长江证券量化投资
物流行业(长江证券)
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
资本形成总额
货物和服务净出口
汇聚财智
共享成长
行业变化：市场理性方向，从传统至“高端”
2.2
宏观调控指导 降低物流费用 推动行业发展
图 5：2009中国物流业各项费用间关系
12%
可外包环节多； 横切，或者纵切都可以，没有特定外包方式限制；
3.
物流公司的业 务可以随意组 合，多项或者 单项，都可以 独立构成公司
汇聚财智
共享成长
物流业研究：自下而上是研究主导，部分产业链自上而下
合计15家物流类上市公司，13个细分子行业； 没有特定的行业类比性； 部分公司的部分业务存在重叠；
2.
冷鲜品业
汇聚财智
共享成长
物流业属性：子行业奇多，行业间隔行如隔山
没有自主性； 技术优势不存在绝对性，没有泛用性（行业间 以及 行业内部） ； 存在变化快速的潜在风险；
2.
为什么？提 出振兴物流 业
汇聚财智
共享成长
物流业属性：业态百变，同业差异依然大
没有自主性； 技术优势不存在绝对性，没有泛用性（行业间 以及 行业内部） ； 存在变化快速的潜在风险；
煤炭类
纸及纸浆类
飞马国际
泛IT类+超市
建发股份
华鹏飞
货代类
运输类
中储、建发、象屿 澳洋顺昌
金属切割
钢材、铁矿石类
怡亚通
化工类
象屿、建发
农产品类
长江证券量化选股体系介绍从因子选股到模式识别 共46页
汇聚财智 共享成长
夏潇阳
Tel: 8621 6875 1782 Email: xiaxycjsc
执业证书编号：S0490511050001
谢谢！
汇聚财智 共享成长
二、多因子选股方法
选择合适的因子：
汇聚财智 共享成长
资料来源：Wind, 长江证券研究部
二、多因子选股方法
沪深 300 因子的周预测效果：胜率 60.69%
汇聚财智 共享成长
资料来源：Wind, 长江证券研究部
二、多因子选股方法
大小盘因子的周预测效果：胜率 52.20%
资料来源：通达信, 长江证券研究部
汇聚财智 共享成长
三、事件驱动选股方法
异常交易公告： 选股逻辑：未来三个月内不存在重大事项的股票，在三个月以后依然存在重 大事项的可能性，这种朦胧的利好会被市场炒作，从而产生超额收益。 选股范围：读取公告中含有“未来三个月内”或类似字样的股票 考察目标：发布公告三个月后的前 10 个交易日到后 10 个交易日的超额收益 时间范围：2019 年至今
四、形态识别选股方法
矩形整理： 模式识别：
整理的时间超过 a 个交易日 整理的幅度（区间最高价/区间最低价-1）小于 b 今日收盘价向上突破区间最高价 测算每只股票突破后 20 个交易日的平均收益率 收益率均值 5.69%，胜率 77.89% 相对成交量、突破当天的涨幅和矩形整理的长度基本不影响收益率 大盘股、低 PE 股票、高 PB 股票、周期行业的收益更高
模式识别
事件驱动选股 异常交易公告策略
形态识别选股
常规形态（无法实际应用）
特殊形态
空中加油形态
汇聚财智 共享成长
基金经理简历
陈军先生：中银基金管理有限公司投资管理部权益投资总监，副总裁(VP)，金融学硕士。
曾任中信证券股份有限责任公司资产管理部项目经理。
2004年加入中银基金管理有限公司，2006年10月至今任中银收益基金经理，2009年9月至今任中银中证100指数基金经理。
特许金融分析师（CFA），香港财经分析师学会会员。
具有12年证券从业年限。
具备基金从业资格。
崔建波先生：经济学硕士，历任天津中融证券投资咨询公司研究员、申银万国天津佟楼营业部投资经纪顾问部经理、海融资讯系统有限公司研究员、和讯信息科技有限公司证券研究部、理财服务部经理、北方国际信托股份有限公司投资部信托高级投资经理。
现任新华泛资源优势灵活配置混合型证券投资基金基金经理，新华行业周期轮换股票型证券投资基金基金经理。
初冬女士：国籍中国，经济学硕士，14年证券从业经验。
曾在平安证券研究所、平安保险投资管理中心等公司从事研究与投资工作；2000年8月至今就职于鹏华基金管理有限公司，历任研究员、普丰基金基金经理助理等职。
现任鹏华基金管理有限公司社保基金理财经理及鹏华货币市场基金经理，投资决策委员会成员，固定收益部总经理。
初冬女士具备基金从业资格。
本报告期内本基金基金经理未发生变动。
陈加荣先生：天津大学管理工程硕士，十年证券从业经历，具有基金从业资格。
历任中国平安保险（集团）股份有限公司投资管理中心债券研究员、交易员、本外币投资经理；国联安基金管理公司德盛小盘基金债券投资经理、基金经理助理，德盛稳健基金债券投资经理、基金经理助理。
现任农银汇理基金管理公司固定收益投资负责人、基金经理。
曹剑飞先生：统计学硕士、经济学硕士，农银汇理基金管理公司投资部副总经理。
6年证券从业经历。
历任长江证券公司证券投资总部分析师，泰信基金管理有限公司研究部、华宝兴业基金管理有限公司研究部高级研究员，华宝兴业先进成长开放式证券投资基金的基金经理助理。
2008年8月起任农银汇理行业成长股票型基金基金经理，2010年9月起任农银汇理大盘蓝筹股票型基金基金经理。
量化投资发展及我国现状分析
量化投资发展及我国现状分析【摘要】本文主要介绍了量化投资发展及我国现状的分析。
在文章首先解释了量化投资的概念，接着介绍了我国量化投资的起步情况，并阐明了本文的目的及意义。
在分析了量化投资的基本原理、国际量化投资发展现状以及我国量化投资发展现状，同时探讨了我国量化投资面临的挑战和发展前景。
在提出了我国量化投资的未来发展方向，给出了推动我国量化投资发展的建议，并对全文进行了总结。
通过本文的分析，可以更全面地了解量化投资在我国的发展现状，为我国量化投资的进一步发展提供参考和建议。
【关键词】量化投资、发展、我国、基本原理、国际发展、现状分析、挑战、发展前景、未来发展方向、建议、总结1. 引言1.1 量化投资的概念量化投资是指利用数学模型和大规模数据进行投资决策的一种投资方式。
量化投资通过对历史数据和市场走势的分析，建立模型预测未来市场走势，从而提高投资决策的准确性和效率。
量化投资依靠计算机算法和统计学方法，通过程序化交易进行买卖操作，减少人为情绪干扰，实现规模化操作。
量化投资的兴起，源于信息技术和金融市场的发展。
随着数据量的爆发性增长和计算能力的提升，量化投资逐渐成为投资界的热门话题。
量化投资逐渐被广泛运用于股票、期货、外汇等金融市场，成为投资者获取超额收益的重要手段。
在我国，量化投资起步较晚，但发展态势迅猛。
随着金融科技的兴起和监管政策的支持，我国量化投资行业逐渐壮大，吸引了越来越多的资本和人才投入。
未来，我国量化投资有望成为金融市场的重要力量，推动金融市场的发展和稳定。
1.2 我国量化投资的起步情况我国量化投资的起步情况可以追溯到2000年左右，当时国内的金融市场还处于初级阶段，投资者主要依靠经验和直觉进行投资决策。
随着信息技术的发展和金融市场的完善，我国的量化投资开始逐渐兴起。
最早采用量化投资策略的是一些私募基金和券商资管产品，它们利用数学模型和算法来分析数据、识别交易信号，从而实现系统化、自动化的投资。
长江证券金融类产品操作手册
弥补您的损失。
风险准备 让利客户 管理人将提取管理费收入的50%作为风险准备金，当委托年度末投资
收益率低于委托年度期初一年期银行定期储蓄存款利率时，风险准备金 将会先用来补偿您，尽可能使您的年度投资收益率达到同期一年期银行 定期储蓄存款利率水平。
（8）案例分析
• 例：客户周五分别购买1天期报价回购100万元， • 利率2.5%；1天期逆回购100万元，利率5.8%， • 周一到期获得收益： • 报价回购产品获得收益＝100万*2.5%*3/365 • ＝205.48元 • 逆回购产品获得收益＝100万*5.8%/365－10 • （手续费）＝148.9元
（2）产品特点
投资注重选股、选时； 能及时应对市场投资环境变化； 具备较好的投研与风控能力。
3.3公募一对多专户理财
（1）产品释义
“一对多”专户理财是指多个客户把钱汇总在一个账户交给基金公司专 业团队管理。根据证监会公布的基金“一对多”合同内容与格式准则， 单个“一对多”账户人数上限为200人，每个客户准入门槛不得低于100 万，每年最多开放一次，开放期原则上不得超过5个工作日。“一对多” 由公募基金公司中的专户团队管理，但准入要求与私募基金更接近。
价、银行间市场等，从而能获得更高的收益。
（3）适用客户：有一定风险承受能力又期望较高收益的客户。
有）适用客户
（4）与其他金融产品比较
3.2纯管理型基金
（1）产品释义
纯管理型基金也叫主动管理型基金，以股权型基金和混合型基金为 代表，与指数型基金不同，该类型基金根据市场环境变化主动调节 各投资标的在基金中所占比例。在熊市市场中表现出良好的规避风 险的优势。
国内量化交易平台介绍
国内量化交易平台介绍2012-11-26 05:41 来源：期货日报字号：12 14中低端平台适合投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略，高端交易平台适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、逻辑复杂度高的策略。
从广义上讲，量化交易是指投资者利用计算机技术、金融工程建模等手段将自己的金融操作用很明确的方式去定义和描述，用以协助投资者进行投资决策，并且严格按照所设定的规则去执行交易策略（买卖、价格、数量等）的交易方式。
按照数学模型的理念和对计算机技术的利用方式，量化交易可以进一步细分为自动化交易（Automatic Trading）、量化投资（Quantitative Investment）、程序化交易（Program Trading）、算法交易（Algorithm Trading）以及高频交易（High Frequency Trading）。
这五种量化交易方式的侧重点各有不同，是量化交易技术发展到不同阶段的产物，也是不同量化交易用户群的不同交易方式。
量化交易平台是指能分别满足上述五种交易方式的平台，要求其从交易系统的行情和基础数据、交易和执行、策略研发和运营三个主要方面既要做到大而全，也要做到深而精。
这对目前大中型金融机构的IT 以及实际运营部门是很大的挑战，同时也提供了发展机遇。
目前的量化交易平台可以从开发语言、技术架构、系统架构、策略方向、交易方式等几个方面，分为中低端和高端量化交易平台。
中低端量化交易平台中低端平台只支持复杂度不高的脚本语言实现策略逻辑，多数的实现只能在图表上加载技术指标进行自动化交易、程序化交易等量化交易方式。
中低端平台一般采用的技术架构是投资者使用平台商提供的客户端软件，采用互联网接入方式连接平台商或者金融经纪公司提供的行情和基础数据服务器，投资者在本地运行的策略触发后，通过经纪公司的普通交易席位进行交易。
由于技术架构的限制，行情、交易有一定的延时。
宽客在中国
量化投资在国内出现萌芽现已形成四大流派[ 量化投资在国内市场上已经形成券商、公募基金、私募基金，以及期货界四大派系。
虽然这是从行业上划分的，但在策略运用以及交易风格上，这四大派系也存在不小的差异 ]金融市场上有这么一群人，他们喜欢将自己戏称为“矿工”，因为他们是宽客。
宽客，Quants（金融工程师）的音译，金融市场上名副其实的淘金者。
说他们名副其实，是因为他们在稍纵即逝的市场机会中“淘金”利用的是复杂数学公式和超级计算机，而非直觉交易。
近几十年来，从赌桌上演化而来的宽客一直在华尔街上傲视群雄，并且时而兴风作浪。
随着2008年的一场金融海啸，不少华人宽客转战中国资本市场。
而随着2010年融资融券、股指期货的相继推出，中国资本市场上宽客身影正日渐活跃，量化投资也开始如火如荼。
但限于金融工具创新和制度完善等因素，量化投资在中国还有很长的一段路要走。
从萌芽到转折点1971年，巴克莱国际投资管理公司发行了世界上第一只指数基金。
也就是说，量化投资在境外已有40多年的历史了。
但在国内，量化投资的历史还非常短暂。
“某种意义上，是2005年开始的ETF套利拉开了量化投资在中国的序幕。
”长江证券(000783,股吧)金融衍生部总经理陈皓告诉第一财经日报《财商》记者。
陈皓当时就职于上海证券交易所从事金融衍生产品的研究开发。
在ETF套利之前也有些机构进行可转债套利，但显然是小荷连尖尖角还没露出来。
2010年前，ETF套利可以说是国内量化投资的主流品种，但随着进入的淘金者越来越多，套利空间日渐狭窄。
2009年前后，数位券商衍生部负责人告诉记者该项业务日渐难做。
也就是在2005年左右，一些卖方研究机构开始进行量化投资研究，但限于金融衍生工具的匮乏，所开发的策略无非就是量化选股、量化择时等。
同时，由于当时A股市场持续低迷，机构在量化研究上的投入也是捉襟见肘。
“当时在量化研究方面做得还不错的某家机构团队一度濒临解散，成员四处求职，但也没什么机构愿意接纳。
量化投资的基本步骤和逻辑
量化投资的基本步骤和逻辑
1. 确定投资目标和策略：投资者需要明确自己的投资目标，如长期增值、稳定收益等，并根据目标选择相应的投资策略，如多头策略、空头策略、套利策略等。
2. 数据收集和整理：量化投资需要大量的数据支持，因此需要收集和整理相关的数据，包括市场数据、公司财报、宏观经济数据等。
同时，还需要对数据进行清洗和预处理，以确保数据的质量和准确性。
3. 特征工程：在收集和整理数据的基础上，需要提取出有用的特征，以便构建模型。
特征工程包括选择合适的变量、计算统计指标、构建因子等。
4. 模型构建和回测：根据特征工程的结果，构建相应的数学模型，如线性回归模型、决策树模型、神经网络模型等。
然后，利用历史数据对模型进行回测，评估模型的准确性和效果。
5. 实盘交易和风险控制：在模型回测效果良好的情况下，可以将模型应用于实盘交易。
同时，需要制定相应的风险控制策略，以降低投资风险。
6. 模型优化和更新：量化投资的模型需要不断优化和更新，以适应市场的变化。
因此，需要定期对模型进行评估和改进，以提高投资效果。
总的来说，量化投资的基本步骤和逻辑是基于数据和模型的决策，通过对历史数据的分析和预测，构建有效的投资策略，并在实盘交易中不断优化和更新模型，以实现更好的投资效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
资料来源：Wind资讯，长江证券研究部
汇聚财智
共享成长
三、市场面的量化
行业分歧 行业分歧 行业分歧度达到一定程度， 行业分歧度达到一定程度，市场往往会下跌 行业走势非常散乱说明市场是没有模式 走势非常散乱说明市场是没有模式、 行业走势非常散乱说明市场是没有模式、没有热点
资料来源：Wind, 长江证券研究部
资料来源：Wind, 长江证券研究部
汇聚财智
共享成长
二、宏观环境的量化
宏观指标的状态？ 宏观指标的状态？ 指标的状态
与其看数值，不如看状态 与其看数值， 看数值 多数情况下，同一个宏观变量，短期、中期、 多数情况下，同一个宏观变量，短期、中期、长期对股市的影响不是一致的 情况下 重要变量 重要变量 生产： 生产：用电量 投资： 投资：固定资产投资 消费：CPI 消费： 对外贸易： 对外贸易：外汇储备
汇聚财智
共享成长
二、宏观环境的量化
除了宏观经济指标，还有什么？ 舆情指标 除了宏观经济指标，还有什么？ —— 舆情指标 宏观经济指标 读取各大财经网站文章 读取各大财经网站文章 通过文本识别，判断文章多空倾向 通过文本识别， 文本识别 汇总得到市场整体多空情绪 汇总得到市场整体多空情绪
图3： 舆情程序示意图 ： Web 数据源 Web 数据抓取程序 编码转换程序 证券词库 语义词库 语法库
资料来源：Wind, 长江证券研究部
资料来源：Wind, 长江证券研究部
汇聚财智
共享成长
三、市场面的量化
图6： 个体趋势识别 ：
趋势跟踪 趋势跟踪——个股趋势识别 跟踪 个股趋势识别
开始
趋势跟踪的理念 趋势跟踪的理念
读取股票价格数据 产生短期均线序列
趋势识别的核心 趋势识别的核心 识别的
识别极点
主趋势的识别 主趋势的识别
汇聚财智
共享成长
目 录
一、量化投资 二、宏观环境的量化 三、市场面的量化 四、行业和风格的量化 五、量化选股
汇聚财智
共享成长
三、市场面的量化
最常用的市场面量化 技术指标 最常用的市场面量化 —— 技术指标 的市场面 默认参数一般非最优 默认参数一般非最优 横向参数敏感 横向参数敏感 纵向参数敏感 纵向参数敏感
宏观量化研究
舆情
技术分析/ 技术分析/动量分析
各种预警指标
基于景气/ 基于景气/动量的配置
趋势和上升指数
量化选股
因子模型和事件驱动
优化模型
优化模型
汇聚财智
共享成长
目 录
一、量化投资 二、宏观环境的量化 三、市场面的量化 四、行业和风格的量化 五、量化选股
汇聚财智
共享成长
二、宏观环境的量化
宏观指标可以量化么？ 宏观指标可以量化么？ 指标可以量化么 不显著？ 显著？
图7： 2009 年上升指数与上证综指 ：
图8： 2010 年上升指数与上证综指 ：
资料来源：Wind资讯，长江证券研究部
资料来源：Wind资讯长江证券研究部
汇聚财智
共享成长
三、市场面的量化
上升指数的优点 日均线向上的股票比例 上升指数的优点——对比 N日均线向上的股票比例 指数的优点 对比 日均
美元兑人民币汇率 2.1055 0.9332 新订单 进出口额 出口额 0.0583 0.7624 -0.0601 -1.5537 -0.0468 -1.2090
资料来源：Wind, 长江证券研究部
汇聚财智
共享成长
二、宏观环境的量化
宏观指标的状态？ 宏观指标的状态？ 指标的状态 状态比数值更重要？ 状态比数值更重要？ 比数值更重要
2000
1500 09-6 09-7 09-8 09-9 09-10 09-11 09-12 10-1 10-2 10-3 10-4 10-5
资料来源：Wind资讯，长江证券研究部
汇聚财智
共享成长
三、市场面的量化
能不能不要老说右侧？ 能不能不要老说右侧？ 不要老说右侧 舆情指标、趋势跟踪是典型的右侧指标 舆情指标、趋势跟踪是典型的右侧指标 左侧会不会有指标呢？ 左侧会不会有指标呢？ 会不会有指标呢 波动率 波动率 基金分歧 基金分歧 行业分歧度 行业分歧度 股指期货多空仓单 股指期货多空仓单 A50 中国基金的卖空盘 中国基金的卖空盘
汇聚财智 共享成长
以正合，以奇胜
——量化方法在投资中的作用
汇聚财智
共享成长
目 录
一、量化投资 二、宏观环境的量化 三、市场面的量化 四、行业和风格的量一、量化投资
量化分析可以做哪些事
传统主动投资
一般量化研究
我们的特点
宏观研究 宏观环境 策略研究 市场分析 行业和风格配置 行业/ 行业/风格 研究员选股 个股选择 复杂非参数神经网络 组合构建
初级数据库 信息分类
识别程序 统计总结
舆情指标
资料来源： 长江证券研究部
汇聚财智
共享成长
二、宏观环境的量化
除了宏观经济指标，还有什么？ 舆情指标 除了宏观经济指标，还有什么？ —— 舆情指标 宏观经济指标 长期来看， 长期来看，舆情是很好的说明市场状态的指标 来看
图4： 舆情指标和上证指数 ：
资料来源：Wind, 长江证券研究部
0.0768 0.6370
0.0012 0.0154 -0.3823 -1.4085 -0.0303 -0.6405
M1 与 M2的剪刀差 -0.1426 -0.8845 的剪刀差 居民储蓄 / M2 工业增加值 原材料库存 用电量 发电量 0.0311 0.1901 0.0636 0.3378 0.1130 0.6660 -0.0068 -0.0519 -0.1094 -1.2623
资料来源：Wind资讯，长江证券研究部
标准差 0.0643 0.0559
t值 值 4.3949 -4.2666
汇聚财智
共享成长
四、行业和风格的量化
选择强势行业和风格 选择强势行业和风格 识别相对趋势， 识别相对趋势，趋势跟踪
图14： 行业分歧与市场走势 ：
资料来源：Wind资讯，长江证券研究部
汇聚财智
共享成长
三、市场面的量化
股指期货多空仓单 股指期货多空仓单 期货公司的多单量 空单量轧差合计的净持仓数 的多单量、 中金所披露的前 20 大期货公司的多单量、空单量轧差合计的净持仓数 金所披露的前 持仓的增减和大盘的涨跌有一定的相关性，而且可能会有领先作用 净持仓的增减和大盘的涨跌有一定的相关性，而且可能会有领先作用
样本区间 周期 1995年12月-2010年09月 年 月 年 月 短期 中期 （3个月） （5个月） 个 个 3.6529 4.0671 （2.7935）（3.1271） ） ） 0.0432 0.0535 长期 （9个月） 个 4.6261 （3.5914） ） 0.0694
回归系数 Rsquare
汇聚财智
共享成长
四、行业和风格的量化
钢铁行业景气指数 对于超额收益有一定的预测作用 对于超额收益有一定的预测作用 研究员和基金经理都看重的指标会自我实现
图17： 钢铁行业景气指数与行业股价表现 ：
表4： 不同行业景气指数下行业超额收益表现 ： 均值 0.0197 预测超额收益>0（ 次 预测超额收益 （50次） -0.0211 预测超额收益<0（ 次 预测超额收益 （37次）
图15： 多空仓单与市场走势 ：
资料来源：Wind资讯，长江证券研究部
汇聚财智
共享成长
三、市场面的量化
香港安硕A50ETF 香港安硕 总成交额” “卖空金额/总成交额”可以作为香港投资者看空 股的一个指标 卖空金额 总成交额 可以作为香港投资者看空A股的一个指标 这一比例高过20%的时候，大部分都对应着未来几天之内的大幅下跌！ 这一比例高过 的时候，大部分都对应着未来几天之内的大幅下跌！ 的时候
图2： 宏观经济变量与上证综指回归结果 ：
资料来源：Wind, 长江证券研究部
汇聚财智
共享成长
二、宏观环境的量化
宏观指标的状态？ 宏观指标的状态？ 指标的状态 从状态的角度再看 M1 和上证指数 状态的角度再看
图1： 上证综合指数与 M1 关系图 ：
表2： M1 状态变量与上证综指收益率回归结果 ：
图1： 上证综合指数与 M1 关系图 ：
表1： 回归结果 M1 Beta T 0.0768 0.6370
R-Square 0.0025
资料来源：Wind, 长江证券研究部
资料来源：Wind, 长江证券研究部
汇聚财智
共享成长
二、宏观环境的量化
宏观指标可以量化么？ 宏观指标可以量化么？ 指标可以量化么 都不显著么？ 不显著么？
汇聚财智
共享成长
三、市场面的量化
波动率与收益率 波动率与收益率 国内市场没有 国内市场没有 VIX 市场 历史波动率和未来收益率也有反向关系 历史波动率和未来收益率也有反向关系
图12： 波动率与收益率对照图 ：
资料来源：Wind资讯，长江证券研究部
汇聚财智
共享成长
三、市场面的量化
基金分歧 基金的分歧比仓位更重要 对于基金主导的变盘很有效 对于基金主导的变盘很有效
资料来源：Wind资讯，长江证券研究部
标准差 0.0514 0.0439
t值 2.7078 -2.8791
汇聚财智
共享成长
四、行业和风格的量化
煤炭行业景气指数 煤炭行业景气指数 类似的角度也可以构建煤炭行业景气指数
图18： 煤炭行业景气指数与行业股价表现 ：
表5： 不同行业景气指数下行业超额收益表现 ： 均值 0.0465 预测超额收益>0（ 次 预测超额收益 （37次） -0.0435 预测超额收益<0（ 次 预测超额收益 （30次）