《量化投资》(综述)100202

合集下载

量化投资的基础理论与实践

量化投资的基础理论与实践

量化投资的基础理论与实践随着科技的不断进步,量化投资逐渐成为了投资界的新热点。

那么,什么是量化投资呢?简单来说,量化投资是基于计算机程序的投资策略,它通过对数据的分析和模型的建立,以实现投资组合的构建和交易决策的制定。

与传统的人为投资策略相比,量化投资具有自动化、高效率、低成本、对市场观察力强等优点,成为了越来越多的机构投资者和个人投资者的选择。

一、量化投资的基础理论1.1 随机漫步理论随机漫步是量化投资的一个核心理论基础。

它认为市场价格存在随机波动,价格变化是无规律的,因此预测股价的走势是困难的。

但是,随机漫步理论同时也指出,价格在长期上仍会呈现出一种趋势性,即大多数时间里价格会向着一个方向运动,而不是毫无规律地波动。

基于随机漫步理论,投资者可以通过持有长期走势良好的股票,获取更高的回报。

1.2 市场有效性理论市场有效性理论认为市场价格反映了所有可用的信息,所以任何个体无法使用信息上的差异获得超额收益。

该理论强调了市场的信息效率,如果市场信息足够完备和有效,那么股票价格总是处于正确的价值水平上,并且未来的价格难以预测。

但是,一些学者认为,市场存在暂时的异离点,部分投资者可能无法及时获取信息,使得市场价格未能及时反应信息,因此能够利用市场的有效性获得超额收益。

1.3 资本资产定价模型资本资产定价模型(CAPM)是衡量市场系统性风险的一种方法,它将资产的预期收益率与市场整体的风险相关性联系起来。

该模型认为,个体资产的预期收益率由风险无关的基本收益率和风险溢价两个因素决定。

基本收益率是所有未来投资收益的平均值,而风险溢价则由个体资产的系统性风险水平决定。

CAPM模型还强调了个体资产的风险被划分为无风险利率和系统性风险两个部分。

二、量化投资的实践2.1 数据收集与预处理量化投资的核心是对数据的分析,因此数据的收集和预处理至关重要。

数据包括公司财务报表、行业数据、宏观数据等,它们需要进行清洗、整合和有效性检验等操作,确保数据能够被计算机程序识别并且是准确可信的。

量化投资分析报告

量化投资分析报告

1.概述背景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。

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,结合建行现有的业务体系,本文将对量化投资的市场和可行性进行全面阐述,以分析其成为新业务模式的可能。

量化投资解读量化投资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:量化投资是借助现代统计学和数学的方法,利用计算机技术从庞大的历史数据中海选出能带来超额收益的多种“大概率”事件以制定策略,用数量模型验证及固化这些规律和策略,然后严格执行已固化的量化策略来指导投资,以求获取可持续的、稳定且高于市场平均的超额回报。

量化投资的特点客观执行,避免情绪因素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。

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。

支持大数据处理,提高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,大大减少了人工工作量,提高了投资决策效率。

量化投资ppt课件

量化投资ppt课件
-7% -4% -1% 2% 5% 8% 11% 14% 17% 20% 23% 26% 29% 32% 35% 38%
50% 40% 30% 20% 10%
0% -10% -20% -30% -40% -50%
收益曲线比较:股票 vs Straddle
股票价格变化
股票 Straddle
量化投资策略
Renaissance Technology, 管理资产超过150亿 美元,总部位于纽约长岛,主基金Medallion, 17年年化收益35%
主要市场参与者与产品
几个著名的量化对冲基金产品表现
第21页
国内市场现状
规模占管理资产不到2%
公募15支量化基金,超过200亿管理资产 券商集合理财10支 私募量化基金20多支
需要借助复杂的数学模型。特征过于复杂,不够透明 ,难以被普通投资者理解。
实际应用:
• 期权、奇异期权 • 信用衍生品(CDS等) • 利率掉期(IRS)、货币互换(Swap) • 结构性产品(ABS、CDO)
量化投资策略
一个例子,使用期权组合构造收益
资本收益 -40% -37% -34% -31% -28% -25% -22% -19% -16% -13% -10%
Litterman、Rosenberg Barra、李祥林(David Li)
什么是量化投资
和量化投资有关的故事
量化投资策略
常见的量化投资策略
套利 多因子模型 高频交易 统计套利 衍生品、结构性产品 事件驱动
量化投资策略
套利类策略
利用价格与真实价值之间暂时的背离获取收益 理论上无风险,实际中风险很低,收益取决于套利机
量化投资关注的领域

1,量化投资简介

1,量化投资简介
量化投资基础知识
DMC 量化投资小组
2017.4.21
量化投资简介
1、量化投资:借助现代统计学、数学的方法,从海量历史大数据中寻找能够带来股票上
涨的多种“大概率”策略和规律,并在此基础上,综合归纳成因子和模型程序,最终纪律严明地按 照这些数量化模型组合来进行独立投资,力求取得稳定的、可持续的、高于平均的超额回报。
量化投资简介
Байду номын сангаас
大话主动管理、量化投资
股价的影响因素
参考文献
[1] Josef Lakonishok, Bhaskaran Swaminathan. Quantitative vs. Fundamental Analysis in Institutional Money Management: Where’s the Beef? The Journal of Investing. 2009, 18(4):42-52
2.、量化投资的主要内容包括:量化选股、量化择时、期货套利、期权套利、
ETF/LOF套利、高频交易等
3、量化投资的基础知识包括:数据挖掘、小波分析、模式识别、随机过程、时
间序列分析等。
量化投资的核心部分是投资组合的构建和模型执行。其中,投资组合构建包括收益率溢价模 型,风险控制模型和择时交易模型。在构建了一个投资组合策略之后,需要基于理论假设或者是 数据来进来调整。

量化投资_从行为金融到高频交易

量化投资_从行为金融到高频交易

量化投资:从行为金融到高频交易量化投资:从行为金融到高频交易导读:量化投资是指通过运用数学模型和计算机算法进行投资决策的方法,近年来迅速崛起并成为金融市场的热门领域。

本文将从行为金融的角度出发,阐述量化投资的基本原理和方法,并探讨了量化投资与高频交易的关系。

一、行为金融与量化投资行为金融是指研究金融市场参与者的行为偏差和心理因素对市场价格和波动的影响的学科。

在传统金融理论中,假设市场参与者是理性的,但行为金融学研究发现,市场参与者的决策并非完全理性,而受情绪、认知偏差和社会因素等多种因素的影响。

量化投资从行为金融中汲取了重要的启示。

基于行为金融学的理论,投资者可以利用市场参与者情绪和认知偏差的规律,通过建立数学模型和计算机算法,寻找投资机会并制定投资策略。

量化投资的核心思想在于根据历史数据和市场规律,预测未来的价格变动,从而进行投资决策。

二、量化投资的基本原理量化投资的基本原理是基于历史数据和数学模型寻找市场的规律,并根据这些规律制定投资策略。

首先,量化投资者需要收集大量的历史数据,包括股票价格、交易量、财务数据等。

然后,通过统计和数学模型分析这些数据,识别出市场的规律和非理性行为。

量化投资者通常采用的一种常见的策略是趋势跟踪,即根据价格变动的趋势进行买卖决策。

该策略认为,市场有惯性,价格的上升或下跌趋势会延续一段时间。

因此,量化投资者通过计算价格的变动率,判断当前市场的趋势,然后建立相应的投资头寸。

另一类常见的策略是统计套利,即通过寻找不同市场或不同金融产品之间的价格差异,进行风险低且稳定的套利交易。

例如,股票期权和现货市场之间存在的价格差异,可以由量化投资者进行套利交易,实现收益。

三、量化投资与高频交易高频交易是指利用计算机算法和高速交易系统进行的快速、频繁的交易。

与传统的量化投资相比,高频交易更加依赖于计算机算法的运行和执行速度。

高频交易者通过监测市场的微小价格变动和交易量,以及结合数学模型和算法,迅速进行买卖决策,从而获取极其细微的价格差异。

量化投资的理念与方法

量化投资的理念与方法

量化投资的理念与方法在投资领域中,量化投资是一个备受关注的概念和方法。

量化投资指的是通过运用数学、统计和计算机等工具,对各类金融数据进行分析和筛选,从而实现投资决策的自动化和科学化。

与传统投资方式相比,量化投资具有许多优势,如风险控制能力强、操作灵活性高、决策透明等。

本文将分析量化投资的理念和方法,并介绍如何在实践中运用。

一、量化投资的理念量化投资的理念可以归纳为三个方面:数据驱动、风险控制和自动化决策。

首先,量化投资认为市场中的一切信息都可以归结为数据,而数据的获取和分析是进一步发现市场机会和规律的关键。

其次,风险控制是量化投资的核心之一,因为这可以让投资者在市场波动大的时候保持相对的稳定性和收益性。

最后,自动化决策则是量化投资的重要手段之一,通过运用计算机算法和程序,可以将决策的速度和效率提高到极致。

二、量化投资的方法为了实现量化投资的理念,需要用到各种方法和工具。

下面将介绍一些常用的方法。

(一)数据获取和处理首先,投资者需要掌握数据获取和处理的技能。

在这一步中,需要确定分析的数据类型、数据来源、数据处理方式等。

比如,股票数据可以从交易所、财经网站等多个渠道获得,然后可以使用Python等编程语言对数据进行整理、清洗、加工和保存等处理。

(二)因子筛选和选股其次,因子筛选和选股是量化投资的重要环节。

因子可以理解为影响股票价格变化和走势的各类指标、参数和变量。

比如,股票市盈率、市净率、均线等都是常用的因子。

因此,投资者需要确定哪些因子对股票价格的变化起到重要作用,然后运用各种算法和模型筛选出符合要求的股票。

(三)投资组合构建投资组合构建是一个比较复杂的过程,需要考虑不同的因素和限制。

量化投资通过运用数学和计算机等工具,可以构建出理论上最优的投资组合。

在构建投资组合时,需要确定权重、约束条件等,以保证风险控制在可接受的范围内。

(四)风险管理和交易执行风险管理和交易执行是最后的核心环节。

在这一步中,投资者需要运用各种工具和方法对投资组合进行动态监测和调整,以实现最优的风险与收益平衡。

量化投资综述_几个小侧面

量化投资综述_几个小侧面

量化投资综述:几个小侧面南华期货研究所量化金融部总监 谈效俊量化投资所涉及的领域非常宽广,在这么一篇小文章里面进行综述实在是非常困难的事情。

这里只能就几个侧面,甚至仅仅是几个例子进行阐释。

读者可以轻易的列举出文章内容所不能覆盖,而又十分重要之处。

比如,配对交易,行为金融学,量化选股,金融工程,投资组合,量化风险管理等等。

另外,量化是一种当你不满足于定性分析,想要更清晰细致的刻画这个世界时所采用的研究方式。

量化分析的基础是严谨的逻辑思维,和科学的研究方法。

脱离这这些,随便列出几个公式和方程其实和胡言乱语并无本质区别。

当理解了这些之后,在合适的时候采用量化的方式使研究能够更进一步实在是再自然不过的方式,这时也就不用再纠结于究竟是量化还是不量化,或者是使用哪种量化方法了。

技术分析的再思考最早的量化交易系统可能起源于技术分析。

尤其是1940年代左右,移动平均线理论的出现,以及上世纪七十年代大量技术指标的兴起,使得交易可以只依赖于一些价格指标,系统化交易的想法也就成了十分自然的事情。

基于技术指标开发交易系统相当容易,然而技术分析是否有效,以及基于技术分析的交易系统是否有效一直都是有争议的事情。

毕竟技术分析看起来缺乏严谨的理论基础,很多结论看起来有些武断。

在流传很广的《漫步华尔街》一书中,它的作者Burton G. Malkiel对技术分析进行了很多嘲弄和批判。

虽然如此,有部分严肃的研究正试图从另一个角度重塑技术分析的理论基础和声誉。

罗闻全是为数不多的一个在学术界成名已久,并且对技术分析保持着浓厚兴趣的学者,他在研究技术分析的历史以及有效性方面做了很多工作。

其中包括他2000年发表于《Journal of Finance》上的一篇论文。

这篇论文量化了很多技术形态,并用历史数据去验证这些技术形态的有效性。

罗闻全认为,像头肩顶,双底等技术形态似乎确实提供了某些信息,并且可能具有应用价值。

除了经验上对技术分析进行重新论证之外,也有一些学者在考虑为技术分析奠定新的理论基础(约翰·墨菲在《期货市场技术分析》一书中所提到的技术分析的几点假设和其后他提到的各种形态以及指标之间实际上不能构成严谨的逻辑关系)。

什么是量化投资?

什么是量化投资?

什么是量化投资?量化投资是以数据分析和算法为基础的一种投资策略,旨在通过系统化的方法识别和利用市场机会。

相比传统的基本面分析和技术分析,量化投资更加严谨、追求稳定的收益,由于其具有一定的科学性和规律性,因此备受投资者的青睐。

下面我们就来深入了解一下量化投资。

一、量化投资的基本原理量化投资的核心在于建立一套量化模型,通过海量数据的分析和处理,从中挖掘出有价值的信息,寻找市场机会。

其基本流程包括:定义投资目标和策略->数据采集和预处理->特征提取和模型构建->回测和评估->实盘交易和风险控制。

(1)定义投资目标和策略量化投资首先需要定义投资者的风险偏好和投资目标,比如,追求长期稳定的收益、追求较高的收益、抵御市场风险等。

然后根据投资目标选择适当的量化策略,如趋势跟踪策略、套利策略、股票选股策略等。

(2)数据采集和预处理数据是量化投资的基础,包括公司财报数据、股票市场数据、宏观经济数据等,数据采集需要的工具、技术和渠道非常重要。

预处理是对数据进行清洗和去噪的过程,避免数据分析和模型构建时出现误差。

(3)特征提取和模型构建特征提取是将原始数据转化为可用于建模的特征向量,通常包括统计量、技术指标等。

模型构建则是使用机器学习或其他算法对特征向量进行训练,以构建量化模型。

(4)回测和评估回测是将量化模型应用到历史数据上,验证其有效性和稳定性的过程。

评估是对回测结果的分析和总结,包括收益率、夏普比率、胜率等指标。

(5)实盘交易和风险控制将量化模型应用到实盘交易中,需要完善的实时交易系统和风险控制措施,确保交易过程的安全和稳定。

二、量化投资的优点和缺点(1)优点①系统性和规律性:量化投资通过建立量化模型,可以去除人工主观因素的干扰,具有很强的系统性和规律性,更加科学和可靠。

②处理海量数据的能力:量化投资经营的所用数据量极大,凭借先进的大数据技术和高性能计算能力,可以更加迅速分析市场情况和预测市场走向。

量化投资课程大纲

量化投资课程大纲

量化投资课程大纲一、课程简介本课程旨在介绍量化投资的基本概念、方法和技巧,帮助学员全面了解并掌握量化投资的核心思想和操作流程。

通过本课程的学习,学员将能够熟悉量化交易的基本框架,掌握量化策略的构建和回测方法,以及运用计量模型进行风险控制和资产配置的技术手段。

二、课程大纲1. 量化投资基础1.1 量化投资概述- 量化投资的定义和特点- 量化投资与传统投资的对比1.2 量化交易的基本原理- 市场假设与交易机制- 量化交易的优势和限制1.3 量化投资的历史回顾- 量化投资的起源和发展- 成功案例分析2. 量化投资模型构建2.1 数据收集与处理- 数据来源及质量要求- 数据清洗和预处理2.2 因子选择与构建- 因子的定义和分类- 因子挖掘和验证方法2.3 模型建立与回测- 建立量化模型的基本步骤 - 回测的指标和评价方法3. 量化风险管理3.1 交易成本和市场冲击- 交易成本的构成和计算- 市场冲击对交易策略的影响 3.2 头寸管理和风险控制- 头寸规模和仓位控制- 风险度量和风险模型3.3 组合优化与资产配置- 组合优化方法和模型- 资产配置策略的构建和评估4. 量化交易策略优化4.1 参数调优和交易规则优化- 参数优化策略和方法- 交易规则的优化和改进4.2 多因子模型和组合策略- 多因子模型的构建和应用- 组合策略的构建和优化4.3 人工智能在量化投资中的应用- 机器学习和深度学习的基本原理 - 人工智能在量化投资中的应用案例三、学习资料与考核方式1. 学习资料- 量化投资相关教材及研究论文- 量化交易软件和数据源选择指南- 实例代码和案例分析2. 考核方式- 课程作业与实践项目- 期末考试或论文四、教学方法与学习要求1. 教学方法- 理论讲解与案例分析相结合- 实践操作和模拟交易演练- 小组讨论和项目合作2. 学习要求- 具备基本的金融投资知识和统计分析能力- 熟悉Python等编程语言者优先- 积极参与课堂讨论和实践操作五、参考书目1. Chan, E. (2013). "Quantitative Trading: How to Build Your Own Algorithmic Trading Business."2. Liao, H. (2018). "Quantitative Equity Portfolio Management: An Active Approach to Portfolio Construction and Management."3. Tucker, B. (2016). "Applied Computational Finance: A Python-based Approach."4. Chen, J., & Lee, J. (2015). "Machine Trading: Deploying Computer Algorithms to Conquer the Markets."六、结语本课程将为学员提供系统、全面的量化投资知识和技能培训,帮助学员在金融市场中运用量化方法进行投资决策和交易实践。

量化投资ppt

量化投资ppt

1.投资策略分类主动型投资策略传统主动型投资策略:中医是望、闻、问、切,最后判断出的结果,很大程度上基于中医的经验,定性程度上大一些,依靠投资者经验判断试图战胜市场获取超额收益量化投资策略:建立量化模型并依靠计算机实现策略以战胜市场获取超额收益,西医就不同了,先要病人去拍片子、化验等。

被动型投资策略:无法获得超越市场的收益定量投资和定性投资本质上是相同的二者都是基于市场非有效或是弱有效的理论基础,而投资经理可以通过对个股估值,成长等基本面的分析研究,建立战胜市场,产生超额收益的组合。

不同的是,定性投资管理较依赖对上市公司的调研,以及基金经理个人的经验及主观的判断,而定量投资管理则是“定性思想的量化应用”,更加强调数据。

量化投资技术几乎覆盖了投资的全过程,包括量化选股(股票池法、遗传算法)、量化择时(拒绝有效市场假说,研究指出我国股市股价的波动不是完全随机的,它貌似随机、杂乱,但在其复杂表面的背后,却隐藏着确定性的机制,因此存在可预测成分(利好消息、事件研究)、股指期货套利、商品期货套利、统计套利、算法交易,资产配置等。

2.量化投资模型3.算法交易流程遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型。

模型优化原则:物竞天择,适者生存。

a)初始基因b)基因评价c)选择、淘汰d)交叉e)变异σ2U 3U ()E r 1U4.马柯维茨均值方差模型马柯维茨根据风险分散原理,应用二维规划的数学方法建立了均值-方差证券组合模型的基本框架,揭示了如何建立投资组合的有效边界,使边界上的每一个组合在给定的风险水平下获得最大的收益,或者在收益一定的情况下风险最小。

1、投资者为理性的个体,服从不满足和风险厌恶假设,投资者的目标是单期效用最大化,而且他们的效用函数呈现边际效用递减的特点;2、投资者以投资的预期收益的波动性来估计投资的风险;3、投资者仅依靠预期的投资风险和收益来做出投资决定;4、市场是完全的,即市场不存在交易费用和税收,不存在进入或者退出市场的限制,资产是完全可以分割的。

量化投资理论综述

量化投资理论综述

量化投资理论综述作者:李志浩来源:《商情》2016年第08期【摘要】量化投资是相对于传统投资的一种投资方法论,在金融市场发达的国家量化投资已经有几十年的发展历史,但是在中国却刚刚起步。

本文首先系统的解释了量化投资的基本概念,在此基础上阐述了阿尔法策略、期货策略、做市商策略三个细分领域。

我们最后介绍了广义量化投资相关的概念以及其巨大的市场价值。

【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。

2量化投资概述

2量化投资概述

3
量化交易的策略
• 第一类,传统策略量化。很久前,交易员们就开始做趋势 策略、反转策略、剥头皮策略、造市策略等各种不同风格 的策略,只不过那时是手工操作,或者半程序化。随着市 场发展技术成熟,量化交易把这些策略的研发和执行程序 化了,从而提高了研发效率和水平、降低了交易成本,较 大程度的排除了人的不稳定因素 • 第二类,科学技术驱动量化交易策略。是纯粹或很大程度 上基于技术(technologies)差别的策略。较早开始高频交 易的Tradebot是这类策略的典型运用者。西蒙斯文艺复兴 的大奖章基金。 • 第三类,新型量化交易策略。利用技术研发出新策略。例 如统计套利交易策略,需要较多计算机计算资源进行数据 挖掘模式识别,IT技术的发展和成本的降低使得这些策略 的研发得以可行。 4
2 量化投资概述
熊海芳
东北财经大学金融学院 dahai229@
量化投资
• 简单定义,量化投资就是将投资专家的思想、经验和直觉 反映在量化模型中,借助于计算机处理大量数据和信息进 行投资判断。但量化投资也并不是计算机决定一切,还是 要靠人脑来设计调整。 • 量化投资的起源可以追溯到1970年代的美国,当时一小群 物理学家和数学家们投身于投资银行,对冲基金或是彭博 之类的金融软件公司,开始尝试着把他们的技术应用于证 券市场,对旧的模型修修补补,或开发出新的模型来确定 证券价值,这些人就被称之为“宽客”。最初他们主要面 对利率市场等,而现在,从国债、外汇、股票期权到气候 等几乎所有领域,都有“宽客”们开发出来的金融交易产 品。在股票市场,量化模型主要用于基本面量化和统计套 利交易策略,设定风格、行业、估值、市场情绪、股价变 动规律等各类因子及权重建成一个基本的量化模型。 2
几种常见的固定收益套利策略

量化投资的策略与方法

量化投资的策略与方法

量化投资的策略与方法一、量化投资概述量化投资是一种基于数学、统计学和计算机科学实现的投资方法,通常使用大量数据分析和模型,以产生股票、债券或其他金融工具的投资策略。

量化投资强调以系统性和规则性作为基础,减少人为错误和情感偏见对投资决策的影响。

二、量化投资的策略1. 指数跟踪策略指数跟踪策略是采用被动式投资方法,将资金投资于跟踪股票指数的基金,如ETF(交易所交易基金)。

通过该策略,投资者可获得与指数相同的资产回报,并且不需要进行任何市场分析。

2. 动量策略动量策略是基于投资组合中资产价格短期的走势而制定的策略。

该策略假设价格上涨趋势将会延续,从而引起更多的投资者参与。

这种策略往往可以带来较高的回报,但需要相对高的交易频率。

3. 均值回归策略均值回归策略是利用股价波动的市场不稳定特性而制定的策略。

该策略认为在股价偏离历史平均水平时,市场会回归到历史均值,从而提供交易机会。

4. 股票因子模型策略股票因子模型策略是基于股票的某些特征或因子进行投资的策略。

这些因子可以包括公司规模、估值、成长性等因素。

该策略利用这些因素来构建投资组合并获得超越市场平均水平的回报。

三、量化投资的方法1. 统计分析统计分析是量化投资的基础,它提供了对市场数据的深度分析和发现交易机会的工具。

常见的统计分析方法包括回归分析、方差分析、时间序列分析等。

2. 机器学习机器学习是一种基于数据建模的方法。

通过对大量历史数据的学习,机器学习算法可以准确预测未来的价格趋势。

机器学习方法包括支持向量机、决策树、神经网络等。

3. 自然语言处理自然语言处理是将自然语言转化为计算机可处理的语言的技术。

该技术可用于处理新闻报道、公司公告等信息,从而获得更深入的市场研究和预测。

4. 量化交易平台量化交易平台是一个综合性的投资交易平台,通过API接口和其他工具提供数据分析、回测、模拟交易等功能。

常见的量化交易平台包括Quantopian、Matlab等。

量化投资理论基础概述

量化投资理论基础概述

量化投资理论基础概述量化投资是二十世纪以来在传统金融学基础上发展起来的,依靠计算机技术,数学建模理论和概率分布统计优化等应用的一门交叉学科,在经历了世界范围的市场波动的考验之后,量化投资在后金融危机时代重新受到了广泛的重视,本文对量化投资的基本原理和其理论发展进行初步的探讨。

标签:量化投资;alpha收益;动态模型一、现代投资学发展背景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代投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,现代投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。

《量化投资导论》笔记

《量化投资导论》笔记

《量化投资导论》笔记(11章不重要)第一章:量化投资概述1.1 量化投资定义与特点量化投资,作为现代金融投资领域的一个重要分支,是指通过数学模型、统计分析和计算机算法等技术手段,对市场数据进行深入挖掘和分析,以发现市场规律、预测价格走势,并据此制定投资策略和进行投资决策的过程。

其核心在于利用量化方法替代传统的主观判断,实现投资策略的客观化、精确化和自动化。

量化投资的特点主要包括:•数据驱动:量化投资强调基于大量历史数据进行分析和建模,以发现市场中的潜在规律和机会。

•模型化决策:通过构建数学模型和算法,将投资策略转化为可执行的交易规则,减少人为干预和主观判断。

•风险可控:量化投资注重风险管理和控制,通过多元化投资、止损策略等方式降低投资风险。

•高效执行:借助计算机技术和高频交易等手段,量化投资能够实现快速响应市场变化和高效执行交易策略。

1.2 量化投资发展历程量化投资的发展可以追溯到上世纪五六十年代,当时随着计算机技术的兴起和金融市场数据的积累,一些学者和投资者开始尝试利用数学模型和统计方法来分析市场并制定投资策略。

然而,由于当时计算机性能和数据处理能力的限制,量化投资并未得到广泛应用。

进入21世纪后,量化投资迎来了快速发展期,主要得益于以下几个方面的推动:•计算机技术的飞速进步:计算机性能的提升和大数据处理技术的发展,为量化投资提供了强大的技术支持。

•金融市场的不断开放和深化:金融市场的不断开放和深化为量化投资提供了更多的投资机会和更广阔的市场空间。

•投资理念的转变:随着投资者对风险管理和资产配置的重视,量化投资以其客观化、精确化和自动化的特点逐渐受到青睐。

1.3 量化投资与传统投资比较量化投资与传统投资在投资策略、决策方式、风险管理等方面存在显著差异。

传统投资主要依赖于投资者的经验和直觉进行判断和决策,而量化投资则更加注重数据分析和模型构建。

传统投资者通常通过宏观经济分析、行业研究、公司基本面分析等方式来评估投资价值,而量化投资者则更倾向于利用历史数据构建数学模型,通过统计分析来发现市场规律和预测价格走势。

金融风险管理:量化投资视角

金融风险管理:量化投资视角

金融风险管理:量化投资视角在金融市场中,风险管理一直是重要的话题。

随着科技的进步和数据的普及,金融领域中涌现出了一种新的投资策略——量化投资。

量化投资主要通过分析金融市场中各种数据并运用科学方法来制定投资策略和管理风险。

下面,我们将从量化投资的视角探讨金融风险管理。

一、量化投资的概念与起源量化投资,是指利用数理统计、计量经济学和机器学习等技术分析金融市场数据,通过设计复杂的模型来制定投资策略,进而实现资产配置,从而达到获取超额收益的目的。

量化投资的起源可以追溯到上个世纪50年代,当时微处理器刚刚出现,使大量数据处理成为可能。

而今天,我们能利用此类技术在一秒钟内计算亿万次,使得量化投资在过去10年里盛行于全球各个金融市场。

二、量化投资的特点1、数据驱动决策量化投资的本质是利用数据和算法制定投资策略,进而实现优化配置资产,而旧时代的人本上是通过主观经验和集体智慧来进行决策。

数据驱动的量化投资,使得投资的决策跟随市场变化,更加潜移默化。

2、系统性、科学性量化投资的一个重要特点是科学性。

相较于传统的“人工”投资方式,量化投资更加系统。

通过建模、统计分析和计算,量化投资可以较大程度地避免人为因素引发的错误和偏差。

3、灵活性和实时性量化投资策略的制定和实施快速高效,能够通过快速的计算和实践灵活进化。

而实时性则通过对市场数据流的监测和传输,从而能够做到迅速抓取市场机会与风险的动态。

三、量化投资的风险管理1、仓位控制仓位是指投资者在一个资产中的持有比例。

量化投资管理风险包括控制仓位大小,通过限制投资较大资产的数量,保持投资组合更为平衡,降低风险,避免风险过多集中在某些资产上。

实践表明,仓位过大往往是金融产品交易中风险较大,甚至爆仓的一个重要原因,因此,仓位控制是风险管理的一个关键点。

2、风险管理与投资策略的制定通过建立标准化的风险模型,基于不同市场和资产的风险特征和模型,建立适合不同行业和个人的投资策略。

这样可以对投资组合中的风险进行控制和管理,并根据应变进一步调整策略以备不时之需。

[宝典]量化投资文献综述

[宝典]量化投资文献综述

量化投资,简单地说,就是利用数学、统计学、信息技术的量化投资方法来管理投资组合。

它是以模型为主体,使用大量数据,并且在很大程度上使用电脑的投资方式。

量化投资在海外的发展已有30多年的历史,其投资业绩稳定,市场规模和份额不断扩大、得到了越来越多投资者认可。

事实上,互联网的发展,使得新概念在世界范围的传播速度非常快,作为一个概念,量化投资并不算新,国内投资者早有耳闻。

但是,真正的量化基金在国内还比较罕见。

量化投资区别于定性投资的鲜明特征就是模型,对于量化投资中模型与人的关系,打个比方来说明这种关系,我们先看一看医生治病,中医与西医的诊疗方法不同,中医是望、稳、问、切,最后判断出的结果,很大程度上基于中医的经验,定性程度上大一些;西医就不同了,先要病人去拍片子、化验等,这些都要依托于医学仪器,最后得出结论,对症下药。

医生治疗病人的疾病,投资者治疗市场的疾病,市场的疾病是什么?就是错误定价和估值,没病或病得比较轻,市场是有效或弱有效的;病得越严重,市场越无效。

投资者用资金投资于低估的证券,直到把它的价格抬升到合理的价格水平上。

但是,定性投资和定量投资的具体做法有些差异,这些差异如同中医和西医的差异,定性投资更像中医,更多地依靠经验和感觉判断病在哪里;定量投资更像是西医,依靠模型判断,模型对于定量投资基金经理的作用就像CT机对于医生的作用。

在每一天的投资运作之前,基金经理会先用模型对整个市场进行一次全面的检查和扫描,然后根据检查和扫描结果做出投资决策。

其实,定量投资和传统的定性投资本质上的相同的,二者都是基于市场非有效或是弱有效的理论基础,而投资经理可以通过对个股估值,成长等基本面的分析研究,建立战胜市场,产生超额收益的组合。

不同的是,定性投资管理较依赖对上市公司的调研,以及基金经理个人的经验及主观的判断,而定量投资管理则是“定性思想的量化应用”,更加强调数据。

量化投资有以下四个特点:第一,纪律性。

所有的决策都是依据模型做出的。

量化投资计划书

量化投资计划书

量化投资计划书1. 引言量化投资是一种基于数据和算法的投资策略,旨在通过系统化的方法来进行投资决策。

本文档旨在介绍一个量化投资计划,该计划将基于历史数据和技术指标来制定投资策略,并使用自动化的交易系统执行交易。

2. 投资目标本投资计划的目标是获得稳定的盈利,优于市场平均水平。

在风险可控的前提下,追求资本增值,并提供一定的投资回报。

3. 投资策略本投资计划将采用趋势跟踪策略作为主要的投资策略。

趋势跟踪是一种通过分析价格和交易量等市场数据来判断市场趋势的方法。

具体步骤如下:3.1 数据收集使用历史市场数据来进行分析,包括股票的价格、交易量以及相关的技术指标数据。

数据可以从财经网站或专业数据供应商获取。

3.2 趋势分析通过对历史数据的分析,计算出各种技术指标,包括移动平均线、相对强弱指标(RSI)等。

根据这些指标的变化来判断市场的趋势。

3.3 信号生成根据趋势分析的结果,生成买入或卖出的信号。

例如,如果市场处于上升趋势,生成买入信号;如果市场处于下降趋势,生成卖出信号。

3.4 风险控制在执行交易之前,需要设定一定的风险控制规则,以限制每次交易的风险。

例如,设置最大交易损失限制或使用止损订单来限制损失。

3.5 交易执行使用自动化的交易系统来执行交易操作。

该交易系统将根据生成的买入或卖出信号,自动执行相应的交易。

4. 绩效评估为了评估投资策略的绩效,需要收集并分析交易结果数据。

以下是一些常用的绩效评估指标:•年化收益率:衡量投资策略的年均收益能力。

•最大回撤:衡量投资策略在最坏情况下可能经历的损失。

•夏普比率:衡量投资策略单位风险所产生的收益。

根据绩效评估的结果,可以进行策略的调整和优化,以提高投资回报率。

5. 风险管理量化投资存在一定的风险,因此风险管理至关重要。

以下是几个常见的风险管理策略:•多样化投资组合:分散投资资金到不同的资产类别或行业,以降低整体风险。

•止损订单:在达到预设的止损点时自动卖出头寸,以限制损失。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

量化投资===============================================================================究竟什么是量化投资日期:2009-10-28 09:15:53回国工作这段时间来,经常有人问我:“究竟什么是量化投资?”尽管这一投资方式在国际上已经获得了广泛的认同与应用,但对于国内投资人而言,还是一个新话题。

简单地说,定量投资是将人的投资思想反应在数量模型中,并利用电脑处理大量信息,进行投资决策。

定量投资强调投资的科学性,它意味着“投资已由一种艺术发展为科学”。

首先是科学验证。

与传统定性投资相比,定量投资更加强调投资思想的科学验证。

比如,某些投资者认为管理质量好,产品质量高的公司更有可能带来长期回报。

而另一些人却认为在中国市场,利用市场情绪和技术分析更能取得高市场回报。

两种投资者都分别能讲出一些成功的故事来。

那么,我们又该相信谁呢?定量外汇保证金投资会将两种说法都进行验证。

我们会建立两个模型,分别反映上述两种投资思想。

以验证这些思想长期有效,而不仅仅在某一时期、某种市场甚至某些个别事例上正确。

定量投资人会采用长期历史数据和大量股票进行研究。

只有在多数情况下有效的思想,我们才会在最终的投资模型中采用。

其次,便是纪律性。

虽然量化模型是由人设计的,具体的交易单却由模型产生。

我们在经验总结以及模型设计时容易理性,但在个股的交易时却不免受制于人性的弱点。

基于对思想模型的信任,定量投资会严格执行模型所产生的交易单,仅在特殊的情况下对交易单进行个别修改。

这种由模型确定交易的过程能帮助我们克服交易中的人性弱点。

定量投资是计算机科技以及投资炒外汇入门市场发展到一定阶段的产物。

1971年,巴克莱国际投资管理公司发行了世界上第一只被动的定量投资产品。

1977年,这一公司又发行了首只主动定量产品。

受益于计算机技术和市场数据供应的完善,进入21世纪后,这一投资方式开始飞跃成长。

2000年至2007年间,美国定量投资总规模翻了四倍多。

而同期的美国共同基金总规模(定量+定性)只翻了1.5倍左右。

定量投资在全部投资中的占比从1970年为零发展到2009年30%以上。

什么是量化基金?什么是量化投资基金?量化基金的主要特点是将定性研究的理论通过数量模型演绎出来,借助电脑强大的处理信息的能力,全范围的筛选符合“标准”的股票,避免任何投资“盲点”的产生,最大限度地捕捉“标准”的投资对象。

由于借助量化模型,定量投资能够避免基金经理情绪、偏好等对投资组合的干扰,精确地反映基金管理人的投资思想,最大限度地“理性”投资。

与传统的投资方法不同,数量化投资不是以个人判断来管理资产,而是将投资专家的思想、经验和直觉反映在量化模型中,利用电脑帮助人脑处理大量信息,并进行投资决策。

量化投资并不是基本面分析的对立者,90%的模型是基于基本面因素,同时考虑技术因素。

因此,它也不是技术分析,而是基于对市场深入理解形成的合乎逻辑的投资方法。

量化投资基金:“以数量化模型作为资产配置与构建投资组合的基础,实行从一级股票库初选、二级股票库精选,到行业配置的动态全程量化投资。

”量化投资在海外的发展已有30多年的历史,其投资业绩稳定,市场规模和份额不断扩大、得到了越来越多投资者认可。

事实上,互联网的发展,使得新概念在世界范围的传播速度非常快,作为一个概念,量化投资并不算新,国内投资者早有耳闻。

但是,真正的量化基金在国内还比较罕见。

量化投资区别于定性投资的鲜明特征就是模型,对于量化投资中模型与人的关系,大家也非常关心比较关心。

我打个比方来说明这种关系,我们先看一看医生治病,中医与西医的诊疗方法不同,中医是望、稳、问、切,最后判断出的结果,很大程度上基于中医的经验,定性程度上大一些;西医就不同了,先要病人去拍片子、化验等,这些都要依托于医学仪器,最后得出结论,对症下药。

医生治疗病人的疾病,投资者治疗市场的疾病,市场的疾病是什么?就是错误定价和估值,没病或病得比较轻,市场是有效或弱有效的;病得越严重,市场越无效。

投资者用资金投资于低估的证券,直到把它的价格抬升到合理的价格水平上。

但是,定性投资和定量投资的具体做法有些差异,这些差异如同中医和西医的差异,定性投资更像中医,更多地依靠经验和感觉判断病在哪里;定量投资更像是西医,依靠模型判断,模型对于定量投资基金经理的作用就像CT机对于医生的作用。

在每一天的投资运作之前,我会先用模型对整个市场进行一次全面的检查和扫描,然后根据检查和扫描结果做出投资决策。

什么是量化投资来源:全景网-《证券时报》作者:鹿长余2009年12月28日08:03近年来,量化投资在中国渐渐引起重视,光大保德信基金、上投摩根基金、嘉实基金、中海基金、长盛基金、华商基金和富国基金等,先后推出了自己的量化基金产品。

不少基金公司国内外广揽数量化投资人才,一股“量化基金”的热潮悄然掀起。

量化投资,简单地说,就是利用数学、统计学、信息技术的量化投资方法来管理投资组合。

数量化投资的组合构建注重的是对宏观数据、市场行为、企业财务数据、交易数据进行分析,利用数据挖掘技术、统计技术、计算方法等处理数据,以得到最优的投资组合和投资机会。

目前,量化投资已经在全球范围得到投资人的广泛认可。

在美国零售市场发行的主动型股票基金中,量化投资基金占据了16%的市场份额,而在机构投资市场,量化投资则获得了更多的关注,以巴克莱全球投资管理公司、道富环球投资管理公司和高盛国际资产管理公司为首的一大批以量化投资为核心竞争力的公司已经成为机构资产管理公司中的“巨无霸”。

量化投资以先进的数学模型替代人为的主观判断,借助系统强大的信息处理能力具有更大的投资稳定性,极大地减少投资者情绪的波动影响,避免在市场极度狂热或悲观的情况下做出非理性的投资决策。

詹姆斯·西蒙斯,是量化投资的传奇人物。

他创办的基金,从1989到2006年的平均年收益率高达38.5%,净回报率超过股神巴菲特(他以连续32年保持战胜市场的纪录,过去20年平均年回报达到20%),即使在2007年次债危机爆发当年,该基金回报都高达85%,西蒙斯也因此被誉为“最赚钱基金经理”,“最聪明亿万富翁”。

与巴菲特的“价值投资”不同,西蒙斯依靠数学模型和计算机管理着自己旗下的巨额基金,他称自己为“模型先生”。

西蒙斯几乎从不雇用华尔街的分析师,他的文艺复兴科技公司里坐满了数学和自然科学的博士。

用数学模型捕捉市场机会,由计算机做出交易决策,是这位超级投资者成功的秘诀。

(上海金融学院国际金融研究院鹿长余)白勇:解密量化投资2009年05月18日10:50量化投资的概念先讲几句题外话,前不久在北京财经台做一个节目就叫价值投资PK量化投资,我不知道这肯定不是一个PK节目,我不知道曾总讲什么,关于价值投资我多说两句,那次做节目坚持价值投资是中盈建投的张总,他说我们做价值投资研究公司是最重要,研究公司怎么研究,你要跑上市公司,就给一个例子说现在散户投资者不怎么跑上市公司,有一次他去开上市公司股东会,到了多少人呢?大家可以猜一猜,反正是不够一桌的。

他就跟老总说正好够一桌可以吃饭吗,这个实际上是一句题外话。

我本人比较推崇量化投资,我不是一定要把巴菲特打倒,旗手一定不能倒,倒了很多朋友会难过。

我也可以说巴菲特是量化投资的高手,我们公司优势就是量化优势,我们通过量化捕捉投资的机会,我们是做FoF的公司。

用数量化分析决定你投资分析就是量化投资,巴菲特卖的时候11块到15块,最后到港交所到20%,大家都说巴菲特看走眼了,其实最后看他还是不错的,巴菲特为什么卖中石油,他说石油每桶涨到75美元,巴菲特说自己卖早了,但是他说我不后悔,不可能每次都卖到最高点,如果达到既定策略投资目标就要卖出。

第三点是什么呢?就是交易,我们知道巴菲特投资几大准则里面有一个是长期持有,在中石油案例里面是11块到15块之间把中石油卖掉,他做了一个交易,总结一下特点,第一用量化指标,第二纪律性,第三个是交易。

量化直白是很复杂,有一些简单可以供散户投资者参考。

我给大家一个案例,是最近媒体宣传的,是叫五月底卖出,十月份买入,当然我知道这个策略是一个结论,他要做一个分析要做很多分析计算是很复杂的,从结论上投资者找到一个结论。

量化的时间不是像刚才量化的价格,到5月31号一定卖出,到10月31号一定买入,每年做一次交易。

我希望通过这个案例给大家说明一下我们量化投资是怎么投向,很多人提到量化比较头痛,我不是学理工,我也没有学位,我量化起来非常难做。

你做一个非常成功的策略师非常难,有一些简单策略供投资者参考,讲完这两个案例大家有一个概念,下面我会有不少东西跟量化有关的。

FoF的概念我介绍完量化的概念简单介绍一下FoF的概念。

今天我是讲交易型FoF策略,单讲策略比较枯燥,我结合我们发的产品来讲,这些产品发的差不多,策略也定差不多,这样讲起来大家比较好理解一点。

我们产品是交易型FoF,什么是FoF?他是选几支基金加以组合投资的一种方式,交易型FoF都是交易型基金,交易型基金就是在交易所可以上市买卖的基金,包括大家非常熟悉收益式基金、指数式基金等等。

我们这个产品为什么选择FoF,理由我们看国外国内都有一些成功经验。

国外来说大家看到国外私募FoF的规模,到2007年底总共1.87万亿私募规模43%通过FoF实现,右边那个度给出国外私募FoF长期汇报,红线是标普500,蓝线是FoF平均投资指数,长期收益大大高于标普500。

国内FoF引进比较迟,产品数量也比较少,也有一些银行理财和券商理财的FoF。

大家看看过去一年它的收益,它的波动率跟平均来比较。

FoF重要特点就是二次分散投资风险,你买基金已经分散风险,你买几支基金更分散风险。

我们样本研究表明交易越是平均FoF品种收益越好,国内用交易型基金做标的FoF还没有,我们是第一次,交易型基金做交易有很好的优点,你要波段机会,T+1是很有优势,这样是做一个来回是T+5或者T+9甚至更长,因为几天会发生很多事情。

第二个流动性非常好,第三交易费率比较低。

在这个时点上,从市场盘但还是集聚了不少的风险,在这种情况下前期已经有很多获利,怎么保住获利,接着获利,我们提出策略是FoF加量化交易。

产品另外一个特点,这是我们强项之一,我们一位投资经理以前在保险公司做可转债,一个很好可转债品种叫新燕可转债,他在两年之内的业绩非常好,在业内也是很有声誉。

这一张是私募的结构,中间是我们产品,然后我们投资顾问以及红筹,以及证券的钱保险是银行,私募不是不安全,钱都不在我们这里都是银行监管。

前面是介绍性的内容,我前面讲要对市场的判断,曾总已经讲了很多我就非常简略讲一下。

10月28号到现在上证中指涨了接近50%,企业盈利尚未恢复,指数为什么涨这么厉害,从10月28号到现在流动性比较充裕,股市、债市双双上扬,这表面流动性比较好。

相关文档
最新文档