论文部分内容阅读
摘 要：数量化投资是将投资理念及策略通过具体指标、参数的设计，体现到具体的模型中，让模型对市场进行不带任何情绪的跟踪;相对于传统投资方式来说，具有快速高效、客观理性、收益与风险平衡和个股与组合平衡等四大特点。量化投资技术几乎覆盖了投资的全过程，包括估值与选股、资产配置与组合优化、订单生成与交易执行、绩效评估和风险管理等，目前量化投资受到国内外相关机构的广泛重视，本文将对量化投资及发展趋势进行分析及研究。
关键词：量化投资 交易市场 发展趋势
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。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。随着20世纪80年代以来各类证券和期权类产品的丰富和交易量的大增，华尔街已别无选择，不用这些模型，不使用电脑运算这些公式，便会陷于困境。1997～1998年亚洲金融危机，市场暴跌，量化投资的算法交易也起到了同样的坏作用。此外，始于2007年的金融危机中，量化投资也未能幸免。时过境迁，2011年，量化基金再次表现优异。本文对量化投资的发展趋势总结如下：
一、量化基金在中国的发展空间大
目前在国内市场里面，量化投资占到的整体的量或者管理资产的规模大概是3500亿到4000亿上下，当中有1200亿左右的公募基金，另外比较主要是私募基金。在私募基金的体系内，大概有2000亿不到的量。大家知道国内私募基金的量在2.5万亿。量化基金管理的规模在8个百分点，8%是由量化基金来管理的，产品的数量占到10%，交易量的占比已经占到整个私募体系的30%，而且这个量还在不停地上升，因此量化投资在我国的发展空间较大。
二、未来量化投资的流行策略
主流的量化策略有几种，一种是市场中性策略，就是纯做Alpha的策略，第二个是指数增强，在公募基金里面用得比较多，第三种是更开放的，更多元的量化选股，既要拿一个Alpha，也要拿Beta，在选股的时候，会做指数的择时，或者做一些风格因子的暴露，从而拿到更好的Beta收益。后面还有量化套利、CTA，这更多的是商品端的策略，以及FOF多策略的构成。
三、商品期货市场beta策略发展较大
期货市场上近年的变化是非常大的，并且成交量的上升也非常快。目前商品期货市场上的合约大约有30多只，并且每日交易量已经能够达到100亿左右，这个交易量已经足够承担大多数产品的运作。统计套利是Alpha策略的本质，统计结论在很多情况下会变的很快，这就促使Alpha策略需要时间较为长的跟踪时间。目前一些资金量比较大的“牛散”都在逐步向Beta策略转型。
四、基本面量化策略是未来重要的方向
在以前的市场中，大多数交易者采用的是主观投资方法。随着近几年量化投资策略在我国国内市场的兴起改变了传统的投资模式，创造了投资方法的新时代。但是在一些外海市场我们也能够看到这样一种情况，那就是随着金融环境逐渐发生变化，纯量化策略已经出现了不能适应时代需要的疲软状态。许多专业人士表示，数理金融的抽象理论在逐渐弱化，金融本身的逻辑价值变得越来越重要。
金融危机过后金融监管越来越多，单纯依靠纯量化的策略已经开始不能够适应现今的市场型态发展。如今纯量化投资策略应与现实业务和宏观环境相结合。为了适应这种时代变化，对冲基金机构创造了一个新的流派，称为基本面分析法。该方法不仅包含基本面投资者自上而下的选股技巧，还同时运用计算机数据和大数据系统等逐步对模型进行完善。以往实地考察和财务报表能够很好的对公司未来的现金流和償债能力做出评估，那么现在一个基金组合经理也可以通过计算机的分析方法，通过分析信用卡的账户数据来验证对于市场的判断。量化基本面分析方法就是把人的投资逻辑和思考方式量化并形成一个模型。这样主观与量化投资结合的方式既能够摆脱主观投资容易受交易者情绪影响的弊病又可以避免量化中遇到极端问题的不及时。所以无论从哪个方向来看，量化与基本面的结合一定会是未来的主流趋势。
五、量化投资的智能化
随着量化的发展对策略的需求也越来越大。因此数据分析和挖掘被越来越多的研究人员重视起来。行业内普遍对于数据分析的要求越来越高。普通的数据分析手段已经不能满足人们的需求，所以量化投资逐渐向人工智能的方向发展。当然，人工智能技术在量化投资中的应用不仅仅是投资执行的部分，更多的偏向于投资策略的智能化和自动化。
从数学领域来看，人工智能算法属于一种非线性建模的方法。在我们观察的历史数据中存在很多非线性成分。线性成分被交易完成之后也会出现一些非线性的现象。这些非线性现象就需要我们利用人工智能的方法来进行学习和处理。诸如声音、图像和文本等信息都属于非结构化数据。这些非结构化数据没有办法被数据模型直接进行处理。所以需要用人工智能的方式来进行结构化再由数据模型进行处理。
六、量化投资的全球化趋势
1949年最早的对冲基金正式成立，在当时起家资金只有10万美元。经过了40多年，美国对冲基金的管理资产达到了200亿美元，欧洲大概用了四十年在2002年达到了200亿美元。随着资金规模的发展，各个机构都不断的将目光瞄准全球市场，使用各种量化模型在全球市场进行交易。
QFII在2017年持有的A股资产突破万亿元人民币规模，沪深港通双向累计年成交额也破万亿人民币规模。全球量化旨在一个日益联系紧密的一体化金融市场里寻找有用的信息。发达国家投资界已有新型量化公司通过技术手段分析不同金融市场的各类数据，在数以亿计的实时数据里得到套利信息的能力已经超过传统金融分析。国内也已有量化团队，从相关A股海外指数如富时指数、海外ETF、大宗商品等入手进行跨市场量化对冲投资。
参考文献：
[1] 欧靓， 滕永平. 量化投资在期货市场的应用[J]. 内蒙古煤炭经济， 2018（2）：81-82.
关键词：量化投资 交易市场 发展趋势
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。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。随着20世纪80年代以来各类证券和期权类产品的丰富和交易量的大增，华尔街已别无选择，不用这些模型，不使用电脑运算这些公式，便会陷于困境。1997～1998年亚洲金融危机，市场暴跌，量化投资的算法交易也起到了同样的坏作用。此外，始于2007年的金融危机中，量化投资也未能幸免。时过境迁，2011年，量化基金再次表现优异。本文对量化投资的发展趋势总结如下：
一、量化基金在中国的发展空间大
目前在国内市场里面，量化投资占到的整体的量或者管理资产的规模大概是3500亿到4000亿上下，当中有1200亿左右的公募基金，另外比较主要是私募基金。在私募基金的体系内，大概有2000亿不到的量。大家知道国内私募基金的量在2.5万亿。量化基金管理的规模在8个百分点，8%是由量化基金来管理的，产品的数量占到10%，交易量的占比已经占到整个私募体系的30%，而且这个量还在不停地上升，因此量化投资在我国的发展空间较大。
二、未来量化投资的流行策略
主流的量化策略有几种，一种是市场中性策略，就是纯做Alpha的策略，第二个是指数增强，在公募基金里面用得比较多，第三种是更开放的，更多元的量化选股，既要拿一个Alpha，也要拿Beta，在选股的时候，会做指数的择时，或者做一些风格因子的暴露，从而拿到更好的Beta收益。后面还有量化套利、CTA，这更多的是商品端的策略，以及FOF多策略的构成。
三、商品期货市场beta策略发展较大
期货市场上近年的变化是非常大的，并且成交量的上升也非常快。目前商品期货市场上的合约大约有30多只，并且每日交易量已经能够达到100亿左右，这个交易量已经足够承担大多数产品的运作。统计套利是Alpha策略的本质，统计结论在很多情况下会变的很快，这就促使Alpha策略需要时间较为长的跟踪时间。目前一些资金量比较大的“牛散”都在逐步向Beta策略转型。
四、基本面量化策略是未来重要的方向
在以前的市场中，大多数交易者采用的是主观投资方法。随着近几年量化投资策略在我国国内市场的兴起改变了传统的投资模式，创造了投资方法的新时代。但是在一些外海市场我们也能够看到这样一种情况，那就是随着金融环境逐渐发生变化，纯量化策略已经出现了不能适应时代需要的疲软状态。许多专业人士表示，数理金融的抽象理论在逐渐弱化，金融本身的逻辑价值变得越来越重要。
金融危机过后金融监管越来越多，单纯依靠纯量化的策略已经开始不能够适应现今的市场型态发展。如今纯量化投资策略应与现实业务和宏观环境相结合。为了适应这种时代变化，对冲基金机构创造了一个新的流派，称为基本面分析法。该方法不仅包含基本面投资者自上而下的选股技巧，还同时运用计算机数据和大数据系统等逐步对模型进行完善。以往实地考察和财务报表能够很好的对公司未来的现金流和償债能力做出评估，那么现在一个基金组合经理也可以通过计算机的分析方法，通过分析信用卡的账户数据来验证对于市场的判断。量化基本面分析方法就是把人的投资逻辑和思考方式量化并形成一个模型。这样主观与量化投资结合的方式既能够摆脱主观投资容易受交易者情绪影响的弊病又可以避免量化中遇到极端问题的不及时。所以无论从哪个方向来看，量化与基本面的结合一定会是未来的主流趋势。
五、量化投资的智能化
随着量化的发展对策略的需求也越来越大。因此数据分析和挖掘被越来越多的研究人员重视起来。行业内普遍对于数据分析的要求越来越高。普通的数据分析手段已经不能满足人们的需求，所以量化投资逐渐向人工智能的方向发展。当然，人工智能技术在量化投资中的应用不仅仅是投资执行的部分，更多的偏向于投资策略的智能化和自动化。
从数学领域来看，人工智能算法属于一种非线性建模的方法。在我们观察的历史数据中存在很多非线性成分。线性成分被交易完成之后也会出现一些非线性的现象。这些非线性现象就需要我们利用人工智能的方法来进行学习和处理。诸如声音、图像和文本等信息都属于非结构化数据。这些非结构化数据没有办法被数据模型直接进行处理。所以需要用人工智能的方式来进行结构化再由数据模型进行处理。
六、量化投资的全球化趋势
1949年最早的对冲基金正式成立，在当时起家资金只有10万美元。经过了40多年，美国对冲基金的管理资产达到了200亿美元，欧洲大概用了四十年在2002年达到了200亿美元。随着资金规模的发展，各个机构都不断的将目光瞄准全球市场，使用各种量化模型在全球市场进行交易。
QFII在2017年持有的A股资产突破万亿元人民币规模，沪深港通双向累计年成交额也破万亿人民币规模。全球量化旨在一个日益联系紧密的一体化金融市场里寻找有用的信息。发达国家投资界已有新型量化公司通过技术手段分析不同金融市场的各类数据，在数以亿计的实时数据里得到套利信息的能力已经超过传统金融分析。国内也已有量化团队，从相关A股海外指数如富时指数、海外ETF、大宗商品等入手进行跨市场量化对冲投资。
参考文献：
[1] 欧靓， 滕永平. 量化投资在期货市场的应用[J]. 内蒙古煤炭经济， 2018（2）：81-82.