量化投资的新发展—程序化交易技术的最新进展.pptx
第2章 量化交易背景介绍
第2章量化交易背景介绍2.1 量化交易的概念量化交易有多种不同的叫法，比如自动化交易（Automated Trading），算法交易（Algorithmic Trading），等等。
其实到目前为止行业内对这个概念并没有一个统一而精确的定义，但只要是通过计算机程序按照预先编制的指令来完成的交易都应该属于量化交易的范畴。
从分类上来讲程序化交易可以分为决策产生和决策执行两个层面。
决策产生的程序化交易是指以各种实时/历史数据为输入，通过事先设计好的算法计算得出交易决策的过程，决策包括：对哪种资产，在什么时间以怎样的价位进行买/卖操作以及买卖的数量等；而决策执行的量化交易则是利用计算机算法来优化交易订单执行的过程。
2.2 量化交易的特点2.2.1 交易具有客观性量化交易使用数量模型取代主观判断，减少了非理性的判断失误。
传统投资方法一般是结合基本面分析和技术面分析，分析模式大多数不固定，且需要植入投资者的主观判断。
投资分析师根据自己的经验和知识，收集来自于各种渠道的数据，应用各类绝对估值模型和相对估值模型对市场和特定的证券产品进行分析解读。
这种分析方法被市场认可并已沿用了上百年之久，无论在发达国家的资本市场（如美、英等国）或是新兴资本市场（如中国）都被广范地接受。
进入上世纪90 年代，随着计算机科技的普及，金融分析软件被大量地应用于证券市场分析，随后量化交易的方法开始崭露头角，并以其出色的表现得到市场的认可。
相对于传统的投资研究方法，量化交易更偏重数据分析，以数量模型为基础，将客观的模型信号作为投资决策。
因此，量化交易的研究方法剔除了人为的主观判断，能避免分析师受市场非正常波动的影响所做出的非理性决策。
量化模型能充分利用市场发布出的每一道信息，为分析师描述出更完整的市场状况，从而减少了因信息收集的失误或不完整所造成的错误判断。
2.2.2 交易策略的执行方式量化模型跟据市场变化提供买入、卖出或平仓的信号,可以提供系统而完整的投资决策。
量化投资与程序化交易.
始，世界金融市场已经历了八百年的历史。 1611年阿姆斯特丹建立世界第一家证券交易所，1848年美国芝 加哥期货交易所成立，证券和期货交易进入有组织的集中交易 时代。 1974-1984年，纽约证交所借助信息技术的发展，完成交易电子 化进程，把古老的人工交易与现代的电子化交易结合起来。 19世纪80年代，美国已出现有记载的传统技术分析方法，但使 用并不普遍。 20世纪70年代起，由于计算机技术进步和应用的推动，需要大 量计算的技术分析方法相继问世。 20世纪80年代，应用各种技术分析方法，自动处理相关信息， 进行分析、决策和自动下达交易指令的各类商业性计算机交易 系统大量涌现，并在世界各地的金融交易中逐步得到推广应用。
4. 程序化交易的基本特点
程序化交易是一种在计算机和网络技术的支持下，瞬
间完成你预先设置好的组合交易指令的一种交易手段。 程序化交易在投资实战中不仅可以提高下单速度，而 且可以帮助投资者在交易过程中避免受到情绪波动的 影响，实现理性投资。程序化交易系统的特点为： (1)以计算机数量化模型分析决策为基础。 (2)由计算机系统实时接收信息、处理信息、做出交易 决策并自动下单。
交易技术和方法得到迅速发展
大数据时代为金融量化分析 提供了有力的数据支持
金融程序化交易必须以特定的交易策略为依据
交易策略必须大量的量化模型分析为基础 量化模型分析必须有大量的金融数据作为支撑
大数据时代为金融量化分析提供了必须的丰富的基础
数据
2. 金融交易的发展趋势
从14世纪伦巴第商人对货币进行兑换，伦敦外汇市场的形成开
程序化交易与人工交易相比具有 以下优点：
（1）根据规则自动交易，有利于克服人性的弱点。
（2）可以突破人的生理极限，大幅提高投资效率并
量化投资的发展及其监管
量化投资的发展及其监管量化投资是一种以数据为基础、以模型为核心、以程序化交易为手段的交易方式，具有交易量巨大、持仓-时间很短、总体收益稳定等特点。
它起源于投资组合理论，随着投资管理技术、计算机技术得到发展，以及金融市场逐步成熟之后，量化投资在20世纪80年纪得到迅速发展。
量化投资在我国还处于起步阶段，存在着创新能力不足、资金规模不够集中等问题，我国量化投资未来的发展方向主要为期现统计套利和基于数据的量化分析。
因此，量化投资要想在我国得到有效发展，就必须进行风险控制、加强金融监管。
量化投资在欧美已经应用了30多年，最传奇的人物就是华尔街的对冲基金经理詹姆斯·西蒙斯。
他率领一批数学家和统计学家，运用“壁虎式投资法”等独家宽客战术管理大奖章基金，在1989到2006的17年间平均年收益率高达38.5%。
量化投资的理念并不神秘，它是指借助于数学和统计学的分析原理，利用计算机对每只股票的数据进行分类对比，自动选出符合投资模型的股票组合。
举例来说，比如有20个人去跑百米，哪些人能跑在第一梯队，哪些跑在第二梯队，哪些跑在第三梯队，在没有测试之前不知道答案，但可以根据身高、体重、肌肉、肺活量、历史成绩等指标来预测这20个人各自归属哪一梯队，这就形象地描述了量化投资模型的原理。
量化投资最鲜明的特征就是模型交易，它是一种以数据为基础、以模型为核心、以程序化交易为手段的交易方式。
具体而言，就是从那些稍纵即逝的市场变化中寻求获利的计算机化交易，关键在于捕捉到人们无法利用的短暂价差来实现套利。
模型就如同医院里面的各种先进的医学仪器，医生通过这些仪器对病人进行扫描化验，获得反映病人身体状况的各项指标数据，然后判断出病人所患的疾病，从而对症下药。
类似地，量化投资者在市场中寻找套利机会，其实就像是在发现市场的“疾病”，依托于模型的扫描和检测，获得市场的各项关键指标数据，从而找出套利机会，然后做出投资决策。
量化投资需要精湛的计算机编程技术，其主要形式是程序化交易。
量化投资ppt课件
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
量化投资研究方法 ppt课件
定量行业模型建议短期超配行业
持有期和观测期均为一个月的动量反转效应
35%
近1月收益
近6月收益
1月动量
6月反转 1.00 350%
30%
0.95
0.90 300%
25%
0.85 250%
20%
0.80
0.75 200%
15% 10%
0.70 0.65
150%
5%
0.60 100%
0.55
0%
0.50 50%
周期 非周期 上/中/下游
动量反转
短期
中期
长期
PPT课件
1515
3.3 行业选择：业绩驱动+估值回复+动量反转
结果回溯：
66.7%的月份配对 66%以上行业。
长期看能配好 57.8%的行业。
060823 10%
8%
6%
061123
定量组合的历史配置情况
070523 070823 071123 080523 080825
波动率增大时，风险担忧扩大，不利于小盘股
工业增加值
当工业增加值显著回升时，大盘股方被关注
CPI
上升的通涨带来货币紧缩，此时，大盘股表现相对更好一些。
M1增速
银根收紧更不利于小盘股
流动比率（M1/M2）
下降的M1/M2更不利于小盘股
短期利率（3个月）
贷款成本下降时，对于小盘股更有利
风格指针的值通过加权计算各项指标而得到
081124
090430
090831
超配情况：
4%
08年11月耐用消 2%
费/能源/原材料
0%
09年4月金融地产 /能源
程序化交易系列研究一(国泰君安证券-金融工程)
量化投资CTA策略120807精品PPT课件
股票
债券
平均收益 标准差 偏度 峰度
0.89
0.93
0.64
3.47
4.27
2.45
0.71
-0.34
0.37
4.53
1.81
3.56
Source: Gary Corton, K Greet Rouwenhorst, Fact and Fantasies about Commidty Fuyures
上证综合指数 上证国债指数 豆一连续 沪铜连续
1
0.454
0.61
0.0298
1
0.39
0.515
1
0.62
1
资料来源：wind资讯，齐鲁证券
国外的CTA发展类型简介
根据投资方向的不同，CTA基金可以分为分散型CTA基金和专业化CTA基金。 分散型CTA基金投资的期货品种较多，分散投资往往会使其风险较低；而专业 化的CTA基金则专注于投资某类市场;
• 对中国1995年以来的上证综合指数，期货指数（以豆一与沪铜为代表）与国债指数进行 拟合分析，结果如下表所示。可以发现，股票与商品的相关系数最低，而债券与商品的 相关系数也不高，说明加入商品期货可能有利于大类资产组合分散风险。
表：中国期货与股票、债券市场的相关性
上证综合指数 上证国债指数
豆一连续 沪铜连续
• 商品期货收益与股票、债券的负相关性随着持有区间的延长而增加，这说明商品期货对 投资组合风险的分散作用在长时间里更加显著
• 商品期货与通货膨胀呈正相关关系，意味着商品期货是抵御通货膨胀的有效工具。
表：商品期货与股票债券和通货膨胀的相关系数（1959-2008）
投资期限
股票
债券
通货膨胀
CMM基础知识培训
CMM基础知识培训目录一、内容概览 (2)1. 培训背景 (2)2. 培训目标 (3)3. 培训对象 (3)二、CMM概述 (4)1. CMM定义与重要性 (6)1.1 CMM定义及作用 (7)1.2 软件过程评估标准 (8)1.3 CMM在软件开发中的应用价值 (9)2. CMM基本结构 (10)2.1 关键过程域介绍 (11)2.2 内部过程详解 (13)2.3 共通实践说明 (15)三、CMM基础知识核心点解析 (16)1. 初始级 (17)1.1 特点与关键活动 (18)1.2 初始级向可重复级的过渡 (19)2. 可重复级 (21)2.1 特点与关键活动概述 (22)2.2 项目管理重要性及方法 (24)3. 已定义级 (25)3.1 特点与关键活动详解 (26)3.2 软件过程定义的实施要点 (28)4. 量化管理级 (29)4.1 特点与关键活动介绍 (30)4.2 量化管理在CMM中的应用实例 (31)5. 优化级 (32)5.1 特点与关键活动概述 (33)5.2 软件过程优化策略与方法探讨 (35)四、CMM实施步骤与方法探讨 (37)1. CMM实施前期准备工作 (38)1.1 组织架构分析 (39)1.2 现有软件过程评估 (41)2. 制定CMM实施计划 (41)一、内容概览本文档旨在为读者提供CMM(能力成熟度模型)基础知识的培训，帮助大家了解CMM的基本概念、发展历程、应用领域以及实施方法。
通过本培训，读者将能够掌握CMM的核心要素，包括能力成熟度模型的五个等级、CMM的应用场景、CMM的实施过程以及如何进行CMM评估等内容。
本文档还将介绍CMM在软件和硬件行业中的应用实例，以便读者能够更好地理解CMM的实际价值和作用。
我们将对CMM的未来发展趋势进行展望，以期为相关领域的从业者提供有益的参考和指导。
1. 培训背景随着信息技术的飞速发展，计算机行业对人才的需求与日俱增。
量化交易知识体系-概述说明以及解释
量化交易知识体系-概述说明以及解释1.引言1.1 概述量化交易是一种通过运用数学建模和统计分析的方法，在金融市场上进行交易决策的交易策略。
它利用大量的历史数据、统计模型和算法，以及计算机技术来进行交易决策，以期获得更为稳定和可控的投资回报。
随着信息时代的到来，金融市场的竞争日益激烈，传统的人工交易方式已经无法满足投资者对于效率和收益的要求。
相比于传统的主观判断和经验交易，量化交易通过对历史数据的分析和建模，摆脱了主观情绪和个人偏见的影响，从而更加客观、系统地进行交易决策。
其核心理念是通过数据建模和算法优化，找到市场的统计规律，并利用这些规律进行交易，以实现稳定的投资回报。
量化交易的发展已经有数十年的历史，在过去的几十年中，它已经从最初的黑盒交易系统，逐渐发展成了一个庞大而复杂的交易体系。
从最早的技术分析指标到现在的机器学习和人工智能，量化交易借助不断发展的计算机技术和数据处理能力，为投资者带来了更多的机会和选择。
量化交易的优势主要体现在以下几个方面。
首先，量化交易能够消除人为情绪因素的干扰，减少投资者的主观误判。
其次，量化交易能够对更多的信息进行处理和利用，更全面地把握市场动态。
同时，通过科学的建模和分析，量化交易可以在短时间内作出更快速的交易决策。
此外，量化交易还能够实现更为精确的风险控制和资金管理，提升投资组合的稳定性和回报率。
随着科技的不断进步和金融市场的不断变革，量化交易的未来发展趋势也是值得关注的。
一方面，随着机器学习和人工智能的应用，量化交易将更加智能化和自动化，能够更加准确地捕捉市场的细微变动。
另一方面，量化交易还将向更广泛的资产类别和市场扩展，如股票、期货、外汇等。
此外，随着人们对于风险控制和资金管理的重视程度不断提高，量化交易的风险管理模型和策略也将不断优化和改进。
综上所述，量化交易作为一种利用数学建模和统计分析方法的交易策略，具有很强的客观性和系统性。
它通过消除主观情绪、利用大量的历史数据和计算机技术，能够为投资者提供更为稳定和可控的投资回报。
程序化交易简介
程序化交易一、程序化交易简介程序化交易又称系统程式交易，即利用行情软件和电脑程序，借助市场技术指标，由预定程序计算出买卖点，电脑自动依据其讯号进行买进或卖出的动作，而不以操作人的看法进行操作。
二、程序化交易分类（1）常见交易策略有指数套利交易策略、数量程序交易策略、动态对冲策略、久期平均策略、配对交易策略等。
（2）程序化交易系统大致分成价值发现型、趋势追逐型、做市商型、高频交易型、低延迟套利型等。
三、程序化交易系统特点程序化交易致力于处理现在的交易，而不是未来的交易，它最大优点在于绝对的客观，可以帮助系统使用者最大程度地克服人性的贪婪和恐惧。
1、顺势交易：大多数交易系统都是顺势交易系统，也存在一些逆势交易系统。
2、纯粹技术分析性：系统交易方法完全排除任何基本面分析的影响。
3、客观性：程序化交易系统以计算机为决策工具，完全排除了决策主体的主观判断，从而有效解决了交易者的情绪对交易的负面影响这个问题。
4、数量化：完全数量化。
5、机械化：程序化交易系统的全部规则和参数完全机械化，使得系统交易方法相对于非系统交易方法而言比较容易实施。
6、资金管理制度化：资金管理制度是交易系统的有机组成部分。
7、风险控制制度化：风险控制制度是交易系统的有机组成部分。
8、系统性：交易系统本身是一个系统，交易小组和交易系统二者又构成一个新的更大的系统。
9、一致性：采用系统交易方法，使得交易决策活动具有一致性，这对于交易者获得长期的稳定的获利具有根本意义。
10、反应迅速：程序化交易系统对于市场的波动反应迅速，有利于系统交易者在剧烈波动的行情中抓住瞬息即逝的交易机会。
11、风险型决策：如果一个交易者采用系统交易方法进行交易决策活动，那么系统发出的每笔交易指令的具有相对稳定的获胜概率和期望收益率，这就使得在系统交易方法指导下的交易决策成为一种风险型决策。
风险型决策的系统交易方法有利于交易者运用现代投资组合理论和方法。
这一点对于非主力大资金非常有利。
量化投资中的戴维斯双击策略
经过一段时间的运行，该基金取 得了不错的业绩，超越了市场平 均水平。
案例二：某股票的戴维斯双击策略应用
背景介绍
某上市公司股票具有成长性和低估值的特点，适合采用戴维斯双击 策略进行投资。
策略应用
投资者对该股票进行深入研究和分析，评估其成长性和低估值优势 ，并适当加仓以实现戴维斯双击策略的目标。
业绩表现
戴维斯双击策略是一种投资策略，其 核心思想是利用盈利增长和估值提升 的双重效应来获取超额收益。
该策略通过同时关注企业的盈利增长 和估值变化，寻找具有持续增长潜力 的优质企业，并在其被市场低估时进 行投资。
戴维斯双击策略的原理
01
戴维斯双击策略的原理基于市场对企业盈利预期的变化和估值水平的影响。
02
2023-12-07
量化投资中的戴维斯双击策略
汇报人：
目 录
• 量化投资概述 • 戴维斯双击策略介绍 • 戴维斯双击策略的量化实现 • 戴维斯双击策略的风险和管理 • 案例分析 • 总结与展望
01
量化投资概述
量化投资定义
量化投资是一种基于数据分析和数学模型的金融投资方法，通过计算机程序自动执行交易决策，以实 现投资目标。
波动可能导致投资组合价值的大幅波动。
资产相关性风险
02
戴维斯双击策略通常依赖于多个资产类别的表现，如果这些资
产之间的相关性发生变化，可能会对策略产生不利影响。
流动性风险
03
在某些市场条件下，可能难以买卖某些资产，这可能导致策略
无法按预期执行。
风险管理措施
投资组合多元化
通过将资金分配给多种资产类别和行业，可以降低单一资产或行 业带来的风险。
回测方法
通过回测策略在历史数据上的表现，评估策略的有效 性。
量化投资入门到进阶
教材目录第一章：量化基础知识第一节 量化投资的概念和优势第二节 量化投资的历史和未来第三节 量化投资的流程与应用第二章：量化策略入门第一节：MindGo量化交易平台第二节：MindGo API介绍第三节：我的第一个量化策略第三章：Python编程第一节：Python介绍第二节：数据类型第三节：条件与循环第四节：函数第五节：numpy第六节：pandas基础第七节：pandas进阶第四章：经典量化策略集锦第一篇：投资高股息股票第二篇：从“二八轮动”中学择时第三篇：网格交易—动态调仓策略第四篇：进军交易系统，从Dual Thrust中学“趋势”第五篇：布林强盗，一个霸道的交易系统第六篇：交易系统终结者—海龟交易法则第七篇：向彼得林奇投资大师学习PEG选股第八篇：CAPM模型的应用第九篇：Fama-French三因子模型应用第十篇：动量类多因子之择时中选股第五章：量化研究专题第一篇：用matplotlib绘图函数实现数据可视化第二篇：运用Scipy模块实现统计技术第三篇：10分钟学会用Python做线性回归第四篇：统计套利：利用相关系数进行配对交易第五篇：数据处理专题：去极值、标准化、中性化第六篇：数据挖掘专题：分类与预测第七篇：算法交易入门—VWAP第八篇：Python实现马克维兹投资组合理论第九篇：隐马尔科夫模型【机器学习+数据挖掘】 第十篇：机器学习之神经网络入门第一章：量化基础知识第一节 量化投资的概念和优势量化投资的概念 量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。
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，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、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；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。
量化投资课程设计
量化投资 课程设计一、课程目标知识目标：1. 学生能理解量化投资的基本概念，掌握量化策略的类型及其应用场景。
2. 学生能掌握数据分析的基本方法，学会运用数学模型评估投资风险与收益。
3. 学生了解我国证券市场的基本规则，熟悉量化投资的相关法律法规。
技能目标：1. 学生能够运用编程语言（如Python）进行数据处理和分析，掌握基本的数据可视化技巧。
2. 学生能够独立设计简单的量化投资策略，并通过模拟交易进行验证。
3. 学生能够运用量化投资工具进行投资组合优化，提高投资决策能力。
情感态度价值观目标：1. 学生培养对金融投资的兴趣，提高对投资市场的敏感度和洞察力。
2. 学生树立正确的投资观念，认识到投资风险，学会规避风险，实现资产保值增值。
3. 学生培养团队协作精神，提高沟通表达能力，学会分享投资经验和心得。
课程性质：本课程为高中年级的金融投资实践课程，结合数学、计算机科学和金融学等多学科知识，旨在培养学生的投资实践能力和创新精神。
学生特点：高中年级的学生已经具备一定的数学基础和逻辑思维能力，对新鲜事物充满好奇，具备一定的自主学习能力。
教学要求：课程应注重理论与实践相结合，强调学生的动手实践能力。
在教学过程中，注重引导学生发现问题、分析问题、解决问题，培养学生独立思考和创新能力。
通过本课程的学习，使学生能够掌握量化投资的基本知识和技能，为其未来在金融投资领域的进一步发展奠定基础。
二、教学内容1. 量化投资概述- 量化投资定义与分类- 量化投资的优势与局限- 量化投资的应用场景2. 量化策略基础- 趋势追踪策略- 对冲套利策略- 价值投资策略- 动量策略3. 数据分析与处理- 数据来源与预处理- 常用数据分析方法- 数据可视化技术4. 投资风险与收益评估- 风险与收益的基本概念- 风险评估方法与模型- 收益评估指标5. 编程语言与工具- Python编程基础- NumPy、Pandas等数据处理库- Matplotlib、Seaborn等数据可视化库6. 量化投资实践- 设计简单量化策略- 模拟交易与策略验证- 投资组合优化7. 量化投资法规与伦理- 我国证券市场基本规则- 量化投资相关法律法规- 投资伦理与道德规范教学内容安排与进度：第一周：量化投资概述、量化策略基础第二周：数据分析与处理第三周：投资风险与收益评估第四周：编程语言与工具第五周：量化投资实践第六周：量化投资法规与伦理本教学内容根据课程目标，结合课本内容进行组织，注重科学性和系统性。
金融期货的量化交易上PPT学习教案
里介绍基于协整检验的跨期套利策略。
1、协整概念。在处理时间序列数据时，如果一个时间序列的均值或自协方差函数随时间而改变，那么该序列
就是非平稳的。对于非平稳数据，如果采用传统的估计方法，可能会导致错误的推断，即伪回归。若非平稳序
系方程：Yt=a +bXt +Ut
* Xt
t=
将估计到的参数代入方程
ෝ+
t
即可计算得到非均衡误差：Et= Yt-
第7页/共18页
第一节 期货的量化套利
然后检验残差 的单整性，如果
为稳定序列，则认为变
量Yt\Xt为（1,1）阶协整；如果 为一阶单整，则认为变
量Yt\Xt为（2,1）阶协整，以此类推。
格等于现货价格加上持有成本，减去现金红利。以股指期货为例，考虑连续利率和现金分红率，则
F T, t =S t e*power((r- q)(T-t ) )
其中，F T, t 为到期日为 T的期货合约在 t时刻的价格，St 为现货在 t 时刻的价格，r 为无风险利率， q为指数现金
分红率。
第2页/共18页
买入，以此构建一个股票组合，期望该组合在未来的一段时间跑赢指数。
多因子Alpha 套利策略实施可以分为五个步骤：构建因子库、因子筛选、因子打分、构建组合和建立 A lpha 对
冲策略。
前四个步骤都与选股有关：首先要构建和股价变动最为相关的因子库，通过历史回溯，观察这些因子和股票收
益的相关性，再对因子进行进一步的筛选，把与股票收益相关性最显著的因子挑选出来作为选股的依据，对这
程序化交易概述
如果机械化地算账 -97元
问题： Why are we here?
资本市场的 混沌与秩序
数量化投资 的世界观
程序化交易 来袭？
还在学习巴菲特？不知道西蒙斯？你OUT了！
资本市场的混沌和秩序
关于资本市场的乱象
现代资本市场理论的“三驾马车”
资本资产定价模型（Capital Asset Pricing Model, CAPM）
多数属于判断型交 易 根据基本分析，技 术图形，消息进行 判断 交易速度较慢 交易周期较长
用量化模型取代经 验判断 主要采用技术分析 大“数”底下好乘 凉 倾向于采用程序化 交易手段
人 vs 计算机
人
♠ 根据信息和经验来决定 交易 ♠ 同样的信息进入大脑， 可能出来的是不同的指 令 ♠ 可以处理非标准化的信 息 ♠ 有发现特殊机会和风险 的能力 ♠ 交易周期较长
是否具有 足够的流 动性 是否有足 够多的市 场参与者
• 当一个市场能够有 效排除非市场因素 干扰时，才可以作 为一个合格的投资 对象。
是否具有 足够长的 交易历史 是否有充 足的信息 源
• 信息源充足与否的 要求，不以系统交 易遵循基本分析原 来还是技术分析原 理而改变。
交易系统的公式化
定义交易规则： 交易策略的定性化 定义交易规则变量及参数： 交易策略的定量化
• 西蒙斯，1938年出生于波士顿郊区的一个犹太家 庭，从小就有数学天赋。 • 本科：麻省理工学院数学系（3年毕业） • 博士：加州大学伯克利分校（3年毕业,23岁） • 越战期间：美国国防分析研究院破译密码。
• 与陈省身一起提出有关“多维弯曲空间的几何问 题”的：陈－西蒙斯理论 • 1978年：成立“林姆若依”基金（年增长38%） • 1988年：成立“大奖章”基金（年增长38.5%）
量化投资研究 PPT
行业发展状况
Industry development status
国内发展状况
1 量化投资起步晚
量化投资起步晚的主要原因有：A股市场的发展历史较短，投资者队伍参差不齐，投资理念还不够成熟；国内市场对冲工具单一， 可量化的标的过少；受到交易规则的限制，量化投资不能充分发挥作用，很难引起人们重视。
2 量化产品发行迅速
统计模型支撑，策略选股择时精准
量化投资在套利策略中，能做到精准投资。例如在股指 期货套利的过程中，现货与股指期货如果存在较大的差 异时就能进行套利，量化投资策略和交易技术会抓住精 确的捕捉机会，进行套利交易来获利。
量化投资解读
Quantitative investment interpretation
目前机构和第三方量化公司合作推出的量化平台上线数量增长加快，涉及投资品种增多，券商推出服务客户的量化平台的速度也 越来越快，但是还没有一家银行有传出类似的消息。
四、量化投资模块的建
04 立 1 .量化投资模块的组 成
2 .量化标的选择
3 .与行内业务的关 联
量化投资模块的建立
The establishment of quantitative investment module
1973年，芝加哥大学教 授费希尔·布莱克和迈·斯 科尔斯提出“布莱克-斯 科尔斯”公式，即期权定 价理论。1983年，格 里·班伯格提出在一组对应 的股票中，价格会暂时出 现异常，通过卖空价格高 的股票，买入价格低的， 在它们的价格恢复到历史 均衡水平时平仓，即可获 利，这就是著名的统计套 利策略。
量化投资模块建立的必要性
The necessity of establishing quantitative investment module
国内量化投资有关信息
目录一、量化投资基金 (2)二、国内主要量化投资参考资料 (2)●《量化投资—策略与技术》 (2)●《解读量化投资》 (3)●《高频交易》 (3)●《积极投资组合管理》 (4)三、程序化交易常用软件评价 (5)●文华财经 (5)●TB 交易开拓者 (5)●天软 (6)●SPT盛立高频程序化交易平台（机构版） (6)●高手交易软件 (6)●multicharts （上海） (7)●上海金钱豹软件有限公司 (7)●达钱+excel (7)●Y esTrader (8)●永安程序化交易系统 (9)●金仕达期货交易软件 (9)●龙软程序化交易平台（DTS，DragonSoft Trading System） (9)●上海金字塔 (10)四、国际流行的程序化交易软件 (10)●tradestation（交易大师） (10)●MT4 (11)●esignal (12)●Amiborker (12)一、量化投资基金国内12只相关基金：光大量化基金（光大量化核心基金)中海量化基金上投摩根阿尔法华商动态富国沪深300增强嘉实量化阿尔法基金南方策略优化长盛量化基金友邦柏瑞量化华富量子生命力基金大摩华鑫多因子精选策略基金申万菱信量化小盘基金二、国内主要量化投资参考资料《量化投资—策略与技术》——全面介绍量化投资策略的教材作者：丁鹏出版社：电子工业出版社ISBN：9787121149979上架时间：2011-12-5出版日期：2012 年1月开本：16开页码：1版次：1-1内容简介《量化投资—策略与技术》是国内第一本有关量化投资策略的著作，首先介绍了量化投资大师西蒙斯的传奇故事（连续20年，每年赚60%）；然后用60多个案例介绍了量化投资的各个方面的内容，主要分为策略篇与理论篇两部分，策略篇主要包括：量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易和资产配置等。
理论篇主要包括：人工智能、数据挖掘、小波分析、支持向量机、分形理论、随机过程及it技术等；最后介绍了作者开发的d-alpha量化对冲交易系统，该系统全球市场验证显示具有长期稳健的收益率。
- 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、"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、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)。
基金所表现的特征看，国内的量化投资发展仍处于起步阶段。
➢ 从规模上看量化投资产品总规模仍然较小。 ➢ 量化类产品投资策略较为单一，缺乏多元化量化策略的支持。 ➢ 现有量化产品中多数产品投资业绩表现分化，且缺乏稳定性和持续性。
8
提
➢ 研发背景
纲
量化投资简介
程序化交易简介
程序化交易发展与现状
策略开发模式的变革
➢ 程序化交易策略智能生成系统
原理简介 系统功能演示 功能、性能对比 应用与发展
程序化交易简 介
➢ 程序化交易——量化研究在投资中的具体运用方式：
程序化交易(Program Trading)，是指投资者将交易思想与交易规则 模型化，构建成量化交易策略，并由计算机执行策略，实现自动判定买卖时机 并下单交易的交易方式。
投资者主观交易 感性/主观/恐惧贪婪
高 缓慢 人工手动 不稳定
程序化交易简 介
程序化交易 理性/客观/数据讯号
低 快速 电脑自动 比较稳定
11
➢ 程序化交易优势：
程序化交易简 介
规避主观情绪 提高交易速度 复制盈利模式 降低人力成本 量化交易风险
12
提
➢ 研发背景
纲
量化投资简介
程序化交易简介
程序化交易发展与现状
15
➢ 国外程序化交易发展现状：
程序化交易发展与现状
案例二 高盛集团(Goldman Sachs)程序化交易纪录
2009年高盛的程序化交易量占NYSE交易量的50%，这个比例在2008年年 底是27%. 2009年第二季度，高盛公布了创纪录的交易收入，其中有46个交 易日每天利润超过1亿美元，相当于该季度交易总量的71%. 此后第三季度有 36日每日交易利润超过1亿美元，并且在该季度中只有一天发生了交易亏损。
➢ 量化投资的概念：
量化投资简 介
量化投资，是利用现代数学理论、金融数据与信息技术方法来管理投资组 合、进行投资决策的一种现代化的证券分析方法。
➢ 量化投资的本质：
量化投资的本质，是将投资思想通过量化指标、参数设计体现到具体的模 型中，让模型对市场进行不带有任何情绪的跟踪。这种跟踪将使得投资的广度 和深度都得到很大的拓展。
量化方法更多关注“数字”背后的意义，依靠计算机的帮助，分析数据中 的统计特征，从而挖掘出其内在的规律，寻求盈利的方法。
4
➢ 量化投资策略：
量化投资简 介
量化投资策略是主动型投资策略的一种，即其认为市场是非有效或弱势有 效的从而试图战胜市场以获得超额收益。同时，量化投资策略因为不受到人类 思维的局限，因此其覆盖的范围远大于传统主动型投资策略。
息和财经资讯的领先提供商)认为量化基金因使用量化投资方法而得名，量化
基金通过数理统计分析，选择那些未来回报可能会超越基准的证券进行投资，
以期获取超越指数基金的收益。对于一个完全的量化基金来说，其最终的买卖
决策完全依赖于量化模型。
西方国家多年来资本市场的发展，涌现出一大批优秀的量化投资基金。根 据Reuters(路透)数据，截至2010年11月，1600只量化基金的总资产高达 2600亿美元，年均增长速度高达20%，同期非量化基金的年增长速度仅为8%.
策略开发模式的变革
➢ 程序化交易策略智能生成系统
原理简介 系统功能演示 功能、性能对比 应用与发展
➢ 国外程序化交易发展现状：
程序化交易发展与现状
案例一 纽约证券交易所(NYSE)统计信息
根据美国纽约证券交易所
35%
32.81% 30.89%
30%
30.11%
31.58% 31.94%
28.71%
(NYSE)统计：2006年以来， 25%
24.86%
20%
NYSE市场上程序化交易量所占
15%
比例基本维持在30%左右。
10%
5%
0% 2006年 2007年 2008年 2009年 2010年 2011年 2012年
14
➢ 国外程序化交易发展现状：
程序化交易发展与现状
案例一 纽约证券交易所(NYSE)统计信息
9月14日，共有22只量化型券商集合理 4
财产品已成立，18只量化基金产品成立，
2 0
40只量化型阳光私募产品成立。
2004 2005 2006 2007 2008 2009 2010 2011 2012
资管量化产品 基金量化产品 私募量化产品
7
➢ 国内量化投资仍处于起步阶段：
量化投资简 介
尽管量化投资日益受到关注，量化产品发行数量大幅增加，但从目前量化
根 据 NYSE 最 新 统 计 ， 2012年12月17日—12月21日 股票交易量为20.952亿股，其 中 44.3% 是 通 过 程 序 化 交 易 方 式实施的。
18.66%
55.71%
18.03%
买方程序化交易量比例 卖方程序化交易量比例 盘后程序化交易量比例 非程序化交易量比例
7.60%
6
➢ 国内量化投资仍处于起步阶段：
量化投资简 介
伴随着市场复杂度日益提升，以个
近年来量化产品发行数量
人主观判断为主的传统投资面临较大挑 18
战。量化投资逐渐被认识和认可，国内
16 14
市场掀起一股量化产品发行热潮，基金、 12
券商、私募都纷纷推出各自的量化产品。 10
8
据Wind资讯数据统计，截止2012年 6
程序化交易使得量化投资方式由人工向计算机自动化转变。利用量化投资 的理论方法与数据挖掘等技术手段构建的交易模型，可以高效捕捉市场的有效 信息，对市场进行不带有任何情绪的跟踪，同时产生稳定的投资收益。
10
➢ 程序化交易与主观交易：
决策判断方式 精力与时间投入 运算速度/执行能力 交易记录/风险警示 投资回报率稳定性
投资策略
主动型 投资策略被动型 源自资策略传统主动型 投资策略
量化投资 策略
依靠投资人经验判断试图战 胜市场获得超额收益
建立量化模型，并借助计算 机实现策略以获得超额收益
无法获得超越市场的收益
5
➢ 国外量化基金发展迅猛：
量化投资简 介
目前来说，量化基金并没有严格的定义。Bloomberg(全球商业、金融信
提
➢ 研发背景
纲
量化投资简介
程序化交易简介
程序化交易发展与现状
策略开发模式的变革
➢ 程序化交易策略智能生成系统
原理简介 系统功能演示 功能、性能对比 应用与发展
提
➢ 研发背景
纲
量化投资简介
程序化交易简介
程序化交易发展与现状
策略开发模式的变革
➢ 程序化交易策略智能生成系统
原理简介 系统功能演示 功能、性能对比 应用与发展