数量化投资技术
东方证券 数量化策略专题之一 风格投资以及风格轮换(PPT)
数量化投资策略研究之一风格投资与风格轮换东方证券研究所衍生品分析师阚先成公司地址:上海东方国际金融广场公司网址:风格投资与风格轮换目录：¾风格投资z风格投资指标z风格投资分类z风格投资组合表现¾风格轮换z大盘VS小盘z价值VS成长z高市盈率VS低市盈率风格投资•在资本资产定价模型及单因素模型中，市场因素是唯一影响所有证券及投资组合回报的系统风险因素，然而20世纪70年代的一些实证研究表明β并非决定股票预期回报的唯一因素，还存在其他影响证券及投资组合回报的因素，这些因素被称为超市场因素，超市场因素主要包括风格因素和非市场因素。
风格投资•作为组合投资理论的一个分支，风格投资理论为证券投资界带来了全新的理念，并越来越受到国际机构投资者的青睐。
机构投资者运用风格投资理论去寻找市场蕴藏的投资机会和解读过去的投资业绩，所以对于机构投资者而言，风格投资提供了一种高效地进行资产配置和风险管理的全新的角度和方法。
风格投资•风格的概念包括两层含义：首先构成某种风格的股票必须具有一种共同的属性，其次同一风格股票的收益表现必须具有较强的相关性，不同风格相关性较低。
•风格的划分方法，一种是基于股票收益率进行划分，即采用回归方程观察收益率的因素相关性；另一种是基于股票的基本特征进行划分，本文是基于股票的基本特征对股票进行风格划分。
风格投资指标选取•价值指标：账面市值比、盈利收益、市现率、每股息税前利润、ROE以及ROA；•成长指标：EPS增长以及主营业务利润增长；•反向策略指标：前一个月收益和前三个月收益；•其他指标：PEG以及市场β；风格投资分类方法•t时刻，将所有股票按t－1时刻的每一个风格投资指标降序排列，靠前的10％定义为Top组合，靠后的10%定义为Bottom组合；•把Top组合和Bottom组合中的每只成份股的月收益率等权重加权后得出的数据为Top组合和Bottom组合的月收益率；•在统计出每个投资组合月收益的同时，我们还计算出每只股票与其风格投资指标的相关性，为了排除极值的影响，这里的相关性是秩相关性；数据描述•Bottom：风格指标后10%组合月收益的平均值、最大值、最小值以及方差；•Top：风格指标前10%组合月收益的平均值、最大值、最小值以及方差；•Bottom>Top概率：表示样本中Bottom组合月收益大于Top组合月收益的频率；价值指标分类组合表现（2000年1月－2007年12月平均月收益）11.87%-16.16%32.32%1.67%Top39.48%10.51%-19.28%30.88%0.83%BottomROA12.83%-16.62%32.10%1.88%Top 32.58%10.54%-19.23%30.59%0.95%BottomROE10.65%-18.93%31.57%1.31%Top 47.42%8.86%-16.66%32.04%1.18%Bottom每股息税前利润8.83%-16.07%31.76%1.10%Top 71.13%9.01%-14.44%34.18%1.74%Bottom市现率10.03%-18.39%37.44%1.60%Top 59.79%8.51%-14.89%30.37%1.04%Bottom盈利收益8.84%-29.08%32.78%-0.06%Top 69.07%9.44%-16.28%32.44%1.19%Bottom账面市值比Bottom>Top 概率方差最小值最大值均值投资风格价值指标相关性-1.90%2.75%1.18%2.93%3.47%3.08%-3.00%-2.00%-1.00%0.00%1.00%2.00%3.00%4.00%账面市值比盈利收益市现率每股息税前利润ROEROA成长指标分类组合表现（2000年1月－2007年12月平均月收益）10.37%-15.18%31.45%1.18%Top46.39%8.65%-21.88%30.07%0.79%Bottom营业利润增长9.77%-14.76%31.77%1.25%Top 44.33%8.72%-22.05%28.45%1.11%BottomEPS 增长Bottom>Top 概率方差最小值最大值均值投资风格其他指标分类组合表现（2000年1月－2007年12月平均月收益）8.96%-16.72%34.04%1.25%Top68.04%9.31%-13.47%28.17%2.42%BottomR38.91%-14.65%32.88%1.09%Top 55.67%9.36%-17.79%34.50%1.73%BottomR18.60%-16.37%30.35%1.20%Top 38.14%7.15%-14.01%19.47%0.30%Bottombeta8.71%-14.96%25.69%0.72%Top 60.82%8.85%-15.98%32.95%1.27%BottomPEGBottom>Top 概率方差最小值最大值均值投资风格成长指标以及其他指标相关性-3.14%2.99%6.99%5.55%-7.27%-8.52%-10.00%-8.00%-6.00%-4.00%-2.00%0.00%2.00%4.00%6.00%8.00%PEGbetaEPS增长营业利润增长R1R3统计结果评述•按照价值指标分类的投资组合中，ROE大的投资组合表现最优，其次是市现率小的投资组合；•按照成长指标分类的投资组合中，EPS增长快的投资组合表现最优；•反向策略投资组合表现较为抢眼，这说明前一段时间超跌的股票会出现较大涨幅；•PEG小的投资组合表现较好，PEG投资策略也不失为一种有效的投资策略；•高β的投资组合表现要好于低β的投资组合；启示•对于长期投资者：秉承价值投资，选取净资产收益高、盈利增长快的投资组合；•对于短期投资者而言，反向策略较为有效，即选取前一段时间跌幅较大的个股；风格轮换•不同的风格投资导致不同的风格组合，从而导致不同的投资收益，同时风格组合的业绩具有一定的周期性，即市场的投资风格会发生转变，所以积极地进行风格管理，正确地判断、把握以及选择风格倾向，这样才能获得超额的市场收益。
资产配置视角下数量化技术的应用与实践
复苏 2001Q1-2002Q1 2001Q2-2002Q4 2003Q1-2003Q3 2003Q4-2004Q3 2004Q4-2006Q3 2006Q4-2008Q2 2008Q3-2009Q4 2010Q1-2010Q3 2010Q4-2011Q3 2011Q4 2012Q1-2012Q2 股票
期或动态配置。
战术资产配置：主要关注资产的选择与择时。
1、资产配置基本逻辑
1、资产配置基本逻辑
此处利用滤波方法得到潜在产出与潜在通胀，并 计算得到产出缺口和通胀缺口，以此为依据划分经济 状态，来配置资产。
复苏 滞胀 衰退 衰退 过热 衰退 复 苏 过 热复 苏 衰退 衰退
是什么原因导致2007年-2008年出现罕见的 通胀缺口峰值呢？
粗略测算，持仓时间在30 天左右的，当月合约与沪深3 00套利成本在15-20点，随着 到期日临近，套利成本线递
剩余期限 期货手续费 现货手续费 现货冲击成本 期货冲击成本 跟踪误差 漂移成本 期货保证金水平 融券保证金水平
一年期存款利率 6、7月份0.75%/4，5、8、9月份0.1%， 其余6个月忽略不计 根据不同交割期的股指期货确定（注意转化时 间（剩余交易日数/360）） 交易所0.005%，期货公司最多0.01% 香港经纪佣金1%（0.25%），证监会、交易所 分别0.004%，0.005%；国内经手费0.011%，证 管费0.004%，印花税0.1% 台湾现货市场经验值
4. 基金数量化投资应用与实践
5. 期货数量化投资应用与实践
6. 结论
5、期货数量化投资应用与实践
期货数量化投资策略主要围绕投机、套利和套保来展开。 投机，重点掌握趋势跟随和资金仓位控制策略； 套利，主要有期现套利、跨期套利和跨品种套利； 套保，主要有买保和卖保，通常要结合实际的资金运营特征。
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】量化投资是一种通过数学模型和统计分析来进行投资决策的方法，在全球范围内逐渐得到广泛应用。
本文从量化投资的概念、发展趋势和我国现状入手，探讨了量化投资技术和工具的应用以及对投资者的影响。
同时也分析了我国量化投资市场的特点、发展阶段和面临的挑战。
通过对量化投资对资本市场的发展意义、我国量化投资的发展前景以及加强监管的建议进行总结，可以看出量化投资对于提高资本市场的效率和透明度具有重要意义，同时我国量化投资市场仍面临着监管不足、数据质量等挑战。
加强监管和技术应用，将有助于推动我国量化投资市场的健康发展。
【关键词】关键词：量化投资，发展趋势，现状，技术工具，投资者影响，市场特点，发展阶段，挑战，发展意义，前景，监管建议。
1. 引言1.1 量化投资的概念量化投资是一种利用数学、统计学和计算机技术进行投资决策的策略。
它通过系统性的分析历史数据，利用数学模型和算法来识别投资机会，从而实现投资组合的优化和风险管理。
量化投资的核心理念是基于数据和规则，排除主观判断和情绪因素，从而提高投资的效率和准确性。
量化投资的发展始于上个世纪，随着计算机技术和数据处理能力的不断提升，量化投资得到了更广泛的应用和认可。
目前，全球范围内有许多专门从事量化投资的机构和团队，其投资规模和影响力不断扩大。
在我国，量化投资也逐渐引起了投资者和监管部门的关注。
随着金融科技的快速发展，越来越多的公司和投资者开始尝试将量化技术应用到投资决策中。
虽然我国量化投资市场仍处于起步阶段，但随着监管环境的不断完善和投资者的认知提高，量化投资有望在未来取得更大的发展。
1.2 量化投资的发展趋势1. 数据科学的兴起：随着大数据和人工智能技术的普及，量化投资正逐渐向数据科学领域靠拢，采用更加先进的算法和模型来挖掘市场中的规律和机会。
2. 高频交易技术的发展：高频交易作为量化投资的一个重要分支，依靠快速的计算和执行能力实现对市场波动的敏锐捕捉和快速交易，对市场价格的形成和稳定产生了重大影响。
量化投资理论基础概述
量化投资理论基础概述【摘要】量化投资是一种基于数学模型和统计分析的投资方法。
本文首先介绍了量化投资的定义，即通过数据和算法来做出投资决策。
接着探讨了量化投资的历史发展，从简单的技术指标到复杂的机器学习模型。
然后阐述了量化投资的基本原理，包括市场有效性和行为金融学观点。
接下来分析了量化投资策略的分类，如均值回归、趋势跟踪等。
最后总结了量化投资的优势，包括系统化、纪律性和高效性。
通过对这些内容的讨论，读者可以对量化投资的理论基础有一个清晰的概念。
【关键词】量化投资、理论、基础、概述、定义、历史发展、基本原理、策略分类、优势1. 引言1.1 量化投资理论基础概述量化投资是指利用数学、统计学、计算机编程等量化技术，通过系统化的模型和策略来进行投资的方法。
它的核心理念是通过对市场数据的分析和建模，利用严谨、科学的方法来进行投资决策，从而实现风险控制和收益最大化。
量化投资的历史可以追溯到上世纪50年代，当时学者们开始尝试利用数学模型来分析股票市场。
随着计算机技术的发展，量化投资逐渐成为投资界的主流方法之一。
近年来，随着大数据、人工智能等技术的蓬勃发展，量化投资的应用范围和效果也得到了进一步提升。
量化投资的基本原理包括建立数学模型预测市场走势、制定交易策略并执行、严格控制风险等。
量化投资策略可以根据市场行为、因子模型、技术分析等进行分类，常见的策略包括趋势跟随、套利、统计套利等。
量化投资相比于传统的基本面分析和技术分析具有很多优势，包括系统性、纪律性强、能有效控制风险、能够快速执行交易等。
越来越多的机构投资者和个人投资者开始将量化投资引入他们的投资组合中，以获取更稳定和长期的投资收益。
2. 正文2.1 量化投资的定义量化投资是一种通过数学、统计学和计算机技术来进行投资决策的方法。
它的核心理念是利用大量数据和复杂算法来识别交易机会和管理风险，以实现超越市场平均水平的投资收益。
量化投资的定义可以简单概括为利用定量模型和自动化计算来进行投资决策，以提高投资效率和盈利能力。
量化投资策略研究及应用
量化投资策略研究及应用一、量化投资的基本概念1. 量化投资的基本原理量化投资的基本原理是通过实时的数据收集和分析，运用数学模型和统计方法来预测和分析市场价格的走势，以期获得超额收益。
通过对历史数据的回测和实盘交易，不断地优化模型和策略，从而控制风险、提高收益。
2. 量化投资的特点（1）科学化：量化投资以数据分析和统计模型为基础，是一种科学化的投资方式，相对于传统投资方法更加客观。
（2）自动化：量化投资利用计算机程序进行交易，实现交易的自动化和高效化。
（3）系统化：量化投资建立了完整的交易体系和风险控制体系，规避了许多非理性决策。
（4）风险控制：量化投资在模型构建和交易执行中，对风险进行了有效的控制，提高了投资的稳定性和可持续性。
二、量化投资策略研究1. 基本面策略基本面策略是根据上市公司的财务报表、行业地位、经营状况等基本面因素，构建投资组合的投资策略。
通过量化模型挖掘公司价值和成长性，从而选取具有较高投资价值的个股。
2. 技术面策略技术面策略以市场价格、成交量、动量等技术指标为基础，通过量化模型识别出市场价格的趋势和波动，从而制定买卖策略。
3. 套利策略套利策略是利用不同市场之间、不同产品之间、同一产品在不同交易场所之间的价格差异，通过量化模型进行交易，从中获取收益。
4. 高频交易策略高频交易策略是利用计算机程序在极短的时间内进行大量的交易，以获取微小的价格差，从而实现盈利。
5. 统计套利策略统计套利策略是利用历史数据的统计规律，通过建立统计模型进行交易，从中获得收益。
1. 股票市场在股票市场上，量化投资策略常用于选股、择时和风险控制。
通过量化模型对股票的基本面和技术面进行综合分析，选取具有投资价值的个股，并制定买卖策略。
2. 期货市场在期货市场上，量化投资策略多用于套利交易和统计套利策略。
利用量化模型分析期货合约之间的价格差异，进行套利交易；或者通过统计模型识别期货价格的波动规律，制定交易策略。
量化投资研究PPT
2020/8/16
量化投资
统计学
计算机技术
投资理念
量化投资解读
Quantitative investment interpretation
客观执行，避免情绪因素
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。
行业发展状况
Industry development status
国外发展状况
第一阶段：量 化投资的产生 （60年代）
第二阶段：量 化投资的兴起 （70-80年代）
第三阶段：量 化投资黄金十 年（90年代）
1967年，索普与希恩·卡 索夫合著《战胜市场：一 个科学的股票市场系统》， 该书是第一个精确的纯量 化投资策略，股票市场系 统可以正确地给可转换债 券定价（估值）。
客观
量化投资的特点
分散
标的选择分散多样化，靠概率取胜
一是定量投资不断的从历史中挖掘有望在未来 重复的历史规律并且加以利用，这些历史规律 都是有较大概率获胜的策略。二是依靠筛选出 股票组合来取胜，而不是一个或几个股票取胜 ，从投资组合理念来看也是捕获大概率获胜的 股票，而不是押宝到单个股票上。
支持大数据处理，提高决策效率
量化投资未来发展前景广阔
随着传统投资产品选股策略同质化程度日益增加，并且过度依赖于投资经理个人的主观判断，导致投资风险相对较高，在此背景下越来越多的基金、券商和私 募开始关注量化投资，未来若干年国内量化投资必将迎来蓬勃发展的阶段，这是源于：（1）量化投资在国外已经取得的成功经验；（2）国内基础衍生产品市
量化投资与传统投资的区别
量化投资
量化投资是由计算机自动产生交易策略的一种 投资方法，通过建立数学模型来实现交易理念，
简述量化投资的流程与步骤
简述量化投资的流程与步骤下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor. I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!量化投资是指运用数学模型、统计分析和计算机算法等方法，对投资对象进行自动化和系统化的交易决策。
量化投资策略的理论与实践
量化投资策略的理论与实践在投资领域，量化投资已经逐渐成为了一种主流的投资方式，而量化投资策略则是实现量化投资的重要手段之一。
量化投资策略通常通过研究证券市场中的规律，寻找出具有统计学意义的投资策略，并在该策略的基础上进行买卖决策，以达到获取收益的目的。
本文将从量化投资策略的理论与实践两个方面进行介绍。
一、量化投资策略的理论在量化投资策略的理论方面，主要涉及到的是套利理论、资本资产定价模型、技术分析等。
1、套利理论套利理论是量化投资策略中比较重要的理论之一，它通过分析不同交易市场的定价关系及其变化趋势，来寻找利润空间，从而实现风险控制和收益最大化。
套利理论常用的策略包括跨期套利、跨市场套利等。
跨期套利是指在不同时间节点进行的同一品种的期货交易中寻找价格差异，利用差价进行买卖，以获得收益。
跨市场套利则是指在不同市场的同一品种的交易中寻找价格差异，利用差价进行买卖，以获得收益。
这些套利策略，需要通过数据挖掘和机器学习等技术来进行策略的优化和改进。
2、资本资产定价模型资本资产定价模型是由著名的学者沙普（William Sharpe）等人提出的，在量化投资策略中也具有重要的应用价值。
该模型认为，证券的收益率应该等于一个风险无关的基础利率加上一个由证券的市场风险测度值（即贝塔系数）乘以市场风险溢价的多项式函数。
在实际操作中，可以通过计算股票或基金等资产的贝塔值，来判断其相对于市场的风险敏感程度。
同时也可以通过市场情况的变化，来调整投资组合，降低投资风险，获取收益。
3、技术分析技术分析是一种基于历史数据的分析方法，在量化投资策略中也被广泛应用。
技术分析主要通过对股票价格图表、交易量、成交额等方面进行分析，找出可能隐藏的规律性或趋势性，从而做出买卖决策。
技术分析主要有趋势分析、支撑阻力分析、最佳买卖时机分析等多种方法。
其中趋势分析是技术分析中最常用的方法之一，主要是通过识别市场中的长期趋势、中期趋势和短期趋势，以确定进出场点。
- 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)。
现代金融理论的数量化
投资技术的数量化
技术分析
二十世纪50～60年代
金融理论的数量化
基本面分析
均值方差模型 CAPM模型
二十世纪70～80年代
宏观经济模型
有效市场假说 APT理论 期权定价理论
二十世纪80～90年代
投资组合理论 资产配置管理 组合优化
VaR模型 行为金融学 非线性科学
二十世纪90年代末～
全球资产配置 大类资产配置 行业风格配置
资产配置
战术资产配置
投资中的数量化技术——资产配置
战略资产配置技术：
9马科维茨资产配置模型 9均值-LPM资产配置模型 9VaR约束下的资产配置模型 9基于贝叶斯估计的资产配置模型（Black-Litterman）
投资中的数量化技术——资产配置
战术资产配置技术：
不同方法的适应性 样本区间和持有期
动量反转选股结果
投资中的数量化技术——估值与选股
Value
价值型
Benjamin Graham
价值成长型
Warren E. Buffett
本杰明·格雷厄姆 —防御价值型
Charles Brandes
沃伦·巴菲特—优质企业选择法
Peter Lynch
彼得·林奇—GARP价值成长法
数量化基金的发展
¾根据Bloomberg 的数据，截至2008年11月4日，1184只数量化基金管理的 总资产高达1848亿美金，相比1988年21只数量化基金管理的80亿美元资产 来说，年均增长速度高达到20%。而同期非数量化基金的年增长速度仅为 8%。
数量化基金数目
1200 1000 800 600 400 200 0 基金数 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 21 29 37 64 90 136 217 316 545 856 1184
数量化投资与传统投资的比较
¾数量化投资就是将投资思想通过具体指标、参数的设计体现到具体的模型 中，让模型对市场进行不带任何情绪的跟踪。 其相对传统投资有四大特点： ¾快速高效 ¾客观理性 ¾收益与风险的平衡 ¾个股与组合的平衡
投资中的数量化技术
风险政策 投资 决策委员会 战略资产配置 战略 企划部 风险 管理委员会 投资研究 联席会议 策略备选库 证券备选库 组合构建 /证券选择 投资室 /组合经理 合 规 控 制 交易指令 交易室 风控室 风 险 报 告 研究室 稽核部/法律 合规部
战术资产配置
¾数量化投资技术 几乎覆盖了投资的 全过程，包括估值 与选股、资产配置 与组合优化、订单 生成与交易执行、 绩效评估和风险管 理
估值与选股 资产配置与组合优化 算法、程序化交易
业绩评估报告 核算/绩效评估 核算室
绩效评估 风险管理
投资中的数量化技术——估值与选股
三阶段模型 PE估值法 PB估值法 PS估值法 PEG估值法 PSG估值法 EV/EBITDA
William J. O'Neil
威廉·欧尼尔—CANSLIM投资法则
Jack Brush
杰克·布拉希—稳定成长股
Growth
投资中的数量化技术——资产配置
资产配置流程
全球环境 ¾地区主题 ¾通胀情况 ¾经济增长 ¾政治 ¾货币 国家基本因素预测 ¾利率 ¾公司盈利 ¾政治、社会因素 地区及行业配置
Mark L. Yockey
查尔斯·布兰迪—价值型
David Dreman
马克·约克奇—GARP价值成长法
Geraldine Weiss
戴维·卓曼—反向操作价值型
杰瑞黛·威斯—蓝筹股选择法
成长型
Derwood S. Chase Jr.
德伍·切斯—大型成长动能
Glen E. Bickerstaff
葛廉·毕克斯达夫—中大型成长股
传真 邮件
DDN
FIX网络
电话
Internet
算法交易引擎
FIX
证券交叉网络
Crossing Network (Liquidnet Harborside+)
EMS 经纪商
电子交易网络ECNs 固定收益电子经纪商 (Inet, ArcaEX
（TradeWeb、BrotherTec NASDAQ/BRUT Bloomberg Trade Book) BondVision、eSpeed）
目录
¾现代金融理论的数量化 ¾数量化基金的发展 ¾投资中的数量化技术运用 ¾数量化投资技术在国内的应用状况与前景 ¾我们的工作规划和近期研究产品 ¾ 具体使用案例
代金融理论的数量化
¾现代金融理论是随着金融市场的发展而不断成熟起来的, 其显著的特征是 不断在金融经济学中引入数量化的理论与方法, 用它们来研究金融风险防范 与控制、资本市场的运营、资本资产的结构与定价。 ¾二十世纪50-60年代：有效市场假说（EMH）和资产定价模型（CAPM） ¾二十世纪70年代：期权定价模型（BS）和套利定价理论（APT） ¾二十世纪80-90年代：金融工程、VAR模型、行为金融理论等 ¾二十世纪90年代末-今：非线性科学在金融领域的运用
9行业轮动策略 9风格轮动策略 9（可转移）Alpha策略 9投资组合保险策略
投资中的数量化技术——时机选择
时机选择有效的基础：市场非线性和非有效性
9灰色预测模型 9神经网络预测模型 9支持向量机预测模型
投资中的数量化技术——行为金融投资策略
从传统金融理论的最基本假设入手，放松关于投资者是完全“理性”的严格假 设，吸收心理学的研究成果，研究股票市场投资者行为、价格形成机制与价 格表现特征，取得了一系列有影响的研究成果，形成了具有重要影响力的学 术流派——行为金融学。
投资中的数量化技术——绩效评估
绩效评估
目标层 目标层
准则层 准则层
Fama业绩分解
业绩归因分析
择时选股能力
风险调整收益 RAROC Sharp Treynor Jenson R2 M2
业绩持续性
指标层 指标层
股票选择回报率 风险回报率 净股票选择回报 分散化投资回报
资产配置收益 证券选择收益 总超额收益
TE =
1 ⎡⎛ T 1 T T ⎞⎤ ⎜ II + Gφ + φHφ ⎟⎥ ⎢ T ⎣⎝ 2 ⎠⎦
∂TE 1 T = G + Hφ T ∂φi T
9反向投资策略与动量交易策略 9捕捉并集中投资策略 9小盘股策略 9成本平均策略 9时间分散化策略 9设立止损点的交易策略
投资中的数量化技术——程序化交易
投资者端交易系统
OMS 程序化交易
FIX 引擎 交易市场直连 Direct Market Access FIX – Fixed Income引擎
经济增长前景
供求关系
市场相关性分析
政治前景
国家估值 ¾盈利分析 ¾近期表现
多元化投资组合
技术因素 ¾市场风险 ¾流动性 ¾波动性 ¾主要指数表现
资产估值模型
个股个债选择
基本面分析
公司估值模型
投资中的数量化技术——资产配置
资产配置类别 资产配置层次 战略资产配置 资产配置方法 资产配置模型 马克维茨MV模型 收益测度 风险测度 估计方法 均值-LPM模型 VaR约束模型 Black-Litterman模型 行业轮动策略 周期判断 风格判断 时机判断 风格轮动策略 (可转移)Alpha策略 投资组合保险策略
9 量化选股 9资产配置 9行为金融 9程序化交易
我们的工作规划和近期研究产品
我们的研究路线: 资产配置 时机选择 股票筛选 其他专题研究 近期研究产品: 基于行业景气指标的行业筛选与资产配置 指数化投资的优化分析 资金流分析与个股筛选 ……
我们的工作规划和近期研究产品
A股市场运行分析及资产配置建议
相对估值模型
两阶段模型 单阶段模型
关键问题
WACC、永续增长率、Beta
上市公司估值
利润增长率
公司自由现金流模型 股权自由现金流模型 股利折现模型 低股利 高增长率 逐步降低 永续增长率 高速成长期 过渡期 逐步提高 稳定成长期 高股利
绝对估值模型
T
股利分配率
投资中的数量化技术——估值与选股
指标层
（输入） 统计模型 结构模型
规则层
（逻辑）
主成分分析 逐步回归 分层回归
选股结果
（输出）
基本面因素
盈利能力、成长性 盈利质量 资产运行效率 股本扩张能力、 偿债能力、现金情况
基本面选股结果
成长型 价值型 GARP
外部环境
宏观经济形势 行业发展情况
宏观经济周期 行业景气周期
多因素选股结果
市场表现
动量 波动性 活跃性
具体使用案例——跟踪误差
指数基金的跟踪误差
T
，
A1 = [1,1, L ,1]1× N
Min
TE =
1 (IRt − FRt )2 ∑ T t =1
N
Min
1 Gφ T + φHφ T 2 A1φ = B1 A2φ ≥ B2 H = 2 RR T
B1 = 1 ⎡1 0 0 ⎢0 1 0 ⎢ A2 = ⎢ 0 0 1 ⎢ ⎢L L L ⎢ ⎣0 0 0 ⎡0 ⎤ ⎢0 ⎥ B2 = ⎢ ⎥ ⎢M⎥ ⎢ ⎥ ⎣0⎦ N ×1 0⎤ 0⎥ ⎥ L 0⎥ ⎥ O L⎥ 0 1⎥ ⎦ L L
时间
日内交易
1
数量化基金的发展
¾对于数量化基金（Quantitative Funds or Quant Funds）并没有严格的定 义。 ¾Bloomberg认为数量化基金因使用数量化投资方法而得名，数量化基金通 过数理统计分析，选择那些未来回报可能会超越基准的证券进行投资，以期 获取超越指数基金的收益。 ¾Lipper所定义的数量化基金的投资行为仅仅依赖于数量化的方法而不是定 性的方法，也就是说数量化基金较少考虑公司的具体商业操作，而更多的考 虑公司股票在市场上的表现。 ¾Forbes旗下的Investopedia（投资百科）则认为，基于量化方法选股的投 资基金即为数量化基金。 ¾Profitfund认为数量化基金通常会对市场行为建立计算机化的统计模型，基 于数理统计分析对组合进行管理。