量化投资

Posted 2023-04-04

有没有专门讲量化投资的书。不是故事书啊，里面要有数学公司和具体的策略研究。

　　没有你想的书

　　我多年来都有关注这方面的书 可是也没有在国内找到

　　数量化投资是将投资理念及策略通过具体指标、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；相对于传统投资方式来说，具有快速高效、客观理性、收益与风险平衡和个股与组合平衡等四大特点。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等，在各个环节都有不同的方法及量化模型：

　　一、估值与选股

　　估值：对上市公司进行估值是公司基本面分析的重要方法，在“价值投资”的基本逻辑下，可以通过对公司的估值判断二级市场股票价格的扭曲程度，继而找出价值被低估或高估的股票，作为投资决策的参考。对上市公司的估值包括相对估值法和绝对估值法，相对估值法主要采用乘数方法，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等；绝对估值法主要采用折现的方法，如公司自由现金流模型、股权自由现金流模型和股利折现模型等。相对估值法因简单易懂，便于计算而被广泛使用；绝对估值法因基础数据缺乏及不符合模型要求的全流通假设而一直处于非主流地位。随着全流通时代的到来和国内证券市场的快速发展，绝对估值法正逐渐受到重视。

　　选股：在当前品种繁多的资本市场中，从浩瀚复杂的数据背后选出适合自己投资风格的股票变得越加困难。在基本面研究的基础上结合量化分析的手段就可以构建数量化选股策略，主流的选股方法如下：

　　资产配置方法与模型
　　资产配置类别 资产配置层次 资产配置方法 资产配置模型
　　战略资产配置 全球资产配置 大类资产配置 行业风格配置 收益测度 风险测度 估计方法 马克维茨 MV 模型 均值 -LPM 模型 VaR 约束模型 Black-Litterman 模型
　　战术资产配置 ( 动态资产配置 ) 周期判断 风格判断 时机判断 行业轮动策略 风格轮动策略 Alpha 策略 投资组合保险策略

　　基本面选股：通过对上市公司财务指标的分析，找出影响股价的重要因子，如：与收益指标相关的盈利能力、与现金流指标相关的获现能力、与负债率指标相关的偿债能力、与净资产指标相关的成长能力、与周转率指标相关的资产管理能力等。然后通过建立股价与因子之间的关系模型得出对股票收益的预测。股价与因子的关系模型分为结构模型和统计模型两类：结构模型给出股票的收益和因子之间的直观表达，实用性较强，包括价值型(本杰明·格雷厄姆—防御价值型、查尔斯·布兰迪—价值型等)、成长型(德伍·切斯—大型成长动能、葛廉·毕克斯达夫—中大型成长股等)、价值成长型(沃伦·巴菲特—优质企业选择法、彼得·林奇—GARP价值成长法等)三种选股方法；统计模型是用统计方法提取出近似线性无关的因子建立模型，这种建模方法因不需先验知识且可以检验模型的有效性，被众多经济学家推崇，包括主成分法、极大似然法等。

　　多因素选股：通过寻找引起股价共同变动的因素，建立收益与联动因素间线性相关关系的多因素模型。影响股价的共同因素包括宏观因子、市场因子和统计因子(通过统计方法得到)三大类，通过逐步回归和分层回归的方法对三类因素进行选取，然后通过主成分分析选出解释度较高的某几个指标来反映原有的大部分信息。多因素模型对因子的选择有很高的要求，因子的选择可依赖统计方法、投资经验或二者的结合，所选的因子要有统计意义上或市场意义上的显著性，一般可从动量、波动性、成长性、规模、价值、活跃性及收益性等方面选择指标来解释股票的收益率。

　　动量、反向选股：动量选股策略是指分析股票在过去相对短期的表现，事先对股票收益和交易量设定条件，当条件满足时买进或卖出股票的投资策略，该投资策略基于投资者对股票中期的反应不足和保守心理，在投资行为上表现为购买过去几个月表现好的股票而卖出过去几个月表现差的股票。反向选股策略则基于投资者的锚定和过度自信的心理特征，认为投资者会对上市公司的业绩状况做出持续过度反应，形成对业绩差的公司业绩过分低估和业绩的好公司业绩过分高估的现象，这为投资者利用反向投资策略提供了套利机会，在投资行为上表现为买进过去表现差的股票而卖出过去表现好的股票。反向选股策略是行为金融学理论发展至今最为成熟，也是最受关注的策略之一。

　　二、资产配置

　　资产配置指资产类别选择、投资组合中各类资产的配置比例以及对这些混合资产进行实时管理。资产配置一般包括两大类别、三大层次，两大类别为战略资产配置和战术/动态资产配置，三大层次为全球资产配置、大类资产配置和行业风格配置。资产配置的主要方法及模型如下：

　　战略资产配置针对当前市场条件，在较长的时间周期内控制投资风险，使得长期风险调整后收益最大化。战术资产配置通常在相对较短的时间周期内，针对某种具体的市场状态制定最优配置策略，利用市场短期波动机会获取超额收益。因此，战术资产配置是在长期战略配置的过程中针对市场变化制定的短期配置策略，二者相互补充。战略资产配置为未来较长时间内的投资活动建立业务基准，战术资产配置通过主动把握投资机会适当偏离战略资产配置基准，获取超额收益。

　　三、股价预测

　　股价的可预测性与有效市场假说密切相关。如果有效市场假说成立，股价就反映了所有相关的信息，价格变化服从随机游走，股价的预测就毫无意义，而我国的股市远未达到有效市场阶段，因此股价时间序列不是序列无关，而是序列相关的，即历史数据对股价的形成起作用，因此可以通过对历史信息的分析来预测股价。

　　主流的股价预测模型有灰色预测模型、神经网络预测模型和支持向量机预测模型(SVM)。灰色预测模型对股价的短期变化有很强的预测能力，近年发展起来的灰色预测模型包括GM(1, 1)模型、灰色新陈代谢模型和灰色马尔可夫模型。人工神经网络模型具有巨量并行性、存储分布性、结构可变性、高度非线性和自组织性等特点，且可以逼近任何连续函数，目前在金融分析和预测方面已有广泛的应用，效果较好。支持向量机模型在解决小样本、非线性及高维模式识别问题中有许多优势，且结构简单，具有全局优化性和较好的泛化能力，比神经网络有更好的拟合度。

　　四、绩效评估

　　作为集合投资、风险分散、专业化管理、变现性强等特点的投资产品，基金的业绩虽然受到投资者的关注，但要对基金有一个全面的评价，则需要考量基金业绩变动背后的形成原因、基金回报的来源等因素，绩效评估能够在这方面提供较好的视角与方法，风险调整收益、择时/股能力、业绩归因分析、业绩持续性及Fama的业绩分解等指标和方法可从不同的角度对基金的绩效进行评估。

　　绩效评估模型 / 指标

　　绩效评估准则
　　择时 / 股能力
　　业绩归因分析
　　风险调整收益
　　业绩持续性
　　Fama 业绩分解

　　模型 / 指标
　　T-M 模型

　　H-M 模型

　　GII 模型

　　C-L 模型
　　资产配置收益

　　证券选择收益

　　行业选择收益

　　行业内个股选择收益
　　RAROC

　　Sharp, Stutzer

　　Treynor, Jensen

　　, ,
　　双向表分析

　　时间序列相关性
　　总风险收益

　　系统风险收益

　　分散化投资收益

　　五、基于行为金融学的投资策略

　　上世纪50～70年代，随着马科维茨组合理论、CAPM模型、MM定理及有效市场假说的提出，现代金融经济学建立了一套成熟的理论体系，并且在学术界占据了主导地位，也被国际投资机构广泛应用和推广，但以上传统经济学的理论基石是理性人假设，在理性人假设下，市场是有效率的，但进入80年代以后，关于股票市场的一系列研究和实证发现了与理性人假设不符合的异常现象，如：日历效应、股权溢价之谜、期权微笑、封闭式基金折溢价之谜、小盘股效应等。面对这些金融市场的异常现象，诸多研究学者从传统金融理论的基本假设入手，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，研究股市投资者行为、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。

　　行为金融学是对传统金融学理论的革命，也是对传统投资实践的挑战。随着行为金融理论的发展，理论界和投资界对行为金融理论和相关投资策略作了广泛的宣传和应用，好买认为，无论机构投资者还是个人投资者，了解行为金融学的指导意义在于：可以采取针对非理性市场行为的投资策略来实现投资目标。在大多数投资者认识到自己的错误以前，投资那些定价错误的股票，并在股价正确定位之后获利。目前国际金融市场中比较常见且相对成熟的行为金融投资策略包括动量投资策略、反向投资策略、小盘股策略和时间分散化策略等。

　　六、程序化交易与算法交易策略

　　根据NYSE的定义，程序化交易指任何含有15只股票以上或单值为一百万美元以上的交易。程序化交易强调订单是如何生成的，即通过某种策略生成交易指令，以便实现某个特定的投资目标。程序化交易主要是大机构的工具，它们同时买进或卖出整个股票组合，而买进和卖出程序可以用来实现不同的目标，目前程序化交易策略主要包括数量化程序交易策略、动态对冲策略、指数套利策略、配对交易策略和久期平均策略等。

　　算法交易，也称自动交易、黑盒交易或无人值守交易，是使用计算机来确定订单最佳的执行路径、执行时间、执行价格及执行数量的交易方法，主要针对经纪商。算法交易广泛应用于对冲基金、企业年金、共同基金以及其他一些大型的机构投资者，他们使用算法交易对大额订单进行分拆，寻找最佳路由和最有利的执行价格，以降低市场的冲击成本、提高执行效率和订单执行的隐蔽性。任何投资策略都可以使用算法交易进行订单的执行，包括做市、场内价差交易、套利及趋势跟随交易。算法交易在交易中的作用主要体现在智能路由、降低冲击成本、提高执行效率、减少人力成本和增加投资组合收益等方面。主要的算法包括：交易量加权平均价格算法(VWAP)、保证成交量加权平均价格算法(Guaranteed VWAP)、时间加权平均价格算法(TWAP)、游击战算法(Guerrilla)、狙击手算法(Sniper)、模式识别算法(Pattern Recognition)等。

　　综上所述，数量化投资技术贯穿基金的整个投资流程，从估值选股、资产配置到程序化交易与绩效评估等。结合量化投资的特点及我国证券市场的现状，好买认为量化投资技术在国内基金业中的应用将主要集中在量化选股、资产配置、绩效评估与风险管理、行为金融等方面，而随着包括基金在内的机构投资者占比的不断提高、衍生品工具的日渐丰富(股指期货、融资融券等)以及量化投资技术的进步，基金管理人的投资策略将会越来越复杂，程序化交易(系统)也将有快速的发展。 参考技术A 有，《量化投资》，丁鹏，电子工业出版社 参考技术B 我看了你的表达，不够强烈的31 参考技术C 量化炒币不错

私募为何大都在做量化投资，有哪些优势？

量化投资已经成为私募基金发展最快的策略。逐步从定性投资向量化投资转型，是私募基金等机构投资者的不二选择。

 什么是量化投资

量化投资概念具有狭义和广义两个不同的含义。

 通常意义的量化投资指狭义量化投资，是指使用数量化方法做出投资决策，实现既定投资策略的投资方式。量化投资区别于定性投资的鲜明特征是使用数学模型做出投资决策，往往但非必然由计算机程序批量发出交易指令。

 从广义角度看，量化投资及其分析方法已经有100余年历史，在投资过程中的作用无处不在，日趋广泛深入。

 纵观全球投资学发展史，就是各种量化投资分析方法的历史。从早期以道氏理论为代表的技术分析方法，到标志现代投资学起源的Markowitz资产组合理论、夏普CAPM模型，再到套利定价模型、指数模型、Fama-French三因素模型，以及利率期限结构理论、久期理论、股票定价模型、期权定价模型等，它们都属于量化投资范畴，属于投资学理论体系的重要组成部分。

 定量投资和传统的定性投资本质上是相同的，二者都基于市场非有效或者弱有效的理论基础，而基金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于基金经理个人经验和主观判断，而定量投资管理则是“定性思想的量化应用”，更加强调数量模型和数据筛选。

 

私募机构为什么要做量化投资

证券市场不断壮大，股票、债券等各类证券交易品种极大丰富，特别是期货、期权等金融衍生品上市，为各类量化投资带来重要发展机遇，也使得量化投资逐渐从象牙塔走进公众视野，为更多投资者所认知。

 对于以投资为职业的私募基金等机构投资者，量化投资正在成为不可或缺的投资模式。量化投资具有以下优势：

 1、避免盲人摸象

 证券市场是一个海量信息罗织的世界。每一位投资者和研究员掌握的信息都是信息海洋中的一滴水，对证券市场的认知如同盲人摸象。

 量化投资能够统揽大数据，获得对市场总体全面的认知。可以避免一叶障目，不见泰山；避免仅仅依靠沧海一粟认知广阔的海洋世界。

 此外，各类金融衍生品出现及其带来的各种套利机会，如果不使用数量化交易工具，就难以捕捉稍纵即逝的套利机会。

 2、克服人性弱点

 贪婪、恐惧和侥幸心理是人性的弱点，定性投资难以克服，量化投资具有显著优势。除此以外，量化投资还可以克服认知偏差，行为金融理论在这方面有许多论述。

 上述人性弱点往往是导致投资失败、功败垂成的重要原因。量化投资可以使投资变得更加理性、更加符合逻辑、更加有纪律。

 

3、量化是比较和优选的前提

 没有量化就没有比较，没有比较就没有鉴别。判断某只股票优劣，如果没有数据比较，就无法做出正确判断。

 量化投资的核心就是依靠数据比较优化投资组合。量化投资不断寻找估值洼地，通过全面系统的数据分析捕捉错误定价带来的投资机会。

 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，但是他的判断会有盲区，他不知道哪里有更加伟大的企业，哪些股票是更好的股票。

 与定性投资基金经理不同，量化基金经理在数据比较的基础上选择投资组合，分析哪里是估值洼地，哪些品种被低估了，买入低估的，卖出高估的。

 

4、渔网捕鱼覆盖更全面、捕鱼更高效

 定性基金经理采用鱼叉捕鱼，按照自己的标准逐个寻找大鱼并将其捕获。在广阔的海洋中，他的视野存在盲区，很多大鱼在他的视线范围之外。

 与定性基金基金经理不同，量化投资基金经理采用渔网捕鱼，设计特定大小网眼的渔网，舍弃不符合标准的小鱼，将符合标准的大鱼一网打尽，覆盖更全面，捕鱼更高效。

 人脑处理信息的能力是有限的，假如证券市场只有30只股票，定性投资基金经理具有优势，他可以深刻分析这30家公司。但在一个很大的证券市场，比如有成千上万只股票的时候，量化投资的信息处理能力更加能够体现优势，能拓展更大的投资空间，捕捉更多的投资机会。

 

5、大幅提高效率，助力私募机构实现超常规跨越式发展

 量化投资在以下几个方面都可以大幅节省成本、缩短周期、提高效率，助力私募机构实现超常规跨越式发展：

1. 投资研究和决策过程；

2. 新产品研发和增发过程；

3. 管理资产规模扩张过程。

 

国内量化投资现状

较低的市场有效性使得国内证券市场成为滋养量化投资生长的肥沃土壤。一些因错误定价导致的投资机会，在成熟市场难以出现，在我国市场却可能常态化存在。

定性投资与量化投资两种投资方法都以捕获上述机会为目标，买入被低估的证券，卖出被高估或者已经不再低估的证券。它们的区别在于：定性投资依靠个人经验和判断，逐个甄别机会品种并进行投资；量化投资使用数量模型批量筛选交易品种并进行投资。

 本世纪以来，在国内证券市场使用量化投资方法获得高额收益的例子并不鲜见。

 2006年上半年，国内证券市场推出权证交易，为量化交易者带来诸多惊人的无风险套利机会，部分机构获得令人瞠目、高达数十亿元的无风险套利收益。

 2006年下半年，官媒发布即将推出股指期货的消息，给封闭式基金带来重大历史性机遇，引发持续跨越三个年度的史诗般壮阔大潮，在我国证券市场发展史上写下浓墨重彩的篇章。股指期货推出之后不久的一段时间内，期现套利为部分机构带来丰厚回报。

 上述无风险套利机会，是量化投资在国内市场成功应用的经典案例。

 独特的投资者结构和其它因素导致国内证券市场有效性显著低于西方成熟市场，为量化投资带来发展机遇，同时也带来一些困扰。量化投资团队人员参差不齐，各种量化模型和方法鱼龙混杂，是困扰的主要原因。

 投资学与其它学科一样，有其自身规律和理论体系。

其它学科的理论，如物理学、信息科学、工程学、心理学或者仿生学等学科的理论模型，必须首先经受充分的投资实践检验并且被证明有效，并成功转化为投资学理论，然后才能普遍应用于投资实践。

 理论与实践两者之间的关系是：理论指导实践，经过反复检验的实践可以上升为理论，进而指导实践。理论与实践的关系不能违背。对于跨学科模型的应用，笔者持谨慎态度。

现代投资学体系几乎就是量化投资理论与方法的体系。各种新的投资学理论的建立过程，一路伴随各种诺贝尔经济学奖作伴。这些新理论在专业领域获得广泛认可之后被写入经典教科书，从而上升为投资学经典理论。

1952年Markowitz模型诞生，标志着现代投资学起源，历经数十年发展，其理论体系内容已经相当丰富。在此理论体系指导下的投资实践，是符合投资规律的。没有理论指导的实践，也许能够取得阶段性高收益，但难掩其缺乏理论依据、可复制性欠缺和难以获得广泛认同的尴尬。

 

结语

作为国内私募机构投资者，正确的量化投资发展路径是，首先在投资学理论体系框架内寻求量化投资方法并应用于投资实践，而不是听信或者采用其它学科的模型和方法，否则可能会冒机会主义风险，犯冒进主义错误。

 没有正确理论依据的量化投资模型和方法，有可能昙花一现，但难以长期在证券市场立足。

 

作者：丁俭博士，中国中投证券投资顾问部总监

-------------------------------------------------------------------

推荐阅读：双均线策略    多因子选股     网格交易     海龟交易法      日内交易