时间：2023-07-06 17:17:08
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇量化投资主要方法，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
对年轻的A股市场来说,量化投资还是一个新概念。而在国外,定量投资已经走过了近40年的道路,其中的标杆人物正是著名的詹姆斯・西蒙斯(James Simons)。
量化投资的神秘故事
文艺复兴科技公司(Renaissance Technologies)的詹姆斯・西蒙斯(James Simons)是华尔街最成功的对冲基金经理之一。他所管理的大奖章基金对冲基金,从1989年到2006年的17年间,平均年收益率达到了38.5%,而股神巴菲特过去20年的平均年回报率为20%。其20年来年均35%的傲人业绩大幅超过了巴菲特。
然而,颇具神秘色彩的西蒙斯对其投资方法刻意保密。迄今为止人们只知道,他的大奖章基金的赚钱方法是:针对不同市场设计数量化的投资管理模型,并在全球各种市场上进行短线交易。而为了让这些“模型”始终处于绝密状态,西蒙斯甚至不惜代价对那些离职创业的员工强硬地提讼。但实际上,数量化投资的背后并不是神秘而不可知的。数量化投资本身有一套规范而透明的做法,并采用科学、公正而理性的方法对市场进行研究并制定适应市场状况的投资模型和投资策略,并不断进行调整和优化。
其实,数量化投资不是黑盒子,也不是神秘主义,更不是一个战无不胜的秘笈。数量化投资不是靠一个投资模型就能一劳永逸地去赚钱,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。数量化投资模型只是一种工具,数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数量化投资。同时,数量化投资模型都必须经历不断的跟踪检验、优化、实证等等过程。数量化投资是一个不断改进的过程,数量化投资中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,所以模型都是建立在这些投资思想上的。量化只是一种方式和工具,正是采用这种工具和方法来获取经验或者检验经验。
有效规避传统投资短板
人脑在思考问题的时候所能考虑到的因素总是有限的,那么决策的广度肯定是不足的。从选股上来看也有这种问题,每个分析师所能跟踪的股票数量也有限制,不可能看太多的股票,这是传统投资的短板。当然,传统的主动投资方法在决策深度上是有优势的,因为可以把基本面研究做得很深入,从而弥补决策广度的不足,这也是决定成败的关键。信息多,信息快,这是当今资本市场的一大特点。市场中信息的传递速度非常快,而且众多分析师对基本面数据进行不断的挖掘,虽然对个股有深入的分析,但是仍然越来越难以弥补决策广度的不足。
另外,或许有的投资者对市场的预测能力非常不错,从理论上说可以获得很好的超额收益(特别是很多事后看来确实预测准确的情况),但现实中收益常常被投资者主观认知上的情绪化波动侵蚀掉。比如说,大多数投资者可能有自己的判断,但是市场短期的表现可能与其判断相左。这个时候,投资者可能会受市场表现的影响而很容易怀疑自己的判断,此时大多数投资者宁愿相信羊群效应―追涨杀跌。
因此,传统定性投资的短板大致在于我们思考的范围总是有限的、较难以处理信息量多而快的问题、难以避免自身的投资情绪等等,这些都将最终影响到投资者的投资收益状况。然而,科学、公正、客观而理性的数量化投资策略却可以规避这些传统主动型投资策略的短板。
量化技术的五大优势
数量化投资与传统的定性投资方法相比,相同点是,二者都致力于建立战胜市场、产生超额收益的投资组合;不同点是,传统的定性投资方法侧重对上市公司的调研、基金经理个人的经验及其对市场的主观判断,而量化投资管理则更加强调数据的分析和应用,以先进的数学统计技术和模型替代人为主观判断。所以,与传统的定性分析方法相比,数量化投资方法能更为理性、客观地分析和筛选股票,避免投资的盲目性和偶然性,以及主观认识的局限性,它能更有效地控制非系统性风险及一些人为因素导致的风险。定量投资管理将定性思想与定量规律进行量化应用,具有如下五大方面的优势:
纪律性:严格执行数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。定量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等,都是有数据支持、模型支持及实证检验的。
系统性:数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。定量投资的系统性还有一方面就是数据多,即要对海量数据进行处理。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来说是有优势的,他可以深刻分析这100家公司,这可以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,强大的定量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。
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。
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。定量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,那个股票是可以翻倍的股票;与定性投资经理不同,定量基金经理将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。
【关键词】量化投资 特点 策略 发展
一、引言
量化投资在国外的实践已经有了40多年的发展，我国的量化投资起步较晚，从2004年开始出现量化投资的产品，由于缺乏有效的对冲手段，直到2010年4月沪深300股指期货上市之后才能算是真正意义上开始涉足量化投资。[1]
2015年的中国股市跌宕起伏，杠杆配资引发了大幅上涨和断崖式下跌，股市出现罕见的千股涨停、千股跌停、千股停牌的奇观，众多机构投资者和散户蒙受了巨大的损失。但其中少数量化投资基金在大幅波动的市场中却表现相对稳定。量化投资基金和量化对冲策略的稳健，很快引起了全市场的关注，也成为近期银行、券商、信托等机构追捧的新的产品模式。
在此背景下，作者在本文中对于量化投资的概念、特点、策略、理论基础和发展做一个总结，希望为量化投资研究和实践做一些参考。
二、量化投资解读
（一）量化投资的定义
量化投资在学术界并没有严格统一的定义，现有的定义对于量化投资的定义的侧重点各有不同。本文对于量化投资的定义为：
量化投资是指将投资者的投资思想或理念转化为数学模型，或者利用模型对于真实世界的情况进行模拟进而判断市场行为或趋势，并交由计算机进行具体的投资决策和实施的过程。
（二）量化投资的特点
1.投资决策中能够客观理性，克服人类心理对投资决策的影响。传统投资的分析决策，大多数方面都由人工完成，而人并非能做到完全理性，在进行投资决策时，很难不受市场情绪的影响。[2]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，这样在进行投资决策时受人的情绪化的影响将很小，投资过程可以做到理性客观。
2.能够通过海量信息的大数据处理，提高投资决策效率。我国股票市场上有近3000只股票，与上市公司相关的各种信息纷繁复杂，包括政策、国内外经济指标、公司公告、研究报告等，投资者靠自己手工的筛选根本就是力不从心。量化投资的出现为这个问题的解决带来了希望。量化投资运用计算机技术快速处理大量数据，对其进行辨别、分析、找出数据之间的关联并做出投资决策，大大减少了人工的工作量，提高了投资决策效率。
3.能够实现精准投资。传统的投资方法中认为投资是一门艺术，投资决策需要的是投资者的经验和技术，投资者的主观评价起到决定作用。而量化投资有所不同，尤其是在套利策略中，它能做到精准投资。例如在股指期货套利的过程中，现货与股指期货如果存在较大的差异时就能进行套利，量化投资策略和交易技术会抓住精确的捕捉机会，进行套利交易来获利。另外，在控制头寸规模方面，传统的投资方法只能凭感觉，并没有具体的测算和界定，而量化投资必须要设定严格精确的标准。[3]
4.能够快速反应和决策，把握市场稍纵即逝的机会。量化投资往往利用高速计算机进行程序化交易，与人脑相比它能够迅速发现市场存在的信息并进行相应的处理，具有反应快速、把握市场稍纵即逝的机会的特点。量化投资在速度上最出色的运用就是高频交易，与低频交易相对，高频交易是通过高速计算机，在极短的时间内对市场的变化做出迅速的反应并完成交易。[4]
5.能够有效地控制风险，获取较为稳定的收益。与传统投资方式不同的是，量化投资在获得较高超额收益的同时能够更好地控制风险，业绩也更为稳定。相关研究显示，1996年至2005年期间，量化投资基金与以所有传统主动型投资基金和偏重于风险控制的传统主动型投资基金的信息比率对比情况中，量化投资基金的信息比率都是最高，说明量化投资相对于传统投资，能够在获得更高的超额收益的同时，有效地控制风险。
三、量化投资的策略
一般的量化投资的策略指的是用来实现投资理念或模拟市场行为判断趋势从而获取收益的模型。量化投资需要权衡收益、风险、交易成本、具体的执行等各个方面，一般情况下这些方面会形成相对独立的模块。有时候量化投资策略模型也会将风险、成本等方面融合在模型中。
（一）国外量化投资策略的分类
国外习惯上将量化投资的策略分成两大类，一类是阿尔法导向的策略，另一类是贝塔导向的策略。阿尔法策略（alpha strategy）是通过量化择时和调整投资组合中不同资产的头寸大小来获取收益的策略;贝塔策略（beta strategy）是通过量化的手段复制指数或者稍微的超出指数收益的策略。[6]相比而言，量化指数的贝塔策略相对更容易，所以一般情况下所说的量化投资的策略指的是阿尔法策略（alpha strategy）。
阿尔法策略主要有两种类型，分别为理论驱动模型和数据驱动模型。
理论驱动模型是比较常见的类型，这些策略是运用已经存在的经济、金融学的理论，构建策略模型，进行投资决策。理论驱动模型根据输入的数据的不同可以进一步分类，主要有基于价格相关数据的策略和基于基本面数据的策略。
数据驱动模型广泛的被运用于股票、期货和外汇市场，因为采用的数学工具更为复杂，相对而言难于理解，目前使用的还不是很多。与理论驱动模型不同，数据驱动模型认为进行投资决策其实是不需要理论的支持，运用数据挖掘技术，可以从数据（例如交易所的价格数据）中识别出某种行为模式或市场趋势，进而进行预测或者解释未来的模式，从中获取收益。
（二）我国量化投资策略的分类
国内比较常见的量化投资策略主要有两种分类方式，一种是按投资标的所在市场分类区分的量化投资策略，分为现货市场和衍生品市场量化投资策略。现货市场包括股票市场、ETF市场和债券市场，衍生品市场包括商品期货市场、股指期货市场、国债期货市场、外汇市场和期权与其他衍生品市场，国内运用较多的是投资于商品期货和股指期货等期货市场。
另一种分类方式是分为两大类：判断趋势的单边投机策略和判断波动率的套利交易策略。[7]单边投机策略主要包括量化选股和量化择时，套利交易策略主要包括股指期货套利、商品期货套利、统计套利、期权套利、另类套利策略等，目前国内普遍采用的是这种分类方式。
四、量化投资理论的发展
（一）投资理论的发展
量化投资的理论基础最早可以追溯到上个世纪50年代，Markowitz（1952）[8]第一次把数理工具引入到金融研究领域，提出了均值――方差模型和风险报酬与有效前沿的相关概念，这是量化投资接受的最早的严肃的学术成果。Sharpe（1964）[9]、Litner（1965）[10]、Mossin（1966）[11]在马克维茨研究的基础上得出了资本资产定价模型（CAPM），这是如今度量证券风险的基本的量化模型。
20世纪60年代，Samuelson（1965）与Fama（1965）[12]提出了有效市场假说（Efficient Markets Hypothesis，EMH），这为后来在新闻量化交易等方面提供了思路和理论支持。20世纪70年代，金融衍生品不断涌现，对于衍生品的定价成为当时研究的重点。Black和Scholes（1973）[13]将数学方法引入金融定价，他们建立了期权定价模型（B-S模型），为量化投资中对衍生品的定价奠定了理论基础。在该理论之后，Ross（1976）[14]根据无套利原则提出了套利定价理论（APT），该理论是资本资产定价模型（CAPM）的完善和发展，为量化投资中的多因素定价（选股）模型提供了基础，这也是Alpha套利的思想基础。
20世纪80年代，期权定价理论倒向微分方程求解;“金融工程”概念得以产生，金融工程着力于研究量化投资和量化交易。同期，学者们从有效市场理论的最基本假设着手，放宽了假设条件，形成了金融学的另一个重要的分支――行为金融学。
20世纪90年代，金融学家更加注重对于金融风险的管理，产生了诸多的数量化模型，其中最为著名的风险管理数量模型是VaR（Value at Risk）模型，这是量化投资对于风险控制的重要理论基础。[15]
20世纪末，数理金融对于数学工具的引入更加的迅速，其中最为重大的突破无疑是非线性科学在数理金融上的运用，非线性科学的出现为金融科学量化手段和方法论的研究提供了强有力的研究工具[16]，尤其在混合多种阿尔法模型而建立混合模型时是非常有效的一种技术。
（二）量化投资的数学和计算基础
量化投资策略模型的建立需要运用大量的数学和计算机方面的技术，主要有随机过程、人工智能、分形理论、小波分析、支持向量机等。[17]随机过程可以用于金融时序数列的预测，在现实中经常用于预测股市大盘，在投资组合模型构建的过程中，可以优化投资组合;人工智能的很多技术，例如专家系统、机器学习、神经网络、遗传算法等，可以运用于量化投资;分形理论用于时间序列进行预测分析;小波分析主要用于波型的处理，从而预测未来的走势;数据挖掘技术可以运用于数据驱动模型，还可以运用于设置模型的细节;支持向量机可以分析数据，识别模式，用于分类和回归分析。
五、国内外量化投资实践的发展
（一）国外量化投资实践的发展
本文认为量化投资在国外的发展已经经历了四个发展阶段：
1.第一阶段从1949年至1968年：对冲阶段。该阶段是量化投资的萌芽阶段，该阶段具体的量化投资实践很少，主要是为量化投资提供的理论基础和技术准备，量化投资脱胎于传统投资，对抗市场波动，通过对冲稳定Alpha收益，但收益率低了。
2.第二阶段从1969年至1974年：杠杆阶段。在该阶段，量化投资从理论走入了实践。在投资思路上，因为原本的Alpha策略收益有限，通过放杠杆扩大第一阶段的稳定收益。实践方面，1969年，前美国麻省理工学院数学系教授爱德华・索普（Ed Thorp）开办了第一个量化对冲基金，进行可转债套利，他是最早的量化投资的者使用者。1971年，巴莱克国际投资公司（BGI）发行了世界上第一只被动量化基金，标志着量化投资的真正开始。
3.第三阶段从1975年至2000年：多策略阶段。在这一阶段，虽有一定的挫折，但总体上量化投资得到了平稳的发展。在投资思路上，由于上一阶段通过杠杆放大收益的副作用产生，放大以后的波动率又增大，从而转向继续追求策略的稳定收益，具体的手段是采用多策略稳定收益。实践方面，1977年，美国的富国银行指数化跟踪了纽约交易所的1500只股票，成立了一只指数化基金，开启了数量化投资的新纪元。[18]1998年，据统计共有21只量化投资基金管理着80亿美元规模的资产。[19]
4.第四阶段从2000年至今：量化投资阶段。这一阶段，量化投资得到了迅猛的发展，并且发展的速度越来越快。投资思路上，运用量化工具，策略模型化，注重风险管理。在实践方面，在2008年全球金融危机以前，全球对冲基金的规模由2000年的3350亿美元在短短的7年时间内上升至危机发生前的1.95万亿美元，受美国次贷危机的影响全球对冲基金规模有较大的回落，直到2008年之后，在全球经济复苏的大背景下对冲基金规模才开始反弹。
（二）我国量化投资的发展
本文认为，到目前为止，我国量化投资的发展的主要经历了三个阶段：
1.第一阶段从2004年至2010年：起步阶段。在这一阶段，由于我国没有足够的金融工具，量化投资在我国发展缓慢。2004年8月，光大保德信发行“光大保德信量化股票”，该基金借鉴了外方股东量化投资管理理念，这是我国最早的涉足量化投资的产品。2010年4月16日，准备多年的沪深300股指期货的在中金所的上市，为许多对冲基金的产品提供了对冲工具，从此改变了以前我证券市场只能单边进行做多的情况。
2.第二阶段从2011年至2013年：成长阶段。2011年，被认为是我国量化对冲基金元年，[21]而随着股指期货、融资融券、ETF和分级基金的丰富和发展，券商资管、信托、基金专户和有限合伙制的量化对冲产品的发行不断出现，这个阶段的量化投资真正意义上开始发展，促使该阶段发展的直接原因就是股指期货的出现。[20]
3.第三阶段从2014年至今：迅猛发展阶段。2014年被认为是“值得载入我国私募基金史册的一年”，基金业协会推行私募基金管理人和产品的登记备案制，推动了私募基金的全面阳光化，加速了私募基金产品的发行，其中包括量化对冲型私募产品。2014年称得上我国量化对冲产品增长最迅速的一年，以私募基金为代表的各类机构在量化对冲产品上的规模均有很大的发展，部分金融机构全年销售的量化对冲基金规模超过了百亿。
2015年，上证50ETF期权于2月9日正式推出，这对于对我国的量化投资有着极大的促进作用。4月16日，上证50与中证500两只股指期货新品种的上市给量化投资带来更多的策略的运用，金融衍生品的不断丰富和发展，为量化投资提供更多的丰富对冲手段，也提供了更多的套利机会。
六、总结
量化投资的技术、策略、硬件设施条件都在飞速的发展，与传统的投资方式相比，量化投资有着自身的特点和优势。尤其是量化对冲产品，以其长期稳健的收益特征，成为目前“资产荒”下对信托、理财产品和固定收益产品良好的替代产品。未来随着我国股指期货、融资融券、国债期货、期权等金融产品的不断创新，以及股指期货市场未来逐步恢复正常，量化投资发展前景不可限量。
参考文献
[1]徐莉莉.量化投资在中国的发展现状[R].渤海证券研究所：金融工程专题研究报告，2012.
[2]廖佳.揭开量化基金的神秘面纱[J].金融博览（财富），2014，（11）：66-68.
[3]王力弘.浅议量化投资发展趋势及其对中国的启示[J].中国投资，2013，（02）：202.
[4]Durbin，M. All About High-Frequency Trading： The Easy Way To Get Started[M]. McGraw-Hill Press，2010.
[5]蒋瑛现，杨结，吴天宇，等.海外机构数量化投资的发展[R].国泰君安证券研究所：数量化系列研究报告，2008.
[6]Rishi K. Narang. Inside the Black Box： The Simple Truth about Quantitative Trading[M]. Wiley Press，2012.
[7]丁鹏.量化投资――策略与技术[M].北京：电子工业出版社，2014.
[8]Markowitz，H.M.. Portfolio Selection[J].Journal of Finance，1952，2：77-91.
[9]Sharpe，W.F. Capital asset prices： A theory of market equilibrium under conditions of risk[J]. Journal of Finance，1964，19（3）：425-442.
[10]Lintner. The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets[J].Review of Economics and Statistics，1965，47（1）：13-37.
[11]Mossin.Equilibrium in a Capital Asset Market[J]. Econometrica，1966，Vol.34（4）：768-783.
[12]Fama，Jensen，and Roll. Investor sentiment and Stock Returns[J]. Journal of Political Economy，1969，（12）34-36.
[13]Black Fischer，and Myron Scholes，1973.The Pricing of Options and Corporate Liabilities[J].Journal of Political Economy，1973，81（3）：637-654.
[14]Ross.The arbitrage theory of capital asset pricing[J].Journal of Economic Theory，1976，13（3）：341-360.
[15]Jorion，Philippe.Value at Risk：The New Benchmark for Managing Financial Risk （3rd ed.）[M]. McGraw-Hill Press，2006.
[16]戴军，葛新元.数量化投资技术综述[R].国信数量化投资技术系列报告，2008.
[17]丁鹏.量化投资与对冲基金入门[M].北京：电子工业出版社，2014.
[18]郭喜才.量化投资的发展及其监管[J].江西社会科学，2014，（03）：58-62.
[19]Ludwig B.，Chincarini. The Crisis of Crowding： Quant Copycats，Ugly Models，and the New Crash Normal[M]. Wiley Press，2013.
[20]曾业.2014年中国量化对冲私募基金年度报告[R].华宝证券：对冲基金专题报告，2015.
[21]严高剑.对冲基金与对冲策略起源、原理与A股市场实证分析[J].商业时代，2013，（12）：81-83.
简单地说，就是利用基于数据模型的量化投资策略运作的基金。基金公司宣传此类产品时，习惯于用“电脑+人脑”进行解释。
从1971年巴克莱投资管理公司发行全球第一只定量投资产品至今，量化投资已走过30年历程。
凭借着良好的业绩表现，这一投资方法已占据全球投资30%的江山，成为主流的投资方法之一。其中著名的大基金自成立起至2006年的17年间，年化收益率达到38.5%。
然而，近两年来，量化基金在全球的业绩并不理想。次贷危机之后，量化基金一直举步维艰。
国内量化基金的兴起，正是在次贷危机之后。
截至目前，国内已成立的采用量化策略的基金有12只，其中9只自2009年以来成立。它们整体面临业绩不尽如人意的尴尬，据《投资者报》数据，它们的年复合增长率为11.78%，远低于平衡类、价值类、成长类基金。
量化基金成败，最关键是量化模型的有效性和投资纪律的执行情况。然而，国内已有的量化基金两方面均无太大优势。
一方面，模型相对较原始，量化投资策略要么机械地借鉴国外已经公开的模式，要么基于基金公司自有的多因子模型；另一方面，与海外量化基金一样，具体的模型并不会公开，这样投资纪律便无处考察。
从现有的几只量化基金过往业绩看，长期业绩较优异的是上投摩根阿尔法，自成立以来，年复合增长率达到35%，算得上是量化基金的龙头。
量化模型无亮点
投资模型是量化基金最核心的竞争力。
定量基金经理基于对市场的理解，提炼出能够产生长期稳定超额收益的投资思想，并用历史数据验证其正确性，再由系统根据提炼出的投资思想，在全市场挑选符合标准的股票，并通过对收益、风险的优化，建构最优股票组合。
“对于中国这样的新兴市场，量化投资的关键是能否根据市场特点，设计好的投资模型。”接受《投资者报》记者采访时，上海一位从事量化投资的基金经理说道。
然而，已有的量化基金中，大多简单地利用国外已公开的模型，或是用基金公司自有的一些简单模型，在考察市场的有效性上普遍比较欠缺。
如中海量化策略和南方策略优化在行业权重配置中均采用的Black-Litterman（BL）模型。
这种模型现是华尔街主流模型，亦是高盛公司资产管理部门在资产配置上的主要工具。
BL模型利用概率统计方法，将投资者对大类资产的观点与市场均衡回报相结合，产生新的预期回报。即由投资者对某些大类资产提出倾向性意见，模型根据投资者的倾向性意见，输出对该大类资产的配置建议。
然而，在国内市场信息搜集等方面局限性较大的情况下，该系统到底是否有效还仅是基金公司体现其“专业性”的一个由头，有待探讨。
国内量化基金模型还具有同质化特点，表现在对个股估值等方法的应用上，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。
另外，模型是量化产品背后“不能说的秘密”，虽然基金契约中对要采用的量化模型做了模糊介绍，作为靠“执行纪律”取胜的产品，实际运作是否执行到位，也无处查证。
量化基金业绩平淡
量化基金的优点首先在于，通过具体的经济模型对经济复苏行业评估并进行行业权重配置，将基金经理的投资理念与分析有效结合。
其次，覆盖全市场，避免因基金经理个人偏见或经理不足造成选择范围局限。
再次，通过基金经理精细化投资运作，较好把握细微的结构性投资机会。
或许是因为模型简单雷同，以及没有较好体现A股的特征，比如说波动性、“政策市”等，现有的量化基金整体业绩优势并不明显。
根据《投资者报》数据，可比较的6只“人脑+电脑”量化产品的年复合增长率为11.78%，低于“人脑”管理的趋势类、回报类、价值类、平衡类（年复合增长率均超过18%）。
今年以来，所有量化基金中，超越指数的仅有采用量化投资的富国沪深300增强指数型基金，截至4月1日，回报率为6.94%。
而在估值修复行情中，以对估值有量化指标要求的华商动态阿尔法、国泰金鼎价值精选、嘉实量化阿尔法大幅跑输业绩大盘，取得负收益，净值分别下跌7.2%、6.7%和4%。
上投摩根阿尔法领衔
从已成立的采用量化策略投资的基金中，年复合增长率大幅超过平均值的仅有上投摩根阿尔法，为35%。但这与该基金是较早采用量化策略的基金之一，成立于2005年10月，经历过2006、2007年的大牛市行情有一定关系。
截至去年底，该基金资产规模44亿元，自成立以来的回报率为425%。该基金受到机构投资者的青睐，持股2.9亿份，占基金总份额的21%。
近两年的市场表明，价值投资和成长投资在不同的市场环境中都存在各自的发展周期，并呈现出一定的适应性。而上投摩根阿尔法量化模型适应了这一市场特点。
没错，量化股票基金就是这种类型的产品。统计显示，无论是公募，还是私募，今年以来量化股票基金整体表现远好于市场平均水平。而如果以目前能观测到的上证指数最高与最低收盘点位来计算，即在大盘走出的当前反弹点位627.26点、幅度23.62%的行情中（1月28日的收盘点位最低达2655.66点，11月29日收盘最高点位3282.92点，以下统计区间均为1月28日至11月29日区间，简称“区间”），我们看到，一些老牌公募基金和优秀私募的量化股票基金更是为投资者带来了丰厚的绝对收益，比如，南方基金旗下的南方量化成长和南方策略优化这两只量化产品，区间复权单位净值增长率分别为46.54%、43.38%，不但跻身同类前五，涨幅更接近大盘反弹幅度的1倍。
“在今年股票市场结构化行情中，量化股票策略通过多因子模型选股，能够抓住市场尾部机会，在市场风格和热点板块的迅速切换中保持较高仓位运作。而南方基金量化团队着力打造的主动量化投资，更是通过多模型捉到了广泛的错误定价机会，大概率的战胜市场指数，获取更为稳健的长期收益。这是今年以来，南方基金旗下量化产品取得出色业绩的最主要原因。”南方基金总裁助理、权益投资中总监如是说。
致力于捕捉
“非有效性”的主动量化投资
什么是主动量化投资？
“主动量化投资泛指利用海量数据和依靠计算机的系统支持，挖掘历史规律性，并采用严格的风控来获取稳健收益。”史博告诉《投资者报》记者，南方基金主动量化投资的核心是捕捉市场的“非有效性”，市场中有很多非理性投资者把股票价格抬高或压低，所以股价会根据市场情绪的波动围绕预期价格变化，主动量化投资通过上市公司基本面、一致预期、市场波动与情绪等各个维度综合描述定价的偏差机会，广泛精选个股获取超额收益。
值得一提的是，尽管南方基金旗下量化股票策略基金会为了最大程度获取绝对收益而维持较高的仓位，但单只股票的持仓占比却并不高，几乎都在1%以下。以南方量化成长为例，三季度持仓占比最高的为科隆精化，但仍不到1%，为0.97%，前十重仓股持仓占比合计为7.12%。
“南方基金量化团队基于基本面的量化选股策略是透明的和符合逻辑的。其优点是拥有灵活的市场应变能力、广泛选股的能力，可以管理较大规模，并能有效降低组合波动，保证业绩的可持续性。”史博告诉《投资者报》记者，南方基金旗下量化产品根据组合的不同契约规定等采用不同的数量化策略进行投资，通常单一产品实际投资股票数目有几百只。每只股票的持仓比例一般都比较低，单只股票的波动对净值影响较小，整体表现较为稳健。
对此，业内人士指出，对投资者而言，在无法准确预知未来市况时，长期持有老牌公募的量化股票基金是一个较为明智的投资选择。因为即使是在投资周期中赶上熊市遭遇Alpha和Beta双杀，但只要长期持有基金，在熊市周期过后，震荡市和牛市都可以为投资者赚取一定的绝对收益，在Alpha的复利作用下依然可以获取可观的收益。
以南方策略优化为例，该只量化基金成立于2010年，目前获晨星、银河三年5星评级；最近一年回报率在同类481只可比基金中排名第5 ；最近两年、三年回报率也都在同类400多只可比基金中排名前15。据Wind数据显示，截至11月29日，自成立之日起复权单位净值增长率为68.89%。即使以去年股市异常波动前最高点5100多点来计算，在大盘仍亏损37%多的背景下，该基金的亏损幅度已缩小到10%左右，明显优于大盘。
“团队+系统”炼就金牛量化投资团队
你也许会认为量化投资看上去简单，但实际上并不容易。一个好的量化产品，必须能够结合市场环境的变化等因素，动态调整各个风格之间的比例，进而使得模型适应不同市场。据了解，为了达到上述目的，南方量化团队打造了强大的量化多策略模型，包括从因子模型、事件驱动、价格特征、交易量特征、量价互动、主题轮动、行业轮动、突发事件方面的因素去结合公司基本面、当前市场环境等信息，从而精选股票，不仅如此，该基金还在今年引入了舆情因子，利用大数据捕捉市场情绪。
“总的来说，量化投资是一项复杂的系统工程，其成功依赖于团队成员之间的紧密合作。因其业务链条的严密性和逻辑的环环相扣，许多繁琐的细节实际上都是成功的关键。作为一种复杂的高智能投资方法，目前只有机构投资者才有竞争能力使用此方法。”史博告诉《投资者报》记者。经过多年不懈的努力，目前，南方量化团队已经建立了包含清洗整理过的上市公司财务数据库、因子库、回测平台、样本外跟踪分析平台在内的南方基金量化投资系统。
“我们相信，系统建设上的精耕细作为将来的收获奠定了坚实的基础。”史博表示，历史经验证明，并不存在一种适合各种市场环境的投资秘籍，市场是会自身调节的。所以南方量化团队不包装个人明星基金经理，而是要打造一个稳定的高效投资团队，通过向市场学习，不断地研究创新。“这才是我们团队的制胜之道。”
关键词：展会项目；模糊综合评价法；层次分析法；隶属度
0 引言
企业投资项目是指企业将一定数量的资金或资产投入到某种具有特定目标的对象或事业，以获取一定的经济效益和社会效益的任务。对企业投资项目进行科学的评价与分析，是实现项目决策科学化，提高项目效益及其经济持续性发展的关键。企业投资项目从项目资产的构成来分，可以分为有形资产较多的实体项目及无形资产较多的价值服务项目。
近年来，我国经济的高速发展和市场经济机制完善，投资项目日益增加。对投资项目进行科学评价已成为项目投资前的必备工作，其中以有形资产较多的实体投资项目为主要研究对象，对于这类投资项目的评价方法的研究也逐步成熟。但是对于无形资产较多的投资项目，像展会、博览会等的评价方法的研究尚未发展起来，主要是因为对于项目中较多的无形资产无法定量化，因此在使用以往的评价方法时会出现评价精准度较低甚至失真的情况。随着项目评价方法体系的不断发展和完善，一些可以用于将定性指标定量化处理的方法逐渐出现在国内外学者的视野中，同时得益于大批学者对于投资项目评价方法的大量研究和创新，类似于模糊综合评价法、蒙特卡洛模拟法、层次分析法等评价方法在实际操作中得到很大的应用和推广。同时，类似于展会、博览会等价值服务项目也越来越多的成为众多投资企业青睐的对象。2010年的上海世博会，举世瞩目，成就一时美谈，也将中国会展业的发展推向了一个新的高峰。因此选择合适的项目评价方法并加以改进，在保证较高的评价精准度的前提下，实现定性指标定量化的研究成为评价此类项目的关键。
本文以展会项目为例，对企业投资项目评价方法的选择进行分析，旨在通过对此类无形资产较多的投资项目的评价方法的选择研究，提出如何合理选择此类项目的评价方法并加以改进以最大限度地满足定性指标定量化及评价精准度两方面的要求。
1 文献综述
1.1 投资项目评价方法综述
综观现有投资项目评价研究文献，投资评价理论方法的发展可分为四个阶段：第一阶段是以净现值法（NPV）为代表的传统投资评价方法；第二阶段是以加强传统投资评价方法对不确定性的分析能力为目标的风险分析技术；第三阶段是以B1ack和Scholes（1973）的期权定价理论为基础,并由Myers（1977）首次将其用于实物投资决策而形成的实物期权（Real Option）方法；第四阶段是在期权定价理论方法基础上,利用博弈论思想和建模方法形成的期权博弈（Option Games）方法[1]。投资项目的评价方法理论均在原有理论的基础上有了很大的发展，在一定程度上也弥补了原有方法在某一方面的缺陷，但是总体来讲不同的评价方法成立的前提假设存在差异，适用的条件也存在差异，导致评价结果的差异。因此根据项目的特点选择适合的评价方法显得尤为重要。
现行的投资项目评估体系通常将投资多目标综合评价体系分为风险评估子系统和效益评估子系统。目前国内外对于投资项目评价方法的应用主要分为以下几类：（l）在该问题研究的起步阶段，主要以投资项目的财务资料为基础，采用技术经济学的一些原理与方法进行评价决策，典型的方法为净现值法；（2）依据现代管理理论进行评价决策的综合评价方法，比如层次分析法（AHP）、专家打分法、模糊评价法、主成分分析法等[2]，这些是目前使用相对较多的方法；（3）将金融资产定价模型，主要包括CAPM模型和期权定价模型[3]，运用于企业投资项目的评价决策；（4）应用数学理论与方法，如数学规划、灰色函数及仿真等对企业投资项目的评价决策进行量化分析。研究存在的不足主要在于对于无形资产的评价不够重视、评价指标体系的不标准以及隶属度函数确定的方法存在缺陷。
由于运用不同的评价方法对投资方案原始数据的处理、权数的确定、对评价方法本身掌握的标准以及采用的计算方法的不同，同时由于单个评价方法在使用时存在较大的限制和缺陷，因此需要我们根据项目特点，选择合适的投资项目评价方法的组合，扬长避短，把多种评估方法的评估结果兼容起来对研究对线进行判定。
1.2 展会项目评价综述
目前对于展会项目的前期评价研究较少，主要集中在后期的展会绩效的评价，研究的角度也是基于展会筹办方或者第三方监管部门。国外对于展会的评价体系在逐步成熟地发展中，其中以德国的FKM组织、法国的的国际展览联盟（UFI）及美国的成熟展会公司的评价最为成熟。以美国为例，美国参展公司对展览会常使用34种评估标准，其中14项被普遍认为非常重要。这16项标准可以归为4类：即参展企业质量、参加数量、展出位置和展出管理。
在国内，主要以《中国人民共和国商业行业标准SB／T 10358-2002专业性展览会等级的划分及评定》作为展会评价的主要指标，该评定将专业性展览会的等级评定分为四个级别，由高到低依次为A级、B级、C级、D级。等级的划分是以专业性展览会的主要构成要素为依据，包括：展览面积、参展商、观众、展览的连续性、参展商满意率和相关活动等方面。其中对专业展览会等级的具体评定标准做出规定。这个规定是采用对专业性展会各构成要素的评分来最后确定其等级的，所有构成要素的满分是720分，其中“展出净面积及特殊装修展位面积比”一项分值为150分，“参展商”一项的分值是70分，“观众”为100分，“展览连续性”占50分，“参展满意率”占150分，“相关活动”占80分。在附录中还规定，A级的最低分数线是546分，B级为420分，C级是216分，D级则为108分。2003年末，为了促进展览城市办展环境的优化，帮助和引导城市会展业的发展定位，经济日报联合国务院发展研究中心、中国社会科学院、商务部国际经贸研究院、全国城贸联等单位的专家学者及业内人士组成专家组，制定了国内第一个“展览城市办展环境评价指标体系”。这一指标体系综合了区域经济、城市竞争力、会展经济等多方面的研究成果，应用了22项与办展环境相关的指标，力图对我国的城市展览环境有一个较客观和科学的评价[4]。尽管如此，国内对于展会的评价体系仍处于没有系统性的状态，需要很多方面的改进和完善。
在展会评价方法的选择上，由于展会项目中无形资产的大量存在，并且构成了对展会评价体系的重要内容，而传统的评价方法对展会“价值”或“服务水平”等无形资产指标无法进行准备的定量评价，同时评价方法的精准度也不能得到保证，因此对于我国展会项目的评价一方面要结合以往的评价指标体系研究成果，对展会投资项目进行界定，在此基础上对该项目进行评价方法的选择；另一方面需要根据项目特点对评价方法进行改进以提高评价效果的精准度。
1.3 小结
投资项目评价方法的多样性及差异性需要与特定的评价对象相符合才能正确实施评价，进而保证评价的精准度。在上文的综述中不难发现，展会项目的特殊性要求研究者在对其评价时要能合理地分析各种评价方法的优缺点，扬长避短，以最合适的评价方法组合完成评价。其中，难点就在于展会项目中众多无形资产的评价，因此合理确定评价方法组合是影响展会评价成败的关键。为后续研究方便，本文结合前人研究文献对展会投资项目界定如下：风险投资企业以一定数量的资金或资产投入到某特定的展会中去，以获取一定的经济效益和社会效益。对于展会投资项目来讲，于其他项目不同之处在于投资的不确定性增强、项目评价困难等。
2 展会投资项目评价方法的选择
2.1 基于展会项目指标分类的评价方法选择
自1999年以来对于展会项目的评价就成为国内外学者研究的热点，但至今尚未形成一套成熟的理论体系，主要是由于展会项目的特殊性，它不仅具有其他投资项目的普遍特征，另外还包含了由很多无形资产构成的因素，诸如品牌因素、价值因素等。在前人的研究中对于展会项目的评价主要是从基础性指标、产业特性指标及品牌无形资产指标[5]三方面入手的。接下来本文就三类评价指标的特点进行分析，并在此基础上总结展会项目评价方法选择的标准。
基础指标可以分为两类：一类是所有展会项目所共有的，包括客观的、有形的硬性指标，例如展览面积、参展人数等；另外一类是所有投资项目共有的指标，如财务指标等。基础指标具有客观性、时效性和普遍性。对于基础指标的数据采集一般可通过审计公司或者政府监管部门获得，数据的可靠性及客观性可以得到保证。鉴于展会项目的基础指标具有客观性强，可得性高的特点，因此传统的评价方法即可实现，比如财务评价可采用投资回收期法，净现值法等，对于财务风险的评价可以采用蒙特卡洛模拟法进行；对于展会项目共有的硬性指标可利用模糊综合评价法实现等。总的来讲，展会项目的基础指标在评价时适用的评价方法众多，因此在选择的空间相对较大，在后续分析中可以根据以下两类指标的特点选择整体适用性最高的方法进行评价。展会项目基础指标的特点决定了其评价方法可多选性的特点，但同时也应注意在数据采集、数据处理中的客观和实事求是，进而保证评价结果的精准度。
产业特性指标，具有浓厚的行业特色，主要是对展览会项目的整体进行评估，包括展览前台工作和后台工作，涉及对展览环境、展览主题、展台设计与装饰、广告及公关宣传力度、展会后勤服务、展会的即时效果及潜在效果，展会的社会效果及经济效果等，属于展会价值评价的一部分。这部分指标行业区别度大，并且绝大多数属于主观性的软性指标。因此这类指标具有主观性强、标准不统一、测量难等特点，是否能实现对于该类指标的采集和量化是选择评价方法的关键因素。因此在评价方法选择上的首要要求就是能根据实际情况尽量将软性指标的信息量化处理，在保证信息完整性和准确性的前提下才能进行后续的项目评价。因此在评价方法选择上，可供选择的方法有因子分析法、层次分析法、模糊综合评价法以及两种方法结合使用的方法。对于以上几种方法的优缺点分析如下：因子分析法利用李克特量表将软性指标量化处理，能在很大的程度上保证定性指标的量化处理程度，同时处理过程和评价过程简单易于操作，缺点在于量化处理的过程中主观性太强，没有采取一定的措施尽量避免主观性造成的差异；对于模糊综合评价及AHP方法，首先对评价指标进行了分层处理，确定了权重，同时在模糊综合评价时，利用隶属度函数方法在一定的程度上对于主观性造成的差异进行了最小化处理，同时该方法体系中还包括一些验证方法，进一步保证了评价结果的精准度，缺点在于计算繁琐，工作量大。因此总的来讲，对于展会项目的行业特性指标，将定性指标定量化处理是关键，在此基础上权衡各方面的意见选用不同的评价方法。
品牌无形资产指标，是从品牌资产的认知度、美誉度和忠诚度三个维度来衡量展会项目的无形资产，同样也属于展会价值评价的一部分，该类指标具有难量化、难评价等特点。在数据采集方面与产业特性指标的不同之处在于品牌无形资产的评价要集合消费者的看法。对于无形资产的评价在项目评价中暂无前例可循，在评价方法的选择上首先要结合展会项目的特点及无形资产的评估中应注意的问题，遵循《资产评估准则-基本准则》、《资产评估准则—无形资产》和《企业价值评估指导意见（试行）》等有关评估准则的相关规定。同时品牌无行资产又存在不同与其他无形资产的特点，它的调查对象为消费者，需要结合消费者的反应和企业的情况进行的综合评价，因此以往只适用于企业技术、专利等的单方面的评价方法，诸如市场法、收益现值法和成本法等均不适用于品牌资产的评估，综合以上分析，本文认为可采用模糊综合评价和AHP相结合的方法对于品牌的认知度、美誉度和忠诚度进行评估，一方面该方法可以对这些定性信息定量化处理，另一方面将信息分层处理，确定权重，也在一定程度上避免了主观性差异造成的影响，缺点在于消费者群体这个样本很大，打分过程可能会耗费大量的人力、物力和财力。
结合上述三类展会项目评价指标特点的分析，接下来本文指出了针对展会项目评价方法的选择标准：第一，能够客观地进行数据采集；第二，能够根据展会特点实现定性指标的定量化分析；第三，能够综合全面对展会项目进行评价；第四，能够保证评价结果的精准度。因此按照对于展会项目指标的三种分类，在对展会项目进行评价时可采用组合的方法，如模糊综合评价和AHP结合、AHP-ANN相结合等组合方法，利用方法的互补性，扬长避短。
2.2 模糊综合评价模型介绍
例如模糊评价的指标因素即C层因素共有m个,C = {c1,c2,…,cm}。评价等级选用常用的五个等级V = {v1,v2,v3,v4,v5},即{优、良、一般、较差、差},对单因素ci（i =1,2,…,m）做评判,通过前述方法得到单因素ci对等级vj（j=1,2,…,5）的隶属度rij,即因素ci的单因素评判向量ri=（ri1,ri2,…,ri5）,这样m个因素的评价向量就构造出一个总的评价矩阵R。即每个被评价对象确定了从C到V的模糊关系R,矩阵为:
一般将其归一化使∑rij=1。然后根据层次分析确定的C层因素对于总目标A的权重有P=A*R。将P归一化,可得P''=p''1+p''2+p''3+p''4+p''5=1。
模糊综合评价的结果是被评价事物对各等级的模糊子集的隶属度,它一般是一个模糊向量,而非一个点值,因为它能提供的信息比其他方法更为丰富,若对多个事物比较并排序,就需要进一步处理,即计算每个对象的综合分值,按大小排序,按序择优。比如对上述5个等级,好为100分、较好为50分、一般为25分、较差为12·5分、差为6·25分。可以根据对各个等级的隶属度计算出综合得分,即S=■p''j×Sj，S为相应的分数。
2.3 评价方法的改进
以上本文分析了基于不同分类指标的评价方法的选择问题，在解决了方法选择问题之后，如何保证评价结果的精准度又是一个本文重点解决的问题，因此在结合以上评价方法的选择分析的基础上，以模糊综合评价和AHP相结合法为例，本文认为提高评价结果的精准度重点在于把握隶属度函数的确定问题。
隶属度的确定方法通常有以下两类，一是根据数据特点选用法国的卡夫曼教授曾经确定的28种隶属度函数；二是采用专家打分法确定隶属度。此外为了提高隶属度确定的精准程度可以根据行业或者同类公司情况模拟隶属度函数进而确定隶属度。
对于基础类指标，由于其客观性强，同时很多指标存在行业标准值；而对于行业特性指标，其行业特性较强，行业差别及评价标准也较大。因此对于这两类指标在隶属度确定时应采用第三种方法：根据行业标准值及同行业多家公司估算隶属度函数。其原理如下：利用统计学方法建立符合实际的隶属度函数。设在某一区间的样本观察值为Xl，X2，…，Xn，由于样本观察值来自总体，故反映了总体的客观实际。区间两个端点的隶属度是己知的，如图4一2中所示，“好”的隶属度，100为1，50为0，即该区间内“好”的隶属函数一定通过两点:（100，l），（50，0）。由于确定一条曲线至少需要三个点的坐标，因此除两个端点外，还需要找出另一个点。考虑样本均值这个特殊点，隶属度应该要反应指标之间的对比程度，因此某一区间内的样本均值的隶属度应该是0.5那么选取参数a，b，C的值，从而确定该区间上的隶属度函数。
此外还应注意的是对于行业特性指标的评价，由于专家的权威性较高，因此在打分时可以采用专家打分法而后根据不同行业进行区分评价，在同一行业内根据专家打分模拟隶属度函数，尽量规避由于行业不同对评价结果造成的影响，同时也提高了评价结果的精准度。
对于品牌资产指标，由于其调查对象为消费者，数据量较大，因此样本可以假设为来自正态分布的样本，在确定隶属度时可以采用法国的卡夫曼教授曾经确定的正态型隶属函数g（x）=e- （x-μ）2/2o2。
综上分析，基于不同指标分类进行了方法的选择问题的分析，在评价结果精准度的问题上，结合不同的指标特点进行了改进，进一步保证了结果的准确性。
3 结论
本文通过对展会项目的评价方法的研究，分析了定性指标较多，存在大量无形资产的展会项目在评价方法的选择方面应注意的问题及在提高展会项目评价结果精准度方面应采取的措施。以基于指标分类的评价指标选择为例对于三类展会项目指标：基础性指标、行业特性指标和品牌资产指标，根据不同的指标特性选择不同的评价方法，并推荐了该类项目评价的方法组合，模糊综合评价法和AHP相结合的方法，利用方法间的互补性，扬长避短。此外对于如何保证评价结果的精准度问题，本文同样以各类指标特性为依据在隶属度的确定上进行了适当的改进，对于基础类和行业特性指标根据行业标注值和同类公司的数据进行模拟估算隶属度函数，以提高隶属度确定的准确性。
鱼和熊掌常是不可兼得的，本文在提高隶属度的精确性上有了一定的方法改进，但是同时增加了工作量和计算量，处理过程相对繁琐，消耗的时间较长。因此在选用时需根据评价方的要求及展会项目的情况选择综合合适的方法进行项目评价。此外，本文是基于不同分类指标的评价方法选择和改进，针对性较强，在后续展会项目评价问题的研究中可以根据实际情况加以改进。
参考文献：
[1] 何德忠,孟卫东.期权博弈理论发展综述[J].生产力研究,2007（2）:148-150.
[2] 王敏.风险资本投资方法浅析[J].运筹与管理,2002（6）:I19-123.
[3] 刘思峰.赵亮.风险投资评价的一种新方法[J].中国管理科学,2001（2）:22-26.
[4] 隋鑫.模糊综合评价技术在展会评估中的应用初探[A].2006中国首届会展经济研究会学术年会论文集,P178-192.
[5] 杨芳平.关于品牌会展评估指标体系的初探[J].上海应用技术学院学报（自然科学版）,2009（01）.
[6] 司浩婷.ABC公司无形资产评估研究[D].兰州大学,2010.
[7] 张红.基于AHP-ANN的风险投资项目评估方法研究[D].中南大学,2005.
[8] 彭佑元,颜实.不同行业投资项目评价核心指标体系选择[J].工业技术经济,2009（12）.
[9] 杨杰,辜应康.基于展会商的展览会选择与评估研究——以2007年上海电子工业展为例[J].上海应用技术学院学报,2009（3）.
[10] 单荣,张潇日.基于因子分析方法下的创业投资项目评估模型[J].工业技术经济,2007（12）.
传统投资评价方法是指折算现值（Net Present Value;NPV）法及内含收益率（Internal Rale of Return;IRR）法，这两种都是从财务的角度对投资回报进行评价。
但是，这两种评价方法都不适用于信息化投资，这是由信息化投资的特殊性决定的。主要有三个特征：前期的投资数额较大；与竞争战略有紧密联系；产生较多的无形收益。
平衡记分卡由美国哈佛商学院领导力开发课程教授罗伯特・卡普兰和复兴方案国际咨询企业创始人兼总裁诺顿提出，是一种以信息为基础的管理工具，分析哪些是完成企业使命的关键成功因素以及评价这些关键成功因素的项目，以促使企业完成目标。
平衡记分卡既包括财务指标又包括非财务指标，是对以财务业绩为中心的评价模式的一种充实。它主要包括财务、顾客导向、内部业务流程、学习与成长四个方面的内容。
财务指标：利用财务数据反映投资能够带来的收益水平，通过成本――收益分析进行选择。
顾客导向指标：把通过投资活动所取得的顾客认同进行量化。
内部业务过程指标：考察企业投资能够在运作效率及效果上得到的益处。
学习与成长指标：量化企业投资后获得持续成长和不断学习的价值。
下面以某企业对两个信息化投资备选方案的评价，来简要介绍该方法的应用。
方案一是中等规模投资，为了实现库存的网上管理，需引进信息处理系统和进行与之配套改造工程。该方案的投资有：仓库的改造与收、发货管理系统；信息管理中需要的计算机系统及中央数据库建设。
方案二是大规模的投资，除去方案一中的内容，还要建设公司总部、配送中心、客户之间的大规模信息网络。
如实施上述的投资，可以使公司内的信息交换、公司与外部客户间的信息沟通更加安全、及时、准确和方便。有利于加快反应速度、工作效率、提高准确性，达到提高顾客满意水平和公司收益的目的。
对这两个投资计划如果采用传统的投资评价法，其结果可能都是不能投资。第一，计划的投资额都很大。传统的方法只用单一的成本――收益法进行计算。当投资额，即成本增长时，未来产生的收益不相应增加的话，投资计划就只能被否决。第二个理由是传统的投资评价方法只考虑到未来产生收益中的有形部分，而对较多的无形收益不予计算。
大概没有出现过这么密集的伤心消息了――2月21日，史上最年轻的诺贝尔经济学奖得主肯尼斯・阿罗（Kenneth Arrow）与世长辞；最有影响力的经济学家之一蒂莫西・富尔斯特（Timothy Fuerst）在同一天去世；3月6日，美国金融学会讣告，著名金融学家罗蒂芬・罗斯（Stephen A・Ross）在家因心脏病突发逝世，对接触过现代金融学科的人而言，都知道套利定价理论（APT，Arbitrage Pricing Theory）的伟大之处。
就在人们纷纷对西方财经圈大牛表示缅怀之时，传来一个中国投资大佬境外因病医治无效过世的消息，让整个量化投资圈颇为震惊。
这个大佬就是量游投资创始人朱天华。我打开他的微信，签名“交易是统计游戏”赫然醒目呈现在那里，或许也是他公司名的来由。
朱总是哥伦比亚大学博士，有15年美国顶级投行经验，任美国高盛集团交易和销售部董事总经理。关键是在高盛，朱博负责金融产品量化、程式化和高频化的交易和策略，主管美国的国债期货、国债现货，包括利率期货、外汇、商品期货还曾任瑞士信贷全球自营部的总监、美国雷曼兄弟公司固定收益部副总裁和资深交易员、美国IDC固定收益和金融衍生品资深策略专家。
放眼华人量化投资圈，大概没几个人能有这样丰富而资深的背景了。
一般来说，回国创业的量化创业者有三类，第一类是像朱天华这样真正受过顶尖投行熏陶的扎实大牛，少之又少；第二类是海外大机构做过几年相关工作的，基本知道主要套路；第三类是非主流对冲基金合伙人，或是从策略转投资、从研究转投资的新人。
我后来与朱天华总共有过三面之缘，每次都在讲风控。
第一次见到朱总是上海交大高级金融学院的论坛上，当时话题还算应景――对冲基金在中国的困境与对策。朱总参加的是圆桌讨论环节，穿着松松垮垮的休闲外套，他个头略小，脸上不带微笑，神情略显沧桑。他说话虽声不大，但气场强烈，当时依稀记得的重要观点是：很多人太不敬畏投资了，不知道投资中的不确定性有多难控制。
第二次是在虹口区对冲基金园区附近一家酒店大堂。那时大概是2016年5月，听说朱总很久不见投资人了。我当时像平常一样咨询他一些问题，但我很快就发现，朱总交流起来有自己的频道。他说得更多的是一些形而上学的理念。
最后一次见他，是在去年底上海的一个对冲基金论坛上。他坐在前排一个有名牌的座位上，冷静地观察着这个热闹的世界，周围是喧闹的年轻人。他穿着还是一样朴素，一样不为人所注意，感觉整个人有些消瘦。看他提前要走，我与他打了个招呼，他依旧低调地浅浅一笑。
不过，短短的几次接触，发现朱总仍有几点交易原则值得借鉴。
1.分散化。多品种多交易方法。朱总坚持量化交易，他覆盖的交易品种有期货、股指、商品期权、分级、ETF等，他基本都在做一些多品种的交易策略。这与他在高盛时一脉相承，他当时负责金融产品量化、程式化和高频化的交易和策略，对美国国债期货、国债现货，包括利率期货、外汇、商品期货等各品种也非常精通。
2.寻求趋势相反机会。朱总偏重微观，偏重统计意义上的回归，在量化交易中尽量找一些与趋势策略相反机会的策略，与趋势模型做较好的组合补充。
3.永远敬畏风险。他信服凯恩斯所言的“市场保持不理性的时间可能比你保持不破产的时间更长”。至于具体方法，主要通过对海量数据风控解决方式。他说起过去美国白银市场，曾经从5元涨到80元，后来跌到10元、2元、1元，非常无法想象。他也提到当时高盛躲过次贷危机最强大的是其风控，在他看来，风控才是资产管理的灵魂。
4.人工智能是方向。2003年朱总在雷曼期间就接触了深度学习专家，拥有下棋人工智能，只是没feedback。现在可以通过Led work等神经网络实现策略复兴、优化，也可以通过非结构化思维，进行头寸与风险分配，主要通过历史数据，再用反馈测试。
总之，在朱总眼中，中国市场刚刚起步，阿尔法机会巨大。
想起《黑天鹅》一书的作者纳西姆・塔勒布对他的理念形成重要冲击的一刻――当时，塔勒布在芝加哥商业交易所工作，这份工作让他的喉咙嘶哑。起初，他也没在意，返回纽约后才去看医生。医生语气凝重地告诉他，他得了喉癌。塔勒布听罢心里一沉，外面正好细雨霏霏，他在淅淅沥沥的雨中走了一程又一程。他走进医学图书馆，发疯似地查找医学文献了解自己的病情。衣服上流下的雨水在他脚下形成了一个小水洼，竟然一点儿也没有察觉，因为喉癌通常是那些抽了一辈子烟且烟瘾很大的人，才有可能得的。塔勒布还很年轻，关键是他几乎不吸烟。像他这样的人患喉癌的概率小之又小，连十万分之一都不到。他成了一只黑天鹅！后来，每每他投资的时候，这份深刻的与死亡很近的印象盘踞于他脑中，由此自然发展出了黑天鹅投资体系，对风险中的“肥尾”尤为重视。
股票走势图分析
1) 白色曲线：表示大盘加权指数，即证交所每日公布媒体常说的大盘实际指数。
2) 黄色曲线：大盘不含加权的指标，即不考虑股票盘子的大小，而将所有股票对指数影响看作相同而计算出来的大盘指数。
参考白黄二曲线的相互位置可知：
A)当大盘指数上涨时，黄线在白线之上，表示流通盘较小的股票涨幅较大;反之，黄线在白线之下，说明盘小的股票涨幅落后大盘股。
B)当大盘指数下跌时，黄线在白线之上，表示流通盘较小的股票跌幅小于盘大的股票;反之，盘小的股票跌幅大于盘大的股票。
3) 红绿柱线：在红白两条曲线附近有红绿柱状线，是反映大盘即时所有股票的买盘与卖盘在数量上的比率。红柱线的增长减短表示上涨买盘力量的增减;绿柱线的增长缩短表示下跌卖盘力度的强弱。
4) 黄色柱线：在红白曲线图下方，用来表示每一分钟的成交量，单位是手(每手等于100股)。
5) 委买委卖手数：代表即时所有股票买入委托下三档和卖出上三档手数相加的总和。
6) 委比数值：是委买委卖手数之差与之和的比值。当委比数值为正值大的时候，表示买方力量较强股指上涨的机率大;当委比数值为负值的时候，表示卖方的力量较强股指下跌的机率大。
股票分析方法
技术分析
技术分析是以预测市场价格变化的未来趋势为目的，通过分析历史图表对市场价格的运动进行分析的一种方法。技术分析是证券投资市场中普遍应用的一种分析方法。
所有的技术分析都是建立在三大假设之上的。
一、市场行为包容消化一切。这句话的含义是：所有的基础事件--经济事件、社会事件、战争、自然灾害等等作用于市场的因素都会反映到价格变化中来。二、价格以趋势方式演变。三、历史会重演。
《股市趋势技术分析》是技术分析的代表著作。初版1948年，作为经典中的经典、技术分析的权威之作，《股市趋势技术分析》至今仍牢牢处于无法超越的地位。
基本分析
基本分析法通过对决定股票内在价值和影响股票价格的宏观经济形势、行业状况、公司经营状况等进行分析，评估股票的投资价值和合理价值，与股票市场价进行比较，相应形成买卖的建议。
演化分析
演化分析是以演化证券学理论为基础，将股市波动的生命运动特性作为主要研究对象，从股市的代谢性、趋利性、适应性、可塑性、应激性、变异性和节律性等方面入手，对市场波动方向与空间进行动态跟踪研究，为股票交易决策提供机会和风险评估的方法总和。
量化分析法
量化分析法是利用数学和计算机的方法对股票进行分析，从而找出涨跌的概率，将量化分析方法设定为:
a. 趋势判断型量化投资策略
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。
b.波动率判断型量化投资策略
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。
看过“如何观看股票走势”的人还看了：
1.如何看股票走势图视频
2.怎么看懂股票走势图
3.怎么根据大盘走势看个股
（辽宁对外经贸学院，辽宁 大连 116052）
摘要：随着沪港通的正式实施，中国股市交易量不断创历史新高.同时在世界石油价格持续降低的情况下，投资策略显得十分重要.本文重点分析策略指数投资在股市投资中的运用.
关键词 ：投资组合；股市；策略指数投资
中图分类号：F830.59文献标识码：A文章编号：1673-260X（2015）05-0068-03
1 策略指数投资介绍
2014年末随着股市行情的走强，指数化产品迅速摆脱前几年净赎回的颓势，呈现爆发式快速增长.伴随着规模的迅速扩张，结构上也出现了一些变化.其中策略指数产品尤其引人关注.广发中证百发100指数基金在开放募集后2天即超过20亿元，显示市场对特定方式策略指数投资的热情追捧.策略指数投资，在国外又称为Smart Beta，即“聪明”的Beta，是相对于“传统”的Beta策略而存在的一种投资理念.传统认知上的Beta是指一种全市场投资组合的系统性风险，在CAPM中以全市场所有股票的市值加权方式计算（market capitalization weighted）.比如标普500指数、日经指数、以及在国内最具代表性的沪深300指数.通过简单的推演，就可以论证市值加权并非是最优的方法.市场对股票的定价并非完全有效，那么市值加权的方式倾向于给高估的股票以更高的权重，而低估的股票以更低的权重，显然这种方式并非是最优的.在这一点上，Hsu（2006）已经给出严格的论证.事实上，市值加权更加注重的是投资机会的市场容量（capacity），因此该类指数更多地被用作投资的业绩基准.那么，如果将投资组合更换成一种非市值加权的方式，其得到的beta就是smart beta，相关的投资策略就称为策略指数投资.这种smart beta指数中的股票权重往往是通过特定的量化算法获得，看起来投资效果会比传统的市值加权beta更加实用，相关的投资策略也往往会选择市值加权指数作为投资业绩的基准.
常见的Smart Beta策略包括价值策略、低波动策略、分散化策略、动量策略等.其中价值策略是以一些股票的价值指标为加权方式，目标是选择一些基本面满足特定属性的股票构成组合.比如基于财务基本面评分的基本面加权，或基于分红率的红利加权等.低波动策略的目标是构建一个最低或较低波动率的投资组合，通常包括最小方差目标加权、波动率倒数加权等方法.分散化策略的目的是提高组合中股票的分散度，应用最广的是等权重策略.动量策略在国外也是一种常见的策略，因为国外市场上验证发现动量因子非常有效，因此会选择以动量因子来作为股票选择和加权的方式，见表1.
据统计，美国近三年新发行的Smart Beta策略投资产品规模约在600亿美元，大致与市值加权的指数产品规模相当，策略也主要以红利、等权重、基本面、低波动为主.而国内近年来策略指数投资产品发展也非常迅速.中证指数公司针对主要的Smart Beta策略进行了验证，证明Smart Beta策略确实能大概率上击败以市值加权的沪深300指数.其中表现最好的是低波动相关策略，包括300最小方差、300低贝塔、300低波动.
2 资产配置下的策略指数投资
根据经典的CAPM模型我们知道，股票资产的收益率取决于其承担的市场风险大小Beta，而无法被解释的部分则为Alpha.但随后的诸多研究发现，各种股票之间的Alpha具有异常的高相关性特征，或许存在市场因子以外的其他因素在影响股票资产的收益率.随后发展的Fama-French三因素模型提出在市场因子以外，价值因子和规模因子也是非常显著的.后来又将动量因子补充进来，从而形成四因素模型.
自此，风格因子投资的概念逐渐被学术界与投资界所广泛接受.事实上，自从1970年代以来，国外就开始萌生基于这种理念的主动投资管理.投资业界在三因素模型基础上开发了非常有效的线性因子投资模型，如Barra公司将国家地域因子、宏观因子、概念风险因子等逐步纳入到其风险评估模型中.随后，学术界又逐步发现了更多有效的风险和策略因子，如低波动率、低流动性、基本面因子等.人们也逐渐发现，原来投资界以往的诸多策略产品实际上并非是提供了有效的Alpha，而只不过是将各种风格因子的beta巧妙包装成投资能力的Alpha来推销给投资者.
在这样的视角上，资产配置投资就自然而然地成为投资方法的主流.我们对资产的看法不再是其表面上所呈现出来的风险与收益特征，而是其特定或持续暴露的风险因子敞口，比如价值因子敞口、规模因子敞口等.如果投资者能够设定自己的风险预算，明确其将在各种风险因子上的敞口，就可以从市场上选择合适的股票、策略指数产品，经过合理的搭配而形成组合.这样的投资组合在风险上是可控的，从而将投资引入了一个新的配置时代.
因此，基于特定量化策略的Smart Beta策略指数投资开始风靡.这些指数投资产品不仅能够提供超越传统Beta的收益表现，更重要的是它们满足了投资者的资产配置需求.这些产品的透明性好、费用低廉，并且突出地暴露到某一个特定的风险因子上.比如在红利策略中，通常会选择那些分红率最高的股票进入组合，并给予高分红股票更高的权重，这样就使得组合在价值因子上产生了显著的风险敞口.在等权策略中，全部入选组合的股票无论市值大小都给予相同权重，从而导致小盘股获得比市值加权指数更高的权重，导致组合在规模因子上产生显著的风险敞口.波动率倒数加权策略则会给予波动率较低的股票更高的权重，从而整体上降低组合的波动性风险，因此也在波动率因子上产生显著的敞口.投资者在把握这些策略指数产品的风险特征后，就能够方便地构建自己的组合配置，反过来也促进了策略指数投资的快速兴起.
然而，Smart Beta策略指数产品也并非完全的“聪明”.在某一段时间内，也许特定的策略指数能战胜市值加权组合，使得它看起来非常“聪明”，但在另一段时间内该策略指数可能会落后市值加权组合，使得它看起来也不是那么“聪明”.这是因为策略指数产品通常会有严重的风险因子敞口，因此其业绩也随着风险因子的表现而起伏不定.可能有一些因子长期来看存在明显的超额收益，导致这些策略看起来非常具有吸引力.
针对几个主要的风险因子，测算了2006-2014年间的表现.表3中我们发现小盘因子是中国A股市场上长期表现最好的，但其波动率也比较大.价值因子、反转因子、基本面因子的长期表现也非常好.然而，表4测算了这些因子表现的相关性，发现各种因子之间的相关性非常低.并且单一因子的信息比率都无法达到2以上，这就表明单纯使用一个因子，即使是表现最好的小盘因子也依然无法达到满意的投资效果.
因此，风格偏向非常明显的策略指数投资产品也即往往会随着市场风格的切换而发生特别明显的波动.但是，如果投资者能够设定自己的风险预算约束，就能够合理地选择多个策略指数投资产品来构造自己的组合基金.组合基金利用不同产品风险敞口的低相关性来降低组合的波动风险.
3 组合基金投资
组合基金是能充分利用策略指数投资产品的优势，同时又充分控制和分散风险的一种很好的方法.目前国内兴起的量化投资基金很多策略就是试图去搭配不同的风险因子，希望在控制一定的风险暴露基础上，追求更高的收益.然而我们发现，这些策略大多数仍然是存在明显的风险暴露.
我们选择2014年表现最好的三只公募基金：华泰柏瑞量化指数、大摩多因子、长信量化先锋.可以发现，虽然这三只基金在2014年、2013年表现较好，但在2011年、2012年里普遍较弱.其主要原因是这些基金普遍在小盘因子上有很强的暴露，2013-2014年里小盘因子表现很强，但2011-2012年里价值因子表现更好.表6拆解了三只基金的全部持仓的自由流通市值分布，不难看出大摩多因子与长信量化先锋在小盘股上偏向非常明显，而华泰柏瑞量化指数向小盘的偏离较小.
我们选择其中业绩记录较长的大摩多因子、长信量化先锋，另外搭配两只偏向价值的策略指数基金：华宝兴业上证180价值ETF、银河沪深300价值.以等权重在四个产品之间搭配，构造一个混合的组合基金投资产品（FOF）.
经过计算，不难看出两个偏向价值的基金产品在2011和2012年明显好于两只偏向小盘的量化产品，但在2013年和2014年里表现弱于量化产品.经过等权构造后，FOF组合在2011-2014年间均能取得正的超额收益，更重要的是其信息比率提升到了2.20，远远高于四只产品各自的信息比率，这说明经过搭配后，资产组合的收益风险表现得到了明显的提升.
4 结论
策略指数投资的Smart Beta正逐渐成为市场上非常重要的一类产品，因其风格特征显著，在特定的市场环境下提供“聪明”的Beta收益而逐渐受到投资者的热捧.然而，单一投资策略指数产品并不能提供稳健的收益，可以考虑在资产配置的目标下合理搭配策略指数投资产品，获取更加稳健的收益.
参考文献：
〔1〕郑鸣,李思哲.我国基金风格投资的积极风险补偿研究[J].厦门大学学报(哲学社会科学版)，2010(02).
〔2〕蔡伟宏.我国股票市场行业指数超额联动的实证分析[J].南方经济，2006(02).
关键词：中美股市；收益率；量化宽松货币政策；联动性
中图分类号：F830.9 文献标志码：A 文章编号：1673-291X（2013）18-0168-03
引言
2008年的全球金融危机，使全球主要的资本市场经济疲软，作为经济“晴雨表”的股票市场尤其重要，在美国股票价格大幅下跌的情况下，全球主要股市的主要趋势也是在下跌。近些年来，随着中国允许合格的境外机构投资者（QFII）投资中国股票市场和合格的境内机构投资者（QDII）投资与国外的股票市场，大规模的境内资金投资与美国的股市，美国等国家的热钱也进入中国的股票市场，美国和中国分别作为世界第一大和第二大经济体，经济联系密切，美国同时也是中国主要的贸易合作伙伴，美国股市和中国股市的联动的可能性也很大，如果中美股市之间具有较强的同涨同跌趋势，会使同时投资于两国股市的投资者，面临较大的风险，甚至会影响中国宏观经济的健康稳定发展。因此，在全球经济危机的背景下，研究中美股市的联动性，对于投资者的投资决策，完善股票价格的预测模型，引导监管部门制定合适的金融政策具有重要的意义。
一、文献综述
（一）国外研究综述
国外有很多学者对股市的联动性进行过研究，由于国外的股票市场起步较早，所以国外的学者对股市之间的联动性研究也较早。Hamao等（1990）研究了1985年4月至1988年3月美国、英国和日本三国股市的波动溢出效应，发现纽约股市到东京股市，纽约股市到伦敦股市以及伦敦股市到东京股市有单项的引导作用，Jeon 和Chiang （1991）采用多变量协整检验方法研究了1975—1990年美国纽约、英国伦敦、日本东京和德国法兰克福四个股票市场的长期均衡关系，发现这四个股票市场的共同发展趋势。Eun and Shim（1989）利用VAR模型分析从1980—1985年为止的9个发达国家证券交易所的股价指数收益率之间存在相当大规模的相互作用。Miyakoshi 研究了美国和日本股市对亚洲其他国家股市的波动溢出效应，他们认为，日本股市对亚洲其他国家的波动溢出效应要强于美国股市的影响，同时亚洲国家股市也对日本股市具有反向波动溢出效用。
（二）国内研究综述
韩非、肖辉（2005）检验了中美两国股票价格之间的联动性，采用2000—2004年中国上证A指和美国标准普尔500指数作为考察对象。并考虑了交易的不同步性这一因素，对中美两国股票市场中国股市的收盘价对美国股市的开盘价有较弱的影响，而美国股市的收盘价对中国股市的开盘价几乎没有影响。胡秋灵和刘伟研究了基于次贷危机背景下中美股市的联动性，采用2007年8月1日至2008年12月31日的日数据，对上证综指和美国标准普尔500指数日收益率建立了一系列的分析模型。结果表明，标准普尔500指数日收益率前一期值对上证指数日收益率当期值有显著的正向影响。方建武和安宁选取沪深300指数和标准普尔500指数进行实证分析，得出：在全球金融危机期间，美国股市对中国股市有单方面的影响。在长期来看两国股市不存在协整关系。张兵等选取了影响中美股市联动性和中国资本市场国际化影响最大三件事作为分界点，分阶段证明了中美股市之间的收益率溢出效应和波动溢出效用。得出了从第一阶段到第四阶段美国股市对中国股市的收益率溢出效应逐渐增强，中国股市对美国股市在价格和波动性方面影响较小。
二、数据的选取
对中国的股票市场以沪深300指数作为考察对象，美国股票市场以标准普尔指数为考察对象。本文考察的时间段是从2008年11月25日（美联储宣布实施第一轮量化宽松的货币政策）到2012年12月19日，由于中美股市的节假日有所不同，剔除交易日不重合的数据后，得到了966个数据。然后进行分析。为了研究美国在次贷危机爆发之后，对中美股市联动性的影响，本文以美国实施的三次量化宽松的货币政策为分界点，这样就把样本分为四个阶段研究。
三、股票指数收益率的计算方法
由于地域的差异，中国和美国存在时间差异，中国的股票市场于北京时间9：30开盘，下午3：00收盘，美国的股票市场在美国的东部时间上午9：30开盘，下午4：00点收盘，由于时区相差13个小时，所以中国股市开盘和收盘都早于美国股市。Hamao和Masulis（1990）在研究日本、美国和英国股票市场价格的关系时，将日收盘到收盘的收益率分解成两部分：收盘到开盘收益，和开盘到收盘收益。这样就可以考察国内外股票价格的相互影响。参照Hamao和Masulis的方法我们将昨日的收盘到今日收盘的日收益率分解为两个部分：一部分是昨日收盘到今日开盘收益率，他等于第t日的开盘价除以第t-1日的收盘价后取自然对数。即：
R1=Ln（Ot /Ct-1）
其中，R为第t日的股票指数昨日收盘到今日开盘的，Ot表示第t日的开盘价，Ct-1表示t-1日的股票指数的收盘价格。
另外一部分今日的开盘到今日的收盘收益率，它等于第t日的收盘价除以第t日的开盘价取自然对数。即：
R2=Ln（Ct/Ot）
其中，Ct表示第t日的收盘价，Ot表示第t日的开盘价。
四、实证研究
（一）平稳性检验
在进行Granger检验和协整关系检验之前要讨论时间序列的平稳性。因此，在这里采取ADF检验的方法分别对美国的今日开盘到今日收盘的收益率时间数列AJKJS 、美国的昨日收盘到今日开盘的收益率时间数列（AZSJK）和中国的今日开盘到今日收盘的收益率时间数列（CJKJS）、中国的昨日收盘到今日开盘的收益率的时间序列（CZSJK）分阶段进行平稳性检验。
从上表可以看出，四个数列都拒绝原假设，因为概率值（p）小于0.05，拒绝原假设，时间序列没有单位根，所以这四个数列都是平稳的数列。因此可以进行协整检验和Granger检验。
（二）Granger因果检验
Granger因果关系检验主要检验两个变量之间是否存在因果关系，并检验哪个变量是原因，哪一个变量是结果。由于中国和美国之间的时区差异，所以为了讨论中国股市的收盘价格与美国开盘价的联动性，我们研究了中国股市今日的开盘到今日收盘这一段时间的收益率（CJKJS）与美国股市昨日的收盘到今日的开盘的收益率（AZSJK），同时为了研究美国股市的收盘与中国股市的开盘的联动性，本文讨论了美国股市的今日开盘到今日收盘收益率（AJKJS）对中国昨日收盘到今日开盘收益率的（CZSJK）的关系。
通过Granger因果关系检验得出美国四次量化宽松的货币政策期间，美国股市的今日开盘到今日收盘的收益率能显著影响中国股市昨日收盘今日开盘的收益率，说明美国股市的收盘对中国股市开盘价格有显著的影响。在2012年9月14日（第三次量化宽松货币政策实施）以后，中国股市的今日开盘到今日收盘的收益率能显著影响美国股市昨日收盘到今日开盘的收益率，说明在第三次量化宽松的货币政策之后，中美股市有较强的联动性。
结论分析及对策
本文选取中国沪深300指数和标准普尔500指数作为样本数据，并通过计算它们的股市收益率来进行联动性分析。实证分析结果表明：在实施第一次和第二次量化宽松的货币政策期间美国股市收盘价对中国股市的开盘价有显著影响，而中国股市对美国股市的影响则较小，在实施第三次和第四次量化宽松的货币政策期间，中美股市的联动性变强了。现在来分析这些变化的原因：
（一）美国股市收盘收益率对中国股市开盘收益率影响显著原因
美国作为世界上头号经济强国，经济的发展和波动对世界经济的影响会很大，特别是在美国次贷危机爆发，最终引发世界性的金融危机，这一点就可以说明美国经济在世界经济中的地位，随着中国的对外开放程度的不断提高，美国是中国最重要的贸易出口国，中国和美国的进出口贸易随着贸易壁垒的减少，经济联系越来越紧密。美国经济的波动很容易影响中国，但是，中国的经济对美国的影响程度就不会那么大，这就造成美国股市的收盘收益率对中国股市开盘收益率影响比较显著。
（二）在第三次量化危机以后，中美股市联动性变强的原因
在实施第三次量化宽松货币政策以后，随着美国不断地投放美元，使世界经济面临通货膨胀的压力，通货膨胀会在一定程度上促进股票价格的上升，使中国和美国股票价格在一定程度上的同时上涨。量化宽松的货币政策对美国经济的复苏有很大的促进作用，中国经济与美国联系比较紧密，美国经济的增长，同时也会带动中国经济的发展。这些因素就会造成股价的同涨同跌。对于美国股市对中国股市的显著影响，以及中美股市联动性逐步增强，中国政府和投资者应采取的对策：由于美国股市对中国股市有显著的影响，所以，中国政府在对中国的资本市场进行调控和管制的时候，不仅要考虑国内的情况，还要结合国外股市的变动情况，来制定合适的政策。由于中国的股票市场起步晚，还存在许多的问题，因此，中国政府要逐步地放松管制，积极利用市场化的手段来调控股市，缓解股市的大起大落。对于投资者而言，随着中美股市联动性的逐步增强，通过共同投资于中美两国的股票市场来分散投资风险的作用会越来越小，投资者要理性投资，合理地选择投资组合，来降低投资风险，增加收益。
参考文献：
[1] Hamao，Ronald W.Masulis，Victor Ngcorrelation in price changes and volatily across international stock markets [J].Journal of Financialstudies，1990，（3）：281-307.
[2] Bang New Jone，Thomas C.Chiang.A System of stock prices in word stock Exchange ：Common Stochastic Trends for 1975-1990[J].Journal of Economics and Business，1992，（29）：95-124.
[3] Eun.C.and S.Shim.H，international transmission of stock markets，Review of Financial Studies，3，281-307.
[4] Miyakoshi T.Spillovers of stock return volatility to Asian equity markets from Japan and the US [J].Journal of international FinancialMarkets，Institutions and Money，2003，13：383-399.
[5] 韩非，肖辉.中美股市间联动性分析[J].金融研究，2005，（11）.
[6] 胡秋玲，刘伟.中美股市联动性分析——基于美国次贷危机背景下的收益率研究[J].金融理论与实践，2009，（6）.
[7] 方建武，安宁.中美股市的联动性分析及预测[J].经济问题探索，2010，（4）.
[8] 张兵，范致镇，李心丹.中美股票市场联动性研究[J].金融研究，2010，（11）.
定量投资在海外已有30多年的发展史,通过在对市场认知和理解的基础上,提炼出能够产生长期稳定超额收益的投资思想,并用历史数据验证其思想的正确性,其投资业绩稳定且市场规模和份额不断扩大,得到越来越多投资者的认可。定量投资主要根据各种数量模型进行投资决策,在模型中通过具体指标、参数的设计反映和实现投资理念及策略,通过模型不带任何情绪地跟踪和分析市场,以实现较稳定地获得超额收益的目的。其理论依据是:价格变动模式能被历史数据发现和揭示,并能由统计技术描述和分析,收益与风险相关程度的变化是连续的,收益、风险、相关性及时间框架的模型是可预测的。
定量投资的思想和方法在量化投资基金中得到广泛的应用。量化投资基金利用数学、统计学、信息技术等定量投资方法来管理投资组合,通过数理统计分析,选择未来回报可能超越基准的证券进行投资,以期获取超越指数基金的收益。
定量投资伴随金融理论、数学模型、计算机技术的发展而兴起,布莱克、夏普等金融经济学家建立的数量模型和总结的研究成果为现代金融定量分析的发展奠定了基础,应用随机过程等数学理论的发展和完善扩充了定量分析的数学工具,硬件设施、软件开发、数据整理和分析等计算机技术的迅猛发展极大降低了定量分析的难度和工作量。首只量化基金成立于上世纪70年代,该类基金在90年代到21世纪初快速成长。最近几年,量化基金良好的业绩表现和相对低廉的管理费用吸引了越来越多投资者的关注。尤其是量化基金中的佼佼者,业绩表现非常突出。定量投资的创始人之一詹姆斯·西蒙斯管理的大奖章基金,自1988年成立后年均回报率达到38.5%,收益率水平远超过巴菲特20%的年平均收益率,使其成为20年内最赚钱的基金经理。如今,定量投资在国外成熟市场上已经成为相当流行的一种投资方式。
与传统基金相比,量化基金具有其独特的优势:量化基金兼具人脑和电脑双重优势,主要依据模型做出投资决策,依靠数据指标进行综合分析和选择股票等各类资产,避免基金经理的情绪和主观决策的干扰;量化基金系统性强,具有多层次、多角度、多数据的资产配置方法,依次在大类资产配置、行业选择、精选个股三个层次上设定相应模型,从经济周期、市场结构、盈利能力等多角度判断资产的投资价值,通过计算机技术快速准确地分析成千上万的上市公司信息,借助程序化的计算机模型,通过精细化的投资运作跟踪和发现大量人力不及的投资机会,弥补基金经理精力和处理信息能力的局限。
在中国市场,量化基金起步较晚。自2004年首只量化基金光大保德信量化基金推出以来,国内量化基金经历了7年的发展历程。定量投资所具备的及时快速跟踪市场变化等诸多优势,正日益获得中国投资者的认同。今年量化基金表现良好,截至4月6日,9只具有完整业绩的主动型量化基金平均收益率为0.64%,超越同期股票型基金和混合型基金-1.39%、-3.08%的净值增长率。但由于现今国内金融市场尚不成熟,量化基金难以找到稳定有效的量化模型,金融衍生工具的品种和数量不足,量化模型因投资工具缺乏未能充分发挥自身的优势和特性。另一方面,国内的量化基金还处于起步阶段,运用的模型有同质化倾向,且大部分量化基金在择时、行业配置和资金管理等方面,并没有采用量化模型,更多依靠基金经理的主观判断,这在很大程度上无法体现出模型选股优势。不过,随着国内金融市场的日趋成熟及金融衍生产品的陆续推出,以及金融工程理论和技术的不断发展,获取和处理信息优势将变得日益重要,量化基金的运作有望渐入佳境,基金对定量投资的运用将成为趋势。因此,加强对量化基金的重视、研究、开发及培养储备金融工程人才显得尤为必要。
2、基金家族与溢出效应
基金家族(FundFamily)是同一基金管理公司发行并管理的全部基金的总称。虽然基金家族在我国出现较晚且针对基金家族的研究文献较少,但随着我国证券投资基金的蓬勃发展,基金家族及与其相关的利益输送、明星基金溢出效应等问题逐渐成为基金行业的焦点。
基金家族中的每只基金不是独立的实体,其资源配置受到整个基金家族的影响。从整体利益出发,有限资源可能不均衡分配到各只基金,特别是整个基金家族的利益与单只基金的利益存在冲突时,基金管理公司倾向于牺牲某些基金的利益。国外学者Chevalier&Ellison（1997）,以及Sirri&Tufano（1998）在研究成果中指出,当前的基金流量与往期的基金业绩存在着凸性关系,即与低于正常收益的负收益引起的资金流出相比,超额正收益产生更多的资金流入。这意味着当基金家族面临两种选择即拥有两只表现一般的基金和拥有一只表现优秀的基金加上另一只表现较差的基金时,在最大化管理资产及管理费收入的目标驱使下,其更偏好于后者。在所拥有的基金中,基金家族更加重视当前业绩良好的基金,并将有限资源的更多部分配置于该类资金,甚至以牺牲表现较差的基金利益为代价,从而获得更多资金流入并多提管理费。
同时,国内外学者在研究中均发现,基金家族中的明星基金会给同一家族内的其他基金带来较强的溢出效应。该溢出效应是指单个基金的业绩表现、媒体曝光率等会影响到同一基金家族内的其他基金,继而使投资者对家族内其他基金申购和赎回的选择也发生改变。这种溢出效应的存在使大量资金流入明星基金的同时,也将流入同一基金家族的其他基金。
此种现象可由以下几点原因解释:首先,从投资者角度出发,根据行为金融学理论,投资者搜集和处理信息的精力和能力有限,在现实经济环境中高度关注显著信息而忽视隐晦信息是其有限注意能力的最直接表现,故投资者经常将注意力集中在基金家族中某些表现突出的基金上,却忽视其他基金的相关信息,对同一家族内的其他基金产生认同感而选择申购,因而产生基金的溢出效应。另一方面,投资者在选择基金时往往受到锚定效应的影响。所谓锚定效应,指人们在做决策时,会受到最初得到的信息制约,不自觉对最初信息给予过多重视。投资者容易对明星基金已实现的业绩产生锚定效应,认为其未来的业绩将接近或达到现有水平,从而把资金投入到明星基金中,甚至因认为明星基金所在基金家族中的其他基金也有能力创造优良业绩而对非明星基金也产生锚定效应,增加基金家族的整体基金流量。第二,该现象与基金品牌效应有关。表现优秀的基金受媒体关注程度和曝光率较高,其所属基金家族也经常出现在媒体上,从而使基金管理公司的品牌形象深入人心,增强投资者的认同感并增加基金家族的现金流入。第三,从基金管理角度看,基金家族的投资管理理念会影响家族内的所有基金,各基金间存在着资源共享的情况且其经营成果可能存在较高的同质性,一方面使同一基金家族内的基金表现可能产生关联,另一方面投资者因认为同一基金家族内的基金表现可能较一致而投资其他基金。基于以上分析,明星基金所属的基金家族不一定将有限的资源同等投入到旗下的其他基金,其他基金也不一定有能力创造出明星基金实现的优良业绩。投资者做决策前,应注意和分析此种现象,避免所选基金的业绩与预期产生较大的差距。此外,基金家族对某些基金停止投资者申购的问题也值得关注,其通常宣称基金规模过大容易导致基金运行无效率,停止某只基金申购是为了保护该只基金的业绩。但一些学者研究发现,虽然基金家族更可能对业绩良好、规模较大的基金停止申购,但无充分证据表明停止申购能保护基金业绩。基金家族停止某只基金申购有可能是为了通过传达其优良业绩的信号,引起投资者关注并投资家族内的其他基金。因此,投资者不应盲目对基金家族停止某些基金申购的消息做出过度反应。
3、开放式基金赎回异象
开放式基金是指基金规模并不固定可以随时增减变动,投资者可以随时申购和赎回的证券投资基金。自2001年在我国出现后,开放式基金发展迅速,其份额规模已经远超封闭式基金,占全部基金份额规模的比例已经超过95%,成为我国证券投资基金的主体。理论上基金业绩越优良越能吸引投资者参与申购,有助于扩大基金规模和提高基金管理者的管理费收入,若基金表现不尽人意,投资者更可能选择赎回基金份额,导致基金规模缩小。开放式基金的赎回机制有利于激励基金管理公司尽职尽责地管理和运作基金资产,通过其业绩与基金流量的正相关关系发挥“优胜劣汰”的基金生存机制。然而,历史和研究证明,我国开放式基金的资金流入与基金业绩并不存在正相关关系。相反,表现优秀的基金更可能被投资者赎回,基金净值增长率与赎回率正相关,而业绩较差的基金赎回率却较低,形成我国的开放式基金赎回异象,导致优胜劣汰的竞争机制得不到有效发挥。开放式基金赎回异象增大基金管理公司对基金的投资管理难度并增加基金的流动性风险。目前中国证券市场缺乏足够的金融衍生工具,开放式基金大量赎回可能使基金管理公司不得不大量抛售股票等资产,在降低基金净值的同时对证券市场产生不利冲击,形成恶性循环。因此分析现阶段开放式基金赎回异象的原因和投资者赎回的行为尤为必要。
1.国外研究现状
Robert.LKTiong（1987）对BOT项目风险评价进行了研究，分析了净现值法、专家打分法、决策树法等几种常用的BOT项目风险评价方法，认为对BOT项目进行评价必须要有可行的评价手段同时需要对风险评价的结果有正确的理解。
Dixit（1989）提出费用模型、任务模型、运筹规划模型等科学的BOT项目风险量化模型，在此基础上进一步将BOT项目存在的风险依次划分为国别风险、项目自身风险以及客户风险。
CM Tan（1994）提出基于模糊逻辑技术的BOT项目风险评价模型，并将此方法运用于大型BOT项目的风险评价及控制中验证该方法的有效性。Kitti Subprasm（1994）将模糊数学分析方法运用于BOT项目风险评价中，在此基础上提出可以将模糊数学分析方法用于投标方案的评价。Kumaraswamy（2004）找出影响BOT项目风险的八个主要因素，并针对八个影响因素建立了风险评价模型。
2.国内研究现状
张丹文（2003）运用经济学方法分析了BOT项目的潜在风险，并建立BOT项目风险评价的指标体系，运用层次分析法和专家打分法为各项指标打分赋值，最后得出BOT项目风险值。
齐国友等（2003）认为在BOT项目投资决策中需要仔细考虑项目面临的各种风险。在综合分析现有评价方法的基础上，提出了一种新的投资评价方法，即风险NPV法。利用风险NPV进行评价需要确定NPV服从的概率分布及折现率，根据NPV的概率分布函数进行计算。
王芳（2004）等运用实物期权的思想，在考虑价值评价变量阶段性变化的基础上，通过参数的阶段变化反映变量的阶段变化，基于Lto随机微分方程提出了一种新的BOT项目价值评估方法，为BOT项目的投资决策提供量化标准，便于各项目之间的比较与选择。
王爱民和范小军（2004）在分析BOT项目期权特性的基础上，提出了基于实物期权的评价模型，该模型考虑了项目价值和项目建设成本的动态变化，用于计算BOT项目价值和项目建设成本的双变量项目期权价值。
曾卫兵（2004）用期权理论建立了内资BOT公路项目的投资决策评价模型，进一步用博弈论方法研究并论证了该投资决策评价模型的正确性，最后将其运用到实例中验证其有效性。
3.研究不足
从上述文献可以看出目前研究的一些不足：
（1）风险评价方法的运用没有结合BOT项目的特点，仅是简单的将各种项目风险评价方法直接运用到BOT项目中。BOT项目与一般的项目有所不同，它具有特许期限等特点，在对其进行风险评价时，应该结合BOT项目自身的特点对风险评价方法进行完善。
（2）现阶段常用的BOT项目风险评价方法自身具有一定的局限性。各种风险评价方法都有一定的局限性，在将其运用到BOT项目风险评价中时应针对其局限性对其进行完善，直接将其运用到BOT项目中会导致评价结果出现偏差。
（3）采取建立指标体系通过专家打分确定权重综合评价BOT项目风险的方法，风险评价指标较为单一，将一些不可量化的指标通过专家打分来赋值，主观性较强，最终得出的评价结果准确性较差。
（4）风险评价的数学模型复杂、需要大量的历史数据，但是由于历史原因我国一些资料部门工作不够全面，从而导致对项目进行风险评价时很少有可以借鉴的历史数据，极大程度上影响了项目风险评价的准确性。其次，风险评价的数学模型专业性很强，操作起来复杂，项目的各参与方知识有限，专家对项目风险的分析不能让决策者很好的理解，这样必然会影响到风险评估与风险决策的质量。
4.建议方法—模糊综合评价法
从指标定性与定量相结合的角度评价BOT项目风险，必须综合考察BOT项目的所有主要风险，同时要考虑不同参与方对待风险的态度不同。在基于各参与方的BOT项目风险评价指标体系中，由于各指标的影响因素各不相同，除少数可以通过统计方法获得，大量的指标则只能采用专家评分法。对于这样的评价问题，运用模糊数学的方法，即模糊综合评价法（Fuzzy Comprehensive Evaluation，简称FCE）可以得到较好的解决。
模糊综合评价，是一种基于模糊数学的综合评价方法，即用模糊运算法则，得出一个评判矩阵，并且通过评判函数对受到多种因素制约的事物或对象做出一个总体评价的过程。
模糊评价方法的特点主要表现在：第一，模糊评价方法可以不直接依赖于某一项指标，也不过分地依赖于绝对指标，而是采取比较的方法，这样可以避免一般数学评价方法中，由于标准选用不尽合理而导致的评价结果的偏差。第二，评价指标的重要程度通过权数加以体现，但允许在权数选择上有一定的出入，而不至于改变最终的评价结果。第三，模糊评价中算子的选择和隶属函数关系的确立，使各项参与评价的非量化指标间建立了有机联系，使评价结果能够更好地反映出评价对象的整体特征和一般趋势。
龚洁（2010）将模糊综合评价模型应用于BOT项目投资风险的综合评价过程中，利用其具有结果清晰、系统性强的优点，能较好地解决模糊的、难以量化的问题这一特点，对适合BOT项目中各种非确定性风险因素的综合评价。
参考文献：
[1]Robert L K Tiong. Evaluation of proposal for BOT project[J]. International Journal of Project Management，1987，l5（2）：67-72.
[2]DixitAK， pindyik P S. The risk assessment of BOT project[J]. Harvard Bussiness Review，1989，28（4）：129.
[3]C M Tan. BOT model for instraction development in Asia[J]. International Journal of Project Management，1994，17（6）：377-382.
[4]张丹文.BOT项目可行性评估指标体系研究[D].成都电子科技大学，2003.
[5]齐国友，曾赛星，贾艳红.BOT项目投资决策模型研究[J].建筑管理现代化2003，24（3）：12-14.
[6]王芳，杨乃定，姜继娇.基于lto随机过程的BOT项目价值评估[J].管理评论，2004，16（7）：38-42.
