前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的量化價(jià)值投資主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：量化價(jià)值投資范文

簡單地說，就是利用基于數(shù)據(jù)模型的量化投資策略運(yùn)作的基金?；鸸拘麄鞔祟惍a(chǎn)品時(shí)，習(xí)慣于用“電腦+人腦”進(jìn)行解釋。

從1971年巴克萊投資管理公司發(fā)行全球第一只定量投資產(chǎn)品至今，量化投資已走過30年歷程。

憑借著良好的業(yè)績表現(xiàn)，這一投資方法已占據(jù)全球投資30%的江山，成為主流的投資方法之一。其中著名的大基金自成立起至2006年的17年間，年化收益率達(dá)到38.5%。

然而，近兩年來，量化基金在全球的業(yè)績并不理想。次貸危機(jī)之后，量化基金一直舉步維艱。

國內(nèi)量化基金的興起，正是在次貸危機(jī)之后。

截至目前，國內(nèi)已成立的采用量化策略的基金有12只，其中9只自2009年以來成立。它們整體面臨業(yè)績不盡如人意的尷尬，據(jù)《投資者報(bào)》數(shù)據(jù)，它們的年復(fù)合增長率為11.78%，遠(yuǎn)低于平衡類、價(jià)值類、成長類基金。

量化基金成敗，最關(guān)鍵是量化模型的有效性和投資紀(jì)律的執(zhí)行情況。然而，國內(nèi)已有的量化基金兩方面均無太大優(yōu)勢(shì)。

一方面，模型相對(duì)較原始，量化投資策略要么機(jī)械地借鑒國外已經(jīng)公開的模式，要么基于基金公司自有的多因子模型；另一方面，與海外量化基金一樣，具體的模型并不會(huì)公開，這樣投資紀(jì)律便無處考察。

從現(xiàn)有的幾只量化基金過往業(yè)績看，長期業(yè)績較優(yōu)異的是上投摩根阿爾法，自成立以來，年復(fù)合增長率達(dá)到35%，算得上是量化基金的龍頭。

量化模型無亮點(diǎn)

投資模型是量化基金最核心的競爭力。

定量基金經(jīng)理基于對(duì)市場的理解，提煉出能夠產(chǎn)生長期穩(wěn)定超額收益的投資思想，并用歷史數(shù)據(jù)驗(yàn)證其正確性，再由系統(tǒng)根據(jù)提煉出的投資思想，在全市場挑選符合標(biāo)準(zhǔn)的股票，并通過對(duì)收益、風(fēng)險(xiǎn)的優(yōu)化，建構(gòu)最優(yōu)股票組合。

“對(duì)于中國這樣的新興市場，量化投資的關(guān)鍵是能否根據(jù)市場特點(diǎn)，設(shè)計(jì)好的投資模型?！苯邮堋锻顿Y者報(bào)》記者采訪時(shí)，上海一位從事量化投資的基金經(jīng)理說道。

然而，已有的量化基金中，大多簡單地利用國外已公開的模型，或是用基金公司自有的一些簡單模型，在考察市場的有效性上普遍比較欠缺。

如中海量化策略和南方策略優(yōu)化在行業(yè)權(quán)重配置中均采用的Black-Litterman（BL）模型。

這種模型現(xiàn)是華爾街主流模型，亦是高盛公司資產(chǎn)管理部門在資產(chǎn)配置上的主要工具。

BL模型利用概率統(tǒng)計(jì)方法，將投資者對(duì)大類資產(chǎn)的觀點(diǎn)與市場均衡回報(bào)相結(jié)合，產(chǎn)生新的預(yù)期回報(bào)。即由投資者對(duì)某些大類資產(chǎn)提出傾向性意見，模型根據(jù)投資者的傾向性意見，輸出對(duì)該大類資產(chǎn)的配置建議。

然而，在國內(nèi)市場信息搜集等方面局限性較大的情況下，該系統(tǒng)到底是否有效還僅是基金公司體現(xiàn)其“專業(yè)性”的一個(gè)由頭，有待探討。

國內(nèi)量化基金模型還具有同質(zhì)化特點(diǎn)，表現(xiàn)在對(duì)個(gè)股估值等方法的應(yīng)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，模型是量化產(chǎn)品背后“不能說的秘密”，雖然基金契約中對(duì)要采用的量化模型做了模糊介紹，作為靠“執(zhí)行紀(jì)律”取勝的產(chǎn)品，實(shí)際運(yùn)作是否執(zhí)行到位，也無處查證。

量化基金業(yè)績平淡

量化基金的優(yōu)點(diǎn)首先在于，通過具體的經(jīng)濟(jì)模型對(duì)經(jīng)濟(jì)復(fù)蘇行業(yè)評(píng)估并進(jìn)行行業(yè)權(quán)重配置，將基金經(jīng)理的投資理念與分析有效結(jié)合。

其次，覆蓋全市場，避免因基金經(jīng)理個(gè)人偏見或經(jīng)理不足造成選擇范圍局限。

再次，通過基金經(jīng)理精細(xì)化投資運(yùn)作，較好把握細(xì)微的結(jié)構(gòu)性投資機(jī)會(huì)。

或許是因?yàn)槟Ｐ秃唵卫淄?，以及沒有較好體現(xiàn)A股的特征，比如說波動(dòng)性、“政策市”等，現(xiàn)有的量化基金整體業(yè)績優(yōu)勢(shì)并不明顯。

根據(jù)《投資者報(bào)》數(shù)據(jù)，可比較的6只“人腦+電腦”量化產(chǎn)品的年復(fù)合增長率為11.78%，低于“人腦”管理的趨勢(shì)類、回報(bào)類、價(jià)值類、平衡類（年復(fù)合增長率均超過18%）。

今年以來，所有量化基金中，超越指數(shù)的僅有采用量化投資的富國滬深300增強(qiáng)指數(shù)型基金，截至4月1日，回報(bào)率為6.94%。

而在估值修復(fù)行情中，以對(duì)估值有量化指標(biāo)要求的華商動(dòng)態(tài)阿爾法、國泰金鼎價(jià)值精選、嘉實(shí)量化阿爾法大幅跑輸業(yè)績大盤，取得負(fù)收益，凈值分別下跌7.2%、6.7%和4%。

上投摩根阿爾法領(lǐng)銜

從已成立的采用量化策略投資的基金中，年復(fù)合增長率大幅超過平均值的僅有上投摩根阿爾法，為35%。但這與該基金是較早采用量化策略的基金之一，成立于2005年10月，經(jīng)歷過2006、2007年的大牛市行情有一定關(guān)系。

截至去年底，該基金資產(chǎn)規(guī)模44億元，自成立以來的回報(bào)率為425%。該基金受到機(jī)構(gòu)投資者的青睞，持股2.9億份，占基金總份額的21%。

近兩年的市場表明，價(jià)值投資和成長投資在不同的市場環(huán)境中都存在各自的發(fā)展周期，并呈現(xiàn)出一定的適應(yīng)性。而上投摩根阿爾法量化模型適應(yīng)了這一市場特點(diǎn)。

第2篇：量化價(jià)值投資范文

摘 要 自2010年4月股指期貨推出后，數(shù)量化投資逐漸成為我國資本市場的一個(gè)熱點(diǎn)。對(duì)此，本文以投資者熟知的MACD指標(biāo)為基礎(chǔ)，運(yùn)用遺傳算法和模擬退火算法，建立了一個(gè)數(shù)量化投資模型。該模型的仿真投資收益明顯超出大盤，而風(fēng)險(xiǎn)明顯低于大盤。本文基于MACD指標(biāo)建立數(shù)量化投資模型的方法簡單、有效，可操作性強(qiáng)，可方便地推廣至其他技術(shù)指標(biāo)，在數(shù)量化投資領(lǐng)域中可能具有廣泛的發(fā)展前景。

關(guān)鍵詞 數(shù)量化投資 MACD 遺傳算法 模擬退火算法

一、研究背景

與傳統(tǒng)投資基于各方面信息和個(gè)人判斷進(jìn)行操作不同，數(shù)量化投資將適當(dāng)?shù)慕鹑诶碚摗⑼顿Y經(jīng)驗(yàn)等反映在數(shù)量模型中，然后利用程序軟件代替大腦對(duì)海量信息進(jìn)行科學(xué)處理，總結(jié)歸納市場規(guī)律，最終建立可以重復(fù)使用的、不依靠個(gè)人主觀判斷的投資策略。

由于數(shù)量化投資的操作策略往往經(jīng)過了嚴(yán)格的驗(yàn)證，具有較強(qiáng)的系統(tǒng)性和規(guī)范性，主觀隨意性較少，風(fēng)險(xiǎn)可測(cè)可控，因此隨著計(jì)算機(jī)數(shù)據(jù)處理能力的迅速提高，數(shù)量化投資獲得了快速發(fā)展，數(shù)量化基金的規(guī)模亦迅速擴(kuò)大。據(jù)統(tǒng)計(jì)，自2003年以來，數(shù)量化基金規(guī)模的年均增長速度高達(dá)15%，而傳統(tǒng)型基金規(guī)模的增長速度則低于5%。

很顯然，科學(xué)的數(shù)量模型是數(shù)量化投資成敗的關(guān)鍵。當(dāng)前，主流的數(shù)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(shù)因素，涉及較為高深的經(jīng)濟(jì)學(xué)、金融學(xué)、技術(shù)分析等知識(shí)，模型都比較復(fù)雜，理解難度較高，甚至令人望而生畏。對(duì)此，本文以人們熟知的技術(shù)指標(biāo)為基礎(chǔ)，通過引入遺傳算法和模擬退火算法對(duì)參數(shù)進(jìn)行優(yōu)化，建立了一種較為簡單、有效的數(shù)量模型構(gòu)建方法，希望能為推動(dòng)我國剛剛起步的數(shù)量化投資發(fā)展有所幫助。

二、模型框架

由于MACD指標(biāo)以經(jīng)平滑后的股票價(jià)格為基礎(chǔ)，而股票價(jià)格包含了絕大部分的基本信息和技術(shù)信息，因此本文以MACD指標(biāo)為基礎(chǔ)研究建立相應(yīng)的數(shù)量化投資模型。

（一）MACD公式

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

（二）決策準(zhǔn)則

雖然MACD指標(biāo)的運(yùn)用方式有很多種，既存在對(duì)指標(biāo)值的應(yīng)用（如比較DIF和DEA的大小），又存在對(duì)形態(tài)的應(yīng)用（如底背離、頂背離等）。對(duì)此，本文制定的決策準(zhǔn)則相當(dāng)簡單，即：

時(shí)，做多

時(shí)，做空

三、模型參數(shù)優(yōu)化

（一）參數(shù)的科學(xué)取值是決定MACD指標(biāo)投資決策價(jià)值的一個(gè)關(guān)鍵因素

在一般的技術(shù)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(yōu)的。

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

因此，參數(shù)取值是否合理決定了使用MACD指標(biāo)進(jìn)行投資決策時(shí)投資收益的高低，決定了MACD指標(biāo)的投資決策價(jià)值。

（二）人工智能算法在技術(shù)指標(biāo)參數(shù)優(yōu)化領(lǐng)域中的突出優(yōu)勢(shì)

運(yùn)用MACD指標(biāo)建立數(shù)量化投資模型的關(guān)鍵在于對(duì)公式中的三個(gè)參數(shù)進(jìn)行優(yōu)化。然而，雖然參數(shù)取值與投資收益間存在確定的函數(shù)關(guān)系，但該關(guān)系并不能用一個(gè)表達(dá)式予以直接闡述，因此傳統(tǒng)的解析方法在此并不適用。而其他傳統(tǒng)方法如隨機(jī)法和窮舉法的優(yōu)化效率不高。在此情況下，可運(yùn)用人工智能算法有效解決此類優(yōu)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(guī)則搜索最優(yōu)解，并不要求目標(biāo)函數(shù)存在明確的表達(dá)式，且具有高效、魯棒性強(qiáng)等特點(diǎn)。由于技術(shù)指標(biāo)參數(shù)與投資收益間的關(guān)系相當(dāng)復(fù)雜，不存在明確的函數(shù)關(guān)系式，因此遺傳算法和模擬退火算法在技術(shù)指標(biāo)參數(shù)優(yōu)化領(lǐng)域中具有很高的應(yīng)用價(jià)值。

此外，遺傳算法和模擬退火算法的基本原理和運(yùn)算過程雖然較為復(fù)雜，但其運(yùn)用卻相當(dāng)簡單，MATLAB等數(shù)據(jù)處理軟件均提供了現(xiàn)成的工具箱供用戶方便地使用，且即使不掌握參數(shù)優(yōu)化的原理和運(yùn)算過程，也不會(huì)對(duì)數(shù)量模型的研究產(chǎn)生重大影響，因此運(yùn)用遺傳算法和模擬退火算法對(duì)技術(shù)指標(biāo)參數(shù)進(jìn)行優(yōu)化的可操作性強(qiáng)。

（三）遺傳算法和模擬退火算法應(yīng)用舉例

1.MATLAB指令

假設(shè)投資收益R和參數(shù) 、 間的關(guān)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(shù) 、 的最優(yōu)化取值及其所對(duì)應(yīng)的投資收益；

gain是目標(biāo)函數(shù)，可根據(jù)（公式1）、（公式2）和（公式3）編寫；

nvars是待優(yōu)化的參數(shù)個(gè)數(shù)；

x0是參數(shù) 、 的初始值；

lb是參數(shù)的下界；

ub是參數(shù)的上界；

options是MATLAB指令的設(shè)置選項(xiàng)。

第3篇：量化價(jià)值投資范文

關(guān)鍵詞：托賓Q理論 美聯(lián)儲(chǔ) 貨幣寬松政策

中圖分類號(hào)：F820

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-4914（2016）09-180-02

國際貨幣基金組織的研究報(bào)告對(duì)貨幣政策通過房地產(chǎn)行業(yè)進(jìn)行傳輸?shù)那肋M(jìn)行了總結(jié)。一國利率的變化將直接或間接影響國內(nèi)的需求，直接的方式是：通過成本的改變以及信貸獲得的難易程度影響住宅建設(shè)和家庭支出；間接的方式是：通過改變房屋價(jià)格來實(shí)現(xiàn)。房屋價(jià)格的變化反過來會(huì)影響整體需求，方式是改變住房投資的激勵(lì)機(jī)制（托賓的Q理論效應(yīng)）和改變家庭使用抵押物價(jià)值的能力來減少其獲得消費(fèi)的資金量。貨幣的傳導(dǎo)中有關(guān)大國貨幣政策影響小國經(jīng)濟(jì)表現(xiàn)的文獻(xiàn)中，利用沖擊反應(yīng)函數(shù)及變數(shù)分解等，探討美國貨幣政策對(duì)美國本身的貿(mào)易收支和總體經(jīng)濟(jì)的實(shí)質(zhì)效果。實(shí)證結(jié)果顯示，美國貨幣政策短期會(huì)造成美國貿(mào)易赤字，而在長期貿(mào)易會(huì)呈現(xiàn)盈余的情形。

一、托賓Q理論的概述

托賓的Q理論和投資支出之間有著一種關(guān)聯(lián)。Q理論是一種投資模型，一般用于財(cái)政，假定投資任何資產(chǎn)是一個(gè)函數(shù)Q比率：資產(chǎn)的市值與其重置成本的比。

MVt：市場價(jià)值；MCt邊際成本或重置成本。

因資產(chǎn)多樣化外加層層包裝的架構(gòu)下，一般投資大眾對(duì)于該項(xiàng)憑證所產(chǎn)生的風(fēng)險(xiǎn)根本搞不清楚。當(dāng)時(shí)的美國由于低利率政策，加上大量的外資不斷的流入，創(chuàng)造出寬松的信貸條件，而政府又鼓勵(lì)負(fù)債融資性消費(fèi)，導(dǎo)致投資銀行為了賺取高利房貸，不斷對(duì)其信評(píng)較差的客戶進(jìn)行貸放，但當(dāng)這些信評(píng)較差的客戶還不出錢時(shí)，銀行只好拍賣這些因次級(jí)房貸所形成抵押債權(quán)重新包裝后所形成的商品，也就是所謂的不動(dòng)產(chǎn)投資信托憑證。

二、基于托賓Q理論的美聯(lián)儲(chǔ)貨幣寬松政策

金融危機(jī)過后，美國聯(lián)邦儲(chǔ)備系統(tǒng)（Federal Reserve System，簡稱美聯(lián)儲(chǔ)），對(duì)外以刺激經(jīng)濟(jì)復(fù)蘇和支持勞工市場為由，通過多次量化寬松政策，逐步增加每月對(duì)美元抵押貸款支持證券的購買量。經(jīng)濟(jì)學(xué)家提出，貨幣政策通過對(duì)普通股價(jià)格的影響而影響投資支出。詹姆斯?托賓發(fā)展了一種有關(guān)股票價(jià)格和投資支出相互關(guān)聯(lián)的理論，通常稱作托賓的Q理論。托賓把Q定義為企業(yè)的市場價(jià)值除以資本的重置成本。如果Q很高，那么企業(yè)的市場價(jià)值要高于資本的重置成本，新廠房和設(shè)備的資本要低于企業(yè)的市場價(jià)值。這種情況下，公司可發(fā)行股票，而且能在股票上得到一個(gè)比正在購買的設(shè)施和設(shè)備要高一些的價(jià)格。由于廠商可以發(fā)行較少股票而買到較多新的投資品，投資支出便會(huì)增加。

貨幣政策如何會(huì)影響股票價(jià)值呢？很簡單，當(dāng)貨幣供給增加時(shí)，社會(huì)公眾發(fā)現(xiàn)他們持有的貨幣比所需要的多，于是就會(huì)通過支出來花掉這些貨幣。去處之一就是股票市場，社會(huì)公眾會(huì)增加對(duì)股票的需求從而提高股票的價(jià)格。把這一點(diǎn)和上述事實(shí)――股票價(jià)格（Ps）愈高，則Q愈高，從而投資支出I也愈高――相結(jié)合，得出下面的貨幣政策傳遞機(jī)制：

當(dāng)Q>1時(shí)，股價(jià)高，公司價(jià)值高于重置成本，相對(duì)企業(yè)市值而言，新的廠房和設(shè)備比較便宜，企業(yè)愿意通過購買資產(chǎn)來擴(kuò)大投資。

當(dāng)Q

在傳統(tǒng)貨幣政策受阻時(shí)，美國Fed采取直接向民間商銀購入中長期資產(chǎn)，并設(shè)定目標(biāo)來直接影響中長期利率（及實(shí)質(zhì)利率），通過通膨預(yù)期、財(cái)富管道、信用與匯率管道等，來傳遞貨幣政策效果。當(dāng)量化寬松（QE）政策實(shí)施后使得市場上產(chǎn)生了預(yù)期的通貨膨脹率，當(dāng)預(yù)期的通貨膨脹率產(chǎn)生時(shí)，市場上同時(shí)預(yù)期了中長期利率將會(huì)下降，導(dǎo)致市場上資金流出美國，當(dāng)資金流出時(shí)造成市場上利率降低。因利率降低反而造成市場上需求增加，同時(shí)使得當(dāng)期的股票價(jià)格和不動(dòng)產(chǎn)價(jià)格上升。由于實(shí)質(zhì)利率下降，當(dāng)資產(chǎn)價(jià)格上揚(yáng)時(shí)也造成家庭財(cái)富、資產(chǎn)凈值以及銀行擔(dān)保品價(jià)值增加。最終造成消費(fèi)、投資以及銀行放款增加。而預(yù)期長期利率降低同時(shí)使得國內(nèi)資金流出，造成美國匯率貶值，促進(jìn)出口增加，且當(dāng)長期利率降低時(shí)也造成民間投資增加。進(jìn)一步激勵(lì)美國國內(nèi)經(jīng)濟(jì)活動(dòng)而改善失業(yè)率。

采用美國房貸違約率、房價(jià)成長率、失業(yè)率、實(shí)質(zhì)國內(nèi)生產(chǎn)毛額及聯(lián)邦基準(zhǔn)利率為變量，利用模型中的因果關(guān)系檢定、沖擊反應(yīng)分析及預(yù)測(cè)誤差變異數(shù)分解法，進(jìn)行研究美國貨幣政策對(duì)總體經(jīng)濟(jì)變量和房屋市場的傳遞效果。結(jié)果發(fā)現(xiàn)在緊縮性貨幣政策下會(huì)造成房貸違約率的增加以及房價(jià)的下跌。而全局變量中可知，失業(yè)率、國內(nèi)生產(chǎn)毛額對(duì)房屋市場也有一定程度的影響。從沖擊反應(yīng)分析中可以發(fā)現(xiàn)房價(jià)與房貸違約率呈負(fù)向關(guān)系。托賓Q理論貫穿資本市場的價(jià)格機(jī)制與套利投資機(jī)制之中，把企業(yè)與資本市場緊密地聯(lián)系起來。托賓Q理論的含義是豐富的：企業(yè)的市場價(jià)值發(fā)現(xiàn)和價(jià)值確定不僅是企業(yè)投資決策的依據(jù)，而且還是企業(yè)優(yōu)化資本配置和優(yōu)化產(chǎn)權(quán)或所有權(quán)結(jié)構(gòu)配置的依據(jù)。股票價(jià)格的高低成為了左右企業(yè)進(jìn)行套利投資的關(guān)鍵因素，也就Q定了企業(yè)能否利用資本市場達(dá)到資本升值，迅速擴(kuò)大規(guī)模的目的。同時(shí)，資本市場在企業(yè)資本配置與產(chǎn)權(quán)或所有權(quán)動(dòng)態(tài)轉(zhuǎn)換中也必然將達(dá)到均衡――資本市場在托賓Q值等于1時(shí)達(dá)到無套利均衡，企業(yè)股票價(jià)格反映了資本的真實(shí)價(jià)值，企業(yè)在重置資本與并購企業(yè)之間的選擇沒有差異。托賓Q值也必將圍繞資本市場的均衡點(diǎn)上下波動(dòng)。

三、結(jié)論

綜上，量化寬松政策的最直接的目的，是增加貨幣供給，刺激支出；但是，中央銀行同時(shí)還有目的地選擇它用新創(chuàng)造的貨幣購買的證券的類型，影響這些證券的價(jià)格，改變經(jīng)濟(jì)中的信貸條款。托賓Q理論更新了傳統(tǒng)的投資理念，企業(yè)之間并購和出售的套利行為是一種全新的投資思維，企業(yè)產(chǎn)權(quán)或所有權(quán)也在動(dòng)態(tài)轉(zhuǎn)換中達(dá)到最優(yōu)配置。

參考文獻(xiàn)：

[1] 向松祚.從三大經(jīng)典貨幣理論看量化寬松政策[J].金融博覽，2016（4）

[2] 胡曉，蔣華豐.寬松貨幣政策對(duì)我國要素收入分配的影響――基于經(jīng)濟(jì)非瓦爾拉斯特征的理論分析與實(shí)證檢驗(yàn)[J].西部論壇，2016（2）

[3] 姚婷.2008-2014年美聯(lián)儲(chǔ)量化寬松貨幣政策的理論價(jià)值和政策意義：文獻(xiàn)述評(píng)[J].金融理論與教學(xué)，2015（2）

[4] 李宗怡.試析美聯(lián)儲(chǔ)量化寬松貨幣政策的理論基礎(chǔ)及矛盾――現(xiàn)代貨幣數(shù)量論視角的批判[J].河北經(jīng)貿(mào)大學(xué)學(xué)報(bào)，2013（6）

[5] 劉瑞.日本長期通貨緊縮與量化寬松貨幣政策――理論爭論、政策實(shí)踐及最新進(jìn)展[J].日本學(xué)刊，2013（4）

[6] Forrest Capie，Terence C.Mills，Geoffrey Wood.Gold as a hedge against the dollar[J].Journal of International Financial Markets，Institutions & Money.2013（4）

[7] 馬冀勛.托賓的Q投資理論與資本市場均衡機(jī)制.中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2008（10）

第4篇：量化價(jià)值投資范文

（遼寧對(duì)外經(jīng)貿(mào)學(xué)院，遼寧 大連 116052）

摘要：隨著滬港通的正式實(shí)施，中國股市交易量不斷創(chuàng)歷史新高.同時(shí)在世界石油價(jià)格持續(xù)降低的情況下，投資策略顯得十分重要.本文重點(diǎn)分析策略指數(shù)投資在股市投資中的運(yùn)用.

關(guān)鍵詞 ：投資組合；股市；策略指數(shù)投資

中圖分類號(hào)：F830.59文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1673-260X（2015）05-0068-03

1 策略指數(shù)投資介紹

2014年末隨著股市行情的走強(qiáng)，指數(shù)化產(chǎn)品迅速擺脫前幾年凈贖回的頹勢(shì)，呈現(xiàn)爆發(fā)式快速增長.伴隨著規(guī)模的迅速擴(kuò)張，結(jié)構(gòu)上也出現(xiàn)了一些變化.其中策略指數(shù)產(chǎn)品尤其引人關(guān)注.廣發(fā)中證百發(fā)100指數(shù)基金在開放募集后2天即超過20億元，顯示市場對(duì)特定方式策略指數(shù)投資的熱情追捧.策略指數(shù)投資，在國外又稱為Smart Beta，即“聰明”的Beta，是相對(duì)于“傳統(tǒng)”的Beta策略而存在的一種投資理念.傳統(tǒng)認(rèn)知上的Beta是指一種全市場投資組合的系統(tǒng)性風(fēng)險(xiǎn)，在CAPM中以全市場所有股票的市值加權(quán)方式計(jì)算（market capitalization weighted）.比如標(biāo)普500指數(shù)、日經(jīng)指數(shù)、以及在國內(nèi)最具代表性的滬深300指數(shù).通過簡單的推演，就可以論證市值加權(quán)并非是最優(yōu)的方法.市場對(duì)股票的定價(jià)并非完全有效，那么市值加權(quán)的方式傾向于給高估的股票以更高的權(quán)重，而低估的股票以更低的權(quán)重，顯然這種方式并非是最優(yōu)的.在這一點(diǎn)上，Hsu（2006）已經(jīng)給出嚴(yán)格的論證.事實(shí)上，市值加權(quán)更加注重的是投資機(jī)會(huì)的市場容量（capacity），因此該類指數(shù)更多地被用作投資的業(yè)績基準(zhǔn).那么，如果將投資組合更換成一種非市值加權(quán)的方式，其得到的beta就是smart beta，相關(guān)的投資策略就稱為策略指數(shù)投資.這種smart beta指數(shù)中的股票權(quán)重往往是通過特定的量化算法獲得，看起來投資效果會(huì)比傳統(tǒng)的市值加權(quán)beta更加實(shí)用，相關(guān)的投資策略也往往會(huì)選擇市值加權(quán)指數(shù)作為投資業(yè)績的基準(zhǔn).

常見的Smart Beta策略包括價(jià)值策略、低波動(dòng)策略、分散化策略、動(dòng)量策略等.其中價(jià)值策略是以一些股票的價(jià)值指標(biāo)為加權(quán)方式，目標(biāo)是選擇一些基本面滿足特定屬性的股票構(gòu)成組合.比如基于財(cái)務(wù)基本面評(píng)分的基本面加權(quán)，或基于分紅率的紅利加權(quán)等.低波動(dòng)策略的目標(biāo)是構(gòu)建一個(gè)最低或較低波動(dòng)率的投資組合，通常包括最小方差目標(biāo)加權(quán)、波動(dòng)率倒數(shù)加權(quán)等方法.分散化策略的目的是提高組合中股票的分散度，應(yīng)用最廣的是等權(quán)重策略.動(dòng)量策略在國外也是一種常見的策略，因?yàn)閲馐袌錾向?yàn)證發(fā)現(xiàn)動(dòng)量因子非常有效，因此會(huì)選擇以動(dòng)量因子來作為股票選擇和加權(quán)的方式，見表1.

據(jù)統(tǒng)計(jì)，美國近三年新發(fā)行的Smart Beta策略投資產(chǎn)品規(guī)模約在600億美元，大致與市值加權(quán)的指數(shù)產(chǎn)品規(guī)模相當(dāng)，策略也主要以紅利、等權(quán)重、基本面、低波動(dòng)為主.而國內(nèi)近年來策略指數(shù)投資產(chǎn)品發(fā)展也非常迅速.中證指數(shù)公司針對(duì)主要的Smart Beta策略進(jìn)行了驗(yàn)證，證明Smart Beta策略確實(shí)能大概率上擊敗以市值加權(quán)的滬深300指數(shù).其中表現(xiàn)最好的是低波動(dòng)相關(guān)策略，包括300最小方差、300低貝塔、300低波動(dòng).

2 資產(chǎn)配置下的策略指數(shù)投資

根據(jù)經(jīng)典的CAPM模型我們知道，股票資產(chǎn)的收益率取決于其承擔(dān)的市場風(fēng)險(xiǎn)大小Beta，而無法被解釋的部分則為Alpha.但隨后的諸多研究發(fā)現(xiàn)，各種股票之間的Alpha具有異常的高相關(guān)性特征，或許存在市場因子以外的其他因素在影響股票資產(chǎn)的收益率.隨后發(fā)展的Fama-French三因素模型提出在市場因子以外，價(jià)值因子和規(guī)模因子也是非常顯著的.后來又將動(dòng)量因子補(bǔ)充進(jìn)來，從而形成四因素模型.

自此，風(fēng)格因子投資的概念逐漸被學(xué)術(shù)界與投資界所廣泛接受.事實(shí)上，自從1970年代以來，國外就開始萌生基于這種理念的主動(dòng)投資管理.投資業(yè)界在三因素模型基礎(chǔ)上開發(fā)了非常有效的線性因子投資模型，如Barra公司將國家地域因子、宏觀因子、概念風(fēng)險(xiǎn)因子等逐步納入到其風(fēng)險(xiǎn)評(píng)估模型中.隨后，學(xué)術(shù)界又逐步發(fā)現(xiàn)了更多有效的風(fēng)險(xiǎn)和策略因子，如低波動(dòng)率、低流動(dòng)性、基本面因子等.人們也逐漸發(fā)現(xiàn)，原來投資界以往的諸多策略產(chǎn)品實(shí)際上并非是提供了有效的Alpha，而只不過是將各種風(fēng)格因子的beta巧妙包裝成投資能力的Alpha來推銷給投資者.

在這樣的視角上，資產(chǎn)配置投資就自然而然地成為投資方法的主流.我們對(duì)資產(chǎn)的看法不再是其表面上所呈現(xiàn)出來的風(fēng)險(xiǎn)與收益特征，而是其特定或持續(xù)暴露的風(fēng)險(xiǎn)因子敞口，比如價(jià)值因子敞口、規(guī)模因子敞口等.如果投資者能夠設(shè)定自己的風(fēng)險(xiǎn)預(yù)算，明確其將在各種風(fēng)險(xiǎn)因子上的敞口，就可以從市場上選擇合適的股票、策略指數(shù)產(chǎn)品，經(jīng)過合理的搭配而形成組合.這樣的投資組合在風(fēng)險(xiǎn)上是可控的，從而將投資引入了一個(gè)新的配置時(shí)代.

因此，基于特定量化策略的Smart Beta策略指數(shù)投資開始風(fēng)靡.這些指數(shù)投資產(chǎn)品不僅能夠提供超越傳統(tǒng)Beta的收益表現(xiàn)，更重要的是它們滿足了投資者的資產(chǎn)配置需求.這些產(chǎn)品的透明性好、費(fèi)用低廉，并且突出地暴露到某一個(gè)特定的風(fēng)險(xiǎn)因子上.比如在紅利策略中，通常會(huì)選擇那些分紅率最高的股票進(jìn)入組合，并給予高分紅股票更高的權(quán)重，這樣就使得組合在價(jià)值因子上產(chǎn)生了顯著的風(fēng)險(xiǎn)敞口.在等權(quán)策略中，全部入選組合的股票無論市值大小都給予相同權(quán)重，從而導(dǎo)致小盤股獲得比市值加權(quán)指數(shù)更高的權(quán)重，導(dǎo)致組合在規(guī)模因子上產(chǎn)生顯著的風(fēng)險(xiǎn)敞口.波動(dòng)率倒數(shù)加權(quán)策略則會(huì)給予波動(dòng)率較低的股票更高的權(quán)重，從而整體上降低組合的波動(dòng)性風(fēng)險(xiǎn)，因此也在波動(dòng)率因子上產(chǎn)生顯著的敞口.投資者在把握這些策略指數(shù)產(chǎn)品的風(fēng)險(xiǎn)特征后，就能夠方便地構(gòu)建自己的組合配置，反過來也促進(jìn)了策略指數(shù)投資的快速興起.

然而，Smart Beta策略指數(shù)產(chǎn)品也并非完全的“聰明”.在某一段時(shí)間內(nèi)，也許特定的策略指數(shù)能戰(zhàn)勝市值加權(quán)組合，使得它看起來非?！奥斆鳌保诹硪欢螘r(shí)間內(nèi)該策略指數(shù)可能會(huì)落后市值加權(quán)組合，使得它看起來也不是那么“聰明”.這是因?yàn)椴呗灾笖?shù)產(chǎn)品通常會(huì)有嚴(yán)重的風(fēng)險(xiǎn)因子敞口，因此其業(yè)績也隨著風(fēng)險(xiǎn)因子的表現(xiàn)而起伏不定.可能有一些因子長期來看存在明顯的超額收益，導(dǎo)致這些策略看起來非常具有吸引力.

針對(duì)幾個(gè)主要的風(fēng)險(xiǎn)因子，測(cè)算了2006-2014年間的表現(xiàn).表3中我們發(fā)現(xiàn)小盤因子是中國A股市場上長期表現(xiàn)最好的，但其波動(dòng)率也比較大.價(jià)值因子、反轉(zhuǎn)因子、基本面因子的長期表現(xiàn)也非常好.然而，表4測(cè)算了這些因子表現(xiàn)的相關(guān)性，發(fā)現(xiàn)各種因子之間的相關(guān)性非常低.并且單一因子的信息比率都無法達(dá)到2以上，這就表明單純使用一個(gè)因子，即使是表現(xiàn)最好的小盤因子也依然無法達(dá)到滿意的投資效果.

因此，風(fēng)格偏向非常明顯的策略指數(shù)投資產(chǎn)品也即往往會(huì)隨著市場風(fēng)格的切換而發(fā)生特別明顯的波動(dòng).但是，如果投資者能夠設(shè)定自己的風(fēng)險(xiǎn)預(yù)算約束，就能夠合理地選擇多個(gè)策略指數(shù)投資產(chǎn)品來構(gòu)造自己的組合基金.組合基金利用不同產(chǎn)品風(fēng)險(xiǎn)敞口的低相關(guān)性來降低組合的波動(dòng)風(fēng)險(xiǎn).

3 組合基金投資

組合基金是能充分利用策略指數(shù)投資產(chǎn)品的優(yōu)勢(shì)，同時(shí)又充分控制和分散風(fēng)險(xiǎn)的一種很好的方法.目前國內(nèi)興起的量化投資基金很多策略就是試圖去搭配不同的風(fēng)險(xiǎn)因子，希望在控制一定的風(fēng)險(xiǎn)暴露基礎(chǔ)上，追求更高的收益.然而我們發(fā)現(xiàn)，這些策略大多數(shù)仍然是存在明顯的風(fēng)險(xiǎn)暴露.

我們選擇2014年表現(xiàn)最好的三只公募基金：華泰柏瑞量化指數(shù)、大摩多因子、長信量化先鋒.可以發(fā)現(xiàn)，雖然這三只基金在2014年、2013年表現(xiàn)較好，但在2011年、2012年里普遍較弱.其主要原因是這些基金普遍在小盤因子上有很強(qiáng)的暴露，2013-2014年里小盤因子表現(xiàn)很強(qiáng)，但2011-2012年里價(jià)值因子表現(xiàn)更好.表6拆解了三只基金的全部持倉的自由流通市值分布，不難看出大摩多因子與長信量化先鋒在小盤股上偏向非常明顯，而華泰柏瑞量化指數(shù)向小盤的偏離較小.

我們選擇其中業(yè)績記錄較長的大摩多因子、長信量化先鋒，另外搭配兩只偏向價(jià)值的策略指數(shù)基金：華寶興業(yè)上證180價(jià)值ETF、銀河滬深300價(jià)值.以等權(quán)重在四個(gè)產(chǎn)品之間搭配，構(gòu)造一個(gè)混合的組合基金投資產(chǎn)品（FOF）.

經(jīng)過計(jì)算，不難看出兩個(gè)偏向價(jià)值的基金產(chǎn)品在2011和2012年明顯好于兩只偏向小盤的量化產(chǎn)品，但在2013年和2014年里表現(xiàn)弱于量化產(chǎn)品.經(jīng)過等權(quán)構(gòu)造后，F(xiàn)OF組合在2011-2014年間均能取得正的超額收益，更重要的是其信息比率提升到了2.20，遠(yuǎn)遠(yuǎn)高于四只產(chǎn)品各自的信息比率，這說明經(jīng)過搭配后，資產(chǎn)組合的收益風(fēng)險(xiǎn)表現(xiàn)得到了明顯的提升.

4 結(jié)論

策略指數(shù)投資的Smart Beta正逐漸成為市場上非常重要的一類產(chǎn)品，因其風(fēng)格特征顯著，在特定的市場環(huán)境下提供“聰明”的Beta收益而逐漸受到投資者的熱捧.然而，單一投資策略指數(shù)產(chǎn)品并不能提供穩(wěn)健的收益，可以考慮在資產(chǎn)配置的目標(biāo)下合理搭配策略指數(shù)投資產(chǎn)品，獲取更加穩(wěn)健的收益.

參考文獻(xiàn)：

〔1〕鄭鳴,李思哲.我國基金風(fēng)格投資的積極風(fēng)險(xiǎn)補(bǔ)償研究[J].廈門大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版)，2010(02).

〔2〕蔡偉宏.我國股票市場行業(yè)指數(shù)超額聯(lián)動(dòng)的實(shí)證分析[J].南方經(jīng)濟(jì)，2006(02).

第5篇：量化價(jià)值投資范文

2016年以來，A股震蕩明顯加劇。如何更好地規(guī)避風(fēng)險(xiǎn)、保住前期浮盈，成為投資者最關(guān)心的話題。在此背景下，一些收益穩(wěn)定、回撤控制能力強(qiáng)的量化產(chǎn)品就成了投資者穩(wěn)健配置的首選。據(jù)《投資者報(bào)》數(shù)據(jù)研究中心對(duì)全市場成立于2016年前的67只量化產(chǎn)品（A、C類分開計(jì)算）的區(qū)間復(fù)權(quán)單位凈值增長率、以及區(qū)間復(fù)權(quán)單位凈值相對(duì)大盤增長率的統(tǒng)計(jì)數(shù)據(jù)顯示，截至5月13日，華寶興業(yè)基金旗下的華寶興業(yè)量化對(duì)沖策略混合型發(fā)起式基金A/C（以下簡稱“華寶量化對(duì)沖”）在全部67只量化產(chǎn)品中業(yè)績表現(xiàn)最好，其區(qū)間復(fù)權(quán)單位凈值相對(duì)大盤增長率均超過了20%。

震蕩市場上的投資利器

對(duì)于旨在獲取絕對(duì)回報(bào)的華寶量化對(duì)沖來說，完全稱得上是震蕩市場上的投資利器。

據(jù)公開資料顯示，自2014年9月成立以來，華寶量化對(duì)沖基金已成功穿越4次股市大劫：在2015年1月下旬、4月下旬、6月中旬、以及2016年1月上旬的A股大幅調(diào)整中，平穩(wěn)規(guī)避了風(fēng)險(xiǎn)，歷次凈值漲幅超越滬指均在5個(gè)百分點(diǎn)以上（數(shù)據(jù)來源：Wind；截至：2016.4.22）。

此外，值得一提的是，現(xiàn)任基金經(jīng)理徐林明，證券從業(yè)經(jīng)歷14年，除了擔(dān)任華寶興業(yè)量化對(duì)沖基金、上證180價(jià)值ETF及聯(lián)接基金、華寶興業(yè)事件驅(qū)動(dòng)的基金經(jīng)理外，還是華寶興業(yè)基金的助理投資總監(jiān)兼量化投資部總經(jīng)理。據(jù)業(yè)內(nèi)人士介紹，徐林明長期從事主動(dòng)量化策略研究和量化投資工作，在擇時(shí)、行業(yè)配置和選股領(lǐng)域有較深入的思考和研究，總體負(fù)責(zé)量化對(duì)沖的投資運(yùn)作和量化模型開發(fā)。

談及當(dāng)前的投資操作，徐林明表示，“2016年以來股指期貨負(fù)基差結(jié)構(gòu)仍然存在，在此局面下，華寶量化對(duì)沖繼續(xù)保持低倉位運(yùn)作，股票部分用于滿足申購新股的市值要求，同時(shí)對(duì)這部分頭寸，利用股指期貨對(duì)沖系統(tǒng)性風(fēng)險(xiǎn)。一季度華寶量化對(duì)沖的資金主要投資于低風(fēng)險(xiǎn)的標(biāo)的或者現(xiàn)金管理，并積極參與新股申購、可轉(zhuǎn)債申購、協(xié)議存款、隔夜回購等，力爭在風(fēng)險(xiǎn)可控的前提下實(shí)現(xiàn)凈值的穩(wěn)健增長?！?/p>

業(yè)內(nèi)創(chuàng)新量化投資專家

實(shí)際上，華寶量化對(duì)沖成立自以來，其凈值一直穩(wěn)步上升，雖然，期間受到市場基差擾動(dòng)有一定回撤，但很快就回歸正常，這顯然得益于旗下強(qiáng)大的創(chuàng)新量化投資專家團(tuán)隊(duì)。

第6篇：量化價(jià)值投資范文

計(jì)算機(jī)給投資帶來的改變

1997年5月11日，國際象棋世界冠軍卡斯帕羅夫與1BM公司的國際象棋電腦“深藍(lán)”的六局對(duì)抗賽降下帷幕。在前五局以2.5對(duì)2.5打平的情況下，卡斯帕羅夫在第六盤決勝局中僅走了19步就向“深藍(lán)”拱手稱臣。整場比賽進(jìn)行了不到一個(gè)小時(shí)，卡斯帕羅夫賽后說，在最后一局時(shí)，“我已經(jīng)無力再戰(zhàn)?！庇诖送瑫r(shí)，利用計(jì)算機(jī)和數(shù)學(xué)模型來進(jìn)行數(shù)量化投資的基金正邁入高速增長期。

量化基金即以數(shù)量化投資來進(jìn)行管理的基金。數(shù)量化投資區(qū)別于基本面投資，他不是通過“信息和個(gè)人判斷”來管理資產(chǎn)，而是遵循固定規(guī)則，由計(jì)算機(jī)模型產(chǎn)生投資決策。量化投資并不是基本面分析的對(duì)立者，90％的模型是基于基本面因素，同時(shí)考慮技術(shù)因素。由此可見，它也不是技術(shù)分析，而是基于對(duì)市場深入理解形成的合乎邏輯的投資方法。

數(shù)量化技術(shù)發(fā)源于20世紀(jì)70年代，以1971年富國銀行發(fā)行跟蹤紐約證券交易所1500只股票的指數(shù)基金為標(biāo)志，此后隨著計(jì)算機(jī)處理能力的提高，越來越多的物理學(xué)家和數(shù)學(xué)家離開學(xué)校被華爾街雇傭，基金經(jīng)理們開始依靠電腦來篩選股票。

1979年巴克萊全球投資(Barclays Global Investor)成立了第一支主動(dòng)數(shù)量(Quantitative & Active)投資基金標(biāo)志著量化投資由草根實(shí)踐走到了公募基金歷史舞臺(tái)聚光燈下。此后，Vanguard，F(xiàn)ederated，Janus，American Century,Alliance Bernstein，Evergreen以及Schwab都開始在運(yùn)作數(shù)量化基金，他們也都開始加入Barclays Global Investors和LSVAsset Management的陣營，后兩者是數(shù)量化基金管理中最大的兩家公司。另外，NumericInvestors和AQR CapitalManagement是增長最快的數(shù)量化基金公司。

根據(jù)Bloomberg的數(shù)據(jù)，截至2008年底，1184只數(shù)量化基金管理的總資產(chǎn)高達(dá)1848億美元，相比1988年21只數(shù)量化基金管理的80億美元資產(chǎn)來說，平均增長速度高達(dá)20％，而同期非數(shù)量化基金的年增長速度僅為8％。

2000年之后是數(shù)量化基金發(fā)展的黃金時(shí)期，無論是個(gè)數(shù)還是管理規(guī)模都有了跨越式的發(fā)展。1998年數(shù)量化基金僅136只，至2002年增長一倍多，達(dá)316只，2008年底更是達(dá)到1848只，1988年至1998年年平均增長率為46％，2000年至2008年年平均增長幅度達(dá)54％。從規(guī)模上來看，1988年至1998年年平均增長率為32％，2000年至2008年年平均增長幅度達(dá)49％。

其中的原因有二：一是，2000年之后計(jì)算機(jī)技術(shù)飛速發(fā)展，為數(shù)量化的應(yīng)用提供了良好的平臺(tái)；更為主要的是主動(dòng)管理型基金很難戰(zhàn)勝大盤，于是投資指數(shù)基金以及采用數(shù)量化方法篩選股票逐漸流行起來。而且數(shù)量化基金的表現(xiàn)也非常不錯(cuò)。2002年至2007年5年間，相比美國市場主動(dòng)型管理基金每年5.93％的超額收益，那些覆蓋所有資產(chǎn)的數(shù)量化基金每年的超額收益可以達(dá)到6.95％。另外，有研究表明，2004年至2007年，投資美國大盤股的數(shù)量化基金產(chǎn)品的表現(xiàn)平均超越非大盤主動(dòng)型基金103個(gè)基點(diǎn)。

模型――量化基金的心臟

數(shù)量化基金的興起，建立在數(shù)量化投資技術(shù)的發(fā)展之上。在20世紀(jì)80年代，大量復(fù)雜模型得以發(fā)展，這包括：混沌理論(chaos theory)、分形(fraetals)、多維分形(multi-fractals)、適應(yīng)過程(adaptive programming)、學(xué)習(xí)理論(leaming theory)、復(fù)雜性理論(complexity theory)、復(fù)雜非線性隨機(jī)理論(complex nonlinear stochasticmodels)、數(shù)據(jù)挖掘(data mining)和智能技術(shù)(artificial intelligence)。然后，回歸分析(regression analysis)和動(dòng)量模型(momentum modeling)仍然是被調(diào)查者使用最廣泛的數(shù)量化投資方式。

數(shù)量化基金最明顯的優(yōu)勢(shì)之一就是計(jì)算機(jī)處理數(shù)據(jù)的能力遠(yuǎn)遠(yuǎn)勝過人腦，這使電腦在海量股票選擇中占有絕對(duì)優(yōu)勢(shì)。例如在嘉信證券的股票評(píng)級(jí)系統(tǒng)跟蹤的股票超過3000只，并且每只股票都綜合了基本面、估值、動(dòng)理和風(fēng)險(xiǎn)因素進(jìn)行打分，并按分?jǐn)?shù)高低給A至F不同的評(píng)級(jí)。其次。量化基金是以定量投資為主，用紀(jì)律性較強(qiáng)的精細(xì)化定量模型，代替了基金經(jīng)理或分析師在定性層面的主觀判斷，使投資業(yè)績較少受到個(gè)人“熟悉度偏好”的影響。最后，數(shù)量化基金收取的費(fèi)率及管理費(fèi)用比傳統(tǒng)的主動(dòng)型基金低很多，因?yàn)樗麄冃枰难芯咳藛T更少，成本更低。據(jù)Lipper調(diào)查，數(shù)量化基金的平均費(fèi)用是1.32％，相比而言，主動(dòng)型基金的管理費(fèi)用平均達(dá)到1.46％。

數(shù)量化投資理念成就了一大批數(shù)量化基金經(jīng)理，詹姆斯?西蒙斯無疑是其中的佼佼者。他所管理的大獎(jiǎng)?wù)禄饘?duì)沖基金(Medallion)，從1989年到2006年的17年間，平均年收益率達(dá)到了38.5％，而股神巴菲特過去20年的平均年回報(bào)率為20％。從1988年成立到1999年12月大獎(jiǎng)?wù)禄鹂偣搏@得2478.6％的凈回報(bào)率，超過第二名索羅斯的量子基金一倍，而同期的標(biāo)準(zhǔn)普爾指數(shù)僅有9.6％。即使在次貸危機(jī)全面爆發(fā)的2007年，該基金的回報(bào)率仍高達(dá)85％。

然而量化基金并非所有市場都能有效戰(zhàn)勝非量化基金。Lipper把基金分為四類型，每一類型量化投資與傳統(tǒng)投資比較，2005年量化投資基金戰(zhàn)勝傳統(tǒng)基金，而2006年在增強(qiáng)指數(shù)型基金中，量化投資落后于傳統(tǒng)型基金，到2007年情況則發(fā)生較大轉(zhuǎn)彎，除市場中立基金外，其余量化投資基金全部跑輸傳統(tǒng)型基金。在考慮了風(fēng)險(xiǎn)、跟蹤誤差后，數(shù)量化投資具有更小的跟蹤誤差和更高的回報(bào)。研究表明數(shù)量投資基金業(yè)績具有很強(qiáng)的輪動(dòng)特點(diǎn)。大部分?jǐn)?shù)量投資基金具有很強(qiáng)的價(jià)值投資偏好(value bias)，因此，他們?cè)趦r(jià)值型市場下表現(xiàn)良好，而1998-1999年是成長型市場，數(shù)量化投資基金大部分跑輸傳統(tǒng)型基金。2001-2005年是價(jià)值型市場，數(shù)量化投資基金普遍表現(xiàn)優(yōu)異。

用數(shù)學(xué)創(chuàng)造財(cái)富

國內(nèi)基金業(yè)雖然歷史較短，但發(fā)展迅速。美國等成熟基金市場的現(xiàn)狀，也很可能會(huì)是我們未來的發(fā)展方向。指數(shù)基金、量化基金以及免傭基金等品種，在未來有望陸續(xù)發(fā)展壯大，受到越來越多投資者的認(rèn)可。

目前，國內(nèi)基金市場上有4只量化基金，光大保德信量化核心、上投摩根阿爾法、嘉實(shí)量化阿爾法、中海量化策略，其中后兩只均是今年才成立，前兩只分別成立于2004年8月和2005年10月。

光大保德信量化核心一方面通過光大保德信的多因素?cái)?shù)量模型對(duì)股票的預(yù)期收益率進(jìn)行估算，個(gè)股預(yù)期收益率的高低決定投資組合是否持有股票；另一方面，投資團(tuán)隊(duì)從風(fēng)險(xiǎn)控制角度，重點(diǎn)關(guān)注數(shù)據(jù)以來的信息，通過行業(yè)分析和個(gè)股分析形成對(duì)量化的補(bǔ)充；最后由投資組合優(yōu)化器根據(jù)預(yù)先設(shè)計(jì)的風(fēng)險(xiǎn)構(gòu)建組合。

上投摩根阿爾法基金的描述則是同步以“成長”與“價(jià)值”雙重量化指標(biāo)進(jìn)行股票選擇，然后研究團(tuán)隊(duì)將對(duì)個(gè)股進(jìn)行基本面審核，結(jié)合跟蹤誤差的緊密監(jiān)控，以求不論指數(shù)高低，市場多空皆創(chuàng)造主動(dòng)管理回報(bào)。投研團(tuán)隊(duì)最終決定進(jìn)入組合的股票，量化分析是輔助和基礎(chǔ)。

嘉實(shí)量化基金“定量投資”為主，輔以“定性投資”。通過行業(yè)選擇模型，捕捉具有投資吸引力的行業(yè)，然后再在所選行業(yè)中運(yùn)用Alpha多因素模型篩選個(gè)股。定性的輔助作用表現(xiàn)在利用基本面研究成果，對(duì)模型自動(dòng)選股的結(jié)果進(jìn)行復(fù)核，剔除掉滿足某些特殊條件的股票。

中海量化策略以量化模型作為資產(chǎn)配置與構(gòu)建投資組合的基礎(chǔ)。根據(jù)量化指標(biāo)實(shí)行從一級(jí)股票庫初選、二級(jí)股票庫精選，再根據(jù)相關(guān)模型計(jì)算行業(yè)配置權(quán)重。結(jié)合行業(yè)配置權(quán)重，組合中每只股票的配置比例。

第7篇：量化價(jià)值投資范文

[關(guān)鍵詞] 風(fēng)險(xiǎn)評(píng)估；風(fēng)險(xiǎn)處置；投資回報(bào)率；安全投資回報(bào)率

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 12. 031

[中圖分類號(hào)] G934 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1673 - 0194（2014）12- 0050- 03

0 引 言

信息安全風(fēng)險(xiǎn)評(píng)估是信息安全管理中的重要環(huán)節(jié)，評(píng)估采用系統(tǒng)化的流程，從識(shí)別資產(chǎn)開始，到識(shí)別威脅、脆弱性及現(xiàn)有的控制措施，從而估算風(fēng)險(xiǎn)發(fā)生的可能性和影響級(jí)別，最后得到風(fēng)險(xiǎn)值的大小，其結(jié)果實(shí)際上是一個(gè)相對(duì)的等級(jí)列表（rank）[1-5]，隨后的信息安全風(fēng)險(xiǎn)處置過程，則是根據(jù)這個(gè)相對(duì)的風(fēng)險(xiǎn)等級(jí)列表選擇減緩、接受、規(guī)避或轉(zhuǎn)移等選項(xiàng)[6]。

但對(duì)組織的決策者而言，僅僅根據(jù)風(fēng)險(xiǎn)的相對(duì)大小列表，實(shí)際上只能決定資源調(diào)配的優(yōu)先級(jí)，并不能對(duì)某個(gè)具體風(fēng)險(xiǎn)是否進(jìn)行處理這類決策有所幫助[7]。例如，信息安全風(fēng)險(xiǎn)評(píng)估的結(jié)果顯示，沒有IDS（入侵檢測(cè)系統(tǒng)）使核心業(yè)務(wù)系統(tǒng)的風(fēng)險(xiǎn)值為70（滿分為100，70劃入中風(fēng)險(xiǎn)區(qū)域）。這可能告訴決策者應(yīng)該著手處理這個(gè)風(fēng)險(xiǎn)，但不是最重要的。以組織目前的規(guī)模，購買IDS 的價(jià)格可能為30萬元，那么這30萬元的支出是否值得，就必須進(jìn)行系統(tǒng)分析并確定風(fēng)險(xiǎn)造成的損失到底有多大，需要確定實(shí)際的財(cái)務(wù)價(jià)值，而不僅僅是用高、中或低的模糊序列概念來定義。

公司的決策者在選擇購買技術(shù)設(shè)備后用于服務(wù)的時(shí)候，通常會(huì)以投資回報(bào)率、現(xiàn)金凈流量等方法衡量技術(shù)設(shè)備購買支出的必要性，此時(shí)技術(shù)人員應(yīng)該提供信息安全投資影響企業(yè)收益的安全度量數(shù)據(jù)。如果解決方法的支出大于風(fēng)險(xiǎn)處置的支出時(shí)，信息安全應(yīng)對(duì)方法是沒有實(shí)施必要的，選擇風(fēng)險(xiǎn)接受可能就是最優(yōu)的風(fēng)險(xiǎn)處置決策。本文借鑒傳統(tǒng)的投資回報(bào)率模型（Return On Investment， ROI），提出了安全投資回報(bào)率（Return On Security Investment， ROSI）計(jì)量模型，并對(duì)各個(gè)輸入變量的計(jì)算方法做詳細(xì)的討論，為組織信息安全決策者及信息安全服務(wù)商提供了更為直觀的決策依據(jù)。

1 安全投資回報(bào)率（ROSI）模型

目前，公司決策者在評(píng)估選擇投資戰(zhàn)略的時(shí)候大多采用ROI（投資回報(bào)率）模型判斷公司資金支出獲得的收益回報(bào)率，見式（1）。ROI模型首先要判斷資金支出后的獲得預(yù)期收入金額，其次就是確定需要的投資成本，在不考慮資金的時(shí)間價(jià)值前提下，最終確定投資回報(bào)的收益率。

ROI=■×100%（1）

ROI模型在引進(jìn)新技術(shù)及新技術(shù)升級(jí)換代方面同樣具有應(yīng)用價(jià)值，但是信息安全的預(yù)期收益并不像其他收益能夠清晰地體現(xiàn)在財(cái)務(wù)數(shù)據(jù)的增長上，信息安全技術(shù)和服務(wù)的目的是避免信息安全事件發(fā)生的可能性，具體到財(cái)務(wù)數(shù)據(jù)上表現(xiàn)為避免公司財(cái)務(wù)損失可能性，而不是表現(xiàn)為財(cái)務(wù)數(shù)據(jù)的增長[8-9]。因此，信息安全的投資收益回報(bào)率的預(yù)期收益應(yīng)該表現(xiàn)為風(fēng)險(xiǎn)預(yù)期損失與信息安全風(fēng)險(xiǎn)降低預(yù)期比率的乘積，信息安全投資收益回報(bào)率可以表述為式（2）。

ROSI=■×100%（2）

案例：某組織的某資產(chǎn)價(jià)值為100 000元，一場意外火災(zāi)可能損壞其價(jià)值的25%，那么火災(zāi)的單一風(fēng)險(xiǎn)預(yù)期損失為25 000元。按照經(jīng)驗(yàn)統(tǒng)計(jì)這種火災(zāi)一般每5年發(fā)生一次，那么年發(fā)生次數(shù)即為1/5，年預(yù)期損失為元。

公司可以購買干粉滅火器和火警預(yù)警器來降低火災(zāi)的發(fā)生概率或損害程度。假設(shè)購買成本為6 000元，壽命為3年，不需要額外的維護(hù)費(fèi)用。那么年度安全控制支出本為2 000元（6 000/3）。

實(shí)施控制后，火災(zāi)的損壞程度將為5%，而發(fā)生的次數(shù)降為1/10次，那么單一風(fēng)險(xiǎn)預(yù)期損失將降低為5 000元（100 000*5%），年預(yù)期損失為元。

在不考慮關(guān)聯(lián)風(fēng)險(xiǎn)的情況下，其安全投資回報(bào)率計(jì)算如下：

ROSI=■=125%

從125%的安全投資回報(bào)率來看，這個(gè)安全控制措施是可以實(shí)施的。但是在ROSI的計(jì)算過程中存在以下問題：

（1）風(fēng)險(xiǎn)預(yù)期損失數(shù)據(jù)如何獲??？目前風(fēng)險(xiǎn)預(yù)期損失數(shù)據(jù)并沒有統(tǒng)一的標(biāo)準(zhǔn)，保險(xiǎn)索賠、學(xué)術(shù)研究以及一些獨(dú)立數(shù)據(jù)調(diào)查公司會(huì)零星地信息安全事件損失的報(bào)告，但大多僅僅匯報(bào)信息安全事件事后統(tǒng)計(jì)的損失平均值[10]，對(duì)發(fā)生概率則多只有定性的判斷，因此，組織需要計(jì)算風(fēng)險(xiǎn)預(yù)期損失。

（2）安全控制支出如何獲??？雖然安全控制會(huì)集中的表現(xiàn)為產(chǎn)品或服務(wù)采購，合同額明確，但是安全控制一般不會(huì)只針對(duì)單一產(chǎn)品的單一風(fēng)險(xiǎn)，不能直接對(duì)應(yīng)到風(fēng)險(xiǎn)預(yù)期損失上去，可以選擇分解合同金額進(jìn)行分配，或者將安全控制所影響的風(fēng)險(xiǎn)預(yù)期損失進(jìn)行整合。前者的分配比例顯然難以確定，因此，本研究選擇后一種方法，式（2）轉(zhuǎn)變?yōu)椋?/p>

ROSI=■（3）

2 風(fēng)險(xiǎn)預(yù)期損失的量化

2.1 年度預(yù)期損失（ALE）法

在風(fēng)險(xiǎn)預(yù)期損失的量化（或信息安全風(fēng)險(xiǎn)評(píng)估定量化）領(lǐng)域，文獻(xiàn)[11]引入了層次分析法、信息熵、神經(jīng)網(wǎng)絡(luò)以及小波分析，文獻(xiàn)[12]引入了免疫進(jìn)化算法、基于區(qū)間數(shù)和理想點(diǎn)法的決策技術(shù)，決策實(shí)驗(yàn)和評(píng)價(jià)實(shí)驗(yàn)室法、模糊理論和群體決策法，文獻(xiàn)[13]引入了貝葉斯概率風(fēng)險(xiǎn)分析，類似文獻(xiàn)還有文獻(xiàn)[14-16]等，但上述文獻(xiàn)多關(guān)注風(fēng)險(xiǎn)的計(jì)算過程，并未過多關(guān)注數(shù)據(jù)來源，而數(shù)據(jù)來源的定量化才是最關(guān)鍵的環(huán)節(jié)。文獻(xiàn)[17]提出了一個(gè)利用軟件漏洞的網(wǎng)絡(luò)攻擊行為所導(dǎo)致的系統(tǒng)宕機(jī)風(fēng)險(xiǎn)模型，在這個(gè)模型中，利用MX/G/1隊(duì)列來預(yù)計(jì)宕機(jī)時(shí)間，用脆弱性矩陣和配置矩陣計(jì)算攻擊發(fā)生的可能性，該模型是目前比較好的量化思路，但是該文獻(xiàn)的目的是探討軟件多樣化所帶來的優(yōu)勢(shì)，因此應(yīng)用范圍非常窄，對(duì)量化的風(fēng)險(xiǎn)處置決策研究貢獻(xiàn)有限。

目前，信息安全行業(yè)內(nèi)比較認(rèn)可的風(fēng)險(xiǎn)預(yù)期損失的模型為ALE（Annual Loss Expectancy， ALE）法[17]，即年度預(yù)期損失法。

ALE=■SLE[i]×ARO[i]（4）

式中，n為單次風(fēng)險(xiǎn)所影響的資產(chǎn)數(shù)量；SLE（Single Loss Expectancy）為單一風(fēng)險(xiǎn)預(yù)期損失；ARO（Annual Rate of Occurrence）為年度發(fā)生率。

單一風(fēng)險(xiǎn)預(yù)期損失又可以細(xì)化為資產(chǎn)價(jià)值與單一風(fēng)險(xiǎn)的破壞程度的乘積，由于對(duì)于組織而言，n是確定的客觀數(shù)據(jù)，式（4）的未知參數(shù)為：①資產(chǎn)價(jià)值；②破壞程度；③年度發(fā)生率。

2.2 幾個(gè)主要參數(shù)的確定

資產(chǎn)的價(jià)值不是資產(chǎn)的購置價(jià)或者賬面價(jià)，而是基于對(duì)業(yè)務(wù)的重要性計(jì)算出來的虛擬價(jià)值?？梢哉J(rèn)為待評(píng)估資產(chǎn)的價(jià)值是通過信息安全的途徑造成了影響組織業(yè)務(wù)的假設(shè)價(jià)值。對(duì)于如何參考財(cái)務(wù)賬面價(jià)值來得到資產(chǎn)在信息安全中的價(jià)值并沒有現(xiàn)成的公式可以用。文獻(xiàn)[7]中使用美國證券交易委員會(huì)（SEC， US Security Exchange Commission）在Staff Accounting Bulletin No. 99（99號(hào)專職會(huì)計(jì)公告）中認(rèn)可的一般準(zhǔn)則，引用參考的一般準(zhǔn)則是財(cái)務(wù)報(bào)告凈收入值的 5%。按照這個(gè)指導(dǎo)原則，如果組織每年約有 20 000 000元的凈收入，重要資產(chǎn)可以被指定為1 000 000元的價(jià)值。

破壞程度和年度發(fā)生率經(jīng)驗(yàn)數(shù)據(jù)可以從以下途徑獲取[7]：

（1）通過組織中發(fā)生過的歷史信息安全事件報(bào)告或記錄，統(tǒng)計(jì)各種發(fā)生過的威脅和其發(fā)生頻率；

（2）在評(píng)估對(duì)象的實(shí)際環(huán)境中，通過IDS等系統(tǒng)獲取的威脅發(fā)生數(shù)據(jù)的統(tǒng)計(jì)和分析，各種日志中威脅發(fā)生的數(shù)據(jù)的統(tǒng)計(jì)和分析；

（3）過去一年或兩年來國際公司（如Symantec）或機(jī)構(gòu)（例如：CERT和CNCERT等）、業(yè)務(wù)關(guān)聯(lián)公司的對(duì)于整個(gè)社會(huì)或特定行業(yè)安全威脅及其發(fā)生頻率的統(tǒng)計(jì)數(shù)據(jù)。

2.3 實(shí)施前/后風(fēng)險(xiǎn)預(yù)期損失

實(shí)施前的風(fēng)險(xiǎn)預(yù)期損失要根據(jù)風(fēng)險(xiǎn)評(píng)估的結(jié)果及建議的控制措施進(jìn)行估算，并以此作為風(fēng)險(xiǎn)處置選項(xiàng)的依據(jù)，而實(shí)施后的風(fēng)險(xiǎn)預(yù)期損失則根據(jù)殘余風(fēng)險(xiǎn)進(jìn)行估算。

3 安全控制支出的量化

3.1 成本的組成

最明確的安全控制支出表現(xiàn)為產(chǎn)品或服務(wù)采購合同，但是安全控制支出的總金額肯定不僅僅表現(xiàn)為合同額，其他相關(guān)的因素也應(yīng)該納入考慮。當(dāng)然，安全控制支出的量化除了合同額之外的部分，可能含有一定的主觀因素。

文獻(xiàn)[17]認(rèn)為信息系統(tǒng)是信息技術(shù)和人類行為的結(jié)合體，所以產(chǎn)品的部署會(huì)帶來的一系列問題，都應(yīng)該考慮在內(nèi)。這其中可能包括購買成本、實(shí)施成本、持續(xù)維護(hù)成本、通信成本、培訓(xùn)成本和檢查驗(yàn)證有效性的成本等[4，18]。

3.2 購買和實(shí)施成本

購買成本在ROSI模型中指產(chǎn)品或服務(wù)的合同金額，也是最普遍被認(rèn)識(shí)到的成本。如果安全控制不需要產(chǎn)品，而需要第三方服務(wù)，這時(shí)候購買成本就體現(xiàn)為服務(wù)購買成本。

實(shí)施成本指安裝或維護(hù)所帶來的人工成本。某些控制措施可能需要大量的人力來進(jìn)行正確的指定、設(shè)計(jì)、測(cè)試和部署。

3.3 維護(hù)與通信成本

維護(hù)成本與新控制措施的持續(xù)活動(dòng)有關(guān)，例如管理、監(jiān)控和維護(hù)。這需要考慮：任務(wù)需要多少人參與？每周（或每月、每年）需要多少時(shí)間？這些成本都需要進(jìn)行盡量精確的考慮，甚至某些時(shí)候比購買成本更加巨大，尤其是咨詢服務(wù)，更應(yīng)該注意，內(nèi)部人員的時(shí)間成本必須進(jìn)行考慮，例如：信息安全規(guī)劃咨詢等。

通信成本與向用戶通知新的策略或程序有關(guān)。對(duì)于只有幾百名員工的組織而言，如果組織為其服務(wù)器機(jī)房安裝了電子鎖，向 IT 員工和高級(jí)經(jīng)理發(fā)送幾封電子郵件可能已經(jīng)足夠。 但是對(duì)于任何部署智能卡的組織而言，例如，在分發(fā)智能卡和讀卡器之前、期間和之后，將需要大量的通信，因?yàn)橛脩魧⒈仨殞W(xué)習(xí)全新的計(jì)算機(jī)登錄方式，并且毫無疑問，會(huì)遇到大量新的或不可預(yù)計(jì)的情形。

3.4 培訓(xùn)成本

這些成本與需要實(shí)施、管理、監(jiān)控和維護(hù)新控制措施的員工有關(guān)。組織內(nèi)的各個(gè)小組肩負(fù)不同的責(zé)任，因此需要不同類型的培訓(xùn)。例如：幫助臺(tái)員工必須知道如何幫助最終用戶解決常見問題，例如智能卡或讀卡器損壞以及忘記 PIN碼；桌面系統(tǒng)支持人員必須知道如何安裝、疑難解答、診斷和更換智能卡讀卡器等。

此外，培訓(xùn)成本可能不但與員工相關(guān)，還可能涉及到用戶，需要支付用戶培訓(xùn)成本。

3.5 有效性檢驗(yàn)成本

安全控制應(yīng)該稱為一個(gè)有效的閉環(huán)，就必須有檢驗(yàn)和持續(xù)改進(jìn)的過程。組織必須能夠證明沒有人已經(jīng)無意地或惡意地修改或禁用控制措施，并且必須確定由誰負(fù)責(zé)此驗(yàn)證工作。 對(duì)于極其敏感的資產(chǎn)，有必要由多人負(fù)責(zé)驗(yàn)證結(jié)果。這些都會(huì)增加額外的成本支出。

4 考慮凈現(xiàn)值以及其他因素

由于資金使用是有時(shí)間價(jià)值的，因此在一般的投資收益率測(cè)算過程中，應(yīng)該考慮其時(shí)間價(jià)值，以努力實(shí)現(xiàn)收益計(jì)算的最大化和精確化。在信息安全投資決策中，由于其損失本來就是潛在的，而且隨著計(jì)算機(jī)的使用時(shí)間，這種潛在損失的發(fā)生率會(huì)越來越顯著，因此在決策時(shí)，需要考慮凈現(xiàn)值NPV（Net Present Value）等更多因素。由于本文的重點(diǎn)是初步建立ROSI模型，因此凈現(xiàn)值等因素不是本研究考慮的重點(diǎn)，這將在后續(xù)研究中繼續(xù)討論。

5 確定風(fēng)險(xiǎn)處置選項(xiàng)

計(jì)算安全投資回報(bào)率的最終目的是為了給決策者提供者提供決策依據(jù)，在本研究中沿用文獻(xiàn)[6]中給出的風(fēng)險(xiǎn)處置選項(xiàng)：風(fēng)險(xiǎn)減緩、風(fēng)險(xiǎn)接受、風(fēng)險(xiǎn)規(guī)避和風(fēng)險(xiǎn)轉(zhuǎn)移。例如，在本文案例中，如果選擇干粉滅火器和火警預(yù)警器是作為風(fēng)險(xiǎn)減緩的選項(xiàng)，也可以采取資產(chǎn)托管的方式，即將重要設(shè)備托管到寫字樓的統(tǒng)一機(jī)房中，假設(shè)租費(fèi)為2 000元/年，這樣該資產(chǎn)的風(fēng)險(xiǎn)就被轉(zhuǎn)移到寫字樓物業(yè)，在不考慮關(guān)聯(lián)風(fēng)險(xiǎn)的情況下，其安全投資回報(bào)率計(jì)算如下：

ROSI=■=150%

在本案例中，風(fēng)險(xiǎn)減緩的ROSI值為125%，風(fēng)險(xiǎn)轉(zhuǎn)移的ROSI值為150%，顯然應(yīng)該選擇后者。

無論選擇上述4個(gè)選項(xiàng)中的哪一項(xiàng)，由于控制前風(fēng)險(xiǎn)預(yù)期損失用的值都是一致的，因此就決策選擇而言，控制前風(fēng)險(xiǎn)預(yù)期損失不會(huì)影響風(fēng)險(xiǎn)處置選項(xiàng)的選擇過程，這是本模型的一個(gè)重要優(yōu)勢(shì)。

6 結(jié)束語

為了解決信息安全風(fēng)險(xiǎn)處置階段的投資決策問題，本文給出了基于投資回報(bào)率（ROI）改進(jìn)的安全投資回報(bào)率（ROSI）模型，ROSI模型是基于財(cái)務(wù)的風(fēng)險(xiǎn)價(jià)值測(cè)算模型，作為目前通用的六因素（資產(chǎn)、威脅、脆弱性、控制措施、可能性和影響）信息安全風(fēng)險(xiǎn)評(píng)估方法的輔助。計(jì)算過程中主要依據(jù)安全控制實(shí)施前后的風(fēng)險(xiǎn)預(yù)期損失差額和安全控制支出的估算值的比較，首先，ROSI模型是全定量數(shù)據(jù)模型，可以直觀地表達(dá)投資與回報(bào)的比率，有利于組織快速做出投資決策；其次，該模型中數(shù)據(jù)來源相對(duì)比較客觀，而且有效地利用了專家知識(shí)庫數(shù)據(jù)，有利于組織做出正確的投資決策；最后，該模型中利用了風(fēng)險(xiǎn)預(yù)期損失在控制措施實(shí)施前后的差額，使得ROSI模型在使用過程中，實(shí)際上取決于風(fēng)險(xiǎn)處置選項(xiàng)的比較值，而不是絕對(duì)值，使投資決策更加準(zhǔn)確有效。

主要參考文獻(xiàn)

[1]ISO/IEC. ISO/IEC 27005：2011 Information Security Risk Management [S]. 2011.

[2]NIST. NIST Special Publication 800-30 Revision 1. Guide for Conducting Risk Assessments [S]. 2011.

[3]Alberts Christopher， Dorofee Audrey， James Stevens，etc.Introduction to the OCTAVE ■ Approach[EB/OL]. http：///octave/approach_intro.pdf.

[4]Microsoft. the security risk management guide1.1[R].2004.

[5]GB/T 20984-2007 信息安全風(fēng)險(xiǎn)評(píng)估規(guī)范[S].2007.

[6]ISO/IEC. ISO/IEC 27001：2005 Information Security Management System Requirments[S]. 2005.

[7]趙戰(zhàn)生，謝宗曉. 信息安全風(fēng)險(xiǎn)評(píng)估概念、方法與實(shí)踐[M]. 北京：中國標(biāo)準(zhǔn)出版社，2007.

[8]M Bishop.計(jì)算機(jī)安全學(xué)[M].王立斌，譯. 北京：電子工業(yè)出版社，2005.

[9]謝宗曉.信息安全管理體系實(shí)施指南[M].北京：中國標(biāo)準(zhǔn)出版社，2012.

[10]W Sonnenreich，J Albanese，B Stout. Return on Security Investment （ROSI）： A Practical Quantitative Model [J]. Journal of Research and Practice in Information Technology，2005， 38（1）： 45-56.

[11]趙冬梅. 信息安全風(fēng)險(xiǎn)評(píng)估量化方法研究[D]. 西安：西安電子科技大學(xué)，2007.

[12]黃景文. 基于知識(shí)的信息安全風(fēng)險(xiǎn)評(píng)估研究[D].沈陽：東華大學(xué)，2008.

[13]谷勇浩. 信息系統(tǒng)風(fēng)險(xiǎn)管理理論及關(guān)鍵問題研究[D]. 北京：北京郵電大學(xué)，2007.

[14]程建華. 信息系統(tǒng)管理、評(píng)估與控制研究[D]. 長春：吉林大學(xué)，2008.

[15]李志偉. 信息系統(tǒng)風(fēng)險(xiǎn)評(píng)估及風(fēng)險(xiǎn)管理對(duì)策研究[D]. 北京：北京交通大學(xué)，2010.

[16]彭俊好. 信息安全風(fēng)險(xiǎn)評(píng)估及網(wǎng)絡(luò)蠕蟲傳播模型[D].北京：北京郵電大學(xué)，2007.

第8篇：量化價(jià)值投資范文

如何解讀新數(shù)據(jù)？本周《投資者報(bào)》“基金經(jīng)理面對(duì)面”專欄邀請(qǐng)的嘉賓分別是摩根士丹利華鑫基金量化投資團(tuán)隊(duì)負(fù)責(zé)人劉釗、華泰柏瑞指數(shù)投資部總監(jiān)張婭、信誠周期輪動(dòng)張光成、嘉實(shí)滬深300ETF楊宇、富國新天鋒趙恒毅、交銀資源鄭偉輝、國投瑞銀融華債券徐煒哲以及天弘基金固定收益總監(jiān)、天弘永利陳鋼。

CPI意外反彈

《投資者報(bào)》：怎么看新出爐的CPI？

張光成：CPI數(shù)據(jù)是國家宏觀政策調(diào)控的風(fēng)向標(biāo)。CPI不跌，而國家的GDP出現(xiàn)下降，說明中國經(jīng)濟(jì)處于滯漲階段，使得政策處于兩難局面，這也是近期市場表現(xiàn)不佳的主要原因。但目前A股估值處于底部，指數(shù)沒多少下跌空間。同時(shí)，我國經(jīng)濟(jì)具備持續(xù)增長的條件，在穩(wěn)健的貨幣政策和積極的財(cái)政政策的預(yù)期下，明后年股市或?qū)⒂瓉碛忠粋€(gè)“黃金投資期”。

趙恒毅：3月份CPI指數(shù)3.6%的反彈，主要是由于蔬菜價(jià)格大幅上漲所致，不具可持續(xù)性，加之去年上半年的高物價(jià)基數(shù)，因此，未來幾個(gè)月內(nèi)同比漲幅的反彈也難以持續(xù)。這對(duì)信用債投資而言，比較有利。在宏觀經(jīng)濟(jì)層面，盡管目前處于觸底過程，未來往上走的概率依然較大。這種情況下，我們認(rèn)為，通過信用債獲得相對(duì)比較穩(wěn)定的票息，是比較好的選擇。

《投資者報(bào)》：新的CPI數(shù)據(jù)讓很多投資者又開始擔(dān)心通脹的問題，對(duì)債基關(guān)注度也進(jìn)一步提高。國投瑞銀融華債券基金累計(jì)收益率超過216%，作為經(jīng)驗(yàn)豐富的管理人，徐煒哲怎么看固定收益類投資？

徐煒哲：我們延續(xù)了去年四季度提出的慢牛觀點(diǎn)，經(jīng)濟(jì)從底部回升，通脹也將逐步回落。但本輪經(jīng)濟(jì)周期的復(fù)蘇將非常緩慢，原因在于通脹雖回落但通脹中樞仍將上行，而其根源在于全球發(fā)展中國家的工業(yè)化過程中資源的供給不足，而這種情況在短期內(nèi)無法改變。債券方面，基本面對(duì)債市有支撐，但不同品種表現(xiàn)將有所分化，我們將根據(jù)經(jīng)濟(jì)增速、通脹、政策等變量對(duì)組合進(jìn)行靈活調(diào)整。

陳鋼：債券市場應(yīng)該還不錯(cuò)，仍有機(jī)會(huì)，尤其4月是個(gè)較好的機(jī)會(huì)。我們比較看好高收益的債券走勢(shì)，利率品種和高等級(jí)債有波段性的機(jī)會(huì)，高收益的債券收益率下降空間相對(duì)大一些，機(jī)會(huì)多一些。貨幣政策有所放松，但放松有限，所以利率產(chǎn)品收益率有一定下降空間，但下降有限。城投債不錯(cuò)，違約風(fēng)險(xiǎn)在減弱。

一季度QDII與量化“雙秀”

《投資者報(bào)》：一季度QDII可謂一枝獨(dú)秀，51只QDII基金平均回報(bào)率達(dá)6.7%，站在現(xiàn)在時(shí)點(diǎn)，是否還能樂觀看待QDII？

鄭偉輝：目前經(jīng)濟(jì)增長不確定性和歐債危機(jī)依然存在，但海外投資在政策面上出現(xiàn)些積極因素。經(jīng)濟(jì)的基本面改善程度可能會(huì)制約股市的上漲空間，但海外市場特別是自然資源投資或?qū)⒋嬖陔A段性、結(jié)構(gòu)性的機(jī)會(huì)?，F(xiàn)階段，包括中國在內(nèi)的新興市場面臨經(jīng)濟(jì)增速下滑的風(fēng)險(xiǎn)，但支持商品價(jià)格趨勢(shì)上漲的因素依然存在，只不過可能需要更長時(shí)間來演繹。

《投資者報(bào)》：除了QDII，量化基金也不錯(cuò)。一季度，上證綜指漲2.88%，同期標(biāo)準(zhǔn)股基為0.31%，而按Wind分類的13只量化基金，平均業(yè)績?yōu)?.92%，大摩多因子基金取得7.65%的正收益，在量化基金中排名第一。量化基金何以成為震蕩市的贏家？

劉釗：在復(fù)雜多變的市場中，克服情緒影響、堅(jiān)守理性投資才是制勝的關(guān)鍵。而量化基金恰恰是通過計(jì)算機(jī)的篩選，克服投資中的非理性因素，有計(jì)劃、有紀(jì)律、有原則地投資，不貪婪、不恐懼、不放棄，心平氣和地追求超額收益，避免了基金管理人的情緒干擾。

除了抗情緒干擾，量化投資的優(yōu)勢(shì)還在于有一套完整、科學(xué)的投資體系。以大摩多因子基金量化模型舉例，多因子量化基金將大量數(shù)據(jù)或?qū)嵺`證明的有效策略通過數(shù)量化模型固定下來。進(jìn)而按照模型指令，通過計(jì)算機(jī)將大量股票收集到一起統(tǒng)一分析，較傳統(tǒng)的研究員選股可覆蓋更廣泛的股票。在考察個(gè)股投資價(jià)值時(shí)，收集與計(jì)算多方面的數(shù)據(jù)和信息，分析體系更完整。同時(shí)，投資流程和分析方法高度科學(xué)，避免過分夸大的個(gè)體性事件，從數(shù)據(jù)與事實(shí)出發(fā)尋找價(jià)值。

嚴(yán)格的紀(jì)律性是量化投資區(qū)別于主動(dòng)投資的重要特征。在基金運(yùn)作中，我們的主觀判斷也會(huì)出現(xiàn)和量化模型相左的情況，但我們會(huì)堅(jiān)持量化投資的紀(jì)律，相信模型判斷的長期穩(wěn)定性，不會(huì)盲目調(diào)整。

需要強(qiáng)調(diào)的是，與傳統(tǒng)偏股型基金不同，我們一季度的業(yè)績并不來自重倉股的業(yè)績拉升。大摩多因子采用獨(dú)特的投資組合管理方式，漸進(jìn)動(dòng)態(tài)調(diào)整基金組合。這樣不僅可順應(yīng)瞬息萬變的市場，還可降低個(gè)股集中度，平穩(wěn)投資業(yè)績。因此，這種方式并不會(huì)產(chǎn)生傳統(tǒng)意義上的重倉股，也就大大降低了重倉個(gè)股的風(fēng)險(xiǎn)。

伴隨量化投資在國內(nèi)的發(fā)展，量化基金也面臨更多挑戰(zhàn)。當(dāng)越來越多的基金參與進(jìn)來，特定因子就可能被更多地應(yīng)用，其帶來超額收益的可能性也就降低了。因此，持續(xù)發(fā)掘新因子，不斷對(duì)模型進(jìn)行優(yōu)化，也是量化基金長期制勝的密碼所在。

滬深300ETF玩法解密

《投資者報(bào)》：近期我們討論了多次滬深300ETF這一創(chuàng)新產(chǎn)品，ETF的本質(zhì)在于一攬子股票和ETF份額的替換，所以實(shí)物申購贖回是其一個(gè)核心特征，實(shí)物申贖的運(yùn)作到底有什么特點(diǎn)？

楊宇：更為透明，風(fēng)險(xiǎn)可控性更佳。對(duì)投資者來說，實(shí)物申購、實(shí)物贖回的運(yùn)作模式，降低了大規(guī)模申購贖回造成基金經(jīng)理被迫調(diào)整資產(chǎn)組合而形成被動(dòng)的跟蹤誤差，因而其跟蹤效果要優(yōu)于普通的開放式指數(shù)基金。另外，作為期現(xiàn)套利成本的一部分，跟蹤誤差的降低有利于降低套利風(fēng)險(xiǎn)，在同等條件下使無套利區(qū)間收窄，提升套利操作的準(zhǔn)確性和獲利能力。

第9篇：量化價(jià)值投資范文

股票走勢(shì)圖分析

1) 白色曲線：表示大盤加權(quán)指數(shù)，即證交所每日公布媒體常說的大盤實(shí)際指數(shù)。

2) 黃色曲線：大盤不含加權(quán)的指標(biāo)，即不考慮股票盤子的大小，而將所有股票對(duì)指數(shù)影響看作相同而計(jì)算出來的大盤指數(shù)。

參考白黃二曲線的相互位置可知：

A)當(dāng)大盤指數(shù)上漲時(shí)，黃線在白線之上，表示流通盤較小的股票漲幅較大;反之，黃線在白線之下，說明盤小的股票漲幅落后大盤股。

B)當(dāng)大盤指數(shù)下跌時(shí)，黃線在白線之上，表示流通盤較小的股票跌幅小于盤大的股票;反之，盤小的股票跌幅大于盤大的股票。

3) 紅綠柱線：在紅白兩條曲線附近有紅綠柱狀線，是反映大盤即時(shí)所有股票的買盤與賣盤在數(shù)量上的比率。紅柱線的增長減短表示上漲買盤力量的增減;綠柱線的增長縮短表示下跌賣盤力度的強(qiáng)弱。

4) 黃色柱線：在紅白曲線圖下方，用來表示每一分鐘的成交量，單位是手(每手等于100股)。

5) 委買委賣手?jǐn)?shù)：代表即時(shí)所有股票買入委托下三檔和賣出上三檔手?jǐn)?shù)相加的總和。

6) 委比數(shù)值：是委買委賣手?jǐn)?shù)之差與之和的比值。當(dāng)委比數(shù)值為正值大的時(shí)候，表示買方力量較強(qiáng)股指上漲的機(jī)率大;當(dāng)委比數(shù)值為負(fù)值的時(shí)候，表示賣方的力量較強(qiáng)股指下跌的機(jī)率大。

股票分析方法

技術(shù)分析

技術(shù)分析是以預(yù)測(cè)市場價(jià)格變化的未來趨勢(shì)為目的，通過分析歷史圖表對(duì)市場價(jià)格的運(yùn)動(dòng)進(jìn)行分析的一種方法。技術(shù)分析是證券投資市場中普遍應(yīng)用的一種分析方法。

所有的技術(shù)分析都是建立在三大假設(shè)之上的。

一、市場行為包容消化一切。這句話的含義是：所有的基礎(chǔ)事件--經(jīng)濟(jì)事件、社會(huì)事件、戰(zhàn)爭、自然災(zāi)害等等作用于市場的因素都會(huì)反映到價(jià)格變化中來。二、價(jià)格以趨勢(shì)方式演變。三、歷史會(huì)重演。

《股市趨勢(shì)技術(shù)分析》是技術(shù)分析的代表著作。初版1948年，作為經(jīng)典中的經(jīng)典、技術(shù)分析的權(quán)威之作，《股市趨勢(shì)技術(shù)分析》至今仍牢牢處于無法超越的地位。

基本分析

基本分析法通過對(duì)決定股票內(nèi)在價(jià)值和影響股票價(jià)格的宏觀經(jīng)濟(jì)形勢(shì)、行業(yè)狀況、公司經(jīng)營狀況等進(jìn)行分析，評(píng)估股票的投資價(jià)值和合理價(jià)值，與股票市場價(jià)進(jìn)行比較，相應(yīng)形成買賣的建議。

演化分析

演化分析是以演化證券學(xué)理論為基礎(chǔ)，將股市波動(dòng)的生命運(yùn)動(dòng)特性作為主要研究對(duì)象，從股市的代謝性、趨利性、適應(yīng)性、可塑性、應(yīng)激性、變異性和節(jié)律性等方面入手，對(duì)市場波動(dòng)方向與空間進(jìn)行動(dòng)態(tài)跟蹤研究，為股票交易決策提供機(jī)會(huì)和風(fēng)險(xiǎn)評(píng)估的方法總和。

量化分析法

量化分析法是利用數(shù)學(xué)和計(jì)算機(jī)的方法對(duì)股票進(jìn)行分析，從而找出漲跌的概率，將量化分析方法設(shè)定為:

a. 趨勢(shì)判斷型量化投資策略

判斷趨勢(shì)型是一種高風(fēng)險(xiǎn)的投資方式，通過對(duì)大盤或者個(gè)股的趨勢(shì)判斷，進(jìn)行相應(yīng)的投資操作。如果判斷是趨勢(shì)向上則做多，如果判斷趨勢(shì)向下則做空，如果判斷趨勢(shì)盤整，則進(jìn)行高拋低吸。這種方式的優(yōu)點(diǎn)是收益率高，缺點(diǎn)是風(fēng)險(xiǎn)大。一旦判斷錯(cuò)誤則可能遭受重大損失。所以趨勢(shì)型投資方法適合于風(fēng)險(xiǎn)承受度比較高的投資者，在承擔(dān)大風(fēng)險(xiǎn)的情況下，也會(huì)有機(jī)會(huì)獲得高額收益。

b.波動(dòng)率判斷型量化投資策略

判斷波動(dòng)率型投資方法，本質(zhì)上是試圖消除系統(tǒng)性風(fēng)險(xiǎn)，賺取穩(wěn)健的收益。這種方法的主要投資方式是套利，即對(duì)一個(gè)或者N個(gè)品種，進(jìn)行買入同時(shí)并賣出另外一個(gè)或N個(gè)品種的操作，這也叫做對(duì)沖交易。這種方法無論在大盤哪個(gè)方向波動(dòng)，向上也好，向下也好，都可以獲得一個(gè)比較穩(wěn)定的收益。在牛市中，這種方法收益率不會(huì)超越基準(zhǔn)，但是在熊市中，它可以避免大的損失，還能有一些不錯(cuò)的收益。

股指期貨套利是在股票和股指期貨之間的對(duì)沖操作，商品期貨是在不同的期貨品種之間，統(tǒng)計(jì)套利是在有相關(guān)性的品種之間，期權(quán)套利則是在看漲看跌期權(quán)之間的對(duì)沖。

看過“如何觀看股票走勢(shì)”的人還看了：

1.如何看股票走勢(shì)圖視頻

2.怎么看懂股票走勢(shì)圖

3.怎么根據(jù)大盤走勢(shì)看個(gè)股