就可以标准化、固化。从你自己的角度买自己喜欢的东西，其实也可以量化，每个人都有对美的标准，但并不是符合这个指标，你就一定喜欢。如果有一个海选，把符合你喜欢特征的人放在你面前你去选，就可以量化。

鲸鱼搁浅在沙滩上，根据历史数据统计就会发现这个事情跟接下来要发生的事情有什么关联。把人的行为逻辑影响股价所有的要素进行综合分析，预测下一个市场喜欢的东西或者喜欢的策略是什么，简单一句话，量化就是符合投资常识的投资逻辑和策略。就股票来讲，投资标的的数据和因素量化，再用一些模型统计的方法把选出来的标的进行优化，最后成为投资组合，这就是量化的基本逻辑。用数理的方法把你的投资逻辑或者市场的投资逻辑固化，只要有投资逻辑的思想或者策略，都可以量化。

就股票而言，有很多种方法，有价值型股票，分析方法无非是那几种，只是大家的标准不一样，量化的东西可以设一个相对宽松的东西，初选之后再优化，比如成长型股票，肯定关心盈利、收益。选出来10个、20个、50个甚至100、200个股票，然后配比重，怎么优化组合，根据你的风险和预期收益率反推回来怎么优化，最后得出一个比重，哪只股票应该投多少。有些是成本交易，比如套利，什么情况下出现一定条件的时候提示你。

要真正做到量化，首先要有一个基本的理论模型。你要觉得什么样的股票表现好，什么样的股票你愿意投资，这就是量化的基本逻辑。但是，有了这个逻辑之后还不够，还要有复合型人才，因为量化投资不光要懂得投资股票，还要懂得数理分析。打个比方，虽然我很懂股票，但我不懂数理分析，很多计算机模型也不懂，更不懂编程序，要真正做到量化投资，就必须有复合型团队。为什么这么多年华尔街学金融工程、数理、物理的人大受欢迎？因为他们可以用统计工具。前段时间我在英国的一所大学和一些专门做模型分析的教授交流，我发现他们想的东西更加复杂，基本上把市场上任何的东西都想要量化。

我理解，就是去跟踪你的投资逻辑，它只是帮你实现你想法的一种工具。另外还要有高质量的数据，因为，你通常看到的东西和市场本身存在的东西可能并不一样。如果把鲸鱼放到海滩上，这作为数据化，统计过去2000年有多少次鲸鱼搁浅在海滩发生，假如有真实的数据，就可以研究出跟地震的相关性。要懂数理统计工具，建立模型就是纪律，不能改变，改变就不是模型。有人说看到今天不行，换一下，那就不是模型了。我们看过一个电影，造出来的机器人最后自己都控制不了，那就是模型。如果造出来的机器人自己能控制，那不是模型。人为什么能挣得到钱，为什么还要量化？传统是靠个人经验的，而且你看到、听到的东西都是有限的。量化有什么好处？它可以把你知道的东西在整个森林中搜索。计算机是不知疲倦的，晚上你在打鼾，计算机还可以工作。你的模型是你建的，你很理性的情况下建的模型，市场情绪变了，它不会变，那时候你不可能去改模型，所以它不会受情绪的影响。

华泰联合：实现投资理念与策略的过程

国内研究机构中涉足量化投资较早并多次获得新财富最佳分析师评选金融工程第一名的华泰联合证券金融工程团队如是说：

数量化投资是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。与传统定性的投资方法不同，数量化投资不是靠个人感觉来管理资产，而是将适当的投资思想、投资经验、甚至包括直觉反映在量化模型中，利用电脑帮助人脑处理大量信息、帮助人脑总结归纳市场的规律、建立可以重复使用并反复优化的投资策略（经验），并指导我们的投资决策过程。

本质上来讲，数量化投资也是一种主动型投资策略，其理论基础在于市场是非有效或弱有效的，基金经理可以通过对个股、行业及市场的驱动因素进行分析研究，建立最优的投资组合，试图战胜市场从而获取超额收益。然而一些定性的投资者却并不太认可定量投资，他们认为，定性研究可以将把股票基本面研究做得很深入，从而在决策深度上具有优势。然而，在当今市场上，信息量越来越大且传播速度极快，单个分析师所能跟踪的股票数量开始显得越发有限，也因此错过了许多优秀的投资机会，可谓是拥有深度的同时错失了广度。量化投资正好弥补了这一缺失，通过使用强大的计算机技术，它能够实时对全市场进行扫描，并依仗其纪律性、系统性、及时性、准确性以及分散化的特点最大概率的捕获战胜市场的投资标的。

事实上，在海外市场，我们看到越来越多的定量与定性完美结合的成功案例。通过向量化模型中加入分析师对未来主观判断的观点（定性的观点），再结合来自于历史规律检验的观点（定量的观点），定量与定性的优势便能得到充分的发挥和融合。我们相信，这也将是未来量化产品发展的主流方向和趋势。

结论

量化研究作为一种研究方法，其本质是使用统计学、数学和计算机工具改进研究效率，使得我们能够在更短的时间、更大的视角领域下，依靠清晰的研究逻辑，获取更为有效和操作性以及复制性更强的研究成果。量化研究的本质是一类发现市场规律的方法体系，其基本功能是认识市场和解释市场，并以做到预测市场为目的。

量化投资简单来讲，它以模型为主体，使用大量数据，并且在很大程度上用电脑这样的投资方式；其以科学性和系统性著称，并将在严格的纪律化模型制约下，紧密跟踪策略，使运作风险最小化，并力争取得较高收益。

第二部分：量化投资在蓬勃发展

量化投资在世界的发展史

美国市场有200多年，从证券市场开始，也有快400――500年了，但是量化的发展是上世纪50――60年代的事。首先有一些理论模型，没有理论模型支撑很难做到量化的东西。

数理化投资于上世纪50~70年论上发芽

Harry Markowitz在上世纪50年表一系列关于投资组合“均值―方差”优化的论文，这使得投资者可以定量化风险，并把风险和预期回报放在一个理论框架下统一考虑；

WilliamSharpe在1964年发表CAPM模型，此模型显示个股的预期回报和个股的风险及市场的预期回报成正比；

Steven Ross在1976年发表APT模型，此模型显示个股的预期回报可以表示成一系列非特定因素预期回报的加权平均，此模型为量化投资者指出了很实用的研究框架；

Black-Scholes在1972年发表关于股票权证的定价模型；

Fama和French在1993年发表三因素模型，此模型显示个股的预期回报由三个因素（市场，个股的市值，个股的市净率）决定；

此后很多研究者做了非常多的实证研究，并发现了一些对个股将来回报有预测作用的因素：比如市盈率，市净率，资产回报率，盈利一致预期，中长期价格动能，短期价格反转等。

数理化投资从上世纪70年代末开始实际运用

Barclays Global Investors(BGI)于1978年创立了全球第一只数量化投资策略基金，到被BlackRocks收购之前BGI以14000亿美元的规模，高居全球资产管理规模之首。

SSgA(道富环球投资管理公司)和 GSAM(高盛国际资产管理公司)为首的一大批以数量化投资为核心竞争力的公司已经成为机构资产管理公司中的“巨无霸”。

“詹姆斯•西蒙斯创办的文艺复兴科技公司花费15年的时间，研发基于数学统计理论的计算机模型，借助该模型，西蒙斯所管理的大奖章基金，从1989 年到2009 年间，平均年回报率高达35％，较同期标普500 指数年均回报率高20 多个百分点，比“金融大鳄”索罗斯和“股神”巴菲特的操盘表现都高出10 余个百分点。

在国外。其他采用量化投资的公司没有获得惊人的表现，并非是量化方法不好，而是他们还没有构建出更好的模型以及正确的策略。作为量化投资的大行家和受益者，西蒙斯承认有效市场的套利机会极少而且会趋同小时，然而，仍然有无数转瞬即逝的很小的机会存在，在证券市场，那些很小的交易，都会对这个庞大的市场产生影响，而每天都会有成千上万这样的交易发生。这个市场看似杂乱无章，却存在着内在规律，而量化操作自从诞生以来，无疑成为捕捉这些规律的一把利器，为海外投资者屡建奇功。

CQA（教育产品内容与数据测试）数据统计：在2002年-2004年三年间，量化产品的平均年收益率为5.6%，比非量化产品的平均年收益率高出1%。从信息比率来看，量化产品为0.37，非量化产品为0.06。此外，量化基金的运作费率相对更低，例如传统产品费率为0.6%，主动量化产品费率在0.45%-5%之间。

理柏(LIPPER)数据显示，2005年到2008年之间，87只大盘量化基金业绩表现好于非量化基金，增强型量化基金在2005年和2006年更是大幅跑赢非量化基金。但2007年和2008年除市场中性基金外，所有基金业绩下滑很快，其中双向策略和大盘量化基金表现差于非量化基金，而增强型和市场中性量化基金表现则优于非量化基金。

量化投资在中国的发展现状

研究力量不断壮大

目前大部分券商研究所都配有金融工程研究小组，成员超过5个的不在少数。根据2010年11月份的《新财富》最佳分析师榜单，国信证券金融工程小组人数有12人，为目前人员配备最多的量化投资研究团队。其他入选金融工程前五名的研究小组中，申银万国8人，华泰联合、安信证券各5人，中信证券4人。

数量化方面的研究报告数量也是逐年增加。据不完全统计，2008-2010年相关报告数量分别有52、142、794篇，今年上半年就达到了633篇，逐年递增趋势非常明显。不过，和2010年研究报告10万多份的总量相比，数量化研究的广度和深度还有很大提升空间。

量化产品初露锋芒

天马旗下的产品中，现有两个信托产品采用量化投资策略，分别是新华―天马成长，和平安―Lighthorse稳健增长。

此外，上投摩根、嘉实、中海基金、长盛基金、光大保德、富国基金、南方基金等都有量化产品推出，但是量化基金的比例还是非常小。即便在2009年，全年新发基金超过100只的情况下，新发的量化基金也仅有4只，数量在2009年的新发基金市场中仅占3％。与指数基金、普通股票基金相比，量化基金可谓是基金市场上的稀缺资源。

2011年，在国内紧缩政策与国外动荡局势的影响下，A股市场呈现结构性震荡上扬的格局。随着市场轮动的提速及内在容量的扩大，精选个股的难度日益加大。在此背景下，定性投资容易受到投资者情绪影响，而定量投资则能够通过计算机的筛选，帮助投资者克服非理性因素，在充分控制风险的前提下应对市场万变。以“人脑＋电脑”为主要构建的量化基金逐渐显现投资优势，今年量化基金异军突起，整体表现不俗。截至4 月6 日， 9 只具有完整业绩的主动型量化基金平均收益率为0.64%，超越同期股票型基金和混合型基金-1.39%、-3.08%的净值增长率。其中，“元老”光大保德信量化核心基金收益率达5.19%。此外，南方策略、中海量化策略、长盛量化红利、长信量化先锋、上投摩根阿尔法、华泰柏瑞量化先行基金也均取得正收益，分别达到4.12%、3.28%、2.60%、2.13%、0.77%和0.16%；仅嘉实量化阿尔法和华商动态阿尔法收益为负，分别为-4.48%、-7.94%。此外，从以往披露的公开信息可以发现，国内量化基金多侧重价值因子，也契合今年低估值大盘蓝筹股领涨的市场格局。

第三部分：解读量化投资

在西蒙斯崛起之前，判断型投资完全占据着主流地位，因为当前全球投资界的三大泰斗当中，无论是价值投资的巴菲特、趋势投资的罗杰斯，还是靠哲学思维的索罗斯，都是判断型投资的代表。但随着西蒙斯的声名鹊起，量化投资开始受到投资大众的重视并呈现出蓬勃的发展态势。但需要指出的是，世界上没有万能的投资方法，任何一种投资方法都有其优缺点，量化投资当然也不例外。定量投资成功的关键是定量投资这个模型的设计好坏，设计的好坏主要由模型设计者对市场的了解、模型构建的了解和模型实践经验来决定的。

量化投资的决策体系

量化基金的成功运作必然依托一个完整而有效的量化体系用来支撑，该体系是数据获取、数据处理、资产配置、组合管理到全程风险控制等诸多环节的有机结合。

我们借鉴海外量化基金运作架构的诸多优点，并结合华泰联合金融工程资深研究员的看法，旨在提供一个适合中国市场特点的量化基金运作架构体系。该体系综合考虑了定性及定量两大主要选股思路，在风险可控下，充分发挥量化投资的优势。

此架构包含以下几个主要层次：

1. 数据提供：量化体系的底层一般是数据接入端口，数据来源于外部数据提供商。

2. 数据预处理：由于中国A 股市场历史较短，数据质量一般，特别是早期的数据较为不规范。因此，在输入模型前必须对数据进行全面的清洗，从而增强数据的有效性和连续性。

3. 资产配置：资产配置是量化基金的核心。不同的投资者具有不同的投资理念，即不同的资产收益率看法。因此，通过构建差异化的因子配置模型来实现差异化的投资理念则充分展现了量化投资的优势和精髓。举例而言，我们可以开发针对不同市场状况（如牛市、熊市、震荡市和转折市）以及不同投资风格（如保守、激进和中庸）的量化模块。这些模块就类似于儿童手中的玩具积木，一旦投资决策委员会确定了战略和战术配置比例，接下来要做的就是简单的选积木和搭积木的过程。模块化投资严格的遵循了投资思路，从而将量化投资的纪律性、系统性、及时性和准确性展露无遗。

4. 投资决策：宏观经济政策对中国A 股市场的表现影响较大，也就是我们常说的“政策市”。针对这一现状，综合考虑定性和定量的宏观判断对于我们选择合适的基金仓位及资产组合将十分必要。一方面，结合宏观及行业分析师对于未来宏观经济的预判以及个别性事件的分析，另一方面，考察既定的一系列量化择时指标和宏观经济指标的最新动向，从而能较为全面的提出投资建议。

5. 组合管理：在对于宏观趋势、战略和战术资产配置的全面考量之后，留给基金管理人的工作将是如何实现在交易成本，投资风险以及组合收益三者之间的最大平衡。

经典量化投资模型综述与评价

目前，由于计算的复杂程度和对速度的要求，量化投资的交易过程通常是由电脑自动来完成的，可在某些方面电脑依然不可能替代人脑。投资若要取得成功，就需要顶尖的大脑来罗织数据、发现规律、编制最快最好的电脑程序；此外，量化投资所使用的模型在用了一段时间之后就会慢慢失效，因为越来越多的“山寨版”会出现，因而需要不断发现新的模型以走在这场军备竞赛的前列，而此时需要的就是配备精良、高速运作的人脑。由此可见，模型在量化投资的整个体系中居于核心地位。近几十年来，西方理论界与实务界均诞生了不少量化投资模型，大力推动了量化投资的发展，这其中又大致可分为三大类：传统的基于经济学意义的模型（structural model）、现代的基于数学、统计学意义以及计算机原理的模型（statistical model）、程序化交易模型。以下就这三者分别予以介绍。

(一)传统的基于经济学意义的模型

这种模型虽然用到了一些数学与统计学的工具， 但其核心思想与前提假设仍然是围绕经济学或金融学原理而展开的。例如，B-S 模型与二叉树模型提供了金融产品定价的新思路，因而也衍生出了所谓的以选择权为基础之投资组合保险策略（option-basedportfolio insurance，OBPI），如欧式保护性卖权（protective put）策略、复制性卖权（synthetic put）策略和一些持仓策略―――买入持有（buy-andhold）策略、停损（stop-loss） 策略、固定比例投资组合保险(constant proportion portfolio insurance，CPPI) 策略、时间不变性组合保障（timeinvariant portfolio protection，TIPP）策略、固定组合（constant mix）策略与GARP（Growth at a Reasonable Price）策略等。

(二)现代的基于数学、统计学意义以及计算机原理的模型

与上述模型相比，这种模型“量化”的倾向愈加明显―――淡化甚至忽略经济学或金融学背景，基本上只是依赖先进的数学、统计学工具与IT 技术构建模型，进而确定投资策略。模型中应用的具体方法主要包括参数法、回归分析、时间序列分析、极值理论、马尔科夫链、历史模拟法、蒙特卡罗模拟法等等。

(三)程序化交易模型

随着金融市场的日益复杂化， 越来越多的复杂交易策略被设计出来，这些交易策略很难通过传统的手工方式执行，于是程序化交易应运而生。程序化交易是指按照预先编制的指令通过计算机程序来完成交易的方式，可以分为决策产生和决策执行两个层面：前者是指以各种实时/历史数据为输入通过事先设计好的算法计算得出交易决策的过程，而后者是指利用计算机算法来优化交易订单执行的过程； 也可以从交易频率的角度，分为高频交易和非高频交易。程序化交易使得复杂的量化交易策略得以实施，优化交易指令的执行，解放人力使之把精力更多地集中到投资策略的研究上， 最重要的是能克服人性的种种弱点与障碍从而保证绝对的“客观性”与“纪律性”。然而，这种交易方式也引起了诸多争议，如对速度的过高要求会造成市场的不公平、巨大的交易量可能会增加市场的波动性、容易产生链式反应、为了盈利可能会制造人为的价格而降低市场的有效性等等。

量化投资的主要策略

增强型指数基金：策略的主要目的还是跟踪指数，希望用量化模型找出能紧跟指数但同时又能小幅超越的组合。

非指数型量化基金：能利用绝大多数好的投资机会，而不需去管组合是否能紧跟指数。

多―空对冲基金：买入模型认为能表现好的股票， 卖空模型认为会表现差的股票。有时可能净多仓， 有时可能净空仓。此策略在对冲基金中很流行。在A股市场中能卖空的股票不多，所以一般只能用期指去对冲。

市场中性的多―空对冲基金：买入模型认为能表现好的股票， 卖空模型认为会表现差的股票。在任何时候净仓位为0，同时在各行业上，大小盘风格上的净仓位都为0。此策略在对冲基金中也比较流行。此策略的波动率非常小，在国外一般会加入杠杆。

130/30基金：一般共同基金采用，即买入130%的多仓， 卖空30%的空仓。

程序化高频交易：利用期指或股价的日内波动进行高频买卖。有些策略是找价格模式，有些是利用交易所规则上的漏洞。

可转移Alpha：主要用在增强型指数基金上，具体是用期货来跟踪指数，一部分多出来的钱投资于风险比较小的能取得绝对正收益的策略上。

市场择时/行业轮动/风格轮动：用数量化模型预测市场/行业/风格的拐点

量化投资和传统投资的比较

天马资产首席数量分析师朱繁林博士表示，量化投资区别于定性投资的鲜明特征就是模型，对于量化投资中模型与人的关系，大家也比较关心。可以打个比方来说明这种关系，我们先看一看医生治病,中医与西医的诊疗方法不同，中医是望、稳、问、切，最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。

医生治疗病人的疾病，投资者治疗市场的疾病，市场的疾病是什么？就是错误定价和估值，没病或病得比较轻，市场是有效或弱有效的；病得越严重，市场越无效。

投资者用资金投资于低估的证券，直到把它的价格抬升到合理的价格水平上。但是，定性投资和定量投资的具体做法有些差异，这些差异如同中医和西医的差异，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，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。

传统的定性投资强调的是基金经理的个人经验和主观判断，相对来说强调基金经理的单兵作战能力。而量化投资主要是用来源于市场和基本面的模型指导投资。

量化投资可以最大限度地捕捉到市场上的机会。而传统的定性投资受到研究员，基金经理覆盖范围的限制。

量化投资借助模型进行投资，比较客观和理性，更不会受市场和情绪影响。

量化投资的可复制性更好。传统的定性投资易受到基金经理，资深研究员人动的影响。

其实，定量投资和传统的定性投资本质上是相同的，二者都是基于市场非有效或是弱有效的理论基础，而投资经理可以通过对个股估值，成长等基本面的分析研究，建立战胜市场，产生超额收益的组合。不同的是，定性投资管理较依赖对上市公司的调研，以及基金经理个人的经验及主观的判断，而定量投资管理则是“定性思想的量化应用”,更加强调数据。

国内量化基金投资风险分析

（一）量化模型质量产生的投资风险

投资模型本身的质量，是量化基金最核心的竞争力。专业人士以为，对于中国这样的新兴市场，量化投资的关键是能否根据市场特点，设计出好的投资模型。然而，已有的量化基金中，大多简单地利用国外已公开的模型，或是用基金公司自有的一些简单模型，在考察市场的有效性上普遍比较欠缺。如中海量化策略和南方策略优化在行业权重配置中均采用的Black-Litterman（BL）模型。这种模型现是华尔街主流模型，亦是高盛公司资产管理部门在资产配置上的主要工具。然而，在国内市场信息搜集等方面局限性较大的情况下，该系统到底是否有效，是否仅是基金公司体现其“专业性”的一个由头，还有待观察。

（二）基金经理执行纪律打折扣所产生的道德风险

好买基金研究中心的一份报告指出，大部分量化基金在择时、行业配置和资金管理等方面并没有采用量化模型，更多的是基金经理的主观判断。观察这些量化基金的契约和季度报告可以发现，基金要么不进行择时，要么根据主观经验进行择时，这在很大程度上无法体现出模型选股产生的效果。

（三）数量化模型滞后产生的风险

量化基金效果如何，无法脱离资本市场环境的成熟度。量化模型的运用有重要的前提条件，是必须在一个相对成熟稳定的市场中运行，这种市场环境下基于历史数据设计的模型才可能延续其有效性。国内股市曾经大起大落，市场结构和运行规律都发生过质变。在这种情况下量化模型有可能跟不上市场本身的改变，严格的量化投资也难以适应变化。这或许是这种舶来品水土不服的一大原因。可以说，早期的A股市场并不适合量化投资理念，而随着市场逐渐成熟，量化投资的优势才开始逐渐显现。近两年量化投资基金数量成倍增加，也是对这一趋势的反映。

第6篇：量化投资策略分析范文

从开始的分级基金到如今的量化对冲专户，银华量化投资团队在量化投资的本土化上进行了卓有成效的尝试。如今，银华分级基金规模已经占到市场一半左右份额，而量化对冲专户的规模也已超过10亿元。时间和专户业绩证明了银华量化团队卓越的投资管理能力。2013年，银华量化对冲专户产品的费前平均年化收益超过15%，最高的账户则超过30%。

周毅认为，在中国，量化对冲产品有着广泛的客户基础，只要做好产品和策略，满足客户的投资需求，量化对冲产品将有十分广阔的发展空间。目前，银华在量化对冲策略的本土化上，已经取得了显著的先发优势，随着监管制度的变革以及金融工具的发展，量化对冲事业的春天已经到来。

步步为营 四年精磨优秀团队

2010-2011年，周毅以分级基金作为量化投资的突破口，带领银华量化团队初战告捷。当年，银华的分级基金一鸣惊人，获得了不可动摇的市场地位，也为此后银华的量化之路提供了市场认可度和基础支持。

2012年，周毅向着量化投资本土化进一步迈进，从量化专户开始尝试绝对收益。团队先后建立了侧重阿尔法策略和套利策略的研究小组。

2013年，来自银行渠道的数据显示，银华基金管理的量化对冲专户扣除全部费用后的平均收益率达到12.65%，净值波动率却仅为沪深300指数的1/4，而夏普比率则高达1.95，创造了稳定的绝对收益。

成绩的取得与银华基金量化团队的打造是密不可分的。周毅介绍，2010年，银华基金最早在国内设立量化投资部。2013年，银华量化的团队架构已经相对完整、人才配置齐全，团队中的骨干力量均有海外留学经历和多年海外量化投资相关工作经验。在天时、地利、人和齐备的机遇之下，银华量化团队逐渐发展完善，并在实战中得到了锻炼。

信托“破刚”独门策略巧夺市场

2014年，周毅看中了信托业拐点带给量化对冲的好时机。

周毅认为，信托与量化对冲，看似毫无相关性，但实际上面对的是同一类投资者——追求稳定回报的高净值客户。

“过去几年，信托做得非常好，刚性兑付带来了低风险下的高回报。投资者更热衷于信托产品，而对冲基金则相对显得冷门。”周毅说。

而到了2014年，事情正在发生变化。对非标投资的控制让信托业走入瓶颈，2013年底，信托发展所依赖的房地产业和矿业进入衰退周期，多只信托产品出现兑付危机，打破“信托刚性兑付”的呼声也越来越高，这意味着其投资属性正在改变。

周毅认为，面对这种趋势，未来可能有一部分投资者将从信托产品中脱离，转而选择新的投资方向。而对冲基金相对来说是个新兴投资工具，需要向客户证明自己的绝对收益能力和风控能力。“对于任何新兴的投资种类，重要的是你有过硬的管理业绩，以数字证明自己。”周毅说。

目前银华量化对冲专户产品的投资策略大概分为两种模式：阿尔法策略和套利策略。所谓阿尔法策略，是专注于创造绝对收益。根据A股市场的特点，银华将理论上的阿尔法策略进行了改造，以传统的主动型股票研究分析结果为基础，利用多因子模型来控制组合的风险和相关性，追求超越市场平均回报的绝对收益，为投资者提供持续稳定的阿尔法回报。

第二类策略是套利策略，即利用衍生品到期收敛特点进行套利。银华采用的多为分级基金套利。这种方法能够为组合贡献低风险收益。

不管是阿尔法策略还是套利策略，都不依赖择时，而是在所选的股票和放空的标的之间的相对强弱差上，赚取绝对收益。“对冲并不需要判断某个行业是涨还是跌，只是基于相对强弱，中间的差是回报。对指数也是同样的道理。”周毅介绍，“这也是国外对冲机构广泛使用的投资方法。”

当对冲投资策略程序一旦设定好，就像是一个冷静理性的基金经理，没有贪婪和恐惧等情绪。量化投资可能产生不了历史上最棒的基金经理，但是确实是一种回报稳定的投资方式。

对冲春天期待机制与产品创新

周毅表示，他十分期待中证500股指期货、个股期权以及股指期权的推出。他坚信，从发展趋势来讲，中国的衍生工具会越来越多，国外成熟的量化对冲投资模式未来在中国大有用武之地，同时量化投资管理的资金规模也会变大。

在目前的阶段，周毅并不认可过快提升对冲类产品的规模。国际经验表明，任何一个优秀的对冲基金公司的管理规模都是有上限的。不管多好的策略，它所能支持的资金量，所能支持的衍生品存货量和股票量都是有限的。

周毅测算，仅就目前的投资标的而言，银华团队可以有效管理的量化对冲基金规模极限或为50多亿元，而单只对冲基金的理想规模大约是5亿元左右。但随着中证500股指期货、股指期权等衍生工具诞生，这个规模会大幅增加。

第7篇：量化投资策略分析范文

打球的乐趣在不同阶段是不一样的，开始时对结果比较在意，希望在扣球中寻找畅快的感觉，在输赢间体会心态的波动，因此也比较热衷于学习各种不同技巧，不同的发球制胜的方式，也会尝试寻找各种能提升打击和旋转力量的好球拍。后一阶段并不是对结果不在意了，而是部分乐趣慢慢转向了中间的过程，体会集全身力量操纵小球的感觉，体会如何将身体调适到可以应对各种不同来球的状态，学习能够增加发球和击球的稳定性的各种方法，学习放弃一些看起来很绚但可能影响动作稳定性的技巧和动作。

相比其他球类运动，乒乓球不但体积最小，球拍算也算小的，对于一个人的身体而言，对球拍方向的操纵余地其实是很大的，从各手指关节开始，到腕关节、肘关节、肩关节、腰部、膝关节和脚步移动，任何一个关节的变动都足以影响球拍的运动方向和速度，球拍的最后运动结果是一个多变量空间几何方程。所以我们看到自学者的动作差异一般很大，多数人选择自己觉得最容易控制一个或多个关节去打球。通常越靠近球拍的关节初学者使用的越多，因为这些关节旋转对球拍的影响最直接最明显，乒乓球运动的方向和速度对这些关节的运动也是最敏感的，因此，也最快能看到动作调整对结果的影响。但就我理解，其实过多的运用近关节反而会影响击球的稳定性，而远关节例如腰部、脚步，因为距离远，所以力臂长，在固定其他关节的基础上去应用远关节控制球拍，是有利于增加动作稳定性和准确性的。为什么脚步要频繁移动，也是为了通过脚步运动替代近关节运动，避免对过于灵活的近关节的过度使用。但这也并不意味着完全不能使用这些敏感关节，而是多数初学者还无法熟练到能够驾驭这个部分，最关键的是要有主次之分，连专业运动员也无法熟练到没有主次的灵活运用所有关节。对多数想学好乒乓球的人而言，首先尝试放弃或固定一些不必要的关节运动、从一些容易掌握的关节入手、慢慢理解和学习减少过多影响变量的重要性是继续进步的关键。

这是打乒乓球过程中的一些个人体会，篇幅所限未能详尽，也未必全面，但我想很多小球类运动可能都有一些相似的道理。

相比运动而言，我所从事的投资行业，显然要更复杂很多，投资收益影响因素太多，远远超过影响球拍运动的七个关节。宏观、行业、公司、市场、制度、交易、心理，各种不同层面都有很多因素在影响市场，因此，可供选择的投资策略也非常丰富，按理念不同有：基本面分析、技术面分析、量化分析、博弈分析、套利分析，按周期不同有，高频交易、短线策略、中期策略、长期策略，按可供选择的品种有：个股投资、组合投资、基金投资、杠杆投资，还有各种不同划分。

对大多数投资者而言，不是找不到方法，而是可供选择的方法和技巧过多了，而且似乎每种都可能带来丰厚的收益，投资收益对越短期风险越高的投资策略和投资品种越敏感，因此，越激进的投资方法和投资品种诱惑越大。这种环境下，知道放弃什么和知道如何选择是同等重要的。

第8篇：量化投资策略分析范文

关键词：行为金融；现代金融；防御型投资策略；进攻型投资策略

行为金融学是从微观个体行为以及产生这种行为的更深层次的心理、社会等因素来解释、研究和预测资本市场的现象和问题。在美国和欧洲，行为金融学不仅在学术研究中受到越来越多的重视，它在实践中也已经得到了应用。个人投资者在应用行为金融学的知识来避免心理偏差和认知错误，机构投资者也正在以行为金融学的精髓来发展以行为为中心的交易策略。

一、行为金融学的基本概念和理论

迄今为止,行为金融学还没有形成一套系统、完整的理论。目前绝大部分的研究成果都集中于确认那些会对资本市场产生系统性影响的投资者决策心理特点以及行为特征。

第一，投资者的心理特点。处理信息的启发法。现代社会信息量越来越大，传播速度也越来越快，金融市场决策者面临的情况日益复杂。决策者将不得不更多的使用启发法。启发法是使用经验或常识来回答问题或进行判断，它意味着对信息进行快速的、有选择性的解释，在很大程度上取决于直觉。由于决策的速度很快以及不完整性，使用启发式方法可能得不出正确的结论，从而造成认知错误和判断错误。启发式方法一般包括：一是典型性。这种启发性方法是一个谚语的起源：“如果它看起来像只鸭子并且呷呷的叫声像只鸭子，它可能是只鸭子。”在形成预期时，人们通过评估未来不确定事件的概率与其最近所观察到事件的相似程度。典型性使得投资者对新信息反应过度，也就是投资者在形成预期时给予新信息太多的权重。二是显著性。对于发生不频繁的事件，如果人们最近观察到这种事件，那么人们倾向于过分估计这种事件在未来发生的概率。例如，如果最近一架飞机坠毁的消息频繁地被媒体传播，人们将过高估计飞机未来发生坠毁的概率。显著性可能使得投资者对新信息反应过度。三是自负。人们对自己的能力和知识非常自负。例如，当人们说这件事有90%可能性将发生或这声明是真实时，那么这种事件发生的可能性小于70%。自负可能使投资者对新信息反应迟钝。四是锚定。心理学家已经证明，当人们进行数量化估计时，他们的估计判断可能被该项目先前的价值所严重影响。例如，二手车的销售商通常是在开始谈判时出高价，然后再降价，这销售商尽力将消费者滞留在高价格上。锚定使得投资者对新信息反应迟钝。

第二，后悔。人类犯错误后的倾向是后悔，而不是从更远的背景中去看这种错误，并会严厉自责。后悔理论有助于解释投资者延迟卖出价值已减少的股票,加速卖出价值已增加的股票。Shefrin和Statman指出,后悔理论表明投资者避免卖出价值已减少的股票是不想使已犯的错误成为现实,从而避免后悔，投资者卖出价值已增加的股票是为了避免价格随后可能降低而造成后悔。

第三，认知不协调。认知不协调是人们被告知有证据表明其信念或假设是错误时，人们所体验的心理和智力上的冲突。认知不协调理论认为,人们存在采取行动减轻未被充分理性思索的认知不协调的倾向：人们可以回避新信息或开发出扭曲的论据以保持自己的信念或假设正确。如新车买主有选择地避免阅读他们其他车型的广告,而去看他们所选择车型的广告。

第四，回避损失。趋利避害是人类行为的主要动机之一,而对“趋利”与“避害”的选择在经济活动中是首先考虑如何避免损失,其次才是获取收益。研究表明,人们在从事金融交易中赋予“避害”因素的考虑权重是“趋利”因素的两倍。

第五，羊群效应。人们的相互影响对人的偏好改变的作用是十分巨大的,追求时尚与盲从心理便是其中最突出的特点。这对经济决策的形成与改变具有特殊的影响力。在金融投资领域,人们往往是显著的、非理性的从众心理特征与行为。

（二）决策行为的一般特征

1994年,Shefrin和Statman开始研究可能对金融市场行为产生系统影响的决策行为特征。,一些决策行为特征已经得到行为金融学家们的公认,并作为对决策者的基本假设:

第一，决策者的偏好是多样的、可变的,他们的偏好经常在决策过程中才形成;

第二，决策者是应变性的,他们根据决策的性质和决策环境的不同选择决策程序或技术;

第三，决策者追求满意方案而不一定是最优方案。尽管这些决策特征之间相互作用的特点和对市场的影响尚不十分明确，但实证研究表明,投资者决策行为特征与市场中投资特性是相关的，如股票价格的过度波动性和价格中的泡沫;投资者中存在追随领导者和从众行为；过早的售出盈利投资和过晚售出失败投资;资产价格对新的市场信息反应过度或不足等。

二、行为金融学在证券市场的实际应用

在证券市场投资中具体运用行为金融学可分为防御型策略和进攻型策略。防御型策略是指利用行为金融学对人的投资心理以及决策特征的分析来控制心理偏差和认知错误，也就是在投资中避免犯错；进攻型投资策略则在了解投资者的心理偏差和决策失误对市场产生的影响的基础上制定相应的投资策略以从中获利。

对于个人投资者而言，更现实的是采取防御型投资策略。个人投资者在资金实力、分析手段与信息获得与把握上都处于劣势，因而经常靠打听小道消息等作为决策依据，行为经常是非理性的。此外个人投资者对自己的资金负责，缺乏来自第三方的监督控制体系，导致个人投资者在投资过程中容易犯心理偏差和认识错误，因而有必要采用防御型行为金融投资策略来指导投资。进攻型投资策略一般为机构投资者采用，因为在错综复杂的金融市场中，要对证券的定价进行判断非常困难，个人投资者很难在实际中判断出当前的市场定价是正确的还是发生了偏差，只有掌握着大量信息和良好分析技术的专业投资者才有可能进行判断。此外，各种定价错误或偏差的幅度和持续的时间都是有限的，个人投资者精力有限、交易成本高，无法利用这些偏差和错误来获利。

防御型行为金融投资策略是应用一系列行为金融的知识对自身的投资行为进行内省式的审察和研判，具体可包括：首先要核对信息的来源，核实信息的可信度、实效性等，要密切关注最近有无更新的消息或数字披露，要避免只关注支持自己看法的信息。第二，判断自身是否过分自信，特别在最近投资行为取得了一系列成功时就更应关注这点。第三，要善于比较正面和负面观点，查明对市场持最乐观以及最悲观态度的分别是什么人以及为什么会持有这样的观点。第四，要避免锚定效应导致不理性的期望值。

对于机构投资者而言，更重要的是可以采用进攻型投资策略。各类投资机构由投资经理们具体负责运作的，投资经理们和个人投资者一样，在投资决策中也会犯各种心理偏差和认识错误，因而也需要采用防御型投资策略来加以避免。但投资经理们有着良好的金融投资专业知识和丰富的实际经验，他们能更好的对自身的行为进行控制。在各类机构中一般都有着良好的管理监督制度和风险管理措施，在一定程度上也可以帮助投资经理们避免犯心理偏差和认知错误。因而，机构投资者更重要的是利用进攻型投资策略来获得盈利。目前可采用的进攻型行为金融投资策略主要有：

第一，反向投资策略。就反向投资策略,是买进过去表现差的股票而卖出过去表现好的股票来进行套利.这种策略的提出最初是基于DeBondt和Thaler(1985,1987)对股市过度反应的实证研究。行为金融理论认为,由于投资者在实际投资决策中,往往过分注重上市公司的近期表现,根据公司的近期表现对其未来进行预测,从而导致对近期业绩情况做出持续过度反应,形成对绩差公司股价的过分低估和对绩优公司股价的过分高估,最终为反向投资策略提供了套利的机会。

第二，动量交易策略。动量交易策略,即预先对股票收益和交易量设定过滤准则,当股票收益或交易量满足过滤准则就买卖出股票的投资策略。行为金融意义上的动量交易策略的提出,源于对股市中股票价格中间收益延续性的研究。Jegadeesh与Titman(1993)在对资产股票组合的中间收益进行研究时发现,以3到12个月为间隔所构造的股票组合的中间收益呈现出延续性,即中间价格具有向某一方向连续变动的动量效应。Rouvenhorst(1998)在其他十二个国家发现了类似的中间价格动量效应,表明这种效应并非来自于数据采样偏差。

第三，成本平均策略和时间分散化策略。成本平均策略是指投资者在购买证券时按照预定的计划根据不同的价格分批地进行,以备证券价格下跌时摊低成本,从而规避一次性投入可能带来的较大风险。时间分散化策略是指根据投资股票的风险将随着投资期限的延长而降低的信念,建议投资者在年轻时股票投资比例可较大,并随着年龄的增长逐步减少。

参考文献：

［1］Kaheman,D.andA.Tversky(1979).“ProspectTheory:AnAnalysisofDecisionMakingUnderrisk”,Econometrica

［2］Baberis.N.A.shleiferandR.Vishny(1997).“AModelofInvestorSentiment”,JournalofFinancialEconomics

第9篇：量化投资策略分析范文

关键词：对冲基金 投资策略 特点

“对冲”一词原本是一种风险管理的方法，通过同时买入和卖出证券达到减少风险的目的。1949年美国记者琼斯创立了第一支对冲基金，买入被低估公司的股票，同时卖出被高估公司的股票，加上利用杠杆交易，获取了高额的回报。这样的投资策略无论市场涨跌都能获得绝对收益。当市场上涨时，被低估公司的股票上涨幅度大于被高估公司股票的上涨幅度，整体而言是获利的。相反，当市场下跌时，被高估公司股票的下跌幅度大于被低估公司的下跌幅度，总体而言依然是获利的。琼斯的多空头并非完全对冲，由于他相信股票价格长期来看处于上升趋势，他持有净多头。琼斯的这一投资策略被称之为股票多空头策略。琼斯认为，虽然经济情况不好预测，但通过对公司治理结构、财务状况等的分析，是能够寻找出低估与高估的公司。这样的投资组合的收益率的波动性小，虽不能保证很高的收益率，但是可以通过杠杆来放大，同时投资组合的方差变小，也就是风险变小，实现了低风险下的高收益。

琼斯的对冲基金神秘运作数年后才被人得知，而后被广为效仿，对冲基金得到了长足的发展。琼斯的投资策略显然具有对冲的性质，买低卖高，所以称之为对冲基金。但是随着对冲基金的快速发展，产生了多种多样的投资策略，很多对冲基金不具有或不明显具有对冲的特点，“对冲基金”一词也就只具有名义上的意义了。

一、对冲基金的特点

目前，存在着很多对冲基金，不尽相同，但一般具有如下特点：（1）私下募集：这样可以有效的规避监管，无需受监管部门在杠杆使用、能否做空、披露信息、衍生品使用方面的限制。对冲基金的投资人一般来自高净值的人群。但近年，机构投资者对对冲基金的投资呈不断上升的趋势，大有赶超个人投资者之势。（2）投入自有资金：对冲基金经理通常将自有资金投入对冲基金，这样能够使基金经理和投资人的利益保持一致。对冲基金经理作为一般合伙人管理基金，投资人作为有限合伙人享有分红权，但是不参与经营，提高了对冲基金的运营效率。（3）收取15%-20%的业绩奖励费：除了像共同基金那样收取管理费之外，对冲基金经理通常对基金的收益收取15%-20%的业绩奖励费，这样更大程度的激励基金经理提高业绩，同时也吸引大批优秀人才进入对冲基金行列。（4）操作隐蔽：对冲基金不像共同基金那样需要公开披露有关信息，同时基金经理通常与投资人约定享有极大的操作自由，不必向投资披露投资策略和方式。（5）投资工具灵活：除传统的股票、债券等金融工具外，对冲基金还运用如期货、期权、掉期等各种衍生工具，或者他们的组合，使用的投资工具广泛而灵活。（6）使用杠杆，可以卖空：对冲基金充分利用杠杆和卖空技术，杠杆可以放大资金量，杠杆使用从几倍、几十倍、甚至几百倍不等，形成强大的力量。透过期货、期权、融资融券等方式卖空可以在资产被高估或者市场下行的情况下获利。宏观对冲基金，如索罗斯的量子基金透过杠杆和卖空的方式可以对全球金融市场产生重大的影响。（7）数量化投资：对冲基金运用复杂的数学模型来做投资决策，在对投资进行定量分析的基础上进行投资，减少风险，增加回报。

二、对冲基金按照投资策略的分类

（一）市场中性策略

市场中性策略又称为证券套利策略或相对价值策略，利用市场的非均衡进行套利。当基金经理认为两种相关资产的价格偏离合理的区间时，买入被低估的资产，同时卖空被高估的资产，当两种资产价格回归均衡时获利。买入和卖空的资产在金额上应做到严格匹配，这样才是市场中性的，即与市场的涨跌无关。市场中性策略又可细分为固定收益套利和股票市场中性策略。固定收益套利基金投资于各种债券，包括政府债券、公司债券等，利用相关债券之间出现的不均衡价差寻找投资机会。股票市场中性策略利用相关股票之间出现的不均衡价差获利，将市场风险完全对冲。

（二）股票多空头策略

与股票市场中性策略略有不同，股票多空头策略一般持有净多头，也就是说，买入的金额大于卖空的金额，认为市场是向上的。此外，在买入股票的同时，为了防止下跌带来的损失，除了通过卖空相关股票外，还可以买入此股票的看跌期权，这样当股票下跌时，亏损的最大金额就是看跌期权的执行价与买入股票价格的差。由于买入期权的成本通常较高，所以基金经理大都采用卖空相关股票的方式来规避下跌的风险。相反，在卖空股票的同时，为了防止价格上升带来的损失，可以通过买入看涨期权的方式来进行对冲。

（三）卖空型策略

此策略寻找被高估公司的证券，通过卖空此类公司的证券，待证券价格回归正常时获利。对冲基金通过分析公司的经营状况、财务报表真实性、市场前景等方面判断公司是否被高估。比如，通过分析公司的财务报表，再加上实地调查等方式，对冲基金发现公司有财务造假的情况，虚增利润，从而导致股价被高估。此时对冲基金首先做空此公司的股票，然后将公司财务造假的情况宣布出去，造成公司股价下跌，对冲基金获利了结。卖空型基金通常持有净空头或者纯空头。前者会持有一部分多头，后者则纯粹的持有空头头寸，风险也较大。

（四）宏观策略

运用宏观策略的对冲基金称之为宏观对冲基金，此类基金运用经济学的基本原理，分析全球各国的宏观经济指标，在全球范围内寻找金融资产出现的价格错配情况，通过货币、利率、债券、商品等工具进行投资，充分利用杠杆将资金量放大数倍，以达到与一国金融当局对抗的能力。宏观对冲基金可以运用两国之间的汇率不均衡进行投机获利。当一国实行固定汇率时，由于出现了严重的国际收支逆差等情况，导致此国货币被严重高估，但由于固定汇率的限制，此国货币不能贬值，宏观对冲基金便趁此时机大量抛空此国货币，从而给此国货币造成巨大的贬值压力，直至此国宣布本国货币贬值，对冲基金获利了结。宏观对冲基金的典型代表是索罗斯的量子基金。索罗斯在1992年就是利用英镑与德国马克之间的汇率失衡通过卖空英镑的手法狙击英镑成功，获得了大量收益。索罗斯在1997年狙击泰铢时也获得了巨大的成功，但是在香港市场和俄罗斯市场则以失败告终。

（五）事件驱动策略

事件驱动策略又称之为特殊事件策略，利用公司发生的特殊事件进行投资获利，比如合并、重组、股票回购等事项，此策略主要包括兼并套利策略和不幸证券策略。（1）兼并套利策略投资于各种兼并收购事件，比如杠杆收购、要约收购等。一般认为被收购公司的股票价格会上升，收购公司的股票价格会下降，所以对冲基金在做多被收购公司的同时，做空收购公司，当股票价格如预期那样变化的时候，便能获得收益。（2）不幸证券策略是指投资于那些面临破产、重组以及其他危机情况公司的证券，当这类公司摆脱危机情况后，证券价格随之上升，对冲基金便能获利。由于此类证券属于较低等级，其他类型的投资基金较少参与，从而此类证券的价格会更低，对冲基金能以极低的价格买入，待情况逆转后获得可观收益。但是，此种投资策略也面临较大的风险，如果危机公司未能走出低谷，对冲基金将面临较大损失。

（六）新兴市场策略

此种策略的对冲基金投资于经济增长速度快、增长潜力大的新兴市场国家，获取高额的回报。新兴市场国家一方面发展快，另一方面在制度上还有很多不完善之处，漏洞较多，信息传递效率低从而价格变化不够及时，这就给了对冲基金更多的机会在合适的价格投资，最终获得巨额收益。新兴市场策略与宏观策略存在重叠之处，宏观对冲基金往往利用新兴市场国家的制度缺陷，攻击一国的金融体系，达到获利的目的。

（七）基金的基金型策略

该策略指对冲基金投资于其它的对冲基金，以使投资多样化，减少风险，增加回报。具体而言，该策略又可分为两类。（1）一只大型基金又分成若干子基金，每个子基金由一名对冲基金经理管理，不同的子基金采用不同的投资策略或投资于不同的资产，若干子基金构成的大型基金在投资策略和资产配置方面均实现了多样化。（2）一只对冲基金不分成若干子基金，由一名基金经理管理，该基金经理将资金投资于不同特点的对冲基金，从而获得更加稳定的回报。基金的基金收取双重管理费和业绩奖励费，对于投资者而言需要支付比例更高的费用。大型基金由于规模庞大，自身的管理能力有限，所以较多采用基金的基金型策略，这也是大型基金的一个发展趋势。

参考文献：

[1]张杨.宏观型对冲基金的经营策略分析[J].特区经济，2009，1

[2]张树德.对冲基金的定义与分类[J].财会月刊（理论），2008，12