金融投资量化方法

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篇金融投资量化方法范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

金融投资量化方法范文第1篇

【关键词】量化投资；阿尔法策略；期货策略；做市商策略

一、背景介绍

量化投资是金融领域相对前沿的一门学科，它强调将数学、物理、统计、计算机等数量的方法与投资结合赚取收益。在国外，量化投资已经有几十年的发展历史，但是在国内由于市场因素等方方面面的限制，该领域处于朝阳期，发展的机会巨大。目前狭义的量化投资包括追求股票中性收益的阿尔法对冲策略，追求高收益的期货策略（包括股指期货和商品期货策略），以及在国内市场尚未成型的做市场策略等。

二、量化投资理论阐述

（一）经典量化投资理论

阿尔法对冲策略的理论模型来自于CAPM模型以及APT模型，其基本思想就是选出具有正阿尔法收益的股票：将来自市场的贝塔风险对冲，最终获取阿尔法收益。具有阿尔法收益的股票在生活中随处可见，在大牛市中，如果前期涨的比较好的股票在之后也会有很好地表现，这样的股票具有动量因子；在超跌的行情中，前期跌的过于凶猛的股票在后期有比较好的表现，这样的股票具有反转因子；诺比尔经济学奖得主法玛和弗兰奇曾经发现小市值成长因子具有显著超额收益，并提出了著名的法玛弗兰奇三因子模型。阿尔法策略的核心一方面在于选取合适的数学模型，另一方面在于从投资的经验中寻找能够带来超额收益的因子。

阿尔法对冲策略在大牛市当中不及股票纯多头策略。以2015年上半年大牛市为例，阿尔法策略基本跑不赢指数；反之，一些比较抢眼的股票纯多头策略取得了100%以上的收益。但是在接下来的几次黑天鹅事件中，股票纯多头产品纷纷清盘，其中不乏一些大牛；但是比较稳定的阿尔法产品在市场大跌时净值依然在稳步上升。目前阿尔法对冲策略的压力来自于两方面，一方面由于投资者对市场的悲观情绪导致股指期货持续贴水，另一方面监管层对于股指期货的限制使得阿尔法策略开发者变得更加谨慎。但是鉴于其科学的方法和可靠的控制风险的能力，阿尔法策略的未来非常光明。目前国内阿尔法对冲策略的顶级私募包括尊嘉资产、宁聚资产、金锝资产等；公募阿尔法的权威包括富国量化基金经理李笑薇女士等。

期货多空策略主要包括股指期货与商品期货策略。期货的T+0的交易机制使得程序交易可以更为方便的进行。最基本的期货策略就是穿越均线策略，例如当期货上穿60分钟均线则认为其上升势头已经形成，进而做多；如果期货下穿60分钟均线，则认为其下降势头已经形成，平多头同时做空头。主观投资者的亏损很大一部分原因来自于交易缺乏纪律性，但是程序化期货成功的克服了交易者的这一行为金融学弊端。最直接的例子仍然是这次股灾，由于股市期货在股灾期间存在着明显的下行趋势，多数成熟的期货多空策略均发现这一下行趋势并多空。股灾期间股指期货多空策略赚得盆满钵满，但是某种程度上程序化交易也加重了市场的趋势效应。目前国内期货策略的顶级私募包括淘利资产、黑翼投资等。

做市场算法在国外是一个高速发展的领域，最为杰出的代表就是西蒙斯的文艺复兴基金。索罗斯、巴菲特为大家所熟知，但是西蒙斯这个名字就要低调得多。在过去十几年，文艺复兴基金获得了年化35%的收益。文艺复兴基金雇用了大量数学、物理、统计学博士，通过机器学习算法等，对市场上的微观交易行为进行细致的分析，以‘薅羊毛’的方式不断吸取收益。我们传统投资者很难捕捉交易当中微观交易结构，但是高频交易者可以从一系列的买卖竞价单中挖掘市场中的交易动态，发觉我们肉眼难以发现的蛛丝马迹。

（二）广义量化投资理论

更为广义的量化金融包括一切基于数量理论对金融市场的研究。万物皆数，学科相通，无数的智慧可以应用于金融市场。股市泡沫对于广大散户而言是一个虚无缥缈的事物，但是物理学中的模型却可以将股票泡沫以一个数量的形式呈现。LPPL模型，就是地球物理系中的对数周期性幂律模型，其创始人Sornette曾多次成功预言股灾的产生；刘淳等将贝叶斯方法应用于股市的变结构研究，并得出具有参考价值的理论：重大金融事件的发生往往会带来股市内在结构的变化；人类的智慧是相通的，现在化学、物理学、生物学、计算机科学、数学等学科的跨学科领域研究已经取得了重大进步，相信在将来金融学这一社会科学领域的学科将会越来越多的出现自然科学的身影。

目前国内金融市场正在逐渐走向大资管时代，越来越多的投资者会通过专业的投资者将资金投入市场。量化投资与传统主动投资乃是武侠中的“剑宗”与“气宗”，两者各有长短。在大资管时代两大流派将会各霸江山。巴菲特般股神将会不断创造着财富神话，西蒙斯般的科学达人们也会不断将人类的智慧充分的应用于金融市场；并且随着市场竞争的加剧，成熟的投资者将管控着更多的财富。未来如何风云剧变？我们拭目以待。

参考文献：

[1]EUGENE，F.“The Cross-Section of Expected Stock Returns.”The Journal of Finance，47.2 （1992）：427-465

[2] Sornette，Didier，Ryan Woodard，and Wei-Xing Zhou.“The 2006C2008 oil bubble：Evidence of speculation，and prediction.”PhysicaA：Statistical Mechanics and its Applications，388.8 （2009）：1571-1576

[3] 刘淳，刘庆，张晗.使用 Bayes 方法识别股市变结构模型[J].清华大学学报：自然科学版，2011，51（2）：245-249

金融投资量化方法范文第2篇

【关键词】量化投资 量化投资策略 资产配置

量化投资是投资者借助计算机信息化建立数学模型，把最新市场数据和相关信息输入到模型中，通过公式计算出投资对象，做出最优投资决策。量化投资不依靠投资者的感觉直觉，不依赖个人判断，而是将其经验利用信息通过模型实现投资理念。同时，投资者期望达到收益和风险的合理配比，利用夏普比率等科学方法控制收益和风险。量化投资者不用每天重复的分析琐碎信息，只需要不断完善这个模型并不断创造新的可以盈利的模型。

二、量化投资策略

（一）量化投资策略分类

量化投资策略，主要包括量化择时策略、统计套利策略、算法交易策略、组合套利策略、高频交易策略等。

（1）量化择时策略是收益率最高的一种交易策略，通过对宏微观指标的量化分析判断未来经济走势并确定买入、卖出或持有，按照高抛低吸原则获得超额收益率。在量化择时策略中，趋势跟踪策略是投资者使用最多的策略。量化择时分析策略包括：趋势跟踪策略、噪音交易策略、理易策略。

（2）统计套利是风险套利的一种，通过对历史数据的统计分析，利用统计学理论，估计相关变量的概率分布，判断规律在未来一段时间内是否继续存在。统计套利策略包括协整策略和配对利差策略、均值回归策略以及多因素回归策略。

（3）算法交易又称为自动交易，主要是研究如何利用各种下单方法，降低冲击成本的交易策略，将一个大额交易通过算法拆分成数个小额交易，以此来减少对市场价格造成冲击，降低交易成本。算法交易策略包括交易量加权平均价格策略、时间加权平均价格策略、盯住盘口测量、执行落差策略、下单路径优选策略。

（4）组合套利策略主要针对期货市场上的跨期、跨市及跨品种套利的交易策略。组合套利策略包括均衡价格策略、套利区间策略、牛市跨期套利、熊市跨期套利等。

（5）高频交易是一种持仓时间短、交易量巨大、交易次数多、单笔收益率低的投资策略，人们从无法利用的极为短暂的市场变化中寻求获利的计算机化交易，依靠快速大量的计算机交易以获取高额稳定的收益。高频交易策略包括流动性回扣交易策略、猎物算法交易策略和自动做市商策略。

如下是量化投资中几种主要的投资交易策略：

（1）趋势跟踪策略。趋势跟踪策略追随大的走势，向上突破重要的压力线可能预示着更大一波的上涨趋势，向下突破重要的支撑线可能预示着更大一波的下跌趋势。趋势跟踪策略试图寻找大趋势的到来，在突破的时候进行相应的建仓或平仓的投资操作来获得超额收益。

趋势型指标进行择时的基本理念是顺势而为，跟踪市场运行趋势。在趋势策略中使用的技术指标是最多的，常用有：移动平均线（MA）、平滑异动移动平均线（MACD）、平均差（DMA）、趋指标（DMI）等。

（2）噪音交易策略。噪声交易是指交易者在缺乏正确信息的情况下进行密集交易的行为。有效市场中噪声只是一个均值为零的随机扰动项，但市场并不总是有效的，市场上有很多异常信息，往往有人能够提前获得这些异常信息，很可能对投资的判断提供重要的价值。噪声交易策略的运用主要是机构投资者通过计算得到市场的噪声交易指数，监测该指数的变化，根据其变化来设计量化交易策略。

（3）协整策略。在统计套利策略中，协整策略是应用最广泛的一种策略。协整套利的主要原理，是找出相关性最好的几组产品，再找出每一组的协整关系，当某一组投资产品的价差偏离到一定程度时建仓，买入被低估的资产、卖出被高估的资产，当价差均衡时获利了结平仓。协整策略包括协整检验、GARCH检验、TARCH检验以及EGARCH检验。

（4）多因素回归策略。多因素回归策略，也是一种被广泛使用的投资策略。这一策略利用影响投资收益的多种选择因素，并根据其与收益的相关性，建立多元回归模型，简化投资组合分析所要求的证券相关系数的输入，这类方法的代表是套利定价模型。

（二）量化投资策略组合

量化投资策略组合综合考虑交易商品、策略类别、策略数量、时间周期因素。量化投资策略组合相比较单一投资策略有以下优势：

（1）策略组合降低了对单一策略的依赖，当单一策略失去竞争力，使用策略组合的方式，可以利用不同产品价格变化、变化幅度、周期等多个方面把握投资机会，在一定程度上保证了稳定的收益率，盈利机会更多；

（2）策略组合可以分散单一策略的交易风险，降低风险，通过策略组合将投资风险分散化，尽可能规避市场风险、策略风险及系统风险等。

三、量化投资资产配置

资产配置是指资产类别选择，即投资组合中各类资产的适当配置及对这些混合资产进行实时管理。量化投资管理打破了传统投资组合的局限，它与量化分析结合，将投资组合作为一个整体，确定组合资产的配置目标和分配比例，深化了资产配置的内涵。

资产配置包括战略资产配置和战术资产配置两大类。战略资产配置是长期资产配置，针对较长时间的市场情况，控制长期投资风险以达到收益最大化。战术性资产配置是依据资产预期收益的短期变化，获取超额收益的机会。因此，战术资产配置是建立在长期战略资产配置过程中的短期分配策略，二者相辅相成。在长期投资活动的战略资产配置下，战术性资产配置利用其积极的灵活的投资机会，适当的配合战略资产配置，获取较高收益。

四、前景展望

在量化投资飞速发展的今天，它己经成为金融市场中不可忽视的一个领域，中国的金融市场在逐步发展及完善，中国的量化投资也会继续发展和前进，随着量化投资方面的加大投入，量化投资的进程加快，中国量化投资的前景无限。

参考文献：

金融投资量化方法范文第3篇

关键词：分析 短线

中图分类号：F832 文献标识码：A 文章编号：1672-3791（2012）09（c）-0252-02

2012年以来，以量化分析技术投资著称的量化基金表现得一枝独秀，逐渐从振荡市中脱颖而出。一季度，上证综指上涨2.88%，同期标准股票型基金平均业绩为0.31%，而按照Wind分类的13只量化基金，其平均业绩为2.92%，五行基金更是取得7.65%的正收益，在亚洲量化基金中排名第一，超越同期上证指数4.77个百分点。

美国私募基金复兴科技公司的第一支纯粹的量化投资基金—— 大奖章基金，从1988年3月成立至2008年的21年里，平均年度净收益高达36%，远远跑赢同期道指年均8.81%的涨幅，比索罗斯、巴菲特同期的业绩高出10%，原因：一是数学家基金经理；二是量化分析技术。

1 基本面分析量化分析是投资机构先后采用的2种投资技术

基本面分析，是分析员和基金经理通常采用研究财务报表，与公司高层会谈，与相关人员荷香业专家讨论等方式，对少数几家公司股票（约10到100只股票）进行非常深入的研究分析，来决定要投资哪些股票以及如何投资。在基本面分析分类中，会根据行业不同，有专员长期跟踪和深入研究其中一个行业，而这几名专员最后则会成投资这个行业的专家。在股票市场成立以来长期采用的较为传统的分析和投资方式就是基本面分析。基本面投资，通过企业内部财务报表的形式，来发现企业的潜在价值，以求企业得到稳定持续的高额收益，一旦买入，长期持有。

量化分析，借助数学、物理学、几何学、心理学甚至仿生学的知识，通过建立模型，进行估值、择时选股。量化分析员和量化基金经理，通常会同时研究全盘数千支股票，分析的方式也可以是基于公司基本面的，但是会强调量化财务指标。量化的指标（又称因子）也可以是其他更有特色的数据。从事量化分析投资的基金经理通常不去上市公司实地调研，而是将精力放在不断完善模型上，量化分析投资的模型是决定投资业绩的关键，投资模型始终处于绝密状态，不同市场设计不同的量化分析投资管理模型，在全球各种市场上进行短线交易。

2 量化分析技术获取超额投资收益之道

在变幻莫测的市场经济中，能否理性思考投资、不受情绪影响，将是成功的关键。而利用计算机的筛选得出的量化分析基金，不受投资中非理性因素影响，使投资更有计划行、纪律性、规律性，基金管理人要做到不贪婪、不恐惧、不放弃，不受情绪影响，以一颗平常心追求利益瘦小。

量化分析，有一套完整、科学的投资体系。严格的纪律性是量化投资明显区别于主动投资的重要特征。在量化分析基金的运作中，主观判断也会出现和量化分析模型相左的情兄，但会坚持量化分析投资的纪律，相信模型判断的长期稳定性，不会盲目去调整改变。与传统偏股型基金不同，量化分析基金采用独特的投资组合管理方式，渐进动态调整基金组合。这样不仅可以顺应瞬息万变的市场，还可以降低个股集中度，平稳投资业绩。因此，这种方式并不会产生传统意义的重仓股，也就大大降低了重仓个股的风险。

量化分析业绩，来自于量化分析模型批量选股的成功率大于失败率。量化分析的模型敏锐的“发觉”了开场环境的转变，自动调高了评估因子、预期因子及市场反转因子的权重，量化分析模型依此逻辑选择的股票大部分取得较好收益，提升了整体业绩。

3 量化分析技术创始人并非经济学家。

量化分析技术并非发端于华尔街，不少人最初并非经济学家，如巴契里耶和布莱克原先是数学家，夏普则从事医学，奥斯伯恩为天文学家，沃金与坎德尔是统计学家，而特雷诺则是数学家兼物理学家。1970年代美国债券市场和股票市场全面崩盘，当时提出用量化分析方法管理投资组合的人是作家彼得·伯恩斯坦。1952年3月发表“投资组合选择”论文、提出现代财务和投资理论最著名远见的马克维茨，以该理论勉强通过博士答辩，到1990年10月，这些人中才有三位获得诺贝尔经济学奖。

2012年，美国伦斯理工学院金融工程硕士李炬澎，依据5000年中国古老的《易经八卦数理》研发立体数量模型分析微观经济，用超高频率政治外交词汇、交易数据、股票期权数据、公司债务数据来做个股分析，用《五行相克相生原理》来分析自然、社会、政治、人文如何影响宏观经济。比如用计算机分析新闻报道中天地雷风水火山泽8中自然天文现象与宏观经济关联程度，使五行基金取得亚洲量化分析投资行业第一名的业绩。

4 量化分析技术应用的载体是计算机软硬件技术的发展

马克维茨的投资组合现代金融理论，提出了风险报酬和效率边界概念，并据此建立了模型，成为奠基之作。托宾随后提出了分离理论，但仍需要利用马克维茨的系统执行高难度的运算，1961年，与马克维茨共同获得1990年诺贝尔奖的夏普用IBM最好的商用电脑，解出含有100只证券的问题也需要33mim。夏普1963年1月提出了“投资组合的简化模型”（单一指数模型），简化模型只用30s。1964年夏普又开发出资本资产定价模型（CAPM），不仅可以作为预测风险和预期回报的工具，还可以衡量投资组合的绩效，以及衍生出在指数型基金、企业财务和企业投资、市场行为和资产评价等多领域的应用和理论创新。1976年，罗斯在CAPM的基础上，提出“套利定价理论”（APT），提供一个方法评估影响股价变化的多种经济因素。布莱克和斯克尔斯提出了“期权定价理论”。莫顿则发明了“跨期的资本资产定价模型”。

5 量化分析应用的关键是基本面分析无法快速精确处理丰富的金融产品和巨大交易量

1970年代以前，华尔街认为投资管理需要天赋、直觉以及独特的驾驭市场的能力，基本面分析师、基金经理可以独力打败市场，而无需依靠那些缺乏灵魂、怪异的数学符号和缥缈虚幻的模型。华尔街对学术界把投资管理的艺术，转化成通篇晦涩难懂的数学方程式一直持有敌意，1970年代初期，美国表现最佳的基金经理人从未听过贝塔值，并认为那些拥有数学和电脑背景的学者只是一群骗子。

量化分析投资不会出现在个人投资者为主的时代。个人投资者既缺乏闲暇的时间，也普遍无此能力。仅有现资理论的建立，及各类模型的完善与推陈出新，并不会直接催生出量化分析投资，它还需要其他几个重要前提条件，比如：机构投资者在市场中占据主导，随着社保基金和共同基金资产的大幅增加，成为市场上的主要机构投资者，专业机构管理大规模资产，需要新的运作方式和金融创新技术，专业的投资管理人有能力和精力专注地研究、运用这些量化分析技术。

1970年代后期的Wells Fargo银行，率先用量化分析技术管理投资组合，投资高股息股票，用较少的风险获得了较大的收益，不用这些模型，不用电脑运算这些公式，会陷于困境。1980年代以来，面对数不胜数的各类证券产品和期权类产品，以及庞大的成交量，许多复杂的证券定价，必须靠大容量高速运算的电脑来完成。到2007年美国股市近一半的机构基金都是由量化模型来管理的。从2000年初到2007年全球量化分析基金市场连续8年表现远远超过其他投资方式。

6 量化分析在应对经济危机和突发经济事件中开拓前进

1987年10月大股灾，当天股市和期货成交量高达令人吃惊的410亿美元，价值瞬间缩水6000亿美元。很多股票直接通过电脑而不是经由交易所交易。一些采用投资组合保险策略的公司，在电脑模式的驱使下，不问价格机械卖出股票。很多交易员清楚这些投资组合会有大单卖出，宁愿走在前面争相出逃，加剧了恐慌。针对整个投资组合而非单个证券，机械式的交易，电脑的自动操作，大量的空单在瞬间涌出，将市场彻底砸垮。

1997年至1998年亚洲金融危机股市暴跌，量化分析投资的算法交易也起到了同样的坏作用。著名的长期资本管理公司，遭遇俄罗斯国债违约这一小概率事件，也陷入破产之境，迫使美联储集华尔街诸多投资银行之力，加以救助。

2007年8月金融危机中，许多量化基金出现巨额损失。其原因主要是几家大型对冲基金大量卖出它们的量化分析基金股票，去弥补其在其他投资方式上的损失。由于很大相同仓位的股票在很短的时间内被廉价卖出，从而加剧了很多投资指标的损失，尤其是价值和动量指标的损失。

2011年即使欧债金融危机发生，量化分析基金也再次表现优异，超过其他投资方式，虽然能否就此再度复兴仍属未知，此一趋势已不可逆转。

7 量化分析技术今后几年全球应用的热点在中国的A股市场

中国金融、资本、股市投资者结构很不合理，A股市场的专业投资机构持有市值的15.6%，而发达市场这一比例大致为70%。更为不合理的是交易结构，A股市场个人投资者持有市值占比26%，但却完成了85%的交易。根据Wind分类，目前我国市场上共有13只量化基金，包含11只普通股票型基金，1只指数基金和1只偏股混合基金。

中国现有的人才和技术都难以支持完全的量化分析投资，在缺乏国际化人才和成熟模型的情况下，经营业绩自然也差强人意。

量化分析今后几年全球热点在中国的A股市场。现在主要发达国家的股市很大程度上由量化基金所控制。为了寻找更高收益的市场，很多大型量化基金也开始大量投资于发展中国家市场，中国的A股市场是今后几年全球量化分析投资热点，所以近年来很多北美和欧洲的高层量化分析基金经理和分析员纷纷到中国大陆、香港和新加坡推广量化投资技术。这是国际国内的金融市场和投资者，都要面对的机会和挑战。

量化分析基金2002年才在中国刚刚起步，到2009年和2010年，才真正进入快速发展期，2010年末量化基金的总规模达到了779亿元。虽然规模有显著提升，但是与国外市场量化分析基金占共同基金总资产16%相比，国内量化分析基金还有非常大的发展空间。

金融投资量化方法范文第4篇

[关键词]国际金融危机；金融生态；量化宽松货币政策

一、引言

2007年7月，以美国第五大投资银行贝尔斯顿被摩根大通收购为标志，美国爆发了次贷危机。2008年9月，以美国第四大投资银行雷曼兄弟的破产倒闭为标志，次贷危机升级成金融危机并迅速波及全球，形成国际金融危机。在金融危机冲击下，美国经济在2007年和2008年连续两年出现衰退，同时伴随着失业率的急剧上升。为应对金融危机，美国首先推出了一项规模达7800亿美元的经济救助计划，此举虽然拯救了濒临严重财务危机的花旗集团、高盛集团、美国国际集团等金融机构和通用汽车、福特汽车等实体企业，但未能抑制经济的衰退和失业率的上升。其后，美国联邦储备银行于2008年3月和2010年11月推出了两轮规模分别为12000亿美元、6000亿美元的量化宽松货币政策。

美国联邦储备银行出台量化宽松货币政策的目标，主要是希冀通过流动性的释放刺激国内消费与投资，并通过国内消费与投资的扩张拉动经济增长和降低失业水平。美国商务部的数据显示，2010年美国的实际GDP增长率为2.8％，这说明量化宽松货币政策实施以来，美国的经济已经显著复苏，但是，美国劳工部的数据却显示，2010年美国的失业率高达9.6％，这说明量化宽松货币政策在治理失业方面是无效的。

关于量化宽松货币政策的研究，王晓雷、刘昊虹(2010)的研究说明，量化宽松货币政策会导致美元贬值，抑制美国的进口、刺激美国的出口，从而改善美国的贸易收支，它能够部分解释量化宽松货币政策下美国经济增长的原因。潘成夫(2009)的研究认为，政府救助与量化宽松货币政策结合能够缓解美国的经济衰退。关于美国的金融生态问题，李石凯的研究认为，金融危机冲击下美国的金融生态显著恶化并引起了一系列后果。关于美国的失业问题，贺伯锋的研究认为，失业率的提升是金融危机冲击后美国经济失衡加剧的必然结果。

本文以金融生态为切入点，研究金融危机冲击下美国金融生态的恶化、金融生态恶化约束下的银行信贷、银行信贷收缩背景下的国内投资与就业的逻辑演进过程，以期说明在量化宽松货币政策的刺激下美国的失业率为什么仍然居高不下，即量化宽松货币政策的就业效应为什么会失灵。

二、金融危机冲击下美国金融生态的恶化

无论是资产规模还是资本实力，美国均是当代全球的领跑者，在长期的市场经济建设和实践中，美国也维持了良好的金融生态。具体表现在：虽然几乎所有的企业和个人都与银行发生极其复杂的金融联系，但由于高昂的违约成本却极少出现违约行为。所以，在美国，维持良好的金融生态并不仅仅是金融监管当局、金融机构的事情，也是所有公民的责任。在良好的金融生态中，美国的金融体系能够很好地运转，金融需求得到了充分的供给。但是，金融危机彻底打破了美国金融生态的平衡，由于资产价格缩水，大量的银行贷款抵押品价值下降，美国的借款人尤其是房贷客户纷纷倒账，不良贷款在银行体系内不断累积，导致大量问题银行的出现，相当多的银行甚至破产倒闭。

美国金融生态恶化的第一个证据是贷款违约率持续且剧烈上升。根据美国联邦储备银行的数据显示，次贷危机前，美国银行体系中的贷款违约率一直都运行在2％以下，即使2001－2002年的新经济泡沫破裂也没有改变银行贷款违约率低位运行的特征。次贷危机成为美国银行贷款违约率运行的拐点，2008年第1季度和第2季度，美国银行体系中的贷款违约率接连突破了3％和4％。金融危机又进一步加快了美国银行体系贷款的恶化速度，2009年第1季度超过5％，第2季度达到了7.9％，第3季度和第4季度都超过了9％，2010年第2季度出现峰值10.2％，2010年第3季度和第4季度虽然略有下降，但仍然维持在接近10％的高位水平。金融危机后美国银行体系贷款违约率的平均水平是金融危机前的五倍。另外一组同样来自FRB的不良贷款冲销率数据是对贷款违约率的补充。在正常情况下，银行没有太多的不良贷款，不良贷款冲销率自然很低，比如，2000－2007年的平均水平不足0.1％，而且绝大部分时期都在0.1％以下。但2008年之后，美国银行体系的不良贷款冲销率显著提升，2008年第1季度已经超过1％，2009年第2季度再超过2％，2010年第4季度仍然高达2.03％。不良贷款冲销率的持续上升，说明美国的银行在尽力消化不良贷款，即使在这一背景下，美国银行体系的贷款违约率仍然还是在快速上升，它更加充分地说明了美国金融生态恶化的严重程度。

第二个能说明美国金融生态严重恶化的证据是银行体系中的问题银行和破产银行的数量。在良好的金融生态下，美国银行体系中问题银行和破产银行数量不大，但金融危机爆发以来，随着金融生态的恶化，贷款违约率高企，不断恶化银行的资产负债表、损益表和现金流量表，众多银行成为问题银行甚至破产倒闭。

在金融生态正常的年份，美国也会有部分银行由于自身经营管理不善成为问题银行，这些银行可以通过成本控制和资产重组走出困境，大多并不一定会破产倒闭。表1显示，在2007年以前，虽然也存在一定数量的问题银行，但破产倒闭的银行数量并不太多。金融危机以来，美国的问题银行数量和破产银行数量都急剧增长。例如，2010年的问题银行有884家，比2000－2006年这7年间的问题银行总数还多；2010年的破产银行数量达到157家，是2000－2006年这7年破产银行总数的5倍。问题的严重性还在于，问题银行和破产银行的数量仍在继续增加，它意味着美国的金融生态并没有得到实质性的改善。由于美国的银行总数在持续减少，比较问题银行占比和破产银行占比更加能够说明美国目前的困境。2000年，美国的商业银行和储蓄银行总数为9904家，问题银行占比为0.95％，破产银行占比为0.07％；2010年，美国的商业银行和储蓄银行总数为7657家，问题银行占比上升到11.5％，是2000年的12倍，破产银行占比为2.1％，是2000年的30倍。

数据显示，量化宽松货币政策没有扭转金融危机造成的银行贷款违约率持续上升的态势，也没有扭转美国问题银行和破产银行不断增加的态势。由此可以得出的结论是，量化宽松货币政策对改善美国的金融生态无效。事实上，量化宽松货币政策是一项纯粹的货币政策，它也许能够解决通货紧缩问题，但却无法解决金融生态问题。在实施量化宽松货币政策两年之后，美国仍然没有走出通货紧缩的困境，说明在恶化的金融生态中，量化宽松货币政策对解决通货紧缩问题也是

无效的。

三、金融生态恶化约束下的银行信贷

在恶劣的金融生态中，美国的银行面临两方面的压力：其一，为避免成为问题银行、破产银行的经营压力，因而对于所有的银行而言，处置不良资产、优化资产结构就成为了银行的首要任务，其工作重心是处理资产存量而不是进行资产扩张。其二，面对持续上升的贷款违约率，一方面，为了防止新的不良贷款的形成，银行必定强化风险管理、提高信贷门槛，因此，金融生态恶化的必然结果是银行信贷规模的收缩，美国的情况正是如此；另一方面，单纯从银行的角度考虑，银行的信贷规模取决于银行的放贷能力和银行的放贷意愿两个因素。量化宽松货币政策下，商业银行获得了中央银行释放的大量流动性，提升了银行的放贷能力，但放贷意愿则由金融市场环境、贷款风险与收益等决定，它与量化宽松货币政策无关，金融生态的优劣与银行的放贷意愿强弱正相关。量化宽松货币政策虽然能够提高银行的放贷能力，但由于不能改善恶化的金融生态，因而不能提升放贷意愿。因此，量化宽松货币政策在总体上不能促使银行扩大信贷规模。

图1描述的是2000－2010年美国银行体系年末贷款余额的变化。2000－2007年的贷款余额年均增量为5837.11亿美元，年均增速为10.95％，考虑到这8年美国的经济增长和就业都没有出现太大的问题，我们有理由假设，这8年美国银行体系信贷的增长就是能够同时满足经济增长和充分就业的信贷供给。基于此，可以对2007年之后能够同时满足经济增长和充分就业要求的银行信贷规模作一个趋势外推预测。第一，按照年均增量进行外推，2008年、2009年和2010年3年的趋势值分别是84897亿美元、90734亿美元和96571亿美元；第二，按照年均增速外推，2008年、2009年和2010年3年的趋势值分别为87717亿美元、97372亿美元和107979亿美元。但是，由于金融危机造成金融生态恶化的影响，2008年美国的银行信贷不仅没有增长，还下降了7.84％；2010年，美国的银行信贷又比2009年收缩了5.58％，进一步扩大了与趋势值的距离。2008年、2009年和2010年3年美国银行体系信贷的实际值为72860亿美元、78060亿美元和73760亿美元，仅是按年均增量测算得到趋势值的85.82％、86.10％和86.38％，是按年均增速测算得到趋势值的83.06％、80.20％和68.31％。

也许有人会认为，美国银行体系信贷规模的收缩是由于美国银行体系资产规模的收缩所致，因为量化宽松货币政策并不能扩张银行体系的资产规模，而只能调整银行体系的资产结构，如果金融危机已经导致美国银行体系资产规模的大幅收缩，那么，银行信贷规模的收缩也就顺理成章。表2说明，金融危机确实对美国银行体系的资产规模产生了一定的冲击，但冲击力度并没有人们想像的那么严重。美国联邦储备银行的数据显示，美国银行产业的总资产在2008年仍然维持了以往的增长惯性，增速达到9.2％，2009年才开始出现一定的萎缩，增速为一5.8％，2010年的增速为-2.9％。表2中的分类数据说明，对就业拉动能力最强的商业和工业贷款现了急剧的下降，远远超过总资产的减幅，如果说总资产的下降也是商业和工业贷款下降的一个解释变量，那它最多也只能解释商业和工业贷款下降的三分之一。值得注意的是，即使总资产在收缩，证券资产却在快速增长，2009年和2010年的增速分别达到7.7％和6.4％，这说明，在金融生态恶化的背景下，银行选择将资产配置在证券资产而放弃信贷资产。

美国联邦储备银行推出量化宽松货币政策的目标，是试图通过收购长期债券向银行体系释放流动性，并希望银行体系将联邦储备银行释放的流动性配置到能够拉动经济增长和降低失业水平的信贷类金融资产。但实际运行的结果应该令量化宽松货币政策的设计者和实施者失望，量化宽松货币政策释放的流动性仍然被银行配置到证券资产。由于信贷类资产和其他类型资产都在减少，所以，证券类资产的份额不是在降低而是在提高，或者说，美国联邦储备银行通过量化宽松货币政策释放的流动性，被商业银行主要用于增持证券资产，实际上流动性又回到了中央银行。

四、银行信贷收缩背景下的国内投资与就业

彭建刚的研究显示，虽然美国的资本市场相当发达，但美国企业的融资仍然有超过三分之二的份额来源于银行贷款。在金融危机冲击下，美国资本市场的融资功能基本瘫痪，银行信贷在美国国内投资中的作用更加凸显。美国联邦储备银行试图通过量化宽松货币政策的实施拉动国内投资，这也正是考虑到银行信贷在国内投资中的巨大作用而使然。本文的第三部分已经说明，量化宽松货币政策下美国联邦储备银行释放的流动性并没有形成银行信贷，由此导致美国的国内投资也没有出现预期的扩张。图2显示，2000年美国的国内投资是17722亿美元，除2001年和2002年受到新经济泡沫破裂冲击有小幅下降外，之后4年都有增加，到2006年已经达到23272亿美元，2000－2006年6年间年均增量为925亿美元，年均增速达4.65％。我们有理由认为，如果没有金融危机的冲击，美国的国内投资会按照前期的惯性增长，这也是维持就业水平的必要条件。如果按照年均增量惯性增长，2007年、2008年、2009年和2010年美国的国内投资应该分别达到24197亿美元、25122亿美元、26047亿美元和26972亿美元，按照年均增速惯性增长，则应该分别达到24353亿美元、25484亿美元、26668亿美元和27907亿美元。但是，2007年、2008年、2009年和2010年的实际数据分别只有22952亿美元、20967亿美元、15892亿美元和18225亿美元，与金融危机前进行比较，分别只有2006年国内投资规模的98.63％、90.10％、68.29％和78.31％，也分别只是按年均增量测算的相应年份趋势值的94.85％、83.46％、61.01％、67.57％，更只有按年均增速测算的趋势值的94.23％、82.28％、59.59％和65.31％。美国国内投资不足是美国失业率高企的根本原因。

美国商务部经济分析局的国民账户统计数据也为美国经济的无就业增长主要来源于国内投资不足的结论提供了佐证。按照国内生产总值、居民消费、国内投资、净出口和政府开支构成的核算原则，美国商务部经济分析局对美国的国内生产总值进行了分解，2000－2010年的数据如表3所示。

根据表3，我们可以对金融危机前后美国国内生产总值及其构成要素的变化进行对比分析，以期说明金融危机后美国为什么会出现无就业增长。首先，金融危机对美国经济的冲击没有预期和想像的严重。从国内生产总值的数据看，2007年和2008年两年美国国内生产总值还是出现了增长，经济总量真正下降的仅是2009年，2009年的实际GDP增长率为－2.6％，而2010年的增速又恢复到了2.8％。第二，拉动美国经济增长的最大动力的居民消费没有受到金融危机的显

著冲击。由于居民消费具有显著的刚性，金融危机冲击下美国的居民消费并没有太多的萎缩，只有2009年出现1.02％的负增长，2010年的增速又达到3.49％，而且创造了美国居民消费的新纪录。居民消费也成为拉动2010年美国经济增长的主要动力，在该年2.8％的实际GDP增长中，有1.26个百分点来源于居民消费的扩张。第三，美国联邦政府和地方政府都显著地增加了政府开支，这对抑制经济衰退和维持就业水平起到了一定的作用。从绝对规模而言，从2000年到金融危机前的2007年，美国的政府开支年均增加747亿美元，但到2010年，美国的政府开支扩大到30003亿美元，2008－2010年3年的年均增量达到1576亿美元，是金融危机前的两倍；从政府开支占国内生产总值的份额来看，金融危机前一般都在19％以下，但2008年已经达到19.0％，2009年和2010年更是分别达到20.0％和20.6％。第四，无就业增长与净出口项目无关。自20世纪70年代中期出现贸易逆差以来，美国就从来没有摆脱过贸易逆差的困境，贸易逆差也就成为了美国经济运行的常态。由于每年都出现贸易逆差，所以，净出口在美国的国内生产总值构成中一直为负数。不过，长期的负数并没有影响它在某些时候对经济的增长也能做出贡献，而且贸易逆差对于美国经济能够在低通货膨胀、低资本成本下运行起到至关重要的作用。第五，萎缩的国内投资是美国经济无就业增长的主因。在2008年和2009年，国内投资的萎缩都严重地影响了美国的经济增长，按照美国商务部经济分析局的测算，2008年和2009年，国内投资对实际GDP增长的贡献分别是－1.53个百分点和－3.24个百分点。值得注意的是2010年的数据，由于国内投资有所恢复，该年实际GDP增速2.8个百分点中有1.84个百分点来源于国内投资。如果仅仅考察这一个数据，我们似乎不能将2010年美国的无就业增长归咎于国内投资。为什么美国的国内投资增长会与失业率上升同时出现呢?问题的答案在于经济增长和失业率统计方法的差异性。经济增长是按照年度环比核算，只考虑国内投资的增量，在前期已经大幅收缩、基数已经很小的情况下，国内投资的有限扩张能够拉动实际GDP的显著增长。但是，与失业率相关的国内投资却不是国内投资的增量而是国内投资的总规模。我们看到，即使2010年有所恢复，但美国的国内投资仍然停留在非常低的水平，所以它无法降低美国的失业率。

五、简要结论

金融危机恶化了金融生态，金融生态的恶化使得银行收缩信贷，银行信贷的收缩抑制了国内投资，国内投资的收缩导致美国的高失业率，在国内投资不振的背景下，即使实现经济增长，也仅是无就业的经济增长，这就是美国2010年出现无就业增长的基本逻辑。

美国实施量化宽松货币政策的目标是刺激经济增长和降低失业水平，但是，在恶化的金融生态下，美国联邦储备银行通过量化宽松货币政策释放的美元流动性只会滞留在银行体系内，不能形成满足国内投资需求的流动性供给，所以，美国的国内投资即使有量化宽松货币政策的强烈刺激也没有出现美国联邦储备银行预期的扩张，失业率也就自然不会降低。因此，在金融生态持续恶化的背景下，量化宽松货币政策虽然可能促进经济复苏，但不可能降低失业水平，量化宽松货币政策的就业效应无法实现。

如果美国要实现有就业的经济增长，就必须放弃对量化宽松货币政策的过度依赖，而应从强化信用管理、优化金融环境人手，建立一个良好的金融生态。我们有理由相信，在良好的金融生态下，即使没有量化宽松货币政策，银行也有足够的流动性满足国内投资需求，经济增长能够持续，所以失业率水平也会下降。

金融投资量化方法范文第5篇

定量投资在海外已有30多年的发展史,通过在对市场认知和理解的基础上,提炼出能够产生长期稳定超额收益的投资思想,并用历史数据验证其思想的正确性,其投资业绩稳定且市场规模和份额不断扩大,得到越来越多投资者的认可。定量投资主要根据各种数量模型进行投资决策,在模型中通过具体指标、参数的设计反映和实现投资理念及策略,通过模型不带任何情绪地跟踪和分析市场,以实现较稳定地获得超额收益的目的。其理论依据是:价格变动模式能被历史数据发现和揭示,并能由统计技术描述和分析,收益与风险相关程度的变化是连续的,收益、风险、相关性及时间框架的模型是可预测的。

定量投资的思想和方法在量化投资基金中得到广泛的应用。量化投资基金利用数学、统计学、信息技术等定量投资方法来管理投资组合,通过数理统计分析,选择未来回报可能超越基准的证券进行投资,以期获取超越指数基金的收益。

定量投资伴随金融理论、数学模型、计算机技术的发展而兴起,布莱克、夏普等金融经济学家建立的数量模型和总结的研究成果为现代金融定量分析的发展奠定了基础,应用随机过程等数学理论的发展和完善扩充了定量分析的数学工具,硬件设施、软件开发、数据整理和分析等计算机技术的迅猛发展极大降低了定量分析的难度和工作量。首只量化基金成立于上世纪70年代,该类基金在90年代到21世纪初快速成长。最近几年,量化基金良好的业绩表现和相对低廉的管理费用吸引了越来越多投资者的关注。尤其是量化基金中的佼佼者,业绩表现非常突出。定量投资的创始人之一詹姆斯·西蒙斯管理的大奖章基金,自1988年成立后年均回报率达到38.5%,收益率水平远超过巴菲特20%的年平均收益率,使其成为20年内最赚钱的基金经理。如今,定量投资在国外成熟市场上已经成为相当流行的一种投资方式。

与传统基金相比,量化基金具有其独特的优势:量化基金兼具人脑和电脑双重优势,主要依据模型做出投资决策,依靠数据指标进行综合分析和选择股票等各类资产,避免基金经理的情绪和主观决策的干扰;量化基金系统性强,具有多层次、多角度、多数据的资产配置方法,依次在大类资产配置、行业选择、精选个股三个层次上设定相应模型,从经济周期、市场结构、盈利能力等多角度判断资产的投资价值,通过计算机技术快速准确地分析成千上万的上市公司信息,借助程序化的计算机模型,通过精细化的投资运作跟踪和发现大量人力不及的投资机会,弥补基金经理精力和处理信息能力的局限。

在中国市场,量化基金起步较晚。自2004年首只量化基金光大保德信量化基金推出以来,国内量化基金经历了7年的发展历程。定量投资所具备的及时快速跟踪市场变化等诸多优势,正日益获得中国投资者的认同。今年量化基金表现良好,截至4月6日,9只具有完整业绩的主动型量化基金平均收益率为0.64%,超越同期股票型基金和混合型基金-1.39%、-3.08%的净值增长率。但由于现今国内金融市场尚不成熟,量化基金难以找到稳定有效的量化模型,金融衍生工具的品种和数量不足,量化模型因投资工具缺乏未能充分发挥自身的优势和特性。另一方面,国内的量化基金还处于起步阶段,运用的模型有同质化倾向,且大部分量化基金在择时、行业配置和资金管理等方面,并没有采用量化模型,更多依靠基金经理的主观判断,这在很大程度上无法体现出模型选股优势。不过,随着国内金融市场的日趋成熟及金融衍生产品的陆续推出,以及金融工程理论和技术的不断发展,获取和处理信息优势将变得日益重要,量化基金的运作有望渐入佳境,基金对定量投资的运用将成为趋势。因此,加强对量化基金的重视、研究、开发及培养储备金融工程人才显得尤为必要。

2、基金家族与溢出效应

基金家族(FundFamily)是同一基金管理公司发行并管理的全部基金的总称。虽然基金家族在我国出现较晚且针对基金家族的研究文献较少,但随着我国证券投资基金的蓬勃发展,基金家族及与其相关的利益输送、明星基金溢出效应等问题逐渐成为基金行业的焦点。

基金家族中的每只基金不是独立的实体,其资源配置受到整个基金家族的影响。从整体利益出发,有限资源可能不均衡分配到各只基金,特别是整个基金家族的利益与单只基金的利益存在冲突时,基金管理公司倾向于牺牲某些基金的利益。国外学者Chevalier&Ellison（1997）,以及Sirri&Tufano（1998）在研究成果中指出,当前的基金流量与往期的基金业绩存在着凸性关系,即与低于正常收益的负收益引起的资金流出相比,超额正收益产生更多的资金流入。这意味着当基金家族面临两种选择即拥有两只表现一般的基金和拥有一只表现优秀的基金加上另一只表现较差的基金时,在最大化管理资产及管理费收入的目标驱使下,其更偏好于后者。在所拥有的基金中,基金家族更加重视当前业绩良好的基金,并将有限资源的更多部分配置于该类资金,甚至以牺牲表现较差的基金利益为代价,从而获得更多资金流入并多提管理费。

同时,国内外学者在研究中均发现,基金家族中的明星基金会给同一家族内的其他基金带来较强的溢出效应。该溢出效应是指单个基金的业绩表现、媒体曝光率等会影响到同一基金家族内的其他基金,继而使投资者对家族内其他基金申购和赎回的选择也发生改变。这种溢出效应的存在使大量资金流入明星基金的同时,也将流入同一基金家族的其他基金。

此种现象可由以下几点原因解释:首先,从投资者角度出发,根据行为金融学理论,投资者搜集和处理信息的精力和能力有限,在现实经济环境中高度关注显著信息而忽视隐晦信息是其有限注意能力的最直接表现,故投资者经常将注意力集中在基金家族中某些表现突出的基金上,却忽视其他基金的相关信息,对同一家族内的其他基金产生认同感而选择申购,因而产生基金的溢出效应。另一方面,投资者在选择基金时往往受到锚定效应的影响。所谓锚定效应,指人们在做决策时,会受到最初得到的信息制约,不自觉对最初信息给予过多重视。投资者容易对明星基金已实现的业绩产生锚定效应,认为其未来的业绩将接近或达到现有水平,从而把资金投入到明星基金中,甚至因认为明星基金所在基金家族中的其他基金也有能力创造优良业绩而对非明星基金也产生锚定效应,增加基金家族的整体基金流量。第二,该现象与基金品牌效应有关。表现优秀的基金受媒体关注程度和曝光率较高,其所属基金家族也经常出现在媒体上,从而使基金管理公司的品牌形象深入人心,增强投资者的认同感并增加基金家族的现金流入。第三,从基金管理角度看,基金家族的投资管理理念会影响家族内的所有基金,各基金间存在着资源共享的情况且其经营成果可能存在较高的同质性,一方面使同一基金家族内的基金表现可能产生关联,另一方面投资者因认为同一基金家族内的基金表现可能较一致而投资其他基金。基于以上分析,明星基金所属的基金家族不一定将有限的资源同等投入到旗下的其他基金,其他基金也不一定有能力创造出明星基金实现的优良业绩。投资者做决策前,应注意和分析此种现象,避免所选基金的业绩与预期产生较大的差距。此外,基金家族对某些基金停止投资者申购的问题也值得关注,其通常宣称基金规模过大容易导致基金运行无效率,停止某只基金申购是为了保护该只基金的业绩。但一些学者研究发现,虽然基金家族更可能对业绩良好、规模较大的基金停止申购,但无充分证据表明停止申购能保护基金业绩。基金家族停止某只基金申购有可能是为了通过传达其优良业绩的信号,引起投资者关注并投资家族内的其他基金。因此,投资者不应盲目对基金家族停止某些基金申购的消息做出过度反应。

3、开放式基金赎回异象

开放式基金是指基金规模并不固定可以随时增减变动,投资者可以随时申购和赎回的证券投资基金。自2001年在我国出现后,开放式基金发展迅速,其份额规模已经远超封闭式基金,占全部基金份额规模的比例已经超过95%,成为我国证券投资基金的主体。理论上基金业绩越优良越能吸引投资者参与申购,有助于扩大基金规模和提高基金管理者的管理费收入,若基金表现不尽人意,投资者更可能选择赎回基金份额,导致基金规模缩小。开放式基金的赎回机制有利于激励基金管理公司尽职尽责地管理和运作基金资产,通过其业绩与基金流量的正相关关系发挥“优胜劣汰”的基金生存机制。然而,历史和研究证明,我国开放式基金的资金流入与基金业绩并不存在正相关关系。相反,表现优秀的基金更可能被投资者赎回,基金净值增长率与赎回率正相关,而业绩较差的基金赎回率却较低,形成我国的开放式基金赎回异象,导致优胜劣汰的竞争机制得不到有效发挥。开放式基金赎回异象增大基金管理公司对基金的投资管理难度并增加基金的流动性风险。目前中国证券市场缺乏足够的金融衍生工具,开放式基金大量赎回可能使基金管理公司不得不大量抛售股票等资产,在降低基金净值的同时对证券市场产生不利冲击,形成恶性循环。因此分析现阶段开放式基金赎回异象的原因和投资者赎回的行为尤为必要。