量化投資和價值投資精選(五篇)

序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術，我們為您準備了不同風格的5篇量化投資和價值投資，期待它們能激發您的靈感。

篇1

記者：量化投資有什么特點？

劉釗：量化投資的主要特點是買入、賣出股票，不再是由人的主觀判斷做出決定，而是由量化模型決定。量化投資是一套科學的方法，有嚴格的分析、計算，什么好什么不好，不是我們自己說了算，是數據和模型說了算。即使是簡單的低市盈率投資方法，只要能嚴格執行，就能取得超額收益。

記者：排除了人為主觀情緒的影響，但由量化模型控制的量化投資基金的收益會如何呢？

劉釗：我們可以看看美國最成功的量化投資大師――詹姆斯?西蒙斯管理的大獎章基金，在1989年―2006年的17年間，大獎章基金平均年收益率達38.5%，而股神巴菲特過去20年的平均年回報率也不過20%。正是鑒于量化投資的巨大威力，摩根士丹利華鑫基金公司經過兩年的精心準備，推出了國內真正意義上的量化投資基金――大摩華鑫多因子基金。

記者：量化投資的成敗，關鍵在哪里？

劉釗：普通投資者買賣股票，主要是基于政策、基本面、市場、技術等各種信息和經驗來做出交易決定，這些因素屬于主觀判斷，而且往往容易受到情緒的影響。量化投資是將投資思路通過設定的指標、參數體現在量化模型上，通過計算機系統自動買賣股票，因此，量化投資的關鍵點就在于建立一個好的量化模型。

記者：量化投資和價值投資沖突嗎？

劉釗：說到投資，大家首先想到的是巴菲特的價值投資，從長期的歷史實踐看，價值投資確實比較有效，量化投資也可以建立價值投資類的模型。

舉例來說，衡量價值投資的最重要指標是低市盈率，如果以市盈率為標準來建模，以2005年5月為時間點，按市盈率對所有上市公司排序，再按市值比例模擬買入市盈率最低的100只股票，第二年5月，重新計算市盈率最低的100只股票，并調整組合，如此重復，每年調整一次倉位。得到的結果是，從2005年5月至2010年5月，滬深300指數的年化收益率為25.4%，同期量化建模的低市盈率策略基金的年化收益率達到29.46%，與滬深300指數相比，低市盈率策略基金的超額收益為4.06%。以此為基礎，再以預期市盈率為基礎建立一個模型，并模擬買入當年預期市盈率最低的100只股票，量化模型的年化收益率有36.51%。

記者：大摩華鑫的量化投資模型有何成功之處？

劉釗：大摩華鑫量化投資的模型既有一些過去歷史上證明非常有效的投資方法，比如價值投資，也有投資管理團隊的支持，大摩華鑫資深基金經理多年的投資經驗也為大摩華鑫的量化模型提供了一些思路。此外，我們還通過外方股東摩根士丹利以及通過數據挖掘的方法，找到一些好的投資策略，為建模提供思路和方法。

篇2

華爾街從來不乏傳奇。2006年,全球最高薪酬收入再次落入一個華爾街人士之手。前數學家、定量化對沖基金經理西蒙斯年收入達到驚人的15億美元。2009年,另外一群人――高頻交易者――幫高盛銀行等金融機構賺得盆滿缽溢。

這些人,因其使用高等數學手段決定億萬計資金的投向,而在30年前贏得“火箭科學家”名聲。在外人看來,他們有些像中世紀的煉金術師:給他們數據,他們還給你美元!

華爾街的數學傳說

實際上,在華爾街上管理資金規模最大的量化技術,并非那么不可捉摸:眾多公司使用“因子加總模型”輔助他們選擇股票。

這種方法大多基于Fama-French的開創性論文,其基本思想很簡單:依據各項基本面指標對于歷史上超額回報的貢獻程度,來決定這些基本面指標在選出“超級股票”上的“有效性”,并據此賦予這些指標不同的權重;按照上市公司指標在全部籃子股票中的排序,再使用上述步驟中獲得的權重對其進行加權加總計算。如果該公司的加權之和排名靠前,則表明該公司的基本面指標符合能夠帶來超額回報的歷史模式,從而有望在未來展現強勢。

數學模式大同小異,公司之間的競爭主要集中在兩個方面:第一,各公司均投入巨資,研制自己的特有指標;第二,研制更加有效、穩定的加總方式。

傳統的基本面分析往往要求基金公司雇傭大量分析師,成本高昂。由于每個分析師能夠跟蹤的公司數目有限,基金經理不得不在較小的股票籃子中進行選擇,有可能錯失最好的投資機會,投資組合的分散程度也受到限制。同時,依賴基本面分析進行投資管理要求基金經理進行大量的主觀判斷,人性弱點(貪婪與恐懼)對投資業績往往產生較大影響,投資業績波動較大。使用這種方法建構的投資組合往往無法定量化控制每只個股給投資組合帶來的風險。從基金公司的角度而言,這種方法對基金經理個人的依賴較大,一旦出現人員變化,基金業績也往往隨之波動。

量化選股方式將投資決策建立在對歷史模式的詳盡研究之上,克服了上述缺點。其在美國投資界的應用近20年來大幅提升,管理資產額的上升速度為傳統方式的4倍。

回歸價值投資

然而,過去數年,定量化基金遭遇了重大打擊。2007年,最大的定量化機構對沖基金、高盛名下的Global Alpha遭遇了重大損失,幾乎清盤。2008年,眾多量化基金再遭滑鐵盧。筆者在北美也曾主持研制一個包含上百個指標的量化選股系統,但在實踐中,卻最終放棄。

實戰經歷指出該類系統的一個致命弱點是,在實戰中,哪一類因子何時發揮作用,是不可預測的。有些時候是價值因子占優,有時候是增長因子占優,而何時其影響力出現變化,難以事先預測。其結果就是分析師與基金經理疲于奔命地試圖追趕因子影響力變化的腳步,并據此不斷矯正模型。如此,基金經理不得不在使用量化系統的同時,使用個人化的隨機判斷對量化系統進行糾正――這弱化了它本該享有的優勢并導致投資業績大幅波動。

仔細反思,最主要的問題在于,各預測因子被無機地組織在一起,各個因子之間的互相影響卻沒有被考慮。也就是說,華爾街模型“從數學到數學”,缺乏對投資哲學的深入理解。

量化技術所具有的優勢應該被利用,但數學手段應該被視為手段,而不是主導。一個有希望的發展方向,是將量化技術與價值投資哲學相結合,實現“從哲學到數學”式的投資理念。為此,需要在投資哲學上,梳理價值投資理念的本質。

價值投資在國內市場有眾多擁護者,也不乏懷疑者。實際上,國內普通投資者對價值投資的理解有值得深化之處。筆者以為,價值投資的本質有二:

第一,價值投資告訴投資者,市場會犯錯。以“5毛錢買進1元錢價值”作為號召,價值投資拒絕接受“有效市場理論”。但事實上,在大多數時候市場是有效的。大多數股票的價格正確反映了所有的信息、知識與預期,當時的價格就是上市公司的內在價值。要獲得超額回報,必須去尋找市場可能呈現的“異常”,或者說在何處投資者的平均預期可能落空。價值投資就是尋找“未來”與“預期”之間的歧異。量化系統的設計目標是,要有能力淘汰那95%的普通(有效)情況,而把注意力引導剩余的5%――在那里,“未來”與“預期”有最大的機會出現歧異。

第二,價值投資的另一面,是說任何人都會犯錯。當我們集中注意力去尋找“超級股票”的時候,是在下一個極大的賭注。這個賭注是高風險的。所以,請記住索羅斯的告誡:“投資者重要的不是做對還是做錯,而是在做對的時候賺多少,做錯的時候虧多少。”為對沖第一個賭注的風險,需要尋找最大的安全邊際――當我們犯錯的時,安全邊際將保護我們不致尸骨無存。

安全邊際是指,市場漲跌的輪回已經測試過所有情景。該公司在完整的牛熊市周期中,由千千萬萬投資者的真金實銀所測試出來的估值空間。因此,安全邊際的定義并非相對市場平均水平更低的PE值這么簡單。每家公司都不同于別的公司,將不同公司的估值水平相比較,更多時候帶來誤導而不是洞察力。應該將公司目前估值水平與該公司調整后的歷史范圍相比較,并決定“安全邊際”存在與否。

在實踐中,要尋找在未來可能提供業績驚喜、而仍在其估值范圍下限附近交易的公司。依據此思想,數量化技術可以對所有上市公司的投資機會予以量化評估,進而實現“從哲學到數學”的投資思路。

對中國股市獨特性的夸大導致某些論者以為,在中國股市,唯有投機可以贏得超額利潤。這其實是偽命題。事實上,正是由于中國股市效率較低且風險奇高,一個系統化評估市場錯配與風險衡量的系統,可以發揮最大效率。一切都取決于對市場運行規律的深入把握與技術優勢的結合。在實踐中,我們開發的量化價值投資體系取得了穩定超越指數的優良業績。這有力地證明,中國股市的特殊性并沒有遮蓋其作為投資市場的普遍性。

在股市投資這項人類活動中,同時存在著兩類知識。一是客觀知識,即可以憑借科學(數學)方法來發現的真實;二是主觀價值,即通過對價值的認定來獲得的完善。在證券分析方法的演進過程中,這兩類知識從最初的混沌不分,到此后的分裂和截然對立,再到兩者被有機結合。

篇3

劉海影是一位轉戰國內陽光私募的海外對沖基金經理，他在尋求價值投資理解的基礎上建立了自己的數量化投資邏輯，并以此為利器展開了國內陽光私募之旅。

劉海影曾擔任加拿大某對沖基金公司基金經理和首席投資官，2011年回國與廣晟集團合作創立廣東廣晟財富投資管理中心并擔任投資總監。

廣東廣晟財富投資管理中心也是國內首家擁有國企背景的陽光私募公司，大股東深圳市廣晟投資發展有限公司是廣晟投資集團旗下全資子公司和資產運作平臺。

對沖基金經理轉戰A股

劉海影是在2001年前往加拿大開始自己的海外投資經歷，當時他正在攻讀北京大學金融學博士學位，而在此之前，劉海影作為A股第一批操盤手已經在資本市場頗有斬獲。

對于歸國從事陽光私募管理，劉海影表示，一是希望追求事業的進一步提升，二是希望把國外學習多年的投資經驗應用到國內股市。

劉海影說，他在加拿大管理的對沖基金有兩個品種，一個是宏觀對沖性質的多資產平衡基金，一個是傳統的多空對沖基金，兩種基金都大量運用了數量化模型。而數量化投資在國內還處于起步階段，他期待通過這種系統科學的投資理念引導投資者比較成熟和理性的投資思考方式。

量化投資尋找市場犯錯機會

“價值投資就是用5毛錢的價格買入1塊錢的價值”。劉海影崇尚價值投資，這里假設市場犯錯，給投資者一個便宜買進的機會。

但事實上市場犯錯的機會是很少的，根據劉海影的分析和判斷，美國可能是5%，8000多家上市公司，可能有500家公司存在定價不太正確，其他的都難言錯誤；而中國市場的機會更多一些，可能有10%甚至15%，2000多家上市公司可能有200多家定價不完全正確。

在劉海影看來，尋找市場犯錯的機會也就是尋找價值，并不是一件容易的事情。他希望通過一套科學的量化系統去發現這些機會，因此，3年之前，在國外量化模型的基礎上，他開發了首套國內上市公司價值評估量化體系。

劉海影說，這套價值評估量化體系的一個核心環節就是尋找業績驚奇，即，在未來一段時間，上市公司基本面能表現出跟大家預期不同的狀況。通過定量化模型對每家公司建立一個數據庫，分別計算88個分析指標，每家公司都形成一份長達11頁的詳盡的分析報告，再給出1-9級的價值評級。

除了業績驚奇，安全邊際也是這個量化模型重要的一部分，劉海影尋找的投資標的需同時滿足這兩個條件，這樣2000家公司里面大概有200多家公司會符合標準。最后再做進一步的基本面分析和調研，最終會有50家公司進入投資組合。

戰略風險評級確定投資倉位

對資產組合的風險管理，劉海影非常重視對宏觀經濟的研究和整體市場的估值高低。劉海影說，中國股市的系統性風險是很大的，經濟各個方面的變化導致市場下跌時，個股會普跌，因此他覺得對股市的戰略風險進行研判和系統化評估是很重要。

而對宏觀經濟的研究也是建立在量化分析的基礎上，重要的變量包括利率、生產物價指數，固定投資增速、美國貿易逆差、重工業與輕工業指數之差等，計算和分析歷史上這些指標對于股市的運行方向以及作用度大小。

整體估值水平的高低也是判斷風險的重要指標，主要是通過這兩個指標來分析戰略風險確定倉位。劉海影舉例說，“2008年，當時估值水平高，宏觀經濟環境也不利，在我們的戰略風險評級里面處于第九級，最差的評級，因此倉位應該小一點，謹慎一點。之后隨著宏觀經濟刺激政策的出臺，宏觀經濟環境由不利變成中立，再變成有利，同時估值也在下降，風險評級也相應的從9級變為3級、2級和1級，提示市場存在較大的機會”。

股市上揚的機會在四季度或明年一季度

“根據我們的戰略風險量化評級體系，目前市場的估值水平合理偏低估，宏觀經濟處于經濟是在下滑的過程中間”。劉海影對未來一段時間的市場行情表示謹慎，中短期內看不見大行情到來的跡象，股市的上揚的機會可能會在四季度或者明年一季度之后。

劉海影說，今年的經濟增速能維持在9%以上，因為 GDP基數高，但從微觀經濟層面來講，企業的效益是下滑的，中小企業的處境比較艱難，未來這種情況可能難以迅速好轉，明年經濟狀況比今年困難。

按照他們量化的計算，目前整個經濟環境類似2004年的下半年。從目前來看，經濟從被動加庫存逐步演變到主動減庫存的階段，行業競爭進入白熱化，現金流會緊張，企業的利潤率會下滑，對市場形成利空。

對于通脹，劉海影表示周期性因素較大，主要原因是固定投資增速太大，歷史上，在投資建設期，通脹的壓力都會很大，新項目上馬，下游行業的景氣傳遞到下游和中間環節，互相推進，提價空間比較大，通脹就會上去。

一旦投資建設期走向產能釋放期，新項目投產，變成產能后競爭就會很激烈，需求沒有增加，供在增加，供過于求，通脹壓力就會下來。

重倉房地產不看好銀行

盡管對未來的行情表示謹慎，在劉海影看來，由于估值在下降，短期內不排除機構性機會的出現，一些錯殺的公司值得買入。

在其量化資產組合中，地產股是目前倉位相對較重的板塊，他們的分析指出，伴隨著中國的高經濟增長，房地產價格的上升和投資額的上升是有堅實的經濟學基礎的。政府的調控改變不了其內在的動力，并不認同中國的房地產價格一定要會下滑，只是增長的速度會下滑。

而在調控之下，往往會出現上市房企的的市場份額擴大，一些區域性城房地產上市公司的機會更大。

“市場數據支撐我們的看法，今年來房地產股票指數是上升的，到6月30日，大盤跌了2%―3%，小盤股跌的更多，房地產指數上漲了5%多”劉海影表示，所以做投資一定要看到市場喧囂下的一些事實，不能完全由市場情緒來主導。

篇4

在BGI的主動投資領域中， “市場中性”策略取得了巨大成功。黎海威開發的香港、新加坡市場的量化模型正是運用到此類市場中性基金，它們采用的是后來名滿天下的基本面量化投資方法。簡要地說，基本面量化投資即借助一系列基本面因子構建的量化模型篩選股票，以融資融券的方式實現多空對沖，從市場中獲得絕對收益。除此以外，相關模型也運用到指數增強和130/30基金。

在黎海威看來，投資是個概率問題，通過基本面分析，提高找出好股票從而跑贏市場的概率，即贏面。如果挑選的每只股票的贏面在55%，而投資組合由100只這樣的股票構成，整個投資組合戰勝市場的概率就會接近100%。

量化投資的核心在于維持一個穩定的贏面，而在比較大的范圍（即投資的寬度）內運用它。挑選出好股票，需要從合適的維度來篩選，比如估值、盈利質量、情緒等等。這些因子都不是隨意挑選的，它們一般有金融理論背景（價值投資、行為金融等）支持， 并結合了當地市場的實際情況。

基本面量化投資并非像人們想象的只是靠跑系統選股和交易，事實上，它的本質是主動投資。這樣的投資方法，關注基本面和市場演變，需要基金經理的經驗、判斷和對市場的理解。黎海威認為，關鍵在對市場黎海威在量化投資的世界里，華人迄今掌管的最成功基金之一是巴克萊亞洲（除日本）市場中性股票投資基金。2012年8月，曾在巴克萊工作時間最長的華人基金經理黎海威，回國進入景順長城基金，擔任景順長城基金的量化及ETF投資總監。他即將啟動其在國內的第一個量化投資產品——景順長城滬深300指數增強基金。的理解， 在把量化框架和當地市場的實際情況結合起來，在強調紀律性的前提下， 堅持以量化模型為依托， 不斷地將新出現的現象和發現的規律抽象出來，添加到模型中。

與此同時，對于特殊事件，比如數據錯誤、 收購兼并等量化模型無法及時處理的情況， 需要基金經理在投資組合中控制相關風險。更為重要的是，因子的研究和權重的調整要有前瞻性。例如在次貸危機發生后很長一段時間里，人們對價值股沒有任何興趣，但隨著違約風險逐步降低，價值股在2010年迎來了相當強勁的行情。當時，由黎海威擔任基金經理的亞洲（除日本）市場中性股票投資基金及時調整了價值股權重，獲得很好的業績。

當然，基本面量化投資有著量化的紀律性，這是業績穩定性的保障。黎海威認為，量化投資的紀律性首先表現在量化研究的嚴謹性上。做量化投資并非像大家想象中的多空對決的精彩，反而有點像做金融的博士論文，整個研究過程從課題的提出到研究、回測都是在嚴密的框架下進行的，是可重復驗證的。

篇5

摘 要 自2010年4月股指期貨推出后，數量化投資逐漸成為我國資本市場的一個熱點。對此，本文以投資者熟知的MACD指標為基礎，運用遺傳算法和模擬退火算法，建立了一個數量化投資模型。該模型的仿真投資收益明顯超出大盤，而風險明顯低于大盤。本文基于MACD指標建立數量化投資模型的方法簡單、有效，可操作性強，可方便地推廣至其他技術指標，在數量化投資領域中可能具有廣泛的發展前景。

關鍵詞 數量化投資 MACD 遺傳算法 模擬退火算法

一、研究背景

與傳統投資基于各方面信息和個人判斷進行操作不同，數量化投資將適當的金融理論、投資經驗等反映在數量模型中，然后利用程序軟件代替大腦對海量信息進行科學處理，總結歸納市場規律，最終建立可以重復使用的、不依靠個人主觀判斷的投資策略。

由于數量化投資的操作策略往往經過了嚴格的驗證，具有較強的系統性和規范性，主觀隨意性較少，風險可測可控，因此隨著計算機數據處理能力的迅速提高，數量化投資獲得了快速發展，數量化基金的規模亦迅速擴大。據統計，自2003年以來，數量化基金規模的年均增長速度高達15%，而傳統型基金規模的增長速度則低于5%。

很顯然，科學的數量模型是數量化投資成敗的關鍵。當前，主流的數量模型均考慮了多方面的因素，既包括各種基本面因素，又包括各種技術因素，涉及較為高深的經濟學、金融學、技術分析等知識，模型都比較復雜，理解難度較高，甚至令人望而生畏。對此，本文以人們熟知的技術指標為基礎，通過引入遺傳算法和模擬退火算法對參數進行優化，建立了一種較為簡單、有效的數量模型構建方法，希望能為推動我國剛剛起步的數量化投資發展有所幫助。

二、模型框架

由于MACD指標以經平滑后的股票價格為基礎，而股票價格包含了絕大部分的基本信息和技術信息，因此本文以MACD指標為基礎研究建立相應的數量化投資模型。

（一）MACD公式

MACD是投資者最熟悉的技術指標之一，主要包括EMA、DIF和DEA三個指標，涉及一個已知變量（收盤價P）和三個未知參數（ 和 ），公式較為簡單。

（二）決策準則

雖然MACD指標的運用方式有很多種，既存在對指標值的應用（如比較DIF和DEA的大小），又存在對形態的應用（如底背離、頂背離等）。對此，本文制定的決策準則相當簡單，即：

時，做多

時，做空

三、模型參數優化

（一）參數的科學取值是決定MACD指標投資決策價值的一個關鍵因素

在一般的技術分析參考書和交易軟件中， 和 通常取12、26和9。然而，該取值并不是最優的。

例如，以2005年1月5日至2010年12月31的滬深300指數為例，根據（公式1）和（公式2），做多業務在 和 取值12、26和9時，可獲得的投資收益為230.55%（收益①）；而在 和 取40、195、130時，可獲得的投資收益為651.98%（收益②）。

因此，參數取值是否合理決定了使用MACD指標進行投資決策時投資收益的高低，決定了MACD指標的投資決策價值。

（二）人工智能算法在技術指標參數優化領域中的突出優勢

運用MACD指標建立數量化投資模型的關鍵在于對公式中的三個參數進行優化。然而，雖然參數取值與投資收益間存在確定的函數關系，但該關系并不能用一個表達式予以直接闡述，因此傳統的解析方法在此并不適用。而其他傳統方法如隨機法和窮舉法的優化效率不高。在此情況下，可運用人工智能算法有效解決此類優化難題。

遺傳算法（Genetic Algorithms）和模擬退火算法（Simulated Annealing Algorithms）是人工智能的重要分支，兩者均從一定的初始值開始，按照明確的規則搜索最優解，并不要求目標函數存在明確的表達式，且具有高效、魯棒性強等特點。由于技術指標參數與投資收益間的關系相當復雜，不存在明確的函數關系式，因此遺傳算法和模擬退火算法在技術指標參數優化領域中具有很高的應用價值。

此外，遺傳算法和模擬退火算法的基本原理和運算過程雖然較為復雜，但其運用卻相當簡單，MATLAB等數據處理軟件均提供了現成的工具箱供用戶方便地使用，且即使不掌握參數優化的原理和運算過程，也不會對數量模型的研究產生重大影響，因此運用遺傳算法和模擬退火算法對技術指標參數進行優化的可操作性強。

（三）遺傳算法和模擬退火算法應用舉例

1.MATLAB指令

假設投資收益R和參數 、 間的關系為R=gain( 、 )，則MATLAB的遺傳算法指令和模擬退火算法指令分別為：

[x,fval] = ga(@gain,nvars, [],[],[],[],lb,ub,[],options)；

[x,fval] = simulannealbnd(@gain,x0,lb,ub,options)。

其中：

x和fval是程序返回值，分別為參數 、 的最優化取值及其所對應的投資收益；

gain是目標函數，可根據（公式1）、（公式2）和（公式3）編寫；

nvars是待優化的參數個數；

x0是參數 、 的初始值；

lb是參數的下界；

ub是參數的上界；

options是MATLAB指令的設置選項。