量化投资现状和未来.pptx
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
量化投资发展及我国现状分析
量化投资发展及我国现状分析【摘要】量化投资是一种通过数学模型和统计分析来进行投资决策的方法，在全球范围内逐渐得到广泛应用。
本文从量化投资的概念、发展趋势和我国现状入手，探讨了量化投资技术和工具的应用以及对投资者的影响。
同时也分析了我国量化投资市场的特点、发展阶段和面临的挑战。
通过对量化投资对资本市场的发展意义、我国量化投资的发展前景以及加强监管的建议进行总结，可以看出量化投资对于提高资本市场的效率和透明度具有重要意义，同时我国量化投资市场仍面临着监管不足、数据质量等挑战。
加强监管和技术应用，将有助于推动我国量化投资市场的健康发展。
【关键词】关键词：量化投资，发展趋势，现状，技术工具，投资者影响，市场特点，发展阶段，挑战，发展意义，前景，监管建议。
1. 引言1.1 量化投资的概念量化投资是一种利用数学、统计学和计算机技术进行投资决策的策略。
它通过系统性的分析历史数据，利用数学模型和算法来识别投资机会，从而实现投资组合的优化和风险管理。
量化投资的核心理念是基于数据和规则，排除主观判断和情绪因素，从而提高投资的效率和准确性。
量化投资的发展始于上个世纪，随着计算机技术和数据处理能力的不断提升，量化投资得到了更广泛的应用和认可。
目前，全球范围内有许多专门从事量化投资的机构和团队，其投资规模和影响力不断扩大。
在我国，量化投资也逐渐引起了投资者和监管部门的关注。
随着金融科技的快速发展，越来越多的公司和投资者开始尝试将量化技术应用到投资决策中。
虽然我国量化投资市场仍处于起步阶段，但随着监管环境的不断完善和投资者的认知提高，量化投资有望在未来取得更大的发展。
1.2 量化投资的发展趋势1. 数据科学的兴起：随着大数据和人工智能技术的普及，量化投资正逐渐向数据科学领域靠拢，采用更加先进的算法和模型来挖掘市场中的规律和机会。
2. 高频交易技术的发展：高频交易作为量化投资的一个重要分支，依靠快速的计算和执行能力实现对市场波动的敏锐捕捉和快速交易，对市场价格的形成和稳定产生了重大影响。
量化投资发展及我国现状分析
量化投资发展及我国现状分析【摘要】本文主要介绍了量化投资发展及我国现状的分析。
在文章首先解释了量化投资的概念，接着介绍了我国量化投资的起步情况，并阐明了本文的目的及意义。
在分析了量化投资的基本原理、国际量化投资发展现状以及我国量化投资发展现状，同时探讨了我国量化投资面临的挑战和发展前景。
在提出了我国量化投资的未来发展方向，给出了推动我国量化投资发展的建议，并对全文进行了总结。
通过本文的分析，可以更全面地了解量化投资在我国的发展现状，为我国量化投资的进一步发展提供参考和建议。
【关键词】量化投资、发展、我国、基本原理、国际发展、现状分析、挑战、发展前景、未来发展方向、建议、总结1. 引言1.1 量化投资的概念量化投资是指利用数学模型和大规模数据进行投资决策的一种投资方式。
量化投资通过对历史数据和市场走势的分析，建立模型预测未来市场走势，从而提高投资决策的准确性和效率。
量化投资依靠计算机算法和统计学方法，通过程序化交易进行买卖操作，减少人为情绪干扰，实现规模化操作。
量化投资的兴起，源于信息技术和金融市场的发展。
随着数据量的爆发性增长和计算能力的提升，量化投资逐渐成为投资界的热门话题。
量化投资逐渐被广泛运用于股票、期货、外汇等金融市场，成为投资者获取超额收益的重要手段。
在我国，量化投资起步较晚，但发展态势迅猛。
随着金融科技的兴起和监管政策的支持，我国量化投资行业逐渐壮大，吸引了越来越多的资本和人才投入。
未来，我国量化投资有望成为金融市场的重要力量，推动金融市场的发展和稳定。
1.2 我国量化投资的起步情况我国量化投资的起步情况可以追溯到2000年左右，当时国内的金融市场还处于初级阶段，投资者主要依靠经验和直觉进行投资决策。
随着信息技术的发展和金融市场的完善，我国的量化投资开始逐渐兴起。
最早采用量化投资策略的是一些私募基金和券商资管产品，它们利用数学模型和算法来分析数据、识别交易信号，从而实现系统化、自动化的投资。
大数据背景下的量化投资：现状与趋势
大数据背景下的量化投资：现状与趋势1. 大数据时代中的量化投资：优势与特点1.1 从“小数据”到“大数据”随着计算机和互联网的普及，人类已经从小数据时代正式迈入大数据时代：大数据出现在我们生活中的各个方面，它涉及很多学科或领域，例如金融经济、医疗卫生、基因组学、物理天文、政治、教育、工业、等等。
现在人们都知道大数据有用，那么，为什么有用呢？这就需要首先知道什么是“小数据”、什么是“大数据”。
下面我通过举例来简要说明。
首先，何为“小数据”? 在上世纪90年代初——互联网普及之前，我从新华书店购买一套《十万个为什么》（第四版）。
营业员在他的帐薄上能够记录的数据是：书名、购买数量、价格等。
这些数据诚然有用，但是，用途有限，所以，我们这里不妨把它们称为“小数据”。
然而，时至今日，我从当当网上购买一套《十万个为什么》（第六版），当当网的销售系统能够记录的数据，不仅有书名、购买数量和价格，还可以有很多，例如，因为我是通过我的帐号在线购买这本书的，那么，我的身份信息（如：性别、年龄、学历等）都变成了当当网销售系统记录的数据——而且这些记录都是由计算机瞬时完成的。
可见，与先前的小数据相比，这些数据是多维的，这就使得它们也就变得更为有用。
例如，因为我购买的《十万个为什么》（第六版）属于科普读物，当当网的系统就会自动推荐一些旁的科普读物给我，并同时结合我的博士学历，可能会同时推荐一些较为专业的书籍给我。
这是因为，这个推荐系统本身就是基于系统掌握的所有数据，这些数据正属于大数据。
可以想象，它们的用途远远超过“小数据”。
当然，我这里举的例子仅仅是以网络销售作为一个特例介绍的，事实上，大数据的价值覆盖的范围远过于此——其常常超出人们的想象。
例如，针对手机信号的集体异常（如集体震荡等），科学家可以立即推知某个地方正在发生着地震；当新电影刚刚入市，科学家可以针对微博上影迷的转发规律来推知该电影未来的票房收入；等等。
这些应用很奇妙，与人们的生活密切相关，显然，它们是基于先前的小数据无法实现的。
量化投资研究PPT.ppt
QUANTITATIVE INVESTMENT
DIRECTORY 目录
01 量化投资解读 02 行业发展状况 03 量化投资模块建立
的必要性
04 量化投资模块的建
立
01
一、量化投资解读
1 .量化投资的定义 2 .量化投资的特点 3 .量化投资的应用 4 .量化投资与传统 投资的区别
马可维茨提出了资产组合 选择理论，最早采用风险 资产的期望收益率和用方 差代表的风险来研究资产 组合选择问题。资本资产 定价模型提出系统风险和 非系统风险，用贝塔系数 来衡量系统风险的大小， 并对非系统风险则“不能 把所有鸡蛋放在一只篮子 里”。
第四阶段：量 化投资高速发 展（2000年至今）
量化投资高速发展：2016 年数据统计显示，量化科 技在国外的理财产品管理 规模已达到了3.2万亿美 元，而通过计算机和数字 模型进行下单和下达指令 的比例达到了惊人56%。 量化投资基本实现了从最 初的技术分析手段，逐渐 发展演变为如今有金融理 论支撑的金融设计工具， 以计算机程序算法主导的 高频交易。
股指期货套利：指利用股指期货市场存在的不合理价格，同时参与股指
期货与股票现货市场交易，或者同时进行不同期限，不同（但相近）类别股票 指数合约交易，以赚取差价的行为，主要分为期现套利和跨期套利两种。
统计套利：利用证券价格的历史统计规律进行套利，在方法上可以分为
两类，一类是利用股票的收益率序列建模，称之为β中性策略；另一类是利用 股票的价格序列的协整关系建模，我们称之为协整策略。
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。
量化交易在中国市场的现状与发展趋势
量化交易在中国市场的现状与发展趋势随着科技进步和金融市场的不断发展，越来越多的投资者开始关注量化交易。
量化交易，简单来说，就是使用预先设定好的规则和算法，通过计算机程序进行交易。
这种交易方式在外国市场已经得到广泛应用，但在中国市场的发展还相对较为缓慢。
本文就量化交易在中国市场的现状和未来发展趋势进行探讨。
一、中国市场的现状目前，中国市场的量化交易还处于起步阶段。
与日本、美国、欧洲等市场相比，中国的量化交易市场规模还比较小。
在中国，机构量化交易的探索和发展已经开始了，但公募基金量化投资的数量还不多。
在具体的应用方面，以场内交易市场为例，目前主要有两种量化交易策略，一种是基于技术分析的，另一种是基于基本面分析的。
前者包括移动平均、RSI等技术分析指标，后者则包括基本面指标、资产负债表等基本面变量。
这些指标能够帮助投资者制定交易策略，但目前的应用还相对较为有限。
另外，目前在中国，量化交易还存在一些问题，如数据诚信问题、风险控制问题等。
这些问题都需要通过技术手段和监管手段得到解决，并逐步完善市场的相关制度和规则。
二、发展趋势尽管中国市场的量化交易相对较为滞后，但随着国内金融市场的逐步开放以及科技手段的不断进步，未来量化交易在中国市场的发展仍有很大潜力。
首先，在技术手段方面，随着人工智能和大数据技术的不断发展，越来越多的数据可以用于量化分析，这将有助于提高交易的准确性和效率，并扩大量化交易的适用范围。
其次，在制度和规则上，监管部门需要加强对量化交易的监管和控制，确保量化交易的合法性和诚信性。
此外，行业协会和机构也可以通过共同制定行业标准和规范来推动量化交易发展。
最后，在投资者教育方面，需要向投资者介绍量化交易的基本理念和方法，并引导投资者正确使用量化交易工具。
这有助于提高投资者的风险意识和市场素养，促进量化交易在中国市场的发展。
三、结论量化交易在中国市场的应用和发展仍处于初级阶段，但未来有广阔的发展前景。
中国量化投资的现状和未来
现实应用中，量化投资往往与基本面投资、技术分析有机结合
量化投资是以定量化方法进行投资的各种技术综合
引言：什么是“量化投资”
量化投资的特点
科学验证：对不同的投资思想分布建立模型，以验证投资思想是否 长期有效。即采用长期历史数据和大量股票进行研究，最终采用在多 数情况适用的模型。
纪律特性：量化模型是人为设定，但投资决策却由模型决定，具体 交易单由模型 产生。避免在个股交易是受制于人性的弱点。
系统特性：建立资产配置、行业选择、精选个股等多层次的量化模 型；从宏观周期、市场结构、估值、成长等多角度进行分析；海量的 数据获取和处理
套利思想：寻找“估值洼地”，全面、系统的扫描错误定价、错估 估值的投资品
量化投资举例—股指期货套利之期现套利
期现套利 当股指期货与现货之间的价差暂时性超出“无套利区间”
时，投资者可以通过买入价格低估资产，卖出价格高估资产，待期、 现货价差恢复到正常水平时，再通过相反操作获利了结。 期限套利分类： ➢ 正向套利：当期货价格被高估，交易者通过卖出股指期货，
同时买入对应的现货所进行的套利交易。 ➢ 反向套利：当期货价格被低估，交易者通过买入股指期货，
实施套利操作： 当日收盘前买入一揽子沪深300的股票组合，市值 2896*300=86.88万；卖出1手IF1005股指期货合约保证金（20%的保证金率）为： 2967 *300*20%=17.802万。 投入总资金86.88+17.802=104.682万。
市场追踪：2010年5月21日收市前，沪深300指数期货合约IF1005到期交割，收 市前指数价格为2726点，而IF1005收盘价为2750，期货和现货价格收敛。
引言：什么是“量化投资”
量化投资研究PPT
2020/8/16
量化投资
统计学
计算机技术
投资理念
量化投资解读
Quantitative investment interpretation
客观执行，避免情绪因素
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。
行业发展状况
Industry development status
国外发展状况
第一阶段：量 化投资的产生 （60年代）
第二阶段：量 化投资的兴起 （70-80年代）
第三阶段：量 化投资黄金十 年（90年代）
1967年，索普与希恩·卡 索夫合著《战胜市场：一 个科学的股票市场系统》， 该书是第一个精确的纯量 化投资策略，股票市场系 统可以正确地给可转换债 券定价（估值）。
客观
量化投资的特点
分散
标的选择分散多样化，靠概率取胜
一是定量投资不断的从历史中挖掘有望在未来 重复的历史规律并且加以利用，这些历史规律 都是有较大概率获胜的策略。二是依靠筛选出 股票组合来取胜，而不是一个或几个股票取胜 ，从投资组合理念来看也是捕获大概率获胜的 股票，而不是押宝到单个股票上。
支持大数据处理，提高决策效率
量化投资未来发展前景广阔
随着传统投资产品选股策略同质化程度日益增加，并且过度依赖于投资经理个人的主观判断，导致投资风险相对较高，在此背景下越来越多的基金、券商和私 募开始关注量化投资，未来若干年国内量化投资必将迎来蓬勃发展的阶段，这是源于：（1）量化投资在国外已经取得的成功经验；（2）国内基础衍生产品市
量化投资与传统投资的区别
量化投资
量化投资是由计算机自动产生交易策略的一种 投资方法，通过建立数学模型来实现交易理念，
量化投资领域的新方向__程序化交易技术的最新进展97页PPT文档
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 (NYSE) 统 计 ： 2019 年 以 来 ， NYSE市场上程序化交易量所占 比例基本维持在30%左右。
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
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。
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。
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2019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%.
量化投资发展及现状分析
量化投资发展及现状分析摘要：随着我国证券市场的发展和技术的成熟，量化投资已经成为基金经理决策的重要工具之一。
通过对量化投资在我国和国外的发展，以及对量化投资模型的发展进程和现状进行梳理总结，最后对未来量化投资在我国的发展前景进行了分析和展望。
关键词：量化投资；发展趋势；中国；现状现资理论经过了几十年的发展，投资组合管理可以分为被动管理和主动管理两种方式。
被动管理也叫指数化管理，目的是跟踪一些基准股票指数，使投资组合业绩与基准业绩准偏离最小。
主动投资管理重要的是依赖于投资者对于市场和个股的主观判定，一般情况需要投资者对潜在公司有非常深刻的认识，包括公司的企业构造，经营状态，财务状态，行业周期等等方面，特别依靠投资者的知识局限和眼光，非常考验投资者的专业知识。
定量投资是投资管理常用的方法。
定量投资管理是根据能够获取的公开数据，基于数学或者统计或者物理的方法，建立定量模型对股票进行评判并依此进行投资决策，前沿投资模型囊括了各行业的尖端模型，包括语音识别，图像识别，人工智能等领域。
定量管理本质是统计套利，关注的是因子（共性），而非股票（个性）。
基本假设包括：（１）市场大多是有效的；（２）纯套利机会不存在；（３）定量分析创造统计上的套利机会；（４）定量分析以有效的方式结合所有可能获得的信息；（５）定量模型应该基于合理的经济理论；（６）定量模型应该反映持续稳定的模式；（７）证券投资组合与基准的偏差只有当不确定性足够小时才是合理的。
１量化投资概念简略来说，量化投资是指应用计算机技术与数学建模等方法，来实现投资理念和投资策略。
量化投资与传统投资的差别在于依赖数学模型和数据来找寻投资标的，实行投资策略，寻求稳固而连续的收益。
量化投资在西方投资界被称为是传统投资哲学的“投资革命”，经过４０多年的发展已经被证明为可以持续获得超额收益的有效方法。
量化投资与传统投资模式在理念方面是相似的，他们都是基于市场非有用或弱有用的理论基础，试图克服市场而获取超额收益。
量化投资及发展趋势研究
量化投资及发展趋势研究随着经济全球化和信息技术的迅猛发展，金融市场的复杂性和变化速度不断加快，传统的基本面分析和技术分析已经不能完全满足投资者的需求。
在这种情况下，量化投资因其能够利用大量数据、科学模型和算法进行分析和决策的特点，成为了投资界的热门话题。
本文将对量化投资及其发展趋势进行深入分析，并探讨其未来的发展方向。
一、量化投资的定义量化投资是利用数学、统计学和计算机技术进行投资决策和风险管理的投资方法。
与传统的基本面分析和技术分析相比，量化投资更加注重数据和模型的科学性和准确性，以此来提高投资的效率和收益。
量化投资的核心内容主要包括利用历史数据构建模型、进行回测和优化、执行交易以及风险管理等方面。
量化投资起源于20世纪50年代的美国，当时一些经济学家和数学家开始尝试利用数学模型和计算机技术对金融市场进行分析和预测。
随着计算机技术的飞速发展和金融市场的快速变化，量化投资逐渐得到了越来越多投资者的关注和认可。
在20世纪90年代以后，一些知名的投资公司和基金开始大规模应用量化投资策略，并取得了显著的投资回报。
正是在这一时期，量化投资开始迅速崛起，并成为了金融市场的一股重要力量。
1. 数据驱动：量化投资的决策过程主要依赖于大量的历史数据和实时数据，通过对这些数据的分析和建模来进行投资决策和风险管理。
2. 科学模型：量化投资运用各种数学、统计学和计算机技术构建科学模型，以此来揭示金融市场的规律和趋势。
3. 高效执行：由于量化投资依托于计算机技术，能够实现高效的交易执行，减少人为的情绪干扰和操作失误。
4. 严格风控：量化投资强调严格的风险控制和资金管理，避免因为单个交易失误而对整个投资组合造成重大损失。
以上特点使得量化投资在金融市场中有着独特的优势，能够更好地适应市场的变化和波动，提高投资效率和收益。
1. 大数据的应用：随着云计算和大数据技术的发展，金融行业日益意识到大数据对投资决策的重要性，未来量化投资将更加注重大数据的应用，运用更多的非结构化数据进行投资分析和决策。
量化投资发展及我国现状分析
量化投资发展及我国现状分析1. 引言1.1 量化投资概述量化投资是指通过建立数学模型和统计分析等技术手段，对市场数据进行系统化分析和量化处理，从而获取投资组合的投资决策建议。
量化投资以大数据和人工智能为支撑，能够更加快速、智能地进行决策，提高投资效率和风险控制能力，成为当前金融领域的热门话题。
在传统投资中，投资者主要依靠主观判断和经验来进行投资决策，容易受到情绪、偏见等因素的影响；而量化投资则通过系统化的方法和模型，减少了主观因素的影响，提高了投资的科学性和准确性。
随着金融技术的发展和数据处理能力的提升，量化投资正逐渐成为投资者们关注和研究的焦点。
通过量化投资，投资者可以更加全面、深入地了解市场，利用历史数据和统计分析为投资决策提供支持，提高投资的稳定性和盈利能力。
量化投资还可以减少投资者的情绪干扰，避免盲目跟风和投机行为，帮助投资者更好地控制风险和实现长期稳健的投资收益。
由此可见，量化投资在当前金融市场中具有重要的意义和价值。
1.2 研究背景和意义量化投资的发展也符合金融市场的趋势和需求。
随着市场竞争日益激烈，投资者对于风险管理和收益最大化的要求越来越高。
量化投资模型能够实现对市场波动的快速反应，有效控制风险，提高投资回报率，因此受到了越来越多投资者的青睐。
研究量化投资的背景和意义还在于加深对金融市场运作规律的理解。
通过研究量化投资模型的建立和优化过程，可以更好地揭示金融市场的内在规律和演变趋势，为金融监管部门和市场参与者提供参考和借鉴，推动金融市场的稳定和发展。
深入研究量化投资的背景和意义具有重要的理论和实践意义。
1.3 研究目的和意义量化投资的研究目的在于通过量化模型和算法分析市场数据，以实现投资组合的优化和风险管理，提高投资回报率和降低投资风险。
具体来说，研究目的包括：一是探讨量化投资的基本原理和方法，为投资者提供更加科学和有效的投资决策依据；二是分析国际量化投资领域的发展现状，借鉴其成功经验和教训；三是评估我国量化投资的实际情况，揭示存在的问题和挑战；四是探讨我国量化投资的发展前景，为我国金融市场的健康发展提供支持和帮助。
- 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)。
时卖出对应的现货所进行的套利交易。
量化投资举例—股指期货套利之期现套利
案例： 2010年5月6日，深300指数收盘价为2896点，到期日为5月21号的沪深 300指数股指期货1005合约的价格为2967点，假设该日市场上无风险利率为 4.8%，预计2010年沪深300指数成分股年平均分红率为2.75%。
量化投资举例—Graham基本面量化选股
如下图所示，可以看到，运用Graham基本面量化选股取得了明显 优于市场的超额收益
候选因子
模型验证
因子有效性 检验
选股
冗余因子剔 除
综合评分模 型构建
量化投资举例—股指期货套利之期现套利
期现套利 当股指期货与现货之间的价差暂时性超出“无套利区间”时，
投资者可以通过买入价格低估资产，卖出价格高估资产，待期、现 货价差恢复到正常水平时，再通过相反操作获利了结。 期限套利分类： ➢ 正向套利：当期货价格被高估，交易者通过卖出股指期货，同
量化投资 詹姆斯·西蒙斯
依据模型
传统投资 沃伦·巴菲特 依据人的经验与判断
信息来源 海量数据以及多层次多方面的因素 （定量分析）
基本面及宏观经济 （定性分析）
投资风格 投资标的
投资周期偏向短期 分散化
投资周期偏向长期 投资于某一只或少量股票
风险处理 在风险最小化前提下实现收益最大 化
风险考虑不周全
投资策略
量化投资是一种方法论
现实应用中，量化投资往往与基本面投资、技术分析有机结合
量化投资是以定量化方法进行投资的各种技术综合
量化投资的特点
科学验证：对不同的投资思想分布建立模型，以验证投资思想是否 长期有效。即采用长期历史数据和大量股票进行研究，最终采用在 多数情况适用的模型。
纪律特性：量化模型是人为设定，但投资决策却由模型决定，具体 交易单由模型 产生。避免在பைடு நூலகம்股交易是受制于人性的弱点。
再平衡 定期或者不定期进行再平衡，可以提 高投资收益
数据化 预测模型 构建模型 再平衡
量化投资的一般步骤
以多因子量化选股为例
量化投资的前提是构建出优 秀的量化选股策略
基本过程包括：候选因子→ 因子有效性检验→冗余因子 剔除→综合评分模型构建→ 选股→模型验证
投资是长期的，因此策略也 是需要进行动态地调整
实施套利操作： 当日收盘前买入一揽子沪深300的股票组合，市值 2896*300=86.88万；卖出1手IF1005股指期货合约保证金（20%的保证金率）为： 2967 *300*20%=17.802万。 投入总资金86.88+17.802=104.682万。
市场追踪：2010年5月21日收市前，沪深300指数期货合约IF1005到期交割，收 市前指数价格为2726点，而IF1005收盘价为2750，期货和现货价格收敛。
量化投资与传统投资的区别
主动型投资策略
传统主动型投资 策略
量化投资策略
被动型投资策略
依靠投资者经 验判断试图战 胜市场获取超
额收益
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
无法获得超越 市场的收益
量化投资的应用 量化投资技术几乎覆盖了投资的全过程，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、算法交易，资产配置，风险控 制等。
投资策略 量化选股
量化择时 股指期货套利
商品期货套利
统计套利 算法交易
简介
利用数量化的方法选择股票组合，包括基本面和市场行为 量化选股
通过对各宏微观指标的量化分析判断大势走势
利用股指期货市场存在的不合理价格，实现期限、跨期套 利等
利用商品期货市场存在的不合理价格，实现期限、跨期、 跨市场、跨品种套利等
中国量化投资的现状和未来
量化投资简洁 国外量化投资的兴起和发展 国内量化投资国内发展现状 量化投资实践 量化投资未来发展
引言：什么是“量化投资”
背景：数量化投资在全球市场的现状
量化投资的定义
“通过信息和个人判断（using information and judgment）来管理资 产为基金面投资或者传统投资，如果遵循固定规则，由计算机模 型产生投资决策则可被视为数量化投资。” ——Fabozzi《Challenges In Quantitative Equity Management》
量化投资举例—Graham基本面量化选股
Graham选股思想的量化实证：基本面量化选股策略 ➢ 上市3年以上 ➢ 连续三年分红 ➢ EPS最近两年平均值除以往前推第四年第五年的平均值的值>1.3 ➢ 最近12个月营业收入大于10亿 ➢ 流动比率>1 ➢ PE<25 ➢ PE*PB<50 ➢ 权益债务比>1 ➢ 长期负债比流动资产少
利用证券价格的历史统计规律构建资产组合
通过计算机程序发出交易指令，TWAP、VWAP为代表
量化投资的一般步骤
量化投资一般步骤 数据化->预测模型->构建组合->再平衡
数据化 主要任务是把不可观测的变量数据化， 例如风险情绪
预测模型 选择合适的模型预测收益和风险
构建组合 根据预测结果按照规则选择对象构建 组合
系统特性：建立资产配置、行业选择、精选个股等多层次的量化模 型；从宏观周期、市场结构、估值、成长等多角度进行分析；海量 的数据获取和处理
套利思想：寻找“估值洼地”，全面、系统的扫描错误定价、错估 估值的投资品
概率思想：挖掘并利用可能重复的历史，依靠一组投资产品取胜
量化投资与传统投资的区别
代表人物 分析方法
量化投资举例—股指期货套利之期现套利
结束套利: 2010年5月21日收盘前，以2726点价格卖出一揽子沪深300
的股票组合，市值:2768*300=81.78万；并以2750点的价格平仓 IF1005空头头寸，结束全部套利交易。
盈亏统计： ➢ 卖出一揽子沪深300股票组合亏损：86.88-81.78=5.1万 ➢ 平仓获利：（2967-2750）*300=6.51万 ➢ 盈亏相抵后，总利润：6.51-5.1=1.41万 ➢ 盈利率：1.41/104.682=1.35% ➢ 半个月时间获得1.35%，相当于年化收益32%。