时间：2024-04-08 14:48:09
引言：易发表网凭借丰富的文秘实践，为您精心挑选了九篇金融投资量化方法范例。如需获取更多原创内容，可随时联系我们的客服老师。
金融衍生品与量化投资之间的相关性是当前经济发展比较重要的研究议题，两者的有效配合在某种程度上能使投资者获得较为丰富的投资收益，并且将风险以及杠杆性将至最低。就当前现状而言，金融衍生品内容越来越多，而量化投资投资工具呈现多元化的趋势，这为投资者提供了较多的投资方式以及渠道，并使其在最小风险值内获取最大的经济收益。文章主要介绍了金融衍生品及量化投资，重点阐述了两者之间的关联性，最后论述了两者有效融合的前提下如何获得最大的经济效益值。
一、金融衍生品与量化投资概念阐述以及其发展
（一）金融衍生品
金融衍生品在我国经济中运用范围不断扩宽，它是基于经济发展而形成的，是社会发展的必然产物，并且对于全球经济有着深远的影响，比如加剧世界经济一体化、促使金融一体化的逐步形成，金融衍生品在我国经济发展中扮演非常重要的角色，带动了我国实体经济的发展。所谓金融衍生品，它是与金融相关，并由其引发的派生物，属于一种金融交易工具。近年来，随着市场经济发展速度不断提升，我国金融市场逐渐趋向完善，这也为金融衍生品的发展提供了良好的契机，使其发展日益壮大并成为金融市场的主力军，并且与信贷以及货币市场联系日益密切，最终促进了金融资产配置的逐渐完善，即风险管理的复杂链条。从目前情况分析，我国经济发展呈现出良好的前景，相对应的工业以及房地产发展相对较好，在此基础之上，依据高杠杆原理，金融产品自身的优势性彻底被展现出来，并为投资者带来相对较好的经济效益值。但是金融产品也存在一定的风险，可谓是一把“双刃剑”，虽然它可促进金融市场的发展，但如果运用不当将会引发极为严重的后果。上世纪90年代以来，就发生了多起由于金融产品运用不当而引发的经济损失，例如：2008年金融危机波及全球，引发金融危机的原因主要是CDS等金融产品，其在美国金融市场运作中出现风险管理不当的现象，也就是风险失控，继而引发了全球性的经济危机。
金融衍生品主要是基于与金融有关产品的通过不同方式衍生而来，主要包含四种基本形式，分别是远期、期货、期权、互换，其价格的变动规律主要是由基础标的物所决定的，随着它的变化而变化的，而金融衍生品的价值主要与基础工具的相关因素有关，比如利率、汇率、市场价格、指数、信用等级等等，从本质上分析，它属于虚拟的有价证券，在某种意义上而言是一种权利证书，给予投资者基础性的权利，且与实物资本有着很大的区别，能够使投资者获得投资收益。与一般金融产品相比，金融产品有了极大的改良与进步，产品结构更为复杂，其定价模式基本比较单一，主要是以复杂数学模型为主，将多种风险以及因子，如Beta、Delta、Rho、久期等，通过多种方式的映射、组合、分解复合等，继而形成金融衍生品，结构层次多样。金融产品虽然为投资者提供了发展契机，但是也存在极大的风险，这种风险的形成与交易与结算有着直接的关联，上述两种交易形式基本发生在将来，基于高杠杆的影响，市场风险难以有效控制，预测就更难以估计。
（二）量化投资
量化投资在我国金融市场发展中得到了进一步推广，相较于定性投资，量化投资科学性更强，并且具备相应的理论依据。在投资过程中，投资者可以利用数学、统计学，还可以借助数据挖掘等方法，以此构建投资策略，管理投资组合，继而实现风险管理，利用数据模型，借助系统交易信号，系统会自动完成相关交易。从本质上分析，量化投资属于工具，投资者可以通过经验累加，然后利用数学模型的功能性，继而实现信息化的表达。量化投资形式具有自身的优势特点，这也是传统投资形式不可比拟的，它主要将投资者经验累积以另外一种方式呈现，即数学模型，继而转化至计算机中，运用相对科学的计算方式，实现产品投资，随着金融市场的日益完善，数学模型也得以不断优化。无论是数量化的投资，还是依靠计算机程序的投资，对于技术的要求极为苛刻，在业界誉为“黑箱交易”，从某种角度分析，量化投资基本不依赖大脑，而是依据交易系统，继而实施具体的决策，上述交易系统是之前确定的，且形式非常复杂的，这样的系统往往具备较高的精准度。与此同时，交易系统开发需要一定的技术支持，即程序算法设计，部分开发者通常会采取相应措施，加密交易系统，以此保障知识产权不受侵害。外界投资者对此并不清楚，具体运行机制也存在极大的疑问。量化投资者基于交易系统的前提下，收集市场最新的数据变化，同时采集与之相关的信息，将其输送至交易模型里，然后通过科学的计算，数据的挖掘，加密信息的处理，最终敲定资产配置方案，确定交易的最佳时机。按照相关公式进行量化投资在某种程度上是一种相对理性的投资，其自身的优势集中体现在分析策略这一环节，突出明晰性以及一致性，与此同时，运用信息与公式，由此获得的结果基本相同，这在某种程度上对交易者非常有利，避免由于其客观性以及随意性而引发的交易失误。
针对量化投资而言，其涵盖多个方面：就现状而言，主要包括量化资产配置、量化投资交易、风险管理。以资产配置为例，必须要基于行业选择的前提下，以此实施有效配置，然后依据策略组合，在行业内开展相关工作，实行资产优化。量化资产投资，它在某种程度上奠定了总体投资方向，确定发展前景最好的行业、风格和产品。换言之，投资者需要根据市场行情变化规律，选择市场以及产品，然后给予最佳资金分配方案。相较于传统的投资形式，量化投资更具一定的优势，更具科学以及合理性，同时兼具高信度。投资者可以依据数据模型，对整个市场进行有效分析，继而给予相对准确的判断，以此进行理性投资决策。
二、两者之间的关联性分析
金融衍生品与量化投资的有效结合能够起到非常关键性的作用，投资者能够选择相对发展较好的金融产品进行量化投资，由此收获了相对丰富的投资收益，因而探讨两者之间的关联性以及有效融合具有划时代意义。近年来，我国金融市场发展形势良好，也因此带动了金融衍生品的迅速扩大，促进了国民经济的迅速增值。但是以我国现有金融衍生品现状来说，无论是从行业总量、规模，还是参与范围及层次方面来看，金融衍生品都还属于小众市场，仍需不断创新与改革。从目前情况分析，对于大部分的投资者而言，他们对于金融衍生品的了解还不够透彻，这也导致了民主对于金融衍生品的了解甚少，基本都停留在电视或是报纸上对于金融衍生品的看法，这于金融衍生品的长远发展是非常不利的。2008年的金融危机，很多实体企业采取了相应的对策，比如参与期货市场，实施套期保值，以此降低生产经营风险，也在某种程度上扩宽市场发展。
金融市场发展速度的加快，股指期货得以大面积扩散，指数期权也扩大了应用范围，这于我国金融市场发展而言是极为有利的因素，为量化投资提供良好的发展契机，迎来发展机遇。借助量化投资原理，运用相关实践方法，通过计算机程序实施投资交易，这将是之后金融衍生品投资的主流方向。
金融衍生品的诞生是社会发展的必然产物，其功能性集中体现在投资风险规避，它形成的主要动因与投资者关系密切，满足其转移风险的需求，同时实现其套期保值实际需求，这一过程又被称为风险对冲，这样可以使投资者运用相对较少的低成本，基于现货价格变动，达到规避风险的目的。从目前形势分析，量化投资在我国金融衍生品上得到了广泛应用，其对冲实践需要借助相关载体，也就是具备一定的期货市场方可实现，但是基于交易品种单一的现状，这使得量化投资产品在某种程度上具有一定的局限性。随着股指期权的诞生，个股期权的逐步实施，扩大了金融市场的投资发展，让更多的投资者增加了风险规避渠道，推动了量化投资范围的不断扩大。量化交易策略也在某种程度上发生了改变，更具创造性，带动实体经济发展。
金融衍生品的诞生以及投入使用促进了我国金融市场交易的逐步完善，这其中金融衍生品的一个非常重要的功能得到了极大的发挥，即价格发现。所谓价格发现功能，主要从参与者角度出发，他们通过获得信息，且基于价格预期，利用公开拍卖形式，或是借助电脑进行撮合交易，这在某种程度上可以获取市场真实需求，供求关系，并且极具竞争性以及预期性的体系。随着世界经济一体化趋势不断加强，世界金融市场不断扩大，与之相关的金融衍生品应用范围也随之不断扩大，金融交易所的相关交易实现跨越式的进步，通过这种形式形成的价格权威性更强。上述价格通过不同的传播工具不断扩散，如报纸、电视、网络等，范围波及全球，俨然成为市场价格的引领者，这为大众提供了良好的平台，让其透过相关经济信息了解经济动态，以便帮助投资者给予正确的决策，借以提升资源配置效率。量化投资相较于传统投资形式具有一定的优势，这主要体现在两个方面：分别是速度与规则，从某种角度分析，我们可以预期，量化交易应用范围，促使市场报价更为紧密，成交更为频繁，从而增强市场流动性。与此同时，基于量化交易策略而言，其中部分交易存在策略的相似性，这对于未来的金融市场影响颇大，集中体现在市场价格波动这一方面，具体表现为高波动性以及规律性，上述改变与量化投资有着非常直接的关联。
金融衍生品是社会发展的阶段性产物，量化投资是基于传统投资形式基础上的创新与变革，两者之间具有一定的关联性，就好比人和人之间的合作，通过量化投资，金融衍生品能够在某种程度上受益，彰显其风险规避功能，量化投资对于投资者而言是巨大的福音，使其更理性地进行投资，从而避免由于自身主观原因而造成的经济损失，与此同时，能够有效消除非预期损失。针对金融衍生品而言，其不断发展对量化投资而言也是非常有益的，为其提供应用平台，借助不同领域资源整合，从总体角度分析，优化金融市场，交易环境不断完善，并且对投资者影响极大，使其投资理念不断升华，投资水平在某种程度上也得到看提高，继而促使投资者通过结合金融衍生品与量化投资获取丰厚的投资收益。总的来说，金融衍生品与量化投资可谓是相辅相成的关系，彼此相互促进又相互影响，协调好两者的关系对金融市场发展益处多多。
三、结语
总体来说，金融衍生品在我国金融市场的广泛运用极大的促进了国民经济的发展，量化投资是一种相对理想的投资理念，将金融衍生品与量化投资有效融合能够获得良好的成效，这于金融市场经济发展而言也是极为有利的因素，为投资者提供了良好的应用平台，促使其获得比较丰富的投资收益。文章主要介绍了金融衍生品以及量化投资的发展，重点阐述了两者之间的相关性。
参考文献：
[1]李东昌.金融衍生品与量化投资相关性研究初探[J].山东工业技术，2015（06）.
[2]张梅.后金融危机时代金融衍生品的风险管理与控制[J].湖南商学院学报，2010（02）.
[3]寇宏，袁鹰，王庆芳.套期保值与金融衍生品风险管理研究[J].金融理论与实践，2010（05）.
[4]林世光.可拓学在金融衍生品市场风险中的量化分析[J].武汉理工大学学报，2010（11）.
[5]薛智胜.金融创新风险的防范与监管探析――以金融衍生品为例[J].云南大学学报（法学版），2012（01）.
【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.
他们和先前的人工交易不同，用数学统计出此前的交易规律，建成模型，用程序来交易。他们大多有较高的学历，或物理或数学或IT背景。他们用模型、公式克服人性的弱点去交易，赚取理性的利润，这个工作叫量化投资。
这是近几年才形成的一个低调的金融圈子，尤其是今年来，这个圈子似乎风生水起。算法、编程、想法、策略、模型成了这个圈子中的常用语，他们分布在券商、公私募基金、期货等金融行业，他们在创新中摸索前进，优秀的团队也不少见。
谨慎的宽客人
量化投资圈的人喜欢自己被称为“宽客人”或“矿工”。所谓“宽客”即金融工程师，他们靠编程序去设计模型，用数学的方法分析金融市场，找出影响价格涨跌的相关因素，规避其中的风险，获得收益。
徐明（化名）是上海艾革瑞投资团队的创始人之一，有着大多数编程人员的内秀和儒雅，自信的微笑又暗示着自己不是普通的“码农”。清华大学数学系学士，香港科技大学工业工程与物流管理系博士，精通数学建模、金融工程、组合优化和人工智能算法，这些标签和不少量化“宽客人”类似，他们具备这个行业的先天优势。
徐明在中山大学管理学院管理科学系任教期间，对金融工程产生了浓厚的兴趣，西蒙斯的经历和成功给了他极大的鼓舞，逐渐走上专业量化交易这条路。
十月，天气渐冷。《中国证券期货》记者联系上徐明时，他正带着自己的团队参加海通期货2013年的“笑傲江湖”实盘赛，目前成绩位列投资家组第三名，这不是第一次参加海通期货的实盘赛，去年以总收益89%、总收益额189万，获得程序化组亚军。
“艾革瑞”，源自“Algorithm”（算法）的译音，创始人的量化定位可见一斑。团队主要成员在2012年开始全职投身于程序化交易，多具有证券期货投资、金融工程研究和IT项目开发经验。艾革瑞团队主要做股指期货日内交易，交易频率比较低，平均一天做1个来回的交易，持有时间一般都要超过1个小时。
量化交易和人工交易有一个很大的不同，就是模型的建立。“程序化交易更像一门科学，需要投资者具有较高的模型开发和系统开发能力，以及对于交易规律的深刻认识。”徐明认为，人工交易更像一门艺术，需要对经济周期和行业发展有独到的眼光。
对于模型，“宽客人”都视为自己最核心的秘密武器，往返于华尔街和上海的徐明和其他讳莫至深的受访者不同，对模型提出了自己的看法，“模型是用数学方法找规律，而数学方法找规律很容易过度优化。”
对于投资行业的深刻认识更为重要。徐明表示，“国内金融市场和华尔街还是有本质的不同，对于中国市场期货交易的认识和理解，比运用各种数学模型更为重要。很多系统在数学上是最优的，但是在实践中并不是最优的，而且还可能是有极大风险的（即过度优化）。”
策略是量化“宽客人”的另一个交易核心。“如果交易经常不盈利，就不能仅仅认为是利润回吐了，要考虑策略是否失效。”金华强调。
策略是否失效是所有程序化交易者面对的一个非常难的问题。“失效”本身就很难定义。日内趋势的策略胜率一般都不到50%，所以总是有赔有赚的。赔钱的连在一起，就连续回撤了，这其实只是亏损连在了一起而已。不同的时间，市场的规律也会呈现不一样的特征，所以也很难判断暂时表现不好的策略是否就永久不好了。
所以，最重要的不是判断策略是否已经失效，而是在策略表现不好的时候可以找到原因和解决办法。
在2013年第二季度，艾格瑞团队就经历了一个较大级别的回撤，后来发现系统的很多亏损来自于“过度预测”。直观的理解就是市场还没有开始趋势的时候，系统就进行了未来趋势方向的预测。这一能力在过去的一年都不错，可以获取超额收益；但是可能是因为市场氛围变了，现在不仅不管用，还会带来连续的亏损。
后来艾格瑞团队对策略进行了调整：其一，相关性小的多周期、多系统非常必要。其二，用一套系统的方法去辨别哪些是市场里稳定的规律，哪些是不稳定的规律。其三，在风险控制上更为严格和保守，在谨慎保护本金的基础上，实现盈利。
调整策略后，解决了“过度预测”的问题，然后系统就又恢复了正常。从运行两个多月来看，表现比较稳定。
摸着石头过河的机构
机构投资者对量化投资的关注也越来越多，光大证券“816”事件揭开了冰山一角。8月16日，光大证券量化套利资金超过了200亿，乌龙事件一度引发国内A股和股指剧烈地震。据中国量化投资学会理事长、量化投资经理丁鹏透露，“目前国内量化投资资金的体量已经达到1000亿元。” 这些资金或主要来自券商和险资自营的量化套利资金，以及公私募的量化基金。
业内人士指出，国内某另一家券商在量化上投入的套利策略资金超过了300亿，远超出光大的投入资金，目前，不少券商也在用巨额资金更新IT设备，加上公私募资金，在量化上的投入远超过1000亿。
据悉，光大和海通等券商经营量化套利这项业务上，年度收益约10%-12%，甚至达到10%-15%或更高。如果按200亿元的管理资金来看，带给券商的直接收益就达到20亿-30亿元。这一盈利数字可能近年来熊市中某些券商一年的营业收入。
由于A股市场实施T+1交易，券商量化交易部门在A股从事高频交易的资金较少，据业内人士推算，大约有20亿左右。如果A股市场实施了T+0操作，估计更多券商大资金投入。
公募基金排名的压力，参与股指期货对冲仓位比例不超过20%限制，都成了公募基金量化投资无形的镣铐，短期内难有多大规模。
“公募基金做量化很费劲。”王萌（化名）坦诚表示。
王萌，上海交通大学计算机硕士，资深软件工程师，具有多年软件开发和管理经验，以及金融市场投资经验。已经在资本投资市场10年了，目前是上海某公募基金的总监。
“由于参与公募基金的排名，不可能完全做到量化管理，大多都有主动管理的因素在面。”王萌坦言，这和采访国内某期货公司量化部经理时的话，颇有几分相似，“目前国内公募基金的业绩也没有听说那个做的业绩挺好，更多的是一种宣传噱头。”
而私募则相对轻松的多。私募资金私募基金在量化基金设计上，主要侧重于量化多空策略的经营，目前国内有数十款产品在做，虽然规模算不上太大，但收益稳定保持在9%-15%还是容易做到。
张强（化名）在华尔街做量化投资多年，回国后成立了自己的私募公司，量化操作股指期货。15个月来，资金收益保持在25%，这个业绩在行业里可能算不上多高，但是出奇的稳定，这正是量化投资追求的最高境界，关键是稳定收益。远比上半年盈利50%，下半年亏60%好的多。更难得的是，15个月来回撤仅仅1.5%。这和公募基金带着“镣铐”跳舞形成了鲜明的对比。
无法阻挡狼来了
目前国内的量化投资刚刚起步，发展还受诸多因素困扰。
政策性因素扰动、历史数据不足、数据准确性差、T+1的限制，金融衍生工具不够丰富，风控的完善、系统软硬件的限制等，这些都是量化投资在国内市场的瓶颈。
政策性因素扰动也很明显，证监会对光大证券“816”的巨额罚款，对光大证券在券商中量化的领先地位颇有打击，同行不得不放慢了量化的步伐。
对于数据的不充足以及准确性差，也深受其害，财报质量和国外压根就不在一个档次，查阅数据也只能追溯到最近6、7年，这对用数学的方法统计数据建模型造成了直接的影响。
而某期货公司的董事总经理则直言，目前国内期货市场还是T+1，还没有开通夜盘交易，而国内期货市场又受国外盘影响巨大，国内盘受其影响隔夜暴涨暴跌再正常不过，而依靠数据、模型的量化交易只能是无可奈何，这也是国内商品期货量化操作业绩不理想的原因之一。
金融衍生工具不够丰富，也是国内量化投资的一大影响。目前国内量化投资仅能运用在商品期货、股指期货和国债期货上，还限制颇多。比如股指期货，国内每天挂单不能超过500手；国债期货开通不久，成交量有限；期货市场虽然套利客观，但容纳资金量有限。
据业内传闻，光大证券的量化部门前期运行投入资金是1500万元，如果再加上维护费用，数目不容小觑。
这在券商同行中绝不是孤例。尽管如此，因经验不足，还是在风控上闹出了震惊中外的（816）乌龙事件，对量化的影响可见一斑。
光大乌龙事件暴露出机构投资人在追求创新时忽略了风控的完善。“光大虽被证监会罚款5个亿，但券商用自营资金做量化的赚钱能力也被大众所知，未来会有大量的钱涌入。”一位机构人士认为。
丁鹏认为，“不能因为光大事件，就将先进技术和理念拒之门外，绝对收益是未来趋势。”
国内金融市场，尽管在量化上还存在着不少的问题，但这引人注目的量化投资前景依然引起了国外大鳄的注意，我们无法阻挡：狼来啦！上述某期货公司人士透露，“韩国成熟的量化投资团队，已经进入国内市场开始剪羊毛，据说比国内的量化机构能量要大的多。”还有更恐怖的团队，国外量化操作鼻祖巴克莱已经在国内完成了前期量化测试，不久也会携带巨额资金和先进的理念来分一杯羹。
模型避免过度优化
（暨南大学信息科学技术学院 广东 广州 510632）
摘 要：“金融改革”的提出，金融市场的逐步开放，将促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。通过分别建立两个单指标择时策略模型，运用MATLAB模式搜索算法在设定时段内搜索最优参数，并分别对两个单指标策略进行交易仿真回验。实证结果显示，趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。实证显示组合指标策略的效益明显高于单指标策略。因此，采用组合指标策略进行个股量化择时交易较单指标策略能获得更优的投资收益。
关键词 ：量化择时；趋势指标；组合指标策略；参数优化
中图分类号：F8 文献标识码：A doi：10．3969／j．issn．1665－2272．2015．12．008
1 绪论
1．1 背景意义
“金融改革”的提出将为中国的量化投资带来发展前景。金融市场的逐步开放将会促进金融创新的步伐，给投资者带来越来越多的投资渠道，同时也将加速中国金融市场与国际金融市场的融合。很多国外成熟的投资工具和投资方法将逐步进入中国市场，以期货市场为代表的衍生品市场将迎来飞速增长，以量化投资为代表的投资方法也将得到投资者更大的关注。
在投资业，各种渠道提供的海量信息以及高频金融交易数据都在深刻地影响这个行业的发展以及金融市场的有效性。金融创新给期待量化投资的投资者提供了丰富的投资工具。自20世纪50年代以来，金融市场出于规避监管，转嫁风险和防范风险等需要，推出了很多创新性的金融产品，提供了越来越丰富的投资工具。金融衍生品在金融市场中占的比例越来越重要。
中国量化投资的前景广阔。党的十八届三中全会提出了“健全多层次资本市场体系”的指示精神，为十二五期间的资本市场发展指明了方向。随着金融投资工具的增加，量化投资将显示出其更大的作用，帮助投资者在更好的风险管控中寻求最佳收益回报。
作为量化投资中的量化择时，是指利用某种方法来判断大势的走势情况以及时采取相应措施，它是收益率最高的一种交易方式。就股票投资者而言，择股和择时都是至关重要的，正确择股是盈利的前提，而正确择时则是盈利的最终实现。因此，从微观角度入手，建立有效的个股量化择时交易策略值得研究。
1．2 文献综述
关于量化投资的研究，国内外更多的研究主要以策略构建和实证为主。易海波、杨向阳、罗业华、曾敏通过将量化指标按照股票属性进行分类排序，以自下而上的选股方式，构建出价值、成长、质量三个基本模型，并在此基础上衍生得到四个叠加模型和GARP模型。利用八个选股模型以不同的参数进行选股，构建出十个量化选股组合，历史回测结果显示这些组合风格各异，适合不同风险偏好的投资者。张登明通过对技术指标的分析，构建了完整的及时指标组合投资策略框架。他从量化的角度，通过样本统计给出了适合中国股市的优化指标组合及参数设置，对提高投资决策有积极意义。路来政通过研究量化基金的绩效及管理能力来研究量化投资策略的应用效果，采用T－M模型、H－M模型和C－L模型对其中9只量化基金的管理能力进行了研究，以评价量化基金使用量化投资策略的择股效果和择时效果，结果表明量化基金采用量化策略进行投资是有意义的。
股票择时属于量化投资的一个分域。刘澜飚、李贡敏研究了市场择时理论在中国的适用性，表明中国上市公司不仅存股票市场的市场择时行为，而且存在债务择时行为，即股票市场高涨时，上市公司倾向于债务融资。林正龙基于效用无差别定价原理，运用实物期权定价理论，研究项目投资收益不可完全复制的不确定性投资机会定价与择时问题，得出不同于指数效用，对具有常值相对风险回避系数效用函数的投资者而言，不确定性投资机会的定价与择时与投资者当前财富数量有关。卓琳玲、胡志强通过对样本公司的研究，发现样本公司股票行为、债券发行和内部融资均呈下降趋势，其中股票不是特别明显，当市值杠杆比率上升时期，股票发行出现显著地下降趋势，此时市场时机选择比较明显，说明我国股市存在明显的市场时机选择行为。刘阳、刘强通过研究我国从上世纪90年代初-2010年1月的上证综指和深证成指，分析异常收益率对整个期间收益的影响及择时的可能，发现极少数具有超常收益的交易日对股票市场的长期收益具有显著的影响，认为理性的投资者应该放弃择时而选择长期投资。王俊杰在择时模型方面分析了行业指数存在的持续性和行业轮动特征，并以时间序列模型为基础，构建动量模型、MS－GARCH行业择时模型等量化择时策略，回测结果MS－GARCH择时模型战胜行业动量模型和指数，表现较好。
温婧茹对移动平均线理论进行改进，构造了最适参数，参考设计了触线交易策略和过滤器交易策略，构建了家电板板块静态与动态相结合的股票池，实证得出，不同股票对应的最适参数不同，用个性化的参数进行决策能获得更好的收益；应用收益率确定最适参数以择股，结合触线交易策略以择时，能够跑赢大盘，取得超额收益。曹力自适应均线更适合于组合类的标的，如指数或者封闭式基金，因为这些标的的走势经过了平均的平滑，没有突然的大起大落，更容易用均线来跟踪趋势的变化。而对于个股，波动形态和指数类表的不同，所以需要使用不同的参数，在大多数个股上能够获得超额收益，特别对强周期性行业的股票自适应均线有很强的择时能力。但是自适应均线也不是万能的，对于某些个股，因为波动形态的复杂，用自适应均线也无法获得超额收益。曹力、徐彪从实证效果来看，利用可交易组合的均线模式识别找出的买入机会成功率较高，能抓住一些市场主要的反弹机会，因此累积收益非常出色。可交易组合的均线模式识别方法是择时交易，特别是熊市中择时的有效方法。
1．3 研究框架
传统的趋势指标择时策略往往是单指标的，并且策略参数通常是约定俗成的。单指标策略局限性和偶然性大，不能有效及时获取收益和及时止损；约定俗成的常用参数值在面对各种波动幅度不同、周期性不同、价格弹性等不同的个股时也有失客观性和灵动性。
所以，在探究一种改进针对个股的传统趋势指标量化择时的策略。首先建立基于各传统趋势指标的单指标择时策略，通过参数优化确定各单指标策略的最适参数；并在单指标的基础上，创新性地通过指标的组合，构建一个综合性且参数最优的组合指标择时策略，以增强策略的稳定性和鲁棒性，获得更优的投资收益。
1．4 术语说明
（1）累计收益率：
（2）年化收益率：年化收益率是把当前收益率（日收益率、周收益率、月收益率）换算成年收益率来计算的，是一种理论收益率，并不是真正的已取得的收益率。
（3）夏普比率：夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。
夏普比率=
（5）最大回撤率：在选定周期内任一历史时点往后推，产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤率用来描述买入产品后可能出现的最糟糕的情况，是一个重要的风险指标。
2 理论概述
2．1 量化投资理论
量化投资是运用现代统计学和数学的方法，从大量的历史数据中寻找并获得超额收益的一种投资策略，投资者通过计算机程序，建立可以重复使用并反复优化的投资策略，严格按照这些策略所构建的数量化模型进行投资并形成回报。
量化投资的内容主要包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、ETF／LOF套利、高频交易等。量化投资在国外已有30多年的发展历史，但在国内还是近年出现的新鲜事物。相比其他投资策略，量化投资在国外的运用已取得了更佳的业绩。
与海外成熟市场相比，中国A股市场的发展历史较短，投资理念还不够成熟，相应的留给主动型投资发掘市场的潜力和空间也更大。国内很多实证文献讨论国内A股市场也尚未达到半强势有效市场，因此量化投资理论引入国内证券市场是非常有意义的，它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。
2．2 择时理论
量化择时是量化投资的一种，它利用数量化的方法，通过对各种宏观微观指标的量化分析，试图通过回溯历史数据，找到影响大盘走势的关键信息，并且对未来走势进行预测。如果判断是上涨则买入持有；如果判断是下跌则卖出清仓；如果判断是震荡则进行高抛低吸，这样就可以获得远远超越简单买入持有策略的收益率。所以择时交易是收益率最高的交易方式之一。
股票的量化择时是预测市场以后的走势，并由此来判断调整投资组合的风险水平，从而获取更大的收益，具体表现是现金流进出证券市场和在证券间比例变换的时机选择。
2．3 趋势追踪理论
趋势择时的基本思想来自于技术分析，技术分析认为趋势存在延续性，因此只要找到趋势方向，跟随操作即可。
技术指标是技术分析中使用最多的一种方法，通过考虑市场行为的多个方面建立一个数学模型，并给出完整的数学计算公式，从而得到一个体现证券市场的某个方面内在实质的数字，即所谓的技术指标值。指标值的具体数值和相互间关系直接反映证券市场所处的状态，为操作行为提供指导作用。目前证券市场上的技术指标可分为“趋势型指标”、“反趋势型指标”、“能量指标”、“大盘指标”、“压力支撑指标”等类别。
移动平均线（MA）是一种常用的趋势型指标，由Joseph E．Granville于20世纪中期提出来。它是当今运用最普遍的技术指标之一，帮助交易者确认现有趋势、判断将出现的趋势、发现过度延伸而即将发转的趋势。后来又逐渐衍生出其他类型的均线，如平滑异同移动平均线（MACD）、三重指数平滑平均线（TRIX）等。 这些均线理论常用两根线的交叉作为交易信号，并以此作为买卖时点的判断。
均线理论提供了一种简单有效的使价格序列平滑并且使趋势更易于辨认的方法。
因此综合以上理论的优点，在此基础上改进传统趋势指标的量化择时策略，并创新性地开发更优的组合指标量化择时策略，以达到及时获取收益和及时止损的目的。
3 择时策略模型建立
3．1 MA单指标策略模型的建立
MA移动平均是指连续若干交易日收盘价的算术平均，用来显示股价的历史波动情况，进而反映股价指数未来的发展趋势。
其中
利用MA指标进行量化择时，在短期移动均线与长期移动均线的交叉处进行买入或卖出择时交易。以下分别建立买入和卖出法则的模型。
在短期移动均线下穿长期移动均线的黄金交叉处买入，故建立如下数学模型：
mabuy=1，MA（s）t＞MA（s）t-1&MA(s)t＞MA(l)t&MA(s）t-1＜MA（l）t-10,其他（6）
其中mabuy=1，表示满足买进，mabuy=0表示不满足买进。
在短期移动均线上穿长期移动均线的死亡交叉处卖出，故建立以下数学模型：
mabuy=1，MA（l）t＜MA（l）t-1&MA(s)t＜MA(l)t&MA(l）t＞MA（l）t-10,其他
其中mabuy=1，表示满足卖出，mabuy=0表示不满足卖出。
3．2 MACD单指标策略模型的建立
MACD即指数平滑异同移动平均线，是根据均线的构造原理，通过分析短期指数移动平均线与长期指数移动平均线之间的聚合与分离状况，对买进、卖出时机做出判断的趋势型技术指标。
MACD的计算如下：
（1）计算短期（ms）指数移动平均线EMA1和长期（ml）指数移动平均线EMA2。
（2）计算离差值DIF＝EMA1－EMA2。
（3）计算DIF的M日指数移动平均线，即DEA。
（4）计算MACD＝2（DIF－DEA）。
利用MA指标进行量化择时，在DIF与DEA的交叉处进行买入或卖出，分别建立买入和卖出法则的模型。
当DIF、DEA均为正值，DIF向上突破DEA时，为买入信号，建立如下数学模型：
macdbuy=1，DIFt＞DIFt-1&DIF＞DEAt&DIFt-1＜DEAt-1&DIF＞00,其他 （8）
其中，macdbuy=1表示满足买进，macdbuy=0表示不满足买进。
当DIF、DEA均为负值，DIF向下跌破DEA时，为卖出信号，建立如下数学模型：
macdsell=1，DIFt＜DIFt-1&DIFt＜DEAt&DIFt-1＞DEAt-1&DIF＜00,其他（9）
其中macdsell=1，macdsell=0表示满足卖出，表示不满足卖出。
3．3 MA－MACD组合指标策略模型的建立
组合模型构建两个新的信号变量：买入信号个数阈值“buy”（1≤buy≤2，整数）和卖出信号个数阈值“sell”（1≤sell≤2，整数）。
买入信号个数阈值“buy”表示：当MA策略中的“mabuy＝1”的买入信号个数与MACD策略指标中的“macdbuy＝1”的买入信号个数之和至少达到阈值“buy”（1≤buy≤2)数量个时才进行买入交易。
即“buy”阈值取不同值时，买入信号组合满足买入条件的情况如下：
buy=1时，满足买入情况：mabuy=1||macdbuy=1||macdbuy=1||mabuy=1&macdbuy=12时，满足买入情况：mabuy=1&macdbuy=1（10）
卖出信号个数阈值“sell”表示：当MA策略中的“mabsell＝1”的卖出信号个数与MACD策略指标中的“macdsell＝1”的卖出信号个数之和至少达到阈值“sell”数量个时才进行卖出交易。
即“buy”阈值取不同值时，买入信号组合满足卖出条件的情况如下：
sell=1时，满足卖出情况：masell=1||macdsell=1||mabsell=1&macdsell=12时，满足买入情况：masell=1&macdsell=1（11）
3．4 模型最优参数的选择
就个股而言，不同的计算参数，将导致不同的择时效果。面对各种波动幅度不同、周期性不同、价格弹性等不同的股票，如果盲目套用经典参数可能会有失客观性和灵动性。因此， 在进行量化择时策略构建时，需要针对个股进行策略的参数优化，检验指标不同参数的测试效果，并最终选择一个最优的参数组合。
夏普比率是一个可以同时对收益与风险加以综合考虑的经典指标，它反映了单位风险基金净值增长率超过无风险收益的程度。如果夏普比率为正值，说明在衡量期内基金的平均净值增长率超过了无风险利率。夏普比率越大说明基金单位风险所获得的风险回报越高。因此，夏普比率是可以同时对收益与风险加以综合考虑的经典指标之一。
4 个股实证分析
4．1 数据选择
为验证上述模型的有效性，个股实证以深圳证券交易所的华谊兄弟300027为交易标的，选取来源于国泰安2011．1．1－2014．6．30的基本面数据库，包括个股开盘价、收盘价等。
4．2 MA单指标择时策略仿真回验
首先对该股策略进行参数优化：本策略中对于参数，在测试期间内，以2天为间隔，测试范围从2天到20天；以5天为间隔，测试范围从20天到120天；搜索精度为1；测试回验30天，截止日期设为2013－12－31。通过回验得到参数优化结果（见表1）。
如表1所示，最优组合（s，l）＝（2，20），当以2日为短期均线，20日为长期均线，在参数优化测试期间进行交叉择时时效果较好，在回验测试期间内夏普比率达2．4234。
确定最优后，运用国泰安量化交易平台QIA进行策略交易仿真回验。设定合约保证金为1，合约乘数为1，市场参与度为0．5，买方手续费为0．05‰，卖方手续费为0．05‰，交易账户为股票账户并设定初始资金为1 000 000元，以一年期国债利率为无风险利率，并以沪深300为业绩比较基准，以数据库所给时间2011年1月1日-2014年6月30日为策略回验时间区间进行回验。最终结果（见图1、表2）。
回验结果显示，此单指标策略在2011年1月1日-2014年6月30日间的累计收益率达42．26％，年化收益率达11．10％，高出同期的沪深300指数比较基准，并且胜率达60．80％。由此我们可以得出结论，采用MA单指标策略进行个股量化择时交易也能获得较优的投资回报。
4．3 MACD单指标择时策略仿真回验
对该股策略进行参数优化：该策略需要优化确定的参数主要包括短期指数移动平均线的计算天数ms、长期指数移动平均线的计算天数ml，以及DEA的计算天数M。本策略的参数优化依然以最大化夏普比率为最优化目标函数，并使用Matlab的模式搜索算法在设定的回验时段内搜索最优参数组合（ms，ml，M）。
对于参数ms，在测试期间内，以2天为间隔，测试范围从2天到20天；参数ml以5天为间隔，测试范围从20天到120天；参数M以5天为间隔，测试范围从5天到60天；搜索精度为1；测试回验30天，截止日期设为2013－12－31。通过回验得到参数优化结果如下：
如表3所示，最优组合（ms，ml，M）＝（2，25，10），当以2日为短期指数移动平均线计算天数，25日为长期指数移动平均线计算天数，10日为DEA计算天数，进行交叉择时时效果较好，在回验测试期间夏普比率达3．0682。
组合指标择时策略仿真回验。由于组合指标策略是建立在单指标策略基础上的，所以该策略中的参数（s，l）、（ms，ml，M）即为模型一和模型二参数优化后确定的值，而参数（buy，sell）的组合情况有（2，2）、（2，1）、（1，2）和（1，1）四种，阈值组合选取哪个使得策略最优则需要进一步的参数优化。
对于参数buy，初始值设为2，测试最小值为1，最大值为2，步长设为1；参数sell，初始值设为2，测试最小值为1，最大值为2，步长设为1；搜索精度设为1；测试回验90天，截止日期设为2013－12－31。通过回验得到参数优化结果（见表4）。
如表4所示，最优组合（buy， sell）＝（1，1），即当买入信号个数至少有一个时就进行买入交易，卖出信号个数至少有一个时就进行卖出交易，以此进行组合指标择时效果最好，在参数优化回验测试期间夏普比率达2．490 3。
5 结论
从价格沿趋势移动和历史会重演的角度出发，运用传统趋势指标MA和MACD，分别建立MA、MACD的单指标择时策略模型并通过模式搜索算法分别求出两个策略的最优参数，从实证结果看趋势型指标可以抓住大的波段行情，获得超额收益，具有较好的择时效果。在此基础上再创新性的运用通过设置买入和卖出信号个数阈值的方法构建二者的最优组合指标模型，增强了择时的稳定性和鲁棒性，在有效降低风险的同时提高了收益率。
综上所述，基于以上的不足之处，以后将沿着组合指标择时的思路继续深入研究以对目前的研究进行改进。未来的工作主要是：对于用于组合的单指标要进行更为全面的扩展，引进其他经典趋势型指标DMA平均线差指标、TRIX三重指数平滑移动平均指标等，同时把指标类型拓展至其他类型，如反趋势型指标ACCER幅度涨速指标等，量价指标APBP人气意愿指标等，大盘指标OBOS超买超卖指标等，压力支撑指标ENE轨道线指标等。通过增加组合趋势型数量和组合指标类型，以使组合指标策略更全面、更切合实际市场。
参考文献
1 丁鹏．量化投资——策略与技术［M］．北京：电子工业出版社，2012
2 方浩文．量化投资发展趋势及其对中国的启示［J］．宏观管理，2012（5）
3 郭建．论证券投资技术分析中历史会重演的根本原因［J］．商业时代，2007（28）
4 李向科．证券投资技术分析［M］．北京：中国人民大学出版社，2012．
5 张登明．技术指标投资策略的优化及其在量化交易中的应用［D］．武汉：华中科技大学，2010
6 方智．基于多技术指标模型的沪深300指数走势预测［D］．南昌：江西财经大学，2012
7 路来政．量化投资策略的应用效果研究［D］．广州：暨南大学，2012
8 刘澜飚，李贡敏．市场择时理论的中国适用性［J］．财经研究，2005（11）
9 林正龙．项目投资定价与择时理论研究［D］．长沙：湖南大学，2006
10 胡志强，卓琳玲．IPO市场时机选择与资本结构关系研究［J］．金融研究，2008（10）
11 王俊杰．量化交易在中国股市的应用［D］．南京：南京大学，2013
胡俊敏是物理学博士，她是怎样跨专业从事投资行业？
她管理的博时特许价值基金，从2012年6月接手到年底，净值增长幅度居同类前20%，她是通过怎样的操作大幅提升基金业绩？
博时特许价值基金是量化基金，量化基金的操作又有怎样特点？
每日基金特邀胡俊敏博士，倾听她的人生经历和投资理念。
张学庆：从您的简历来看，是物理学博士，这是典型的理科学科，当然您后来又做过量化研究的工作，但您目前从事的工作是投资，是属于金融学这类范畴，这两个学科距离特别大。您之前研究的物理学、化学 ，对于投资有何帮助？
胡俊敏：当年念物理，现在做投资，不是事先计划好的，而是当时的历史环境造成的。我大学的时候是八十年代，中国还没有股市，我连股票是什么都没有概念。因为我比较喜欢跟数字打交道，就学了物理。去哈佛后，刚好碰上一些量化金融理论得到应用，华尔街需要有很强数理根基的人才。而由于美国经济不景气，教育经费不足，学术界又人才过剩，于是华尔街就吸引了大批的数学、统计或物理的博士。我在哈佛有机会初步了解到金融投资。
现在回头看，我学物理出身，做过材料研究，做过量化研究，现在做量化投资， 不是必经之路，但是确实每一段经历形成了我自己的知识结构，对我的投资理念的形成有不同程度的影响。
对于市场的理解。市场是否处于均衡的状态，金融界有很多争论。统计物理关于均衡非均衡态的理论以及量子力学的不确定原理我觉得一定程度上也适用于股票市场。股票市场不停地有新的信息，不同投资者对信息的接受和反馈不是瞬时的。另一方面，投资者行为与股价又是互相影响的，所以市场是处在一种不完全均衡的状态。市场过热现象也是不均衡态的一种表现。
数学统计上几率分布的概念在投资中是至关重要的。经常有投资者问我，你觉得下面一个月市场是涨还是跌，其实这是很难预测的，沪深300指数平均月收益为0.5%，但月波动率有9.1%，一个月的收益有2/3的几率分布在-8.6%到9.6%之间，波动性非常大。
逻辑思维方式和分析解决问题的能力。研究生的时候我做的是实验物理。就是通过对一些现象的观察和研究，找出规律，验证和发现基本原理。投资中由于信息多，频繁、且不完全，具备理性的逻辑思维和抓住问题本质的能力就非常重要。
张学庆：除了在学校中所学的知识，在后来工作中，还需要增加哪一方面的训练？才能成为一名合格的基金经理。
胡俊敏：量化基金经理需要的知识面比较广。除了比较强的数理基础和编程能力，下面几个方面的知识也是非常重要的。
基础金融知识：我业余选修金融方面的课，并通过准备CFA的考试补上金融知识的缺。争取到量化分析师的工作机会
量化投资管理：这有一整套理论框架。我当时在巴克莱资产管理公司任基金经理，有幸参加了《主动组合管理》作者Ron Kahn的课程。这本书被认为是量化投资的圣经。
行为金融：指由于投资者心理或思维偏差造成市场不有效的各种现象。量化投资之所以可行，就是因为股价由于各种原因而偏离其真实价格，有一定统计性规律可循。
市场经验：需要积累，我目前也在逐步积累A股市场的经验。
有志加入到量化投资行业中的朋友们可以针对各自的知识结构，制定出自己的准备计划。
张学庆： 您一个人管理5只基金，这可能得益于采用了量化的方法，同时管理五只基金，你会采取怎样的分配方法来统筹自己在五只基金间的精力分配？
胡俊敏：这就是量化投资的优势。首先，整个投资流程高度自动化、系统化。每天开盘前，所有基金及模型所需数据都已更新到基金管理系统里。其次，量化投资团队，基金经理后面有基金经理助理、量化分析师及IT的支持。基金经理只需将时间花在最关键的地方。具体讲，
量化基金，比如我管理的特许价值，以及和王红欣博士共同管理的裕富沪深300基金：更多的是模型管理，而不是个股管理。组合里的股票可能有上百只，但是我需要管理的是有二、三十信号构成的模型和一些组合构建的参数。需要交易的时候，可以根据模型用优化系统进行计算，我会检查模型结果是否正确，然后批量交易，而不是一个股票一个股票地分析、决定。。
张学庆： 您管理的基金比较多，有主动配置型，有被动配置型。能否给基金投资者一些建议，那类基金适合哪些投资者投资？
胡俊敏：特许价值基金是一只主动股票型基金，通过量化多因子选股模型在各行业内精选个股，以期获得长期跑赢市场的超额收益。风险要比纯被动或增强指数型基金高，但是超额收益的空间也高，适于有中等风险承受力，投资期间较长，对收益有较高要求的投资者，也可作为长期资产配置的一个成分。
张学庆：做为基金投资者，如果不看好市场，您认为他们有几个措施能够躲开市场风险。
胡俊敏：根本解决的方法是调整资产配置比例。如果对股票市场的未来不看好，那就降低在股票类资产的配置，将卖出的资金放到债券、其它投资品种、或现金上。因为对于市场的判断很难百发百中，所以在调整配置的时候即使不看好股票市场，仍然建议保留一定的股票类资产，市场走势常是不确定的。
同时，普通投资者择时的能力是比较差的。所以我给普通投资者的建议是1）采取定额定投的策略，牛熊市无阻的坚持投资。2）不要将所有的鸡蛋放在一个篮子里。分散投资，做长期资产配置。长期而言所承受的风险是有收益的。
张学庆： 博时特许价值现在规模是11亿，一个基金经理，他管理的资金到达多大规模之后，就会影响到业绩的增长，这也提醒投资者，选择基金时也要注意规模。
2013年可谓我国对冲基金快速发展的一年。越来越多成熟的投资者关注到这个投资品类，并认可其投资机会及资产配置功能。
但说起对冲基金，很多人还是不可避免地联想到“量化对冲”、“程序化交易”等相关词汇。那么这些概念之间到底有怎样的关联呢？是不是对冲基金一定要采取对冲或量化投资呢？
并非所有对冲基金都采取对冲手段
顾名思义，对冲基金给人印象是运用对冲工具对冲风险的基金。但是，实际上并非所有对冲基金一定都采取对冲手段。对冲基金相对于传统的公募基金而言，主要是在基金结构方面的区别。
一般来说，对冲基金具有以下特点：
第一，受更少的监管。国内的公募基金要求每季度披露季报，公布基金仓位和重仓股等核心信息，基金投资范围也受到严格的控制。至今我国还没有一只投资商品期货的公募基金，去年底成立的嘉实绝对收益策略是国内目前唯一一只可投资沪深300股指期货的市场中性策略的公募基金。而私募基金可以不公开任何与投资相关的信息，投资范围也广泛的多。
第二，更长的封闭期。国内的对冲基金通常在成立后的半年内处于封闭期，不能申购赎回，或者只许申购不准赎回。此后，走信托通道的产品每月开放申购和赎回，而走公募基金专户或是公募基金子公司的产品每季度才开放一次申购和赎回。降低流动性是为了减少申购与赎回对基金运作的不良影响，有利于保护投资者的收益，有助于基金经理的投资运作。
第三，收取业绩提成。公募基金的收费主要是前端认购费和固定管理费，而私募基金除了这两部分外通常还收取20%的超额业绩提成。有些业绩出色且有溢价能力的对冲基金甚至收取30%的业绩报酬。
第四，偏向于绝对收益的投资方式。我们都知道，公募基金的比较基准往往是沪深300等大盘指数，基金经理的考核通常是同类基金排名。这就是所谓相对收益型的业绩导向。而对冲基金的业绩基准通常是定期存款利率。由于基金管理人为了获得更高的业绩报酬，所以更在乎基金的绝对收益水平，而不是相对大盘指数的相对收益或是业绩排名。这种绩效方式就会引导基金管理人在投资方式上更偏向于绝对收益的方法，能采用对冲工具的可以进行风险敞口的对冲，不运用对冲工具的也会通过调节仓位来控制基金净值的下行风险。
并非所有对冲基金都采用量化投资
量化投资强调的是在投资的过程中加入定量化的方法和手段。
传统的股票型基金经理在投资的过程中更多的是依据自己对宏观经济、行业发展趋势以及企业经营状况的主观判断。虽然在做决策前基金经理也阅读了大量数据，但这些数据转换为投资决策是在人脑里完成的。这个决策过程涉及到很多定性的判断，模糊的处理，是一个非量化的决策过程。
而所谓量化投资就是尽可能将决策过程模型化、可视化、透明化。在模型化的过程中，势必会引入不少定量的方法，用到很多金融、经济、数学以及统计等学科的工具和手段。
举个简单的例子，我们注意到股票市场的投资者对于经济同步数据是比较敏感的。比如，制造业采购经理指数（PMI）如果在50%以上表明经济处在扩张区间，越高反映经济发展得越乐观。此时，主观投资者会在参考PMI当期数值、前期数值以及市场预期值后综合来判断是否该介入购买股票，而量化投资会设一个硬性的标准，比如PMI创出近3月新高即买入股票，或是PMI超过55%才买入股票等等规则，一旦事先设定的规则触发就形成了交易信号。
量化投资可以很简单，也可以很复杂。像前面提到的这个例子就是个极为简单的量化投资方法，连计算器这样简单的工具都不用就可以实现。如果规则较多，涉及的步骤较多，或是需要大量的计算，那么就要借助电脑程序来实现。
从上世纪五十年代起，随着股票、债券、期权、期货以及衍生品市场的蓬勃发展，以有价证券为标的物的现资学作为金融学的重要分支在以流动性为主要目的的金融市场中产生了越来越重要的作用。同时一方面能够为投资者转移风险，一方面又能够凭借市场的波动获取客观的超额回报，如何专业化进行投资以及构造低风险高利润的资产组合作为一个重要的课题受到了包括企业政府和个人投资者在内的普遍重视。
从广义上讲，现资学有两个重要的理论分支，其一是以格雷厄姆在其聪明的投资者一书中提出的以价值评估为核心的价值投资，其代表的投资策略使用者是著名的投资大师巴菲特。而另外一个重要的分支就是量化投资学，其基础理论是借助数学建模的理论基础，广泛使用概率测度，统计原理和计算机技术对投资标的物进行模型建立，设定投资策略并由程序来进行择时，估值和选股。其理论基础是上世纪五十年代由马克维茨提出的投资组合模型理论。
二、量化投资的理论基础
事实上，量化投资理论是严格基于经典投资理论的两个假设而建立的，这两个假设分别是市场有效假设和无套利机会原则。市场有效假设认为，在现代有效金融市场中，市场是不可能被打败的，也就是，不存在超额回报，回报与风险必然成正比。市场中天然蕴含着一个风险与收益交换的机制，其中投资者提出需求而市场提供供给，在一个有效地市场中，风险回报机制也意味着超额回报由承担超额风险而来。
与市场有效假设紧密相关的是无套利机会原则，也就是金融市场是不可预测的，无风险套利机会并不存在。主流的金融理论主张市场是不可预测的，因为一旦市场能够被预测，那么它就不再有效，获取超额回报可以不再承担多余的风险。而投资者会蜂拥而至，最终抹平无风险套利机会，市场将重新恢复有效。
事实上量化投资在的基本核心在于其从理论上完成了关证券价值和交易流程的完整概念梳理，并且通过数理模型的方式用计算机程序模拟了出来。最关键的是，量化交易理论认为投资在市场中关于收益与风险的机制是动态的，它并没有排除掉资产回报是有可能超额并且可以预估的这种可能性。在以市场有效假设和无套利机会原则为基础的理论上，量化投资对市场风险和收益模型提出了自己的看法。
三、量化投资的发展现状
从量化投资的角度，为了更好地测度和衡量金融市场风险回报架构，研究者提出了一个量化模型概念，也就是beta回报和alpha回报，其中beta回报用于测度市场风险敞口，而alpha回报用于测度超出市场回报的那部分收益。所有的证券和投资组合收益都可以被看做由市场部分的beta回报和非市场部分的alpha回报组成，市场部分的beta回报是源于投资者所承担的投资风险敞口的基于市场基准风险的收益，与量化模型无关。而alpha回报则是那些超过平均市场回报的超出收益，这取决于量化投资的主动投资水平。
神勇的大奖章
量化投资向世人昭示，挤进超级富豪圈不是梦。对冲基金是量化投资应用最广泛的产品。在福布斯2013全球亿万富豪榜上，对冲基金经理在前1000名富豪里夺得了约21个席位，占比约达2%，更有4名进入了百强榜。
詹姆斯？西蒙斯的文艺复兴公司旗下的大奖章基金，在1998至2008年的20年时间内，年平均净回报率高达38.5%，创造了投资界的神话。西蒙斯本人也成为了20年内最佳赚钱基金经理，成为了新的对冲之王，直至今日，仍居福布斯亿万富豪榜的82位。
大奖章基金以短线操作为主，主要通过统计信息分析方法来判断外汇和债券短期的价格变化，尤其是市场的过激反应类，进行套利活动。这个短线究竟有多短呢，金融投资里面最短的短线的计量单位叫“一笔”，举个例子来说，每秒钟都有可能进行成百上千笔交易。
可以这样说，大奖章基金差不多是量化到头发丝的存在，但这也并不代表着，电脑已经取代了人的角色，成为了人的主宰。西蒙斯自己也曾表示，长期不变还能赚钱的模型是不存在的，模型必须要不断更新，这也完全是通过人来完成的。
黑天鹅击溃完美模型
谈到量化投资，美国长期资本作为最著名的投资案例，不得不提。
约翰？梅里韦瑟在1994年2月创立了美国长期资本公司（LTCM）。公司依托布莱克-舒尔斯-默顿的衍生工具标价理论，采用“市场中性”的交易策略，买入低估的有价证券、卖出高估的有价证券，进行套利活动。LTCM似乎窥探到了量化的奥秘，在1994至1997年，年投资回报率分别达到28.5%、42.8%和17%，净增长2.84倍。巨大的盈利能力让LTCM获得了资本市场的认可，也使梅里韦瑟获得了套利之父的荣誉。
1998年8月17日，黑天鹅降临了，LTCM遭遇了俄罗斯政府外债违约。这场危机引起了全球金融市场的动荡，投资者纷纷退出了发展中国家的市场，转向了美国、德国等风险小、质量高的债券。结果LTCM做错了方向，沽空的德国债券价格上涨，做多的发展中国家债券价格却下降，原本预期收敛的价差却在趋于发散，致使其在资本市场上的滑铁卢。虽然后来美国金融巨头出资接管了公司，但LTCM已是强弩之末，于2000年宣布倒闭清算。
私募专业人士指出，LTCM过于信任自身的投资策略组合，忽略了小概率事件，再加上过高的杠杆，都导致了它的最终灭亡。量化投资其实根本不存在永久的致富秘籍，也没有永葆青春的投资模型，随着市场效率的提升，IT技术的升级，任何投资策略与操作方法从短期或长期来看，都存在误区与漏洞，这时则需要人脑的与时俱进，让系统根据动态不确定的环境进行修正与完善。人脑与电脑应该是相互成全，而不是相互替代。
量化投资的“黑箱”
正如硬币有正反两面，可称得上是赚钱利器的量化投资，也会因计算机的频繁“发疯”面临巨大的投资风险，如华尔街巨头高盛的交易错单、美国第二大股票交易所纽约纳斯达克证券交易所3小时的停止交易、国内8·16乌龙指交易事件。量化投资的高频交易引发了人们对计算机潜在风险的担忧，但它就像血液循环系统一样，加速了资本市场的资金流动，是金融发展历程中不可缺少的。“我们不能因噎废食，因为一个系统的BUG，就舍弃了整个系统。”首善财富管理集团（以下简称首善财富）表示，随着金融产品种类的增多，信息跟踪量的增大，对量化投资的需求也会不断增大。从管理和控制风险的角度来说，这不仅需要投资公司自身完善风控体系，还需要整个产业链的配合。首善财富董事长吴正新曾多次指出，“对冲基金将是中国证券市场最大赢家，而它们多大量采用复杂的量化模型进行程序化交易。”
所谓量化投资，就是指按照事先设定好的逻辑策略或数学公式进行投资，文艺复兴技术公司与美国长期资本公司也都是这样做的。从广义的层次来说，一切使用数学工具、电脑程序的投资方式都包含在量化投资的范畴。其中，争议不断的高频交易本质上是用来消除市场暂时出现的无效率的，它可以促进市场价格更快地反映市场信息。全球最大的知名高频交易公司包括Millennium， DE Shaw， Worldquant和Renaissance Technologies等。
虽然量化投资由于稳定的投资回报获得了越来越多的投资者的青睐，但是投资大众对量化投资的运作流程依然很模糊，这样“黑箱”也就形成了。量化投资的“黑箱”里到底承载着什么奥秘呢？
据华尔街顶级数量金融专家里什？纳兰揭秘，量化投资“黑箱”的基本结构包括人工的数据输入与研究、交易策略模型、风险控制模型、交易成本模型、投资组合构建模型，其中四项构成了交易系统。
如何让量化投资“活”起来？答案是人工的数据输入与研究，和交易系统的配合。通常认为，量化交易最小化了人工因素在系统中的作用，当量化交易员精心研究和开发的系统上线，他们似乎也就英雄再无用武之地。其实不然，计算机只会忠实可靠地按照人们告诉它的做法一步一步地来执行，伴随着时间与市场的不断演进，交易模型瑕疵也将不断扩大，这时量化交易员的主观判断显得尤为重要，人工因素的加入使量化投资具有了人类的正常思维，似乎“活”起来，可以主动灵活地应对外界的瞬息万变。也就是说，一旦市场触发了系统的难以判断的“恐慌”，交易员就会立即现身，通过修改交易清单或降低投资组合规模和相应的杠杆比率，来规避投资的风险。
MOM让量化投资活起来
如今，MOM模式成为欧美主流的资产管理模式，也将是量化投资界人脑与电脑结合的最佳作品。
作为一种间接的资产管理模式MOM（即Manager of Managers）诞生在美国罗素资产管理公司。它的客户可以是机构投资者，也可以是高净值个人。自从被开发出来，已被国外很多机构应用，最成功的当属耶鲁大学基金会，从1980年的两亿美金到了现在的约300亿美金，赚了将近150倍。
所谓MOM模式，也被称为精选多元管理人，通过优中选优的方法，筛选基金管理人或资产管理人，让这些最顶尖的专业人士来管理资产，而自身则通过动态地跟踪、监督、管理他们，及时调整资产配置方案，来收获利益。
“找最优秀的人做最专业的事。”首善财富董事长吴正新指出了MOM模式的本质。首善财富旗下的首善国际资产管理有限公司是国内第一家运用MOM模式做对冲基金和期货的公司，这正得益于其不懈地将技术与研究的双轮驱动作为公司的核心发展战略。
MOM模式降世不过30载，但发展非常迅速，得到了众多国内外投资公司的关注。尚属新鲜事物的MOM模式的相关产品在国内已经开始试水。在2011年中国平安与罗素公司合作设立了平安罗素，并发行了第一期的MOM产品。除此之外，MOM模式还可广泛应用于对冲基金与期货产品。“国内期货资管行业要做大做强，采用MOM模式是一种必然选择。”吴正新也曾表示。
禁不住MOM模式产品的诱惑，国内各投资公司纷纷对它的本土化做出了预先安排。“目前和我们合作的有十多个国内领先、国际一流的投资团队，其中大多是国际水平的程序化交易团队。”吴正新表示，首善财富早在引进MOM模式之际就采取了多元的投资风格与多元的管理团队相结合的经营理念。其中，多元的投资风格是首善财富资产管理的核心特色之一，“我们既有主观的人工交易，也有客观的程序化交易，而且以量化的程序化交易为主。”相对而言，多元的管理团队，即表示公司内部自身的投资团队的主动管理，再加上外部国际精英团队的专业管理。
相比近些年受到推崇的基金中的基金（FOF），信托中的信托（TOT），MOM模式在对资产管理人的数量与专业性的覆盖层面，更具魅力。FOF和TOT从本质上来说依然局限在精选产品上，而MOM模式更偏向于精选管理人，它可以凭借公司的研究能力，相对独立的挑选出更适合投资需求的专业管理人，运用定量与定性相结合的方法，将优选产品管理人和多人管理风险的双重优势发挥得淋漓尽致。
MOM模式既运用多元专业人才打破了量化投资的固有形态，也通过计算机系统的理性判断避免了交易员敏捷感应赢利却迟缓反应损失的习惯性偏差，让专业人才与计算机系统在“黑箱”内相互成全，相互配合，以求收获更加稳定、更加高额的投资回报，使其具有很大的发展空间与潜力。
如此看来，人工的数据输入与研究，和交易系统的互相成全，是量化投资“活”起来的动因，与此同时，在这个神秘的暗箱操作中，我们似乎也窥探到了超级富豪理财的蛛丝马迹。
[关键词]国际金融危机；量化宽松货币政策；全球流动性泛滥
2009年3月18日，美联储在货币政策决策会议上决定，在此后6个月内购进3，000亿美元长期国债，7，500亿美元抵押贷款相关证券和1，000亿美元“两房”债券，此举标志着美联储正式实行量化宽松货币政策，拉开了美国第一轮量化宽松货币政策的序幕。2010年11月4日，美联储决定推出新一轮量化宽松货币政策，以每月750亿美元的进度维持8个月从市场收购长期国债。照此计算，美国此轮量化宽松货币政策的规模虽然不及第一轮，但总规模仍将高达6，000亿美元。
所谓量化宽松货币政策，就是中央银行通过收购长期政府债券和长期公司债券改变货币存量的结构从而增加流动性的非常规扩张性货币政策。美联储希望通过量化宽松货币政策的实施刺激国内私人部门的消费和投资以加速经济复苏的步伐，然而，量化宽松货币政策自推出以来却备受国际社会的广泛诟病。有学者认为，美国经济面临的问题并不是流动性短缺，所以，美联储实施量化宽松货币政策是开错了药方；有学者认为，美国的量化宽松货币政策是全球流动性泛滥和全球竞争性货币贬值的根源；有学者认为，美国的量化宽松货币政策是与邻为壑的做法，既损人又不利己。对美联储实施量化宽松货币政策前后美国私人部门的消费开支和固定投资的比较研究显示，量化宽松货币政策没有刺激美国的消费，更没有刺激美国的投资。美联储实施量化宽松货币政策以来，国际市场上与美元相关的资产如贵金属、石油、粮食、矿石、有色金属等大宗商品的价格大幅上涨，美元双边汇率与有效汇率均显著贬值，根本原因就是美国量化宽松货币政策导致的全球美元流动性泛滥。
一、消费和投资对美国经济增长的贡献及美国实施量化宽松货币政策的背景
宏观经济学的基本原理告诉我们，一国的总产出由国内居民消费(c)、国内投资(I)、政府净支出(G)和净出口(X-M)四大因素构成，即：
GDP=C+I+G+(x-M)
但是，由于各国的国情不同，四大因素对经济增长的贡献也存在很大差别，如日本的经济增长主要由消费和净出口拉动，中国的经济增长主要来自于投资和净出口拉动，美国的经济增长则主要靠消费和投资拉动。
表1描述的是2000-2009年美国实际国内生产总值年度增长率和不同要素对实际GDP增长的贡献。我们可以得出以下几点结论：(1)居民消费与国内投资对美国经济增长的贡献巨大。居民消费是美国经济增长的第一动力，从2000-2007年美国的居民消费一直能够解释四分之三的实际GDP增长，尤其是经济衰退的时候，居民消费对拉动美国经济增长的作用就更加显著。国内投资对美国经济增长的作用虽然呈现一定的波动性而不太稳定，但从长期考察，它对美国经济增长的作用仍然是正的，部分年份，国内投资对美国经济增长的作用至关重要，比如2004年，国内投资就拉动美国实际GDP增长了1.55个百分点，占当年实际GDP增长的43.42％。政府开支虽然历年一直对美国经济增长的贡献为正，但贡献的份额不大，而且受业已存在的庞大债务规模的约束，美国政府难以通过扩大政府开支来拉动经济增长。历史的经验告诉我们，如果净出口对美国经济增长的作用由负转正，必定是美国经济陷入衰退的年份，美国不可能希冀通过净出口拉动经济增长，更不可能通过增加净出口来加速美国经济的复苏。(2)在国际金融危机冲击下，美国的居民消费和国内投资都出现了严重的问题，失去了经济增长引擎的作用。2008年和2009年，拉动美国经济增长的动力出现逆转，居民消费和国内投资对经济增长的贡献为负，政府开支和净出口对经济增长的贡献由负转为正。但是，政府开支和净出口推动经济增长的动能显然是有限的，实际上2008年美国的经济已经停滞，2009年更是出现了严重的倒退。(3)既然消费和投资出现了问题，而且消费和投资的问题还导致了经济衰退，美国政府就有必要出台应对政策，刺激居民消费与国内投资，抑制经济衰退和加快经济复苏。
在经济政策层面，刺激居民消费和国内投资既可以采用扩张性财政政策，也可以采用扩张性货币政策，或者采用两种政策搭配的组合。但是，2008年美国政府为应对金融危机，已经出台了7，800亿美元的救市方案，所以，扩张性财政政策已经没有太大的操作空间。根据经济合作与发展组织(OECD)的数据，2008年年末，美国联邦政府债务达到5，820.46亿美元，成为全球最大的债务国，当年财政赤字／GDP比率达到6.5％，是国际公认安全标准的两倍，债务余额／GDP比率达到70.0％，超过国际公认安全标准。2009年年末，美国联邦政府债务又进一步扩张到7，5617.36亿美元，当年财政赤字／GDP比率上升到11.2％，几乎是国际公认安全标准的四倍，债务余额／GDP比率上升到83.9％，超出国际公认安全标准三分之一。美国的政治体制也限制了美国政府进一步扩张财政政策的实施。美国的政府预算必须同时得到国会参政两院的批准，而几乎每一次国会和白宫之间都要对预算规模讨价还价，尤其是补充预算，讨价还价就更加激烈。上一次7，800亿美元的紧急救市资金，还是由财长保尔森在国会下跪后才放行的，而且，国会已经强调，那将是“最后的晚餐”。因此，奥巴马政府已经很难实施无节制的扩张性财政政策，转而只能依靠扩张性货币政策。
在货币政策层面，因为美国早已放弃了法定存款准备金制度，所以，美联储无法采用第一项扩张性货币政策。自2007年7月次贷危机爆发后，美联储不断下调联邦基金利率，到2008年11月，美联储已经将联邦基金利率调减到已经无法再低的0-0.25％，所以，美国也无法实施第二项扩张性货币政策。美联储只剩下通过公开市场操作收购长期政府债券和长期公司债券释放流动性来刺激消费和投资了，这就是美国出台量化宽松货币政策的基本背景。金融危机对美国的居民消费和国内投资造成了显著冲击，为了使经济返回正常轨道，美国必须重振消费与投资。在财政政策和利率政策陷入困境的背景下，美联储选择量化宽松货币政策，客观上讲也是无奈之举。然而，量化宽松货币政策的药方有效吗?
二、美国量化宽松货币政策下的国内居民消费
长期以来，居民消费一直是拉动美国经济增长的第一动力。如果量化宽松货币政策能够刺激消费，量化宽松货币政策下美联储投放的流动性能够转化成消费开支，那么，美国量化宽松货币政策的实施就能够达到美联储的预期。遗憾的是，美国量化宽松货币政策的实施并没有带来美国国内居民消费的预期增长。
资料显示，2000-2007年，美国居民国内消费开支呈现持续、显著的惯性增长。2000年第一季度美国居民国内消费开支为66，830亿美元，此后，在2001年第一季度突破7万亿美元，在2004年第一季度突破8万亿美元，在2005年第四季度突破9万亿美元。2007年第三季度，美国次贷危机爆发，不过，次贷危机并没有立即改变美国居民国内消费开支的增长态势，只是降低了它的增速，美国居民国内消费开支的扩张一直持续到2008年第三季度次贷危机升级成国际金融危机后才告结束。2008年第三季度，美国居民国内消费开支出现峰值，为107，020亿美元。将2008年第三季度的数据与2000年第一季度的数据进行比较，可以看到在这段为期35个季度的时间内，美国居民国内消费开支增长了60.1％，平均增速为1.4％。
采用统计学的时间序列分析方法，对2000年第一季度到2008年第三季度美国居民国内消费开支的数据进行统计学模拟，可以得出一个最优拟合线性方程，方程式为：
Yt=1111.6t+63619(2000年第一季度，t=1)
拟合优度为：R2=0.9882
我们有理由认为，如果没有由次贷危机引发的国际金融危机，2010年第三季度美国居民国内消费开支就应该达到111，416.8亿美元。但是，国际金融危机显然改变了美国居民国内消费开支的运行趋势，2010年第三季度，美国的实际居民国内消费开支只有102，854亿美元，比趋势值差不多减少了10％。
从2008年第四季度到2009年第二季度，美国居民国内消费开支出现了连续三个季度的负增长，在美国的历史上，这种状况并不多见，它足以表明金融危机冲击的严重程度。2009年第三季度之后美国居民国内消费开支有缓慢的复苏，但我们认为这种复苏与量化宽松货币政策没有直接关系而是美国消费需求的刚性使然。在本世纪初的美国经济衰退中，美国居民国内消费开支并没有受到太大影响，说明了美国消费需求刚性是显著存在的。可以认为，2009年第三季度之后美国居民国内消费开支的增长是前期压抑的消费需求刚性形成的恢复性增长。
美国实施量化宽松货币政策的目标之一，就是通过量化宽松货币政策向市场注入流动性，通过扩张流动性刺激居民消费，拉动经济增长。但数据显示，实施量化宽松货币政策以来，美国的居民消费并没有出现预期的增长，其原因主要有以下几点：(1)美联储通过量化宽松货币政策向市场注入的流动性并不直接进入居民消费，而是进入金融体系，因此，美联储的流动性扩张只有通过商业银行消费信贷的扩张才能刺激居民消费的扩张。但是，消费信贷的规模是由商业银行提供消费信贷的能力和意愿、居民消费消费信贷的能力和意愿共同决定。显然，量化宽松货币政策下美联储释放的流动性只能扩大商业银行提供消费信贷的能力，而商业银行提供消费信贷的意愿由金融市场的信用环境约束。在金融危机冲击下，美国的信用环境严重恶化，根据美国联邦储备银行的数据，目前银行贷款违约率超过7％，是正常情况下贷款违约率的三倍。(2)虽然由消费信贷形成的消费一直是美国居民消费的重要组成部分，但并不是全部。居民可支配收入和居民储蓄也是影响美国居民消费的主要因素。金融危机以来，一方面由于失业率上升导致居民可支配收入减少；另一方面由于对经济前景缺乏信心导致居民储蓄率上升，所以，量化宽松货币政策实施以来美国居民消费的增加缺乏动力。
三、美国量化宽松货币政策下的国内投资
与居民消费的相对刚性比较，历史上美国的国内投资具有显著的周期性波动特征，而且，投资的波动先于经济波动，所以研究经济周期的学者一般都将国内投资作为领先指标，有学者干脆将美国的经济周期描述成“投资周期”。
进入新世纪以来，美国的国内投资仍然显示出周期性特征，但是，金融危机后美国国内投资的严重衰退似乎已经超出了经济周期能够解释的范围，美国商务部经济分析局公布的美国国内投资季度数据能够说明新世纪美国国内投资变化的上述特征，也有利于我们了解量化宽松货币政策对美国国内投资的影响。
上图显示，2000年第一季度，美国的私人固定投资为16，720亿美元，2000年第四季度，美国的私人固定投资为17，429亿美元，它是前一轮美国投资周期的峰值。2001年和2(102年美国出现经济衰退，私人固定投资出现连续8个季度的负增长，2002年第四季度只有16，314亿美元，比2000年第四季度下降了6.4％。不过此后几年，美国的国内投资快速恢复，而且一直持续到2007年第二季度，持续了18个季度。2007年第二季度，美国的私人固定投资出现新的峰值，为22，821亿美元，几乎与次贷危机同步。2007年第三季度，美国的私人固定投资出现新一轮逆转，但下降速度不大，2007年第四季度的私人固定投资为22，479亿美元。
对2000―2007年中32个季度美国私人固定投资进行统计模拟，可以得出一个趋势方程，方程式为：
Yt=246.9t+15083(2000年第一季度，t=1)
拟合优度为：R2=0.8187
我们认为，量化宽松货币政策对私人固定投资的刺激调整是无效的，主要理由有三：(1)量化宽松货币政策实施并没有立即引起美国私人固定投资的复苏，相反，在实施量化宽松货币政策后，美国的私人固定投资又出现了持续四个季度的下滑，而且，较严重的“高台跳水”就出现在量化宽松货币政策实施之后的2009年第二季度。(2)2010年前三个季度美国的私人固定投资虽然有所恢复，但这种恢复是在私人固定投资已经收缩了四分之一之后才出现的，与其说是量化宽松货币政策的成绩，还不如说是证券市场术语中常提到的“触底反弹”。(3)2010年前三个季度，美国私人固定投资反弹的力度有限，显然不是量化宽松货币政策释放的庞大流动性推动的结果。2010年第三季度，美国私人固定投资仍然只有17，687亿美元，它只有危机前2007年第二季度峰值的77.5％，更只有当季趋势值25，697亿美元的68.8％。
美国量化宽松货币政策对私人固定投资之所以无效，主要原因也在于量化宽松货币政策下美联储投放的流动性并不直接形成私人固定投资，而是进入金融体系，如果商业银行在获得美联储的流动性支持后增加工商信贷规模，则美联储量化宽松货币政策能够刺激投资。但是在目前的信用环境和市场环境下，商业银行几乎不可能将获得的流动性转化成工商信贷，因此，美国政府如果希望投资复苏，就应该在治理信用环境和市场环境上下功夫，而不是采用量化宽松货币政策滥发货币。
四、美国量化宽松货币政策与全球流动性泛滥
量化宽松货币政策下美联储释放的流动性没有也难以刺激美国的消费与投资，所以，美国不可能通过量化宽松货币政策的实施来复苏美国经济。2009年4-12月，美联储通过量化宽松货币政策释放的流动性为10，500亿美元，2010年
1-11月，美联储用同样的方式释放的流动性为6，500亿美元，因此在第一轮量化宽松货币政策实施期间，美联储总共释放17，000亿美元的基础货币。量化宽松货币政策的实质是改变金融体系持有的货币结构，即将银行体系中缺乏流动性的长期资产置换成具有高流动性的短期资产，因此，如果美联储在第一轮量化宽松货币政策释放的17，000亿美元能够形成美国国内金融体系的流动性供给，那么，美国的货币结构就应该发生相应的改变，即货币供应层次中的M1和M2会显著增加，而M3和M4会显著减少。但美国联邦储备银行的数据显示，量化宽松货币政策实施以来，美国货币层次中的M3和M4确实在显著减少，但M1和M2并没有相应地增加。
阅读表2，我们能够得出以下几点结论：(1)通常情况下，美国狭义货币的年均增量还不到700亿美元，广义货币的年均增量约为3，000亿美元，美国第一轮量化宽松货币政策下的货币投放显然严重超过了美国国内对流动性的需求。(2)2008年一年，美国新增的流动性至少能够维持两年市场对流动性增量的需求，在这一背景下，2009年和2010年美联储应该减少而不是增加货币投放。(3)量化宽松货币政策下美联储投放的美元只有一小部分形成美国国内的流动性，即使按照广义货币计算，2009年和2010年两年的增量之和也只有4，541亿美元，它只是同期美联储17，000亿美元货币投放的四分之一，它能够解释为什么在量化宽松货币政策下美国仍然出现通货紧缩、经济衰退和失业高企，所以，量化宽松货币政策是无效的。(4)量化宽松货币政策下美联储投放的美元中没有形成美国国内流动性的部分，绝大多数已经溢出美国金融体系，变成国际游资，并通过乘数和杠杆作用被无限放大，对全球经济产生冲击，引起全球商品市场和国际金融市场的剧烈动荡。
具体而言，美国量化宽松货币政策对全球六大市场产生了影响：在国际贵金属市场，由于避险资金和投机资金的大规模涌入，黄金价格连创历史新高，目前已经达到1，400美元／盎司，白银价格的涨幅更甚，目前接近30美元／盎司，是三十年来的最高记录；在国际石油市场，由于国际金融危机冲击导致的经济衰退，全球石油需求并没有显著地增长，但是由于国际游资的冲击，石油价格持续上涨，目前已经超过80美元／桶；在国际大宗商品市场，小麦、棉花、有色金属、煤炭、矿石等大宗商品价格都显著上涨，已经造成部分新兴市场经济体的输入性通货膨胀，而且全球通货膨胀预期还在持续上升，强化了全球经济未来走势的不稳定性和不确定性；部分新兴市场经济体的楼市成为国际游资冲击的重点，比如中国香港和泰国的楼价就因为国际游资的冲击超过1997-1998年东南亚金融危机前的水平，出现了显著的楼市泡沫；在全球证券市场，美国的道琼斯、标准普尔、纳斯达克三大指数，日本的日经指数，英国的金融时报指数，法国的CAC指数，德国的DAX指数，香港的恒生指数都已经回复到金融危机前的水平，部分甚至超过了金融危机前的水平；在全球外汇市场，美元对几乎所有货币的双边汇率都显著贬值，尤其是美元对亚洲国家货币如日元、韩元、泰铢、马来西亚林吉特等货币的贬值，已经严重冲击了这些国家的经济运行。国际清算银行(BIS)的数据显示，反映美元汇率综合变动的美元有效汇率指数在金融危机爆发初期的2008年年末还有101.02点，此后波动性下行，到2010年10月，已经只有91.52点。也就是说，金融危机以来，美元汇率差不多下降了9.4％，显然，美联储量化宽松货币政策显著强化了美元下行的态势。随着美国第二轮量化宽松货币政策的实施，我们有理由认为，美元还会在相当长的时间内持续贬值。
五、简要结论
美国实施量化宽松货币政策的目标是刺激消费和投资，拉动经济增长，但由于美国经济的问题不是流动性的问题，所以，量化宽松货币政策下，美国的消费和投资并没有出现预期的增长。同时，量化宽松货币政策下美联储投放的货币中绝大部分已经溢出美国，形成了全球美元流动性泛滥，对全球经济已经并将继续产生深远而重大的冲击。目前美国经济面临的两大问题主要是信心不足和信用缺失，美国政府应该在重振信心、重构信用上多下功夫，而不是通过量化宽松货币政策来刺激经济复苏。
全球美元流动性泛滥对世界经济的显性冲击主要表现在全球贵金属市场、石油市场、大宗商品市场、房地产市场、证券市场、外汇市场六大市场的持续动荡，它更深远的影响体现在新兴市场输入性通货膨胀和全球竞争性通货贬值，强化了全球经济未来走势的不确定性和不稳定性。尽管量化宽松货币政策对刺激美国的经济复苏无效，但种种迹象表明，美联储不会放弃对量化宽松货币政策的依赖。在2010年11月4日美联储宣布实施第二轮量化宽松货币政策后，12月5日，美联储主席伯南克宣称“在购买完6000亿美元资产，即第二轮量化宽松货币政策结束后，肯定有可能购买更多资产”。也就是说，美联储在未来还可能实施第三轮，甚至第四轮量化宽松货币政策。如果说美国第一轮量化宽松货币政策是出于无奈，在量化宽松货币政策无效的情况下，美联储仍继续实施这一政策就是对全球经济的不负责任。
美国量化宽松货币政策对中国的影响也是显著的，在国际热钱不断涌入的背景下会引发通货膨胀，带来人民币汇率升值的巨大压力，美元的大幅贬值还将造成我国外汇储备实际价值的缩水。目前中国人民银行已经采取了包括限制热钱流入、提高法定存款准备金率等措施应对国际游资冲击，但仅仅有这些措施还是不够的，我们还应该采取更加积极有效的措施进行应对。
主要参考文献：
[1]童香英货币职能全视角下的货币国际化：日元的典型考察[J].现代日本经济，2010(5).
[2]王树同美联储“量化宽松”货币政策的原因、影响与启示[J].国际金融研究，2009(11).
[3]潘成夫量化宽松货币政策的理论、实践与影响[J].上海金融，2009(7).
[4]修晶.美元会丧失其主导型国际货币地位吗?[J].广东金融学院学报，2009(5).
[5]李石凯.从货币供应量看美国量化宽松货币政策的效果[J].中国金融，2010(23).
[6]王晓雷.金融危机对美国对外贸易、贸易收支和经济增长的影响[J].国际贸易问题，2009(1).
