量化投资策略分析

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇量化投资策略分析范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

量化投资策略分析范文第1篇

量化投资策略就是利用量化的方法，进行金融市场的分析、判断和交易的策略、算法的总称。

量化投资策略类型包括：

1、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。

2、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。

（来源：文章屋网 ）

量化投资策略分析范文第2篇

保险资产管理的历史演变

保险业的转型发展蕴含了保险从非金融到金融的属性转变。保险业转型与金融市场的发展、监管环境的变革带来了保险资产管理的大发展。

国内保险业务从1980年开始恢复,当时保险资金运用的主要渠道是由人民银行批给贷款额度。90年代初期,保险办“三产”成为当时特定时代背景下保险资金运用的显着特点。1995年《保险法》颁布,保险资金运用有了明确的法律规定,严格限定在银行存款、购买国债、金融债和国务院批准的其他形式的投资。2003年,经国务院同意,保监会做出重大战略部署,在保险业组建了首批保险资产管理公司,通过资产管理公司集中化、专业化管理,逐步形成了承保业务与资产管理业务双轮驱动的格局,将行业从单纯的保险业务发展领入了资产负债协调发展的新历史阶段。此后保险资金投资范围不断扩大,保险资金运用相关的工具、渠道、机构、队伍、制度、风险防范及投资收益都获得了重大突破。

保险资产管理的不断发展,为保险资产管理服务实体经济、优化资产组合、提升投资收益、适应保险业转型发展的需要起到了十分积极的作用。随着监管政策的放开,保险资产管理还将出现重大的转型,从单纯的账户管理转向账户管理与产品管理并举,从单纯的管理内部资金转向管理内部资金与第三方资金并举,从被[:请记住我站域名/]动的负债驱动转向资产负债管理,从行业内竞争转向金融业跨界竞争,多元化、国际化将成为保险资产配置的新趋势。

保险资产管理的理论依据

现代资产组合理论是包括保险公司在内的各类机构投资者投资配置的重要理论依据。保险资产管理采用的专业技术及可以作为资产配置的大类资产类别与其他资产管理并无本质差别,这是保险资产管理的普遍性。保险资产管理的特殊性源于保险负债的特殊性。保险资金负债的性质、成本既不同于银行,也不同于信托、基金或证券。负债的特殊性决定了保险监管政策的差异性和资产配置的独特性。为更加有效地、全面地管理风险、覆盖成本,保险公司开发了资产负债管理模型(ALM),协调投资策略和产品设计、定价之间的关系,这是保险公司投资的另一重要理论依据。

与其它机构投资者相比,保险投资关注资金的安全性和流动性,投资风格更加稳健。一方面,保险业绝大部分资金都来自于保费计提的准备金,是带有给付与赔偿义务的有成本资金。对于大部分保险产品而言,投资风险基本由保险公司承担。另一方面,保险公司还面临着监管政策的硬约束,包括资产配置的比例限制、公允价值计价的会计准则、以风险为基础的偿付能力监管体系等,这与其它机构投资者面临的情况有很大不同。这些约束条件的设定,体现了保险公司强化投资风险管控背后的监管意图。

保险资金配置的国际比较

以美国为例,美国是全球最大的保险市场,寿险产品占据全部保险业可投资资产的约70%,并按账户划分为独立账户和一般账户。一般寿险产品(约为寿险资产总规模的70%)除保险保障要求外,部分产品(比如有最低投资回报承诺的产品)还需要满足最低收益目标,对投资标的安全性要求较高。这部分资金划归到一般账户,资产配置比例由保险公司决定,同时接受监管机构的投资比例限制。

美国保险公司对一般账户大都采取比较保守投资策略,80%以上的资产配置固定收益产品,其中超过70%的资金配置债券,10%左右配置抵押贷款。2008年金融危机后,权益资产配置比例控制在3%以内(2011年为2.3%),即便在股票市场牛市的2007年,股票配置的峰值也仅有4.7%。

全球第二大保险市场的日本的情况与美国类似。日本寿险业将绝大部分资产配置在固定收益产品,其中65%以上的资产配置债券,贷款投资占比15%左右,权益投资的比重已经下降到6%。

会计准则及偿付能力对保险资产管理的影响

如前所述,保险资产管理必须充分考虑会计准则及偿付能力监管规则的影响,这是其区别于一般资产管理的重要特征。

首先是会计准则的影响。一般资产管理(例如基金投资、企业年金投资)主要关注于资产组合的市值增长,市值增减变动直接反映为当期业绩,因此会计核算相对简单。而保险资产管理需要从保险公司整体目标出发,基于资产负债匹配的要求,统筹考虑资产的价值和收益,这就与金融工具会计准则产生了密切联系。

具体而言,在会计准则的框架下,保险资产管理必须考虑三大问题。一是分类。现行准则对金融工具采用“四分类”方法,一旦选定不能轻易更改。因此,必须充分考虑不同分类下资产价值、收益的计量方式、与负债的匹配度,以及对后续交易的限制,合理确定投资目的和会计分类。二是估值。公允价值计量是现行准则的一个重要计量属性,但其内在的顺周期效应也受到各方质疑。

此外,在非有效市场中资产如何估值,也是非常复杂的技术问题。三是减值。近年来金融资产减值对保险公司业绩的影响很大。尽管各公司减值标准不同,结果缺乏可比性,但都应该加强对减值的监测和主动管理,努力降低对公司业绩的影响。

其次是偿付能力监管的影响。通常情况下,资产管理主要关注于资产本身的收益,不会受到资产委托方的其他限制或约束。而保险资产管理则会受到来自保险公司的诸多约束,偿付能力监管就是其中非常重要的一项。

在我国现行偿付能力编报体系中,投资资产会从两个方面对偿付能力产生影响:一是高风险、低流动性资产(特别是另类投资)的认可率较低,会降低偿付能力;二是金融资产按公允价值计量,会造成偿付能力的剧烈波动。因此,在开展保险资产管理时,必须将偿付能力作为投资决策的重要依据。对于偿付能力偏紧的公司,要审慎考虑另类投资,并主动加强价格风险、利率风险敞口管理,控制偿付能力波动。在最新的欧盟偿付能力Ⅱ体系中,投资资产形成的市场风险、信用风险已经超过保险风险,成为寿险公司监管资本的主要驱动因素。一旦欧盟偿付能力Ⅱ实施,保险投资理念、风险收益观将会发生重大变化,资产组合

可能面临重大调整。同时,有效的风险管理将会为保险公司创造更大的价值。 保险资产的风险管理

资产管理工作本质上是一项风险管理工作。第一,识别风险。第二,对风险进行合理定价。第三,在合理的定价基础上赚取风险回报。做好资产管理工作,需要看清几个基本问题。有哪些风险?定价有没有反映风险?实现收益背后蕴含了多少风险?哪些风险是我们意料之外的(尾部风险)?

具体工作中,识别风险点,进而对风险大小进行评估,对所识别的风险点开展风险监测,出现风险后及时、正确的风险应对措施和风险报告是保险资产管理的主要流程。保险资产管理主要面临着投资性风险(市场风险、信用风险、流动性风险等)和非投资性风险(操作风险、合规风险等)。

此外,保险资产管理要定期对投资组合的收益情况进行评价,即绩效评估。绩效评估工作需要注意两个方面,一是组合收益率的计算方法,二是比较基准的选择。除了要知道投资业绩的好坏,还需要进行利源分析。这就需要开展绩效归因分析。风险调整后收益的引入有助于进一步掌握投资经理获得的收益是承担了过多的风险还是在相对较低的风险下。资产管理承担了保险行业的大部分利润贡献,行业所面临的风险也由负债端转向了资产端,对投资收益背后所承担风险的考量就非常重要。此外,一定要考虑对权益类的敞口控制问题,权益类的表现好坏会直接影响到保险资产管理的收益。

从价值投资到数量化投资的发展

纵观西方证券投资思想的发展史,在不同的时代背景和市场环境下形成了价值投资理念、技术型投资理念、被动投资理念以及现代数量化投资理念等多种投资理念。其中价值投资理念和现代数量化投资理念都属于主动投资理念,理论较为系统,目前机构投资者大多使用这两种投资理念管理资产。

本杰明·格雷厄姆最早提出了价值投资的思想。之后,菲利普·费雪、约翰·威廉姆斯以及沃伦·巴菲特等价值投资的追随者又从价值评估的范围和方法等方面对格雷厄姆的思想做了进一步的补充和完善。当前,伴随着金融创新的不断发展,价值投资者还活跃在高收益债券、衍生品等多个新兴投资领域中。从实际操作中看,价值投资过程可能面临一些问题:如价格无法恢复的风险、价值回归速度缓慢时投资者容易受到短期业绩压力、信息爆炸使发现投资机会的难度增加以及在大牛市中资金利用率较低等。

通常意义上说,数量化投资可以理解为利用数学模型和计算机技术来设计并实现投资策略的过程。近年来,数量化投资进入了一个蓬勃发展的时期。据路透社报道,2012年对冲基金每获得10美元新投资,就有超过9美元投向了数量化对冲基金。而国内的量化公募基金也已经从2008年的6只增加到了2013年6月的46只。在数量化投资的过程中,投资策略是核心所在,目前的量化投资策略主要可以分为三类:一是择时类策略,如情绪指数择时等;二是择股类策略,如多因子择股等;三是对冲套利类策略,如股票多空对冲、统计套利策略等。从历史来看,

数量化投资能够取得较高的收益,但同时也存在着模型风险。

作为两种在不同时代背景下形成的投资理念,价值投资和数量化投资并没有明显的优劣之分。但是数量化投资在数据处理能力、投资策略多样化以及投资决策理性化、流程化等方面更具优势,并且能取得相对稳定的投资业绩。目前,国内保险资金绝大部分通过价值投资方法进行管理。为更好适应未来投资环境的转变,保险资产管理未来需要实现几个转变。随着未来股指期货、融资融券以及期权等衍生工具的放开,保险资金数量化投资的运用前景会越来越广泛,真正实现投资策略的多元化发展。

中国资本市场有效性与行为金融理论的影响

理性人假设是传统金融学理论的基础。理性个体假定解决了传统金融学理论中个体的认知问题,而期望效用理论则解决了传统金融学中的个体决策问题。在上述基础上,产生了现代资产组合理论和资本资产定价模型。随着认知心理学等相关领域研究的不断发展,认知偏差的存在对于理性人假设提出了挑战。Tversky和Kahneman(1979)提出的着名的前景理论对传统的期望效用理论进行了完善,为现实中许多投资者行为提供了更加合理的解释。在此基础上,行为金融学家纷纷开始发展基于行为金融的资产定价模型和资产组合理论。

量化投资策略分析范文第3篇

近年来，投资领域的众多精英纷纷投身量化投资领域，利用计算机科技并采用一定的数学模型去实现自己的投资理念、投资策略。他们以自己的智慧加数学的方法组成投资策略，设计出自己的赢利模型，来克服交易中人性的弱点，实现稳定的赢利。

不少机构和个人都赢利颇丰，然而从今年8月开始，不少量化投资者都在遇到同一个问题，以前稳定赢利的模型现在开始不灵了，屡屡大幅回撤亏损。

“好奇怪，每一次回撤都打到止损点后，再重新起来，这模型到底怎么了？”渤海证券某分析师告诉记者。

国内如此，国外量化同行也遇到同样的困惑，经常出现很大的回撤。尤其是最近，全球CTA策略都不太景气，很多传统CTA做得比较大的公司，今年都面临倒闭窘境。

倒在反向策略？

2013年11月17日上午，清华大学深圳研究生院报告厅。第四届（2013秋季）中国量化投资国际峰会上，100多位金融界菁英汇聚一堂，交流着量化投资出现的问题。

不少同行都遇到了和渤海证券分析师类似的问题，模型失灵，行情每次回撤都打在止损位后，再重新起来，一次次止损都在亏钱，是模型出了问题吗？

“你的反向策略是如何制定的呢？”在上午的论坛上，台下的提问给嘉宾制造了些许紧张，在量化这个圈子里，大家对模型都是讳莫如深，避而不谈，更何况是反向策略的制定，这位被问嘉宾顾左后而言他，并没有正面回答。

反向策略揭开了近几个月大多数模型亏损的冰山一角。投资界有这样一种说法，投资者都是在赚犯错方钱。显然当量化投资者在逐渐增多时，在市场中这部分人群都在用类似方法，也就有了相同的属性，这时聪明者就针对这部分人群制定出了相应的反向策略，专剪这个人群的羊毛，多数模型失灵也就不足为奇了。

上述提问者没有轻易放弃，又把问题转向了本次论坛的主持人原美国骑士资本董事总经理、高频交易总监明可炜。

“反投资策略的方式我听得很少。现在的问题是很多的量化投资同时进入市场，使得市场的价格实现机制出现了偏差，反策略发现了很多的量化投资策略在做同一件事情的时候，把价格推到了不合理的位置。”如果说主持人上面的回答相对中肯，下面则有意淡化反投资策略。

“犯错误的投资人可以使别的投资人的回报变得更多，但并不是说你要有收益必须是别人犯错误的结果。就像巴菲特说，他买一只股票绝对不是因为这只股票今年便宜点，而是他认为这只股票在未来30年、50年会给他带来很高的利益。我认为量化投资者也不是在寻求别人犯错务的时机，如果是基本面，或者说发现了一个趋势，就可以获得很好的收益，这个时候谁都没有犯错误。”

策略失效另有隐情

反向策略并不是策略模型失效的唯一原因，会场嘉宾各抒己见。

中国量化投资学会理事长丁鹏认为，如果说它是有经济学原理做支撑的策略，它未来一定再次有效。比如说套利策略，平常讲的股指期货套利，它是有经济学原理做支撑的；还有大的趋势性策略，只能抓大牛市或者大熊市的，可能很多年都不会再次有效，像这种策略一旦失效的话，一定要考虑背后的真正驱动因素是什么。

“对于一些趋势策略来讲，它可能是暂时的失效，因为进入趋势振荡阶段，它必然会这样。有一些事件操作的策略，它可能因为事件的消失而长期的失效。”渤海证券金融工程部总经理何翔认为，“对于短期失效的趋势策略，从个人来讲，你要有一个风险容忍度，要清楚能不能坚持这样的策略。”

风控不容忽视

不少的量化交易者，都有过不错的收益，但亏损更甚，原因之一是没有把握住风险控制。会场几位重量级嘉宾畅谈了风控的方法。

“控制风险比收益更重要，控制风险才是投资者最核心的东西。”丁鹏认为，在银行、保险、券商和期货这几大金融行业中，期货的收益应该是最高的，但做期货往往是最穷的；而银行的收益是最低的，银行理财只有5、6个点，但银行是最富的。为什么？因为银行的风控能力是最强的，所以真正的富人敢把钱存在银行，但没人把大钱拿给期货公司玩。通常是把风险控制住之后，靠规模、放大杠杆去赚钱的。

通过多策略的方法降低风险。职业投资人、宽客俱乐部总经理冯正平认为，金融投资的策略体系一定要符合保险学原理。比如你交易200个标的，用了200个策略，其一个标的出了问题，仅影响0.5%。要从这个角度去研发策略、组合策略。

“我们公司对策略风控、模型回撤要求非常严格。” 何翔表示，“我们在策略开发的过程中，特别注重三个方面，一是时间纬度上，要在不同的时间架构上对策略进行分散，有长期、中期、短期，甚至日内的；二是在空间上进行分散；三是在策略的类别上分散，有趋势型策略，也有振荡型策略，多策略使风险最小化。”

算错成本没赢利

张华（化名）是近年从华尔街回来的博士，在国内做了一个阿尔法套利，平均每周交易4次，每次交易扣除交易成本之后可以盈利千分之三，一个月做16次，一年收益率应该是50%。做出来之后，在数据回溯和模拟上都很吻合，但是做进去之后，第一个月亏了，第二个月又亏了，第三个月还是亏损。

“这种情况是没有算清楚冲击成本和交易成本。”上海铸铭投资管理中心总裁张向阳认为，在进行历史数据回溯的时候，他应该是拿一口价格来算账，而那口价格是在买价上成交的还是在卖价上成交的，他是不知道的，只能在卖价上买。这样就形成了误差，导致设计模型时就不能赢利。

好模型如利剑

量化赢利如同一辆好车在路上跑，风险控制如同刹车，计算成本如同估计路况，遇到路况不好时踩刹车放缓速度避免翻车，而好的策略模型则如同油门，路况好时要想跑的快，必须踩油门。

和多数宽客人对自己的模型三缄其口不同，渤海证券金融工程部总经理何翔分享了团队几年来几种模型的赢利情况。“在整个量化策略开发过程中，我们以风控为前提，然后把握一些趋势性的机会，顺势而为，分析市场的行为，做好策略开发的分散，最终严格执行策略，实现了好的收益。”

何翔团队在2010年开发了MT-SVM量化预测模型，结合技术指标、宏观指标，对每个月市场涨跌的情况进行预测。市场本身混沌、非线性的，团队用人工智能的方法，预测每个月上证指数的涨跌，然后得到一个从2001年到现在涨跌方向的预测结果。这是一个比较粗糙的预测方向，给出一个市场方向的大参考。最近的预测是从10月份开始预测市场上涨。用上证指数做一个标的，用这个模型做一个简单的模拟操作，测出来一个净值，预测的效果很好。

另一个是量化定增套利策略。这是何翔和团队在去年年初开发的，他们更关注定向增发前的部分，从董事会预案公告，股东大会公告通过，然后到证监会审核通过，再到定增公告，不同的阶段去分析、统计哪些阶段会有超额收益。基于这样的思路，他们建立了量化定增套利策略模型，年化可以到10%-20%，但是波动也比较大。

最后分享的策略是基于量化均线突破策略——短线交易策略。这个策略用在所有的股票上，分析、识别均线和K线形态，在历史上满足这个形态的样本，就可以满足这个的策略，一般持有1到3天。这个策略效果还不错，只是可容纳的资金有限，如果扩大样本量，还会有比较好的结果的。

何翔对自己团队的策略如数家珍，看得出来，对策略出来的效果巨满意。

明天还能赚钱吗？

随着对量化的熟络，越来越多的投资者进入了这个圈子，“悍马定理”创始人冯正平给这些新的宽客提出了宝贵建议：

原来做主观交易的投资者有盘感、经验、好心态、能够操作大资金，建议他们组建一个团队，和一些做量化投资者结合起来，一起做市场，会少走弯路。

现货投资者，因为原来现货做的好，规模大，拥有丰富的社会资源，基于现货市场的定价机制形成了自己的一些的方式，如果做量化，建议他们先实现程序化，做一些套保或者对冲，无需高深的数学知识也会收入颇丰。

如果是纯量化投资者，因将来的发展趋势会更加智能化，所以要向更复杂的非线性的数据工具倾斜。

对于量化投资的未来发展趋势，丁鹏认为会形成两大流派，一个是策略流派，一个是工具流派。策略流派是开发出各种各样的好策略，发现更多的机会；工具流派是用传统的策略，但工具做得更好、数据更全、效率更高、数据更快。

量化投资策略分析范文第4篇

【关键词】量化对冲；多因子选股；Alpha

一、量化投资与Alpha策略

（一）量化投资的优势

1.出色的数据处理能力

通过计算机建模对历史数据进行分析，能够替代人进行大量繁琐的工作，极大的提高了工作效率。既能够在分析的过程中形成投资策略，又可以建立模拟测试平台对策略进行检验。

2.克服人性弱点

人性本质上的弱点是很多失败投资决策的根源，计算机可以帮助人控制自身的情感，以量化投资的方法进行自动化交易，避免人工操作，也就可以在一定程度上减少人类情感对投资决策的影响。

3.反应迅速

量化投资的自动化交易程序反应十分灵敏，通过计算机对各种信号的快速识别，能够在毫秒内做出反应，这种数量级的反应速度已经足够捕捉目前市场上最短级别的交易机会。

（二）主流Alpha策略

1.动量Alpha，强者恒强的现象在市场中普遍存在，市场表现好的股票能够积累人气，持续上涨趋势容易延续下去，买入涨势好的股票组合，利用股指期货等工具进行对冲。

2.反转Alpha，关注走势最差，短期变现最不好的股票，认为股价跌到一定程度会集聚反转的能量，买入股价跌幅较大、技术形态上超跌的股票，建立对冲头寸。

3.多因子选股Alpha，源于三因子模型，将股票价格的原因分割为不同因子，考察各因子与股价的相关性来设计投资策略，获取因子的超额收益。

二、因子选取及有效性分析

本文Alpha策略主要针对短期反转效应，“地量见地价”是股票市场中的一条重要原则，低股价、小成交量具有明显的反转效应。相对于价值类、成长类因子，规模类因子的短期反转效应更强。因此，本文从规模类因子、动量因子与技术指标类因子中初步选取了9个因子，分别为股价、总市值、日成交量、日换手率、RSI、STOM、ROC、CR、AROON。

（一）数据准备

数据清理共分四步：剔除ST类股票数据；清楚股票异常数据（包括数据库中缺失的股票数据以及停牌股票的日数据）；对股价进行复权处理；因子数据标准化，采用N（0，1）正态标准化处理，标准化后数值越高代表其原始股价越低。

（二）因子评价标准

本文主要从因子的收益能力以及风险程度两方面来检测单个因子的有效性。需要观测的值有：训练集内组合的累计Alpha、胜率、最大回撤、收益回撤比以及将样本分组后的各项数据。

（三）因子的选取

经系统回测后，从各因子年化收益率的排序情况来看，在正向对冲组中，市值、股价、成交量三个因子表现最好，年化收益率均超过了20%，表现最差的三个因子为日换手率、月换手率与CR指标，年化收益率低于10%。

从风险的角度对比各因子的表现，成交量与市值的回撤最大，收益能力强的股价因子的回撤幅度相对也较低，股价因子的表现最为优秀，收益能力居中的RSI、ROC的回撤也在中间水平，而AROON指标的回撤相对其他指标较为优秀。收益能力较低的CR的回撤同样很大，换手率与STOM则表现出低收益低回撤。

对比综合性指标收益回撤比，可以得出9个因子的收益回撤比差异显著，排序从大到小分别为股价、市值、成交量、ROC、RSI、AROON、CR、STOM、换手率，其中各因子的收益能力起到关键性作用。长期投资组合的区间收益回撤比反映的是各因子在长期持续产生超额收益的效应。

综上，依据各因子在整个样本区间的表现，将表现最差的日换手率、STOM与CR指标这三个因子剔除，用剩下的六个因子构成最优因子组合。

三、多因子选股策略检验

（一）多因子Alpha策略要素

本文Alpha策略为短周期持仓；选股的标准为小市值、低股价、低成交量、低RSI、低ROC、低AROON；打分方式分为等权重法与变权重法，变权重打分考察各因子在样本内收益能力与抗风险能力的综合表现，将收益回撤比作为筛选股票时各因子的权重；对冲方式为等市值完全对冲；对冲工具使用沪深300股指期货主力合约。

（二）不同打分方式投资组合样本外表现

等权重组合区间收益140.48%，组合最大回撤为29.08%；变权重组合区间收益211.73%，最大回撤26.78%；同期市场指数涨幅为5.40%，最大回撤43.49%。两种组合方式资金曲线相似。

改变打分权重后，组合在样本外的胜率与盈亏比明显提高，这是收益提高的根本原因，在一定程度上也反映出所选因子真实有效。

本文在对2006至2015年中国证券市场的研究中发现，短期反转Alpha策略真实有效。股价因子的效用最为显著，技术指标类因子的表现没有规模类因子突出，换手率因子效果不佳。在震荡市中Alpha策略最为有效，极端行情下，尤其在暴跌行情中，使用股指期货对冲不掉组合的市场风险，此情况下多因子选股模型阶段性失效。

参考文献：

量化投资策略分析范文第5篇

>> QFII在中国A股市场交易策略的实证研究 A股寻求20日均线支撑 16家券商集中推荐招商蛇口 中国A股主板市场PEAD实证研究 切线在均线系统中的应用研究 捕捉牛股:均线共振 GARP量化选股策略在A股市场中的应用 A股交易时间太短 资源冗余对企业绩效的影响:基于沪深A股的实证研究 A股发行公司IPO前盈余管理与IPO后经营业绩的实证研究 女性董事与盈余管理：来自深交所A股上市公司的实证研究 H股回归对A股市场流动性和波动性的影响：实证研究 基于价值投资的Piotroski选股策略实证研究 买入并持有策略在A股失灵? 股票均线几种特性在预示后市中的作用研究 金融危机背景下QFII在A股市场中的交易策略及对投资绩效影响研究 金融危机后上证A股银行股的CAPM模型实证分析 基于R语言的均线量化策略分析 A股中期策略 转型期下的A股投资策略 均线在趋势下的实战应用分析 常见问题解答 当前所在位置：，2015- 04-0516：32。

③互动百科.凯利公式[Z].http：///wiki/%E5%87%AF%E5%88%A9%E5%85%AC%E5%BC%8F，2016-03-03。

参考文献

[1]邱捷铭.均线交叉策略的另类创新研究[R].2015.7.16.

[2]周铭山，冯新力，林靓，方旭S，周开国.A股市场均线策略有效性与收益率随机特征研究[J].证券市场导报，2013（01）.

[3]罗然.关于移动平均线交易策略的研究[J].四川经济管理学院学报，2010（04）.

[4]徐鹏.移动平均线交易规则的实证分析[J].江西金融职工大学学报，2008（04）.

[5]罗然.对移动平均线投资策略的分析――基于石油行业个股历史数据的实证研究[J].呼伦贝尔学院学报，2010（05）.

[6]吴亚军，惠晓峰.基于均线交易系统的非特定时间动态VaR研究[J].运筹与管理，2013（06）.

[7]董大勇.均线指标组合下的上证指数收益实证分析[J].孝感职业技术学院学报，2003（01）.

[8]（美）罗伯特・D・爱德华（RobertD.Edwards），（美）约翰・迈吉（JohnMagee）著，程鹏等译.股市趋势技术分析[M].中国发展出版社，2004.