量化投资基本面分析方法精选(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基本面分析方法主题范文，仅供参考，欢迎阅读并收藏。

第1篇：量化投资基本面分析方法范文

关键词：分析 短线

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

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

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

1 基本面分析量化分析是投资机构先后采用的2种投资技术

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

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

2 量化分析技术获取超额投资收益之道

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

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

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

3 量化分析技术创始人并非经济学家。

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

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

4 量化分析技术应用的载体是计算机软硬件技术的发展

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

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

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

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

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

6 量化分析在应对经济危机和突发经济事件中开拓前进

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

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

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

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

7 量化分析技术今后几年全球应用的热点在中国的A股市场

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

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

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

量化分析基金2002年才在中国刚刚起步，到2009年和2010年，才真正进入快速发展期，2010年末量化基金的总规模达到了779亿元。虽然规模有显著提升，但是与国外市场量化分析基金占共同基金总资产16%相比，国内量化分析基金还有非常大的发展空间。

第2篇：量化投资基本面分析方法范文

我国证券投资价值投资方法的实例分析

由于盈利能力不强的上市公司价值投资研究价值不大，而且缺少较大的收益时间，无需把每股收益看作参考依据，所以为了避免非正常值导致的影响，选择的依据必须满足每股收益大于等于0．1，此外，将不完整的上市公司数据排除。最终的选择结果如下：2009年188只、2010年205只、2011年226只，总共有619只。1．样本期内各个时间段内的基本面量化指标和股票价格的相关研究。首先，利用SPSS16．0软件计算出2009～2011年各个时间段的基本面量化指标和相应时间段的股票价格间的Pearson因子，相应的统计数据结果见表1。多元模型的自变量选择那些和股票价格有明显相关性的数据指标，排除与股票价格存在较小相关性指标，进而能够为下一步各时间段的多元回归分析提供合理的数据支持。在该阶段，能够保留下来指标的相关系数必须满足0．05水平上的显著性检验。然后，为了避免回归过程中的自相关，所以将排除净资产收益率。同时，因为流动比率在决策过程中可能转换为风险控制因素，和股票价格间有较强的非线性，所以也应该给予剔除。2．优化选择后的量化指标对股票价格贡献度的影响分析。选取2009～2011年3组数据作为研究对象，利用Stepwise的输入技术进行三次多元回归分析，可以得到三组输出。研究过程中关键要讨论标准化因子和可决因子。标准化因子是指量化指标经过一个标准差的改变对股票价格产生的影响程度。该因子能够防止由于不同指标的量纲不一样而无法比较影响程度的问题。标准化因子绝对值越大，表示该因子对股票价格的解释水平越高。可决因子是在调整回归方程后获得的，主要是指全部指标对股票价格的整体解释水平。可决因子越大，表明该模型对股票价格的解释水平越高，也就是说股票价格的变化对基本面因素变化有较大的影响，投资的合理性越大。相应的回归分析结果见表2。根据回归分析的计算数据能够获得如下结论：在观察时间，每股收益包含在回归模型之中，具有最佳的解释股票价格的水平，因此，这个结果表明上市公司的盈利能够受到较好的关注。回归数据表明大多数情况下每股收益和总资产收益率均包含在回归模型内，从而表明证券投资者非常关注对股票价值有较大影响的基本面，这一结果表明价值投资意识已经不断地深入人心。从回归分析结果数据可以看出，在2011年营业利润增长率包含于回归模型，从而说明证券投资者已经对上市公司的成长性有了关注，同时能够表明证券投资者对和内在价值有关的基本面因素有了更为深刻地认识。从回归分析数据可以看出，2010年和2011年期间每股净资产已经退出了回归模型，表明证券投资市场不够关注风险水平。每股净资产是指上市公司在破产时证券投资者股票的内在价值。每股净资产属于主要的风险评估基本面因素，正在被证券市场逐步地认可，说明证券市场对股票的关注不仅停留在投资回报上，同时非常关注风险的存在，这正是证券市场不断趋向于理性的具体表现。通过对2009年和2010年的回归分析可知，每股净资产指标出现了缺失。主要原因在于2008年股票市场比较好的局面导致了证券投资者的思维定式，降低了对风险的关注度。经历了一段时间，大量的解释变量符合了回归模型，这表明投资者对基本面的研究更加完善。根据回归分析的结果，证券投资者不断地利用更多的指标，通过不同的层面更为全方位地考虑证券的内在价值，证券市场不断向以价值投资为中心的投资方向发展。此外，可决因子的周期变化表明在我国证券市场中，基本面因素对股票价格的解释能力不断提高，然而并不稳定。当外部经济环境产生变动时，证券投资者容易产生非理，从而使非价值因素再一次占了上风。

我国证券投资基金价值投资的应对措施

管理费还能够促进基金公司的可持续发展，为基金持有者带来更大的投资回报。然而，如果基金管理公司的工资待遇和资产管理规模关联过大，就会导致基金管理者仅仅关注视资产管理的规模，忽视帮助基金持有者获得更大的投资回报。最为管用的方式就是优化基金管理收入的基本组成，采用浮动收益的方式，一定的资产管理费可以确保基金的有效实施，而浮动收益可以使基金管理者以基金投资者的权益为中心帮助基金投资者能够获得更大的收益。充分地利用投资组合策略。证券投资本身具有较高的风险，但是高风险和高收益是相互对应的，怎样才能使投资风险减少并且使投资收益最大，投资组合策略就是一种行之有效的方法，利用这种方法不仅能够有效地预防投资风险，而且能够有效地弥补证券投资价值的缺陷。投资者可以依据不同阶段国际经济形式、国内产业制度以及行业的发展潜力适时地调节投资产品的比重，从而能够得到最佳的收益。投资者应该不断地转变投资理念。投资者的理念在证券投资中具有非常重要的作用，证券投资者应该坚持长期投资的理念，主要关注证券投资的长期回报。证券投资者必须熟悉证券投资的相关概念和理论，知道证券投资过程中潜在的风险，掌握证券投资产品的相关功能；投资者应该明确投资目的，依据自身的实际情况选择适合自身的证券投资产品。投资者应熟悉证券公司的相关情况，对证券公司的专业化水平、标准化产品、内部风险控制制度以及信息披露系统等情况有比较深入的了解，从而能够从长期投资的角度获得最大投资回报率。不断健全证券市场的管理制度。通过股权改革可以较好地处理中国证券市场流通股和非流通股股东之间利益的不一致性、中国国有上市公司管理者缺位等难题，能够为中国证券市场的制度化营造一个有利的环境，从而能够不断深化中国证券市场的中长期投资价值，为证券投资基金执行价值投资创造一个非常有利的市场平台。五、结　论我国证券市场仍然是一种新兴的证券市场，依然处在非有效市场向弱有效市场不断转变的阶段，从某种意义上，利用价值投资策略得到的收益不是非常稳定的。通过股权分置改革，伴随着上市公司质量持续提升，价值投资策略将转变为证券市场的主流方式。根据相关研究可以得到以下结论：1．选取深证300指数股进行相应的回归分析。根据回归分析的结果可知：上市公司的盈利水平是非常受到重视的。证券投资者更加关注决定股票内在价值的基本面因素，价值投资理念正在渐渐地深入投资者的人心。投资者对上市公司的成长性给予了足够的重视。市场对风险的关注程度正在降低。每股净资产能够表明上市公司在破产的状况下，投资者持有的每股股票的价值。证券市场对股票的重视不但保持在收益上，而且非常关注风险，从而使证券理性更加回归理性。随着证券市场的不断发展，投资者能够更深入地剖析基本面的内涵。根据回归分析的结果可知：证券投资者已经利用更多的指标，从不同的层面深入地考察股票的经济价值，市场正在向以价值投资为主的理性投资发展。2．中国证券市场是一个新兴市场，正处于转型时期，因此，具有较好的价值投资意义，然而不能获得比较稳定的收益。因此，应该采取有效的措施，完善基金绩效评估体系和股票发行政策；合理地调整基金管理收入结构；充分地利用投资组合策略；投资者应不断转变投资理念；不断完善证券市场的制度体系。随着上市公司质量的持续提升，价值投资将不断地深入人心，通过价值投资可以使中国证券市场更加趋于稳定。

作者：赖晓聪 陈凡 单位：中国社会科学院

第3篇：量化投资基本面分析方法范文

2008年10月首次提出“情绪性底部”的概念,这一次讲“情绪性底部”再度形成,还是用了几个量化指标,其中分红率、市盈率和市净率都属于基本面的指标,而新股的“破发率”和交易量的“绝望系数”则属于情绪面的指标。此外,从楼市地震看股市遭殃,是从政策面分析股市情绪面的悲观状态,“12月买房”的判断,主要依据之一是股市反弹的乐观情绪,将在3-6个月后传导到楼市。

“股市在绝望中落地,在欢乐中升腾,在疯狂中结束”,这是索罗斯先生的不朽名句之一。以沪指6124点区间的交易量均值为“疯狂系数”,以沪指1664点区间的交易量均值为“绝望系数”,二者的比值为1:0.20。以此为参数,2009年7-8月沪指3478点区间的交易量均值为疯狂,今年5-6月的交易量均值为绝望,二者相比的比值为1:0.24,因此可判断股市大幅下跌的空间有限,得出结论是6月就是底部。

股市的绝望与疯狂指标具有双重参考意义。第一,参考其他基本面分析数据,预测超跌企稳。第二,参考其他基本面分析数据,防范股市的过度疯狂。具体说来,如果沪深两市的合计成交量连续数日为底部区间交易量的4-5倍之时,股市的“情绪性顶部”可能形成。从长期趋势看,具体的量化数据如交易额的数量将逐步提高,但疯狂与绝望之间的交易量比例则大致不变,因此可作为辅的股市预测工具。股市分析有三大流派,基本面研究的优点在于选股,技术面研究的优点在于选价,行为面的研究则重于看“势”,三者缺一不可,分别对应于股市的“三驾马车”,即业绩增长、资金流量和情绪状态。

还必须关注政策面的动态,因为政策如风,货币如水,风动水动,水涨船高,这是中国经济的政策“风水学”。市场是一只“看不见的手”,会通过“沉默的多数”显示其不可抗拒的力量。政策作为“闲不住的手”,如果顺应了市场,它就会立刻生效;如果与市场趋势相悖,就会在3个月内,效应递减甚至完全失效。我们可以用基本面的分析把握股市的价值中枢,再导入政策面与情绪面之间,股市和楼市之间的互动性,就可以分析政策面的决策通过情绪面对股市楼市产生的冲击波,界定股市楼市的超跌和疯涨,进而寻找股市的“情绪性”底部或顶部。

第4篇：量化投资基本面分析方法范文

面对上周市场持续调整行情，有机构认为“钱荒”是最主要的因素。3月31日，沪指在跌破3200点后快速收复，这说明“钱荒”事件导致的挖坑走势步入尾声。

针对美国明晟公司（MSCI）日前表示正在重新考虑将A股纳入其一系列指数的方案，中欧基金认为，这表明A股相对价值并非此前市场预想得那么糟糕。未来，鉴于A股各主要指数震荡的概率较大，市场将更看重企业的盈利能力、投资标的的稳定性和安全性。市场回归业绩和价值崇拜，说明资金的心态倾向于“稳健回报”。总体而言，延续对春季行情的乐观态度。

展望A股走势，汇丰晋信基金表示，从基本面来看，今年上半年，经济有望维持稳定增长，企业盈利改善趋势料能持续。4月份上市公司即将披露季报，预计企业业绩也将为A股提供支撑。在货币政策方面，市场预期下半年经济可能面临压力，但是出于保增长考虑，下半年货币政策预计不会太紧。

淡看短期博弈 聚焦长期投资

面对A股市场以结构性行情为显著特征的窄幅波动，上投摩根核心基金经理李博指出，在结构分化行情中，要做“睡得着觉”的投资，从更长远的视角看待投资，从更深入的基本面分析核算价值。投资的核心目标是要选出未来盈利能持续增长、同时估值不贵的标的，即PE/G小于1，这其中包括三重要求：第一，要求行业空间足够大；第二，要求管理层有企业家精神；第三，盈利数据能与公司的发展战略相印证。李博认为，在一些投资者越来越看重短期博弈的时候，长期投资、价值投资的优势逐渐凸显。

对于后市A股走势，上投摩根基金认为，经济和股市在2017年年初都出现向好趋势，一方面市场对中国经济增长担忧情绪逐步缓解，在PPP项目、“一带一路”、国企改革等政策措施的拉动下，投资增长开始恢复，同时在过去几年的去产能政策让不少行业的供求关系发生变化，盈利能力开始恢复。自2016年三季度以来，不少上市公司结束了连续几个季度的下行趋势，转入增长阶段。另一方面，经过较长时间的下跌之后，A股市场估值回落到历史上较为中性的水平，其吸引力开始提高。

震荡市业绩为王 捕捉主题投资机会

国企改革东风渐起，相关主题更是多点开花。业内人士表示，尽管国企改革将是贯穿全年的大主题，但其内部板块轮动速度快，不同行业及地区都有自己的时间表，推进执行的力度也会参差不齐，如何有效把握投资机会成为难题。泰达宏利改革动力基金经理刘欣表示，今年A股小碎步上行，但投资热点仍比较凌乱且持续性较差，这种震荡行情有利于量化投资的发挥。采用量化选股的方法，可以全市场捕捉国企改革的投资机会，分享国企改革红利。未来国有企业改革、金融改革、、企业兼并重组等主题将持续不断地为市场提供投资机会，量化基金有助于投资人全面把握这类主题。

华宝兴业基金总经理助理郭鹏飞表示，A股的估值下降阶段基本结束，处于震荡市阶段，在震荡市环境中，业绩最重要。基本面变化和业绩预期调整成为股价运行的最重要决定因素，风格板块属性不再重要；基本面良好、业绩确定性高、估值合理的品种，都具有较好投资机会。成长对周期和消费的估值溢价已经回落到合理偏低水平，白马成长股整体上应该有绝对收益，但小市值高估值公司仍风险较大，成长与价值并重的精选个股策略可能效果较好，白马成长股机会更大，黑马成长股谨慎选择。保持谨慎态度，通过深入研究，选择基本面良好、业绩增长较快、同时估值较低的优质标的，采取灵活的交易策略适当进行逆向操作。

对于近期火热的港股投资机会，华宝兴业基金周欣表示，基本面、资金面因素支持港股继续向好。具体来看，中国宏观经济数据近期表现较好，显示中国经济可能已经筑底回升，有助于缓解港股市场中对于中国经济和人民币汇率过于悲观的预期；港股相对于A股拥有明显的估值优势，与港股估值的历史数据纵向对比也并不贵；深港通的实施、港股通总额度的取消将进一步提升内地与港股的互联互通，给港股市场带来显著的增量资金，并提升市场整体的估值水平。

把握结构性机会 看好“泛消费”

目前，国企改革、“一带一路”、周期股等主题已成为A股市场上炙手可岬耐蹲驶疤狻5国联安锐意成长基金经理王超伟却有自己独特的见解，坚定看好“泛消费”行业投资机会。年初至今，上证综指呈震荡上行趋势，许多热炒板块目前仍处拉伸状态。预计A股下阶段大概率将处于横盘整理之中。横盘期间，重点应把握结构性机会、区间行情。家电、白酒、食品饮料、调味品、衣柜、橱柜等低估值、稳增长的股票，将会成为市场热点。2017年春节过后，在热点切换频率较快的A股市场上，消费板块盈利能力复苏基本确定，不断增长的需求使得消费类股票颇有市场价值。配置消费类对于投资者的心态上会比较稳当，在整体侧重比较大的市场情况下，消费类的公司从长周期来看仍是比较有优势的。

近年来，复杂多变的市场环境无疑加大了投资难度，展望后市，华安逆向策略基金经理崔莹表示，有利因素包括权益类资产在2017年具有比较优势、成长股估值长期调整、产业升级与消费升级日趋明显；不利因素则包括货币边际收紧、地产调控加码、IPO保持较高速度、人民币贬值压力未完全消退等。在此背景下，在股票投资上，坚持消费股和成长股，特别是符合产业升级与消费升级趋势的，可重点配置业绩稳定增长的消费股；TMT领域的人工智能、物联网、大数据和云计算；部分产能收缩、具有溢价能力的化工股等。

第5篇：量化投资基本面分析方法范文

关键词：房地产投资；经济基本面；联合影响；直接弹性；间接弹性

一、引言

近年来，我国房地产市场“区域分化”明显，不同区域的房地产投资对经济基本面的影响不尽相同。就东部地区而言，其房地产投资对区域房地产供应、固定资产投资、资金市场供给以及经济增长的带动作用仍然较强；而中部与西部面临的房地产投资萎缩、房地产库存严重等问题对区域经济基本面的冲击则愈加显现。诚然，区域房地产投资对经济基本面的影响，不单单是对经济增长的影响，而是涉及到经济基本面多个方面的联合影响。那么，区域房地产投资对经济基本面哪些指标产生显著的联合影响，其直接影响作用与间接影响作用有多大，这些问题是本文的研究所在。有关区域房地产投资对经济层面的影响，国内外研究主要围绕房地产投资对经济增长的影响作用而展开。在其影响关系分析上，一类是利用格兰杰因果关系检验房地产投资与经济增长两者之间是否具有因果关系，并由此建立VAR模型；另一类是利用投入产出法或要素投入贡献率分解法，运用生产函数或拓展的柯布-道格拉斯生产函数，建立房地产投资与经济增长的投入产出关系。

主要结论包括：Green（1997）对1952—1992年美国住宅投资与GDP的影响关系进行实证分析，指出住宅投资是GDP的格兰杰原因，且住宅投资引导了美国经济的周期变动；Wigren和Wilhelmsson（2007）利用14个欧洲国家的房地产数据进行分析，认为住宅投资对经济增长产生了长期的影响；梁云芳、高铁梅等（2006）运用脉冲响应模型，分析房地产投资的冲击对经济增长的长期影响作用，认为房地产市场与经济基本面之间既互相拉动又互相牵制；孔煜（2009）鉴于房地产业的区域性特征，分析指出我国东部与中部地区的房地产投资额与经济增长互为因果关系，而西部地区并不存在这种因果关系；张洪、金杰等（2014）[5]利用1998—2010年我国70个大中城市的面板数据，采用空间动态面板数据方法，构建了包括房地产投资及其空间效应的空间动态计量模型，实证分析房地产投资对经济增长的地区影响效果；等等。这些研究主要考虑房地产投资与经济增长两者之间的影响关系。本文以我国东部、中部和西部为研究对象，通过分析区域房地产投资与经济基本面多个指标的相关性，探讨区域房地产投资对经济基本面的联合影响，由此建立联立方程组形式的递归模型，以检验影响关系的有效性，并估计其直接与间接影响作用的大小，从而为制定因地制宜的房地产调控政策提供量化依据。

二、区域房地产投资与经济基本面的相关性

在房地产业与经济基本面构成的经济系统中，房地产业通过房地产投资与房地产供应（如：房屋面积与套数等）同全社会固定资产投资（简称：固定资产投资）、资金市场供给以及经济增长紧密联系。其中，房地产投资是固定资产投资的重要组成部分；房地产供应所提供的产品及其带动的相关产业的关联发展，反映了房地产所属产品及其相关产品的总消费对国民经济的影响；而房地产业又是资金密集型产业，其吸引的资金流向带动人力与物力的集聚，直接或间接地拉动国民经济增长。因此，这里以房地产供应、固定资产投资、资金市场供给以及国内生产总值（GDP）组成经济基本面指标。考虑房地产投资与经济基本面的区域差异，本文以我国28个省（市）为研究对象。为叙述方便，仍然将这28个省（市）划分为东部、中部和西部区域，东部包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部包括：山西、吉林、安徽、黑龙江、江西、河南、湖北、湖南；西部包括：广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏。同时，考虑数据的可获得性和完整性，选择的样本区间为2005年1季度至2015年4季度。因数据缺失，西部区域数据未包含内蒙古、和新疆的数据。数据来源于中经网统计数据库、国家统计局。我国东部、中部与西部的房地产投资总额不尽相同，但区域房地产投资占其固定资产投资比重的变动态势基本一致。

2005年1季度至2015年4季度区域房地产开发投资完成额占其固定资产投资额比重的变化（注：数据进行了季节调整，消除了季节影响）。由图1可见，东部、中部与西部的房地产投资占比分别在均值线25%、15%和20%上呈现基本一致的走势。统计显示，东部、中部和西部的房地产投资占比分别平均为24.79%、15.61%和19.82%，其波动幅度均在一个标准差左右。近年来，各区域房地产投资占比都呈现下降态势，同样是平均下降5个百分点。其中，东部从高位27.52%降至22%左右、中部由17.64%降至13%左右、西部从22.61%降至17%左右。究其缘由，东部、中部和西部的房地产投资与其固定资产投资的变化是同步的，两者的相关系数都达到0.99以上，具有很强的相关性。以区域房地产竣工面积与新开工面积之和表示房地产供应，以广义货币供应量（M2）表示资金市场供给，统计显示，东部房地产投资与其房地产供应、资金市场供给以及GDP的相关系数分别为0.75、0.92和0.98；中部的分别为0.84、0.88和0.97；西部的分别为0.84、0.94和0.96。因而，区域房地产投资与房地产供应、资金市场供给以及GDP之间也呈现较强的相关性。综上所述，区域房地产投资与经济基本面之间具有较强的相关性。

三、区域房地产投资对经济基本面的影响关系设定

1、提出假设

依据房地产理论和上述区域房地产投资对经济基本面的相关性分析，假设房地产投资是影响经济基本面的直接外部因素，且通过经济基本面的内部单向作用产生间接影响。对此，提出以下假设。假设1：区域房地产投资将带动房地产供应、引致固定资产投资、吸引资金市场供给，进而拉动国民经济增长，因而，区域房地产投资对房地产供应、固定资产投资、资金市场供给以及GDP产生直接的正向影响。假设2：由于房地产供应的增加会扩大总消费，减少总投资，但最终仍然是带动经济增长，由此，房地产供应对固定资产投资、资金市场供给产生直接的负向影响，而对GDP产生直接的正向影响。假设3：固定资产投资对资金市场供给、GDP产生直接的正向影响。假设4：资金市场供给产生的集聚效应将带动经济增长，因此，资金市场供给对GDP产生直接的正向影响。

2、递归模型的设立

（1）面板数据的指标选取。依据上述东部、中部和西部区域的划分，样本数据为2005年1季度至2015年4季度各区域对应省（市）的季度数据组成的面板数据，其中，东部是11个省（市）组成的样本量为484的面板数据，中部是8个省（市）组成的样本量为352的面板数据，西部是9个省（市）组成的样本量为396的面板数据。在指标与变量选取中，以各省（市）房地产开发投资完成额表示房地产投资（记作：X）（单位：亿元），以其房地产竣工面积与新开工面积之和表示房地产供应（记作：Y1）（单位：万平方米），以其全社会固定资产投资总额表示固定资产投资（记作：Y2）（单位：亿元），选取广义货币供应量（即：M2）表示资金市场供给（记作：Y3）（单位：亿元），各省（市）GDP（记作：Y4）（单位：亿元）。同时，为避免数据可能出现的异方差性，所有变量均以对数形式引入模型之中，简记为：ln（）。

（2）递归模型。在计量经济学的联立方程模型中，递归模型（RecursiveModels）[6]以其独特的内生变量单向传递关系，通过联立方程组的形式，系统地反映内生变量之间、外生变量与内生变量之间的因果依赖性以及直接与间接联合影响关系。于是，递归模型的内生变量为：房地产供应、固定资产投资、资金市场供给以及GDP；外生变量为房地产投资。为简便起见，不妨将外生变量与滞后变量组成的向量简记为Z。

1，2，3，4。在递归模型式（1）中，第一个方程为区域房地产供应方程，假设房地产供应主要由房地产投资及相关滞后变量所决定；第二个方程为区域固定资产投资方程，假设固定资产投资不仅受房地产投资及相关滞后变量的影响，而且与第一个方程的内生变量（房地产供应）有关，因而，将房地产供应与房地产投资两者都看作是决定固定资产投资的“原因”；由此类推，第三个方程为区域资金市场供给方程，假设决定资金市场供给的“原因”包含第一、第二个方程的内生变量（房地产供应、固定资产投资）以及房地产投资；第四个方程为区域GDP方程，假设GDP由第一至第三个方程的内生变量以及房地产投资共同决定。于是，这些方程的内生变量之间、外生变量与内生变量之间形成了因果决定关系，其系数βij反映了经济基本面的内部弹性影响；系数γij为房地产投资等外部因素影响经济基本面的直接弹性，而∑（βij×γkl）则为间接弹性。

四、区域房地产投资影响经济基本面的实证分析

1、面板数据的协整性与变截距效应检验

（1）面板数据的单位检验与协整检验。面板数据的单位根检验显示，东部区域的所有变量均为2阶单整的非平稳序列；中部与西部区域的变量则同为1阶单整非平稳序列。进一步，Johansen协整检验显示，各区域的这五个变量之间均存在协整关系方程。由于递归模型的单个方程均满足最小二乘估计方法的基本假定，所以，对于单整阶数相同且具有协整关系的面板数据，单个方程均可以直接用最小二乘法进行估计。

（2）变截距效应的检验。依据面板数据的特征，递归模型的截距项或斜率系数可能随横截面单元的个体（即：省（市））的不同而变化。如果这些系数随个体是不变的，其对应的模型是固定效应模型，估计的系数被称为共同系数；如果截距项或斜率系数随个体不同而变化，其模型被称为变截距效应模型或变斜率效应模型。经计算与检验显示，东部、中部与西部区域的面板数据对应的递归模型具有变截距效应，而斜率系数则是固定效应。因此，各区域的递归模型具有变截距效应的特征。

2、递归模型的估计

现分别利用东部、中部与西部区域的面板数据，对递归模型的单个方程进行逐个估计。由最小二乘法得到2005年1季度至2015年4季度我国区域房地产投资影响经济基本面的直接弹性与间接弹性，以及经济基本面指标之间的内部弹性，其变量指向关系与对应的弹性系数如表1所示（因篇幅所限，未列出其变截距项部分的回归结果），同时，模型的整体拟合效果较好，且不存在异方差和自相关性。因此，回归方程可用于经济分析。

3、比较分析区域房地产投资的弹性影响

根据上述回归系数，经整理得到2005年1季度至2015年4季度我国区域房地产投资影响经济基本面的直接弹性与间接弹性，以及经济基本面指标之间的内部弹性。

（1）直接弹性。一是房地产供应：房地产投资对房地产供应产生直接弹性作用，弹性值分别为0.527、0.685和0.545，即东部、中部与西部的房地产投资每提高1%，将使其房地产供应（面积）分别上升0.527%、0.685%和0.545%，因而，不同区域的房地产供应增速基本相同。二是固定资产投资：东部、中部与西部的直接弹性均接近于1，表明区域房地产投资引致的固定资产投资增速接近一倍。三是资金市场供给：东部与中部的直接弹性为正，分别为0.227和0.137，表明东部与中部的房地产投资每上升1%，将吸引资金的供给分别提高0.227个百分点和0.137个百分点；但西部的直接弹性是负值，这与理论上假设的正向影响不一致，说明西部的房地产投资缺乏资金支持，其投资每提高1%，资金供给却下降了0.135%。四是GDP：东部、中部与西部的直接弹性分别为0.198、0.06和0.165，即房地产投资每提高1%，将直接带动经济增长分别提高0.198个百分点、0.06个百分点和0.165个百分点。因此，东部与西部的经济增长带动效应基本相同，而中部的带动效应较弱。

（2）间接弹性。区域房地产投资对经济基本面的间接影响，来自经济基本面的内部影响关系和弹性作用。具体来说：一是房地产供应的负向传递作用，使固定资产投资增速下降。这与理论假定是一致的，说明当房地产供应增加时，总消费的扩大使得总投资减少。经计算，东部、中部与西部的固定资产投资间接弹性分别为-0.038、-0.223和-0.046。可见，东部和西部的间接弹性较小，这种间接影响不敏感；而中部的弹性较大，间接影响较为敏感，表明中部的固定资产投资缺乏后续支撑。二是西部的资金市场供给间接弹性增大。虽然西部房地产投资引致资金市场供给不足，但其间接带动的资金市场供给弹性较大，弹性为0.316。三是区域GDP的间接弹性大于直接弹性。区域房地产投资通过房地产供应与资金市场供给对GDP产生间接作用，东部、中部和西部的间接弹性分别为0.220、0.211和0.179。比较而言，区域GDP的间接弹性略大于直接弹性。因此，区域房地产投资对经济增长的间接带动效应不容忽视。

五、结论与政策建议

1、主要结论

我国区域房地产投资与房地产供应、固定资产投资、资金市场供给以及GDP组成的经济基本面具有较强的相关性。构建的递归模型反映了区域房地产投资对经济基本面的联合影响，以及直接弹性与间接弹性关系。实证分析表明，区域房地产投资对房地产供应产生直接弹性影响；区域房地产投资引致的固定资产投资增速接近一倍；东部与中部的资金市场供给具有正向直接弹性，表明房地产投资能够吸引资金市场的相应供给，但西部的房地产投资缺乏资金支持。同时，区域房地产投资对经济增长的间接影响略大于直接影响，其中，东部与西部的房地产投资对经济增长的带动效应基本相同，但中部的直接带动效应较弱。

2、政策建议

（1）保持房地产业平稳发展，防止区域房地产投资的过度下滑对国民经济产生下行冲击。区域房地产投资不仅直接影响房地产关联产业的发展、固定资产投资的增速、资金市场供给以及经济增长，而且对经济增长产生显著的间接影响。因此，在宏观经济处于新常态的背景下，保持房地产业的适度发展，有利于创造一个稳定的宏观经济环境，有利于稳定发挥投资要素对经济增长的贡献。

（2）实施区域差异化的房地产投资策略。东部房地产投资的转型升级，有利于经济基本面逐步退出对房地产的过度依赖。中部房地产投资对经济增长的直接带动效应较弱，因而，需要将投资更多地转移到其他产业领域，以促进区域经济增长。由于西部房地产投资缺少资金供给的支持，因此，在资金供应有限的条件下，应适度开发房地产业，以保证其他行业发展的资金需求。

（3）区域房地产调控从需求侧转向供给侧，以提高调控效果。近年来，我国房地产市场经历了大范围的多轮房地产调控，尽管实施了差异化的区域限购、限贷等需求管理政策，但始终未能达到预想的调控效果，而是落入“限购限贷”与“放松限购限贷”的循环圈。可将这种以需求管理为主的调控转向房地产供给侧管理，即：在规范房地产有序开发的同时，提高房地产供应的有效供给，将房屋的“空置”、“库存”转化为人们当前的居住与商用需求，进而使区域房地产调控跳出“循环圈”，达到预期的调控效果。

参考文献

[1]梁云芳、高铁梅、贺书平：房地产市场与国民经济协调发展的实证分析[J].中国社会科学，2006（3）.

[2]孔煜：我国房地产发展与经济增长关系的实证研究[J].工业技术经济，2009，28（5）.

[3]张洪、金杰、全诗凡：房地产投资、经济增长与空间效应———基于70个大中城市的空间面板数据实证研究[J].南开经济研究，2014（1）.

第6篇：量化投资基本面分析方法范文

在聂夫执掌的31年间，温莎基金的总投资回报率为55.46倍，平均年复合回报率达13.7%，这个纪录在基金史上尚无人能与其媲美。

聂夫还一直兼任威灵顿管理公司的副总裁和经营合伙人。聂夫的成功之道，并不在于使用了高深的投资技巧及数学模型，而是广为人知的低市盈率投资法。

对于A股投资者，聂夫的投资之道完全可以复制，因为低市盈率投资法很容易做到量化选股，而且回溯检验的结果相当不错。

我们运用修正过的聂夫选股方法对2005年5月初至2012年12月底的A股市场进行了回溯检验，结果表明聂夫之道在A股市场可以取得44.12%的年化复合收益率，而同期沪深300指数的年化复合收益率只有13.86%，聂夫之道投资法的年化超额收益达到30.26个百分点。

在24个分季度检验区间中，“聂夫之道”跑赢沪深300指数的次数达到16个，占比为66.67%，单季最高超额收益达到56.77个百分点；在8个超额收益为负的检验区间中，单季最高超额负收益只有10.69个百分点。

此外，我们还将“聂夫之道”与公募基金进行了对比。在全部公募基金中，排名第一的是华夏大盘精选，有“公募一哥”之称的王亚伟从2005年5月开始执掌该基金，直至其于2012年5月离开华夏基金。该基金在2005年5月初至2012年12月底的期间收益率达到1149.07%，即2005年5月初买入价值1元的大盘精选基金，在2012年12月底基金净值将达到12.49元。

作为比较，“聂夫之道” 在2005年5月初至2012年12月底期间收益率达到1549.70%，即2005年5月初买入价值1元的大盘精选基金，在2012年12月底基金净值将达到16.49元。

也就是说，如果“聂夫之道”是一只基金，那么其收益率战胜了以王亚伟所领衔“华夏大盘精选”为代表的全部公募基金；此外，与包括开放式和封闭式在内的全部公募基金相比，“聂夫之道”还有一个非常明显的优点，即投资者可以根据自己的决定在任何期间买入和卖出。

7月24日-7月30日的5个交易日中，根据Wind统计，在其所覆盖的券商研究报告中，对沪深300指数的300家成份股公司，业绩调升24家，调降45家。

过去一个月，沪深300指数成份股业绩调升66家，调降125家。

截至7月30日收盘，沪深300指数成份股按总市值除以预测总利润计算的2013年PE平均值为8.05，按照总市值从大到小分为5个区间，同样按照上述方法计算的市盈率平均值分别为6.77、15.56、14.83、15.59、13.56。

相比一周前（7月23日），沪深300指数成份股预测总利润减少0.12%，由20309亿元变为20284亿元；市盈率平均值减少2.42%，由8.25变为8.05。

相比一个月前（6月30日），沪深300指数成份股预测总利润减少0.33%，由20352亿元变为20284亿元；市盈率平均值增加0.34%，由8.02变为8.05。

截至7月30日，过去一周（2013年报告期）每股收益预测上升和下降前10名、过去一周（2013年报告期）评级上升和下降前10名分别如左侧表格所示。

截至7月30日，过去一个月（2013年报告期）每股收益预测上升和下降前10名、过去一个月（2013年报告期）评级上升和下降前10名分别如右侧表格所示。 Wind评级的1分至5分，分别对应“买入”、“增持”、“持有”、“中性”、“卖出”。

创一年新高（新低）股票概况

7.25-7.31期间，共计271只股票创一年新高，创新高个股数量位列前三位的行业（申万一级行业分类）分别是信息服务（65只）、机械设备（35只）、医药生物（35只）。上述股票的加权平均市盈率（2012年年报）为53.92，加权平均市净率（2012年年报）为5.02，期间最高股价的平均值为21.28元。

7.25-7.31期间，共计50只股票创一年新低，创新低个股数量位列前四位的行业（申万一级行业分类）分别是采掘（8只）、交通运输（7只）、机械设备（4只）和食品饮料（4只）。上述股票的加权平均市盈率（2012年年报）为15.23，加权平均市净率（2012年年报）为1.46，期间最低股价的平均值为8.39元。

本期创新高股票的总市值为20240亿元，创新低股票的总市值为12168亿元，两者之比为1.66：1。

胜券投资分析

第42期回顾

牛股通常具有相似的特征，也就是我们这里说的“牛股基因”。胜券投资分析揭秘的牛股基因通常体现在以下四个方面：

首先，牛股表现出良好的成长性。胜券投资分析通过个股的净利润评分、价格相对强弱评分以及两者相结合的综合评分为广大投资者提供了一种快餐化的基本面选股方式，经过历史回顾检验，牛股往往是综合评分超过80分的股票。只有这些股票有着表现优异的基本面，而优异的基本面往往是支撑其股价不断上涨的动力。

其次，发展前景良好的行业是孕育牛股的温床。关注胜券的投资者可以发现，胜券投资分析近期重点分析的股票往往集中于医药生物、信息服务等胜券行业排名靠前且整体强势的行业。牛股往往是这些行业中表现不俗的股票。

第三，牛股往往在跌跌不止的行情中具有抗跌性。胜券一度强力解读的牛股恩华药业（002262.SZ）和上海家化（600315.SH）等在2012年大盘的颓势中股价逆市上扬并不断创出52周新高；在年底大盘回暖后再创佳绩。当然，这些股票也不是直线上涨的，在股价攀升的过程中不免有回调，此时正是对投资者心理的考验。胜券投资分析认为，对于基本面和政策面以及大盘都没有发生重大变化的个股发生回调时，投资者可以根据卖出止损策略操作并等待下一个投资时机的到来。

第四，在回暖的行情中不断地创出52周新高并伴随明显的放量往往是牛股启动的标志。这里的放量至少是当天的成交量相比于50日平均移动成交量上涨40%-50%以上。

神奇公式的核心是“低价买入优质股票”，所选用的两个指标是投资回报率（ROTC）和收益率（EBIT/EV），其中投资回报率筛选出来的是“好公司”，收益率筛选出来的是“好价格”。

“好公司”主要是对上市公司的相关财务指标进行衡量，即以基本面为导向的分析，所选出的都是一些“质优”的公司，这个指标相对容易确定。

在计算“好公司”得分时涉及的财务指标主要包括营业收入、营业成本、流动资产合计、流动负债合计、短期借款、投资性房地产等。

“好价格”的目标是“低价”股，但什么样的股价水平才算“低”呢？又该如何发现市场上被低估的股票呢？对此，以价值为导向的投资理论认为，低价是相对于企业的内在价值而言，但内在价值的确定又非常繁杂，神奇公式采用的是一种最便捷的方式，即观察股票的价格走势，通过股票的价格涨跌及市值变化筛选出符合条件的“质优低价”股。

在计算“好价格”得分时涉及的财务指标主要包括营业收入、营业成本、短期借款、应付票据、长期借款、少数股东权益等。

神奇公式的目标并不是单纯地寻找“好公司”或者“好价格”，而是寻找能够将上述两个因素进行最佳组合的公司，也就是“综合得分”占优的股票。

第7篇：量化投资基本面分析方法范文

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。

第8篇：量化投资基本面分析方法范文

在银华基金副总经理兼量化投资总监周毅看来，量化投资成功的关键在于团队。

以分级基金为突破口　首战告捷

量化投资在股票市场的运用范围较广，包括金融工具设计、指数增强、市场中立阿尔法模型以及套利策略等多个方面。在反复比较、深思熟虑后，周毅选择将金融工具创新作为突破口。

周毅认为，相比于其他量化投资领域，金融工具与市场地域性特征关联度最低，因此移植性最强，成功概率越高，同时在中国市场相对比较欠缺。所有的金融工具中，在国外使用得最广泛的就是结构化。周毅首战试水分级基金。这是在当时法规允许范围内可实现的融资性结构化产品，其A类份额具有类固定收益特征，B类份额具有杠杆特征，满足3类投资者的需求。

截至今日，银华共推出了3只指数分级基金和一只股票型分级基金，包括银华深100（首只深100分级指基）、银华中证等权重90（首只等权重分级指基）、银华中证内地资源（首只投资主题指数的分级基金）和银华消费主题（首只主动管理的主题类分级基金）。据金牛理财网统计，这4只分级基金占据目前市场上分级基金规模的绝对优势，并且创造了多个第一：银华深100是上市首只首日出现双溢价的分级基金，也是目前场内规模最大的基金，约为150亿元左右；银华中证等权重90是第一个触阀值折算的分级基金，为所有分级产品的发展完善和风险控制，提供了可借鉴的宝贵经验。

看好中国量化投资“钱景”

不过，分级基金只是整个量化投资运用中金融工具设计的一部分，其发展的背景是目前国内衍生品缺乏的现状。周毅表示：“我们想做全方位的量化投资，包含量化投资的各个领域。”

2012年以来，银华的多只专户产品已经成功在A股市场上，综合运用以上两项策略。据记者了解，银华专户产品中，表现最好的账户年化收益（扣除各种费率后）大幅超越同期沪深300指数，波动率仅约为沪深300波动率的1/3。尽管受现有法规和交易平台限制，在美国运用的量化策略大多数无法在A股实现，但银华在专户对冲产品上的成功尝试，证明了在国内利用量化投资方法，可以获得绝对收益。而且随着各种限制的宽松化以及杠杆机制的引入，量化绝对收益产品可以拥有巨大的发展空间，中国式量化投资前景广阔。

志做国内旗舰量化团队

周毅将银华目前在量化投资领域所取得的诸多成就，都归功于其全业务线的量化团队打造。银华在业内属于较早开展专门的量化投资研究的公司之一，目前量化投资团队已经达到16人，职责涵盖了金融工具、α策略、套利及实时风控等量化投资的各个业务链。

第9篇：量化投资基本面分析方法范文

其实，在征求意见稿下发之前，基金组合产品――公募FOF（fund of fund）产品的雏形――已经在银华基金内部储备“试跑”多年。鉴于公募基金愈发庞大的规模，而投资者却难以找到匹配的基金产品，银华基金互联网金融部以智能投顾为战略、定制化服务为导向的精细化运营策略油然而生。

“他们很多人炒股很厉害，但没有谁敢保证长期能赢。事实上，把时间拉长来看，很少有人能跑得过基金组合的。”至今，银华基金资产配置主管何海云犹记得在美国一家资产管理公司工作时，当时拥有博士学位的摩托罗拉工程师们前来寻求服务的情景。

“风险平价，及时止盈止损；控制仓位，伺机而动。”基于中长期的投资视角和大类资产配置策略，银华基金资产配置小组采用量化评估叠加定性分析的方法，力图分散单个基金风险，并得到“类绝对收益”的效果。

切中痛点的定制基金组合

“买什么基金”是普通投资者在日常理财中经常遇到的一个困惑。针对投资者的这个痛点，银华基金资产配置团队正在精心打造一味解决良方 ― 基金组合。

根据投资者不同的风险偏好，银华基金目前给出了三种基金组合，分别是：积极组合、稳健组合，以及保守组合。其中，积极组合初始配置由40%的银华深证100、40%银华中小盘和20%银华四季红构成，该组合适合风险承受能力较高的激进型人群。据回测数据显示，从组合起始日2013年8月7日至今年一季度末，该组合模拟年化收益率是90.16%。

稳健组合初始配置包括了45%的银华信用双利A、40%的银华纯债信用和15%的银华中证转债。该组合适合风险承受能力偏弱的稳健型人群。据回测数据显示，从组合起始日2013年8月15日至今年一季度末，该组合模拟年化收益率是28.16%。

“35%银华四季红 + 35%银华纯债信用 + 30%银华货币A”则构成了保守组合的初始配置。顾名思义，保守组合适合风险承受能力较低的保守型人群。据回测数据显示，从组合起始日2013年8月7日至今年一季度末，该组合模拟年化收益率是21.25%。

由于每个客户需要的产品服务都不一样，这就需要互联网金融部通过大数据，在互联网金融领域探索更丰富的应用，深入发掘客户喜好，为不同的投资者提供适合他们的产品与服务。

未来，互联网金融部将联合IT部，通过对数据的分析，了解客户的投资情况、风险偏好、以及交易习惯。甚至将来，还可以了解到其他消费方面的情况，去做一些真正意义上的大数据分析。

银华的一个设想是，未来能够通过数据，对客户进行分层分级贴标签，这一切都是为将来具体的产品设计和投资交易服务。为了实现这个目标，互金部联合IT部已经对客户进行了基础标签开发，未来标签功能将继续逐步完善。

“其实，我们不光是对用户有标签，我们对基金产品也做了标签。如果发现某一类客户比较多，我们会考虑开发专门针对该类型客户的产品。实际上，用户需求或标签越细的话，就可以让我们清楚它归于哪一类，便能定向推荐组合，或者提供定制化的服务。”何海云表示，这也是未来银华基金组合的发展方向。

重在资产配置

基金组合什么最重要？何海云的回答是：“资产配置。”

何海云说，“做这种投资，不论是不是FOF，其中非常重要的一项就是资产配置。这就好像是炒菜，大盘股、小盘股、地产、大宗商品或者PE都是原料，最核心的就是资产配置。当然，如果缺了一些原料，这个菜就会难做一些，比如有的时候没有一类产品，但正好在那个时候那类产品比较有机会，你要是没有那类产品，那就没有办法了。”

《投资者报》记者也了解到，下一步银华基金的目标是拿出更多的“原料”出来，在此基础上更方便地构建投资组合。

在基金组合投资中，银华基金资产配置小组采用其中一个策略的基础是风险平价策略，并在此基础上进行了模型改进。经典的风险平价策略在资产配置上着眼于资产的风险，在进行资产配置时，各类资产的权重与其自身波动率大小成负相关关系，也即波动率大的资产在组合中所占的权重较小，反之亦然。

据分析人士介绍，这样的做法会使较高风险的权益类资产在组合中所占的权重下降，从而使风险平价组合的预期收益率有可能会低于传统的资产配置方法，但同时也显著降低了风险。

“举个例子，不少投资组合配置是60%股加40%的债，真正做的时候会发现风险权重基本上都来自于股票，有可能是90%对10%。那么，当市场波动高的时候，就需要保证每类资产对投资组合的风险贡献是一样的。这个时候，就需要把造成90%风险的股票仓位降下来。”何海云表示。

间接实现公募FOF

“FOF在美国已经发展了十几年，每年增长很快，有公募、私募，也包括一些对冲基金及PE。我们在2014年成立了资产配置研究小组，并从资产配置的角度来思考这个问题。之后互联网金融很火，基金组合配置在适应互联网金融发展的同时，也间接实现了FOF这种形式。”何海云表示。

《投资者报》记者了解到，银华基金资产配置小组横跨投研、战略、互联网金融、产品等几个不同的部门。在实际运作之中，通过基金组合来实现。在目前11人的团队里，有2/3是研究人员。研究包括对基金的研究，也有对量化择时以及基本面的研究。

对于这样的基金组合产品，通常是一个月会有一次调整，期间也会根据市场情况做不定期地调整。例如像去年“股灾”时，一旦出现卖出信号后，为了保护客户利益，即使是积极型的组合，也不希望把前面赚取的利润全部吐回去，所以会有相应的止盈操作。

“调整之后，我们也会择机再进去，这要根据量化模型加上基本面研究来决定。也就是说，我们大约有一个固定时间的调整，此外，还要根据市场情况不定时地调整。”何海云说。每次调整时，会考虑基金池里有些什么可用的基金，要判断这些基金是否符合相应的标准。

“比如组合里原来有5个基金，但备选基金池里还有10个基金，等到下一轮组合调整的时候，可能原来组合里面有几个做得不好的就要被替换掉了，不是说每个基金进入组合后就待着一直到产品结束。”何海云进一步解释道。