量化策略简介资料

量化投资就是利用计算机技术并且采用一定的数学模型去践行投资理念，实现投资策略的过程。量化投资的优势在于：纪律性、系统性、及时性、准确性和分散化。量化投资的历史可以追溯到20世纪50年代，最近十年得到了飞速发展，量化投资基金的数量增加值也远远超过了传统投资基金。在国内量化投资基金则是从2009年刚刚起步，正处于朝阳阶段。

量化投资的主要内容包括：量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、ETF/LOF套利、高频交易等。

量化投资的基础理论知识包括：人工智能、数据挖掘、小波分析、支持向量机、分形理论和随机过程。量化投资需要的IT技术包括：数据库、数据仓库、面向对象编程等。

1.1 什么是量化投资

1.1.1 量化投资定义

什么是量化投资？简单来讲，量化投资就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。

传统的投资方法主要有基本面分析法和技术分析法这两种，与它们不同的是，量化投资主要依靠数据和模型来寻找投资标的和投资策略。

对于量化投资中模型与人的关系，有点类似于病人和医生的关系。在医生治病的方法中，中医与西医的诊疗方法不同，中医是望、闻、问、切，最后判断出结果，在很大程度上取决于中医的经验，定性程度大一些；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，定性投资和量化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；量化投资更像是西医，依靠模型判断，模型对于量化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，投资者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。

与传统定性的投资方法不同，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。

因此，我们看到量化投资只是一种工具，可以用数量化工具去实现我们的投资理念。我们所关心的不仅仅是投资理念本身是不是成功，同时也要关心所采用的量化工具是不是成功，即是不是准确把握了投资理念本身并去准确地实现了投资理念。

1.1.2 量化投资理解误区

1．不是基本面分析的对立者

量化投资并不是基本面分析的对立者，海外量化投资的经验是量化投资模型很多是基于基本面因素，同时考虑市场因素、技术因素等。因此，量化投资也不是技术分析，而是基于对市场深入理解而形成的合乎逻辑的投资理念和投资方法。

量化投资是一种主动型投资策略，主动型投资的理论基础就是市场非有效的或弱有效的，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。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，相应地留给主动型投资发掘市场的潜力和空间也更大。量化主动投资策略以正确的投资理念为根本，通过各种因素的分析，以全市场的广度、多维度的深度视角扫描投资机会，在中国市场的应用将更显其优势。

不少投资者对量化基金还存在一种误区，认为这类基金依靠数量模型作为投资运作的基础，那么基金经理包括投资团队所发挥的作用就不大了。实际上在市场出现转折或者小概率事件的时候，计算机无法代替基金经理的判断，此外，在一个波动剧烈的非单边市场环境下，量化模型对新数据的反应也并不完全令人满意。因此，在量化基金的运作中，仍需要经验丰富的基金经理和投资团队来把握一些更加宏观的和大的趋势，而计算机模型的作用是在市场正常的情况下，极大地减少基金经理的工作量，以及避免由于人的情绪带来的失误。

量化投资不仅可以结合定性思想即投资理念，而且也可以让量化投资模型与基金经理的个人判断相结合，这些都将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。基金经理完全可以花更多的心思考虑市场趋势的变化、市场拐点的状况、市场结构的变化、市场上的黑天鹅，以及向量化模型中添加更多更有用的新信息，更好地为投资决策服务。

2．主动而非被动投资

很多人认为，量化投资是依循预先设计好的模型被动执行投资运作，因此与指数化投资一样是属于被动投资。实际上完全相反，量化投资是一种主动投资。量化投资和指数化投资的理论基础完全不同。指数化等被动投资的理论基础是认为市场是完全有效的，任何企图战胜市场的努力都是徒劳的，既然这样，不如就被动地复制指数，以取得与市场一样的收益水平。

而量化投资的理论基础是市场是无效的，或者是弱有效的，因此投资人可以通过对于市场、行业基本面及个别公司的分析，主动建构一个可以取得战胜市场的超额收益的组合。因此，量化投资属于主动投资策略。

3．不是神秘主义

量化投资不是神秘主义，更不是一个战无不胜的秘笈。量化投资不是靠一个投资模型就能永远赚钱，而且也不是使用一个模型就能解决一切问题，更不是一个模型就能胜任任何市场状

况。量化投资模型只是一种工具，量化投资的成功与否在于使用这种数量化工具的投资者是否真正掌握了量化投资的精髓。

我们需要建立很多的量化模型，如选股模型、行业配置模型、择时模型、交易模型、风险管理模型及资产配置模型、套利模型、对冲模型等。量化投资模型只是一种工具、一种方法、一种手段，能实现成熟而有效的投资理念，并不断根据投资理念的变化、市场状况的变化而进行修正、改善和优化。

同时，量化投资模型都必须经历不断地跟踪检验、优化、实证等过程。量化投资是一个不断改进的过程，最重要的就是投资者的投资思想，包括对投资的理解、理念、经验，所有模型都是建立在这些投资思想上的。

4．捕获大概率

量化投资策略从本质上讲是寻找较大概率获胜的机会。那么量化投资必然会观察市场的规律，试图寻找各个因素与未来股票收益之间的关系，并寻找较为成功，即大概率成功的规律。

要从大概率上获取较好的收益，量化投资模型需要着重考虑对资产未来收益看法的估计和辨别，而且主要包括对个股的看法、行业的看法等估计的准确性。对资产未来收益的看法既可以是绝对的收益水平，也可以是相对的收益水平（或称之为Alpha）。对于共同基金而言，对后者即Alpha 的估计和预测可能需求更多，量化模型也主要是在寻找最佳的Alpha 模型。

在确定投资品种后，量化投资策略需要考虑具体的交易策略和风险控制策略等方面。有较好的交易策略才能最大程度地降低交易成本（包括佣金、税费及冲击成本等），而通常交易成本对业绩的表现也有重要的影响。交易策略主要解决的问题是冲击成本的问题，假设一只基金买某只股票的成本是5%，而收益率却达不到这个水平，那么这个投资策略和方法就不可行——虽然对资产未来收益看法的预测模型很好。

量化投资需要综合考虑资产的鉴别（个股选择、行业配置、资产配置等）、交易（包括择时）和风控（包括对风险收益的平衡等）等方面因素，寻找到成功概率最大的投资组合，达到收益最大化。本节内容主要来自于本章参考文献[1]

1.2 量化投资与传统投资比较

1.2.1 传统投资策略的缺点

投资策略一般可分为主动型投资策略和被动型投资策略，被动型投资即一般所说的指数化投资，而主动型投资策略又可分为传统型投资策略和量化投资策略。

所有的主动型基金经理都试图战胜市场以期获得超过市场基准的超额收益。然而，传统的主动型基金经理的绩效一般都很难达到期望值，这也许印证了有效市场理论（EMH）的观点——市场是无法被超越的。但是，我们可以从另外一个角度去思考这个问题，传统主动型投资策略有时的失败也许并不是因为无法超越市场效率的限制，而是由于其本身内在的缺点所致。量化投资策略(一）

（1）传统主动型投资策略受到人类思维可以处理的信息量的限制。人类思维在任何时候都只能考虑有限数目的变量，因此对任何一个基金管理者来说，对大量股票都进行深入分析是不现实的。例如，对于600只的股票样本，被一个传统主动型基金经理紧密跟踪的也许只包括200只，这样就会明显排除从其他股票获益的机会。

（2）传统主动型投资策略容易受到认知偏差的影响。任何人的认知偏差及根深蒂固的思维习惯都会导致决策的系统误差。例如，大多数人都只愿意记住自己成功的喜悦而不愿记住失败的教训，所以在处理问题时一般都会表现出过度自信。行为金融学的研究也表明，认知偏差会歪曲投资者的决策从而对其投资行为产生影响。

（3）传统主动型投资策略更强调收益率而不是风险控制，更加偏重个股挖掘而不是投资组合构造。由于对传统主动型基金的业绩衡量基准缺乏明确的定义，相应地，对其基金经理的投资资产配置也就缺乏严格的限制，这使得基金经理倾向于偏离潜在的业绩基准，在盲目追求高收益的同时，较少考虑相应的风险控制，这也是传统主动型投资策略未能取得期望优异绩效的原因之一。

1.2.2 量化投资策略的优势

量化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，而基金经理可以通过对个股基本面、估值、成长性等方面的分析研究，建立战胜市场、产生超额收益的组合。不同的是，传统定性投资较依赖对上市公司的调研，并加以基金经理的个人经验及主观判断，而量化投资则是将定性思想与定量规律进行量化应用的过程。

量化投资策略有如下五大方面的优势，主要包括纪律性、系统性、及时性、准确性、分散化等。

（1）纪律性：严格执行量化投资模型所给出的投资建议，而不是随着投资者情绪的变化而随意更改。纪律性的好处很多，可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差，行为金融理论在这方面有许多论述。纪律化的另外一个好处是可以跟踪和修正。

量化投资作为一种定性思想的理性应用，客观地在组合中去体现这样的组合思想。一个好的投资方法应该是一个透明的盒子，而不是黑盒子。每一个决策都是有理有据的，无论是股票

的选择、行业选择，还是大类资产的配置等，都是有数据支持、模型支持及实证检验的。

（2）系统性：量化投资的系统性特征主要包括多层次的量化模型、多角度的观察及海量数据的观察等。多层次模型主要包括大类资产配置模型、行业选择模型、精选个股模型等。多角度观察主要包括对宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度的分析。

量化投资的系统性还有一方面就是数据多，即海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100 只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100 家公司，这就是表现出定性基金经理深度研究的优势。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的量化投资的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。

（3）及时性：及时快速地跟踪市场变化，不断发现能够提供超额收益的新的统计模型，寻找新的交易机会。

（4）准确性：准确客观评价交易机会，克服主观情绪偏差，妥善运用套利的思想。量化投资正是在找估值洼地，通过全面、系统性的扫描，捕捉错误定价、错误估值带来的机会。定性投资经理大部分时间在琢磨哪一个企业是伟大的企业，哪个股票是可以翻倍的股票；而量化投资经理大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。

（5）分散化：在控制风险的条件下，充当准确实现分散化投资目标的工具。分散化，也可以说量化投资是靠概率取胜。这表现为两个方面：一是量化投资不断地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，而不是一只或几只股票取胜，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。

1.2.3 量化投资与传统投资策略的比较

1．投资策略比较

如表1-1所示为各种投资策略差异，基于基本面选股的传统策略年追踪误差是所有策略中最高的。“与基准组合的差异”表明了运用不同投资策略的组合收益有别于基准收益的原因，即影响投资组合期望跟踪误差的关键因素。

不同投资策略对比

（续表）

从表1-1中可以看出，基本面选股的年跟踪误差最高，量化选股其次。其中，我们对各种策略“与基准组合的差异”进行进一步分析。

（1）个股：投资组合中某只个股的配置比例可能有别于其在基准指数组合中的配置比例。例如，一个采用主动量化策略的基金经理可能将基金的5%配置于某只股票，但基准指数组合在该股上的配置比例为4%；而对一个专业化主动投资的基金经理，他的投资组合中可能根本就没有配置该股。

（2）行业：投资组合中某板块的配置比例可能有别于基准指数组合中该板块的配置比例。例如，某基金对高科技板块的配置比例为35%，而基准指数组合中该板块的配置比例仅为25%。

（3）规模/风格：不同的投资策略可能对股票的规模或者风格有不同侧重，这可能有别于基准指数组合。例如，某些基金经理可能更注重股票的市值规模（大、中、小市值），某些基金经理可能更注重股票的风格特性（价值、成长型），从而导致其对所偏好的风格特性的股票进行超配，这就产生了与基准指数组合的配置比例不一致的情形。

（4）择时：基金经理可能会综合分析上述3种因素，在不同的时期采用不同策略。例如，某基金经理可能根据不同板块在不同阶段的市场表现不同而采用板块轮动策略，超配（或低配）下阶段看好（或看淡）的板块。

2．不同投资策略的业绩对比

采用不同投资策略的基金投资业绩比较如图1-2所示。这里分别列出了3种类型的基金1 年期、3 年期、5 年期和10 年期的信息比率（Information Ratio），数据覆盖时间区间为1996 年1 月1 日至2005 年12 月31 日。

第一种类型表示以Russell 1000指数或者S&P 500 指数为投资基准组合（Benchmark）的所有传统主动型投资基金（All Active Funds）；第二种类型表示偏重风险控制的传统主动型投资基金（Risk-controlled Traditional Active Funds）；第三种类型表示量化投资基金（Quantitative

Active Funds）。

。

第二章量化策略介绍

投资策略总的来说分为两大类：判断趋势型和判断波动率型。

判断趋势型是一种高风险的投资方式，通过对大盘或者个股的趋势判断，进行相应的投资操作。如果判断是趋势向上则做多，如果判断趋势向下则做空，如果判断趋势盘整，则进行高抛低吸。这种方式的优点是收益率高，缺点是风险大。一旦判断错误则可能遭受重大损失。所以趋势型投资方法适合于风险承受度比较高的投资者，在承担大风险的情况下，也会有机会获得高额收益。

判断波动率型投资方法，本质上是试图消除系统性风险，赚取稳健的收益。这种方法的主要投资方式是套利，即对一个或者N个品种，进行买入同时并卖出另外一个或N个品种的操作，这也叫做对冲交易。这种方法无论在大盘哪个方向波动，向上也好，向下也好，都可以获得一个比较稳定的收益。在牛市中，这种方法收益率不会超越基准，但是在熊市中，它可以避免大的损失，还能有一些不错的收益。股指期货套利是在股票和股指期货之间的对冲操作，商品期货是在不同的期货品种之间，统计套利是在有相关性的品种之间，期权套利则是在看涨看跌期权之间的对冲。

无论是哪种投资方式，最终都需要通过一笔笔的订单系统来实现。每一个投资者的订单对市场都是有影响的，买入的订单会推动价格上涨，卖出的订单会造成价格的下跌，这就是冲击成本的由来。冲击成本会降低投资者的收益率，因此需要采用某种算法来尽可能地减少对市场的影响，降低冲击成本。。

量化策略可以依据具体采用的策略不同分为以下几大类，本章将会简单介绍每一类策略和它们的市场容量。

二、量化策略简介及其市场容量

1.多因子选股模型

多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子（股价技术指标和公司基本面数据）作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。举