量化投资与分析精选(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与分析主题范文，仅供参考，欢迎阅读并收藏。

第1篇：量化投资与分析范文

量化投资重在风控

近几年，国内基金公司都在积极推出量化投资产品。但市场人士认为，目前国内的常见“量化”基金，实质上大多是“量化选股”基金，从量化的风险控制到量化的交易，整个决策流程依然靠传统的方法。

国内著名投行宏观策略研究员的工作积累，华尔街量化投资的历练，使华商大盘量化拟任基金经理费鹏对量化投资的A股应用有着自己的心得。他认为，量化投资最大的优势在风险控制上。与传统的价值投资“越跌越买”的理念不同，他认为量化投资应该是主动对市场风险进行判断，通过技术分析、量化模型分析等判定风险，在确定风险之后，及时对仓位进行控制，及时止损。

费鹏认为，目前市场上的量化产品将研究的重点放在择股和行业配置上，缺乏有效及时的风险响应体系，而从国外的经验看，量化的一大特点就是对风险的预判。因此，华商基金量化投资团队在吸收国内外先进经验的同时，在模型设计之初，便将核心定为风险控制。

在设计中，华商基金量化投资团队借助了包括从统计信息学角度出发的信息熵值（Entropy）的变化、从分形理论出发的市场模式（P atter n）的变化、从金融物理学角度出发的金融泡沫统计指标的变化、从市场微观结构出发的分析师一致预期分歧的变化和趋势等，构建风险模型，对中短期系统风险进行定量分析，依靠基金经理和研究员对宏观经济发展状况、人口与社会的结构性特征、经济产业周期等因素的分析，对长期风险进行定性分析。

量化投资坚持追求绝对收益

提及量化投资，人们就会想到西蒙斯用公式打败市场的经典案例。但这一投资工具在被引入国内投资市场之后，并没有展现其神奇的威力。根据wi n d数据分类显示，目前市场上有19只量化基金，2 012年可统计的15只量化基金平均收益率仅为2 . 5 5%（同期沪指上涨3 .17%），国内发行的量化基金的表现不尽如人意。

在费鹏看来，国内的量化基金仅仅是“量化选股”，追求相对收益。他认为，量化投资的核心应该是风控，坚持追求的则应该是绝对收益。

相比而言，目前国内公募量化基金多采用多因子模型，而多因子模型的设计原理是把价值投资理论通过数字模型加以表达。在实际测算中，华商基金量化团队每日涨幅居前的股票中，会有所谓投资价值较少的“垃圾股”，很难通过价值投资理论解释。

对此，华商量化投资团队在设计选股模型时，更多的是通过捕捉市场的异常波动，寻找股价波动的非基本面的因素。通过对数据挖掘，建立初选股票池，然后按照行业分类，结合基本面研究，通过行业研究员调研，寻找相互印证支持依据，在分析手段上更多了对隐性信息的补充。

第2篇：量化投资与分析范文

【关键词】量化投资 量化投资策略 资产配置

量化投资是投资者借助计算机信息化建立数学模型，把最新市场数据和相关信息输入到模型中，通过公式计算出投资对象，做出最优投资决策。量化投资不依靠投资者的感觉直觉，不依赖个人判断，而是将其经验利用信息通过模型实现投资理念。同时，投资者期望达到收益和风险的合理配比，利用夏普比率等科学方法控制收益和风险。量化投资者不用每天重复的分析琐碎信息，只需要不断完善这个模型并不断创造新的可以盈利的模型。

二、量化投资策略

（一）量化投资策略分类

量化投资策略，主要包括量化择时策略、统计套利策略、算法交易策略、组合套利策略、高频交易策略等。

（1）量化择时策略是收益率最高的一种交易策略，通过对宏微观指标的量化分析判断未来经济走势并确定买入、卖出或持有，按照高抛低吸原则获得超额收益率。在量化择时策略中，趋势跟踪策略是投资者使用最多的策略。量化择时分析策略包括：趋势跟踪策略、噪音交易策略、理易策略。

（2）统计套利是风险套利的一种，通过对历史数据的统计分析，利用统计学理论，估计相关变量的概率分布，判断规律在未来一段时间内是否继续存在。统计套利策略包括协整策略和配对利差策略、均值回归策略以及多因素回归策略。

（3）算法交易又称为自动交易，主要是研究如何利用各种下单方法，降低冲击成本的交易策略，将一个大额交易通过算法拆分成数个小额交易，以此来减少对市场价格造成冲击，降低交易成本。算法交易策略包括交易量加权平均价格策略、时间加权平均价格策略、盯住盘口测量、执行落差策略、下单路径优选策略。

（4）组合套利策略主要针对期货市场上的跨期、跨市及跨品种套利的交易策略。组合套利策略包括均衡价格策略、套利区间策略、牛市跨期套利、熊市跨期套利等。

（5）高频交易是一种持仓时间短、交易量巨大、交易次数多、单笔收益率低的投资策略，人们从无法利用的极为短暂的市场变化中寻求获利的计算机化交易，依靠快速大量的计算机交易以获取高额稳定的收益。高频交易策略包括流动性回扣交易策略、猎物算法交易策略和自动做市商策略。

如下是量化投资中几种主要的投资交易策略：

（1）趋势跟踪策略。趋势跟踪策略追随大的走势，向上突破重要的压力线可能预示着更大一波的上涨趋势，向下突破重要的支撑线可能预示着更大一波的下跌趋势。趋势跟踪策略试图寻找大趋势的到来，在突破的时候进行相应的建仓或平仓的投资操作来获得超额收益。

趋势型指标进行择时的基本理念是顺势而为，跟踪市场运行趋势。在趋势策略中使用的技术指标是最多的，常用有：移动平均线（MA）、平滑异动移动平均线（MACD）、平均差（DMA）、趋指标（DMI）等。

（2）噪音交易策略。噪声交易是指交易者在缺乏正确信息的情况下进行密集交易的行为。有效市场中噪声只是一个均值为零的随机扰动项，但市场并不总是有效的，市场上有很多异常信息，往往有人能够提前获得这些异常信息，很可能对投资的判断提供重要的价值。噪声交易策略的运用主要是机构投资者通过计算得到市场的噪声交易指数，监测该指数的变化，根据其变化来设计量化交易策略。

（3）协整策略。在统计套利策略中，协整策略是应用最广泛的一种策略。协整套利的主要原理，是找出相关性最好的几组产品，再找出每一组的协整关系，当某一组投资产品的价差偏离到一定程度时建仓，买入被低估的资产、卖出被高估的资产，当价差均衡时获利了结平仓。协整策略包括协整检验、GARCH检验、TARCH检验以及EGARCH检验。

（4）多因素回归策略。多因素回归策略，也是一种被广泛使用的投资策略。这一策略利用影响投资收益的多种选择因素，并根据其与收益的相关性，建立多元回归模型，简化投资组合分析所要求的证券相关系数的输入，这类方法的代表是套利定价模型。

（二）量化投资策略组合

量化投资策略组合综合考虑交易商品、策略类别、策略数量、时间周期因素。量化投资策略组合相比较单一投资策略有以下优势：

（1）策略组合降低了对单一策略的依赖，当单一策略失去竞争力，使用策略组合的方式，可以利用不同产品价格变化、变化幅度、周期等多个方面把握投资机会，在一定程度上保证了稳定的收益率，盈利机会更多；

（2）策略组合可以分散单一策略的交易风险，降低风险，通过策略组合将投资风险分散化，尽可能规避市场风险、策略风险及系统风险等。

三、量化投资资产配置

资产配置是指资产类别选择，即投资组合中各类资产的适当配置及对这些混合资产进行实时管理。量化投资管理打破了传统投资组合的局限，它与量化分析结合，将投资组合作为一个整体，确定组合资产的配置目标和分配比例，深化了资产配置的内涵。

资产配置包括战略资产配置和战术资产配置两大类。战略资产配置是长期资产配置，针对较长时间的市场情况，控制长期投资风险以达到收益最大化。战术性资产配置是依据资产预期收益的短期变化，获取超额收益的机会。因此，战术资产配置是建立在长期战略资产配置过程中的短期分配策略，二者相辅相成。在长期投资活动的战略资产配置下，战术性资产配置利用其积极的灵活的投资机会，适当的配合战略资产配置，获取较高收益。

四、前景展望

在量化投资飞速发展的今天，它己经成为金融市场中不可忽视的一个领域，中国的金融市场在逐步发展及完善，中国的量化投资也会继续发展和前进，随着量化投资方面的加大投入，量化投资的进程加快，中国量化投资的前景无限。

参考文献：

第3篇：量化投资与分析范文

从业绩来看，量化基金的长期业绩表现相当不俗。根据中信证券、Wind统计数据显示，2010年底已经打开申购、赎回的量化基金中，有5只是以沪深300指数作为业绩比较基准的，这5只基金从建仓期结束到2011年5月6日均跑赢沪深300指数，年化超额收益率平均为9.1%。

不过，虽然国内量化基金业绩不俗，这两年来规模也有显著提升，但是与国外市场量化基金在共同基金总资产中占比16%相比，国内量化基金还有非常大的发展空间。而伴随着中国市场有效性的逐步增强，量化基金未来的业绩也有很大想象空间。

此前国内量化基金产品数量多达12只，但是大多以大中盘股票作为投资标的，而申万菱信量化小盘基金则是一只专注于小盘股投资的量化策略基金。将投资目光锁定小盘股，主要是看中小盘股长期优秀的业绩以及高成长性。1996年到2001年的A股长牛市中，小盘股大幅超越市场；2009年之前，小盘股整体走势与大中盘股接近；从2009年中开始，小盘股走势大幅超越大盘股；到了2010年，虽然A股市场整体表现不佳，但许多小盘股涨幅却仍然翻番。

除了业绩表现出色外，小盘股本身也非常适合量化投资。首先，目前分析师研究充分覆盖的股票主要是白马股，大量的小市值上市公司没有被覆盖或只被少量分析师覆盖。如果想从基本面分析的角度去投资一个小盘股，往往找不到反映上市公司最新情况的研究报告，这就为量化投资提供了用武之地。其次，由于目前A股市场中有1500多只股票可以划在小盘股的范畴内，因此用基本面分析的方法去研究这么多股票很难对每一只股票都做深入的分析。而即便是发现了优秀小盘股，受流动性、基金契约和监管部门的限制，也无法投入较多的资金。用量化的方法分析小盘股，通过比较同行业股票的估值、盈利能力、成长性以及近期走势等，则可以以较低的研究成本获取投资收益。

第4篇：量化投资与分析范文

股神巴菲特的价值投资理念已经深入人心，他利用个人经验和智慧判断进行的投资受到投资界的推崇。不过，与巴菲特这种重思想、重洞悉力的定性投资模式所不同的量化投资，在美国也取得了成功。

数学家成“最赚钱基金经理”

在美国投资界，相比声名显赫的巴菲特，西蒙斯虽罕为人知，但他所管理的大奖章基金，从1989年到2006年的平均年收益率高达38.5％，净回报率已超过巴菲特。即使在2007年次贷危机爆发当年，该基金回报仍高达85％，西蒙斯也因此被誉为“最赚钱基金经理”、“最聪明亿万富翁”。

西蒙斯的投资成就，就是来自于定量投资。在进入华尔街之前，西蒙斯是个优秀的数学家，24岁就出任哈佛大学数学系教授。

与巴菲特的价值投资所不同的是，西蒙斯依靠数学模型和电脑管理着自己旗下的基金，即用数学模型捕捉市场机会，由电脑作出交易决策。他称自己为“模型先生”，认为模型比个人主动投资可以更有效地降低风险。在他的公司里，雇员中有超过三分之一的人拥有数学、统计学和自然科学的博士学位，而华尔街高手只有两位。该公司从不到商学院中雇佣职员。

不依靠华尔街的经济学家和分析师，西蒙斯也为投资人创造了惊人的回报。

其实，定量投资与量化基金在海外的发展已有30多年的历史，其市场规模正在不断扩大，投资业绩稳定增长，市场影响力不断提高，已成为海外基金管理公司提高管理能力，扩大产品线长度、广度和深度，分散基金管理风险及服务细分市场的重要工具之一。

投资思想融入数学模型

据嘉实基金公司的王永宏博士介绍，定量投资和传统的定性投资本质上是相同的，两者都是基于市场是非有效或弱有效的理论基础，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和主观判断，而定量投资管理则是“定性思想的理性应用”。定量投资的核心投资思想包括宏观周期、估值、成长、盈利质量、市场情绪变化等等。

俗话说，“条条大路通罗马”。巴菲特与西蒙斯的投资理念与成功，说明投资没有一定之规。

以巴菲特为代表的一类投资家认为，“现实世界是极为复杂的，经验与思考才是财富制胜之道”。因此，其成功的关键，不是顶级的科技，而是对市场的理解、洞悉和不随波逐流的勇气。即以“人”的因素造就财富的增值。

西蒙斯代表的一类投资家则被看作是推论公式、信任模型的数学家。他们利用搜集分析大量的数据，利用电脑来筛选投资机会。并判断买卖时机，将投资思想通过具体指标、参数的设计体现在模型中，并据此对市场进行不带任何主观情绪的跟踪分析，借助于计算机强大的数据处理能力来选择投资，以保证在控制风险的前提下实现收益最大化。

目前量化投资观念也在中国兴起，量化产品正开始萌芽。新发行的嘉实量化阿尔法基金就是量化投资产品，其试图将投资专家的锐利洞悉和数学家的严格客观进行整合，在基本面分析的基础上，提炼出产生长期超额收益的投资思想，借助计算机系统强大的信息处理能力构建定量模型及投资组合，并根据市场变化趋势及时动态调整，加上基金经理严格遵守纪律性投资法则，使该基金在融合定性投资思想精髓的同时。能够规避基金经理个人情绪对组合的影响，有效克服人性弱点，力争取得长期、持续、稳定的超额收益。

此外，嘉实量化阿尔法基金将以全市场、全策略选择投资对象，360度的全市场扫描，避免基金经理个人偏见、精力不足造成选择范围的局限，充分分散风险，以解决基金业绩和规模相互约束的矛盾，并通过精细化的投资运作，掌握细微的结构性投资机会。

量化投资是否适合中国

谈到量化投资方法在中国是否适用，嘉实量化基金拟任投资经理王永宏告诉记者，由于量化投资是一种主动投资策略，主动投资的理论基础就是市场非有效或弱有效，基金经理通过对个股、行业价格变化的驱动要素的分析研究，可以建立投资组合，从而战胜市场，获得超额收益。

他认为，与海外成熟市场相比，A股市场的发展历史较短。投资理念还不够成熟，相应地留给主动投资发掘市场的潜力和空间也更大。定量主动投资以基本面分析为驱动，以全市场、多维度的视角广度扫描投资机会，在中国市场的应用将更显其优势。

嘉实总经理助理陶荣辉指出，利用具有定性思想的定量分析，让量化模型与基金经理相结合，不仅让基金投资变得更加完美，也能把基金经理和投资总监们从琐碎的日常信息分析中解放出来。基金经理可以花更多的心思考虑市场趋势的变化、结构的变化，以及向模型中添加哪些新的信息，投研总监也有时间去考虑市场上的“黑天鹅”事件了。

量化基金业绩有所分化

目前市场上已经有了多只以量化为投资策略的基金，如光大保德信量化核心、上投摩根阿尔法基金等。

相关资料显示，前者是通过光大保德信独特的多因素数量模型对所有股票的预期收益率进行估算，个股预期收益率的高低直接决定投资组合是否持有该股票。同时。投资团队从风险控制的角度出发，重点关注数据以外的信息，通过行业分析和个股分析对多因素数量模型形成有效补充，根据预先设定的风险目标构建投资组合。

后者以量化指标进行个股筛选。然后研究团队将对个股进行基本面审核，结合跟踪误差的紧密监控，以求不论指数高低、市场多空皆创造主动管理回报。

从业绩上看，上投摩根阿尔法的表现更稳健，基本处于同类基金的前三分之一位置，其较强的选股能力或许正是量化投资的成果。

然而。量化投资在中国还不是很普及，能否在中国获得更多投资者的信任，需要不断探索与实践。量化基金任重而道远。

基金动态

国泰双利债券基金正在发行

国泰基金旗下第2只债券型基金――国泰双利债券基金自2月18日至3月18日通过建行、工行、中行、交行、招行等银行及各大证券公司发行，托管行为建行。据悉，该基金是一只注重“利息收入”的稳健型基金，立足债市的同时兼顾股票二级市场投资机会。

富兰克林国海成长动力发行

富兰克林国海成长动力股票型基金现正发行，拟任基金经理为公司研究总监潘江。该基金股票投资比例为60％～95％，将重点投资于具有内生性增长和外延式扩张的积极成长型企业。投资者可通过中行、工行、建行、招行、中信等银行及国海证券等代销渠道认购，也可通过公司直销柜台或网站认购。

广发强债基金首次分红

广发基金公告称，广发强债基金将进行分红，每10份基金份额分红0．3元。权益登记日、除息日为2月20日，红利发放日为2月24日。

华宝兴业三基金评为双五星

根据银河证券最新公布的基金评级结果，华宝兴业旗下有3只基金一年期、两年期评级均为五星，成为拥有“双五星”基金数量最多的基金公司之一。华宝兴业多策略增长基金、动力组合基金和宝康消费品基金的一年期和两年期评级均为最高级五星级，其中多策略增长基金的一年期、两年期和三年期评级均为五星级。

易方达基金业绩很抢眼

今年以来，截至2月13日，284只开放式偏股基金除个别基金外全线飘红，实现了正收益，其中不少基金跑赢同期上证综指涨幅。混合偏股型基金易方达价值成长，以29.98％的收益率位居混合偏股型基金前茅。

第5篇：量化投资与分析范文

中国金融业飞速发展，尤其是2010年股指期货的推出，量化投资和对冲基金逐步进入国内投资者的视野。目前，量化投资、对冲基金已经成为中国资本市场最热门的话题之一，各投资机构纷纷开始着手打造各自量化投资精英团队。同时，中国拥有数量庞大的私募基金，部分私募基金利用国内市场定价较弱的特性转化成对冲基金也是必然的趋势。

量化投资是将投资理念及策略通过具体指标、参数的设计，融入到具体的模型中，用模型对市场进行不带任何情绪的跟踪；简单而言，就是用数量化的方法对股票估值，选取适合的股票进行投资。

量化投资的鼻祖是美国数学家西蒙斯（James Simons）教授，从1989年到2006年间，他管理的大奖章基金平均年收益率高达38.5%，净回报率超越巴菲特。

对冲基金（hedge fund）是指运用金融衍生工具，以高风险投机为手段并以盈利为目的的金融基金，采用各种交易手段（卖空、杠杆操作、程序交易、互换交易、套利交易、衍生品种等）进行对冲、换位、套头、套期来赚取巨额利润。

犹抱琵琶半遮面

上海交通大学金融工程研究中心陈工孟教授表示，2010年股指期货推出后，量化投资和对冲基金渐成热门话题，并正在逐步萌芽和发展，但因为是新事物，社会各界还不是很了解。

目前国内约有12只公募量化基金，而深圳和上海也已有不少对冲基金；量化投资和对冲基金离中国投资者如此之近，但又是如此神秘。

长期以来，国内投资者一直存在着一些疑问，例如，量化投资和对冲基金是不是金融业发展的必然？量化投资和对冲基金对金融安全问题会产生什么影响？上海建设国际金融中心，量化投资和对冲基金应该扮演怎样的角色？量化投资和对冲基金为何能取得超额收益？量化投资和对冲基金如何进行规范和监管？对冲基金如何募集、运作和壮大？如何开发策略、如何进行交易如何控制风险？

对于上述问题，国内缺乏进行深度探讨和专业研究的有效途径。近日，国内领先的量化投资和对冲基金专业研究机构，上海交通大学金融工程研究中心主办了2011第一届中国量化投资高峰论坛。众多国际投资家、知名学者、优秀对冲基金经理、量化投资领军人物、交易所研究代表等，与300多位来自于证券、基金、私募、信托、银行、保险界的专业人士、信息技术服务商和民间资本代表，共同分享最新的量化投资和对冲基金的宏观视点及微观技术，以解决金融业发展迫切需要解决的问题。主办机构表示：“我们相信此次高峰论坛的召开，将开创中国量化投资和对冲基金的新纪元。”

无限风光在险峰

上海交通大学安泰经济管理学院院长周林教授在论坛致辞时表示：“通过引进各种各样的产品、各种各样的金融工具，特别是量化投资的方法，逐渐把过去的投资艺术转化到投资科学，这是我们共同关心的问题。”

周林认为，在中国开展量化投资、设立对冲基金将来有可能的空间，当然，可能也会有问题和风险。即使像美国、英国这样的成熟市场也会产生风波，比如金融危机，不能归咎于量化投资、对冲基金，但一些投资手段、金融工具运用不好，也可能对市场带来一些风险。“对于一系列未来可能产生的问题，我们一定要做非常好的分析。”

中国金融期货交易所副总经理胡政博士谈到，由于量化投资导致程序化交易和国外流行的算法交易等，这些新的交易方式是市场发展的基本趋势。通过研究后他认为，有四方面问题值得关注。

第一是对市场公平性的冲击。有人用“大刀长矛“，有人用“导弹、机关枪”，有专家理财，有一般的投机炒家，各种各样的风格构成了市场，投资手段的不平衡，有可能会带来市场交易的不公平。

第二，对市场本身运行的冲击。量化投资的产品，有可能会对市场价格造成冲击。当采用类似的风险止损点或者类似理念时，市场发生某个方向的变动，有可能加剧这种变化。

第三，对市场价格信息的冲击。很多量化投资工具需要收集信息，需要有很多试探性的报价去测市场的深度。大量的试探性报价，不以成交为目的的报价信息，会对市场产生冲击和影响。

第四，对交易系统的冲击。量化投资快速发展的核心因素是计算机技术的发展，现有交易系统都基于计算机系统，各种各样的工具会对交易系统造成冲击。

第一财经传媒有限公司副总经理杨宇东建议，希望媒体把目前机构、专家学者、管理层正在研究的成果报道出来，让更多的人了解；他还呼吁更快地完善有关对冲基金方面的监管政策和法规，并给予量化投资更多的扶持和技术支持。

上海银监局副局长张光平探讨了人民币国际化的话题。湘财证券副总裁兼首席风险官李康的观点鲜明生动，而中国社科院研究员易宪容在演讲时则激情四溢。

韶华休笑本无根

量化投资把资本市场的投资行为从以往定性化的“艺术”升华为数量化的“科学”，运用到高深的数量工具。国外从事量化投资的研究人员和基金经理大多是学金融、计算机和统计学出身，很多物理、数学专业等理工科背景的优秀人才也加入这一行列。野村证券亚太区执行总监周鸿松就是哈佛大学空间物理博士，曾获2011亚洲银行家峰会最佳算法交易系统团队奖。

在美国留学获计算机硕士的刘震现任易方达基金管理公司指数与量化投资部总经理，1995年进入华尔街工作，在与国内父母通电话时，他感到很难解释清楚自己的职业性质，便说跟“投资倒把”差不多，这可把他父母给弄晕了。

国泰君安证券资产管理公司总经理章飙是统计学博士，早在2006年就开始用量化投资工具做ETF套利，最初很难被上司和同事理解，直到做出几个成功案例后，才有了较大的发言权。他曾向公司申请投5000万元做“攀钢钢矾”，还放出“狠话”：如果公司不让做他就辞职，两年后这笔投资为公司赚了3.5亿元。

第6篇：量化投资与分析范文

随着资产管理学科的不断更新和发展，数量化资产管理的策略如今被广泛的运用，越来越多的基金管理人采用了这一成本较低、客观性较强的策略进行资产选择和配置。同时，都在很大程度上推进了数量化选股的进程。国际上一些著名的资产管理机构，如巴克莱（Barclays Global Investors），，都有各自的数量化模型并且也发行了许多相关的金融投资商品。

二、数量化选股

目前世界上有很多基金经理人开始采用数量化选股模型进行投资决策。数量化选股，是指利用市场指标、经营指标、财务指标等可以数量化的因素，在众多上市公司中选出符合条件的公司股票进行投资。数量化选股的模型主要有线性回归模型、主成分分析模型等。国内外很多学者都运用了这些模型进行实证分析。如Fama-French(1993) 的三因子模型认为，资产组合的超额回报率由上市公司的市值因子(SMB)、账面市值比因子(HML)以及市场资产组合(Rm ? Rf)决定。数量化选股的优势在于，利用客观数据进行分析做出判断，避免了因基金经理人的主观判断错误而可能造成的偏误，一旦模型构建完毕，需要维护和修改所需要的人力物力远小于传统的基本面分析，对于基金公司而言，可有效节省成本，增加公司利润。

三、选股策略：以Alpha model为例

1.介绍

Alpha选股模型是一种将信息转变成Alpha分数的方法，据此经理人能够判断投资于哪些资产以及该如何配置投资组合。本文所说的Alpha选股策略是采用 Qian (2004)的方法，利用两阶段的方法结合多个因子产生Alpha分数，建构多因子模型不仅包含讯息相关系数(Information Coefficient, IC)的时间序列，也包括同时期因子讯号之间的相关性，透过模型求解极大化IR的目标。

2.要素筛选及数据处理

对于基金管理而言，信息运用的成功与否往往是决定成败的重要因素。在alpha 模型中，所选的要素可以被看做信息，它们可以帮助基金管理人分析股票报酬的预期走势，从而利用这些信息构建多因子选股模型。然后，如何选择正确的信息并非易事，因此，信息的分析和评估对于模型的简历有着至关重要的作用。

模型将整个数据的区间分为样本区间和回测区间，通过数据库获取整个区间内各个上市公司的财务、发展等各项指标，并进行数据预处理。为了消除各要素不同量纲的差异，将所有数据先进行标准化处理。此外，在数据分析时，个别极端值对于结果可能会产生较大影响，而极端值的产生往往没有规律可循，据此得出的结论不具有普遍的适用性。Shyu and Jeng (2006)使用了winsorization进行处理，针对每一项要素，计算得出各自的平均值和标准差。将平均值加减5.2倍的标准差作为各项要素的上下极限，如果数据大于上极限或小与下极限，则认为这是一个极端值，而分别使用上极限或下极限的值代替极端值。类似的方法还可以将数据按数值大小排列，取上下5%分点，分别代替大于上5%以及小于下5%分点的值。此类方法的目的都在于消除极端值的影响，使得模型的解释力更强，偏误更小。

由于要素的数据频率不同，将要素分成若干个周要素与月要素。除此之外，要素筛选后于比较长期的样本内期间，针对这些要素做t检验，若要素结果呈现显著，称为核心要素。剩下未被筛选的要素并不表示无效，在回测的样本外期间有效的要素，为卫星要素。再通过两阶段方法，将要素合成因子，因子再合成Alpha Score。最后，将周、月要素合并，并且做平滑化动作，以降低每期权重重新调整的周转率。

3.选股及资产组合构建

首先确立股池，剔除流通量过低、企业信用等级较低的股票，还可结合产业等因素，根据需要构建的资产组合确定。根据最后的Alpha Score进行选股的动作。模型认为得分较高的个股具有较高的投资价值，根据股池大小选择相应数目的个股进入资产组合中。各股权重的配置有多种方案，比较简单的方法是将入选组合的股票平均分配权重，这样的方法可有效分散风险，但是不利于获得更高的超额回报。另一种方法是根据得分分配权重，得分越高的股票权重越高，在模型建立准确，预测能力较好的情况下，往往可以获得更高的超额报酬。

四、实证分析与结论

很多学者已对量化选股这一策略进行过实证分析。袁捷（2008）以沪深A股为研究对象，形成了市场大势判断指标、板块热点评判指标、技术分析评判指标、基本分析评判指标和主力机构支撑评判指标等五个指标体系的评判分析工具，得出了一套可以量化的投资评判标准。通过实证分析该交易规则在2008年7月至11月期间规避了熊市的系统性风险，建立的投资组合绩效优于上证指数，对于投资者有一定的参考价值。随着越来越多模型的出现和不断完善以及计算机算法技术的日益精进，这一理论体系也将会得到更多的补充和发展。

参考文献:

[1]Fama, Eugene F. and French.Kenneth R. Common Risk Factors in The Returns to Stocks and Bonds, [J].1993(02).

[2] Qian, E. E. and Hua.R.Active risk and information ratio,[ J]. 2004.

第7篇：量化投资与分析范文

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：量化投资与分析范文

新浪财经拥有千万级别的用户数据，包括用户基本信息，用户分类与投资偏好，以及基于用户分类的资产和投资品种分析。其中投资产品种囊括A股，港股，美股，基金，外汇，贵金属，期货，期权等。新浪财经提供全球各地主要交易所的股票报价，其中包括美国、上海、深圳、香港的股票交易所报价，以及与上市公司相关的突发新闻和市场趋势分析，并形成财经优势数据和工具，包括行情、组合管理和工具，企业，行业，市场，宏观经济数据，并结合互联网用户行为大数据等，形成独具特色的数据平台。

而作为国内资产管理规模持续领先的南方基金，公司资质牌照齐全，产品线完整，定位于全能型财富管理集团，近三年来屡屡在晨星中国公募基金综合实力排名中名列前茅。南方基金除了拥有业界领先的固定收益团队和骄人业绩外，其在主动管理基金方面亦成绩斐然，南方旗下主动管理股票型基金―南方优选价值基金新近获评《证券时报》“五年持续回报股票型明星基金奖”；旗下主动管理量化基金产品―南方策略优化今年上半战胜80%以上的主动管理股票基金；另据银行渠道数据统计，南方基金旗下某只专户对冲基金产品今年以来已取得7.14%的收益；在被动投资方面，南方基金管理的A股指数/ ETF产品共10只，是业内第一家兼具沪深两模式跨市场ETF的基金公司，其管理的500ETF为目前规模最大的跟中证500的ETF。

财经大数据管窥市场情绪

世界首家基于社交媒体Twitter的对冲基金Derwent Capital Markets创始人保罗.赫汀（Paul Hawtin）曾说：“长期以来，投资者已经广泛地认可金融市场由恐惧和贪婪驱使，但我们从未有一种技术或数据来量化人们的情感。”一直被金融市场非理性举动所困惑的投资者，现在终于有了一扇可以了解心灵世界的门户――“南方新浪财经大数据策略指数”。

该项目新浪方面负责人介绍到，新浪财经作为国内领先的财经数据平台，其股票频道、财经新闻、股吧论坛、尤其是新浪微博相关财经账号，对上市公司有着更及时全面的资讯覆盖、其财经数据的互动信息来自专业的投资者，较普通的互联网媒体有着更具有价值的信息。其体现的市场情绪变化涵盖了宏观经济、行业动向、个股关注、财经新闻报道曝光度、股票论坛用户参与度，全方位地展现了投资者与股票间的互动情况，隐含了海量的投资辅助信息。

南方基金数量化投资部总监刘治平介绍道，从目前国内量化投资现状来看，传统的基于财务数据、估值成长因子、技术指标因子的多因子模型研究框架已经非常成熟，越来越难以获得超额收益，因此近几年新闻事件、公司事件对于股价的影响成为量化投资者研究热点，但传统的量化投资者由于数据获取局限，研究更多的止于事件本身对于股价的影响，数据量极其有限，对于新闻事件所带来的互动信息数据研究更是严重缺位。

种种迹象表明，新浪和南方的合作很好地填补了这一空白。南方基金数量化投资部资深研究员雷俊表示，前期南方数量化投资部通过对财经大数据的分析，发现追踪市场热点变化，结合南方量化研究成果，挑选出更具有投资价值股票作为投资组合，日前已经完成了综合宽基指数、主题行业指数的历史模拟业绩测算。内部测算结果显示，该指数具有较好的市场代表性、收益性和流动性。

互联网速度打造金融版图新坐标

互联网金融创新浪潮来袭，当部分人还在热烈探讨互联网对金融（基金）业的影响，当部分人还在苦心孤诣谋求如何在网上卖出更多的“宝宝产品”，已经有弄潮儿将眼光投向了互联网平台之下的宝藏――大数据应用。

南方基金新闻发言人、董秘常克川表示，公司自去年便组织相关部门研讨，如何更深度地将互联网行业信息优势与传统金融机构的研发优势相结合这一新的课题。“南方新浪财经大数据策略指数”的推出将填补国内在互联网大数据投资应用领域的空白，公司未来或将开发跟踪该类指数的系列基金产品，为基金投资者提供多元化、专业化的投资工具，不遗余力地为客户捕捉市场机会，创造价值。

据了解，早在2013年底，南方基金即与新浪财经讨论双方在上述领域合作的可能性并达成合作意向，拟充分挖掘双方在各自领域的专业优势，在股票量化研究及合作开发指数方面展开方向性合作。

通过对不同方案的可行性分析和筛选，南方基金与新浪财经双方敲定拟先期充分利用新浪在财经领域的大数据，结合南方基金数量化投资领域专业分析，深度研究挖掘网民关注度、新闻点击率等数据与证券市场潜在的趋势性联动信息，为指数编制提供决策参考依据，从而确定了“财经大数据策略指数”的合作方向。

第9篇：量化投资与分析范文

从蒙代尔—弗莱明—多恩布什（M—F—D)模型及新开放经济宏观经济学模型（NOEM）出发，通过构建SVAR模型，基于汇率传导机制分析日本量化宽松货币政策效果。研究结果表明：日本超量化宽松货币政策短期效果良好，汇率对物价的传导作用较显著，对产出的传导受阻，主要因为日元贬值未明显改善贸易收支；随着日本基础货币投放加码，广义货币供应量增长速度放缓，货币流动性有可能滞存金融体系并滋生资产泡沫，政策效果随之打折；鉴于日本量化宽松货币政策有愈演愈烈之势，易与美国退出量化宽松产生共振效应，故中国不仅应吸取其宽松金融政策的实践经验，同时需要审慎对待并及早应对其负面冲击。

关键词：

日本；量化宽松；汇率传导机制；SVAR；政策效果

一、引言

在以利率为主要调控工具的“价格型”货币政策与财政政策调控空间均缩窄的情况下，日本学术界对量化宽松货币政策效果寄予厚望[1]。2008年全球金融危机以来，日本施行量化宽松货币政策的步伐趋于加快，政策目标从最初的稳定金融市场开始转变为解决通货紧缩和提振经济。“日本版”量化宽松货币政策最显著的成效便是有力引导了日元下行。日元汇率贬值有助于打破日本市场现有的利益格局，指引资金流向，一方面借由汇率下行促进出口，增加投资及消费，进而拉动产出增长。另一方面抬高进口原材料及商品价格，可以通过汇率传递效应影响物价。如果说，“日本版”量化宽松货币政策的显性目标不外乎稳定金融体系、摆脱通货紧缩及提振经济，那么其隐形目标则是革新日元汇价机制[2]。2014年10月底美国宣布退出量化宽松，然而仅隔一天，日本央行突袭式扩大量化宽松规模。“日本版”量化宽松货币政策持续发酵，开始与美国背道而驰，美日元汇率在未来难免震荡。尽管国内量化宽松货币政策研究成果较丰富，但大多以研究美国为主，研究日本的相对较少，且实证分析集中于小泉时期的首次量化宽松政策阶段，对于金融危机以来规模持续扩大的超量化宽松货币政策的效果缺少实证探析，量化宽松货币政策的汇率传导机制研究也相对空白。因此，文章拟通过构建SVAR模型，基于汇率传导机制，分析金融危机以来日本超量化宽松货币政策的效果，以期探析对中国的政策启示。

二、金融危机以来日本超量化宽松货币政策轨迹

为探析日本自金融危机以来施行的量化宽松货币政策效果，首先需明晰在此期间日本量化宽松货币政策的演变轨迹。2008年雷曼公司宣布破产，以此肇始的世界金融海啸席卷全球。日本为保持金融危机期间市场所需的流动性充裕，紧急启动了量化宽松货币政策，之后东日本大地震及核电灾害使日本经济雪上加霜，日本量化宽松货币政策的目标逐渐由最初的稳定金融体系开始向解决通缩和改善经济环境转变。2012年底安倍上台之后，日本量化宽松货币政策的施行力度空前加大，成为世界经济焦点。金融危机以来日本逐步走上施行超量化宽松货币政策的轨道，主要分为两个阶段：一是2008年至2012年施行的广泛性宽松货币政策；二是2012年至今施行的异次元量化宽松货币政策。

（一）2008年至2012年：广泛性宽松货币政策2007年美国爆发次贷危机，2008年愈演愈烈为全球性的金融危机，作为金融大国的日本难免冲击。为缓解金融市场的流动性紧张，时任日本央行行长的白川方明紧急启动量化宽松货币政策，主要措施有：分两次将无担保抵押贷款隔夜利率从0.5%下调至0.1%；向银行间市场及私人机构注入流动性，加大购买政府债券的力度，截至2009年3月，日本银行对长期国债的月购买量从1.2万亿日元提高到1.8万亿日元[3]，扩大银行合格抵押品范围、签订货币互换协议以缓解银行间市场流动性压力，越过商业银行等金融机构，通过购买商业票据和公司债券等信用产品直接向私人机构提供资金支持；为压低风险溢价，稳定金融体系，日本央行实施股票购买计划，建立资产购买项目购买股权金融产品，包括风险资产[4]。尽管金融海啸对日本的冲击渐退，但是祸不单行，2011年之后，东日本大地震及福岛核电灾害接连发生，天灾人祸使日本再次跌入经济停滞的深渊。日本开始施行全面宽松的货币政策，主要措施有：降低基准利率，下调基本贷款利率和无担保抵押贷款隔夜利率，宣称将无担保隔夜拆借利率的目标定为“0%~0.1%”；积极施行资产购买计划，资产购买项目愈加广泛，货币宽松规模逐步扩大；此外，2012年2月日本央行引入“中长期物价稳定目标”，并明确当前目标为CPI同比增长1%，但是对“中长期”的时间范围解释较为暧昧。尽管以上举措在一定程度上营造了宽松的金融环境，恢复了金融产品的市场功能，防止金融市场失灵进一步拖累实体经济，但是对于解决日本通货紧缩和经济萎靡的难题效果不佳。整体而言，2008年至2012年，日本量化宽松货币政策的施行具有广泛性和递增性等特点。递增性的特点较易理解，即指随着金融海啸、东日本大地震及核电灾害的发生，整体政策宽松规模逐步放大。广泛性主要指政策施行工具多样，政策框架下资产购买项目较为广泛，由于广泛性为这一阶段货币政策鲜明特点，因此，在此期间日本采取的货币政策可以称为广泛性宽松货币政策。

（二）2012年至今：异次元宽松货币政策2012年底，安倍晋三第二次当选日本首相，上台伊始便射出三支政策利箭，即大胆的金融宽松政策、积极而灵活的财政政策及刺激民间投资的经济发展战略，以期消弭通货紧缩，刺激经济复苏。2013年4月，黑田东彦接替白川方明成为新一任日本央行行长，他积极支持安倍的经济思想和政策主张，在首次货币政策会议上即推出更为激进的无限量、无限期的“质化与量化”宽松货币政策，提出4个“2”的政策预期目标，即基础货币投放量扩大为两倍，将更长期国债纳入收购对象，并且在两年之内促使通货膨胀达到2%[5]日本央行计划将基础货币投放量由2012年的138万亿日元增至2014年底的270万亿日元，购买长达40年期限的国债，采取更为多样的政策工具，如增购交易型开放式指数基金（ETF）以及房地产投资信托基金（REIT）等[6]。尽管相对于白川方明在任期间，政策形式并无特别创新，但是黑田版量化宽松货币政策的推出伴随“无限量、无限期”等字眼，可见其规模之大、决心之坚、施行力度之强前所未有，因此也被称为“异次元”宽松货币政策，有史无前例、突破历史维度的激进之意[7]。2014年10月底美联储宣布退出量化宽松，仅相隔一天，在毫无预警的情况下，日本央行突袭式增加量化宽松政策施行砝码，不仅将每年的基础货币投放规模由目前的60万亿至70万亿日元扩大到80万亿，而且进一步延长国债增持期限至10年，国债购买量从每年50万亿日元的规模扩大至80万亿日元，同时股市联动型基金、交易型开放式指数基金（ETF）及房地产投资信托基金（REIT）的年购入量也被放宽。日本量化宽松货币政策的施行大有愈演愈烈之势。

三、量化宽松货币政策汇率传导机制理论

尽管量化宽松货币政策属于非常规货币政策，但是汇率传导机制仍是其政策传导机制的重要一环，特别是对于日本而言，量化宽松货币政策的加码对日元贬值的作用十分明显。基于汇率传导机制研究日本量化宽松货币政策效果，可以从蒙代尔-弗莱明-多恩布什模型以及新开放经济宏观经济学模型的理论基础展开，以期从理论层次明确实证分析的框架。

（一）蒙代尔-弗莱明-多恩布什（M-F-D）模型蒙代尔-弗莱明模型（M-F模型）是在封闭经济环境下的IS-LM模型基础上发展而来的，是传统宏观经济分析的基础模型，也是进行货币政策传导机制分析的经典模型。1976年，多恩布什（Dornbusch）在蒙代尔-弗莱明模型的基础上，引入理性预期，并考虑到价格渐进调整，最终形成了蒙代尔-弗莱明-多恩布什（M-F-D）模型，突破性地提出汇率超调理论[8]。1985年，奥布茨弗尔德（Obstfeld）和斯道克曼（Stockman）将理性预期及随机因素冲击纳入模型，进一步完善了M-F-D模型[9]。采用M-F模型分析，在固定汇率制度下，一国施行扩张性的货币政策，无论资本是否完全流动，其政策均无效；但在浮动汇率制度下，扩张性货币政策可通过汇率变动影响净出口以促进经济增长。在资本不完全流动的情况下，一国实施扩张性货币政策，货币供应量的增加带动利率下降，基于利差资本外流，进而本币贬值，净出口增加，本国产出增加；在资本完全流动情况下，假设本国利率将与世界利率保持一致，则货币供应量的增加会导致本币贬值，净出口增加，进而刺激产出增长。由于M-F模型的基本假设为价格水平不变，进口商品价格以外国货币表示，因此汇率水平的变动可以同比例传递到进口商品的价格上，进而影响国内整体物价水平。多恩布什的汇率超调模型对M-F模型进行扩展，继承了M-F模型中价格粘性的分析，假定一价定律成立，由于货币市场可以瞬间完成调整，商品市场调整具有滞后性，货币市场调整速度快于商品市场，因此扩张性货币政策促使短期利率下降，资本外流，汇率迅速贬值至国内外资本收益相等的均衡点，但由于长期汇率预期升值，最终汇率会在一定程度上回升达至新的均衡，故最初的汇率均衡点贬值程度将大于最终汇率均衡点，出现汇率超调。在汇率超调模型中，尽管短期内价格具有粘性，但增加的货币供给催生价格上涨预期，最后随着价格刚性的消失，价格也将随着货币供给量的增加而上涨。

（二）新开放经济宏观经济学模型（NOEM）M-F-D模型可以有效考察在开放经济下宏观经济变量之间的关系，但这种解释缺乏微观基础。1995年，奥布茨弗尔德（Obstfeld）及罗高夫（Rogoff）将垄断竞争及名义价格粘性纳入动态一般均衡模型，并考虑了理性预期因素，新开放经济宏观经济学模型理论框架基本形成[10]。新开放经济宏观经济学理论对货币政策传导机制的研究有着较强的现实解释力，科尔赛蒂（Corsetti）和佩森蒂（Pesenti）在此框架下，系统梳理了财政货币政策的传导机理及对福利水平影响。NOEM模型并没有简单沿用价格粘性的假设，而是根据实际经济环境下价格粘性的不同状态，引入不同定价规则的假设，故M-F模型中汇率波动可以最终同比例传递到进口商品价格上的情况有所改变。在NOEM的标准模型基础上引入市场定价原则和国际市场分割，则汇率波动对进口商品价格的传递取决于以何种规则定价，以生产者所在国的货币定价称为生产者货币定价（简称PCP），以消费者所在国的货币定价则称为当地货币定价（简称LCP）。按照PCP原则，以本币表示的国内产品价格具有粘性，扩张性货币政策促使本币贬值，则本国进口商品的本币价格上涨，而出口商品的外币价格降低，在一定程度上有利于出口并抑制进口，提高本国的经济福利水平。在此定价规则下，进出口商品价格随着汇率下行将同比例变化，进而影响最终消费者价格指数，汇率传递效应是完全的。按照LCP原则，由于进口商品的本币价格具有粘性，本国扩张性货币政策引起的汇率贬值不会改变贸易条件，但是降低了外国出口企业的实际收益，在提高本国福利水平的同时损害了他国的经济福利。在此定价规则下汇率波动不影响进出口商品的价格[12]。无论是在M-F-D模型还是NOEM模型的分析框架下，均可看出一国施行量化宽松货币政策可以通过汇率传导机制影响产出与物价水平。故结合理论基础及研究需要，文章基于汇率传导机制研究日本超量化宽松货币政策效果，为探析汇率传导的各环节效果，构建3个层次的SVAR模型，分别研究日本超量化宽松货币政策对日元汇率的影响，日元汇率对物价以及产出水平的传导效应。文章的实证分析框架。

四、SVAR模型构建与实证分析

（一）模型变量设定与数据来源1．变量的设定（1）量化宽松货币政策与汇率的变量。日本量化宽松货币政策主要通过增加基础货币供给带动广义货币供应量扩张，进而引导利率下行。自1998年起，日本使用“M2+CD”作为广义货币供给量指标[13]。因此，为更切实度量日本量化宽松货币政策对日元汇率的影响，选取日本基础货币、广义货币供应（M2+CD）、日本银行间无担保隔夜拆借利率为量化宽松货币政策的变量。日元汇率的变量为东京市场日元兑美元月平均值，采用直接标价法。（2）日元汇率对物价传导模型中的变量。日元贬值可以通过抬高进口原材料、中间品及商品价格影响国内消费者价格指数。因此，选取日本进口价格指数，去除生鲜食品的核心消费者价格指数作为日本物价水平的变量。（3）日元汇率对产出传导模型中的变量。汇率贬值对产出的传导主要是通过促进出口，改善贸易收支，拉动投资，进而提高产出[14]。故选用日本净出口额作为日本对外贸易变量，选取常用的日本民间投资指标“除船舶和电力以外的民间需求”订单额作为投资的变量。由于日本GDP只有季度统计数据，故参照以往研究，以日本全产业活动指数（农林水产业生产指数除外）作为产出的变量。2．数据来源与处理为涵盖金融危机以来日本超量化宽松货币政策的施行阶段，并满足构建模型所需数据容量，文章选取样本区间为2008年1月至2014年11月的月度数据，具体变量设定见表1。

（二）模型设定及稳定性检验1．模型设定检验首先，为确保时间序列平稳，采用ADF方法对各变量进行单位根检验。结果如表2所示。其中，（c，t，m）为检验回归方程形式，c为回归方程的截距项，即检验的时间序列均值；t为回归方程的线性趋势项，即检验序列是否具有明显的时间趋势；m为滞后阶数，由Eviews7.0软件系统根据SIC准则自动确定。结果显示，i和y的原始时间序列平稳，对jbm及jgm进行对数一阶差分处理，对jr、je、ipi、cpi及nx进行一阶差分处理后的序列均平稳。2．模型稳定性检验为确保建立SVAR模型构建有效，需判断模型是否稳定，采用AR根的图表予以检验。在此之前，必须确定VAR模型滞后期，根据LR、FPE及AIC准则确定研究日本超量化宽松货币政策对汇率影响的模型滞后期为3，研究日元汇率对物价传导的模型滞后期为2，研究日元汇率对产出传导的模型滞后期为3。AR根的图表检验结果见图2，所有根模的倒数小于3，即位于单位圆内，故模型均是稳定的，可以进行下一步分析。

（三）模型识别在构建SVAR模型时，最为重要的是设定结构参数可识别的条件约束。由于文章使用AR型SVAR模型，因此需要对同期关系矩阵施加约束条件，约束条件分为短期和长期，由于短期约束条件可以根据相关经济理论进行施加，故文章采取施加短期约束条件的方法。根据文章实证分析脉络。式（1）中，第1行假设日元汇率只受其他变量滞后期的影响，不受当期影响；第2行假设利率对当期广义货币供应量及基础货币波动的变化没有反应；第3行假设基础货币供应量波动的变化对当期广义货币供应量没有影响；第4行假设基础货币调控受其他变量的当期及滞后期波动变化的影响。式（2）中，第1行假设核心消费者价格指数不受其他变量当期值影响；第2行假设进口物价指数不受汇率当期波动的影响；第3行假设汇率波动受其他变量当期及滞后期影响。式（3）中，第1行假设产出只受其他变量滞后期的影响；第2行假设投资不受日元汇率、净出口的当期影响；第3行假设净出口与当期日元汇率波动无关；第4行假设日元汇率与其他变量当期及滞后期值均有关。

（四）实证结果1．脉冲响应函数结果分析脉冲响应函数可以形象描述模型受到某种冲击时对系统产生的动态影响，即施加一个标准冲击后对其他变量当期与未来的影响。由于脉冲响应与变量顺序有关，因此需检验模型稳健性，更改变量顺序后得到的脉冲响应结果很相似，所以SVAR模型是稳健的，故根据约束条件先估计出结构因子分解矩阵，然后利用其估计正交转换矩阵，得到各内生变量的脉冲响应函数，结果见图3及图4。（1）量化宽松货币政策对汇率的冲击影响。图3中，在日本基础货币的一个标准冲击下，广义货币供应量处理值首先呈微弱的负向响应，但随即转为正向并逐渐增强，在第4期达到峰值，随后下跌并在正负向响应间震荡，最终趋近于0；相对而言，日元汇率处理值具有较强的正向响应，在第4期达到峰值后趋弱，第8期后持续负向响应并趋近于0；给广义货币供应量施加一个标准冲击，日元汇率处理值则更多的是负向响应，第6期负向响应幅度最大，之后在第10期左右转为正向响应，但响应程度微弱；在利率的一个标准冲击下，日元汇率处理值先正向响应增强，随后减弱至负向响应，在第5期降至最低，之后转为微弱的正向响应，最终趋于0。（2）日元汇率对物价水平的冲击影响。图4中，在日元汇率一个标准冲击下，进口价格处理值的响应曲线最初呈现正向响应，在第2期即达到最高点，之后迅速下滑，第3期转为负值，之后响应趋势平稳趋于0；日元汇率变动冲击对消费者物价处理值的影响基本类似，同样起初为正向，至第2期达到峰值，之后下行转为负向并小幅震荡；进口价格变动的冲击对消费者物价处理值的影响始终为正向，在第2期达到峰值，之后逐渐减小。（3）日元汇率对产出水平的冲击影响。图4中，在日元汇率一个标准冲击作用下，净出口处理值在前期反应明显，第4期达到最大值，之后转为负向响应并逐渐减弱，最终趋近于0；而日本投资及产出对日元汇率变动冲击的响应曲线类似，均保持正向响应，短期响应程度增强，长期减弱；在净出口的冲击作用下，投资虽然在第2期出现正向响应，但是整体来看负向响应居多；日本产出对于投资变动冲击的响应最初并不明显，但第4期具有较大的正向响应，之后响应幅度逐渐减弱。2．方差分解结果分析方差分解可以定量评价不同结构冲击的重要性，即描述每个结构冲击对内生变量变化的影响程度。为进一步明晰结构冲击的影响贡献，对系统变量进行方差分解。由于选择滞后期数为18，篇幅有限，只简述其主要结果，省略方差分解所得具体数据的陈列但备索。由方差分解结果可得，对于日元汇率来说，利率对其影响程度最大，并随时间推移影响程度渐进提高，最终在4.88%左右；基础货币对其影响次之，最终在3.50%左右；广义货币供应量对其的影响最弱，最终在2.31%左右。对于日本消费者物价水平来说，进口价格对其的影响大于日元汇率对其的影响，进口价格对其的影响度在第2期即为6.19%，之后在第6期攀升至峰值9.88%，并最终稳定在9.87%左右；而日元汇率对其的影响度最高只达到2.97%。观察日元汇率对进口价格的影响度可知，其在第2期对进口价格的影响度升至最高为8.69%，之后4期均小幅回落，最终缓慢攀升，维持在8.62%左右。对于日本产出来说，日元汇率对其影响最强，最大为21.54%；投资次之，最大为18.40%；净出口对其影响最弱，最终仅维持在1.40%左右，但是投资、净出口及日元汇率对产出的影响均随时间推移逐渐增强。为探析日元汇率通过贸易、投资向产出传导的过程，观察日元汇率对净出口的影响度可知，日元汇率贬值并未明显拉动净出口的增加，对其影响度最高不超过5.12%。同样，日本净出口对投资的影响也不明显，最高不超过2.77%。相对而言，日元汇率对投资的直接影响度较大，最高达到14.28%。方差分解结果印证日本超量化宽松货币政策确实可以通过促使日元贬值，进而影响物价和产出水平。相对而言，日元汇率对物价的传导机制存在，但是对产出的传导受阻，日元贬值可以在一定程度上直接促进了投资和产出的增加。

五、主要结论对中国的启示

（一）主要结论文章主要通过构建SVAR模型，研究了自金融危机以来日本超量化宽松货币政策基于汇率传导机制的政策效果，可以得到主要结论。首先，从货币政策对汇率的影响角度来看，日本量化宽松货币政策通过向市场大幅投放基础货币，带动广义货币供应量的增加及利率的下行，短期内促使日元大幅贬值，但是长期效果受到怀疑。对日本来说，日元贬值确实有利于经济的复苏。国际流动性泛滥，在美元弱化的背景下，日元的相对升值曾给日本带来一系列经济问题，如热钱涌入威胁经济的健康发展，海外投资增加加剧国内产业空心化，削弱出口产品的价格竞争力，影响物价加剧国内通货紧缩等。因此，日元贬值成为日本解决棘手经济难题、革新利益集团格局的良药。金融危机以来，日本量化宽松货币政策的施行有力引导了日元贬值，特别是黑田版异次元量化宽松货币政策，由于政策力度史无前例，导致日元贬值空前加速。但是需要注意的是，一国汇率由多种因素决定，不仅受经济政策的影响，一国经济发展、国家实力及外交关系等也是汇率波动的影响因子。如果说，20世纪80年代因为日本取代美国成为债权和金融大国，美国便可通过“广场协议”及“卢浮宫协议”成功对日元币值“有计划的操纵”[15]，那么美国已然退出量化宽松，而“日本版”量化宽松的施行却大有愈演愈烈之势，日元贬值必然入侵美国经济利益区间，美国对日元贬值的“善意忽略”恐怕总有期限，可见日本币值下行之路前景难以一帆风顺，贬值的空间会逐渐缩小。其次，从日元汇率对物价及产出的影响角度来看，在日本超量化宽松货币政策效果下，日元汇率对物价的传导机制存在。但是，日元贬值抬高物价水平的长期前景并不乐观。一方面日元贬值推高进口产品价格，损害中小企业的经营利益，实际工资增幅过小降低日本民众的消费需求，如果日本不能有效提振国内需求，通货紧缩的短期改善将难以为继。另一方面，物价上涨也得益于消费税提高带来的正向刺激，但是税后消费需求减少，随着原油、铜等国际大宗商品价格持续下行，日本通货紧缩预期难免升温。日元贬值虽然对解决通货紧缩问题有所助力，但长期效果有可能被多种因素缓冲。探究日元汇率对产出的传导过程可知，日元贬值对改善贸易收支的作用不明显，而且贸易收支的变动对投资的影响也不明显，汇率传导机制在此两个环节均受到阻滞，这可能是由以下几方面原因造成：首先，日本进口及出口需求缺乏弹性，但是相对而言，进口需求弹性要高些[16]，符合马歇尔——勒纳条件①，货币贬值对贸易收支的改善存在时滞，即“J曲线效应”②。其次，日元贬值增加企业进口成本，在一定程度上蒸发了企业的贸易利润，而且日本主要的贸易对象为美国、欧洲及中国等国家，美国与欧洲各国经济增长乏力，对日本产品的需求降低，中日贸易关系受两国政治关系恶化的影响转为低谷，日本对外贸易环境整体恶化。最后，日本国内需求尚未有效激发，企业及民众对经济基本面的悲观预期尚未消弭，因此投资难以随着经济政策宽松而跟进。尽管通过日元贬值改善贸易收支进而促进投资与产出的路径受阻，但不可否认，随着日元汇率下行，日本投资与产出确实出现一定幅度的增加，日元贬值对提高投资及产出的直接作用不容小觑。最后，对于日本国内来说，量化宽松货币政策为重振经济奠定了宽松的流动性环境，但是，随着基础货币投放脚步的加快，广义货币供应量的增速趋缓，这是由于黑田东彦主推的量化宽松经济刺激计划规模为美国第三轮量化宽松规模的两倍[17]，相对美国来说，日本市场吸收资金能力有限，一部分流动性有可能滞留金融体系，未进入实体经济流通。黑田版量化宽松货币政策的施行如火如荼，滋生金融泡沫的风险不断加大。对于包括中国在内的日本周边国家来说，日本大量“印钞”导致多余流动性有可能伴随日元贬值外流，以大规模套利性资本形式冲击亚洲金融体系的稳定[18]。美国已然退出量化宽松，日本货币政策开始与美国背道而驰，日元兑美元的汇率震荡不仅影响两国的经济福利，也可能给世界经济环境带来潜在的风险。

（二）对中国的启示一方面，日本超量化宽松货币政策短期效果良好，其政策实践对中国完善货币政策施行框架有一定启示；另一方面，其政策溢出效应对国际资本流动产生冲击，需要认真对待并防范其负面影响。因此，从日本超量化宽松货币政策的实践效果中可以得到以下启示：首先，“数量型”货币政策工具③对宏观经济具有重要的调控作用。美欧对量化宽松的研究已经论证此类政策短期刺激经济增长效果显著，长期效果并不确定且伴有风险[19][20]。文章以日本为对象国，同样得出上述结论。美日欧等发达经济体施行量化宽松货币政策的背后有财政政策空间缩窄的原因，而对于中国来说，影响经济发展的约束条件更多是内需不振、生产成本上升、潜在产出下降等问题，切实降低经济增长的外部依赖，推进结构性调整才是中国当下紧迫之举。鉴于中国自身经济结构特征，财政和税收政策是承担经济结构调整任务的有力政策手段，而货币政策应配合经济政策导向继续走稳健调控之路，不应盲目跨入流动性宽松的行列。但是需要注意的是，美日欧等发达国家经济增势疲软，依赖量化宽松政策缓解经济困局开始趋于周期性常态化，国际流动性泛滥之势短期内难以改变，中国也将面临愈加沉重的资本输入性压力，因此适度加大货币政策调控灵活性，并切实提高政策框架下的风险防范能力显得尤为重要。其次，加强对日本量化宽松货币政策的跟踪研究。国内量化宽松货币政策研究成果并不贫乏，但主要对象为美国，对“日本版”量化宽松关注不足，对于黑田东彦推行的“质化与量化”宽松货币政策缺乏深入分析及跟踪研究。尽管日元没有美元一般的国际地位，但是日本作为开放性的经济强国，其经济政策溢出效应仍不容忽视。况且，在美国已然退出量化宽松的前提下，日本量化宽松货币政策依然持续发酵，其共振效应尚未可知，需加强关注及剖析。最后，未来中国经济面对较大的下行压力，金融改革也将全面深化，鉴于国际复苏格局和货币政策施行的分化，人民币汇率难免震荡，这就要求中国在稳步推进汇率机制改革过程中，在短期内仍应重视央行对汇率的“有管理”的职能，维持汇率的相对稳定。另外，虽然美国退出量化宽松货币政策之后，人民币出现对美元的大幅贬值，但是就整体经济发展的基本面来看，中国不存在汇率贬值的基础[21]，因此不应忽视人民币对日元的相对升值，故仅从经济层面上看，可以利用日元大幅贬值的契机调整对日进口产品结构，并促进对日直接投资发展，继续深化中日双边贸易角色的转换，以更低成本吸收日本先进技术及管理经验，同时，鉴于中日政治关系重降冰点，日本对中国的经济依赖程度较高，中日民间贸易合作在一定程度上有利于借助经济力量融化政治冰冻。

[参考文献]

[1]日本経済同友会.量的緩和政策からの転換に向けて[R].KEIZAIDOYUKAI,2005（11）:1-11.

[2]易宪容.“安倍经济学”效果及影响的理论分析[J].国际金融研究,2013（6）:14-23.

[3]内田真人.非伝統的金融政策の効果と限界:デフレ脱却と金融政策[R].経済研究所年報,2013:26.

[4]清水良樹.金融•経済危機におけるユーロシステム(ECB及びユーロ導入国中央銀行)の危機対応:他国中央銀行との共通性とその独自性[J].季刊経済理論,2012,49（1）:53-63.

[5]李彬,邓美薇.日本异次元量化宽松货币政策及其效果评析[J].现代日本经济,2014（6）:17-29.

[6]石山嘉英.日本銀行の新施策を評価する(最新ビジネス•レポート)[J].CUCview&vision,2013（36）:49-52.

[7]藤田勉.異次元の金融政策は成功するか?[J].資本市場,2013（5）:45-52.

[8]RudigerDornbusch.ExpectationsandExchangeRateDynamics[J].JournalofPoliticalEconomy,1976,84(6):1161-1176.

[9]ObstfeldM,StockmanAC.Exchange-ratedynamics[J].Handbookofinternationaleconomics,1985,2:917-977.

[10]ObstfeldM,RogoffK.Exchangeratedynamicsredux[J].JournalofPoliticalEconomy,1995,103(3):624-660.

[11]ObstfeldM,RogoffK.Newdirectionsforstochasticopeneconomymodels[J].JournalofInternationalEconomics,2000,50(1):117-153.

[12]BettsC,DevereuxM.Exchangeratedynamicsinamodelofpricing-to-market[J].JournalofInternationalEconomic,2000,50(1):215-244.

[13]崔金哲,杨云峰,李钟林.日本货币政策效果的影响因素分析[J].现代日本经济,2013（6）:40-48.

[14]盛朝晖.中国货币政策传导效应分析:1994-2004[J].金融研究,2006（7）:22-29.

[15]李俊久,姜默竹.利益集团如何影响美国汇率政策？[J].世界经济研究,2014（6）:73-79.

[16]倪月菊.“安倍经济学”的出口促进效果评析[J].日本学刊,2014（1）:103-118.

[17]ProspectsGE.GlobalEconomicProspects[J].TheInternationalBankforReconstructionandDevelopment/TheWorldBank,2013(7):23.

[18]李晓,张虎,丁一兵.从“安倍经济学”的前景看中国经济面临的挑战与机遇[J].国际经济评论,2014（1）:31-44.

[19]HoenigTM.TheFederalReserve’sMandate:LongRun[J].BusinessEconomics,2011,46(1):13-16.

[20]JoyceM,MilesD,ScottA.QuantitativeEasingandUnconventionalMonetaryPolicy:anIntroduction[J].TheEconomicJournal,2012,122(564):271-288.